基于视频监控巡检的饲料生产设备缺陷识别方法及系统技术方案

本发明专利技术提供一种基于视频监控巡检的饲料生产设备缺陷识别方法及系统，通过将视频监控巡检流程中采集的目标饲料生产设备区域的红外热成像图像数据传递到满足饲料生产设备缺陷识别运行条件的饲料生产设备缺陷识别网络中，得到饲料生产设备缺陷识别结果，将饲料生产设备缺陷识别结果返回视频监控巡检流程对应的巡检控制端，获取巡检控制端针对饲料生产设备缺陷识别结果生成的饲料生产设备检修指令数据，并结合饲料生产设备检修指令数据向红外热成像图像数据对应的目标缺陷饲料生产设备进行检修人员或者检修设备调度，由此通过红外热成像特征进行饲料生产设备缺陷识别，可以提高饲料生产设备缺陷识别效率和精度。提高饲料生产设备缺陷识别效率和精度。提高饲料生产设备缺陷识别效率和精度。

【技术实现步骤摘要】
基于视频监控巡检的饲料生产设备缺陷识别方法及系统


[0001]本专利技术涉及视频监控巡检
，具体而言，涉及一种基于视频监控巡检的饲料生产设备缺陷识别方法及系统。

技术介绍

[0002]在相关技术中，不少饲料企业由于饲料生产设备的缺陷巡检不完善的问题，致使产量达不到预期设计要求，并且颗粒表面不光滑、硬度低、易破碎、含粉率偏高等。对于饲料生产设备而言，其缺陷检测主要通过人工检测，由于饲料生产设备多，因此需要大量专业人员，费时、费财力。因此 如何提高饲料生产设备缺陷识别效率和精度，进而提高后续饲料生产设备检修调度的可靠性，是本领域技术人员亟待解决的技术问题。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术实施例的目的在于提供一种基于视频监控巡检的饲料生产设备缺陷识别方法及系统。
[0004]第一方面，本专利技术实施例提供一种基于视频监控巡检的饲料生产设备缺陷识别方法，应用于基于视频监控巡检的饲料生产设备缺陷识别系统，所述方法包括：获取视频监控巡检流程中采集的目标饲料生产设备区域的红外热成像图像数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频监控巡检的饲料生产设备缺陷识别方法，其特征在于，结合基于视频监控巡检的饲料生产设备缺陷识别系统实现，所述方法包括：获取视频监控巡检流程中采集的目标饲料生产设备区域的红外热成像图像数据；将所述红外热成像图像数据传递到满足饲料生产设备缺陷识别运行条件的饲料生产设备缺陷识别网络中，得到饲料生产设备缺陷识别结果，将所述饲料生产设备缺陷识别结果返回所述视频监控巡检流程对应的巡检控制端；获取所述巡检控制端针对所述饲料生产设备缺陷识别结果生成的饲料生产设备检修指令数据，并结合所述饲料生产设备检修指令数据向所述红外热成像图像数据对应的目标缺陷饲料生产设备进行检修人员或者检修设备调度。2.根据权利要求1所述的基于视频监控巡检的饲料生产设备缺陷识别方法，其特征在于，所述将所述红外热成像图像数据传递到满足饲料生产设备缺陷识别运行条件的饲料生产设备缺陷识别网络中，得到饲料生产设备缺陷识别结果，具体通过下述步骤实现：将所述红外热成像图像数据传递到满足饲料生产设备缺陷识别运行条件的饲料生产设备缺陷识别网络中进行特征区域定位，输出红外异常特征像元，并对所述红外异常特征像元进行缺陷特征解析，输出目标损伤位点、目标损伤形态类型以及目标损伤位点特征，其中，所述目标损伤位点特征包括宽度特征、面积特征以及曲率特征中的至少一种；结合所述目标损伤位点、所述目标损伤形态类型以及目标损伤位点特征得到饲料生产设备缺陷识别结果，将所述饲料生产设备缺陷识别结果返回所述视频监控巡检流程对应的巡检控制端；获取所述巡检控制端针对所述饲料生产设备缺陷识别结果生成的饲料生产设备检修指令数据，并结合所述饲料生产设备检修指令数据向所述红外热成像图像数据对应的目标缺陷饲料生产设备进行检修人员或者检修设备调度；其中，所述饲料生产设备缺陷识别网络包括目标特征区域定位单元和目标缺陷特征解析单元；所述将所述红外热成像图像数据传递到满足饲料生产设备缺陷识别运行条件的饲料生产设备缺陷识别网络中进行特征区域定位，输出红外异常特征像元，并对所述红外异常特征像元进行缺陷特征解析，输出目标损伤位点、目标损伤形态类型以及目标损伤位点特征，包括：将所述红外热成像图像数据传递到所述目标特征区域定位单元中进行特征区域定位，输出红外异常特征像元；将所述红外异常特征像元传递到所述目标缺陷特征解析单元中进行缺陷特征解析，输出目标损伤位点、目标损伤形态类型以及目标损伤位点特征。3.根据权利要求1所述的基于视频监控巡检的饲料生产设备缺陷识别方法，其特征在于，所述方法还包括：获取范例红外热成像图像数据、范例饲料生产设备缺陷信息和范例损伤位点信息；将所述范例红外热成像图像数据提取为前景红外热成像图像簇，将所述前景红外热成像图像簇传递到初始化缺陷识别网络中；结合所述初始化缺陷识别网络解析所述前景红外热成像图像簇对应的异常定位区域，输出红外异常特征像元；
结合所述初始化缺陷识别网络使用先验缺陷特征表示和所述红外异常特征像元进行缺陷特征解析，输出第一决策缺陷特征表示；结合所述初始化缺陷识别网络对所述第一决策缺陷特征表示和所述红外异常特征像元进行缺陷特征解析，输出第二决策缺陷特征表示；结合所述初始化缺陷识别网络对所述第二决策缺陷特征表示和所述红外异常特征像元进行缺陷特征解析，输出第三决策缺陷特征表示；结合所述初始化缺陷识别网络结合所述第一决策缺陷特征表示、所述第二决策缺陷特征表示、所述第三决策缺陷特征表示确定决策损伤位点、决策损伤形态类型和候选损伤位点特征，并结合所述决策损伤位点获取对应的各个损伤位点形态数据；结合所述初始化缺陷识别网络将所述候选损伤位点特征与所述各个损伤位点形态数据进行匹配，在匹配成功时，将所述候选损伤位点特征作为决策损伤位点特征；结合所述决策损伤位点、所述决策损伤形态类型以及决策损伤位点特征得到决策饲料生产设备缺陷信息，并对所述红外异常特征像元进行损伤位点决策，输出决策损伤位点信息；结合所述第一决策缺陷特征表示和所述范例饲料生产设备缺陷信息确定所述第一决策缺陷特征表示对应的第一网络学习效果值；结合所述第二决策缺陷特征表示和所述范例饲料生产设备缺陷信息确定所述第二决策缺陷特征表示对应的第二网络学习效果值；结合所述第三决策缺陷特征表示和所述范例饲料生产设备缺陷信息确定所述第三决策缺陷特征表示对应的第三网络学习效果值；确定所述第一网络学习效果值、所述第二网络学习效果值、所述第三网络学习效果值的融合网络学习效果值，输出缺陷决策学习效果值，并结合所述范例损伤位点信息和所述决策损伤位点信息进行损伤位点决策学习效果值计算，输出损伤位点决策学习效果值；结合所述缺陷决策学习效果值和所述损伤位点决策学习效果值迭代优化所述初始化缺陷识别网络，输出迭代缺陷识别网络，将所述迭代缺陷识别网络作为初始化缺陷识别网络，并返回获取范例红外热成像图像数据、范例饲料生产设备缺陷信息和范例损伤位点信息的步骤进行迭代网络权重参数优化，直至满足饲料生产设备缺陷识别运行条件时，输出饲料生产设备缺陷识别网络，所述饲料生产设备缺陷识别网络用于对红外热成像图像数据生成对应的饲料生产设备缺陷信息。4.根据权利要求3所述的基于视频监控巡检的饲料生产设备缺陷识别方法，其特征在于，所述将所述范例红外热成像图像数据提取为前景红外热成像图像簇，将所述前景红外热成像图像簇传递到初始化缺陷识别网络中，...

【专利技术属性】
技术研发人员：张海梁，袁冠华，薛丹，张楷雄，罗轶华，
申请(专利权)人：正大康地农牧集团有限公司，
类型：发明
国别省市：