[发明专利]混凝土卸料过程操作规范性监测方法及设备

说明书

本发明提供了一种混凝土卸料过程操作规范性监测方法及设备。所述方法包括：提取混凝土卸料操作图像颜色通道的灰度矩阵，对所述灰度矩阵进行边缘信息提取得到颜色通道的特征矩阵，将特征矩阵进行横向拼接得到混凝土卸料操作图像的特征向量；以所述特征向量的元素数量作为训练样本的数量，初始化行为分类模型，为训练样本构建损失函数，根据损失函数构建多层感知机神经元的权重向量的无约束优化，采用反向传播算法计算所述无约束优化的最优解，得到行为分类模型；采用所述行为分类模型对混凝土卸料的操作过程进行监测，确定混凝土卸料过程操作是否规范。本发明可以提高监控混凝土卸料过程操作是否规范的准确性，降低监控成本。

技术领域

本发明实施例涉及混凝土装卸技术领域，尤其涉及一种混凝土卸料过程操作规范性监测方法及设备。

背景技术

在泵车卸料过程中由于一些特定的需求，如增加混凝土流动性、清洗搅拌车等，现场施工人员经常会在卸料的过程中向混凝土中注水，这种注水行为严重影响施工用混凝土的质量，然而施工现场人员复杂，监督困难，目前企业采用设置监督员进行人工监控，导致监控过程存在较大的不确定性，无法确保监控结果的有效性，监控模式也难以进行推广使用。因此，开发一种混凝土卸料过程操作规范性监测方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

发明内容

针对现有技术存在的上述问题，本发明实施例提供了一种混凝土卸料过程操作规范性监测方法及设备。

第一方面，本发明的实施例提供了一种混凝土卸料过程操作规范性监测方法，包括：提取混凝土卸料操作图像颜色通道的灰度矩阵，对所述灰度矩阵进行边缘信息提取得到颜色通道的特征矩阵，将特征矩阵进行横向拼接得到混凝土卸料操作图像的特征向量；以所述特征向量的元素数量作为训练样本的数量，初始化行为分类模型，为训练样本构建损失函数，根据损失函数构建多层感知机神经元的权重向量的无约束优化，采用反向传播算法计算所述无约束优化的最优解，得到行为分类模型；采用所述行为分类模型对混凝土卸料的操作过程进行监测，确定混凝土卸料过程操作是否规范。

在上述方法实施例内容的基础上，本发明实施例中提供的混凝土卸料过程操作规范性监测方法，所述初始化行为分类模型，包括：

其中，f为行为分类模型；为多层感知机神经元的权重向量；x为混凝土卸料操作图像的特征向量；为多层感知机的第m个神经元权重。

在上述方法实施例内容的基础上，本发明实施例中提供的混凝土卸料过程操作规范性监测方法，所述为训练样本构建损失函数，包括：

其中，L为训练样本的损失函数；n为训练样本的数量；为第k个训练样本属于第i个类别的真实概率；为第k个训练样本属于第i个类别的预测概率；为类别总数。

在上述方法实施例内容的基础上，本发明实施例中提供的混凝土卸料过程操作规范性监测方法，所述根据损失函数构建多层感知机神经元的权重向量的无约束优化，包括：

其中，为m维的实数空间；s.t.为约束条件。

在上述方法实施例内容的基础上，本发明实施例中提供的混凝土卸料过程操作规范性监测方法，所述采用反向传播算法计算所述无约束优化的最优解，得到行为分类模型，包括：设定迭代次数最大值，将多层感知机神经元的权重向量初始化，将混凝土卸料操作图像的特征向量输入多层感知机，得到各个节点的输出值；采用反向传播算法更新多层感知机神经元的权重向量，则所述迭代次数最大值对应的多层感知机神经元的权重向量，即为行为分类模型的权重向量。

在上述方法实施例内容的基础上，本发明实施例中提供的混凝土卸料过程操作规范性监测方法，所述采用反向传播算法更新多层感知机神经元的权重向量，包括：