[发明专利]一种智能泡沫浮选检测系统

权利要求书

1.一种智能泡沫浮选检测系统，其特征在于，包括浮选视频检测模块，通过浮选视频检测模块，实现对摄像头视频流的解码、抽帧和格式转换处理，并将转换后的图像帧进行识别，并最终将检测结果标注在视频流中，重新编码视频流推送给前端UI进行展示；具体包括以下过程：

(1)基于深度学习--目标检测实现浮选液面泡沫目标识别；

(2)基于浮选泡沫识别、定位结果，实现液面大泡沫数量统计检测结果计算；基于泡沫跟踪，实现液面流速、流向监测统计检测结果计算；液面颜色监测统计检测结果计算；上述指标数据存储与历史变化趋势展现；

(3)基于上述监测指标信息，实现对浮选液面正常、冒槽、堵矿三类工况的检测与异常告警输出。

2.如权利要求1所述的一种智能泡沫浮选检测系统，其特征在于，浮选视频检测模块包括时实在线处理单元和离线处理单元，时实在线处理单元包括YoloV5视觉模型，离线处理单元包括深度学习模型，实时在线处理单元实现对原始摄像头视频流的解码、抽帧，格式转换处理，并将转换后的图像帧送到深度学习模型中进行识别，并最终将检测结果标注在视频流中，重新编码视频流推送给前端UI进行展示与预警。

3.如权利要求1所述的一种智能泡沫浮选检测系统，其特征在于，系统的前端连接核心图像识别引擎，采用pytorch+yoloV5模型，通过对500+张样本数据集的训练，实现对液面泡沫的识别、定位与标注。

4.如权利要求3所述的一种智能泡沫浮选检测系统，其特征在于，pytorch+yoloV5模型中的YOLO检测网络包括24个卷积层和2个全连接层，卷积层用来提取图像特征，全连接层用来预测图像位置和类别概率值。

5.如权利要求4所述的一种智能泡沫浮选检测系统，其特征在于，yolov5包含yolov5s,yolov5x,yolov5m,yolov5l四个模型，其中Yolov5s是模型做小的，并且是速度最快的模型。

6.如权利要求1所述的一种智能泡沫浮选检测系统，其特征在于，前端UI采用B/S架构，基于Django架构，在智能边缘设备上部署一个轻量级的WebService，实时接收下层视频检测程序，流量、流速检测程序推送过来的数据、视频流信息，并最终展现在前端页面上。

7.如权利要求6所述的一种智能泡沫浮选检测系统，其特征在于，采用SORT进行浮选气泡目标检测，前端UI展现的内容是当前浮选液面视频播放，页面流向、流速的变化趋势折线图，以及浮选液面监测结果数据表，系统还包括用来进行视频封装，推送播放功能的RTMP视频流服务器。

8.如权利要求7所述的一种智能泡沫浮选检测系统，其特征在于，SORT采用算法卡尔曼滤波和匈牙利算法，卡尔曼滤波将预测值和测量值进行结合，对系统状态进行最优估计的算法；匈牙利算法假设有N个人和N个任务，每个任务可以任意分配给不同的人，已知每个人完成每个任务要花费的代价不尽相同，合理分配使得总的代价最小。