【技术实现步骤摘要】
本专利技术涉及混凝土坍落度监测领域，具体涉及一种基于多模态数据的坍落度监测方法、装置及可读介质。
技术介绍
1、对于混凝土坍落度的监测，传统的方法是在混凝土出机后，由相关检测人员通过坍落度筒试验测定对应的坍落度值。但这种检测方法弊端较大：一是混凝土坍落度试验流程繁琐，费时费力，测量误差大；二是混凝土坍落度的调整是滞后的，一旦检测不合格，那么整盘混凝土只能废弃，造成资源浪费。三是混凝土坍落度的变化是贯穿整个生产周期的，需要经过循环往复的多轮调整，且强烈依赖人工经验。
2、目前，已有相关学者对混凝土坍落度的在线检测方法进行研究，如基于搅拌过程混凝土视频、主轴电流以及配合比等，实现在混凝土出锅前完成对坍落度的预测与调整，保证混凝土流动性可以满足施工质量要求。然而单一监测方式受工况限制较大，当时空变化后，预测坍落度精度也将受到较大影响，需要对原始模型进行更新后才能再次上线应用。因此，需要多种检测方式结合以实现稳定、准确地监测混凝土生产过程坍落度。
技术实现思路
1、针对上述提到现有单一...
【技术保护点】
1.一种基于多模态数据的坍落度监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态数据的坍落度监测方法，其特征在于，对所述视频数据和非视频数据进行预处理，具体包括：
3.根据权利要求2所述的基于多模态数据的坍落度监测方法，其特征在于，所述第一特征提取网络分支包括依次连接的输入模块、ECANet注意力模块、四个残差模块、LSTM模块和第一展平层，所述输入模块包括依次连接的卷积层、批量归一化层和 ReLU 激活函数层，所述ROI图像序列的每一帧图像依次经过所述输入模块、ECANet注意力模块和四个残差模块，提取得到第一特征，将每...
【技术特征摘要】
1.一种基于多模态数据的坍落度监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态数据的坍落度监测方法，其特征在于，对所述视频数据和非视频数据进行预处理，具体包括：
3.根据权利要求2所述的基于多模态数据的坍落度监测方法，其特征在于，所述第一特征提取网络分支包括依次连接的输入模块、ecanet注意力模块、四个残差模块、lstm模块和第一展平层，所述输入模块包括依次连接的卷积层、批量归一化层和 relu 激活函数层，所述roi图像序列的每一帧图像依次经过所述输入模块、ecanet注意力模块和四个残差模块，提取得到第一特征，将每一帧图像的第一特征输入所述lstm模块，提取得到第二特征，所述第二特征输入所述第一展平层，得到所述视频特征。
4.根据权利要求3所述的基于多模态数据的坍落度监测方法，其特征在于，所述lstm模块包含依次连接的roi图像序列中的每一帧图像对应的若干lstm单元，前一帧图像对应的第一特征输入对应的lstm单元得到的输出结果与当前帧图像对应的第一特征均输入当前帧图像对应的lstm单元，所述第二特征为最后一帧图像对应的lstm单元的输出结果。
5...
【专利技术属性】
技术研发人员：杨建红，林柏宏，房怀英，张宝裕，黄文景，韩明芝，黄伟晴，毕雪涛，庄汉强，
申请(专利权)人：福建南方路面机械股份有限公司，
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。