[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

公開了一種礦用錨桿自動化生產控制設備及其方法，其綜合利用待檢測礦用錨桿的圖像信息和所述待檢測礦用錨桿的檢測參數來對礦用錨桿的成型質量進行精準判斷，從而在所述礦用錨桿自動化生產控制中能夠對礦用錨桿的成型質量進行精準監控，以確保礦用錨桿的生產良率。

技術領域

本申請涉及智能化生產控制技術領域，且更為具體地，涉及一種礦用錨桿自動化生產控制設備及其方法。

背景技術

錨桿支護是邊坡、巖土深基坑等地面工程及隧道、采場等地下硐室施工中常見的一種圍巖加固支護方式。通過施加主動的預應力，預應力錨桿能及時控制錨固區圍巖的離層、滑動、裂隙張開，使圍巖處于受壓狀態，抑制圍巖的變形與破壞。

在礦用錨桿的生產制備中，關鍵是對礦用錨桿的成型質量進行檢測，這種檢測包含兩個層面：礦用錨桿的外形檢測和礦用錨桿的物理性能檢測。在現有的成型質量檢測方案中，往往對兩者進行單獨檢測，導致礦用錨桿的生產周期被延長，且上述檢測方案忽略了外形和物理性能之間的隱含關聯，導致成型質量檢測的精準度較低。

因此，期待一種優化的礦用錨桿自動化生產控制方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種礦用錨桿自動化生產控制設備及其方法，其通過聯合編碼器的圖像編碼模塊提取待檢測礦用錨桿的檢測圖像的深度隱含特征；然后，通過所述聯合編碼器的序列編碼器提取所述待檢測礦用錨桿的檢測參數的動態多尺度關聯特征，并基于此通過聯合編碼器的優化模塊對于待檢測礦用錨桿的檢測圖像的深度隱含特征進行優化，以生成待檢測礦用錨桿的成型質量是否滿足預定要求的判斷結果。這樣，可以提高礦用錨桿的成型質量檢測的精準度。

根據本申請的一個方面，提供了一種礦用錨桿自動化生產控制設備，其包括：

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。

在上述礦用錨桿自動化生產控制設備中，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。

在上述礦用錨桿自動化生產控制設備中，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。