一种基于视觉的矿质混合料成分实时检测方法技术

本发明专利技术公开了一种基于视觉的矿质混合料成分实时检测方法，属于矿质混合料生产技术领域，包括摄像机选取和安装，然后获取不同物料构成的成像视频，生成目标检测数据集，对目标检测集分析计算，设定误差允许范围，最终及时通过图像的检测获取矿质混合料的异常配比并通知产线工人。本发明专利技术提出的方法能够适应全天候的光照环境，泛化程度好，能够适应不同角度的传送带与摄像机的成像角度，对同一混合料能够跨厂区使用，对混合料配比检测的实时性提高，能够记录每个投料周期的实际配比，解决现有矿质原料在进行分步配比时依赖产线工人实时远程观察原料配比导致工人疲劳，难以及时发现物料配比异常情况的不足。现物料配比异常情况的不足。现物料配比异常情况的不足。

【技术实现步骤摘要】
一种基于视觉的矿质混合料成分实时检测方法


[0001]本专利技术涉及矿质混合料生产
，特别是涉及一种基于视觉的矿质混合料成分实时检测方法。

技术介绍

[0002]在矿质混合料的生产过程中，原料配比正确与否将影响到混合料对应的目标产品质量，比如水泥生料的配比影响生成的水泥熟料性能，路面施工混料的配比影响路面性能，而这些混合料的前后工序往往具有高能耗、产品形成后不可逆的特殊性。
[0003]实际产线中，原料是按配比分步添加的，由于各类原因，比如设备异常停机、木棍钢条以及部分块度较大的矿质原料常常卡住溜料口等等，导致该段时间内的原料未能按设定意图投放，级配与标准配比相差过大。目前常见做法是，由产线工人远程实时观察原料配比的状态。这会导致工人迅速疲劳，难以及时发现物料配比异常的情况。针对以上不足，本专利技术提出一种基于视觉的矿质混合料成分实时检测方法，能够在全天候半露天的生产环境中，实时检测混合料的配比，在配比异常时及时提醒产线工人进行补救，能较好的节能减排，提升产品质量。

技术实现思路

[0004]本专利技术的主要目的在于提供一种基于视觉分析的矿质原料配比检测方法，借助人工智能视觉技术，能够有效解决
技术介绍
中的问题。
[0005]本专利技术的目的可以通过采用如下技术方案达到：
[0006]一种基于视觉的矿质混合料成分实时检测方法，包括如下步骤：
[0007]步骤一，选择IP摄像机并安装：选择带有自动补偿光源功能的全彩夜视摄像机，摄像机图像质量满足分析要求，并将摄像机安装在每种矿物混合料成分的下料设备上方，IP摄像头通过厂家配套的视频后台软件将视频流转成MP4；
[0008]步骤二，获取不同物料构成的成像视频：在光线不同的时间段，控制每种矿质混合料成分的下料设备开关，记录时段，并从IP摄像头视频后台软件连续两周内不同时段各采集5分钟时长的视频数据，获取产线上的“传送带空载视频”、“装载石灰石运行视频”、“装载石灰石与黄土混合料运行视频”以及“装载完整混合生料运行视频”；
[0009]步骤三，生成目标检测数据集：使用OpenCV图像处理库，根据产线运行速度，在视频里提取图片序列；
[0010]步骤四，目标检测集分析计算：使用深度学习网络对一个标准的连续载料传输视频进行多点分析，在一个投料周期内，基于通用机器学习框架，对图片数据进行深度学习网络训练学习，计算出每种混合物料片段的比例；
[0011]步骤五，统计投放结果；
[0012]步骤六，设定误差允许范围：根据过程控制工程师的实际经验，设定物料成分实际允许的误差范围，统计监测点的检测结果，并将结果上报给生产运维检修系统，当物料配比
超限时间超过阈值时，及时主动提示产线工人配料异常，使现场人员及时得知配料异常并跟踪异常原因。
[0013]作为本专利技术进一步的方法，所述步骤二中提取图片的时间间隔控制为两两图片内容刚好不重合，图像序列提取间隔的公式为：
[0014][0015]式中：J
tp
为图像序列的提取间隔，L为视场内传送带的物理长度，V为传送带的运行速度，FR为视频的帧率。
[0016]作为本专利技术进一步的方法，所述步骤四中目标检测集分析计算的具体过程如下：
[0017]对“石灰石”监测点，以空带运行数据作负样本，在通用机器学习框架Pytorch下，使用深度学习网络MobileNetV2训练二分类模型，将图片裁切整理为256
×
256像素的尺寸，使用随机梯度下降方法和0.0001的学习率形成测试集图像预测模型，使用该模型预测测试集图像序列，判断哪张图片在对应的时间节点石灰石未正常投放；
[0018]对“石灰石+黄土”监测点，以石灰石传送带数据作为负样本，使用深度学习网络MobileNetV2训练二分类模型，将图片裁切整理为256
×
256像素的尺寸，使用随机梯度下降方法和0.0001的学习率形成测试集图像预测模型，使用该模型预测测试集图像序列，判断哪张图片在对应的时间节点黄土未正常投放；
[0019]对“石灰石+黄土+校正料”监测点，校正料间断投放，标注出校正料在图上的位置框，并将位置框内区域作为检测数据集，使用深度学习网络YoloV5训练目标检测模型，将图片裁切整理为640
×
640像素的尺寸，使用随机梯度下降方法和0.0001的学习率形成测试集图像预测模型，使用该模型预测测试集图像序列，判断哪张图片在对应的时间节点投放了校正料，将校正料检出框在传送带载物区域的占比作为校正料投放量的估算值。
[0020]作为本专利技术进一步的方法，所述步骤一中的光线不同的情况为早晨8点、正午12点、傍晚6点以及深夜12点。
[0021]作为本专利技术进一步的方法，所述步骤一中摄像机的像素大于等于400万。
[0022]作为本专利技术进一步的方法，所述步骤四中的投料周期为间隔时间最长的间隔投料成分两次投料的时间跨度。
[0023]作为本专利技术进一步的方法，所述步骤六中统计投放结果的具体方式为：
[0024]在投料周期内统计石灰石和黄土缺失的图片张数以整个周期图像张数，获取石灰石和黄土缺失的图片张数占整个周期图像张数的比例，并将这个比例作为石灰石和黄土的缺料程度值，统计校正料检出框累加值在整个周期的比例，石灰石和黄土的缺料程度值的公式为：
[0025][0026]式中：D
SH
为石灰石和黄土的缺料程度值，N为石灰石和黄土缺失的图片张数，M为整个周期图像张数；
[0027]校正料的投放量拟合公式为：
[0028][0029]式中：IOU
adj
为校正料的投放量拟合值，S
adj
为校正料检出框面积的累加值，S
all
为整个周期图像传送带载料面积的累加值。
[0030]与现有技术相比，本专利技术的优势在于：
[0031]一，泛化程度好，能够适应全天候的光照环境，能够适应不同角度的传送带与摄像机的成像角度，对同一混合料能够跨厂区使用；
[0032]二，该方法实时性高，能够记录每个投料周期的实际配比，并通过视频的混合物料片段比例实现混合生产设备的自动启停，能够自动操作设备进行缺失成分补料
[0033]三，改造成本低，对原产线干扰小，除了增加摄像头外，无其他添置，设备不需要对现有生产流程进行修改就能够投运。
附图说明
[0034]图1为按照本专利技术的基于视觉的矿质混合料成分实时检测方法的水泥生产线生料(石灰石、黄土、铁铝校正料混合)配比检测方法流程图；
[0035]图2为空载提取图、石灰石投料提取图、石灰石+黄土混合料提取图以及石灰石+黄土+校正料的最终混合料提取图；
[0036]图3为不同时段采集的混合料提取图片；
[0037]图4为校正料检出框累加值在整个周期的比例图；
[0038]图5为校正料检出框示意图。
具体实施方式
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的矿质混合料成分实时检测方法，以水泥生产线生料(石灰石、黄土、铁铝校正料混合)配比检测方法的为例，其特征在于，包括如下步骤：步骤一，选择IP摄像机并安装：选择带有自动补偿光源功能的全彩夜视摄像机，摄像机图像质量满足分析要求，并将摄像机安装在每种矿物混合料成分的下料设备上方，IP摄像头通过厂家配套的视频后台软件将视频流转成MP4；步骤二，获取不同物料构成的成像视频：在光线不同的时间段，控制每种矿质混合料成分的下料设备开关，记录时段，并从IP摄像头视频后台软件连续两周内不同时段各采集5分钟时长的视频数据，获取产线上的“传送带空载视频”、“装载石灰石运行视频”、“装载石灰石与黄土混合料运行视频”以及“装载完整混合生料运行视频”；步骤三，生成目标检测数据集：使用OpenCV图像处理库，根据产线运行速度，在视频里提取图片序列；步骤四，目标检测集分析计算：使用深度学习网络对一个标准的连续载料传输视频进行多点分析，在一个投料周期内，基于通用机器学习框架，对图片数据进行深度学习网络训练学习，计算出每种混合物料片段的比例；步骤五，统计投放结果；步骤六，设定误差允许范围：根据过程控制工程师的实际经验，设定物料成分实际允许的误差范围，统计监测点的检测结果，并将结果上报给生产运维检修系统，当物料配比超限时间超过阈值时，及时主动提示产线工人配料异常，使现场人员及时得知配料异常并跟踪异常原因。2.如权利要求1所述的一种基于视觉的矿质混合料成分实时检测方法，其特征在于，所述步骤二中提取图片的时间间隔控制为两两图片内容刚好不重合，图像序列提取间隔的公式为：式中：J
tp
为图像序列的提取间隔，L为视场内传送带的物理长度，V为传送带的运行速度，FR为视频的帧率。3.如权利要求1所述的一种基于视觉的矿质混合料成分实时检测方法，其特征在于，所述步骤四中目标检测集分析计算的具体过程如下：对“石灰石”监测点，以空带运行数据作负样本，在通用机器学习框架Pytorch下，使用深度学习网络MobileNetV2训练二分类模型，将图片裁切整理为256
×
256像素的尺寸，使用随机梯度下降方法和0.0001的学习率形成测试集图像预测模型，使用该模型预测测试集图像序列，判断哪张图片...

【专利技术属性】
技术研发人员：钟剑斌，余孟达，程坦，
申请(专利权)人：厦门破云溯星科技有限公司，
类型：发明
国别省市：