一种三维跑仓监测方法和系统与流程

1.本发明涉及煤仓数据处理领域，特别是涉及一种三维跑仓监测方法和系统。


背景技术：

2.井下煤仓意外跑仓，主要原因为煤仓中煤含水量过高，造成开启给煤机时大量水煤涌出，带式输送机无法快速运出水煤，致使水煤迅速淹没煤仓卸载区域，导致严重的运输安全事故甚至人身安全事故的发生。
3.目前市场上并没有其他跑仓检测系统，实际现场基本通过人力实时查看并控制煤仓闸板进行放煤，但是由于井下复杂的环境以及人员的失误，很容易出现安全事故。


技术实现要素：

4.为解决现有技术存在的上述问题，本发明的目的是提供一种三维跑仓监测方法和系统，能够实时监测水煤高度，提高对运输线跑仓等事故的监测效率。
5.为实现上述目的，本发明提供了如下方案：
6.一种三维跑仓监测方法，包括：
7.获取煤仓落煤口的视频数据；
8.基于所述视频数据确定煤仓落煤口的水煤量高度，以生成预设时间段内的水煤高度数据序列；
9.将所述水煤高度数据序列作为神经网络预测模型的输入，得到水煤量变化趋势及与所述变化趋势对应的风险等级。
10.优选地，所述神经网络预测模型的训练过程包括：
11.基于历史水煤高度数据序列生成历史水煤量变化趋势；
12.基于所述历史水煤量变化趋势生成与所述历史水煤量变化趋势对应的风险等级；
13.采用所述历史水煤量变化趋势和与所述历史水煤量变化趋势对应的风险等级形成训练样本对；
14.采用所述训练样本对对初始神经网络模型进行训练，得到训练好的神经网络预测模型。
15.优选地，所述基于所述视频数据确定煤仓落煤口的水煤量高度，以生成预设时间段内的水煤高度数据序列，具体包括：
16.基于所述视频数据确定预设时间段内不同时刻煤仓落煤口各像素点间的距离；
17.根据不同时刻煤仓落煤口各像素点间的距离确定预设时间段内不同时刻的水煤量高度，以生成预设时间段内的水煤高度数据序列。
18.根据本发明提供的具体实施例，本发明公开了以下技术效果：
19.本发明提供的三维跑仓监测方法，基于视频数据确定预设时间段内不同时刻煤仓落煤口的水煤量高度后，将依据水煤量高度生成的水煤高度数据序列作为神经网络预测模型的输入，得到水煤量变化趋势及与变化趋势对应的风险等级，以能够实时监测水煤高度，
提高对运输线跑仓等事故的监测效率。
20.一种三维跑仓监测系统，包括：三维相机、上位机和管理平台；
21.所述三维相机与所述上位机连接；所述上位机与所述管理平台无线连接；
22.所述三维相机用于采集煤仓落煤口的视频数据；所述上位机用于基于所述视频数据得到水煤量变化趋势及与所述变化趋势对应的风险等级；所述管理平台用于与所述上位机进行数据交互。
23.所述三维相机设在煤仓落煤口。
24.优选地，所述上位机包括：水煤高度数据序列生成模块和变化趋势-风险等级确定模块；
25.所述水煤高度数据序列生成模块用于基于所述视频数据确定煤仓落煤口的水煤量高度，以生成预设时间段内的水煤高度数据序列；
26.所述变化趋势-风险等级确定模块用于将所述水煤高度数据序列作为神经网络预测模型的输入，得到水煤量变化趋势及与所述变化趋势对应的风险等级。
27.优选地，还包括预警装置；
28.所述预警装置与所述上位机连接；所述预警装置根据所述上位机确定的风险等级发出预警信号；所述风险等级包括：一级风险预警、二级风险预警和三级风险预警。
29.优选地，所述上位机还包括无线通信模块；
30.所述无线通信模块用于与所述管理平台进行数据交互。
31.因本发明提供的三维跑仓监测系统实现的技术效果与上述提供的三维跑仓监测方法实现的技术效果相同，故在此不再进行赘述。
附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
33.图1为本发明提供的三维跑仓监测方法的流程图；
34.图2为本发明实施例提供的三维跑仓监测系统的实施结构示意图；
35.图3为本发明实施例提供的三维跑仓监测系统的工作流程图；
36.图4为本发明实施例提供的深度值的推导原理图；
37.图5为本发明实施例提供的相机观测不同的像素点的深度值示意图。
具体实施方式
38.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
39.本发明的目的是提供一种三维跑仓监测方法和系统，能够实时监测水煤高度，提高对运输线跑仓等事故的监测效率。
40.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
41.如图1所示，本发明通过的三维跑仓监测方法，包括：
42.步骤100：获取煤仓落煤口的视频数据。
43.步骤101：基于视频数据确定煤仓落煤口的水煤量高度，以生成预设时间段内的水煤高度数据序列。该步骤的实施过程可以是：采用双目深度相机进行测距，得到观测视野每个像素点的距离，进行加权平均从而对煤仓出口处煤量进行量化计量，得到每一时刻的水煤量高度。
44.步骤102：将水煤高度数据序列作为神经网络预测模型的输入，得到水煤量变化趋势及与变化趋势对应的风险等级。
45.本发明在采用神经网络预测模型进行水煤量变化趋势及与变化趋势对应的风险等级的确定之前，需要先建立一个神经网络，建立的神经网络包括：输入层、隐藏层和输出层。然后，需要对建立的神经网络进行训练，训练过程可以为：对录制的跑仓事故视频数据进行处理，根据事故的不同程度，标记风险预警等级分为三级：一级风险预警——轻微事故，二级风险告警——严重事故，三级风险告警——非常严重事故。根据不同事故等级的场景，从事故开始到结束，记录发生的时长、水煤量上升的速度、煤仓口放煤量等数据，并将这些记录下来的数据形成历史数据集，利用历史数据集训练神经网络，得到训练好的神经网络，即为神经网络预测模型。
46.对应于上述提供的三维跑仓监测方法，本发明还提供了一种三维跑仓监测系统，该系统包括：三维相机、上位机和管理平台。
47.三维相机与上位机连接。上位机与管理平台无线连接。
48.三维相机用于采集煤仓落煤口的视频数据。上位机用于基于视频数据得到水煤量变化趋势及与变化趋势对应的风险等级。管理平台用于与上位机进行数据交互。
49.为了实现双目视觉的效果，三维相机设在煤仓落煤口或煤仓口。
50.进一步，上位机可以包括：水煤高度数据序列生成模块、变化趋势-风险等级确定模块和通信模块。
51.水煤高度数据序列生成模块用于基于视频数据确定煤仓落煤口的水煤量高度，以生成预设时间段内的水煤高度数据序列。
52.变化趋势-风险等级确定模块用于将水煤高度数据序列作为神经网络预测模型的输入，得到水煤量变化趋势及与变化趋势对应的风险等级。
53.通信模块用于和管理平台进行数据交互。
54.为了提高预警效率，本发明提供的三维跑仓监测系统还可以设置有预警装置。
55.预警装置与上位机连接。预警装置根据上位机确定的风险等级发出预警信号。风险等级包括：一级风险预警、二级风险预警和三级风险预警。
56.下面集合图2所示的实施架构和图3所示的实施流程对本发明上述提供的三维跑仓监测方法和系统的具体实施方式进行说明。
57.1)将三维相机安装在煤仓口附近，可以监控煤仓口下方区域的煤量情况。
58.2)三维相机进行图像数据采集。
59.3)图像数据传输到上位机，上位机采用双目深度相机进行测距，得到观测视野每
个像素点的距离，进行加权平均从而对煤仓出口处煤量进行量化计量，得到水煤量高度。
60.4)得到一段时间的水煤量高度数据序列，利用水煤量高度数据序列对深度学习神经网络进行训练，通过深度学习算法得到水煤量变化趋势与风险预警说明，当水煤量变化速度超过一定范围时可以认定为可能出现跑仓事故。
61.5)在管理平台设定具体的报警和联动处理的规则，当上位机检测到报警信号时，报警信号会传递到管理平台。
62.7)系统一旦监测到跑仓，上位机可以给煤仓安装的现有皮带控制器、煤仓放煤控制器和报警控制器发送控制信号，根据设定规则可实现改变给煤机速度、停止或降低上游皮带运行、下游皮带调至高频以尽可能将水煤运出等联动措施。具体联动规则可由人为在管理平台设定，实现与自动化系统、广播通信系统等的联动控制。其中，皮带控制器、煤仓放煤控制器和报警控制器属于现有煤仓进出煤的基本配置，具体结构和控制方式再次不再进行赘述。
63.在这一实施过程中使用的双目相机成像模型为：假设左右两个摄像头位于同一平面(光轴平行)，且相机参数(如焦距f)一致，那么深度值的推导原理如图4所示，能够得到空间点p离相机的距离(深度)z＝f*b/d，其中d＝x
r-x
t
，也就是通常所说的视差。
64.已知观测视野每个像素点的距离，进行加权平均从而对煤仓出口处煤量进行量化计量。相机观测不同的像素点的深度值，如图5所示，然后进行所有像素点的加权平均得到一个深度值，视为此时水煤平面的高度值。
65.基于上述描述，本发明基于双目视觉的三维煤量检测技术对煤仓落煤口煤量进行实时量化分析，从而替换原有的靠人观测。联动plc执行机构，实现煤仓远程开启、跑仓智能监测、跑仓应急自动处理，完全实现煤仓无人化操作，一旦监测到水煤跑仓，迅速将下游皮带拉至峰值高速，尽快将水煤拉出，可3s内联动煤仓闸板关闭。并且，本发明采用高精度的三维相机和视频分析技术，系统检测的准确性和稳定性高。
66.此外，本发明上述提供的三维跑仓监测系统包括：图像数据采集模块(包括双目相机及配套的镜头、防护罩等)、上位机(包括图像分析处理系统，主要由视频边缘计算设备组成，完成单路或者多路视频的现场分析、报警联动等)、传输部分(包括电缆或者光缆)、控制和显示部分(包括各类控制通信接口、管理平台、执行器、解码器等)、数据存储部分(包括服务器、磁盘等)等。
67.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
68.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。