[发明专利]一种基于EfficientDet网络的深度学习矿石大小测量方法及预警系统

权利要求书

1.一种基于EfficientDet网络的深度学习矿石大小测量方法及预警系统，用在矿业中检测矿石尺度，并对超过阈值大小的矿石块进行智能化处理，其特征的具体步骤如下：

S1、数据获取阶段：通过高速摄像头拍摄流动皮带上矿石，将视频流的关键帧存储为图片;

S2、数据预处理阶段：将图像进行手工标注，检测并剔除异常的矿石图片；将获取到的矿石图片按7：2：1分为训练图片、验证图片和测试图片；对矿石图片进行数据增强提高泛化能力;

S3、创建与训练网络阶段：使用EfficientNet网络作为骨干，创建EfficientDet目标检测网络，使用训练数据集得到网络模型；

S4、测试阶段：使用训练完成的EfficientDet网络模型进行测试，将得到的预测框用于定位出矿石的位置并通过摄像头的焦距、摄像头距离皮带的距离以及图像大小计算出矿石的尺度；

S5、提醒阶段：根据系统预设阈值，发现有矿石尺度超过系统阈值时发出提醒。

2.根据权利要求1所述一种基于EfficientDet网络的深度学习矿石大小测量方法及预警系统，其特征是所述数据获取阶段，具体包括：

(1)、通过安装在皮带附近的多个不同角度的摄像头获取矿石图片的视频数据流;

(2)、从已经获取到的视频数据流中截取关键帧作为矿石图片数据。

3.根据权利要求1所述一种基于EfficientDet网络的深度学习矿石大小测量方法及预警系统，其特征是所述数据预处理阶段，具体包括：

(i)、使用图像标注工具Lableme对获取到的图片数据中矿石位置、大小进行标记，矿石的尺度并不规整，需要进行多边形标记；

(ii)、检测出不符合要求的矿石图片数据，并将其剔除；

(iii)、对训练图片进行数据增强：对矿石图片随机进行不同角度的水平和竖直反转；对矿石图片进行缩放；通过直方图均衡调整图像的像素值使得其值变为均匀分布；添加随机噪声；将图像从RGB色彩空间转换为HSV色彩空间调整图片亮度，将图像进行正规化操作，以及对噪声进行处理。

4.根据权利要求1所述一种基于EfficientDet网络的深度学习矿石大小测量方法及预警系统，其特征是所述创建与训练网络阶段，具体包括：

(Ⅰ)、使用EfficientNet网络作为骨干网络，采用BiFPN网路对EfficientNet提取到的网络特征进行融合，EfficientDet的Head对提取到的特征进行分类和回归预测；

(Ⅱ)、整个EfficientNet有B0-B7多个版本，其中EfficientNet-B0由1个Conv(3×3)、1个MBConv1(3×3)、2个MBConv6(3×3)、2个MBConv6(5×5)、3个MBConv6(3×3)、3个MBConv6(5×5)、4个MBConv6(5×5)、一个MBConv6(3×3)、一个Conv(1×1)、一个Pooling层，一个FC层；

其中MBConv包含残差结构；

先使用1×1的卷积进行升维操作，再进行3×3或5×5的卷积，此后增加关于通道的注意力机制，在使用1×1的卷积进行降维操作，再与残差结构进行堆叠；

MBConv的激活函数使用的是Swish函数，并使用Batch Normalization进行标准化；

Swish函数的定义为：

其中是一个常数或可训练的参数；

函数表达式如下：

于此同时Efficient-B0将网络的宽度(depth)、深度(width)和分辨率(resolution)按照公式(3)用系数进行复合缩放；

其中，α、β、γ是可以通过网格搜索确定的常数；

在和的约束下，EfficientNet-B0的最佳值为=1.2，=1.1，=1.15；

。