本发明专利技术涉及基于人工智能的粉碎装置的粉碎检测方法，获取各设定时间段的多帧图像；对多帧图像进行目标识别，得到被粉碎设备的数量；计算连续两帧图像之间的光流场，得到运动系数；采集对应设定时间段的电机电流信号，得到电流序列；对电流序列进行中值滤波，得到低通信号序列，并计算电机负载波动比例，将电机负载波动比例和低通信号序列作为电机负载数据；根据任意两设定时间段的电机负载数据、被粉碎设备的数量以及运动系数，计算置信度和关联度指标；进而得到匹配结果；当匹配结果的编号的间隔值大于设定阈值，且累计次数大于计数阈值，则该连续时间段内被粉碎设备出现硬质材料。即本发明专利技术能够在粉碎过程中实时检测不进入刀头工作区域的问题。刀头工作区域的问题。刀头工作区域的问题。
【技术实现步骤摘要】
基于人工智能的粉碎装置的粉碎检测方法
[0001]本专利技术涉及人工智能领域，具体涉及基于人工智能的粉碎装置的粉碎检测方法。
技术介绍
[0002]换热器或者散热器包含较为粗壮的热管结构，其在化工、石油、动力、食品及其它许多工业生产中占有重要地位，其在化工生产中换热器可作为加热器、冷却器、冷凝器、蒸发器和再沸器等，应用广泛。
[0003]随着应用的越来越广泛，报废的换热器、加热器、冷却器、冷凝器或者散热器等等也越来越多。目前，对于换热器或者散热器的回收，是通过对换热器进行粉碎，进而实现原材料分离和回收。
[0004]以换热器为例，由于部分换热器内部的管路、热管等使用不锈钢、黄铜、钛等刚度较大、弹性较高的材料制造，那么在粉碎过程中若粉碎速率过快，则容易在刀头附近弹出碎屑或者刚度较大的材料无法顺利进入粉碎机的刀头的问题；因此在粉碎过程中需要调节粉碎速率，防止挠度较大的原料出现在刀头附近反复跳动不进入刀头工作区域。然而一味降低工作速率也会影响整个破碎过程的工作效率，因此需要一种粉碎装置的粉碎检测方法，能够在粉碎过程中实时检测不进入刀头工作区域的问题，并根据检测到的问题，实时进行粉碎装置的速率的调节，使得设备调试成本低，工作效率高。
技术实现思路
[0005]为了解决上述技术问题，本专利技术的目的在于提供基于人工智能的粉碎装置的粉碎检测方法，所采用的技术方案具体如下：本专利技术提供的基于人工智能的粉碎装置的粉碎检测方法的技术方案，包括以下步骤：基于人工智能的粉碎装置的粉碎检测方法，其特征在于，包括以下步骤：采集粉碎过程中的图像数据，所述图像数据包括各设定时间段的多帧图像；对各设定时间段的多帧图像进行目标识别，得到粉碎过程中被粉碎设备的数量；计算各设定时间段的任意连续两帧图像之间的光流场，对所述光流场进行sobel卷积处理，获取所有光流场的纵向边缘梯度响应之和和横向边缘梯度响应之和，计算纵向边缘梯度响应之和、横向边缘梯度响应之和中的最小值与最大值的比值，所述比值为设定时间段对应的运动系数；采集各设定时间段的电机电流信号，得到电流序列；对所述电流序列进行中值滤波，得到低通信号序列；并计算电流序列与所述低通信号序列中对应元素的比值的均值，该均值为电机负载波动比例，将所述电机负载波动比例和低通信号序列作为各设定时间段的电机负载数据；根据任意两设定时间段的低通信号序列以及其中一设定时间段的被粉碎设备的数量，计算其中一设定时间段的置信度；根据任意两设定时间段的被粉碎设备的数量、电机
负载数据以及运动系数，得到两设定时间段的关联度指标；根据所述置信度和关联度指标，进行两两设定时间段的匹配，得到匹配结果，所述匹配结果包含两设定时间段的编号；当两设定时间段的编号的间隔值大于等于设定阈值，且累计次数大于计数阈值，则该连续时间段内被粉碎设备出现硬质材料。
[0006]进一步地，所述的进行目标识别是采用目标检测网络对所述多帧图像进行被粉碎设备的识别。
[0007]进一步地，所述运动系数为：其中，纵向边缘梯度响应之和，为横向边缘梯度响应之和。
[0008]进一步地，所述低通信号序列为：其中，为电流序列，M为中值滤波的窗口大小，M=50。
[0009]进一步地，所述置信度为：其中，为第i个设定时间段的待破碎设备的数量，为第i个设定时间段对应的低通信号序列与第j个设定时间段对应的低通信号序列的动态时间弯曲距离，n为设定时间段的编号。
[0010]进一步地，所述关联度指标为：其中，为第i个设定时间段对应的低通信号序列与第j个设定时间段的低通信号序列的动态时间弯曲距离，为第i个设定时间段的均值，为第j个设定时间段的均值，为第i个设定时间段的运动系数，为第j个设定时间段的运动系数，为编号i与编号j的差值的绝对值，为第i个设定时间段的被粉碎设备的数量与第j个设定时间段的被粉碎设备的数量的差值的绝对值。
[0011]进一步地，所述匹配采用KM算法。
[0012]本专利技术具有如下有益效果：本专利技术通过对粉碎过程中的图像数据进行分析，得到被粉碎设备的数量，以及通过光流场获取粉碎过程中的图像光流信息，从而得到粉碎过程中的粉碎物体的运动系数，并同时结合粉碎装置在进行粉碎时的电机负载情况，对被粉碎设备的粉碎情况进行分析；根据被粉碎设备的数量、运动系数和电机负载数据得到各设定时间段的置信度以及两两设
定时间段的关联度指标，从而进行任意两设定时间段段的匹配，根据匹配关系，确定被粉碎设备的粉碎情况，能够直观地了解粉碎过程中的材料粉碎情况，能够在粉碎过程中实时检测不进入刀头工作区域的问题，并根据检测到的问题，实时进行粉碎装置的速率的调节，使得设备调试成本低，工作效率高，也即从而为后需的粉碎装置的粉碎控制提供了依据。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0014]图1为本专利技术的基于人工智能的粉碎装置的粉碎检测方法的方法流程图；图2为本专利技术的基于人工智能的粉碎装置的粉碎检测方法的理论情况下的匹配示意图；图3为本专利技术的基于人工智能的粉碎装置的粉碎检测方法的匹配示意图。
具体实施方式
[0015]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，以下结合附图及较佳实施例，对依据本专利技术的方案，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。
[0016]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。
[0017]下面结合附图具体的说明本专利技术所提供的基于人工智能的粉碎装置的粉碎检测方法的具体方案。
[0018]本专利技术针对的具体场景为：通过对报废的换热器、加热器或散热器等进行粉碎，实现原材料分离和回收，而换热器、加热器或散热器等被粉碎设备的管路、热管等一般都是使用不锈钢、黄铜、钛等刚度较大、弹性较高的材料制造，因此，在粉碎过程中需要调节电机转速，防止挠度较大的原料出现在刀头附近反复跳动不进入刀头工作区域，使其不能进行充分粉碎。
[0019]基于上述场景，以换热器为例，对本专利技术的方案进行详细的介绍。
[0020]具体地，请参阅图1，其示出了本专利技术一个实施例提供的基于人工智能的粉碎装置的粉碎检测方法的步骤流程图，该方法包括以下步骤：步骤1，连续采集粉碎过程中的图像数据，所述图像数据包括各设定时间段的多帧图像。
[0021]本实施例中的设定时间段设置为3秒，作为其他实施方式，该设定时间是根据现场实际工况进行设定的，其并不局限与本实施例中设置的时间。
[0022]需要说明的是，该实施例中采集的图像数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于人工智能的粉碎装置的粉碎检测方法，其特征在于，包括以下步骤：采集粉碎过程中的图像数据，所述图像数据包括各设定时间段的多帧图像；对各设定时间段的多帧图像进行目标识别，得到粉碎过程中被粉碎设备的数量；计算各设定时间段的任意连续两帧图像之间的光流场，对所述光流场进行sobel卷积处理，获取所有光流场的纵向边缘梯度响应之和和横向边缘梯度响应之和，计算纵向边缘梯度响应之和、横向边缘梯度响应之和中的最小值与最大值的比值，所述比值为设定时间段的运动系数；采集各设定时间段的电机电流信号，得到电流序列；对所述电流序列进行中值滤波，得到低通信号序列；并计算电流序列与所述低通信号序列中对应元素的比值的均值，该均值为电机负载波动比例，将所述电机负载波动比例和低通信号序列作为各设定时间段的电机负载数据；根据任意两设定时间段的低通信号序列以及其中一设定时间段的被粉碎设备的数量，计算其中一设定时间段的置信度；根据任意两设定时间段的被粉碎设备的数量、电机负载数据以及运动系数，得到两设定时间段的关联度指标；根据所述置信度和关联度指标，进行两两设定时间段的匹配，得到匹配结果，所述匹配结果包含两设定时间段的编号；当两设定时间段的编号的间隔值大于等于设定阈值，且累计次数大于计数阈值，则该连续时间段内被粉碎设备出现硬质材料。2.根据权利要求1所述的基于人工智能的粉碎装置的粉碎检测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：许美香，冯春丽，
申请(专利权)人：南通恒立机械设备有限公司，
类型：发明
国别省市：
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。