基于扫描图像的煤流量监控系统及其方法技术方案

本申请公开了一种基于扫描图像的煤流量监控系统及其方法。其首先计算从煤流三维模型截取的多个预定时间点对应的煤流截面图的截面积，接着，将多个预定时间点的悬臂皮带的运行速度值排列后通过多尺度邻域特征提取模块以得到运行速度特征向量，然后，基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵并对其各个行向量进行特征分布调制以得到多个优化后行向量，接着，将所述多个优化后行向量分别通过预分类器得到的多个概率值作为权重分别对所述多个预定时间点对应的煤流截面图的截面积进行加权以得到多个校正后截面积，最后，基于所述多个校正后截面积与煤密度值，确定煤流量。这样，可以对煤流量进行精准监控。量进行精准监控。量进行精准监控。

【技术实现步骤摘要】
基于扫描图像的煤流量监控系统及其方法


[0001]本申请涉及智能监控
，且更为具体地，涉及一种基于扫描图像的煤流量监控系统及其方法。

技术介绍

[0002]堆取料设备在实现无人值守前，通过操作员的眼睛，人工观察取煤流量的大小并加以控制。实现无人值守后，人的眼睛不用了，技术的“眼睛”必须跟上。
[0003]堆取料设备实现智能无人化后，煤流量自动控制技术是斗轮机智能化运行的一项重要技术，其目的是防止皮带过载，有的是配煤比例的需要。
[0004]有些斗轮机悬臂皮带上装有电子皮带称，但该皮带称由于悬臂皮带的俯仰角度的不断变化和校正方式的缺乏，实践使用过程中该称精度极差，不能作为斗轮机取煤流量控制的测量使用。为了实现相对准确和便于维护的煤流量测量方式，可以采用悬臂皮带上方安装激光扫描仪，利用扫描煤流表面形状计算体积的方式，加上密度的估算,换算成流量，这种方式的优点是误差漂移少，相对稳定，不太需要经常校正，缺点是悬臂皮带严重跑会影响煤流截面积的计算精度，需要加装有效的纠偏装置。
[0005]因此，期待一种优化的煤流量监控方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于扫描图像的煤流量监控系统及其方法。其首先计算从煤流三维模型截取的多个预定时间点对应的煤流截面图的截面积，接着，将多个预定时间点的悬臂皮带的运行速度值排列后通过多尺度邻域特征提取模块以得到运行速度特征向量，然后，基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵并对其各个行向量进行特征分布调制以得到多个优化后行向量，接着，将所述多个优化后行向量分别通过预分类器得到的多个概率值作为权重分别对所述多个预定时间点对应的煤流截面图的截面积进行加权以得到多个校正后截面积，最后，基于所述多个校正后截面积与煤密度值，确定煤流量。这样，可以对煤流量进行精准监控。
[0007]根据本申请的一个方面，提供了一种基于扫描图像的煤流量监控方法，其包括：
[0008]获取由激光扫描仪采集的单位时间的煤流三维模型，以及，获取所述单位时间内多个预定时间点的悬臂皮带的运行速度值；
[0009]从所述煤流三维模型截取所述多个预定时间点对应的煤流截面图，并计算所述多个预定时间点对应的煤流截面图的截面积；
[0010]将所述多个预定时间点的悬臂皮带的运行速度值按照时间维度排列为运行速度输入向量后通过多尺度邻域特征提取模块以得到运行速度特征向量；
[0011]基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵，其中，所述运行速度特征矩阵的各个行向量对应于各个预定时间点的运行速度的数据增强结
果；
[0012]基于所述运行速度特征向量，对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到多个优化后行向量；
[0013]将所述多个优化后行向量分别通过预分类器以得到多个概率值；
[0014]以所述多个概率值作为权重分别对所述多个预定时间点对应的煤流截面图的截面积进行加权以得到多个校正后截面积；
[0015]基于所述多个校正后截面积，确定所述单位时间的煤流的体积；以及
[0016]基于所述单位时间的煤流的体积与煤密度值，确定煤流量。
[0017]在上述的基于扫描图像的煤流量监控方法中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。
[0018]在上述的基于扫描图像的煤流量监控方法中，所述将所述多个预定时间点的悬臂皮带的运行速度值按照时间维度排列为运行速度输入向量后通过多尺度邻域特征提取模块以得到运行速度特征向量，包括：
[0019]使用所述多尺度邻域特征提取模块的所述第一卷积层对所述运行速度输入向量进行一维卷积编码以得到所述第一尺度运行速度特征向量；
[0020]其中，所述公式为：
[0021][0022]其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述运行速度输入向量；
[0023]使用所述多尺度邻域特征提取模块的所述第二卷积层对所述运行速度输入向量进行一维卷积编码以得到所述第二尺度运行速度特征向量；
[0024]其中，所述公式为：
[0025][0026]其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述运行速度输入向量；以及
[0027]使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度运行速度特征向量和所述第二尺度运行速度特征向量进行级联以得到所述运行速度特征向量。
[0028]在上述的基于扫描图像的煤流量监控方法中，所述基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵，包括：
[0029]构造所述运行速度特征向量的自高斯密度图，其中，所述自高斯密度图的均值向
量为所述运行速度特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述运行速度特征向量中两个位置的特征值之间的方差；
[0030]对所述自高斯密度图的各个位置的高斯分布进行高斯离散化以得到多个行向量；以及
[0031]将所述多个行向量进行二维排列以得到所述运行速度特征矩阵。
[0032]在上述的基于扫描图像的煤流量监控方法中，所述基于所述运行速度特征向量，对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到多个优化后行向量，包括：基于所述运行速度特征向量，以如下公式对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到所述多个优化后行向量；
[0033]其中，所述公式为：
[0034][0035]其中，V1表示所述运行速度特征向量，V2表示所述运行速度特征矩阵的各个行向量，V
2T
表示所述运行速度特征矩阵的各个行向量的转置向量，V2′
表示所述多个优化后行向量，‖
·
‖2表示向量的二范数，Cov
1D
表示一维卷积运算，表示特征向量的点加操作，α和β为权重超参数。
[0036]在上述的基于扫描图像的煤流量监控方法中，所述将所述多个优化后行向量分别通过预分类器以得到多个概率值，包括：使用所述预分类器以如下公式对所述多个优化后行向量进行处理以得到所述多个概率值；
[0037]其中，所述公式为：P＝softmax{(M
j
,B
j
):
…
:(M
i
,B
i
)|Y}，其中，P为所述多个概率值，M
i
和M
j...

【技术保护点】

【技术特征摘要】
1.一种基于扫描图像的煤流量监控方法，其特征在于，包括：获取由激光扫描仪采集的单位时间的煤流三维模型，以及，获取所述单位时间内多个预定时间点的悬臂皮带的运行速度值；从所述煤流三维模型截取所述多个预定时间点对应的煤流截面图，并计算所述多个预定时间点对应的煤流截面图的截面积；将所述多个预定时间点的悬臂皮带的运行速度值按照时间维度排列为运行速度输入向量后通过多尺度邻域特征提取模块以得到运行速度特征向量；基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵，其中，所述运行速度特征矩阵的各个行向量对应于各个预定时间点的运行速度的数据增强结果；基于所述运行速度特征向量，对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到多个优化后行向量；将所述多个优化后行向量分别通过预分类器以得到多个概率值；以所述多个概率值作为权重分别对所述多个预定时间点对应的煤流截面图的截面积进行加权以得到多个校正后截面积；基于所述多个校正后截面积，确定所述单位时间的煤流的体积；以及基于所述单位时间的煤流的体积与煤密度值，确定煤流量。2.根据权利要求1所述的基于扫描图像的煤流量监控方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。3.根据权利要求2所述的基于扫描图像的煤流量监控方法，其特征在于，所述将所述多个预定时间点的悬臂皮带的运行速度值按照时间维度排列为运行速度输入向量后通过多尺度邻域特征提取模块以得到运行速度特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述运行速度输入向量进行一维卷积编码以得到所述第一尺度运行速度特征向量；其中，所述公式为：其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述运行速度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述运行速度输入向量进行一维卷积编码以得到所述第二尺度运行速度特征向量；其中，所述公式为：其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)
为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述运行速度输入向量；以及使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度运行速度特征向量和所述第二尺度运行速度特征向量进行级联以得到所述运行速度特征向量。4.根据权利要求3所述的基于扫描图像的煤流量监控方法，其特征在于，所述基于高斯密度图对所述运行速度特征向量进行处理以得到运行速度特征矩阵，包括：构造所述运行速度特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述运行速度特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述运行速度特征向量中两个位置的特征值之间的方差；对所述自高斯密度图的各个位置的高斯分布进行高斯离散化以得到多个行向量；以及将所述多个行向量进行二维排列以得到所述运行速度特征矩阵。5.根据权利要求4所述的基于扫描图像的煤流量监控方法，其特征在于，所述基于所述运行速度特征向量，对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到多个优化后行向量，包括：基于所述运行速度特征向量，以如下公式对所述运行速度特征矩阵的各个行向量进行特征分布调制以得到所述多个优化后行向量；其中，所述公式为：其中，V1表示所述运行速度特征向量，V2表示所述运行速度特征矩阵的各个行向量，V
2T
表示所述运行速度特征矩阵的各个行向量的转置向量，V2′
表示所述多个优化后行向量，‖
·
‖2表示向量的二范数，Cov
1D
表示一维卷积运算，表示特征向量的点加操作，α和β为权重超参...

【专利技术属性】
技术研发人员：季春，杨杰湘，孙新佳，马进，黄晨宇，凌峰，戴冬冬，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：