申请/专利权人：南京天创电子技术有限公司

申请日：2023-09-07

公开（公告）日：2024-04-05

公开（公告）号：CN117152102B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T7/13;G06V10/80;G06V10/74;G06V10/75;G06V10/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明公开了一种焦炉废气砣杆工作状态的检测方法和系统，方法包括步骤：巡检机器人运动到指定的巡检点位，对目标砣杆进行拍照，得到巡检图；采用质量感知算法将所述巡检图与预先标定的配点图T进行特征匹配，确定巡检图的最优匹配区域；对所述巡检图的最优匹配区域进行优化，分割得到砣杆关键部件的分割图；分析所述分割图，判断砣杆状态是否异常。本发明利用QATM质量感知模板匹配模型提高模板匹配鲁棒性，提高机器人配点图与巡检图匹配效果，利用FAM特征对齐模块、边缘检测损失与边界指导损失优化语义分割效果，提高废气盘坨杆状态识别精度，高效、安全。

主权项：1.一种焦炉废气砣杆工作状态的检测方法，其特征在于，包括步骤：巡检机器人运动到指定的巡检点位，对目标砣杆进行拍照，得到巡检图S；采用质量感知算法将所述巡检图S与预先标定的配点图T进行特征匹配，确定巡检图S的最优匹配区域；对所述巡检图S的最优匹配区域进行优化，分割得到砣杆关键部件的分割图，所述砣杆关键部件包括扇形轮外围区域、砣杆和横杠；分析所述分割图，计算扇形轮外围区域与横杠角度，根据角度计算结果判断砣杆处于提起或者下落状态，计算砣杆的向量长度，根据长度计算结果，判断砣杆状态是否异常；其中，采用改进的STDC-seg语义分割模型对所述巡检图S的最优匹配区域进行优化分割，得到砣杆关键部件的分割图，所述改进的STDC-seg语义分割模型包括输入input模块、stage1、stage2、stage3、stage4、stage5、特征对齐FAM模块、特征融合FFM模块、SegHead分割模块和输出output模块，优化分割流程包括：输入input模块将输入图片通过预设步长的卷积层，计算得到预设通道数和尺寸的第一特征图；第一特征图依次输入stage1和stage2，stage1和stage2均使用一个卷积层，用来提取特征，stage2输出第二特征图；第二特征图依次输入stage3、stage4和stage5，其中，stage3、stage4和stage5均包括多个STDC模块，stage4和stage5均设置上采样操作，stage3输出空间特征信息，stage4和stage5分别输出第三特征图和第四特征图；将第三特征图和第四特征图分别输入一个特征对齐FAM模块，经特征对齐FAM模块处理后得到对应的第五特征图和第六特征图；将所述第四特征图、第五特征图和第六特征图进行融合，融合结果作为特征融合FFM模块的一个输入，用于提供高层次语义信息，stage3输出的空间特征信息作为特征融合FFM模块的另一个输入，用于提供低层次细节信息，特征融合FFM模块的输出第七特征图；SegHead分割模块对第七特征图进行分割处理，得到砣杆关键部件的分割图，由输出output模块输出；其中，所述改进的STDC-seg语义分割模型设有边界检测头和边界引导头，引入基于边界监督的边界引导损失，约束边界检测，整体模型的损失函数Lall为：Lall＝Lseg+λ1Lb+λ2LgLseg表示分割模型的损失，λ1、λ2是超参数，Lb表示边界检测损失，Lg表示边界指导损失，所述边界检测头在改进的STDC-seg语义分割模型训练时引入、应用期间被移除；其中，所述边界检测头中，将边界标签作为边界检测的真值，所述边界标签是指在像素级别上，将处于不同语义类别之间的像素点标记为边界标签；其中，Lb＝Ldicepd,gd+Lbcepd,gdLdice表示Dice损失，Lbce表示二进制交叉熵损失；pd表示边界检测头预测的边界概率，gd表示对应的细节实况即真实标签；所述边界引导头中，Lg＝Lcepms,ys，pms＝MbpsLce为交叉熵损失，ys为语义分割真值，Mb表示置信度二进制掩码，ps表示边界引导头预测的边界概率。

全文数据：

权利要求：

百度查询： 南京天创电子技术有限公司 一种焦炉废气砣杆工作状态的检测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD