国产真实乱全部视频,黄色片视频在线免费观看,密臀av一区二区三区,av黄色一级,中文字幕.com,日本a级网站,在线视频观看91

無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng)及方法與流程

文檔序號(hào):42276000發(fā)布日期:2025-06-27 18:08閱讀:7來源:國知局

本技術(shù)涉及料堆邊界檢測(cè),具體涉及一種無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng)及方法。


背景技術(shù):

1、在現(xiàn)代工業(yè)生產(chǎn)中,尤其是在煤炭、礦石等散料的存儲(chǔ)與搬運(yùn)領(lǐng)域,斗輪堆取料機(jī)是一種重要的大型機(jī)械設(shè)備,廣泛應(yīng)用于港口、礦山、電廠等場(chǎng)所。傳統(tǒng)的斗輪堆取料機(jī)主要依靠人工操作,操作人員需時(shí)刻關(guān)注料堆的狀態(tài)和設(shè)備的運(yùn)行情況,以確保取料和堆料作業(yè)的順利進(jìn)行。然而,這種人工操作方式存在諸多弊端。一方面,操作人員的工作環(huán)境往往較為惡劣,粉塵、噪音等污染嚴(yán)重,對(duì)操作人員的身體健康構(gòu)成威脅;另一方面,人工操作的效率和準(zhǔn)確性在很大程度上依賴于操作人員的經(jīng)驗(yàn)和技能水平,容易出現(xiàn)操作失誤,導(dǎo)致生產(chǎn)效率低下,并且難以滿足大規(guī)模、高效率的生產(chǎn)需求。

2、隨著工業(yè)自動(dòng)化和智能化技術(shù)的不斷發(fā)展,無人值守斗輪堆取料機(jī)應(yīng)運(yùn)而生。無人值守斗輪堆取料機(jī)能夠?qū)崿F(xiàn)自動(dòng)堆料和取料作業(yè),減少人工干預(yù),提高生產(chǎn)效率和安全性。而在無人值守斗輪堆取料機(jī)的運(yùn)行過程中,準(zhǔn)確檢測(cè)料堆邊界是實(shí)現(xiàn)自動(dòng)作業(yè)的關(guān)鍵技術(shù)之一。料堆邊界的準(zhǔn)確檢測(cè)能夠幫助設(shè)備精確控制斗輪的位置和運(yùn)動(dòng)軌跡,避免過度取料或堆料不足的情況發(fā)生,從而提高物料的利用率,降低生產(chǎn)成本。

3、目前,針對(duì)料堆邊界檢測(cè)的方法有多種,如基于視覺圖像的檢測(cè)方法、基于激光掃描的檢測(cè)方法以及基于雷達(dá)掃描的檢測(cè)方法等?;诩す鈷呙璧姆椒m然精度較高,但設(shè)備成本昂貴,掃描范圍有限,且容易受到惡劣天氣和粉塵等環(huán)境因素的影響;基于視覺圖像的方法則存在對(duì)光照條件敏感、圖像易受遮擋等問題,導(dǎo)致檢測(cè)結(jié)果的準(zhǔn)確性和可靠性難以保證;而基于雷達(dá)掃描的檢測(cè)方法雖然具有較大的掃描范圍和較強(qiáng)的環(huán)境適應(yīng)性,但雷達(dá)數(shù)據(jù)的處理和分析相對(duì)復(fù)雜,傳統(tǒng)雷達(dá)數(shù)據(jù)處理方式往往依賴于簡單的幾何規(guī)則或閾值設(shè)定,難以準(zhǔn)確捕捉復(fù)雜多變的料堆形狀和精細(xì)的邊界信息,可能導(dǎo)致料堆邊界檢測(cè)結(jié)果的精度不足。

4、因此,期待一種優(yōu)化的無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng)及方法。


技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的實(shí)施例旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一,提供一種無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng)及方法,其利用雷達(dá)設(shè)備對(duì)目標(biāo)料堆進(jìn)行掃描以獲取目標(biāo)料堆的點(diǎn)云數(shù)據(jù),對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行坐標(biāo)系變換和濾波處理之后,采用深度學(xué)習(xí)算法對(duì)預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行基于局部窗口的幾何特征提取,以挖掘出目標(biāo)料堆的局部形狀信息,進(jìn)而通過對(duì)各個(gè)局部窗口下的目標(biāo)料堆幾何特征進(jìn)行基于核心信息的聚合分析,以捕獲目標(biāo)料堆的全局形狀特征和邊界信息,從而通過語義分割技術(shù)實(shí)現(xiàn)對(duì)目標(biāo)料堆邊界的自動(dòng)檢測(cè)。通過這種方式,能夠克服傳統(tǒng)雷達(dá)數(shù)據(jù)處理方式的不足,實(shí)現(xiàn)對(duì)料堆邊界信息的準(zhǔn)確檢測(cè),為斗輪堆取料機(jī)的自動(dòng)化作業(yè)提供有力支持。

2、一方面,本技術(shù)的實(shí)施例提供一種無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)方法,包括:

3、利用雷達(dá)設(shè)備對(duì)目標(biāo)料堆進(jìn)行掃描以得到原始點(diǎn)云數(shù)據(jù);

4、對(duì)所述原始點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理以得到預(yù)處理后點(diǎn)云數(shù)據(jù);

5、對(duì)所述預(yù)處理后點(diǎn)云數(shù)據(jù)進(jìn)行基于局部窗口的幾何特征提取以得到窗口幾何特征語義編碼特征矩陣的集合;

6、對(duì)所述窗口幾何特征語義編碼特征矩陣的集合進(jìn)行基于核心信息匯聚的料堆幾何特征聚合分析以得到目標(biāo)料堆幾何特征聚合編碼矩陣;

7、對(duì)所述目標(biāo)料堆幾何特征聚合編碼矩陣進(jìn)行語義分割以得到料堆邊界識(shí)別結(jié)果。

8、可選地,所述原始點(diǎn)云數(shù)據(jù)中各個(gè)數(shù)據(jù)點(diǎn)為極坐標(biāo)系下料堆表面的距離-角度信息。

9、可選地,對(duì)所述原始點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理以得到預(yù)處理后點(diǎn)云數(shù)據(jù),包括:

10、將所述原始點(diǎn)云數(shù)據(jù)轉(zhuǎn)化至料場(chǎng)坐標(biāo)系下以得到坐標(biāo)系變換點(diǎn)云數(shù)據(jù);

11、對(duì)所述坐標(biāo)系變換點(diǎn)云數(shù)據(jù)進(jìn)行均值濾波和/或高斯濾波以得到所述預(yù)處理后點(diǎn)云數(shù)據(jù)。

12、可選地,對(duì)所述預(yù)處理后點(diǎn)云數(shù)據(jù)進(jìn)行基于局部窗口的幾何特征提取以得到窗口幾何特征語義編碼特征矩陣的集合,包括:

13、將所述預(yù)處理后點(diǎn)云數(shù)據(jù)劃分為若干個(gè)窗口以得到窗口點(diǎn)云數(shù)據(jù)的集合;

14、對(duì)所述窗口點(diǎn)云數(shù)據(jù)的集合中的各個(gè)窗口點(diǎn)云數(shù)據(jù)進(jìn)行二維卷積編碼以得到所述窗口幾何特征語義編碼特征矩陣的集合。

15、可選地,對(duì)所述窗口幾何特征語義編碼特征矩陣的集合進(jìn)行基于核心信息匯聚的料堆幾何特征聚合分析以得到目標(biāo)料堆幾何特征聚合編碼矩陣,包括:

16、將所述窗口幾何特征語義編碼特征矩陣的集合輸入信息核粗粒度匯聚網(wǎng)絡(luò)以得到目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣;

17、計(jì)算所述窗口幾何特征語義編碼特征矩陣的集合中的各個(gè)窗口幾何特征語義編碼特征矩陣相對(duì)于所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣的核匯聚補(bǔ)償因子以得到目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子的集合;

18、基于所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子的集合,對(duì)所述窗口幾何特征語義編碼特征矩陣的集合和所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣進(jìn)行語義補(bǔ)償匯聚編碼以得到所述目標(biāo)料堆幾何特征聚合編碼矩陣。

19、可選地,計(jì)算所述窗口幾何特征語義編碼特征矩陣的集合中的各個(gè)窗口幾何特征語義編碼特征矩陣相對(duì)于所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣的核匯聚補(bǔ)償因子以得到目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子的集合,包括:

20、對(duì)所述窗口幾何特征語義編碼特征矩陣和所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣分別進(jìn)行基于sigmoid激活函數(shù)的點(diǎn)卷積編碼以得到標(biāo)準(zhǔn)化窗口幾何特征語義編碼特征矩陣和標(biāo)準(zhǔn)化目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣;

21、計(jì)算所述標(biāo)準(zhǔn)化窗口幾何特征語義編碼特征矩陣和所述標(biāo)準(zhǔn)化目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣之間的按位置差分矩陣,并對(duì)所述按位置差分矩陣取絕對(duì)值以得到目標(biāo)料堆幾何特征語義核匯聚差異補(bǔ)償編碼矩陣;

22、將所述目標(biāo)料堆幾何特征語義核匯聚差異補(bǔ)償編碼矩陣輸入基于神經(jīng)網(wǎng)絡(luò)層的補(bǔ)償特征重要性評(píng)分模塊以得到所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子。

23、可選地,將所述目標(biāo)料堆幾何特征語義核匯聚差異補(bǔ)償編碼矩陣輸入基于神經(jīng)網(wǎng)絡(luò)層的補(bǔ)償特征重要性評(píng)分模塊以得到所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子,包括:

24、使用權(quán)重參數(shù)向量乘以所述目標(biāo)料堆幾何特征語義核匯聚差異補(bǔ)償編碼矩陣,并將相乘結(jié)果加上偏置項(xiàng)以得到目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償特征調(diào)制向量;

25、將所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償特征調(diào)制向量乘以目標(biāo)料堆幾何特征語義補(bǔ)償特征重要性評(píng)分轉(zhuǎn)換向量以得到所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子。

26、可選地,使用權(quán)重參數(shù)向量乘以所述目標(biāo)料堆幾何特征語義核匯聚差異補(bǔ)償編碼矩陣,并將相乘結(jié)果加上偏置項(xiàng)以得到目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償特征調(diào)制向量,包括:

27、計(jì)算所述窗口幾何特征語義編碼特征矩陣的歐幾里得范數(shù)與所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣的歐幾里得范數(shù)之間的比值,若所述比值小于1,則將所述比值加一后計(jì)算以2為底的對(duì)數(shù)值作為所述偏置項(xiàng);

28、若所述比值大于等于1,則將所述比值作為所述偏置項(xiàng)。

29、可選地,基于所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子的集合,對(duì)所述窗口幾何特征語義編碼特征矩陣的集合和所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣進(jìn)行語義補(bǔ)償匯聚編碼以得到所述目標(biāo)料堆幾何特征聚合編碼矩陣,包括:

30、對(duì)所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償因子的集合進(jìn)行基于門控函數(shù)的補(bǔ)償顯性建模以得到目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償權(quán)重因子的集合;

31、將所述目標(biāo)料堆幾何特征語義核匯聚補(bǔ)償權(quán)重因子的集合、所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣和所述窗口幾何特征語義編碼特征矩陣的集合輸入節(jié)點(diǎn)細(xì)粒度動(dòng)態(tài)補(bǔ)償匯聚網(wǎng)絡(luò)以得到目標(biāo)料堆幾何特征細(xì)粒度語義補(bǔ)償匯聚編碼矩陣;

32、將所述目標(biāo)料堆幾何特征細(xì)粒度語義補(bǔ)償匯聚編碼矩陣和所述目標(biāo)料堆幾何特征粗粒度語義匯聚編碼矩陣輸入殘差單元以得到所述目標(biāo)料堆幾何特征聚合編碼矩陣。

33、另一方面,本技術(shù)提供一種無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng),包括:

34、原始點(diǎn)云數(shù)據(jù)采集模塊,用于利用雷達(dá)設(shè)備對(duì)目標(biāo)料堆進(jìn)行掃描以得到原始點(diǎn)云數(shù)據(jù);

35、數(shù)據(jù)預(yù)處理模塊,用于對(duì)所述原始點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理以得到預(yù)處理后點(diǎn)云數(shù)據(jù);

36、幾何特征提取模塊,用于對(duì)所述預(yù)處理后點(diǎn)云數(shù)據(jù)進(jìn)行基于局部窗口的幾何特征提取以得到窗口幾何特征語義編碼特征矩陣的集合;

37、特征聚合分析模塊,用于對(duì)所述窗口幾何特征語義編碼特征矩陣的集合進(jìn)行基于核心信息匯聚的料堆幾何特征聚合分析以得到目標(biāo)料堆幾何特征聚合編碼矩陣;

38、語義分割模塊,用于對(duì)所述目標(biāo)料堆幾何特征聚合編碼矩陣進(jìn)行語義分割以得到料堆邊界識(shí)別結(jié)果。

39、與現(xiàn)有技術(shù)相比,本技術(shù)提供的無人值守斗輪堆取料機(jī)的料堆邊界自動(dòng)檢測(cè)系統(tǒng)及方法,其利用雷達(dá)設(shè)備對(duì)目標(biāo)料堆進(jìn)行掃描以獲取目標(biāo)料堆的點(diǎn)云數(shù)據(jù),對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行坐標(biāo)系變換和濾波處理之后,采用深度學(xué)習(xí)算法對(duì)預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行基于局部窗口的幾何特征提取,以挖掘出目標(biāo)料堆的局部形狀信息,進(jìn)而通過對(duì)各個(gè)局部窗口下的目標(biāo)料堆幾何特征進(jìn)行基于核心信息的聚合分析,以捕獲目標(biāo)料堆的全局形狀特征和邊界信息,從而通過語義分割技術(shù)實(shí)現(xiàn)對(duì)目標(biāo)料堆邊界的自動(dòng)檢測(cè)。通過這種方式,能夠克服傳統(tǒng)雷達(dá)數(shù)據(jù)處理方式的不足,實(shí)現(xiàn)對(duì)料堆邊界信息的準(zhǔn)確檢測(cè),為斗輪堆取料機(jī)的自動(dòng)化作業(yè)提供有力支持。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1