[發明專利]礦用錨桿自動化生產控制設備及方法

在審

• 申請號: 202211530851.8
• 申請日: 2022-12-01
• 公開（公告）號: CN116310481A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 石紅濤;張麗麗;趙志蓬
• 申請（專利權）人: 石紅濤
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06F17/16;G06N3/048;G06V10/80;G06V10/40;G06T7/50;G06N3/0464
• 代理公司: 鄭州丞山知識產權代理事務所(普通合伙) 41225
• 代理人: 周秉彥

1.一種礦用錨桿自動化生產控制設備，其特征在于，包括：

參數采集模塊，用于獲取由攝像頭采集的待檢測礦用錨桿的檢測圖像以及所述待檢測礦用錨桿的檢測參數，所述檢測參數包括強度、屈服強度、抗拉強度、延伸率、屈服載荷和抗拉載荷；

圖像特征提取模塊，用于將所述檢測圖像通過聯合編碼器的圖像編碼模塊以得到礦用錨桿圖像特征向量；

參數特征提取模塊，用于將所述待檢測礦用錨桿的檢測參數通過所述聯合編碼器的序列編碼器以得到礦用錨桿參數特征向量；

聯合編碼優化模塊，用于使用所述聯合編碼器的優化模塊基于所述礦用錨桿參數特征向量對所述礦用錨桿圖像特征向量的編碼進行優化以得到礦用錨桿特征矩陣；

再優化模塊，用于對所述礦用錨桿特征矩陣進行特征分布再優化以得到優化礦用錨桿特征矩陣；以及

檢測結果生成模塊，用于將所述優化礦用錨桿特征矩陣通過分類器以得到分類結果，所述分類結果用于表示待檢測礦用錨桿的成型質量是否滿足預定要求。

2.根據權利要求1所述的礦用錨桿自動化生產控制設備，其特征在于，所述圖像特征提取模塊，用于：所述使用作為過濾器的深度卷積神經網絡模型的各層在層的正向傳遞中分別對輸入數據進行：

對所述輸入數據進行卷積處理以得到卷積特征圖；

對所述卷積特征圖進行基于特征矩陣的均值池化處理以得到池化特征圖；以及

對所述池化特征圖進行非線性激活以得到激活特征圖；

其中，所述使用作為過濾器的深度卷積神經網絡模型的最后一層的輸出為所述礦用錨桿圖像特征向量，所述使用作為過濾器的深度卷積神經網絡模型的第一層的輸入為所述檢測圖像。

3.根據權利要求2所述的礦用錨桿自動化生產控制設備，其特征在于，所述參數特征提取模塊，包括：

第一尺度參數關聯特征提取單元，用于將所述輸入向量輸入所述聯合編碼器的序列編碼器的第一卷積層以得到第一尺度參數關聯特征向量，其中，所述第一卷積層具有第一長度的第一一維卷積核；

第二尺度參數關聯特征提取單元，用于將所述輸入向量輸入所述聯合編碼器的序列編碼器的第二卷積層以得到第二尺度參數關聯特征向量，其中，所述第二卷積層具有第二長度的第二一維卷積核，所述第一長度不同于所述第二長度；以及

多尺度關聯融合單元，用于將所述第一尺度參數關聯特征向量和所述第二尺度參數關聯特征向量進行級聯以得到所述礦用錨桿參數特征向量。

4.根據權利要求3所述的礦用錨桿自動化生產控制設備，其特征在于，所述第一尺度參數關聯特征提取單元，進一步用于：使用所述聯合編碼器的序列編碼器的第一卷積層以如下公式對所述輸入向量進行一維卷積編碼以得到所述第一尺度參數關聯特征向量；

其中，所述公式為：

其中，a為第一卷積核在x方向上的寬度、F(a)為第一卷積核參數向量、G(x-a)為與卷積核函數運算的局部向量矩陣，w為第一卷積核的尺寸，X表示所述輸入向量。

5.根據權利要求4所述的礦用錨桿自動化生產控制設備，其特征在于，所述第二尺度參數關聯特征提取單元，進一步用于：使用所述聯合編碼器的序列編碼器的第二卷積層以如下公式對所述輸入向量進行一維卷積編碼以得到所述第二尺度參數關聯特征向量；

其中，所述公式為：

其中，b為第二卷積核在x方向上的寬度、F(b)為第二卷積核參數向量、G(x-b)為與卷積核函數運算的局部向量矩陣，m為第二卷積核的尺寸，X表示所述輸入向量。

6.根據權利要求5所述的礦用錨桿自動化生產控制設備，其特征在于，所述聯合編碼優化模塊，進一步用于：使用所述聯合編碼器的優化模塊基于所述礦用錨桿參數特征向量以如下公式對所述礦用錨桿圖像特征向量的編碼進行優化以得到礦用錨桿特征矩陣；

其中，所述公式為：

其中V_s表示所述礦用錨桿圖像特征向量，V_s^T表示所述礦用錨桿圖像特征向量的轉置向量，V_b表示所述礦用錨桿參數特征向量，M_b表示所述礦用錨桿特征矩陣，表示向量相乘。