[发明专利]基于单目视觉自动标签的液压支架推进度检测方法及系统

说明书

本发明提供了一种基于单目视觉自动标签的液压支架推进度检测方法及系统，方法包括：将摄像头安装在液压支架上，摄像头俯拍液压支架的推移杆，在推移杆的两端的液压支架底座和刮板运输机十字头上分别设置标识1和标识2；构建十层由一维卷积层Conv1D(M，N)组成的深度残差网络模型；将构建深度神经网络模型置于控制器的GPU单元中，控制器定时读取摄像头的图像信息、摄像头的位置信息和推移杆的推移距离送入深度神经网络模型，对深度神经网络模型进行训练；控制器读取摄像头的图像信息和摄像头的位置信息，作为输入信号送入训练好的深度神经网络模型，即可输出推移杆的推移距离。本发明方法无需标定、无需人工提供标签、可在线训练。

技术领域

本发明涉及一种基于机器视觉的检测方法，具体的说，涉及了一种基于单目视觉自动标签的液压支架推进度检测方法及系统。

背景技术

液压支架是煤矿井下工作面安全支护的核心设备。在工作面中，液压支架会在采煤机的截割煤壁后，往前推移刮板运输机，从而将工作面往回采方向推进。

在工作面回采过程中，刮板运输机的直线度直接决定了采煤机滚筒截割煤壁的厚度，进而确定割煤机单刀的采煤量。由于刮板运输机的直线度是由液压支架推移油缸确定，因此其直线度就确定了液压支架的空间分布。如果工作面直线度不好，有可能造成工作面安全支护失稳，导致安全事故。因此，工作面直线度检测是煤矿井下需要解决的重点难题。

工作面的直线度检测主要的方法有惯性导航装置检测、位移传感器检测两类。但是惯性导航检测成本高，且检测的工作面直线度仅为上一刀采煤机的运行轨迹，而非实时的工作面直线度，一定程度上没有发挥惯性导航装置的作用。而位移传感器检测方法主要是通过激光或声呐传感器，检测液压支架与刮板运输机的相对位移。这类方法需要在每一个液压液压支架前端安装一个位移传感器，从而确认整个工作面的直线度。由于落煤、浮煤等影响，这类传感器在使用过程中，容易被损坏或者出现数据错误。

也有基于机器视觉的直线度检测方法，其核心是通过摄像头检测液压支架的推移油缸的推进度。然而，在机器视觉领域，单目摄像头的检测位置通常可以采用相机内参数与世界坐标系标定的办法，通过拍摄的视频图像信息的像素来反演距离。然而，单目摄像头可以在水平轴和俯仰轴两个维度上动作，因此不能用单目摄像头的标定方法来确定动态不同角度情况下的成像畸变。此外，在液压支架的推进过程中，单目摄像头相对于地面的位置也会发生变化，从而导致摄像头拍摄环境出现很大的差异。因此，采用单目摄像头，通过标定的方法无法实现液压支架推移行程的精确检测。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于单目视觉自动标签的液压支架推进度检测方法及系统。

为了实现上述目的，本发明所采用的技术方案是：

本发明第一方面提供了一种基于单目视觉自动标签的液压支架推进度检测方法，包括：

部署检测系统

将摄像头安装在液压支架上，使得摄像头的水平面0度线为液压支架顶梁中线，摄像头的俯仰面与液压支架顶梁垂直，摄像头的俯仰面0度线为液压支架顶梁中线；

摄像头俯拍液压支架的推移杆，在推移杆的两端的液压支架底座和刮板运输机十字头上分别设置标识1和标识2；

构建深度神经网络模型

构建十层由一维卷积层Conv1D(M，N)组成的深度残差网络模型，其中，M表示输入的通道数，N表示输出通道数，第一层卷积层为Conv1D(3，64)，第二层卷积层为Conv1D(64，128)，第三层卷积层为Conv1D(128，128)，第四层卷积层为Conv1D(128，64)，第五层卷积层为Conv1D(64，64) ，第六层卷积层为Conv1D(64，32) ，第七层卷积层为Conv1D(32，32) ，第八层卷积层为Conv1D(32，4) ，第九层卷积层为Conv1D(4，2) ，第十层卷积层为Conv1D(2，4)；