【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种用于智慧电厂的输煤皮带作业状态检测方法、系统和设备。
技术介绍
1、
2、近年来，智慧电厂基础建设蓬勃发展，国家对节能减排策略的倡导日益高涨。然而，频繁的输煤皮带运输煤作业中，长时间的皮带空载运行严重违背了节能减排的国家策略。因此，如何有效检测皮带作业状态并及时控制输送皮带运行启停系统，对于实现节能减排的国家目标显得尤为重要。
3、目前，智慧电厂输煤皮带的作业状态检测主要依赖人工巡检。然而，这种方式既耗费大量人力物力，又无法实时、专注地对皮带作业状态进行监控。更为严重的是，巡检人员靠近输煤皮带存在极大的安全隐患，严重威胁到巡检人员的生命安全。
4、因此现有技术还有待于进一步发展。
技术实现思路
1、本专利技术的目的在于通过图像处理技术对输煤皮带作业状态进行自动识别判断，节约人力物力，同时避免人工监测的事故风险。
2、为了达到上述目的，本专利技术采用的技术方案如下。
3、一方面，本专利技术提供用于智慧电厂的输煤皮带作业状态检测方法，包括：
4、获取智慧电厂输煤皮带作业图像数据；将所述图像数据输入预先训练好的输煤皮带区域信息提取模型中，得到输煤皮带区域信息；通过区域模板匹配算法，对所述输煤皮带区域信息进行模板匹配，得到输煤皮带数量信息；对所述输煤皮带区域信息进行图像运动分析，并结合所述输煤皮带数量信息，得到每个输煤皮带的作业状态。
5、作为进一步的技术方案，上述输煤皮
6、作为进一步的技术方案，所述输煤皮带区域信息提取模型为改进的yolov8模型，所述改进的yolov8模型在bockbone网络最后一层添加ema注意力机制，在head检测输出层的损失函数为mpdiou损失函数。
7、作为更进一步的技术方案，所述输煤皮带作业训练图像数据通过以下方式获取：通过对智慧电厂输煤皮带作业训练视频数据的每一帧进行裁剪，得到所述输煤皮带作业训练图像数据。
8、作为更进一步的技术方案，所述基于所述区域模板匹配算法对所述输煤皮带区域信息进行遍历包括：将所述输煤皮带区域信息划分为若干区域，将每个所述区域存放到list列表中；对所述list列表进行遍历，将所述list列表中的每一个元素与list列表中其它元素依次进行交并比计算。
9、作为更进一步的技术方案，根据所述输煤皮带数量信息，对所述输煤皮带区域信息进行图像运动分析，得到输煤皮带的作业状态包括：获取连续输出的两帧输煤皮带区域信息，进行差值运算，得到运动区域；根据所述运动区域的面积和阈值进行输煤皮带的作业状态判定，当所述阈值超过预设阈值，且所述面积超过预设值时，判断为作业状态，反之判断为不作业状态。
10、作为更进一步的方案，所述输煤皮带作业图像数据通过以下方式获取：通过对智慧电厂输煤皮带作业视频数据的每一帧进行裁剪，得到所述输煤皮带作业图像数据。
11、另一方面，本专利技术还提供用于智慧电厂的输煤皮带作业状态检测系统，包括图像获取装置，用于获取智慧电厂输煤皮带作业图像数据；图像分析推理设备，用于对所述智慧电厂输煤皮带作业图像数据进行处理，并分析得到输煤皮带作业状态信息，包括区域信息提取模块、输煤皮带数量判断模块和作业状态判断模块，所述区域信息提取模块中包括区域信息提取模型，所述输煤皮带数量判断模块用于通过模板匹配法得到所述输煤皮带的数量，所述作业状态判断模块用于对于所述输煤皮带区域信息进行图像运动分析，并结合所述输煤皮带数量信息得到每个输煤皮带的作业状态。
12、再一方面，本专利技术还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述输煤皮带作业状态检测方法。
13、与现有技术相比，本专利技术具有以下有益效果：
14、本专利技术通过改进的yolov8模型作为输煤皮带区域信息提取模型，通过使用ema注意力机制，在降低计算开销的同时，提高模型泛化能力，并且采用mdpiou损失函数代替原有的ciou损失函数，能够更好定位检测框的位置信息，以达到提升检模型测精度目的。通过对改进的yolov8模型识别到的输煤皮带区域信息进行模板匹配，得到输煤皮带数量，并对区域内的输煤皮带进行运动状态分析以及面积和阈值过滤，从而得到输煤皮带的作业状态。解决了现有技术中的采用人工巡检的方式检查输煤皮带的皮带作业状态，耗费大量的人力和物力，而且检查效果较差，无法实时专注地对皮带作业状态进行监控，影响巡检人员的生命安全的技术问题。
本文档来自技高网...【技术保护点】
1.用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，包括：
2.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带区域信息提取模型通过以下步骤建立和训练：
3.根据权利要求2所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带区域信息提取模型为改进的yolov8模型，所述改进的yolov8模型在BockBone网络最后一层添加EMA注意力机制，在head检测输出层的损失函数为MPDiou损失函数。
4.根据权利要求2所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带作业训练图像数据通过以下方式获取：通过对智慧电厂输煤皮带作业训练视频数据的每一帧进行裁剪，得到所述输煤皮带作业训练图像数据。
5.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，通过模板匹配法，对所述输煤皮带区域信息进行模板匹配，得到输煤皮带数量信息，包括：
6.根据权利要求5所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述基于所述区域模板匹配算法
7.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，根据所述输煤皮带数量信息，对所述输煤皮带区域信息进行图像运动分析，得到输煤皮带的作业状态包括：
8.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带作业图像数据通过以下方式获取：通过对智慧电厂输煤皮带作业视频数据的每一帧进行裁剪，得到所述输煤皮带作业图像数据。
9.用于智慧电厂的输煤皮带作业状态检测系统，其特征在于，包括：
10.计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的输煤皮带作业状态检测方法。
...【技术特征摘要】
1.用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，包括：
2.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带区域信息提取模型通过以下步骤建立和训练：
3.根据权利要求2所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带区域信息提取模型为改进的yolov8模型，所述改进的yolov8模型在bockbone网络最后一层添加ema注意力机制，在head检测输出层的损失函数为mpdiou损失函数。
4.根据权利要求2所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，所述输煤皮带作业训练图像数据通过以下方式获取：通过对智慧电厂输煤皮带作业训练视频数据的每一帧进行裁剪，得到所述输煤皮带作业训练图像数据。
5.根据权利要求1所述的用于智慧电厂的输煤皮带作业状态检测方法，其特征在于，通过模板匹配法，对所述输煤皮带区域信息进行模板匹配，得到输煤皮带数量信息，包括：
<...【专利技术属性】
技术研发人员：张昌林，
申请(专利权)人：深圳市铁越电气有限公司，
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。