[发明专利]长寿命耐火砖的制备系统及其制备方法

说明书

本申请涉及智能制造的领域，其具体地公开了一种长寿命耐火砖的制备系统及其制备方法，其采用具有不同空洞率的空洞卷积核的卷积神经网络模型对秤料斗落料后的落料图像进行不同尺度的特征挖掘，以在对于落料后粒度的均匀度进行判断时不仅兼顾到所述落料图像中的原料大尺度全局特征信息，还关注于所述落料图像中的原料小尺度细节特征信息，这样，就能够对所述秤料斗落料后大颗粒的均匀度进行准确地判断以提高最终烧制而成的砖块的寿命。

技术领域

本发明涉及智能制造的领域，且更为具体地，涉及一种长寿命耐火砖的制备系统及其制备方法。

背景技术

在耐火砖的生产工艺中，原料是采用不同成分的粉末原料以及不同大小的颗粒原料进行搅拌，其中在大砖制作时，原料中的颗粒也并不小，原料中放入一些化学试剂搅拌均匀，控制好湿度，然后通过料斗落入到秤料斗内，每块砖的料都要一样，秤料后落入模具内，进行压制，压机压好后进入窑内进行烧结，烧结好后由机器人拆垛，夹持输送到运输线上，进行探伤，内部是否有裂纹之类，尺寸检验，打标，再码垛，缠绕包装膜出货。

在秤料斗落料过程中，由于有些原料是大颗粒，在落料下去的时候，料会堆积起来，导致大颗粒的料会滚到边缘，导致耐火砖内部的大颗粒料不均匀，从而砖压制烧结后容易开裂，寿命低。

因此，期待在制备过程中，对秤料斗落料后大颗粒的均匀度进行分析判断以提高最终烧制而成的砖块的寿命。

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长寿命耐火砖的制备系统及其制备方法，其采用具有不同空洞率的空洞卷积核的卷积神经网络模型对秤料斗落料后的落料图像进行不同尺度的特征挖掘，以在对于落料后粒度的均匀度进行判断时不仅兼顾到所述落料图像中的原料大尺度全局特征信息，还关注于所述落料图像中的原料小尺度细节特征信息，这样，就能够对所述秤料斗落料后大颗粒的均匀度进行准确地判断以提高最终烧制而成的砖块的寿命。

根据本申请的一个方面，提供了一种长寿命耐火砖的制备系统，其包括：

落料数据采集模块，用于获取由相机采集的秤料斗落料后的落料图像；

第一落料图像编码模块，用于将所述落料图像通过使用第一空洞卷积核的第一卷积神经网络以得到第一特征图，其中，所述第一空洞卷积核具有第一空洞率；

第二落料图像编码模块，用于将所述落料图像通过使用第二空洞卷积核的第二卷积神经网络以得到第二特征图，其中，所述第二空洞卷积核具有第二空洞率，所述第一空洞率大于所述第二空洞率；

异感受野差异评估模块，用于计算所述第一特征图与所述第二特征图之间的差分特征图；

特征值校正模块，用于对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图；以及

制备中落料结果生成单元，用于将所述校正后差分特征图通过分类器以得到分类结果，所述分类结果用于表示落料后粒度均匀度是否满足预定标准。

在上述长寿命耐火砖的制备系统中，所述第一落料图像编码模块，进一步用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行基于所述第一空洞卷积核的卷积处理、池化处理和激活处理以由所述第一卷积神经网络的最后一层输出所述第一特征图，其中，所述第一卷积神经网络的第一层的输入为所述落料图像，所述第一空洞卷积核表示为K₁^W×H∈K^W×H,K_1i,j＝0(i∈(1,W),j∈(1,H))，所述第一空洞卷积核具有第一空洞率。