[发明专利]一种卡车装载矿石质量估计方法及系统

权利要求书

1.一种卡车装载矿石质量估计方法，其特征在于，包括：

基于待采集的卡车车斗矿石图像，利用深度卷积神经网络模型，得到卡车装载矿石质量的估算值；

所述深度卷积神经网络模型的建立包括：

S01，在虚拟环境中，随机生成已知体积的矿石单元并下落至卡车车斗，所述矿石单元在所述卡车车斗内的图像作为矿石图像样本；

S02，将所述矿石图像样本作为输入，对原始深度卷积神经网络模型进行深度学习，根据学习结果对模型超参数的值进行调整，得到调整后的深度卷积神经网络模型；

S03，将所述调整后的深度卷积神经网络模型迁移至真实环境进行现场验证，根据验证结果对所述超参数的值进行调整，得到所述深度卷积神经网络模型。

2.根据权利要求1所述的卡车装载矿石质量估计方法，其特征在于，所述深度卷积神经网络模型包含三层卷积层和三层池化层，每一层卷积层和每一层池化层依次交替排布，且最后一层池化层为一个神经元。

3.根据权利要求1所述的卡车装载矿石质量估计方法，其特征在于，所述卡车车斗矿石图像的采集是通过在称重区两侧对称装设摄像头，所述摄像头从所述卡车车斗两侧对所述卡车车斗矿石图像进行抓取。

4.根据权利要求1所述的卡车装载矿石质量估计方法，其特征在于，在步骤S02中，对所述原始深度卷积神经网络模型进行深度学习是指以Caffe中用于验证CIFAR-10数据集的网络结构为基础，按照3:1的比例将所述矿石图像样本划分为训练集和验证集，并对所述矿石图像样本的标签值进行归一化处理。

5.根据权利要求1所述的卡车装载矿石质量估计方法，其特征在于，在步骤S03中，所述现场验证是指通过采集现场的卡车车斗矿石图像作为输入，经过测量的所述卡车装载矿石质量作为真实值，对所述调整后的深度卷积神经网络模型进行验证。

6.根据权利要求1所述的卡车装载矿石质量估计方法，其特征在于，在步骤S01中，所述虚拟环境是指通过物理系统Chrono进行物理世界的构建，然后利用物理引擎irrlicht实现所述矿石单元下落至所述卡车车斗过程的可视化。

7.根据权利要求6所述的卡车装载矿石质量估计方法，其特征在于，所述矿石单元下落的初始位置在设置范围内随机生成，且每一批下落的矿石单元数量不重复。

8.一种卡车装载矿石质量估计系统，其特征在于，包括：

图像采集单元，用于采集卡车车斗矿石图像；

模型拟合单元：用于将所述图像输入深度卷积神经网络模型，获得卡车装载矿石质量的估算值；

样本生成单元，用于在虚拟环境中，随机生成已知体积的矿石单元并下落至卡车车斗，所述矿石单元在所述卡车车斗内的图像作为矿石图像样本；

模型学习单元，用于将所述矿石图像样本作为输入，对原始深度卷积神经网络模型进行深度学习，根据学习结果对模型的超参数的值进行调整，得到调整后的深度卷积神经网络模型；

模型验证单元，用于将所述调整后的深度卷积神经网络模型迁移至真实环境进行现场验证，根据验证结果对所述超参数的值进行调整，得到所述深度卷积神经网络模型。