[发明专利]深层次自我学习网络实现矿车空满状态的检测方法和系统

摘要

本发明公开了一种深层次自我学习网络实现矿车空满状态的检测方法，包括以下步骤：输入多个矿车或非矿车的状态图像并存储为样本库；对样本库进行衍生扩充；构建深层次学习网络对监控图像进行采集，依据衍生扩充后的样本库对监控图像进行分析比对，将监控图像与样本库内存储的矿车空状态图像、矿车满状态图像分别和矿车状态图像比对差别，根据比对差别将图像存入样本库中矿车空状态图像样本库、矿车满状态图像样本库或非矿车状态图像样本库；将采集的图像进行衍生扩充样本库的相应样本库中。本发明具有如下优点：能准确地通过摄像头监控，检测出矿车载矿的空满状态，减少人工干预，实现矿车作业自动化管理。

主权项

1.一种深层次自我学习网络实现矿车空满状态的检测方法，其特征在于，包括以下步骤：A.输入多个矿车空状态图像、多个矿车满状态图像和多个非矿车状态图像并存储作为初始的样本库；B.对初始样本库进行衍生扩充；C.构建深层次学习网络对监控图像进行采集，依据衍生扩充后的所述样本库对所述监控图像进行分析比对，将所述监控图像分别与所述多个矿车空状态图像、所述多个矿车满状态图像和所述多个非矿车状态图像比对差别，根据所述比对差别将所述图像存入所述样本库中矿车空状态图像样本库、矿车满状态图像样本库或非矿车状态图像样本库，其中，在步骤C中，具体包括：C1.选取连续N帧的视频帧分为三个通道分别进行颜色位移、形状位移和亮度信息进行提取，其中，颜色位移指对N帧所述视频帧像素的RGB通道进行逐帧差分，并求取差分后所述RGB通道的均值，形状位移指获取监控所述视频帧运动部分的位置变化，亮度信息指直接记录所述视频帧各帧的灰度值；C2.将三个所述通道的通道信息两两进行卷积并求取极值；C3.读取所述矿车空状态图像样本库、所述矿车满状态图像样本库和非矿车状态图像样本库计算与所述极值的差别，将所述视频帧存入与所述矿车空状态图像样本库、所述矿车满状态图像样本库和非矿车状态图像样本库中差别值最小的样本库中；以及D.将采集的所述图像进行衍生扩充所述样本库的相应样本库中。