一种矿用煤矸分选智能控制系统及方法技术方案

本发明专利技术涉及人工智能领域，具体涉及一种矿用煤矸分选智能控制系统及方法，其中，该系统包括：图像采集模块，用于利用位于第一位置的第一相机采集传送带表面的第一图像；图像处理模块，用于利用语义分割网络识别第一图像中的煤和矸石；其中，训练语义分割网络时所用损失函数的构建过程具体为：基于位于第二位置的第二相机获取传送带表面的第二图像，第二图像与第一图像的相似度大于预设相似度阈值；获取采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围；所述目标为煤或矸石；根据第二图像中每个目标的质心是否在所述最大移动范围内构建损失函数。本发明专利技术中的语义分割网络分割精度高、泛化能力较强，对使用工况要求较低。况要求较低。

【技术实现步骤摘要】
一种矿用煤矸分选智能控制系统及方法


[0001]本专利技术涉及人工智能领域，具体涉及一种矿用煤矸分选智能控制系统及方法。

技术介绍

[0002]煤矸分选的智能化准确识别和定位，进而实现智能控制；目前现有技术通常采用人为分选的方式，但该方式对人力资源造成较大浪费，因此现有技术提出了多种通过图像处理或深度学习实现智能分选的方案，但目前图像处理和深度学习的方式通常通过轮廓或灰度特征进行煤矸分选，泛化能力不强，且受光照因素影响较大，导致在实际应用中准确率并不高。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种矿用煤矸分选智能控制系统及方法，所采用的技术方案具体如下：
[0004]第一方面，本专利技术一个实施例提供了一种矿用煤矸分选智能控制系统，该系统包括：
[0005]图像采集模块，用于利用位于第一位置的第一相机采集传送带表面的第一图像；
[0006]图像处理模块，用于利用语义分割网络识别第一图像中的煤和矸石；
[0007]分选控制模块，用于对识别出的矸石进行定位，使分选装置基于定位信息实现煤矸分选；
[0008]其中，训练语义分割网络时所用损失函数的构建过程具体为：
[0009]基于位于第二位置的第二相机获取传送带表面的第二图像，第二图像与第一图像的相似度大于预设相似度阈值；
[0010]获取采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围；所述目标为煤或矸石；
[0011]根据第二图像中每个目标的质心是否在所述最大移动范围内构建损失函数。
[0012]进一步地，采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围的获取具体为：
[0013]根据该目标所在区域像素点的灰度值和类别值，获取两通道的目标描述图像；像素点的类别值基于语义分割网络的输出结果得到；
[0014]基于目标描述图像，生成目标在一个时间间隔内目标质心在第二图像中的单位最大移动范围；所述时间间隔为采集第一图像或第二图像的间隔；
[0015]以所述单位最大移动范围为基础，进行范围扩大；其中，基于第一图像和第二图像的采集时间差和所述时间间隔，获取进行范围扩大的次数。
[0016]进一步地，所述单位最大移动范围的获取具体为：
[0017]利用范围预测网络对所述目标描述图像进行处理，输出单位热力图，单位热力图中的单位高斯热斑表征单位最大移动范围，其中，单位高斯热斑中某一像素的热力值表示
目标从第一位置随传送带移动一个时间间隔后处于该像素位置的概率。
[0018]进一步地，范围扩大为热斑扩大，其中，一次热斑扩大具体为：
[0019]分别以上一次热斑扩大后得到的热斑内的每个点为中心点生成单位高斯热斑，对所有的单位高斯热斑进行融合，得到一次热斑扩大后的热斑。
[0020]进一步地，基于进行范围扩大的次数，完成热斑扩大后得到最大热斑，所述最大热斑表征所述最大移动范围。
[0021]进一步地，所述损失函数具体为：L＝∑
Nn
＝1(
‑
logH
n
)，其中，H
n
表示第二图像中第n个目标的质心对应的最大热斑中的热力值，热力值H
n
越接近0，表征第n个目标的质心在最大热斑内的概率越小；N表示第二图像中目标的个数。
[0022]第二方面，本专利技术另一个实施例提供了一种矿用煤矸分选智能控制方法，该方法具体包括：
[0023]利用位于第一位置的第一相机采集传送带表面的第一图像；利用语义分割网络识别第一图像中的煤和矸石；对识别出的矸石进行定位，使分选装置基于定位信息实现煤矸分选；
[0024]其中，训练语义分割网络时所用损失函数的构建过程具体为：
[0025]基于位于第二位置的第二相机获取传送带表面的第二图像，第二图像与第一图像的相似度大于预设相似度阈值；
[0026]获取采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围；所述目标为煤或矸石；
[0027]根据第二图像中每个目标的质心是否在所述最大移动范围内构建损失函数。
[0028]本专利技术实施例至少具有如下有益效果：基于本专利技术所提出的损失函数进行语义分割网络的训练，可减少光照等外界因素对分割结果的干扰，提高语义分割网络的分割精度，且本专利技术中的语义分割网络泛化能力较强，对使用工况要求较低。
具体实施方式
[0029]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合较佳实施例，对依据本专利技术提出的一种矿用煤矸分选智能控制系统及方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0030]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0031]本专利技术实施例以下面的应用场景为例对本专利技术进行说明：
[0032]该应用场景为：该煤矸分选智能控制场景包括摊煤装置、传送带和分选装置等硬件装置，将煤料放置于传送带起始端，利用摊煤装置将煤料在传送带上摊开为单层，已摊开为单层的煤料通过传送带传输至分选装置处，分选装置用于将矸石和煤分离，实施者可采用击打器、机械手等方式实现分选。
[0033]本专利技术一个实施例提供了一种矿用煤矸分选智能控制系统，该系统包括：
[0034]图像采集模块，用于利用位于第一位置的第一相机采集传送带表面的第一图像，
利用位于第二位置的第二相机采集传送带表面的第二图像；其中，第一相机靠近传送带起始端，第二相机靠近分选装置；优选地，实施例中第一相机和第二相机为已知位姿且部署于传送带上方以俯视视角同时拍摄传送带表面图像的相机；根据第一图像和第二图像确定传送带输送速度以及煤和矸石的位姿变化信息。
[0035]图像处理模块，用于利用语义分割网络识别第一图像中的煤和矸石；具体地，通过语义分割网络将第一图像中的煤像素点、矸石像素点、背景像素点分割出来，得到第一分割图，优选地，实施例中第一分割图中煤像素点的像素值为1、矸石像素点的像素值为2、背景像素点的像素值为0；由于实际场景下光照、煤和矸石自身属性等因素影响，导致在训练集不完备的情况下，所获取的语义分割结果中煤像素点和矸石像素点的语义类别并不准确；其解决方法通常是采集各种工况下足够多的图像进行处理，以确保网络学习到足够的特征，然而该方法需要大量的前期准备工作，且泛化能力仍旧有限，因此本申请采用在线训练的方式对网络参数进行更新，具体地，训练语义分割网络时所用损失函数的构建过程具体为：
[0036](a)基于位于第二位置的第二相机获取传送带表面的第二图像，第二图像与第一图像的相似度大于预设相似度阈值；具体地，第二相机采集得到多帧第二图像，要在多帧第二图像中选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿用煤矸分选智能控制系统，其特征在于，该系统包括：图像采集模块，用于利用位于第一位置的第一相机采集传送带表面的第一图像；图像处理模块，用于利用语义分割网络识别第一图像中的煤和矸石；分选控制模块，用于对识别出的矸石进行定位，使分选装置基于定位信息实现煤矸分选；其中，训练语义分割网络时所用损失函数的构建过程具体为：基于位于第二位置的第二相机获取传送带表面的第二图像，第二图像与第一图像的相似度大于预设相似度阈值；获取采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围；所述目标为煤或矸石；根据第二图像中每个目标的质心是否在所述最大移动范围内构建损失函数。2.如权利要求1所述的系统，其特征在于，采集到第二图像时第一图像中每个目标的质心在第二图像中的最大移动范围的获取具体为：根据该目标所在区域像素点的灰度值和类别值，获取两通道的目标描述图像；像素点的类别值基于语义分割网络的输出结果得到；基于目标描述图像，生成目标在一个时间间隔内目标质心在第二图像中的单位最大移动范围；所述时间间隔为采集第一图像或第二图像的间隔；以所述单位最大移动范围为基础，进行范围扩大；其中，基于第一图像和第二图像的采集时间差和所述时间间隔，获取进行范围扩大的次数。3.如权利要求2所述的系统，其特征在于，所述单位最大移动范围的获取具体为：利用范围预测网络对所述目标描述图像进行处理，输出单位热力图，单位热力图中的单位高斯热斑表征单位最大移动范围，其中，单位高斯热斑中某一像素的热力值表示目标从第一位置随传送带移动一...

【专利技术属性】
技术研发人员：刘素华，梁焱，宋向东，余伟凡，郭坤闪，刘景淼，王文艳，李愿彪，胡琴丽，张涛，
申请(专利权)人：河南中平自动化股份有限公司，
类型：发明
国别省市：