[发明专利]智能动态称重方法与系统

说明书

本发明提供了一种智能动态称重方法和系统，从物品称重的瞬态响应入手，提高物品输送至称重装置时测量信号的超调量，大幅增加了物品称重的动态灵敏度。因为物品输送至动态称重装置的时刻随机，动态称重谐振系统受到输送物品的冲击，从而改变动态称重系统的输出波形，特别是波形中的超调量随着输送时刻的不同而变化。因此提出了一种基于深度学习，利用神经网络的图像识别与处理的智能称重学习算法，针对不同时刻和不同物品重量的瞬态响应曲线进行学习，用于提高其测量准确度。

技术领域

本发明涉及动态精密称重领域，具体地，涉及智能动态称重方法与系统，尤其是一种针对物品超高准确度称量的智能动态称重方法与系统。

背景技术

微量物品动态称重系统契合了当前超高准确度行业在线检测工作的需求，提供了一种可行的超高准确度称重方法。微量物品动态称重系统集合物体单元的检测、分离功能，系统要求称重传感器具有高灵敏度、低响应时间的特性，保证快速、动态的物品称重过程的准确性、稳定性。

为了提高称量准确度，传统的方法是对动态过程当中的稳态数据进行处理，由于物品给予称重传感器的瞬态响应非常的复杂，传统方法无法进行处理。传统方法针对物品的稳态输出进行处理，以此来校核物品的重量。

其中，由于输送带、滚轮等拥有一定的基础重量，这导致所选择的负荷传感器需要较大的量程才能够满足要求，在要求高速高精度的称量过程中，传统的针对稳态输出进行拟合补偿并不能够完全补偿称重传感器的非线性输出。

因此，现有的动态称重方法仅针对物品稳态信号进行误差的处理，但由于传感器的量程限制，称重过程中会出现一定的误差，无法达到高速输送之中精确称重的目的。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种智能动态称重方法与系统。

根据本发明提供的一种智能动态称重方法，包括：

步骤S0，建立自激振荡稳定的带有输送带的动态称重机构，并建立动态称重机构的三维模型，通过仿真得到动态称重机构响应物品冲击时冲击响应超调部分的曲线图像；

步骤S1,对曲线图像进行图像特征提取，将提取到的特征向量和对应的物品重量进行对应，得到包含特征向量和真值的矩阵，作为训练集的组成部分；

步骤S2，利用训练集，对深度学习神经网络模型进行训练，得到所需的深度学习神经网络模型；

步骤S3，根据所需的深度学习神经网络模型，在现场采集物品对输送带冲击响应超调部分的图像，并将该图像输入至所述所需的深度学习神经网络模型，输出所述物品重量的估算值。

根据本发明提供的一种智能动态称重系统，包括：

样本生产单元，通过在三维虚拟环境中，随机生产已知体积的物品下落至输送带，将得到的相关冲击响应曲线作为图像样本；

模型学习单元，将得到的图像样本作为输入，已知的物品重量作为输出，这样的数据作为训练集输入给原始深度学习神经网络模型，并根据学习结果进行深度学习神经网络模型的权值参数的调整，得到调整后的深度学习神经网络模型；

模型验证单元，将所述调整后的深度学习神经网络模型迁移至真实环境进行现场验证，根据验证结果对权值参数的值进行调整，得到所需的深度学习神经网络模型。

估算单元，根据所需的深度学习神经网络模型，在现场采集物品对输送带冲击响应超调部分的图像，并将该图像输入至所述所需的深度学习神经网络模型，输出所述物品重量的估算值。

优选地，深度学习的方式为：

步骤S01,在三维虚拟环境中，随机生成的物品单元输送至输送带中，将采集到的信号冲击曲线图像作为图像样本；