【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种皮带矿石异物检测方法、装置、电子设备和存储介质。
技术介绍
1、在皮带矿石生产过程中，异物(例如铁丝)存在的潜在危害不容小觑。它们可能引发生产效率下降、设备损坏，甚至可能导致严重的安全事故，对生产线的连续运行和工人的安全都构成了严重威胁。
2、相关技术中的异物检测方法，通常依赖预先制定的规则、传感器的反馈信息，上述方式只能捕获特定的特征，例如通过传感器检测的方式，只能检测皮带上的金属异物，而无法检测其他类型的异物，使得检测方法具有一定的局限性。
技术实现思路
1、本申请提供了一种皮带矿石异物检测方法、装置、电子设备和存储介质，用以解决现有技术中，检测方式只能对单一类型的异物进行检测，具有局限性的问题。
2、第一方面，本申请实施例提供了一种皮带矿石异物检测方法，包括：
3、获取至少一个矿石视频流中的视频帧；
4、将所述视频帧输入异物检测模型中，得到检测结果；所述异物检测模型是基于跳跃式对抗网络模型和自注意力模块构建并训练得到的；
5、在所述检测结果为存在异物的情况下，进行报警。
6、可选的，所述将所述视频帧输入异物检测模型中之前，还包括：
7、基于每个所述视频帧判断所述矿石视频流对应的皮带是否停机；
8、在任一所述皮带停机的情况下，对停机的所述皮带进行报警；
9、在所述皮带未停机的情况下，执行所述将所述视频帧输入异物检测模型中的步骤。
11、将所述视频帧进行打包得到视频帧集合；
12、将所述视频帧集合输入停机检测模型中，通过所述停机检测模型判断所述矿石视频流对应的皮带是否停机。
13、可选的，所述通过所述停机检测模型判断所述矿石视频流对应的皮带是否停机，包括：
14、通过所述停机检测模型确定每个所述视频帧的历史视频帧，所述历史视频帧为与所述视频帧来自同一视频流的最近获取的至少一个视频帧；
15、基于所述历史视频帧与所述视频帧间的差异值，判断所述矿石视频流对应的皮带是否停机。
16、可选的，所述异物检测模型的数量为至少一个，所述将所述视频帧输入异物检测模型中，包括：
17、确定所述视频帧的来源信息，每个所述异物检测模型对应至少一个来源信息；
18、将所述视频帧输入所述来源信息对应的所述异物检测模型中。
19、可选的，基于跳跃式对抗网络模型和自注意力模块构建并训练得到所述异物检测模型的过程，包括：
20、在所述跳跃式对抗网络模型的输入端配置所述自注意力模块；
21、去除所述跳跃式对抗网络模型中的上层跳跃链接，得到初始检测模型；
22、基于训练样本对所述初始检测模型进行训练，得到所述异物检测模型。
23、可选的，所述基于训练样本对所述初始检测模型进行训练，得到所述异物检测模型，包括：
24、获取训练样本，所述训练样本中包括至少一个无异物的矿石图像；
25、分别对每个所述矿石图像执行以下训练过程：
26、通过所述初始检测模型中的自注意力模块对所述矿石图像进行特征处理,得到注意力特征信息，将所述注意力特征信息进行编码得到第一中间变量，对所述第一中间变量进行解码，得到伪图像信息，将所述伪图像信息进行解码，得到第二中间变量；
27、对注意力特征信息和所述伪图像信息进行编码，得到所述伪图像信息为真实图像的概率值；
28、基于所述注意力特征信息与所述伪图像信息之间的第一损失值，以及所述第一中间变量与所述第二中间变量间的第二损失值，以及所述概率值和真实图像真实值间的第三损失值，对所述初始检测模型的参数进行优化，重复执行所述训练过程，直至所述第一损失值、第二损失值和所述第三损失值趋于稳定；
29、基于所述第一损失值和所述第二损失值确定所述矿石图像异常概率，得到所述异常检测模型。
30、第二方面，本申请实施例提供了一种皮带矿石异物检测装置，包括：
31、获取模块，用于获取至少一个矿石视频流中的视频帧；
32、检测模块，用于将所述视频帧输入异物检测模型中，得到检测结果；所述异物检测模型是基于跳跃式对抗网络模型和自注意力模块构建并训练得到的；
33、报警模块，用于在所述检测结果为存在异物的情况下，进行报警。
34、第三方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
35、所述存储器，用于存储计算机程序；
36、所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的皮带矿石异物检测方法。
37、第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的皮带矿石异物检测方法。
38、本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，通过获取至少一个矿石视频流中的视频帧；将所述视频帧输入异物检测模型中，得到检测结果；所述异物检测模型是基于跳跃式对抗网络模型和自注意力模块构建并训练得到的；在所述检测结果为存在异物的情况下，进行报警。如此，通过对跳跃式对抗网络模型利用无异物的矿石图像进行训练，使其学习到数据的正常分布，从而使异物模型能够对正常状态下的皮带矿石图像有更准确的认识，通过加入的自注意力模块，提高了异物检测模型对异常样本的识别和性能，从而，能够实现对多种类型的异物的检测，并使得检测结果更加准确，提高了生产过程的安全性。
本文档来自技高网...【技术保护点】
1.一种皮带矿石异物检测方法，其特征在于，包括：
2.根据权利要求1所述的皮带矿石异物检测方法，其特征在于，所述将所述视频帧输入异物检测模型中之前，还包括：
3.根据权利要求2所述的皮带矿石异物检测方法，其特征在于，所述基于每个所述视频帧判断所述矿石视频流对应的皮带是否停机，包括：
4.根据权利要求2所述的皮带矿石异物检测方法，其特征在于，所述通过所述停机检测模型判断所述矿石视频流对应的皮带是否停机，包括：
5.根据权利要求1所述的皮带矿石异物检测方法，其特征在于，所述异物检测模型的数量为至少一个，所述将所述视频帧输入异物检测模型中，包括：
6.根据权利要求1所述的皮带矿石异物检测方法，其特征在于，基于跳跃式对抗网络模型和自注意力模块构建并训练得到所述异物检测模型的过程，包括：
7.根据权利要求6所述的皮带矿石异物检测方法，其特征在于，所述基于训练样本对所述初始检测模型进行训练，得到所述异物检测模型，包括：
8.一种皮带矿石异物检测装置，其特征在于，包括：
9.一种电子设备，其特征在于
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的皮带矿石异物检测方法。
...【技术特征摘要】
1.一种皮带矿石异物检测方法，其特征在于，包括：
2.根据权利要求1所述的皮带矿石异物检测方法，其特征在于，所述将所述视频帧输入异物检测模型中之前，还包括：
3.根据权利要求2所述的皮带矿石异物检测方法，其特征在于，所述基于每个所述视频帧判断所述矿石视频流对应的皮带是否停机，包括：
4.根据权利要求2所述的皮带矿石异物检测方法，其特征在于，所述通过所述停机检测模型判断所述矿石视频流对应的皮带是否停机，包括：
5.根据权利要求1所述的皮带矿石异物检测方法，其特征在于，所述异物检测模型的数量为至少一个，所述将所述视频帧输入异物检测模型中，包括：
6.根据权利要求1...
【专利技术属性】
技术研发人员：冯超，张雷，孟帅，
申请(专利权)人：北京东土拓明科技有限公司，
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。