[发明专利]一种基于深度学习的矿用输送带大块物料检测方法及系统

权利要求书

1.一种基于深度学习的矿用输送带大块物料检测方法，其特征在于，包括如下步骤：

S1：通过防爆监控装置实时采集现场的输送带物料图像作为样本集；

S2：筛选出样本集中有块状物体的图像，对筛选后的图像进行预处理，然后对预处理后的图像进行目标标记，并将标记结果分类为训练集、验证集和测试集；

S3：构建基于深度学习的目标检测网络模型YOLOv3；

S4：将步骤S2中的训练集和验证集图像输入YOLOv3网络模型进行训练并对其参数进行微调，直至网络模型达到收敛状态，得到训练好的块状物料检测模型；

S5：将步骤S2中的测试集图像输入训练好的块状物料检测模型中，若图像中检测到的目标置信度C_conf大于80％，则说明输送带中出现了块状物料；目标置信度其中，为预测目标框B_pred和真实目标框B_truth的交集和并集之间的比值，P_r(object)表示预测目标框B_pred中是否存在检测目标，存在其值为1，反之则为0；

预测目标框B_pred和真实目标框B_truth的交集计算方法如下：

预测目标框B_pred位置和大小为(x₁,y₁,w₁,h₁)，真实目标框B_truth位置和大小为(x₂,y₂,w₂,h₂)，其中，x、y分别表示目标框中心点的横、纵坐标，w表示目标框的宽度，h表示目标框的高度；下标1、2分别对应预测目标框B_pred和真实目标框B_truth；

其中，w_pxmin为预测目标框B_pred横坐标下界，w_pxmax为预测目标框B_pred横坐标上界；

其中，w_txmin为真实目标框B_truth横坐标下界，w_txmax真实目标框B_truth横坐标上界；

计算w_pxmin和w_txmin的最大值w_x1，w_x1＝max(w_pxmin,w_txmin)；计算w_pxmax和w_txmax的最小值w_x2，w_x2＝min(w_pxmax,w_txmax)；若w_x2-w_x10，则此时B_pred和B_truth的横坐标没有交集，反之则说明B_pred和B_truth的横坐标存在交集；

其中，w_pymin为预测目标框B_pred纵坐标下界，w_pymax为预测目标框B_pred纵坐标上界；

其中，w_tymin为真实目标框B_truth纵坐标下界，w_tymax真实目标框B_truth纵坐标上界；

计算w_pymin和w_tymin的最大值w_y1，w_y1＝max(w_pymin,w_tymin)；计算w_pymax和w_tymax的最小值w_y2，w_y2＝min(w_pymax,w_tymax)；若w_y2-w_y10，则此时B_pred和B_truth的纵坐标没有交集，反之则说明B_pred和B_truth的纵坐标存在交集；

进而求得B_pred和B_truth的相交区域；

S6：判断块状物料是否为大块物料；

S7：若检测到大块物料，软件平台记录此时的异常信息，并控制报警设备发出报警信号。