[发明专利]使用概率式信息量表达的智能物料堵塞预警方法

说明书

本申请涉及智慧制造领域下的智慧状态检测，其具体地公开了一种使用概率式信息量表达的智能物料堵塞预警方法。所述智能物料堵塞预警方法通过计算特征图相对于参考特征图的相对信息量的变化情况，来进行基于特征的分类，从而对可能产生的堵塞情况，其中，所述特征图为喂料机在送料过程中的图像的高维特征表示，所述参考特征图为喂料机在正常送料过程中的图像的高维特征表示。

技术领域

本申请涉及智能制造领域中的智能物料堵塞预警，且更为具体地，涉及一种使用概率式信息量表达的智能物料堵塞预警方法、使用概率式信息量表达的智能物料堵塞预警系统和电子设备。

背景技术

在建筑材料的制作过程中，需要使用各种机械进行操作，其中喂料机被广泛用于建材、化工、选矿、煤矿等行业的破碎、筛分生产线中，从而把物料从贮料仓或其它贮料设备中均匀或定量的供给到受料设备中，是实行流水作业自动化的必备设备。

传统的喂料机结构较为简单，在进行送料的过程中极易发生堵塞，堵塞无法自动进行疏堵，且如果堵塞后工作人员未及时进行解决，装置依旧在进料，就会导致堵塞情况更加严重，极易造成机械的损坏，增加制作成本，也为后续流水线加工带来麻烦。

因此，期待一种适于喂料机的物料堵塞预警方案，以在堵塞后能够智能地提示工作人员来进行及时清理。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、语音信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为喂料机的物料堵塞预警提供的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种使用概率式信息量表达的智能物料堵塞预警方法、使用概率式信息量表达的智能物料堵塞预警系统和电子设备，其通过计算特征图相对于参考特征图的相对信息量的变化情况，来进行基于特征的分类，从而对可能产生的堵塞情况，其中，所述特征图为喂料机在送料过程中的图像的高维特征表示，所述参考特征图为喂料机在正常送料过程中的图像的高维特征表示。

根据本申请的一个方面，提供了一种使用概率式信息量表达的智能物料堵塞预警方法，其包括：

获取喂料机在送料过程中的物料传送视频，并从所述物料传送视频中以预定时间间隔截取多个图像帧；

获取参考图像，所述参考图像为所述喂料机在正常送料过程的图像；

将所述多个图像帧和所述参考图像分别通过深度卷积神经网络，以提取出对应于所述多个图像帧的多个送料特征图和对应于所述参考图像的参考特征图；

对于所述多个送料特征图，以类Softmax概率函数分别计算每个所述送料特征图相对于所述参考特征图的信息量，以获得多个信息量的表达值，其中，所述Softmax概率函数用公式表示为：a＝∑exp(xi)/∑exp(yi)，其中a表示信息量，xi是所述送料特征图中每个位置的特征值，yi是所述参考特征图中每个位置的特征值；

将所述多个信息量的表达值以所述多个图像帧的顺序构造为特征向量；

将所述特征向量通过深度神经网络，以从所述特征向量中提取出各个位置的特征值之间的按时序的关联特征，以获得时序特征向量；

将所述时序特征向量通过分类器，以获得分类结果，所述分类结果用于表示是否有可能发生所述喂料机在送料过程中的物料堵塞。

在根据本申请的使用概率式信息量表达的智能物料堵塞预警方法中，将所述多个信息量的表达值以所述多个图像帧的顺序构造为特征向量，包括：对所述多个信息量的表达值进行归一化处理；以及，将归一化后的所述多个信息量的表达值以所述多个图像帧的顺序构造为特征向量。