[发明专利]一种非专业化码头矿石堆垛苫盖智能检测方法

权利要求书

1.一种非专业化码头矿石堆垛苫盖智能检测方法，其特征在于，包括以下步骤：

S1、对待监测区域网格化划分，采集监测数据及图像；

S2、基于监测数据及图像，构建训练集，构建并训练卷积神经网络及分类器；

S3、基于训练后的卷积神经网络，对监测图像识别，获取非苫盖面积占比，将其与预设值作比，若小于预设值，则苫盖正常，若大于预设值，则进行下一步；

S4、基于训练后的分类器，判断非苫盖范围是否为作业状态，若是，则结束检测，若否，则报警；

所述步骤S1具体包括：

S11、对待监测区域进行网格化划分，对网格进行编号，基于监测点，获取每个网格的监测角度、监测距离、焦距、网格长度和宽度；

S12、将网格与其相邻网格设为关联网格；

S13、预设每个网格监测时间步长和次序，采集每个网格的图像，所述图像内包括堆垛和/或作业机械；

S14、建立图片尺寸与实际尺寸的比例关系；

所述步骤S4具体包括：

S41、对发出是否作业状态判断处理需求的网格，调取该网格及其关联网格，进行作业机械进行抓斗向下倾倒状态识别，若未出现该状态，则判定为未进行作业，则进行报警，若出现，则进行下一步；

S42、对该网格及其关联网格进行数据处理，计算所采集堆垛网格图像中非苫盖物料颜色出现边缘点与作业机械中心点的实际距离；

S43、若该实际距离小于预设值，则认为当前堆垛正在进行作业，取消预警，若实际距离大于预设值，则认为该作业与堆垛无关，堆垛为非作业状态下未苫盖，发出报警。

2.根据权利要求1所述的一种非专业化码头矿石堆垛苫盖智能检测方法，其特征在于，所述步骤S2具体包括：

S21、基于不同网格采集的不同光照条件下的苫盖、未苫盖和无堆垛图像，构建图像颜色识别训练集；

S22、构建卷积神经网络，以未苫盖物料颜色为特征目标训练集对卷积神经网络进行训练，使其识别不同颜色；

S23、采集堆垛装卸作业机械图像，选择不同光线条件下作业机械不同状态的图像，构建作业状态训练集，基于AlexNet算法训练作业机械作业状态分类器。

3.根据权利要求1所述的一种非专业化码头矿石堆垛苫盖智能检测方法，其特征在于，所述步骤S3具体包括：

S31、基于训练后的卷积神经网络，对每个网格的图像进行识别，获取该网格区域内的非苫盖物料颜色在该网格的面积占比；

S32、设定占比报警阈值，判断当前网格区域内非苫盖物料颜色面积占比是否大于占比报警阈值，若否，则判断堆垛已苫盖，若是，则判断是否为作业区域。