【技术实现步骤摘要】
本申请涉及智能检测，且更为具体地，涉及一种输送带运行负荷的智能检测系统。
技术介绍
1、输送带是工业生产中广泛使用的一种物料搬运设备，其通过连续或间歇的运动方式，将物料从一个地方输送到另一个地方。随着工业自动化和智能化的不断发展，输送带在矿山、港口、化工、物流等多个行业中得到了广泛应用。然而，输送带在运行过程中常常需要承载大量的物料进行长距离运输，长时间的运行和较大的工作负荷可能导致其出现各种故障，如带筋丢失、带芯破损、胶合层损坏等，不仅会影响生产效率，还可能对工人的安全构成威胁。因此，对输送带的运行负荷进行准确监测，以及时发现潜在的安全隐患，对于预防故障、提高生产效率以及保障工人安全具有重要意义。
2、传统的输送带运行负荷检测方法主要依赖于接触式传感器测量，如张力传感器和重量传感器等。然而，这种接触式传感器的安装位置和方式对其测量精度有重要影响。更重要的是，由于传感器需要长期与输送带或物料直接接触，因此容易受到磨损和损坏，导致测量精度下降。特别是在输送带运行速度快、物料重量大或含有尖锐边缘的情况下，严重影响传感器的耐用性，使得传感器需要进行定期维护和更换，增加了维护成本和人力成本。
3、因此，期待一种优化的输送带运行负荷的智能检测系统。
技术实现思路
1、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输送带运行负荷的智能检测系统，其利用摄像头和激光扫描仪实时采集输送带上物料的图像和三维点云模型，通过基于深度学习的人工智能技术对物料的三维点云模
2、相应地，根据本申请的一个方面，提供了一种输送带运行负荷的智能检测系统，其包括：
3、输送物料信息获取模块，用于获取由摄像头采集的物料图像，以及由激光扫描仪采集的物料三维点云模型；
4、物料性质特征提取模块，用于提取所述物料图像中的物料性质特征以得到物料性质语义特征图；
5、物料性质特征强化模块，用于对所述物料性质语义特征图进行注意力强化以得到强化物料性质语义特征向量；
6、物料几何特征提取模块，用于提取所述物料三维点云模型中的物料几何特征以得到物料三维几何特征图；
7、运行负荷估计模块，用于基于所述强化物料性质语义特征向量和所述物料三维几何特征图的跨模态联合表示特征，生成输送带的运行负荷估计解码值。
8、在上述输送带运行负荷的智能检测系统中，所述物料性质特征提取模块，用于：将所述物料图像输入基于空洞卷积神经网络模型的物料性质特征提取器以得到所述物料性质语义特征图。
9、在上述输送带运行负荷的智能检测系统中，所述物料性质特征强化模块，包括：注意力强化单元，用于将所述物料性质语义特征图输入压缩-抑制架构下的特征注意力强化模块以得到强化物料性质语义特征图；特征强化压缩单元，用于对所述强化物料性质语义特征图进行沿通道维度的全局最大值池化以得到所述强化物料性质语义特征向量。
10、在上述输送带运行负荷的智能检测系统中，所述注意力强化单元，包括：全局均值池化子单元，用于计算所述物料性质语义特征图的沿通道维度的各个特征矩阵的全局均值以得到物料性质语义特征压缩信息表示向量；通道信息关联交互子单元，用于对所述物料性质语义特征压缩表示向量进行一维卷积编码以得到物料性质语义特征压缩信息间关联表示特征向量；多尺度融合子单元，用于将所述物料性质语义特征压缩信息表示向量和所述物料性质语义特征压缩信息间关联表示特征向量进行级联以得到物料性质语义特征压缩信息多尺度表示向量；多尺度关联特征提取子单元，用于将所述物料性质语义特征压缩信息多尺度表示向量输入基于多层感知机模型的压缩信息特征提取模块以得到物料性质语义特征压缩信息多尺度关联特征向量，其中，所述多层感知机模型包含两个全连接层和silu激活函数；归一化子单元，用于使用sigmoid函数对所述物料性质语义特征压缩信息多尺度关联特征向量进行归一化操作以得到物料性质语义特征权重向量；特征选择子单元，用于基于所述物料性质语义特征权重向量，对所述物料性质语义特征图进行特征放大和抑制操作以得到所述强化物料性质语义特征图。
11、在上述输送带运行负荷的智能检测系统中，所述特征选择子单元，用于：计算所述物料性质语义特征权重向量的各个特征值与所述物料性质语义特征图的沿通道维度的各个特征矩阵的对应相乘以得到所述强化物料性质语义特征图。
12、在上述输送带运行负荷的智能检测系统中，所述物料几何特征提取模块，用于：将所述物料三维点云模型输入基于三维卷积神经网络模型的物料几何特征提取器以得到所述物料三维几何特征图。
13、在上述输送带运行负荷的智能检测系统中，所述运行负荷估计模块，包括：联合编码单元，用于将所述强化物料性质语义特征向量和所述物料三维几何特征图输入基于元网络模型的物料性质-物料几何联合编码器以得到物料性质-几何联合表示特征图；解码单元，用于将所述物料性质-几何联合表示特征图输入基于解码器的运行负荷估计器以得到所述运行负荷估计解码值。
14、在上述输送带运行负荷的智能检测系统中，所述联合编码单元，用于：将所述强化物料性质语义特征向量通过点卷积层以得到第一卷积特征向量；将所述第一卷积特征向量通过基于relu函数的修正线性单元以得到第一修正卷积特征向量；将所述第一修正卷积特征向量通过点卷积层以得到第二卷积特征向量；将所述第二卷积特征向量通过基于sigmoid函数的修正线性单元以得到第二修正卷积特征向量；融合所述第二修正卷积特征向量与所述物料三维几何特征图以得到所述物料性质-几何联合表示特征图。
15、在上述输送带运行负荷的智能检测系统中，还包括用于对所述基于空洞卷积神经网络模型的物料性质特征提取器、所述压缩-抑制架构下的特征注意力强化模块、所述基于三维卷积神经网络模型的物料几何特征提取器、所述基于元网络模型的物料性质-物料几何联合编码器和所述基于解码器的运行负荷估计器进行训练的训练模块。
16、在上述输送带运行负荷的智能检测系统中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括由摄像头采集的训练物料图像，由激光扫描仪采集的训练物料三维点云模型，以及，运行负荷的真实值；训练物料性质特征提取单元，用于将所述训练物料图像输入所述基于空洞卷积神经网络模型的物料性质特征提取器以得到训练物料性质语义特征图；训练物料性质特征注意力强化单元，用于将所述训练物料性质语义特征图输入所述压缩-抑制架构下的特征注意力强化模块以得到训练强化物料性质语义特征图；训练特征强化压缩单元，用于对所述训练强化物料性质语义特征图进行沿通道维度的全局最大值池化以得到训练强化物料性质语义特征向量；训练物料几何特征提取单元，本文档来自技高网...
【技术保护点】
1.一种输送带运行负荷的智能检测系统，其特征在于，包括：
2.根据权利要求1所述的输送带运行负荷的智能检测系统，其特征在于，所述物料性质特征提取模块，用于：
3.根据权利要求2所述的输送带运行负荷的智能检测系统，其特征在于，所述物料性质特征强化模块，包括：
4.根据权利要求3所述的输送带运行负荷的智能检测系统，其特征在于，所述注意力强化单元，包括：
5.根据权利要求4所述的输送带运行负荷的智能检测系统，其特征在于，所述特征选择子单元，用于：
6.根据权利要求5所述的输送带运行负荷的智能检测系统，其特征在于，所述物料几何特征提取模块，用于：
7.根据权利要求6所述的输送带运行负荷的智能检测系统，其特征在于，所述运行负荷估计模块，包括：
8.根据权利要求7所述的输送带运行负荷的智能检测系统，其特征在于，所述联合编码单元，用于：
9.根据权利要求8所述的输送带运行负荷的智能检测系统，其特征在于，还包括用于对所述基于空洞卷积神经网络模型的物料性质特征提取器、所述压缩-抑制架构下的特征注意力强化
10.根据权利要求9所述的输送带运行负荷的智能检测系统，其特征在于，所述训练模块，包括：
...【技术特征摘要】
1.一种输送带运行负荷的智能检测系统，其特征在于，包括：
2.根据权利要求1所述的输送带运行负荷的智能检测系统，其特征在于，所述物料性质特征提取模块，用于：
3.根据权利要求2所述的输送带运行负荷的智能检测系统，其特征在于，所述物料性质特征强化模块，包括：
4.根据权利要求3所述的输送带运行负荷的智能检测系统，其特征在于，所述注意力强化单元，包括：
5.根据权利要求4所述的输送带运行负荷的智能检测系统，其特征在于，所述特征选择子单元，用于：
6.根据权利要求5所述的输送带运行负荷的智能检测系统，其特征在于，所述物料几何特征提取模块，用于：
7.根据...
【专利技术属性】
技术研发人员：吕永幸，洪胜泉，洪润龙，
申请(专利权)人：山东盛润胶带有限公司，
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。