【技术实现步骤摘要】
本专利技术涉及数据处理，具体而言，涉及一种煤流量计算方法、装置、设备及可读存储介质。
技术介绍
1、采煤作业主要发生在矿井下，而煤矿一般是通过皮带运输机来实现运送过程。在运送的过程中由于运输机输送路线较长，容易导致同一时间段内的煤矿运输量极度不平衡，皮带运输机常常处于轻负载或者空载状态，造成电能的浪费，此外长时间处于该种状态下的设备存在着无效的磨损，设备的使用寿命受到缩减，工作效率低。传统的解决方法通过变频器控制皮带驱动电机的运行速度，但由于煤矿特殊的生产条件，使得皮带运输机在运输的过程中其运输的煤流量是不均匀的，若长期处于高速运输的状态下，当煤流量较小时，设备和电能资源始终存在无效的浪费；若长期处于低速状态下，当煤流量较大时，煤炭堆积较为严重，影响工作效率。因此需对煤流量进行实时的检测，根据一定时间段内的煤流量大小控制皮带运输机以合适的速度运行，最大效率的完成煤矿的运输过程。
技术实现思路
1、本专利技术的目的在于提供一种煤流量计算方法、装置、设备及可读存储介质，以改善上述问题。
2、为了实现上述目的，本申请实施例提供了如下技术方案：
3、一方面，本申请实施例提供了一种煤流量计算方法，所述方法包括：
4、获取当前时间段内针对输送机皮带的视频流，所述输送机皮带用于输送煤炭；
5、对所述视频流进行解码操作，得到第一视频帧序列，将所述第一视频帧序列中的每一帧图像输入目标检测模型中，并将模型的输出结果输入非极大值抑制算法中，得到煤炭目标区域
6、将所述煤炭目标区域图像输入分类模型中，得到每张所述煤炭目标区域图像对应的分类结果和分类结果对应的分类得分值，将所有的分类得分值求取平均值，得到当前时间段内的煤流量。
7、可选的，所述目标检测模型和所述分类模型的构建方法，包括：
8、获取历史时间段内针对输送机皮带的视频流，对其进行解码操作，得到第二视频帧序列；
9、基于所述第二视频帧序列，对yolov3模型进行训练，得到所述目标检测模型；
10、基于所述第二视频帧序列和所述目标检测模型，对resnet18模型进行训练，得到所述分类模型。
11、可选的，基于所述第二视频帧序列，对yolov3模型进行训练，得到所述目标检测模型，包括：
12、对所述第二视频帧序列中的每一帧图像进行图像增强处理，并采用labellmg工具对增强处理后的每一张图像进行标注，得到标注后的图像；
13、按照预设的比例将全部的所述标注后的图像进行划分，得到训练集和测试集；
14、利用所述训练集和所述测试集对yolov3模型进行训练，得到所述目标检测模型。
15、可选的，基于所述第二视频帧序列和所述目标检测模型，对resnet18模型进行训练，得到所述分类模型，包括：
16、对所述第二视频帧序列中的每一帧图像进行图像增强处理，图像增强处理后将其输入所述目标检测模型中，并将模型的输出结果输入非极大值抑制算法中，得到所述历史时间段所对应的煤炭目标区域图像；
17、对所述历史时间段所对应的煤炭目标区域图像进行标注，其中，标注每一张图像所对应的煤流量类别；
18、将标注后的图像作为resnet18模型的训练数据，对其进行训练，得到所述分类模型。
19、第二方面，本申请实施例提供了一种煤流量计算装置，所述装置包括第一获取模块、解码模块和计算模块。
20、第一获取模块，用于获取当前时间段内针对输送机皮带的视频流，所述输送机皮带用于输送煤炭；
21、解码模块，用于对所述视频流进行解码操作，得到第一视频帧序列，将所述第一视频帧序列中的每一帧图像输入目标检测模型中，并将模型的输出结果输入非极大值抑制算法中，得到煤炭目标区域图像；
22、计算模块，用于将所述煤炭目标区域图像输入分类模型中，得到每张所述煤炭目标区域图像对应的分类结果和分类结果对应的分类得分值，将所有的分类得分值求取平均值，得到当前时间段内的煤流量。
23、可选的，所述装置，包括：
24、第二获取模块，用于获取历史时间段内针对输送机皮带的视频流，对其进行解码操作，得到第二视频帧序列；
25、第一训练模块，用于基于所述第二视频帧序列，对yolov3模型进行训练，得到所述目标检测模型；
26、第二训练模块，用于基于所述第二视频帧序列和所述目标检测模型，对resnet18模型进行训练，得到所述分类模型。
27、可选的，第一训练模块，包括：
28、第一标注单元，用于对所述第二视频帧序列中的每一帧图像进行图像增强处理，并采用labellmg工具对增强处理后的每一张图像进行标注，得到标注后的图像；
29、划分单元，用于按照预设的比例将全部的所述标注后的图像进行划分，得到训练集和测试集；
30、第一训练单元，用于利用所述训练集和所述测试集对yolov3模型进行训练，得到所述目标检测模型。
31、可选的，第二训练模块，包括：
32、增强单元，用于对所述第二视频帧序列中的每一帧图像进行图像增强处理，图像增强处理后将其输入所述目标检测模型中，并将模型的输出结果输入非极大值抑制算法中，得到所述历史时间段所对应的煤炭目标区域图像；
33、第二标注单元，用于对所述历史时间段所对应的煤炭目标区域图像进行标注，其中，标注每一张图像所对应的煤流量类别；
34、第二训练单元，用于将标注后的图像作为resnet18模型的训练数据，对其进行训练，得到所述分类模型。
35、第三方面，本申请实施例提供了一种煤流量计算方法设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述一种煤流量计算方法的步骤。
36、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述目一种煤流量计算方法的步骤。
37、本专利技术的有益效果为：
38、1、本专利技术首先将采集得到的视频流进行解码，将解码得到的图片先进行检测，检测后在输入分类模型中，通过此种先检测后分类的技术方案，可以将目标检测与目标分类方法的优点进行结合，进而大大提升煤流量的检测精度，有效地降低漏检、误检的发生。
39、2、本专利技术提出的融合多种模型的煤流量计算方法，能够实时地获取到摄像头检测区域内的煤流量信息。
40、本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种煤流量计算方法，其特征在于，包括：
2.根据权利要求1所述的煤流量计算方法，其特征在于，所述目标检测模型和所述分类模型的构建方法，包括：
3.根据权利要求2所述的煤流量计算方法，其特征在于，基于所述第二视频帧序列，对YOLOv3模型进行训练，得到所述目标检测模型，包括：
4.根据权利要求3所述的煤流量计算方法，其特征在于，基于所述第二视频帧序列和所述目标检测模型，对ResNet18模型进行训练，得到所述分类模型，包括：
5.一种煤流量计算装置，其特征在于，包括：
6.根据权利要求5所述的煤流量计算装置，其特征在于，所述装置，包括：
7.根据权利要求6所述的煤流量计算装置，其特征在于，第一训练模块，包括：
8.根据权利要求6所述的煤流量计算装置，其特征在于，第二训练模块，包括：
9.一种煤流量计算设备，其特征在于，包括：
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述煤流量计算方法的步
...【技术特征摘要】
1.一种煤流量计算方法，其特征在于，包括：
2.根据权利要求1所述的煤流量计算方法，其特征在于，所述目标检测模型和所述分类模型的构建方法，包括：
3.根据权利要求2所述的煤流量计算方法，其特征在于，基于所述第二视频帧序列，对yolov3模型进行训练，得到所述目标检测模型，包括：
4.根据权利要求3所述的煤流量计算方法，其特征在于，基于所述第二视频帧序列和所述目标检测模型，对resnet18模型进行训练，得到所述分类模型，包括：
5.一种煤流量计算装...
【专利技术属性】
技术研发人员：梁士昌，尤峰，马国帅，胡成军，王利欣，李波，
申请(专利权)人：中国中煤能源集团有限公司，
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。