[发明专利]一种辅门堵料的检测方法

权利要求书

1.一种辅门堵料的检测方法，其特征在于，包括：

在辅门落料区域安装相机；

采集一段时间内多张辅门下方的现场图像；

对多张所述现场图像进行预处理；

对预处理后的现场图像标记标签，得到标记图像集；所述标签包括堵大块标签和正常标签；

构建堵大块图像识别残差神经网络模型，利用所述标记图像集对所述堵大块图像识别残差神经网络模型进行训练和验证；

将按照固定频率采集到的所述现场图像输入到训练和验证后的所述堵大块图像识别残差神经网络模型中，检测所述辅门落料区域是否发生堵料，输出检测结果；所述检测结果包括所述辅门落料区域发生堵料和所述辅门落料区域未发生堵料。

2.根据权利要求1所述的辅门堵料的检测方法，其特征在于，所述对多张现场图像进行预处理步骤中的所述预处理包括：

对所述现场图像进行尺寸调整，调整为设定像素尺寸；

对所述现场图像进行亮度调整；

对调整后的现场图像进行平滑去噪处理。

3.根据权利要求1所述的辅门堵料的检测方法，其特征在于，当所述检测结果为所述辅门落料区域发生堵料时，进行堵料报警。

4.根据权利要求1所述的辅门堵料的检测方法，其特征在于，将所述标记图像集分为训练集和验证集；

所述构建堵大块图像识别残差神经网络模型，利用标记图像集对堵大块图像识别残差神经网络进行训练和验证步骤，包括：

构建堵大块图像识别残差神经网络模型，所述堵大块图像识别残差神经网络模型包括输入层、多个残差块、全连接层、分类器和输出层；

对所述残差块中的参数进行初始化；

将所述训练集内的所述标记图像通过输入层输入到所述残差块内，进行标准化运算和正则化运算后，输出图像运算数据；每个所述残差块输出的所述图像运算数据均作为下一个所述残差块的输入数据，遍历所有所述残差块；

将最后一个所述残差块输出的所述图像运算数据输入到所述全连接层内，进行标准化运算后，输出多维特征矩阵；

将所述多维特征矩阵输入到所述分类器中进行分类，通过所述输出层输出检测结果；

将所述检测结果与所述标记图像的标签作比对，得到比对结果；

根据所述比对结果，对所述残差块的所述参数进行修正，直到所述训练集内的所有所述标记图像使用完，结束训练；

将所述验证集的所有所述标记图像输入训练后的所述堵大块图像识别残差神经网络模型，对所述堵大块图像识别残差神经网络模型进行验证；

如果验证通过，得到训练和验证后的所述堵大块图像识别残差神经网络模型。

5.根据权利要求4所述的辅门堵料的检测方法，其特征在于，所述残差块包括卷积层和池化层；所述卷积层的输出作为所述池化层的输入，所述池化层的输出作为所述残差块的输出；所述卷积层用于对输入的所述标记图像进行标准化运算和正则化运算，输出所述图像运算数据；所述池化层用于对所述卷积层输出的所述图像运算数据进行降维处理。

6.根据权利要求5所述的辅门堵料的检测方法，其特征在于，所述将验证集的所有标记图像输入训练后的堵大块图像识别残差神经网络模型，对堵大块图像识别残差神经网络模型进行验证步骤，包括：

将所述验证集的所有所述标记图像输入训练后的所述堵大块图像识别残差神经网络模型，输出所述检测结果；

将所述检测结果输入损失函数，得到损失率；

判断所述损失率是否小于或等于目标损失值；

如果所述损失率大于目标损失值，继续对所述堵大块图像识别残差神经网络模型进行训练；

如果所述损失率小于或等于所述目标损失值，停止训练。