CN113627293A - 混合物搅拌均匀性检测方法、装置及搅拌设备 - Google Patents
混合物搅拌均匀性检测方法、装置及搅拌设备 Download PDFInfo
- Publication number
- CN113627293A CN113627293A CN202110864641.1A CN202110864641A CN113627293A CN 113627293 A CN113627293 A CN 113627293A CN 202110864641 A CN202110864641 A CN 202110864641A CN 113627293 A CN113627293 A CN 113627293A
- Authority
- CN
- China
- Prior art keywords
- uniformity
- mixture
- stirring
- image information
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000203 mixture Substances 0.000 title claims abstract description 147
- 238000003756 stirring Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 36
- 239000004575 stone Substances 0.000 claims description 16
- 239000000843 powder Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 239000000428 dust Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000009423 ventilation Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 abstract description 6
- 239000012258 stirred mixture Substances 0.000 abstract description 4
- 239000010426 asphalt Substances 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 238000013019 agitation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004579 marble Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种混合物搅拌均匀性检测方法、装置及搅拌设备，方法通过获取待检测混合物的图像信息；输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的，通过机器学习模型的方式输出均匀性信息，与人工进行均匀性判断，更加准确与合理，同时只通过获取混合物图像信息便可以进行均匀性检测结果的输出，有效地提高了搅拌混合物均匀性检测的效率。
Description
技术领域
本发明涉及搅拌设备技术领域，尤其涉及一种混合物搅拌均匀性检测方法、装置及搅拌设备。
背景技术
随着生产高效、节能环保要求的越来越高，要求搅拌站各工序的动作时序合理安排，关键工序时间缩短，现搅拌站主机搅拌时间较长，缩短搅拌时间对缩短整个工艺工作周期具有重要作用。而缩短搅拌时间的最直观的方式便是在恰好搅拌均匀的时刻完成泄料，便不会出现过搅拌问题的发生，有效地缩短了搅拌时间。
目前，多为通过现场工人肉眼观看成品仓泄料过程是否有花料进行判断，判断准确性受主观因素影响较大，导致检测搅拌是否均匀的准确性和效率相对较低。
发明内容
本发明提供一种混合物搅拌均匀性检测方法、装置及搅拌设备，用以解决现有技术中搅拌均匀性检测效率低的缺陷，实现准确、快速地完成对搅拌均匀性的检测。
本发明提供一种混合物搅拌均匀性检测方法，包括：
获取待检测混合物的图像信息；
输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
根据本发明提供的一种混合物搅拌均匀性检测方法，所述获取待检测混合物的图像信息之前，还包括：
获取预设数量的混合物的样本数据，所述样本数据包括样本图像信息和与所述样本图像信息对应的均匀性信息标签；所述混合物的样本数据为基于不同骨料配比、不同粉料配比和不同混合料配比组合构成的；
对所述样本数据进行预处理和特征提取，得到训练数据；
基于所述训练数据，对预构建的机器模型进行训练，得到均匀性检测模型。
根据本发明提供的一种混合物搅拌均匀性检测方法，所述对所述样本数据进行预处理，包括：
对所述样本数据中的样本图像信息进行边界锐化增强处理；
基于预设方式，对边界锐化增强处理后的样本图像信息进行分割。
根据本发明提供的一种混合物搅拌均匀性检测方法，所述对所述样本数据进行特征提取，包括：
删除分割后图像中的搅拌结构的背景图像，得到混合料的图像。
根据本发明提供的一种混合物搅拌均匀性检测方法，所述对所述样本数据进行预处理和特征提取之后，还包括：
对所述混合料的图像进行石料纹理识别和灰度值识别，得到均匀性图像，以所述均匀性图像和对应的均匀性信息标签作为训练数据。
根据本发明提供的一种混合物搅拌均匀性检测方法，所述输出所述待检测混合物的均匀性信息之后，还包括：
当所述均匀性信息表示搅拌完成时，发出泄料提示至操作人员终端；
根据所述搅拌完成时的时间信息，计算搅拌花费时间；
根据所述搅拌花费时间，确定骨料、粉料和混合料的目标配比组成。
根据本发明提供的一种混合物搅拌均匀性检测方法，还包括：
根据所述搅拌时间和所述目标配比组成，确定生产节拍计划表。
本发明还提供一种混合物搅拌均匀性检测装置，包括：
获取模块，用于获取待检测混合物的图像信息；
均匀性确定模块，用于输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
本发明还提供一种搅拌设备，包括设备本体和搅拌控制系统；
所述搅拌控制系统用于执行如上述任一项所述的混合物搅拌均匀性检测方法，且用于控制所述设备本体的工作。
根据本发明提供的一种搅拌设备，所述设备本体上还设置有图像采集组件和通风口；
所述图像采集组件设置于所述设备本体内部，用于采集所述设备本体内部的待检测混合物的图像信息；
所述通风口用于去除所述设备本体内部搅拌时产生的灰尘。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述混合物搅拌均匀性检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述混合物搅拌均匀性检测方法的步骤。
本发明提供的一种混合物搅拌均匀性检测方法、装置及搅拌设备，方法通过获取待检测混合物的图像信息；输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的，通过机器学习模型的方式输出均匀性信息，与人工进行均匀性判断，更加准确与合理，同时只通过获取混合物图像信息便可以进行均匀性检测结果的输出，有效地提高了搅拌混合物均匀性检测的效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的混合物搅拌均匀性检测方法的流程示意图之一；
图2是本发明实施例提供的混合物搅拌均匀性检测方法的流程示意图之二；
图3是本发明实施例提供的混合物搅拌均匀性检测装置的结构示意图；
图4是本发明实施例提供的电子设备的结构示意图；
图5是本发明实施例提供的搅拌设备的一种结构示意图；
图6是图5中的设备本体搅拌缸盖的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图4描述本发明的混合物搅拌均匀性检测方法、装置及搅拌设备。
图1是本发明实施例提供的混合物搅拌均匀性检测方法的流程示意图之一。
如图1所示，本发明实施例提供的一种混合物搅拌均匀性检测方法，包括以下步骤：
101、获取待检测混合物的图像信息。
具体的，待检测混合物可以是沥青混合物，也可以是混凝土混合物或者是其他的混合物，本实施例中不进行具体限定，以沥青混合物为例进行说明。获取待检测混合物的图像信息，可以是通过图像采集组件采集搅拌设备内部的混合物的实时图像信息，也就是说，将图像采集组件设置于搅拌设备上，当搅拌设备将混合物原料装进去之后，当启动开始搅拌动作之时，图像采集组件便开始实时进行图像信息采集，其中图像采集的时间间隔为人为设定，从而保证可以及时的获取到搅拌设备内部的混合物的搅拌信息。图像采集组件可以是摄像头，可以是热成像等等，本实施例中不进行具体限定，只要能够实时准确的获取到搅拌设备内部的图像信息即可。
102、输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
在获取到图像信息以后，将图像信息输入至均匀性检测模型，均匀性检测模型便会根据图像信息直接输出当前的待检测混合物的均匀性信息。其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。通过机器学习的方式将样本图像信息与均匀性分类标签进行训练，得到均匀性模型，使得最终的输出结果更加准确、快速，整个的过程，均为自动化完成，更加的科学合理。
本发明实施例提供的一种混合物搅拌均匀性检测方法，通过获取待检测混合物的图像信息；输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的，通过机器学习模型的方式输出均匀性信息，与人工进行均匀性判断，更加准确与合理，同时只通过获取混合物图像信息便可以进行均匀性检测结果的输出，有效地提高了搅拌混合物均匀性检测的效率。
图2是本发明实施例提供的混合物搅拌均匀性检测方法的流程示意图之二。
如图2所示，本发明实施例提供的一种混合物搅拌均匀性检测方法，包括以下步骤：
201、获取预设数量的混合物的样本数据，样本数据包括样本图像信息和与样本图像信息对应的均匀性信息标签；混合物的样本数据为基于不同骨料配比、不同粉料配比和不同混合料配比组合构成的。
在一个具体的实现过程中，为了构建均匀性检测模型，需要得到大量的训练数据，首先便是获取预设数量的混合物的样本数据，以沥青混合物为例，样本数据便可以是各种骨料、粉料、沥青混合料的样本图像信息放入图像库中作为本地相册，并标记各个样本图像的状态也就是为每一个样本图像标注一个类型标签。同时注明各图是何种骨料(比如：1号骨料，粒径小于5mm，大理石，密度2500kg/m3，堆积密度1700kg/m3)，何种粉料(比如：1号粉，回收粉，密度2700kg/m3，堆积密度2300kg/m3)，何种沥青(比如：改性沥青)，何种沥青混合料(比如：AC-13，配比)。
202、对样本数据进行预处理和特征提取，得到训练数据。
具体的，其中预处理包括对样本数据中的样本图像信息进行边界锐化增强处理；基于预设方式，按照一定的规则对边界锐化增强处理后的样本图像信息进行分割，并将其进行存储。然后进行特征提取处理，删除分割后图像中的搅拌结构的背景图像，得到混合料的图像，也就是将预理好的图像信息，进行背景删除，主要针对搅拌中搅拌缸、搅拌叶片等机械结构进行识别与删除，仅保留搅拌中抛在上部的混合料。最后再进行分类识别，对混合料的图像进行石料纹理识别和灰度值识别，得到均匀性图像，以均匀性图像和对应的均匀性信息标签作为训练数据。石料是可有石料纹理的，当裹上沥青后，石料纹理被沥青覆盖，此时，石料纹理已经在图像中不存在，石料纹理的多少可以作为搅拌均匀性的判断依据。石料、沥青、混合料和粉料在进行RGB灰度计算后，根据灰度进行区分，识别沥青混合料的含量判断沥青搅拌均匀程度。因此，便可以根据石料纹理识别和灰度值识别的结果，与对应的标签相匹配，也就是说每张图像信息对应着一个石料纹理识别结果和灰度值识别结果，同时也匹配着一个均匀性分类标签，训练的过程就是将每一个不同的石料纹理和灰度值准确的匹配出一个均匀性信息。
203、基于训练数据，对预构建的机器模型进行训练，得到均匀性检测模型。
通过获取样本数据，对样本数据进行预处理、特征提取和分类识别得到训练数据以后，便可以通过训练数据对预构建的机器学习模型进行训练，得到均匀性检测模型，使得每一个图像信息均对应着一个均匀性信息。具体的过程，也就是将每一张图像信息的石料纹理信息和灰度值信息对应一个具体的均匀性信息，从而保证均匀性检测模型的准确性。
204、获取待检测混合物的图像信息。
205、输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
其中，关于步骤204和步骤205在上述实施例中的101和102已经做了详细的介绍说明，因此在本实施例中不再进行具体的阐述。
进一步的，在上述实施例的基础上，本市实施在输出待检测混合物的均匀性信息之后，还包括：当均匀性信息表示搅拌完成时，发出泄料提示至操作人员终端；根据搅拌完成时的时间信息，计算搅拌花费时间；根据搅拌花费时间，确定骨料、粉料和混合料的目标配比组成。
具体的，当均匀性检测模型输出当前的均匀性信息以后，将其发送至对应的操作人员终端后，操作人员便可以实时的获取到当前搅拌混合物的均匀性信息，而在输出的均匀性信息表示搅拌完成也就是完全搅拌均匀以后，操作人员便可以根据当前信息得到可以停止搅拌并进行泄料处理，从而减少过搅拌问题的发生，有效地节约了搅拌时间提高了搅拌的效率。同时根据搅拌完成时的时间，计算总的搅拌花费时间，也就是从开始搅拌到完成搅拌时的总时间，然后计算出对应的搅拌花费时间与对应的骨料、粉料和混合料的目标配比组成，也就是获取到不同的原材料配比与搅拌完成时间的关系，从而便可以根据不同的搅拌时间确定最佳的配比，保证搅拌的效率。
同样，在获取到最佳的目标配比之后，便可以根据搅拌时间和目标配比组成，确定生产节拍计划表，也就是保证搅拌与施工的效率，减少等待的时间浪费问题。同时也可以对各个搅拌站的搅拌数据进行整体的数据分析，获取每个搅拌站的工作效率，也能根据不同的搅拌效率为不同的搅拌站提供不同的搅拌原材料配比等，其主要目的便是通过均匀性判定获取不同的配比之间的最佳配比，从而既能够保证最大的搅拌效率，还能够保证最佳的整体施工效率。
基于同一总的发明构思，本申请还保护一种混合物搅拌均匀性检测装置，下面对本发明提供的混合物搅拌均匀性检测装置进行描述，下文描述的混合物搅拌均匀性检测装置与上文描述的混合物搅拌均匀性检测方法可相互对应参照。
图3是本发明实施例提供的混合物搅拌均匀性检测装置的结构示意图。
如图3所示，本发明实施例提供的一种混合物搅拌均匀性检测装置，包括：
获取模块30，用于获取待检测混合物的图像信息；
均匀性确定模块31，用于输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
本发明实施例提供的一种混合物搅拌均匀性检测装置，通过获取待检测混合物的图像信息；输入图像信息至均匀性检测模型，输出待检测混合物的均匀性信息，其中，均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的，通过机器学习模型的方式输出均匀性信息，与人工进行均匀性判断，更加准确与合理，同时只通过获取混合物图像信息便可以进行均匀性检测结果的输出，有效地提高了搅拌混合物均匀性检测的效率。
进一步的，本实施例中，还包括模型建立模块，用于：
获取预设数量的混合物的样本数据，所述样本数据包括样本图像信息和与所述样本图像信息对应的均匀性信息标签；所述混合物的样本数据为基于不同骨料配比、不同粉料配比和不同混合料配比组合构成的；
对所述样本数据进行预处理和特征提取，得到训练数据；
基于所述训练数据，对预构建的机器模型进行训练，得到均匀性检测模型。
进一步的，本实施例中的模型建立模块，具体还用于：
对所述样本数据中的样本图像信息进行边界锐化增强处理；
基于预设方式，对边界锐化增强处理后的样本图像信息进行分割。
进一步的，本实施例中的模型建立模块，具体还用于：
删除分割后图像中的搅拌结构的背景图像，得到混合料的图像。
进一步的，本实施例中的模型建立模块，具体还用于：
对所述混合料的图像进行石料纹理识别和灰度值识别，得到均匀性图像，以所述均匀性图像和对应的均匀性信息标签作为训练数据。
进一步的，本实施例中，还包括提示模块，用于：
当所述均匀性信息表示搅拌完成时，发出泄料提示至操作人员终端；
根据所述搅拌完成时的时间信息，计算搅拌花费时间；
根据所述搅拌花费时间，确定骨料、粉料和混合料的目标配比组成。
进一步的，本实施例中还包括生产节拍确定模块，用于：
根据所述搅拌时间和所述目标配比组成，确定生产节拍计划表。
图4是本发明实施例提供的电子设备的结构示意图。
如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行混合物搅拌均匀性检测方法，该方法包括：获取待检测混合物的图像信息；输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
基于同一总的发明构思，本申请还保护一种搅拌设备。
图5是本发明实施例提供的搅拌设备的一种结构示意图；图6是图5中的设备本体搅拌缸盖的结构示意图。
如图5和图6所示，本实施例提供的一种搅拌设备，包括设备本体和搅拌控制系统；所述搅拌控制系统用于执行如上述任一实施例的混合物搅拌均匀性检测方法，且用于控制所述设备本体的工作。且所述设备本体上还设置有图像采集组件1和通风口2；所述图像采集组件1设置于所述设备本体内部，用于采集所述设备本体内部的待检测混合物的图像信息；所述通风口2用于去除所述设备本体内部搅拌时产生的灰尘。
具体的，为了更好地进行搅拌设备内部的待检测混合物的图像信息采集，在设备本体的搅拌缸盖3上设置有图像采集组件1，可以通过旋转阀门将图像采集组件进行隐藏，当灰尘去除之后，再打开镜头遮挡组件，从而保证图像信息采集的清晰度，例如是广角摄像头，同时还可以设置有照明灯4，使得图像采集的更加清晰，而为了采集图像时不被尘土影响，设置有通风口2，可以将扬尘排除，当扬尘排除之后，再进行图像信息的获取，便能够更好地保证图像信息的质量，例如通风口2可以在进行通风一定时间长度之后，然后打卡摄像头的镜头遮挡组件，然后开启摄像头进行图像的实时采集。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的混合物搅拌均匀性检测方法，该方法包括：获取待检测混合物的图像信息；输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的混合物搅拌均匀性检测方法，该方法包括：获取待检测混合物的图像信息；输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种混合物搅拌均匀性检测方法，其特征在于，包括：
获取待检测混合物的图像信息；
输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
2.根据权利要求1所述的混合物搅拌均匀性检测方法，其特征在于，所述获取待检测混合物的图像信息之前，还包括：
获取预设数量的混合物的样本数据，所述样本数据包括样本图像信息和与所述样本图像信息对应的均匀性信息标签；所述混合物的样本数据为基于不同骨料配比、不同粉料配比和不同混合料配比组合构成的；
对所述样本数据进行预处理和特征提取，得到训练数据；
基于所述训练数据，对预构建的机器模型进行训练，得到均匀性检测模型。
3.根据权利要求2所述的混合物搅拌均匀性检测方法，其特征在于，所述对所述样本数据进行预处理，包括：
对所述样本数据中的样本图像信息进行边界锐化增强处理；
基于预设方式，对边界锐化增强处理后的样本图像信息进行分割。
4.根据权利要求3所述的混合物搅拌均匀性检测方法，其特征在于，所述对所述样本数据进行特征提取，包括：
删除分割后图像中的搅拌结构的背景图像，得到混合料的图像。
5.根据权利要求4所述的混合物搅拌均匀性检测方法，其特征在于，所述对所述样本数据进行预处理和特征提取之后，还包括：
对所述混合料的图像进行石料纹理识别和灰度值识别，得到均匀性图像，以所述均匀性图像和对应的均匀性信息标签作为训练数据。
6.根据权利要求1所述的混合物搅拌均匀性检测方法，其特征在于，所述输出所述待检测混合物的均匀性信息之后，还包括：
当所述均匀性信息表示搅拌完成时，发出泄料提示至操作人员终端；
根据所述搅拌完成时的时间信息，计算搅拌花费时间；
根据所述搅拌花费时间，确定骨料、粉料和混合料的目标配比组成。
7.根据权利要求6所述的混合物搅拌均匀性检测方法，其特征在于，还包括：
根据所述搅拌时间和所述目标配比组成，确定生产节拍计划表。
8.一种混合物搅拌均匀性检测装置，其特征在于，包括：
获取模块，用于获取待检测混合物的图像信息；
均匀性确定模块，用于输入所述图像信息至均匀性检测模型，输出所述待检测混合物的均匀性信息，其中，所述均匀性检测模型是基于混合物样本图像信息和预先确定的均匀性分类标签进行训练后得到的。
9.一种搅拌设备，其特征在于，包括设备本体和搅拌控制系统；
所述搅拌控制系统用于执行如权利要求1-7任一项所述的混合物搅拌均匀性检测方法，且用于控制所述设备本体的工作。
10.根据权利要求9所述的搅拌设备，其特征在于，所述设备本体上还设置有图像采集组件和通风口；
所述图像采集组件设置于所述设备本体内部，用于采集所述设备本体内部的待检测混合物的图像信息；
所述通风口用于去除所述设备本体内部搅拌时产生的灰尘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110864641.1A CN113627293A (zh) | 2021-07-29 | 2021-07-29 | 混合物搅拌均匀性检测方法、装置及搅拌设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110864641.1A CN113627293A (zh) | 2021-07-29 | 2021-07-29 | 混合物搅拌均匀性检测方法、装置及搅拌设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113627293A true CN113627293A (zh) | 2021-11-09 |
Family
ID=78381644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110864641.1A Pending CN113627293A (zh) | 2021-07-29 | 2021-07-29 | 混合物搅拌均匀性检测方法、装置及搅拌设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627293A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114121188A (zh) * | 2021-12-02 | 2022-03-01 | 佳力士添加剂（海安）有限公司 | 一种单甘酯的使用校正方法及系统 |
| WO2024066664A1 (zh) * | 2022-09-26 | 2024-04-04 | 三一汽车制造有限公司 | 一种混凝土可泵性类别识别方法、装置及电子设备 |
| CN117871540A (zh) * | 2024-03-13 | 2024-04-12 | 西安路泰机械制造有限公司 | 基于图像采集的沥青搅拌设备缺陷检测方法 |
| CN118010391A (zh) * | 2024-02-20 | 2024-05-10 | 浙江莱恩过滤系统有限公司 | 滤清器全自动取样测试系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102528934A (zh) * | 2011-06-17 | 2012-07-04 | 中联重科股份有限公司 | 搅拌站、搅拌主机及其控制装置及控制方法 |
| CN102615716A (zh) * | 2012-03-31 | 2012-08-01 | 中联重科股份有限公司 | 一种混凝土搅拌站搅拌控制的方法、装置及系统 |
| CN110919863A (zh) * | 2019-11-18 | 2020-03-27 | 中联重科股份有限公司 | 混凝土搅拌匀质性的判定方法、装置及控制系统 |
| CN112686881A (zh) * | 2020-11-25 | 2021-04-20 | 西安石油大学 | 基于影像统计特征和lstm复合网络的颗粒物料混合均匀性检测方法 |
-
2021
- 2021-07-29 CN CN202110864641.1A patent/CN113627293A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102528934A (zh) * | 2011-06-17 | 2012-07-04 | 中联重科股份有限公司 | 搅拌站、搅拌主机及其控制装置及控制方法 |
| CN102615716A (zh) * | 2012-03-31 | 2012-08-01 | 中联重科股份有限公司 | 一种混凝土搅拌站搅拌控制的方法、装置及系统 |
| CN110919863A (zh) * | 2019-11-18 | 2020-03-27 | 中联重科股份有限公司 | 混凝土搅拌匀质性的判定方法、装置及控制系统 |
| CN112686881A (zh) * | 2020-11-25 | 2021-04-20 | 西安石油大学 | 基于影像统计特征和lstm复合网络的颗粒物料混合均匀性检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 薛笑荣: "《SAR图像处理技术研究》", 31 October 2017, 北京：科学技术文献出版社, pages: 204 - 206 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114121188A (zh) * | 2021-12-02 | 2022-03-01 | 佳力士添加剂（海安）有限公司 | 一种单甘酯的使用校正方法及系统 |
| CN114121188B (zh) * | 2021-12-02 | 2022-11-15 | 佳力士添加剂（海安）有限公司 | 一种单甘酯的使用校正方法及系统 |
| WO2024066664A1 (zh) * | 2022-09-26 | 2024-04-04 | 三一汽车制造有限公司 | 一种混凝土可泵性类别识别方法、装置及电子设备 |
| CN118010391A (zh) * | 2024-02-20 | 2024-05-10 | 浙江莱恩过滤系统有限公司 | 滤清器全自动取样测试系统 |
| CN117871540A (zh) * | 2024-03-13 | 2024-04-12 | 西安路泰机械制造有限公司 | 基于图像采集的沥青搅拌设备缺陷检测方法 |
| CN117871540B (zh) * | 2024-03-13 | 2024-05-28 | 西安路泰机械制造有限公司 | 基于图像采集的沥青搅拌设备缺陷检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113627293A (zh) | 混合物搅拌均匀性检测方法、装置及搅拌设备 | |
| CN109598721B (zh) | 电池极片的缺陷检测方法、装置、检测设备和存储介质 | |
| CN112036755A (zh) | 一种建筑工程质量检测的监管方法及系统 | |
| CN109146873B (zh) | 一种基于学习的显示屏缺陷智能检测方法及装置 | |
| CN113627435A (zh) | 一种瓷砖的瑕疵检测与识别方法及系统 | |
| CN109145359B (zh) | 一种基于bim系统和cad软件的钢结构备料方法 | |
| CN116030386A (zh) | 塌落度检测方法、装置、工程机械及设备 | |
| CN114872574B (zh) | 基于充电桩的采集与监控系统及方法 | |
| CN117333670A (zh) | 基于Transformer和微观图像的再生混凝土水化进程检测方法 | |
| CN112560779B (zh) | 进料口溢料识别方法、设备及搅拌站进料控制系统 | |
| CN112634248B (zh) | 颗粒状原料粒度测量系统及方法、电子设备及存储介质 | |
| CN108182676B (zh) | 一种精子碎片化率检测方法、装置、设备及可读存储介质 | |
| CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
| CN115994742B (zh) | 湿拌砂浆塑化剂的全生命周期管理方法及装置 | |
| CN111797730A (zh) | 一种水泥熟料岩相自动分析方法 | |
| JP2021107653A (ja) | 旧アスファルト量推定システム、アスファルトプラント及び旧アスファルト量推定方法 | |
| CN109785315A (zh) | 烟梗重量的测量方法、存储介质、终端及装置 | |
| Liu et al. | Detection of Speckle Defects in Alumina Ceramic Balls Based on MobileNetV3-YOLOv5 | |
| CN115375965A (zh) | 一种目标场景识别的预处理方法、目标场景识别方法 | |
| CN114723748B (zh) | 电机控制器的检测方法、装置、设备及存储介质 | |
| CN115424095B (zh) | 基于废旧物资的质量分析方法及装置 | |
| CN118268129B (zh) | 一种去除铝银浆加工用铝粉中的铁屑的方法及系统 | |
| CN117607164B (zh) | 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置 | |
| CN114266989B (zh) | 一种混凝土拌合物和易性测定方法和装置 | |
| CN114549533B (zh) | 模板图像存储方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |