一种基于深度学习的耐火砖形状分类识别方法技术

本发明专利技术提供了一种基于深度学习的耐火砖形状分类识别方法，属于领域图像分析技术领域。本发明专利技术提出的方法可通过实时采集实际场景中的耐火砖图像，实现快速的耐火砖形状及质量分类，本发明专利技术提出的基于深度学习进行了深度特征的筛选和训练参数的自适应调整，得到的深度模型极大的提高耐火砖分类模型准确性，同时通过该方法进行无间断的耐火砖形状分类任务，降低耐火砖检测工作的人力成本，在一些高危环境实现智能化无人耐火砖形状分类任务。从而让工厂有效提升施工效率。厂有效提升施工效率。厂有效提升施工效率。

【技术实现步骤摘要】
一种基于深度学习的耐火砖形状分类识别方法


[0001]本专利技术属于图像分析
，具体涉及一种基于深度学习的耐火砖形状分类识别方法。

技术介绍

[0002]在现有的施工现场中，耐火砖作为主要建筑材料已广泛使用在不同建筑中。不同类型的耐火砖为实际不同场合提供了丰富的需求。但由于耐火砖在生产及搬运过程中，质量会发生变化，为了对耐火砖质量进行评估，需对不同工厂环境中的耐火砖进行识别。
[0003]目前，在生产线上，耐火砖的检测工作主要以人力为主，该过程在耗费劳动力的同时，效率较低，无法满足目前企业自动生产线的实施。此外，在一些高危环境，人工视觉难以完成该项工作，容易延缓建筑现场施工进度。因此，面对上述提及问题，针对不同的作业环境下，目前急需提出一种高精度、智能化的方法来对不同质量的耐火砖进行自动识别。

技术实现思路

[0004]本专利技术的目的在于解决上述现有技术中存在的难题，提供一种基于深度学习的耐火砖形状分类识别方法，可以根据形状对不同工程环境下的耐火砖进行质量分类。分类识别方法具体包含以下步骤：<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的耐火砖形状分类识别方法，其特征在于包含如下步骤：步骤S100：获取耐火砖视频信息，其中视频信息中包含不同形状的耐火砖；采用随机掩码去除方法对获取的耐火砖视频视进行处理；针对掩码去除后的视频图像，对其进行顺序嵌入编码，得到掩码视频图像；步骤S200：以步骤S100经过编码后的掩码视频作为输入，网络先由包含两个多头注意力模块的多头注意力机制网络进行特征学习，得到输出向量；步骤S300：多头注意力机制网络的输出向量通过维度变换层先对其进行维度变换，得到变换后的特征向量；步骤S400：对步骤300变换后的特征向量依次通过构建的M个参数自适应调整网络进行特征学习和提取，其中，每个参数自适应调整网络具体包含卷积层、归一化层、全连接层、门控模块、通道分组模块、通道信息筛选模块、空间信息筛选模块以及信息拼接模块组成；具体处理过程如下：维度变换后的信息经卷积运算后，均采用归一化层对特征进行处理，对归一化层处理后的信息经过分组函数以及通道筛选模块处理，得到通道信息；对归一化层处理后的信息经全连接层以及门控模块输入至通道分组模块，之后经空间信息筛选模块得到空间信息，对输出的通道信息和空间信息进行拼接得到耐火砖形状和质量分类特征；通过构建的M个参数自适应调整网络进行特征学习和提取后，最后经过全连接层以及耐火砖形状分类层构建得到耐火砖深度卷积分类网络；步骤S500：基于步骤S400构建好的深度卷积分类网络采用优化函数对耐火砖形状分类模型进行训练；步骤S600：基于上述步骤S500训练好的模型，对实际场景中的耐火砖进行耐火砖形状和质量分类。2.根据权利要求1所述的基于深度学习的耐火砖形状分类识别方法，其特征在于：所述顺序嵌入编码采用正弦函数和余弦函数交替编码方式实现。3.根据权利要求2所述的基于深度学习的耐火砖形状分类识别方法，其特征在于：所述M个参数自适应调整网络中M＝4。4.根据权利要求2所述的基于深度学习的耐火砖形状分类识别方法，其特征在于归一化运算LN通过如下公式计算：式中，I
i
表示该归一化层输入的特征图，和σ2分别是是I
i
的均值和方差，ξ默认取10
‑5。5.根据权利要求3所述的基于深度学习的耐火砖形状分类识别方法，其特征在于：参数自适应调整网络模块中通过在门控模块中计算当前卷积模...

【专利技术属性】
技术研发人员：邵磊，薛颖，宋志国，魏雅莉，孙文涛，李超，
申请(专利权)人：天津理智鑫创能科技有限公司天津佳展科技有限公司，
类型：发明
国别省市：