(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211133562.4 (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115205637 A (43)申请公布日 2022.10.18 (73)专利权人 山东世纪矿山机电有限公司 地址 273500 山东省济宁市邹城经济开发 区大学科技工业园18 8号 (72)发明人 宋照岭　 (74)专利代理 机构 上海迎向知识产权代理事务 所(普通合伙) 31439 专利代理师 李芳芳 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) (56)对比文件 CN 114612968 A,202 2.06.10 CN 109635784 A,2019.04.16 审查员 殷针针 (54)发明名称 一种矿车物料的智能识别方法 (57)摘要 本发明涉及图像识别和处理技术领域， 提供 了一种矿车物料的智能识别方法， 采集矿车物料 图像， 对矿车物料图像进行扩充和分组操作， 构 建训练样本库； 构建卷积神经网络模型， 利用训 练样本库中的每组样本对卷积神经网络模型进 行训练； 在连续时间段内采集4个待识别的矿车 物料图像， 利用训练好的卷积神经网络模 型， 对4 个待识别的矿 车物料图像进行识别， 输出识别结 果。 本申请能够克服环境多样性， 提高准确度。 权利要求书2页 说明书4页 附图2页 CN 115205637 B 2022.12.02 CN 115205637 B 1.一种矿车物料的智能识别方法， 其特 征在于， 所述智能识别方法包括： 步骤S1， 采集矿车物料图像， 对 矿车物料图像进行扩充和分组操作， 构建训练样本库； 步骤S2， 构建卷积神经网络模型， 利用训练样本库中的每组样本对卷积神经网络模型 进行训练； 其中每组样本包括4个预处理后的物料图像， 表征不同角度、 噪声下的同一矿车 物料图像； 步骤S3， 在连续时间段内采集4个待识别的矿车物料图像， 利用训练好的卷积神经网络 模型， 对4个待识别的矿车物料图像进行识别， 输出识别结果； 其中连续时间段的大小根据 经验设置， 确保4个待识别的矿车物料图像同时表征煤炭、 矸石或杂物； 步骤S1具体包括： 步骤S11， 利用安装在副井 井口的监控设备采集矿车物料图像； 步骤S12， 分别对每个矿车物料图像进行翻转操作， 实现2倍扩充， 得到第一预处理图 像， 其中第一预处 理图像包括翻转的矿车物料图像和无翻转的矿车物料图像； 步骤S13， 利用随机的预设旋转角度， 分别 对第一预处理图像进行旋转操作， 实现6倍扩 充， 得到第二预 处理图像， 其中第二预 处理图像包括左转的第一预 处理图像、 右 转的第一预 处理图像以及无旋转的第一预处 理图像； 步骤S14， 分别对第二预处理图像进行噪声注入操作， 实现24倍扩充， 得到预处理后的 物料图像， 其中预处理后的物料图像包括高斯噪声注入的第二预处理图像、 乘性噪声注入 的第二预处 理图像、 椒盐噪声注入的第二预处 理图像、 无噪声注入的第二预处 理图像； 步骤S15， 将每个矿车物料图像扩充后的24个预处理后的物料图像随机分为6组样本， 其中每组样本包括 4个预处理后的物料图像， 构建训练样本库； 步骤S2具体包括： 步骤S21， 构建第一特征提取模块、 第二特征提取模块、 第三特征提取模块、 第四特征提 取模块； 第一特征提取模块、 第二特征提取模块、 第三特征提取模块、 第四特征提取模块结 构相同； 步骤S22， 构建拼接模块， 用于将第一特征提取模块、 第二特征提取模块、 第三特征提取 模块、 第四特 征提取模块输出的特 征进行拼接操作； 步骤S23， 依次构建全连接层、 Dropout层、 Softmax层， 对拼接模块输出的特征进行分 类， 产生分类结果； 步骤S24， 将每组样本的4个预处理后的物料图像分别输入到第一特征提取模块、 第二 特征提取模块、 第三特征提取模块、 第四特征提取模块， 利用训练样 本库中的每组样本对卷 积神经网络模型进行训练。 2.根据权利要求1所述的智能识别方法， 其特 征在于， 监控设备 是摄像机。 3.根据权利要求1所述的智能识别方法， 其特征在于， 每个特征提取模块包括第 一卷积 层、 第一归一化层、 第二卷积层、 第二归一化层、 第三卷积层、 第一最大池化层、 第一平均池 化层； 预处理后的物料图像输入到第一卷积层， 其卷积核大小为7 ×7， 第一归一化层的输入 端连接第一卷积层的输出端； 第二卷积层的输入端连接第一归一化层的输出端， 其卷积核 大小为5×5， 第二归一化层的输入端连接第二卷积层的输出端， 第三卷积层的输入端连接 第二归一化层的输出端， 其卷积核大小为3 ×3， 第一最大池化层的输入端连接第三卷积层权　利　要　求　书 1/2 页 2 CN 115205637 B 2的输出端， 第一平均池化层的输入端连接第一 最大池化层的输出端。 4.根据权利要求3所述的智能识别方法， 其特 征在于， 分类结果 为煤炭、 矸石和杂物。权　利　要　求　书 2/2 页 3 CN 115205637 B 3