[發(fā)明專利]一種輔門堵料的檢測方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011050400.5
• 申請(qǐng)日: 2020-09-29
• 公開（公告）號(hào): CN113298751A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 周雨薔;邱立運(yùn);蔣源銘
• 申請(qǐng)（專利權(quán)）人: 湖南長天自控工程有限公司;中冶長天國際工程有限責(zé)任公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京弘權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長明;許偉群

1.一種輔門堵料的檢測方法，其特征在于，包括：

在輔門落料區(qū)域安裝相機(jī)；

采集一段時(shí)間內(nèi)多張輔門下方的現(xiàn)場圖像；

對(duì)多張所述現(xiàn)場圖像進(jìn)行預(yù)處理；

對(duì)預(yù)處理后的現(xiàn)場圖像標(biāo)記標(biāo)簽，得到標(biāo)記圖像集；所述標(biāo)簽包括堵大塊標(biāo)簽和正常標(biāo)簽；

構(gòu)建堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，利用所述標(biāo)記圖像集對(duì)所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和驗(yàn)證；

將按照固定頻率采集到的所述現(xiàn)場圖像輸入到訓(xùn)練和驗(yàn)證后的所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型中，檢測所述輔門落料區(qū)域是否發(fā)生堵料，輸出檢測結(jié)果；所述檢測結(jié)果包括所述輔門落料區(qū)域發(fā)生堵料和所述輔門落料區(qū)域未發(fā)生堵料。

2.根據(jù)權(quán)利要求1所述的輔門堵料的檢測方法，其特征在于，所述對(duì)多張現(xiàn)場圖像進(jìn)行預(yù)處理步驟中的所述預(yù)處理包括：

對(duì)所述現(xiàn)場圖像進(jìn)行尺寸調(diào)整，調(diào)整為設(shè)定像素尺寸；

對(duì)所述現(xiàn)場圖像進(jìn)行亮度調(diào)整；

對(duì)調(diào)整后的現(xiàn)場圖像進(jìn)行平滑去噪處理。

3.根據(jù)權(quán)利要求1所述的輔門堵料的檢測方法，其特征在于，當(dāng)所述檢測結(jié)果為所述輔門落料區(qū)域發(fā)生堵料時(shí)，進(jìn)行堵料報(bào)警。

4.根據(jù)權(quán)利要求1所述的輔門堵料的檢測方法，其特征在于，將所述標(biāo)記圖像集分為訓(xùn)練集和驗(yàn)證集；

所述構(gòu)建堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，利用標(biāo)記圖像集對(duì)堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和驗(yàn)證步驟，包括：

構(gòu)建堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型包括輸入層、多個(gè)殘差塊、全連接層、分類器和輸出層；

對(duì)所述殘差塊中的參數(shù)進(jìn)行初始化；

將所述訓(xùn)練集內(nèi)的所述標(biāo)記圖像通過輸入層輸入到所述殘差塊內(nèi)，進(jìn)行標(biāo)準(zhǔn)化運(yùn)算和正則化運(yùn)算后，輸出圖像運(yùn)算數(shù)據(jù)；每個(gè)所述殘差塊輸出的所述圖像運(yùn)算數(shù)據(jù)均作為下一個(gè)所述殘差塊的輸入數(shù)據(jù)，遍歷所有所述殘差塊；

將最后一個(gè)所述殘差塊輸出的所述圖像運(yùn)算數(shù)據(jù)輸入到所述全連接層內(nèi)，進(jìn)行標(biāo)準(zhǔn)化運(yùn)算后，輸出多維特征矩陣；

將所述多維特征矩陣輸入到所述分類器中進(jìn)行分類，通過所述輸出層輸出檢測結(jié)果；

將所述檢測結(jié)果與所述標(biāo)記圖像的標(biāo)簽作比對(duì)，得到比對(duì)結(jié)果；

根據(jù)所述比對(duì)結(jié)果，對(duì)所述殘差塊的所述參數(shù)進(jìn)行修正，直到所述訓(xùn)練集內(nèi)的所有所述標(biāo)記圖像使用完，結(jié)束訓(xùn)練；

將所述驗(yàn)證集的所有所述標(biāo)記圖像輸入訓(xùn)練后的所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，對(duì)所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證；

如果驗(yàn)證通過，得到訓(xùn)練和驗(yàn)證后的所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求4所述的輔門堵料的檢測方法，其特征在于，所述殘差塊包括卷積層和池化層；所述卷積層的輸出作為所述池化層的輸入，所述池化層的輸出作為所述殘差塊的輸出；所述卷積層用于對(duì)輸入的所述標(biāo)記圖像進(jìn)行標(biāo)準(zhǔn)化運(yùn)算和正則化運(yùn)算，輸出所述圖像運(yùn)算數(shù)據(jù)；所述池化層用于對(duì)所述卷積層輸出的所述圖像運(yùn)算數(shù)據(jù)進(jìn)行降維處理。

6.根據(jù)權(quán)利要求5所述的輔門堵料的檢測方法，其特征在于，所述將驗(yàn)證集的所有標(biāo)記圖像輸入訓(xùn)練后的堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，對(duì)堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證步驟，包括：

將所述驗(yàn)證集的所有所述標(biāo)記圖像輸入訓(xùn)練后的所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型，輸出所述檢測結(jié)果；

將所述檢測結(jié)果輸入損失函數(shù)，得到損失率；

判斷所述損失率是否小于或等于目標(biāo)損失值；

如果所述損失率大于目標(biāo)損失值，繼續(xù)對(duì)所述堵大塊圖像識(shí)別殘差神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

如果所述損失率小于或等于所述目標(biāo)損失值，停止訓(xùn)練。