融合卷积神经网络和最小二乘法的卡车装载率检测方法技术

本发明专利技术涉及一种融合卷积神经网络和最小二乘法的矿车装载率的检测方法，根据拍摄的矿车图像，应用像素值缩减和直方图均衡化两种图像预处理方法，使得特征提取具有更强的可靠性，再进一步通过迭代训练来确定卷积神经网络预测模型的最优参数以及最小二乘数学模型的最优系数，保证检测模型具有较好的检测性能。本发明专利技术检测精度高，泛化能力强，模型易维护，解决了传统检测方法适应实际生产过程的能力较弱的问题，且节约生产投资成本，提高检测自动化程度。化程度。化程度。

【技术实现步骤摘要】
融合卷积神经网络和最小二乘法的卡车装载率检测方法


[0001]本专利技术涉及智能矿山
，具体涉及一种融合卷积神经网络和最小二乘法的矿用卡车装载率检测方法。

技术介绍

[0002]卡车运载计量是露天矿的一项日常生产管理工作，对矿山生产任务完成、单机成本核算、司机绩效考核有直接影响，对矿产资源高效利用和生产有效管理也具有重要意义。卡车欠载或过载，对卡车使用寿命、维护保养、运行成本影响极大。
[0003]目前地磅最大称重极限为300吨，而露天矿大型卡车的载重量+自重量在500吨以上，因此目前露天矿常用的卡车计量方式采用卡车运载车数乘以约定的单车装载量进行粗略计量。
[0004]除了人工计数和地磅称重的传统检测方法外，目前还有少数露天矿采用自称重方法与体积测量法，其中自称重方法通过液压传感器、倾斜仪等采集卡车运行参数，经过自称重模型计算装载重量，目前查到的有2020年5月1日公布号CN11119837A的“露天矿矿用自卸卡车的载重检测装置及方法与流程”、2016年12月7日公布号CN205785230U的专利“一种露天矿卡车载重及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合卷积神经网络和最小二乘法的矿车装载率的检测方法，其特征在于，包括以下步骤：步骤1：通过照像机采集不同装载率的矿车装载图像，并采用像素值缩减和直方图均衡化两种图像预处理的方法对矿车装载图像进行预处理，提取矿车装载图像中的装载特征，得到训练集图像和测试集图像，每张矿车装载图像对应的装载量为该矿车装载图像的标签值；步骤2：将预处理后的训练集图像制作为TFRecords样本数据；步骤3：获取卷积神经网络预分类模型；步骤4：将训练集图像作为卷积神经网络预分类模型的输入样本数据，将对应的标签值作为卷积神经网络预分类模型的输出样本数据，对预分类模型进行训练，得到训练好的检测模型，采用最小二乘法数学模型进行拟合，得到参数最优的检测模型；步骤5：利用参数最优的检测模型对测试集图像进行检测，得到矿车装载率。2.根据权利要求1所述的融合卷积神经网络和最小二乘法的矿车装载率的检测方法，其特征在于，所述的训练集图像按电铲满斗装车进行提取，设装m斗装满矿车，则提取m+1类矿车装载图像，分别为第一类空车，装载量0％；第二类装第一铲斗，装载量1/m；第三类装第二铲斗，装载量2/m，以此类推，直到第m+1类装第m铲斗，装载量100％；所述的测试集图按电铲满斗装车进行提取外，还增加0.5斗、1.5斗、2.5斗、直到m
‑
0.5斗，共2m+1类矿车装载图像。3.根据权利要求1所述的融合卷积神经网络和最小二乘法的矿车装载率的检测方法，其特征在于，所述的步骤4中将训练集图像作为卷积神经网络预分类模型的输入样本数据，将对应的标签值作为卷积神经网络预分类模型的输出样本数据，对预分类模型进行训练，具体包括：步骤4.1：设置初始学习率为初始batchsize为A，激活函数为ReLU，最大迭代次数为χ；步骤4.2：学习率的更新步长为d，以步长d更新每次迭代时的学习率，并利用公式(1)计算每次迭代后的均方根误差，当达到最大...

【专利技术属性】
技术研发人员：马连成，孙效玉，刘兴全，李忠华，胡振涛，段金刚，李雪娆，英培壮，
申请(专利权)人：鞍钢集团矿业有限公司，
类型：发明
国别省市：