本技术涉及智能控制,且更为具体地,涉及一种基于图像识别的板式给料机速度自动调节方法及其系统。
背景技术:
1、板式给料机也称为板式喂料机,是一种连续输送物料的机械,可以沿水平或倾斜方向向破碎机、料斗车或其它工作机械连续配给和转运物料,适用于大中型煤炭开采生产线中松散、块状、量大喂料工序,尤其对运送大块、高温和尖锐的物料最为适合,可在高温高湿恶劣环境中可靠工作,并能在露天和潮湿恶劣的环境下可靠地工作。
2、在使用板式给料机给破碎机转运开采的煤炭物料时,由于煤炭物料有大有小,并且煤炭表面多具有棱边、棱角,物料在滚落到板式给料机的输送链上时会产生不同程度的堆积,为了使得输送至破碎机的煤炭物料能够破碎成均匀的尺寸大小以便于煤炭的使用,需要对于板式给料机的速度进行控制。但是,由于现有的板式给料机的速度的通过人工提前进行设定,这就会导致给料机并不能够根据在输送链上的物料实际情况进行相应地速度控制,进而影响破碎的效果,降低煤炭的开采质量。
3、因此,期望一种优化的板式给料机速度自动调节方案。
技术实现思路
1、为了解决上述技术问题,提出了本技术。本技术的实施例提供了一种基于图像识别的板式给料机速度自动调节方法及其系统。其首先将获取的当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图,并将获取的上一帧煤型图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到上一帧煤型图像特征图,然后,计算分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正后得到的校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图之间的差分特征图,最后,将所述差分特征图通过分类器以得到用于表示当前时间点的板式给料机速度应增大或应减小的分类结果。这样,可以使得板式给料机的速度调节更加适配于实际的煤型监控。
2、根据本技术的一个方面,提供了一种基于图像识别的板式给料机速度自动调节方法,其包括:
3、获取当前帧煤型图像和上一帧煤型图像;
4、将所述当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图;
5、将所述上一帧煤型图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到上一帧煤型图像特征图;
6、分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正以得到校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图;
7、计算所述校正后当前帧煤型图像特征图和所述校正后上一帧煤型图像特征图之间的差分特征图;以及
8、将所述差分特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的板式给料机速度应增大或应减小。
9、在上述的基于图像识别的板式给料机速度自动调节方法中,所述将所述当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图,包括:使用所述包含深浅特征融合模块的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:
10、对所述输入数据进行卷积处理以得到卷积特征图;
11、对所述卷积特征图进行池化处理以得到池化特征图;以及
12、对所述池化特征图进行激活处理以得到激活特征图。
13、在上述的基于图像识别的板式给料机速度自动调节方法中,所述将所述当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图,包括:
14、从所述第一卷积神经网络模型的第i层提取浅层特征图;
15、从所述第一卷积神经网络模型的第j层提取深层特征图;以及
16、使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述当前帧煤型图像特征图。
17、在上述的基于图像识别的板式给料机速度自动调节方法中,所述第i层为所述第一卷积神经网络模型的第一层至第六层;所述第j层与所述第i层之间的比值大于等于5。
18、在上述的基于图像识别的板式给料机速度自动调节方法中,所述分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正以得到校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图,包括:
19、以如下公式对所述当前帧煤型图像特征图进行特征分布校正以得到所述校正后当前帧煤型图像特征图;
20、其中,所述公式为:
21、
22、其中f1表示所述当前帧煤型图像特征图,表示所述当前帧煤型图像特征图的各个位置的特征值,且是所述当前帧煤型图像特征图的全部特征值的均值,log表示以2为底的对数函数。
23、在上述的基于图像识别的板式给料机速度自动调节方法中,所述分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正以得到校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图,还包括:
24、以如下公式对所述上一帧煤型图像特征图进行特征分布校正以得到所述校正后上一帧煤型图像特征图;
25、其中,所述公式为:
26、
27、其中f2表示所述上一帧煤型图像特征图,表示所述上一帧煤型图像特征图的各个位置的特征值,且是所述上一帧煤型图像特征图的全部特征值的均值,log表示以2为底的对数函数。
28、在上述的基于图像识别的板式给料机速度自动调节方法中,所述计算所述校正后当前帧煤型图像特征图和所述校正后上一帧煤型图像特征图之间的差分特征图,包括:
29、计算所述校正后当前帧煤型图像特征图和所述校正后上一帧煤型图像特征图的按位置差分以得到所述差分特征图。
30、在上述的基于图像识别的板式给料机速度自动调节方法中,所述将所述差分特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的板式给料机速度应增大或应减小,包括:
31、使用所述分类器以如下公式对所述差分特征图进行处理以得到所述分类结果,其中,所述公式为:o=softmax{(wn,bn):…:(w1,b1)|project(fd)},其中,project(fd)表示将所述差分特征图投影为向量,w1至wn为各层全连接层的权重矩阵,b1至bn表示各层全连接层的偏置矩阵。
32、根据本技术的另一方面,提供了一种基于图像识别的板式给料机速度自动调节系统,其包括:
33、数据获取模块,用于获取当前帧煤型图像和上一帧煤型图像;
34、第一卷积编码模块,用于将所述当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图;
35、第二卷积编码模块,用于将所述上一帧煤型图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到上一帧煤型图像特征图;
36、特征分布校正模块,用于分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正以得到校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图;
37、差分特征图计算模块,用于计算所述校正后当前帧煤型图像特征图和所述校正后上一帧煤型图像特征图之间的差分特征图;以及
38、分类结果生成模块,用于将所述差分特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的板式给料机速度应增大或应减小。
39、在上述的基于图像识别的板式给料机速度自动调节系统中,所述第一卷积编码模块,进一步用于:使用所述包含深浅特征融合模块的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:
40、对所述输入数据进行卷积处理以得到卷积特征图;
41、对所述卷积特征图进行池化处理以得到池化特征图;以及
42、对所述池化特征图进行激活处理以得到激活特征图。
43、与现有技术相比,本技术提供的基于图像识别的板式给料机速度自动调节方法及其系统,其首先将获取的当前帧煤型图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到当前帧煤型图像特征图,并将获取的上一帧煤型图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到上一帧煤型图像特征图,然后,计算分别对所述当前帧煤型图像特征图和所述上一帧煤型图像特征图进行特征分布校正后得到的校正后当前帧煤型图像特征图和校正后上一帧煤型图像特征图之间的差分特征图,最后,将所述差分特征图通过分类器以得到用于表示当前时间点的板式给料机速度应增大或应减小的分类结果。这样,可以使得板式给料机的速度调节更加适配于实际的煤型监控。