基于局部形状特征关联的辅助支架的可调升底座调节方法技术

本申请公开了一种基于局部形状特征关联的辅助支架的可调升底座调节方法，其以计算机机器视觉的方式提取出坑道的底壁图像和顶壁图像之间的特征关系，并进一步对该特征关系进行编码来获得所述可调升降底座的调节参数。更具体地，所述方法通过第一注意力机制和第二注意力机制从所述底壁特征图和顶壁特征图获得第一注意力图和第二注意力图，以提取出所述底部图像和顶壁图像内的局部特征，再用类似于Softmax的高斯函数计算出每个注意力图的位置相对于另一注意力图的关系权重，并以该关系权重分别对每个注意力图进行加权以获得两个关系权重特征图。

【技术实现步骤摘要】
基于局部形状特征关联的辅助支架的可调升底座调节方法
本申请涉及人工智能领域，且更为具体地，涉及一种基于局部形状特征关联的辅助支架的可调升底座调节方法、基于局部形状特征关联的辅助支架的可调升底座调节系统和电子设备。
技术介绍
随着矿井向深部开拓，矿山压力越来越大，巷道变形严重，维护困难，严重影响矿井安全高效指标的完成。为保证矿井安全生产，常常需要使用到锚索钻机，传统矿用锚索钻机在巷道施工时存在困难，具有安全隐患，因此目前出现了锚索钻机的辅助支架。目前的锚索钻机辅助支架一般通过辅助行走部分、可调升降底座和轨道梁三部分组成。为了提高该辅助支架在使用时的效果，期望通过可调升降底座的调节来对巷道的坑道壁进行良好的支撑，目前这一般通过人工调节来进行。但如果调节得过松，则影响安全性，如果调节得过紧，又可能由于应力较大造成损坏。因此期望提供一种良好的用于辅助支架的可调升底座调节的机制。因此，期望一种用于混凝土养护箱的清洁效果检测的技术方案。目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。近年来，深度学习以及神经网络的发展为用于辅助支架的可调升底座调节提供了新的解决思路和方案。
技术实现思路
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于局部形状特征关联的辅助支架的可调升底座调节方法、基于局部形状特征关联的辅助支架的可调升底座调节系统和电子设备，其以计算机机器视觉的方式提取出坑道的底壁图像和顶壁图像之间的特征关系，并进一步对该特征关系进行编码来获得所述可调升降底座的调节参数。更具体地，所述方法通过第一注意力机制和第二注意力机制从所述底壁特征图和顶壁特征图获得第一注意力图和第二注意力图，以提取出所述底部图像和顶壁图像内的局部特征，再用类似于Softmax的高斯函数计算出每个注意力图的位置相对于另一注意力图的关系权重，并以该关系权重分别对每个注意力图进行加权以获得两个关系权重特征图。根据本申请的一个方面，提供了一种基于局部形状特征关联的辅助支架的可调升底座调节方法，其包括：获取辅助支架所作用的坑道区域的底壁图像和顶壁图像，所述辅助支架用于支撑挖掘坑道用锚索钻机；将所述底壁图像和所述顶壁图像分别通过卷积神经网络以获得底壁特征图和顶壁特征图；将所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图；将所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图；计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图；计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图；将所述第一关系权重得分图与所述第一注意力特征图进行按像素位置点乘，以获得第一关系权重特征图；将所述第二关系权重得分图与所述第二注意力特征图进行按像素位置点乘，以获得第二关系权重特征图；融合所述第一关系权重特征图和所述第二关系权重特征图，以获得待编码特征图；以及将所述待编码特征图通过一个或多个全连接层，以获得一个编码值，所述编码值用于表示所述可调升底座的调节参数，其中，所述一个或多个全连接层中最后一个全连接层的输出位数为1位。在上述基于局部形状特征关联的辅助支架的可调升底座调节方法中，将所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图，包括：将所述底壁特征图通过多个第一卷积层以获得第一卷积特征图；以及，将所述第一卷积特征图与所述底壁特征图进行按像素位置点乘，以获得所述第一注意力特征图；其中，将所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图，包括：将所述顶壁特征图通过多个第二卷积层以获得第二卷积特征图；以及，将所述第二卷积特征图与所述顶壁特征图进行按像素位置点乘，以获得所述第二注意力特征图。在上述基于局部形状特征关联的辅助支架的可调升底座调节方法中，计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图，包括：以如下公式计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图，其中，所述公式为：关系权重＝exp(Ai)/∑exp(Bi)，其中Ai和Bi分别表示所述第一注意力特征图和所述第二注意力特征图中各个像素位置的特征值。在上述基于局部形状特征关联的辅助支架的可调升底座调节方法中，计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图，包括：以如下公式计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图，其中，所述公式为关系权重＝exp(Bi)/∑exp(Ai)，其中Ai和Bi分别表示所述第一注意力特征图和所述第二注意力特征图中各个像素位置的特征值。在上述基于局部形状特征关联的辅助支架的可调升底座调节方法中，融合所述第一关系权重特征图和所述第二关系权重特征图，以获得待编码特征图，包括：计算所述第一关系权重特征图与所述第二关系权重特征图之间的按像素位置加权和，以获得所述待编码特征图。在上述基于局部形状特征关联的辅助支架的可调升底座调节方法中，所述卷积神经网络为深度残差网络。根据本申请的另一方面，提供了一种基于局部形状特征关联的辅助支架的可调升底座调节系统，包括：图像获取单元，用于获取辅助支架所作用的坑道区域的底壁图像和顶壁图像，所述辅助支架用于支撑挖掘坑道用锚索钻机；特征图生成单元，用于将所述图像获取单元获得的所述底壁图像和所述顶壁图像分别通过卷积神经网络以获得底壁特征图和顶壁特征图；第一注意力特征图生成单元，用于将所述特征图生成单元获得的所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图；第二注意力特征图生成单元，用于将所述特征图生成单元获得的所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图；第一关系权重得分图生成单元，用于计算所述第一注意力特征图生成单元获得的所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图生成单元获得的所述第二注意力特征图的关系权重，以获得第一关系权重得分图；第二关系权重得分图生成单元，用于计算所述第二注意力特征图生成单元获得的所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图生成单元获得的所述第一注意力特征图的关系权重，以获得第二关系权重得分图；第一关系权重特征图生成单元，用于将所述第一关系权重得分图生成单元获得的所述第一关系权重得分图与所述第一注意力特征图生成单元获得的所述第一注意力特征图进行按像素位置点乘，以获得第一关系权重特征图；第二关系权重特征图生成单元，用于将所述第二关系权重得分图生成单元获得的第二关系权本文档来自技高网...

【技术保护点】
1.一种基于局部形状特征关联的辅助支架的可调升底座调节方法，其特征在于，包括：/n获取辅助支架所作用的坑道区域的底壁图像和顶壁图像，所述辅助支架用于支撑挖掘坑道用锚索钻机；/n将所述底壁图像和所述顶壁图像分别通过卷积神经网络以获得底壁特征图和顶壁特征图；/n将所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图；/n将所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图；/n计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图；/n计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图；/n将所述第一关系权重得分图与所述第一注意力特征图进行按像素位置点乘，以获得第一关系权重特征图；/n将所述第二关系权重得分图与所述第二注意力特征图进行按像素位置点乘，以获得第二关系权重特征图；/n融合所述第一关系权重特征图和所述第二关系权重特征图，以获得待编码特征图；以及/n将所述待编码特征图通过一个或多个全连接层，以获得一个编码值，所述编码值用于表示所述可调升底座的调节参数，其中，所述一个或多个全连接层中最后一个全连接层的输出位数为1位。/n...

【技术特征摘要】
1.一种基于局部形状特征关联的辅助支架的可调升底座调节方法，其特征在于，包括：
获取辅助支架所作用的坑道区域的底壁图像和顶壁图像，所述辅助支架用于支撑挖掘坑道用锚索钻机；
将所述底壁图像和所述顶壁图像分别通过卷积神经网络以获得底壁特征图和顶壁特征图；
将所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图；
将所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图；
计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图；
计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图；
将所述第一关系权重得分图与所述第一注意力特征图进行按像素位置点乘，以获得第一关系权重特征图；
将所述第二关系权重得分图与所述第二注意力特征图进行按像素位置点乘，以获得第二关系权重特征图；
融合所述第一关系权重特征图和所述第二关系权重特征图，以获得待编码特征图；以及
将所述待编码特征图通过一个或多个全连接层，以获得一个编码值，所述编码值用于表示所述可调升底座的调节参数，其中，所述一个或多个全连接层中最后一个全连接层的输出位数为1位。


2.根据权利要求1所述的基于局部形状特征关联的辅助支架的可调升底座调节方法，
其中，将所述底壁特征图通过第一空间注意力机制模块以获得第一注意力特征图，包括：
将所述底壁特征图通过多个第一卷积层以获得第一卷积特征图；以及
将所述第一卷积特征图与所述底壁特征图进行按像素位置点乘，以获得所述第一注意力特征图；
其中，将所述顶壁特征图通过第二空间注意力机制模块以获得第二注意力特征图，包括：
将所述顶壁特征图通过多个第二卷积层以获得第二卷积特征图；以及
将所述第二卷积特征图与所述顶壁特征图进行按像素位置点乘，以获得所述第二注意力特征图。


3.根据权利要求1所述的基于局部形状特征关联的辅助支架的可调升底座调节方法，其中，计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图，包括：
以如下公式计算所述第一注意力特征图中各个像素位置相对于所述第二注意力特征图的关系权重，以获得第一关系权重得分图，其中，所述公式为：关系权重＝exp(Ai)/∑exp(Bi)，其中Ai和Bi分别表示所述第一注意力特征图和所述第二注意力特征图中各个像素位置的特征值。


4.根据权利要求1所述的基于局部形状特征关联的辅助支架的可调升底座调节方法，其中，计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图，包括：
以如下公式计算所述第二注意力特征图中各个像素位置相对于所述第一注意力特征图的关系权重，以获得第二关系权重得分图，其中，所述公式为关系权重＝exp(Bi)/∑exp(Ai)，其中Ai和Bi分别表示所述第一注意力特征图和所述第二注意力特征图中各个像素位置的特征值。


5.根据权利要求1所述的基于局部形状特征关联的辅助支架的可调升底座调节方法，其中，融合所述第一关系权重特征图和所述第二关系权重特征图，以获得待编码特征图，包括：
计算所述第一关系权重特征图与所述第二关系权重特征图之间的按像素位置加权和，以获得所述待编码特征图。


6.根据权利要求1所述的基于局部形状特征关联的辅助支架的可调升底座调节方法，其中，所述卷积神经网络为深度残差网络...

【专利技术属性】
技术研发人员：苏小慢，
申请(专利权)人：无锡灵越网络科技有限公司，
类型：发明
国别省市：江苏;32