本技术涉及计算机，尤其涉及一种烧结台车轮偏移的检测方法、装置、存储介质及设备。
背景技术：
1、烧结生产过程中的重要一步就是将烧结混合料均匀的布到台车上，将台车作为烧结混合料烧结反应进行的载体和容器，其运行的稳定是保证烧结生产线作业率的重要前提条件。
2、目前，为了保证烧结过程的顺利进行，通常需要台车能够稳定的运行在轨道上，其中，保证台车轮的正常运行显得尤为关键。而台车轮正常运行的表现则是车轮正常转动且不偏离轨道。但当前在对烧结台车轮是否偏离轨道进行检测时，通常仅依靠人工进行现场巡检，不仅会大幅度增加工作人员的劳动强度，而且也不能及时、准确的发现烧结台车轮是否出现严重偏移，存在检测效率和准确率均较低等问题。
技术实现思路
1、本技术实施例的主要目的在于提供一种烧结台车轮偏移的检测方法、装置、存储介质及设备，能够在对烧结台车轮的偏移进行检测时，有效提高检测效率和准确率，并得到更为优化的检测效果。
2、本技术实施例提供了一种烧结台车轮偏移的检测方法，包括：获取待检测的目标图像；所述目标图像中包含运行在轨道上的目标烧结台车轮；对所述目标图像进行识别处理，得到所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果；根据所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果，计算所述目标烧结台车轮边缘与所述轨道边缘之间的距离；判断所述目标烧结台车轮边缘与所述轨道边缘之间的距离是否超过预设距离阈值，并根据判断结果检测所述目标烧结台车轮是否在轨道上出现偏移，得到检测结果。
3、一种可能的实现方式中，所述对所述目标图像进行识别处理，得到所述目标烧结台车轮的边缘检测结果，包括：利用深度学习中的预设检测算法，对所述目标图像进行识别处理，得到所述目标烧结台车轮的位置；在所述目标烧结台车轮的位置，利用预设实例分割算法，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果。
4、一种可能的实现方式中，所述利用深度学习中的预设检测算法，对所述目标图像进行识别处理，得到所述目标烧结台车轮的位置，包括：利用预先构建的图像检测模型，对所述目标图像进行识别处理，检测所述目标烧结台车轮的位置；其中，所述图像检测模型是采用样本图像对所述预设检测算法对应的初始模型进行训练得到的。
5、一种可能的实现方式中，所述预设检测算法为yolo v6的检测算法；所述初始模型为yolo v6的模型；所述yolo v6的模型包括输入层、主干层、颈部层和头部层。
6、一种可能的实现方式中，所述在所述目标烧结台车轮的位置，利用预设实例分割算法，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果，包括：在所述目标烧结台车轮的位置，利用预先构建的solo v2实例分割模型，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果。
7、一种可能的实现方式中，所述目标烧结台车轮的边缘检测结果为所述目标烧结台车轮边缘的直线方程；所述轨道的边缘检测结果为所述轨道边缘的直线方程；所述根据所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果，计算所述目标烧结台车轮边缘与所述轨道边缘之间的距离，包括：根据所述目标烧结台车轮边缘的直线方程和所述轨道边缘的直线方程，计算所述目标烧结台车轮边缘所在直线和所述轨道边缘所在直线之间的距离，作为所述目标烧结台车轮边缘与所述轨道边缘之间的距离。
8、一种可能的实现方式中，所述方法还包括：根据所述检测结果，构建所述目标烧结台车轮的运行状态报告；所述运行状态报告包括所述目标烧结台车轮的偏移级别；当所述目标烧结台车轮的偏移级别达到预设级别时，发出预警信号。
9、本技术实施例还提供了一种烧结台车轮偏移的检测装置，包括：获取单元，用于获取待检测的目标图像；所述目标图像中包含运行在轨道上的目标烧结台车轮；识别单元，用于对所述目标图像进行识别处理，得到所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果；计算单元，用于根据所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果，计算所述目标烧结台车轮边缘与所述轨道边缘之间的距离；检测单元，用于判断所述目标烧结台车轮边缘与所述轨道边缘之间的距离是否超过预设距离阈值，并根据判断结果检测所述目标烧结台车轮是否在轨道上出现偏移，得到检测结果。
10、一种可能的实现方式中，所述识别单元包括：识别子单元，用于利用深度学习中的预设检测算法，对所述目标图像进行识别处理，得到所述目标烧结台车轮的位置；分割子单元，用于在所述目标烧结台车轮的位置，利用预设实例分割算法，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果。
11、一种可能的实现方式中，所述识别子单元具体用于：利用预先构建的图像检测模型，对所述目标图像进行识别处理，检测所述目标烧结台车轮的位置；其中，所述图像检测模型是采用样本图像对所述预设检测算法对应的初始模型进行训练得到的。
12、一种可能的实现方式中，所述预设检测算法为yolo v6的检测算法；所述初始模型为yolo v6的模型；所述yolo v6的模型包括输入层、主干层、颈部层和头部层。
13、一种可能的实现方式中，所述分割子单元具体用于：在所述目标烧结台车轮的位置，利用预先构建的solo v2实例分割模型，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果。
14、一种可能的实现方式中，所述目标烧结台车轮的边缘检测结果为所述目标烧结台车轮边缘的直线方程；所述轨道的边缘检测结果为所述轨道边缘的直线方程；所述计算单元具体用于：根据所述目标烧结台车轮边缘的直线方程和所述轨道边缘的直线方程，计算所述目标烧结台车轮边缘所在直线和所述轨道边缘所在直线之间的距离，作为所述目标烧结台车轮边缘与所述轨道边缘之间的距离。
15、一种可能的实现方式中，所述装置还包括：构建单元，用于根据所述检测结果，构建所述目标烧结台车轮的运行状态报告；所述运行状态报告包括所述目标烧结台车轮的偏移级别；预警单元，用于当所述目标烧结台车轮的偏移级别达到预设级别时，发出预警信号。
16、本技术实施例还提供了一种烧结台车轮偏移的检测设备，包括：处理器、存储器、系统总线；
17、所述处理器以及所述存储器通过所述系统总线相连；
18、所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述烧结台车轮偏移的检测方法中的任意一种实现方式。
19、本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述烧结台车轮偏移的检测方法中的任意一种实现方式。
20、本技术实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述烧结台车轮偏移的检测方法中的任意一种实现方式。
21、本技术实施例提供的一种烧结台车轮偏移的检测方法、装置、存储介质及设备，首先获取待检测的目标图像；其中，目标图像中包含运行在轨道上的目标烧结台车轮，然后对目标图像进行识别处理，得到目标烧结台车轮的边缘检测结果和轨道的边缘检测结果；接着，根据目标烧结台车轮的边缘检测结果和轨道的边缘检测结果，计算目标烧结台车轮边缘与轨道边缘之间的距离；进而可以判断目标烧结台车轮边缘与轨道边缘之间的距离是否超过预设距离阈值，并根据判断结果检测目标烧结台车轮是否在轨道上出现偏移，得到检测结果。
22、可见，由于本技术是先获取包含运行在轨道上的目标烧结台车轮的目标图像，然后通过图像识别方式，实时、准确的识别出目标图像中目标烧结台车轮边缘和轨道边缘的距离是否超过阈值，用以快速、准确的确定出对于目标烧结台车轮偏移的检测结果，相比人工查看视频图像进行检测的方式，更为及时、准确，从而能够有效提高对于目标烧结台车轮偏移的检测效率和准确率，并得到更为优化的检测效果。
1.一种烧结台车轮偏移的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行识别处理，得到所述目标烧结台车轮的边缘检测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用深度学习中的预设检测算法，对所述目标图像进行识别处理，得到所述目标烧结台车轮的位置，包括：
4.根据权利要求3所述的方法，其特征在于，所述预设检测算法为yolo v6的检测算法；所述初始模型为yolo v6的模型；所述yolo v6的模型包括输入层、主干层、颈部层和头部层。
5.根据权利要求2所述的方法，其特征在于，所述在所述目标烧结台车轮的位置，利用预设实例分割算法，对所述目标烧结台车轮进行实例分割，得到所述目标烧结台车轮的边缘检测结果，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标烧结台车轮的边缘检测结果为所述目标烧结台车轮边缘的直线方程；所述轨道的边缘检测结果为所述轨道边缘的直线方程；所述根据所述目标烧结台车轮的边缘检测结果和所述轨道的边缘检测结果，计算所述目标烧结台车轮边缘与所述轨道边缘之间的距离，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种烧结台车轮偏移的检测装置，其特征在于，包括：
9.一种烧结台车轮偏移的检测设备，其特征在于，包括：处理器、存储器、系统总线；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-7任一项所述的方法。
