(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211061792.4 (22)申请日 2022.09.01 (71)申请人 沈阳中科奥 维科技股份有限公司 地址 110179 辽宁省沈阳市 浑南区高歌路 6-2号 (72)发明人 王智强　姚江　薛印波　杨希珞　 王长瑜　翟磊　王凯富　 (74)专利代理 机构 沈阳科苑专利商标代理有限 公司 210 02 专利代理师 王倩 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06Q 10/00(2012.01) G06Q 50/02(2012.01) G08B 21/24(2006.01) G08B 25/08(2006.01) (54)发明名称 基于深度学习和机器视觉的破碎口蓬料检 测方法 (57)摘要 本发明属于破碎口蓬料检测技术领域， 具体 为1.基于深度学习和机器视觉的破碎口蓬料检 测方法， 包括以下步骤： 采集破碎站内含有破碎 口的破碎口图像； 对于每个破碎口图像， 对露出 的破碎口进行标记构成数据集； 根据数据集对神 经网络模型进行训练， 得到破碎口识别模型； 实 时采集破碎口图像， 并通过破碎口识别模型识别 出破碎口， 再通过破碎口蓬料识别算法进行实时 的破碎口蓬料检测本发明解决了传统方法只能 靠人眼识别破碎口蓬料的问题， 为破碎站无人值 守提供基础支撑 。 权利要求书2页 说明书6页 附图4页 CN 115439782 A 2022.12.06 CN 115439782 A 1.基于深度学习和机器视 觉的破碎口蓬 料检测方法， 其特 征在于， 包括以下步骤： 采集破碎 站内含有破碎口 的破碎口图像； 对于每个破碎口图像， 对露出的破碎口进行 标记构成数据集； 根据数据集对神经网络模型进行训练， 得到破碎口识别模型； 实时采集破碎 口图像， 并通过破碎口识别模型识别出破碎口， 再通过破碎口蓬料识别 算法进行实时的破碎口蓬 料检测。 2.根据权利要求1所述的基于深度学习和机器视觉的破碎口蓬料检测方法， 其特征在 于， 所述对露出的破碎口进行 标记， 包括以下步骤： 对露出的破碎口进行 标记， 得到破碎口图像带有标记信息的XML文件； 所述标记信息用于表示破碎口在图像上的位置 。 3.根据权利要求1所述的基于深度学习和机器视觉的破碎口蓬料检测方法， 其特征在 于， 所述根据数据集对神经网络模型进行训练前， 对数据集进行 预处理， 包括以下步骤： 在数据集中， 分别将训练集和验证集中带 标记信息的文件转 为CSV文件； 分别将训练集和验证集中的CSV文件转 为TFRecord格式文件； 作成PBTXT 文件， 所述PBTXT 文件包括需要识别的破碎口名称。 4.根据权利要求1所述的基于深度学习和机器视觉的破碎口蓬料检测方法， 其特征在 于， 所述根据数据集对神经网络模型进行训练， 包括以下步骤： 将TFRecord格式文件、 PBTXT 文件导入神经网络模型， 通过训练得到训练结果文件； 根据训练结果文件生成固化好的用于表达神经网络模型的冻结推理图文件， 以完成训 练。 5.根据权利要求1所述的基于深度学习和机器视觉的破碎口蓬料检测方法， 其特征在 于， 所述结合破碎口蓬 料识别算法进行实时的破碎口蓬 料监测， 执 行以下步骤： 5‑1、 设置参数； 5‑2、 重置识别次数为0； 5‑3、 对于识别出有破碎口出现的实时破碎口图像， 判断识别率是否大于等于H， 若是则 进行下一步， 否则返回步骤5 ‑2； 5‑4、 识别次数加1； 5‑5、 判断识别次数是否大于轻报警检查次数M， 如果是则进行下一步， 否则开始步骤5 ‑ 7； 5‑6、 触发破碎口蓬 料轻度报警； 5‑7、 判断识别次数 是否大于 重报警检查次数N， 如果是则进行 下一步， 否则返回5 ‑3； 5‑8、 触发破碎口蓬 料重度报警， 返回步骤5 ‑3。 6.根据权利要求1所述的基于深度学习和机器视觉的破碎口蓬料检测方法， 其特征在 于， 所述设置参数， 具体如下： 初始化破碎口识别率为H， 轻报警检查次数为M， 重报警检查次数为N； 识别率用于表示 所采集图像结合冻结推理图文件对于识别对象的匹配程度， 最大值是1， 代表识别对象完全 匹配； 最小值是0， 代 表识别对象完全不匹配； 轻报警， 用于表示破碎口被覆盖时间不长， 随着矿石不断进入破碎口， 破碎口有可能恢 复正常状态,使轻报警信号传输给用于自动翻卸料控制的破碎口自动控制系统；权　利　要　求　书 1/2 页 2 CN 115439782 A 2重报警， 用于表示破碎口被覆盖时间较长， 破碎口已经不能恢复正常状态， 处于蓬料状 态， 使重报警信号传输给远程控制中心， 提 示人工处 理。 7.基于深度学习和机器视 觉的破碎口蓬 料检测装置， 其特 征在于， 包括： 破碎口图像获取与处理模块， 用于获取破碎站内含有破碎口的每个破碎口图像， 对露 出的破碎口进行 标记， 构成数据集； 破碎口识别模型构建模块， 用于根据数据集对神经网络模型进行训练， 得到破碎口识 别模型； 破碎口蓬料检测模块， 用于实时采集破碎口图像， 并通过破碎口识别模型识别出破碎 口， 再结合破碎口蓬 料识别算法进行实时的破碎口蓬 料检测。 8.基于深度学习和机器视觉的破碎口蓬料检测装置， 其特征在于， 包括存储器和处理 器； 所述存储器， 用于存储计算机程序； 所述处理器， 用于 当执行所述计算机程序时， 实现如 权利要求1 ‑6任一项所述的基于深度学习和机器视 觉的破碎口蓬 料检测方法。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 当所述 计算机程序被处理器执行时， 实现如权利要求1 ‑6任一项所述的基于深度学习和机器视觉 的破碎口蓬 料检测方法。权　利　要　求　书 2/2 页 3 CN 115439782 A 3