[发明专利]一种基于神经网络的料场皮带运输监控系统

说明书

一种基于神经网络的料场皮带运输监控系统，包括：皮带料流图像获取装置、皮带料流分类网络模型、报警装置；皮带料流图像获取装置，用于对皮带料流视频图像进行收集，形成皮带料流视频图像的历史数据；还用于实时采集皮带料流运行视频中的当前帧图像输入到皮带料流分类网络模型；皮带料流分类网络模型，通过将皮带料流的图像数据集得到卷积神经网络模型作为料流状态的图像分类器，对实时采集皮带料流运行视频中的当前帧图像进行检测；报警装置，获取实时采集皮带料流运行视频中的当前帧图像的检测结果，实时通过报警方式通知给相关责任人，保证加料的及时处理。本发明相对于现有技术，实现了皮带运输状态实时检测的自动化与无人化功能。

技术领域

本发明涉及的是料场皮带运输领域,特别涉及一种基于神经网络的料场皮带运输监控系统。

背景技术

皮带输送机是工矿企业运送原料最经济、最高效、最便捷的方法，皮带机也是常用的动力输送机，应用广泛，物美价廉。皮带机可以运送形状各异、粒度大小不同、轻量级重量级等各种料流。皮带机的主要任务是将散装料流通过皮带机输送系统顺利运送到目的地，如果皮带机系统发生堵塞、无料等现象，会造成生产工艺流程中断、上下方流向不明，影响生产和物流调度，造成生产和经济的双重损失。

在生产线附近安装相关的监控设备可以减少这一现象的发生，但是视频监控系统每日会产生数量众多的视频图像，如果运输状态完全依靠人工去进行识别，不仅工作量显得尤为巨大，而且效率非常低下，另一方面长时间作业会产生疲劳进而带来漏判、错判的现象，难以保证作业的质量，并且存在安全隐患。所以，在对料场皮带运输状态进行分类的工作任务中结合识别率较高的深度学习技术，通过计算机去自我学习进而自动对料流状态进行识别和分类，节省和替代大部分人工工作量，提高工作质量和检查效率。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于神经网络的料场皮带运输监控系统。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种基于神经网络的料场皮带运输监控系统，包括：皮带料流图像获取装置、皮带料流分类网络模型、报警装置；其中：

皮带料流图像获取装置，用于对皮带料流视频图像进行收集，形成皮带料流视频图像的历史数据；还用于实时采集皮带料流运行视频中的当前帧图像，将实时采集皮带料流运行视频中的当前帧图像输入到皮带料流分类网络模型；

皮带料流分类网络模型，通过将皮带料流的图像数据集输入到目标检测网络中进行训练，得到卷积神经网络模型作为料流状态的图像分类器，对实时采集皮带料流运行视频中的当前帧图像进行检测，根据检测结果达到对皮带料流状态进行检测的目的；

报警装置，获取皮带料流分类网络模型对实时采集皮带料流运行视频中的当前帧图像的检测结果，若该帧图像被基于皮带料流状态的目标检测模型检测为无料帧时，实时通过报警方式通知给相关责任人，保证加料的及时处理。

进一步地，皮带料流图像获取装置可以为摄像头，皮带料流图像获取装置对皮带料流视频图像进行收集，形成皮带料流视频图像的历史数据的具体方法为：对皮带料流状态的分类以及标注，将图像进行分类，包括有料情况和无料情况；对每一帧图像进行标注，为图像贴上类别标签，将标注好的数据分为两部分，一部分是训练集，用于训练卷积神经网络模型；另一部分是测试集，用于测试卷积神经网络模型分类效果。

进一步地，皮带料流分类网络模型训练方法包括：S101.将图像数据集中的训练集作为卷积神经网络模型的输入，设置好卷积神经网络训练参数，得到基于料流状态监控的初始卷积神经网络；

S102.将图像数据集中的测试集输入到训练好的初始卷积神经网络模型，通过初始神经网络模型对测试集中的图像进行识别，得到当前图像对应的图像分类，并与测试集中当前图像实际图像分类进行匹配，当匹配准确度大于预设阈值时，即确定当前卷积神经网络模型为料流状态监控的卷积神经网络模型。