【技术实现步骤摘要】
本专利技术涉及矿山视觉领域，尤其涉及一种新型矿业皮带撕裂分割模型与程度检测方法。
技术介绍
1、在矿业运输过程中，由于矿石尺寸过大、矸石和金属异物等尖锐物体的影响，皮带容易出现撕裂的现象。当皮带出现大面积的撕裂时，不仅造成物料洒落和堵塞，还会降低生产效率和损失经济成本，严重时还会危及生产人员的生命。然而在传统的皮带撕裂检测领域主要依靠工人的现场目视检查，这种方式劳动成本高，花费时间长且容易误检，还会对皮带生产造成干扰。除了人工目视检查外，其他的传统方法包括机械开关、超声波、射频识别和x-ray检测等，但这些方法都存在着智能化水平较低和精度较差的局限性。上述缺陷是本领域技术人员期望克服的。
技术实现思路
1、(一)要解决的技术问题
2、针对现有存在的技术问题，本专利技术提供了一种新型矿业皮带撕裂分割模型与程度检测方法，具有准确率高、智能化和节省人工成本的优点。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案如下。
5、一种新型矿业皮带撕裂分割模型与程度检测方法，包括：
6、矿业皮带图像处理模块(1)，对皮带在运行过程中的撕裂图像进行实时采集和处理；
7、新型轻量化特征提取算法(2)，对皮带图像中裂口进行识别和提取不同形状的撕裂特征，同时降低计算成本；
8、大选择核高效通道注意力(3)，分析捕获不同尺度变化的撕裂特征，充分理解皮带上下文的语义信息；
9、像素注意力引导
10、撕裂程度检测模块(5)，对矿业皮带撕裂图像进行撕裂面积计算，确定撕裂程度。
11、一种上述的新型矿业皮带撕裂分割模型与程度检测方法，包括以下步骤：
12、a.矿业皮带图像处理模块(1)实时采集和处理矿业皮带的撕裂图像，将处理后的矿业皮带的撕裂图像发送至新型轻量化特征提取算法(2)；
13、b.新型轻量化特征提取算法(2)对矿业皮带的撕裂图像进行特征处理，包括对皮带图像中裂口进行识别和提取不同形状的撕裂特征，将生成的特征图发送至大选择核高效通道注意力(3)；
14、c.大选择核高效通道注意力(3)对矿业皮带撕裂图像的特征图进行分析，包括捕获不同尺度变化的撕裂特征和充分理解皮带上下文的语义信息，将语义信息发送至像素注意力引导融合模块(4)；
15、d.像素注意力引导融合模块(4)接收大选择核高效通道注意力(3)传来的语义信息，从语义信息中有选择地学习到有用的裂口特征，生成撕裂分割的预测图，将预测图发送至撕裂程度检测模块(5)；
16、e.撕裂程度检测模块(5)对撕裂分割的预测图统计类别像素点数量，进行撕裂面积计算，通过撕裂面积比例确定撕裂程度；
17、进一步地，步骤a，具体包括：
18、a1.对提取到的矿业皮带撕裂图像进行标注，制作对应的地面真值标签；
19、a2.对提取到的矿业皮带撕裂图像进行随机旋转，对应的地面真值标签同步进行；
20、a3.对提取到的矿业皮带撕裂图像添加噪声，对应的地面真值标签保持不变；
21、a4.对提取到的矿业皮带撕裂图像进行模糊化，对应的地面真值标签保持不变；
22、a5.对提取到的矿业皮带撕裂图像进行亮度变化，对应的地面真值标签保持不变；
23、a2-a5的方案可以一起进行，也可分开单独进行。
24、进一步地，步骤b，具体包括：
25、b1.使用第一卷积层对矿业皮带的撕裂图像进行通道变换，形成初级特征图；
26、b2.对步骤b1生成的初级特征图使用双层mamba类编码器进行特征变换来提取局部特征，形成次级特征图；
27、b3.对步骤b2生成的次级特征图使用bn层进行归一化和线性变换，以实现更快的推理；
28、b4.对步骤b3传入的信息使用一个非线性激活函数，例如relu，以增加非线性。
29、进一步地，步骤c，具体包括：
30、c1.将新型轻量化特征提取算法(2)生成的特征图，经过高效通道机制和大选择核机制并行提取出通道权重和空间权重；
31、c2.对步骤c1的通道权重和空间权重进行融合并经过sigmoid缩放到(0,1)区间作为最终的特征权重；
32、c3.与步骤c1的输入特征进行逐元素点乘获得皮带撕裂图像的输出特征。
33、进一步地，步骤d，具体包括：
34、d1.使用细节分支来解析并保留来自前一级解码器块输出的高分辨率特征图的详细信息；
35、d2.使用上下文分支负责聚合本地和全局的信息以解析长距离依赖关系；
36、d3.让细节分支有选择地从上下文分支中学习到有用的语义撕裂特征而不会被海量的细节信息淹没。
37、进一步地，步骤e，具体包括：
38、e1.当撕裂面积大于未撕裂面积，即pdegree>1时我们可以认为该图像中的皮带发生了重度撕裂，建议立即更换皮带；
39、e2.当撕裂面积小于或等于未撕裂面积时，即0.5<pdegree≤1时我们可以认为该图像中的皮带发生了中度撕裂，建议立即修复皮带；
40、e3.当撕裂面积稍微小于未撕裂面积时，即0<pdegree≤0.5时我们认为该图像中的皮带发生了轻度撕裂建议可以稍后择机再修复皮带；
41、其中，撕裂程度pdegree的计算公式如下：
42、
43、式中，s撕裂的指的是撕裂的皮带面积，s完好的指的是完好的皮带面积。
44、本专利技术还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述矿业皮带撕裂分割模型与程度检测方法。
45、(三)有益效果
46、本专利技术的有益效果是：本专利技术提出了一种矿业皮带撕裂分割模型与程度检测方法。所述的新型轻量化特征提取算法使用双层mamba类编码器，提高了撕裂区域的分割效率。所述的大选择核高效通道注意力从通道和空间两个维度为不同大小的大卷积核提供最合适的感受野，以捕捉不同尺度变化的皮带撕裂局部和全局特征。所述的像素注意力引导融合模块在一定程度上缓解了浅层卷积和深层卷积之间感受野不匹配的问题并减少了空间冗余，同时与其他检测方式相比，该方法分割精度高、检测速度快且更具智能。
本文档来自技高网...【技术保护点】
1.一种新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，包括：
2.如权利要求1所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于包括以下步骤：
3.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤A中，矿业皮带图像处理模块(1)对矿业皮带撕裂的图像进行处理包括以下方案：
4.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤B中，新型轻量化特征提取算法(2)对矿业皮带的撕裂图像进行特征处理还包括以下步骤：
5.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤C中，大选择核高效通道注意力(3)对矿业皮带撕裂图像的特征图进行分析还包括以下步骤：
6.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤D中，像素注意力引导融合模块(4)接收大选择核高效通道注意力(3)传来的语义信息，从语义信息中有选择地学习到有用的裂口特征，生成撕裂分割的预测图，将预测图发送至撕裂程度检测模块(5)包括以下步骤：
7.如权利
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至7中任一项权利要求所述的方法。
...【技术特征摘要】
1.一种新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，包括：
2.如权利要求1所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于包括以下步骤：
3.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤a中，矿业皮带图像处理模块(1)对矿业皮带撕裂的图像进行处理包括以下方案：
4.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤b中，新型轻量化特征提取算法(2)对矿业皮带的撕裂图像进行特征处理还包括以下步骤：
5.如权利要求2所述的新型矿业皮带撕裂分割模型与程度检测方法，其特征在于，步骤c中，大选择核高效通道注意力(3)对矿业皮带撕裂图像的特征图进行分析...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。