传动部件上的异物检测方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种传动部件上的异物检测方法及装置、电子设备和存储介质。


背景技术：

2.煤矿产业是主要的能源产业，在开采过程中受条件限制，容易出现大量异物混入原煤的现象，严重影响煤质。与此同时，如果异物体积过大，造成井下皮带运输系统堵塞，损坏运输皮带，大大降低开采效率。为了减少异物并避免对井下皮带造成损坏，准确检测出运输皮带中的异物并估算其大小，对提升煤质、开采效率和保障生产具有十分重要的现实意义。
3.在相关技术中，判断异物的体积常需要人工进行测量，人工测量不仅增大人工工作量，还会增加人员在井下的时间，增加安全防范的负担。通过图像识别技术虽然能够检测出部分异物，但检测的异物种类不够全面，且通常无法直接确定异物的尺寸。


技术实现要素：

4.本公开提出了一种传动部件上的异物检测方法及装置、电子设备和存储介质。
5.根据本公开的一方面，提供了一种传动部件上的异物检测方法，包括：对待处理图像进行检测处理，确定目标对象在所述待处理图像中所在的第一区域以及目标标识在所述待处理图像中所在的第二区域，其中，所述目标标识为设置在图像获取设备的拍摄的实际场景内的标识，所述待处理图像为所述图像获取设备获取的所述实际场景的图像，所述图像获取设备设置在传动部件的一端，所述目标对象为传动部件上的异物；根据所述目标标识所在的第二区域，确定所述目标标识所属的图像分区，其中，待处理图像沿垂直于传动部件的运动方向划分为多个图像分区；根据所述目标标识所在的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系；根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸。
6.在一种可能的实现方式中，根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸，包括：根据所述第一区域，确定所述目标对象所属的图像分区；根据所述第一区域，确定所述目标对象在所述待处理图像中的第一图像尺寸；根据所述目标对象所属的图像分区内的映射关系，以及所述第一图像尺寸，确定所述目标对象的第一实际尺寸。
7.在一种可能的实现方式中，根据所述第一区域，确定所述目标对象所属的图像分区，包括：根据所述第一区域和所述第二区域，确定与所述目标对象距离最近的目标标识；根据与所述目标对象距离最近的目标标识所属的图像分区，确定所述目标对象所属的图像分区。
8.在一种可能的实现方式中，根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸，包括：根据各图像分区内的映射关系进行拟合处理，获得所述待处理图
像中各位置的映射关系；根据所述第一区域，确定所述目标对象在所述待处理图像中的位置；根据所述第一区域，确定所述目标对象在所述待处理图像中的第二图像尺寸；根据所述目标对象在所述待处理图像中的位置处的映射关系，以及所述第二图像尺寸，确定所述目标对象的第一实际尺寸。
9.在一种可能的实现方式中，所述目标标识的属性信息包括所述目标标识的第二实际尺寸，其中，根据所述目标标识的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系，包括：根据所述第二区域，确定所述目标标识在所述待处理图像中的第三图像尺寸；根据所述第三图像尺寸和所述第二实际尺寸，确定所述映射关系。
10.在一种可能的实现方式中，所述目标标识的属性信息包括至少两个所述目标标识之间的实际距离，其中，根据所述目标标识的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系，包括：根据至少两个所述目标标识在所述待处理图像中所在的第二区域，确定所述至少两个所述目标标识在所述待处理图像中的图像距离；根据所述图像距离和所述实际距离，确定所述映射关系。
11.在一种可能的实现方式中，对所述待处理图像进行检测处理通过检测神经网络实现，所述方法还包括：对多个样本图像的标注信息进行聚类处理，获取所述标注信息的尺寸特征；通过所述检测神经网络对所述样本图像进行处理，获得检测结果；根据所述尺寸特征、所述检测结果和所述标注信息，确定检测神经网络的网络损失；根据所述网络损失，训练所述检测神经网络。
12.根据本公开的一方面，提供了一种传动部件上的异物检测装置，包括：检测模块，用于对待处理图像进行检测处理，确定目标对象在所述待处理图像中所在的第一区域以及目标标识在所述待处理图像中所在的第二区域，其中，所述目标标识为设置在图像获取设备的拍摄的实际场景内的标识，所述待处理图像为所述图像获取设备获取的所述实际场景的图像，所述图像获取设备设置在传动部件的一端，所述目标对象为传动部件上的异物；分区模块，用于根据所述目标标识所在的第二区域，确定所述目标标识所属的图像分区，其中，待处理图像沿垂直于传动部件的运动方向划分为多个图像分区；映射关系确定模块，用于根据所述目标标识所在的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系；实际尺寸确定模块，用于根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸。
13.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据所述第一区域，确定所述目标对象所属的图像分区；根据所述第一区域，确定所述目标对象在所述待处理图像中的第一图像尺寸；根据所述目标对象所属的图像分区内的映射关系，以及所述第一图像尺寸，确定所述目标对象的第一实际尺寸。
14.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据所述第一区域和所述第二区域，确定与所述目标对象距离最近的目标标识；根据与所述目标对象距离最近的目标标识所属的图像分区，确定所述目标对象所属的图像分区。
15.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据各图像分区内的映射关系进行拟合处理，获得所述待处理图像中各位置的映射关系；根据所述第一区
域，确定所述目标对象在所述待处理图像中的位置；根据所述第一区域，确定所述目标对象在所述待处理图像中的第二图像尺寸；根据所述目标对象在所述待处理图像中的位置处的映射关系，以及所述第二图像尺寸，确定所述目标对象的第一实际尺寸。
16.在一种可能的实现方式中，所述目标标识的属性信息包括所述目标标识的第二实际尺寸，所述映射关系确定模块进一步用于：根据所述第二区域，确定所述目标标识在所述待处理图像中的第三图像尺寸；根据所述第三图像尺寸和所述第二实际尺寸，确定所述映射关系。
17.在一种可能的实现方式中，所述目标标识的属性信息包括至少两个所述目标标识之间的实际距离，所述映射关系确定模块进一步用于：根据至少两个所述目标标识在所述待处理图像中所在的第二区域，确定所述至少两个所述目标标识在所述待处理图像中的图像距离；根据所述图像距离和所述实际距离，确定所述映射关系。
18.在一种可能的实现方式中，对所述待处理图像进行检测处理通过检测神经网络实现，所述装置还包括：训练模块，用于对多个样本图像的标注信息进行聚类处理，获取所述标注信息的尺寸特征；通过所述检测神经网络对所述样本图像进行处理，获得检测结果；根据所述尺寸特征、所述检测结果和所述标注信息，确定检测神经网络的网络损失；根据所述网络损失，训练所述检测神经网络。
19.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
20.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
21.根据本公开的实施例的传动部件上的异物检测方法，可通过待处理图像的多个图像分区以及目标标识，分别确定各分区内的映射关系，进一步地，还可通过拟合处理获得待处理图像中各位置的映射关系，进而确定检测到的目标对象的实际尺寸。无需人工下井来进行检测，可减少人工工作量，并减少安全隐患。
22.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
23.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
24.图1示出根据本公开实施例的传动部件上的异物检测方法的流程图；
25.图2a、图2b和2c示出根据本公开实施例的待处理图像的示意图；
26.图3示出根据本公开实施例的传动部件上的异物检测方法的应用示意图；
27.图4示出根据本公开实施例的传动部件上的异物检测装置的框图；
28.图5示出根据本公开实施例的一种电子设备的框图；
29.图6示出根据本公开实施例的一种电子设备的框图。
具体实施方式
30.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
31.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
32.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
33.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
34.图1示出根据本公开实施例的传动部件上的异物检测方法的流程图，如图1所示，所述方法包括：
35.在步骤s11中，对待处理图像进行检测处理，确定目标对象在所述待处理图像中所在的第一区域以及目标标识在所述待处理图像中所在的第二区域，其中，所述目标标识为设置在图像获取设备的拍摄的实际场景内的标识，所述待处理图像为所述图像获取设备获取的所述实际场景的图像，所述图像获取设备设置在传动部件的一端，所述目标对象为传动部件上的异物；
36.在步骤s12中，根据所述目标标识所在的第二区域，确定所述目标标识所属的图像分区，其中，待处理图像沿垂直于传动部件的运动方向划分为多个图像分区；
37.在步骤s13中，根据所述目标标识所在的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系；
38.在步骤s14中，根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸。
39.根据本公开的实施例的传动部件上的异物检测方法，可通过待处理图像的多个图像分区以及目标标识，分别确定各分区内的映射关系，进而确定检测到的目标对象的实际尺寸。无需人工下井来进行检测，可减少人工工作量，并减少安全隐患。
40.传动设备是矿井下生产和运输产出品的重要设备，例如，在煤矿中，常使用传输皮带来运输产出的煤，传输皮带以及为传输皮带提供动力的托辊为传动设备的重要组成部分，托辊可转动(例如，由发动机或电机等提供动力)，并带动传输皮带。在运输过程中，除了运输煤等产物，还可能夹杂有其他异物，体积和重量较大的异物可能对传动设备造成较大的压力，使得皮带容易损坏。并且，异物还可能影响煤的质量。
41.在一种可能的实现方式中，在矿井下的区域中，可设置有图像获取设备，该图像获取设备可用于拍摄传动设备(例如，传输皮带所在区域的图像)，并基于该图像检测传输皮带上的异物。并可利用该图像以及预设的目标标识(例如，已知实际尺寸和/或互相之间的距离)来确定图像和现实之间的映射关系，进而确定异物的实际尺寸。
42.在一种可能的实现方式中，在步骤s11中，所述待处理图像可由上述矿井下的区域
中设置的图像获取设备获取，基于待处理图像中的信息，可检测传动设备上的异物等目标对象，也可用于检测上述预设的目标标识。例如，所述目标标识可以是设置在传动部件(例如，传输皮带)上的标识，用于表示传输部件的宽度(例如，传输皮带上安装或涂画的标识)，又例如，目标标识可以是驱动部件(例如，托辊)本身，本公开对目标标识的类型不做限制。
43.在一种可能的实现方式中，可通过深度学习神经网络等方法对待处理图像进行检测处理，以确定目标对象(例如，异物)所在的第一区域，以及上述目标标识所在的第二区域。在示例中，目标对象和目标标识均在上述传动设备所在的区域内，可首先检测传动设备所在的区域，并对该区域进行进一步地检测，以确定第一区域和第二区域。
44.图2a、图2b和2c示出根据本公开实施例的待处理图像的示意图。如图2a所示，矿井下的区域中可设置图像获取设备(例如，摄像头)，在示例中，图像获取设备可设置在传动设备的传动部件(例如，传输皮带)一端的上方，用于拍摄传动部件上传输的产出物(例如，煤)，并检测产出物中夹杂的异物。
45.在一种可能的实现方式中，如图2b所示，图像获取设备拍摄的待处理图像中，可呈现出传动部件(例如，传输皮带)由近及远的画面。还可拍摄到用于驱动传动部件的驱动部件(例如，可转动的托辊)。可检测待处理图像中传动设备所在的区域，如图2b所示，虚线框框选的区域可作为传动设备所在的区域。
46.在一种可能的实现方式中，如图2c所示，可在传动设备所在的区域中进行进一步地检测，例如，可通过用于检测的检测神经网络来检测目标对象和目标标识。所述检测神经网络可以是深度学习神经网络，本公开对检测方式不做限制。
47.在一种可能的实现方式中，所述目标标识为设置在图像获取设备的拍摄的实际场景内的标识，例如，可以是设置在传动部件上的标识，如图2c所示，目标标识设置在传输皮带上，目标标识之间的距离可表示传输皮带的宽度。在另一示例中，目标标识也可以是驱动部件(例如，托辊)本身，目标标识的尺寸即为驱动部件的尺寸。或者，目标标识也可不设置在传动设备上，可设置在图像获取设备的拍摄的实际场景内的其他区域，本公开对此不做限制。
48.在一种可能的实现方式中，目标标识的数量可以是多个或多组。由于待处理图像为传动部件由近及远的画面，因此，图像中各部分之间的比例是不同的。如需通过目标标识来确定映射关系进而确定目标对象的真实尺寸，还需使目标标识分布在待处理图像中的各个分区，以确定各分区中的映射关系(例如，比例)，从而确定相应分区中的目标对象的实际尺寸。
49.在一种可能的实现方式中，在步骤s12中，可确定目标标识所属的图像分区。在示例中，图像分区可以是人为划定的，例如，由于待处理图像呈现传动部件由近及远的画面，因此，远近方向(例如，图像的y轴方向)上的比例不同，可沿着垂直于传动部件的运动方向(例如，图像的y轴方向)人为划分多个图像分区，进而可分别基于目标标识所在的第二区域的位置，来确定各目标标识所在的图像分区。在另一示例中，图像分区可以是根据目标标识来划定的，例如，目标标识周围的一定范围内为该目标标识对应的图像分区。本公开对图像分区的划定方式不做限制。
50.在一种可能的实现方式中，在步骤s13中，可确定各图像分区内的映射关系。如上所述，远近方向(例如，图像的y轴方向)上的比例不同，因此各图像分区内的映射关系也不
同。可基于各图像分区内的目标标识在待处理图像中的尺寸和/或距离，以及实际的属性信息(例如，实际尺寸和/或实际距离)，来确定各分区内的映射关系。
51.由此，通过将所述图像获取设备设置在传动部件的一端，利用远近关系造成的比例不同，将处理图像沿垂直于传动部件的运动方向划分为多个图像分区，并针对每个区域确定不同的映射关系，能够降低对图像获取设备布设数量的要求，并准确地得到目标对象的实际尺寸，提高异物尺寸检测的准确性。
52.在一种可能的实现方式中，所述目标标识的属性信息包括所述目标标识的第二实际尺寸，步骤s13可包括：根据所述第二区域，确定所述目标标识在所述待处理图像中的第三图像尺寸；根据所述第三图像尺寸和所述第二实际尺寸，确定所述映射关系。
53.在一种可能的实现方式中，第二区域为目标标识所在区域，例如，第二区域为目标标识的轮廓区域，第二区域的尺寸即可代表目标标识在待处理图像中的尺寸，即，第三图像尺寸。可计算目标标识从一端到另一端的像素距离，作为所述第三图像尺寸。在示例中，目标标识为托辊，可计算待处理图像中托辊的一端到另一端的像素距离，作为所述第三图像尺寸。
54.在一种可能的实现方式中，可基于目标标识的第二实际尺寸和第三图像尺寸之间的关系，来确定目标标识所属的图像分区的映射关系。例如，第二实际尺寸为50cm，第三图像尺寸为100个像素点，则可将第二实际尺寸和第三图像尺寸之间的比例关系确定为目标标识所属的图像分区的映射关系。映射关系不限于比例关系，还可以是其他线性或非线性关系，本公开对映射关系的类型不做限制。
55.在一种可能的实现方式中，所述目标标识的属性信息包括至少两个所述目标标识之间的实际距离，步骤s13可包括：根据至少两个所述目标标识在所述待处理图像中所在的第二区域，确定所述至少两个所述目标标识在所述待处理图像中的图像距离；根据所述图像距离和所述实际距离，确定所述映射关系。
56.在一种可能的实现方式中，两个或更多个目标标识可属于同一图像分区，可基于这些目标标识之间的距离来确定该图像分区的映射关系。例如，可实际测量这些目标标识之间的实际距离，又例如，如图2c所示，目标标识之间的实际距离即为传输皮带的宽度。本公开对实际距离的确定方式不做限制。
57.在一种可能的实现方式中，还可进一步确定目标标识之间的图像距离，在示例中，可确定目标标识所在的第二区域，并计算第二区域之间的像素距离，例如，可确定第二区域的中心点或其他具有代表性的点之间的像素距离，作为所述图像距离，本公开对图像距离的确定方式不做限制。
58.在一种可能的实现方式中，可基于述图像距离和实际距离，确定这些目标标识所属的图像分区的映射关系。例如，可确定图像距离和实际距离之间的比例关系，例如，实际距离为50cm，图像距离为100个像素点，可将图像距离与实际距离之间的比例关系作为该图像分区的映射关系。本公开对映射关系的类型不做限制。
59.在一种可能的实现方式中，可对待处理图像中的各图像分区分别执行上述处理，即可获得每个图像分区的映射关系。
60.在一种可能的实现方式中，在步骤s14中，可基于以上确定的各图像分区映射关系，以及基于目标对象所在的第一区域确定的目标对象的图像尺寸，来确定目标对象的实
际尺寸。
61.在一种可能的实现方式中，步骤s14可包括：根据所述第一区域，确定所述目标对象所属的图像分区；根据所述第一区域，确定所述目标对象在所述待处理图像中的第一图像尺寸；根据所述目标对象所属的图像分区内的映射关系，以及所述第一图像尺寸，确定所述目标对象的第一实际尺寸。
62.在一种可能的实现方式中，可首先确定根据第一区域的位置，确定目标对象所属的图像分区，例如，可直接确定第一区域所属的图像分区，也可根据第一区域和目标标识所在的第二区域之间的位置关系来确定目标对象所属的图像分区。
63.在示例中，所述图像分区是认为划定的，即，沿垂直于传动部件的运动方向划定的多个分区，则可直接确定第一区域的位置所属的图像分区。
64.在另一示例中，所述图像分区为基于目标标识划定的分区，例如，将目标标识周围的一定范围内的区域划定为该目标标识对应的分区，则该图像分区的映射关系也为对应的目标标识的映射关系。进而，可基于与第一区域距离最近的目标标识，来确定目标对象所属的图像分区，进而确定目标标识所属的图像分区的映射关系。该步骤可包括：根据所述第一区域和所述第二区域，确定与所述目标对象距离最近的目标标识；根据与所述目标对象距离最近的目标标识所属的图像分区，确定所述目标对象所属的图像分区。
65.在一种可能的实现方式中，可确定目标对象所在的第一区域和目标标识所在的第二区域在待处理图像中的位置，以确定与第一区域距离最近的第二区域，即可确定与目标对象距离最近的目标标识。
66.在一种可能的实现方式中，该距离最近的目标标识所属的图像分区即为目标对象所属的图像分区。在确定目标对象所属的图像分区后，即可通过该图像分区的映射关系来确定目标对象的实际尺寸。或者，可不确定图像分区，直接利用距离最近的目标标识的映射关系来确定目标对象的实际尺寸。
67.在一种可能的实现方式中，在确定实际尺寸时，还可确定目标对象在待处理图像中的图像尺寸，在示例中，第一区域可以是目标对象的轮廓围成的区域，可确定第一区域的尺寸，例如，第一区域的一端到另一端的像素距离，并将该像素距离作为所述第一图像尺寸。
68.在一种可能的实现方式中，可基于第一图像尺寸和目标对象所属图像分区的映射关系确定目标对象的第一实际尺寸。例如，所述映射关系为比例关系，可基于第一图像尺寸与所述比例关系的乘积来获得第一实际尺寸。又例如，映射关系为其他线性或非线性关系，可将第一图像尺寸输入该映射关系，以获得第一实际尺寸。
69.在一种可能的实现方式中，图像分区的范围可能依然较大，图像分区中各个位置的目标对象均使用同一个映射关系来确定第一实际尺寸的误差可能也较大。因此，可对映射关系进一步细化，获得待处理图像中各位置的映射关系，进而确定目标对象的第一实际尺寸，以减小尺寸误差。步骤s14可包括：根据各图像分区内的映射关系进行拟合处理，获得所述待处理图像中各位置的映射关系；根据所述第一区域，确定所述目标对象在所述待处理图像中的位置；根据所述第一区域，确定所述目标对象在所述待处理图像中的第二图像尺寸；根据所述目标对象在所述待处理图像中的位置处的映射关系，以及所述第二图像尺寸，确定所述目标对象的第一实际尺寸。
70.在一种可能的实现方式中，目标标识的数量可较多，例如，如图2c所示的传输皮带两侧的目标标识的数量可更多，例如，可布满传输皮带的两侧，本公开对目标标识的分布不做限制。
71.在一种可能的实现方式中，可进一步细化图像分区，以基于各图像分区中目标标识的属性信息及图像距离和/或尺寸获得更多图像分区中的映射关系，或者，直接确定各目标标识的映射关系。在示例中，目标标识布满传输皮带的两侧，可基于传输皮带的宽度(即，属性信息)以及图像中各组目标标识之间的距离，分别确定各组目标标识的映射关系。例如，传输皮带的运动方向为图像的y轴方向，y轴方向上第一组目标标识(例如，y轴方向上20个像素点的位置)的像素距离为100个像素点，y轴方向上第二组目标标识(例如，y轴方向上40个像素点的位置)的像素距离为80个像素点，y轴方向上第三组目标标识(例如，y轴方向上60个像素点的位置)的像素距离为60个像素点
……
传输皮带的宽度为50cm，可基于此获得每组目标标识的位置的映射关系。进一步地，可将上述映射关系进行拟合，可获得待处理图像中各位置的映射关系，例如，y轴方向上各位置的映射关系。
72.在一种可能的实现方式中，确定目标对象在待处理图像中的第二图像尺寸的方式与以上确定第一图像尺寸的方式相同，在此不再赘述。进一步地，还可基于第一区域的位置，获得目标对象所处的位置，例如，第一区域可以是包含目标对象的选择框，或者目标对象的轮廓线，第一区域所包括的y轴方向的像素点，可作为目标对象所处的位置。并将第二图像尺寸输入目标对象所处位置(即，第一区域的位置)的映射关系，获得目标对象的第一实际尺寸，例如，所述映射关系为比例关系，可将第二图像尺寸与所述比例关系相乘，获得所述第一实际尺寸。
73.通过这种方式，可通过拟合来获得待处理图像中各位置的映射关系，进而求解目标对象的实际尺寸，可减小实际尺寸的误差。
74.在一种可能的实现方式中，以上检测目标对象和目标标识的处理可通过检测神经网络实现，所述检测神经网络可以是深度学习神经网络，可将yolo-v3神经网络作为基础，并通过轻量型mobilenet网络替换yolo-v3神经网络中的darknet网络部分，构成所述检测神经网络。
75.在一种可能的实现方式中，在检测前，可通过样本图像来训练检测神经网络。所述样本图像可以是在矿井下的环境中获取的传动设备的图像或视频帧，例如，传动设备的运输产出物(例如，煤)以及夹杂的异物(例如，锚杆、矸石、铁丝)的图像，在样本图像中还可包括目标标识。
76.在一种可能的实现方式中，所述方法还包括：对多个样本图像的标注信息进行聚类处理，获取所述标注信息的尺寸特征；通过所述检测神经网络对所述样本图像进行处理，获得检测结果；根据所述尺寸特征、所述检测结果和所述标注信息，确定检测神经网络的网络损失；根据所述网络损失，训练所述检测神经网络。
77.在一种可能的实现方式中，所述多个样本图像均可具有标注信息，例如，标注样本图像中的异物和目标标识的位置的标注信息。多个样本图像及其标注信息可构成样本数据库，可通过样本数据库来训练检测神经网络。在示例中，可将样本数据库中的样本图像进行划分，例如，可按照训练集：验证集：测试集＝7:2:1的比例进行划分，即，使用样本数据库中70％的样本图像进行训练，使用样本数据库中20％的样本图像进行验证，使用样本数据库
中10％的图像进行测试。本公开对样本数据库的划分方式不做限制。
78.在一种可能的实现方式中，可对各样本图像的标注信息进行聚类处理，获得各类检测目标的尺寸特征，在示例中，所述尺寸特征可以是对各类目标进行框选的选择框的宽高比，例如，异物的宽高比约为1：2，目标标识的宽高比约为1:1等，本公开对尺寸特征的含义及具体数值不做限制。
79.在一种可能的实现方式中，在训练过程中，可将样本图像分批输入检测神经网络，可获得检测结果(例如，对于检测到的目标进行框选的选择框)，并可将尺寸特征作为依据，确定检测结果和标注信息之间的误差。例如，在检测目标标识时，获得的检测结果为对图中某区域的选择框，可利用该选择框的尺寸特征(例如，宽高比)与输入的尺寸特征之间的关系来确定检测到的目标的类别是否正确，例如，如上例，目标标识的宽高比约为1:1，而宽高比为3:1的选择框则可能存在检测到的目标并非目标标识(即，类别错误)等问题，也可能存在选择框的选择范围错误等问题，上述错误可构成检测结果和标注信息之间的误差。
80.在一种可能的实现方式中，检测结果和标注信息之间的误差还可包括检测结果和标注信息直接对比产生的误差，例如，二者的位置误差、范围误差等。
81.在一种可能的实现方式中，可通过检测结果和标注信息之间的误差来确定检测神经网络的网络损失，例如，可利用均方差损失函数和/或交叉熵损失函数来确定检测神经网络的网络损失。在通过网络损失调整检测神经网络的参数时，可通过adam优化器自适应地确定参数学习率，以控制神经网络的训练过程，减少过拟合现象的发生。
82.在一种可能的实现方式中，在满足训练条件时，完成训练，获得训练后的检测神经网络。例如，在经过多轮训练后，可在验证集中对经过训练的检测神经网络进行验证，如果检测神经网络对验证集中的样本图像进行检测的准确率满足要求，则可完成训练，获得训练后的检测神经网络。进一步地，还可在测试集中对训练后的检测神经网络进行测试，以获得检测神经网络的性能参数，例如，检测准确率，置信度等参数，本公开对所述性能参数的类型不做限制。
83.在一种可能的实现方式中，训练后的检测神经网络可用于上述检测异物和目标标识的过程中，且具有较高的准确率。
84.根据本公开的实施例的传动部件上的异物检测方法，可通过待处理图像的多个图像分区以及目标标识，分别确定各分区内的映射关系，进一步地，还可通过拟合处理获得待处理图像中各位置的映射关系，进而确定检测到的目标对象的实际尺寸。无需人工下井来进行检测，可减少人工工作量，并减少安全隐患。
85.图3示出根据本公开实施例的传动部件上的异物检测方法的应用示意图，如图3所示，传输皮带的两侧分布有多组目标标识，每组目标标识之间的距离可表示传输皮带的宽度。
86.在一种可能的实现方式中，可按照由近及远的方向，将待处理图像划分为多个图像分区，每个图像分区中包括一组目标标识。可通过检测神经网络检测每组目标标识在待处理图像中的位置，并计算每组目标标识之间的图像距离，进而基于传输皮带的实际宽度，确定每个分区中的映射关系，例如，实际宽度和图像距离之间的比例关系。
87.在一种可能的实现方式中，可通过检测神经网络检测目标对象所在的区域，并确定该区域在图像中的图像尺寸以及该区域所属的图像分区。进一步地，可将图像尺寸输入
该图像分区的映射关系，例如，通过图像尺寸与该图像分区的比例关系进行相乘，获得目标对象(例如，异物)的实际尺寸。
88.在一种可能的实现方式中，所述传动部件上的异物检测方法可用于检测矿井下的异物的尺寸，以进行异物的预警，保护传输皮带以减少损坏，同时提升采煤的质量。本公开对所述方法的应用领域不做限制。
89.图4示出根据本公开实施例的传动部件上的异物检测装置的框图，如图4所示，所述装置包括：检测模块11，用于对待处理图像进行检测处理，确定目标对象在所述待处理图像中所在的第一区域以及目标标识在所述待处理图像中所在的第二区域，其中，所述目标标识为设置在图像获取设备的拍摄的实际场景内的标识，所述待处理图像为所述图像获取设备获取的所述实际场景的图像，所述图像获取设备设置在传动部件的一端，所述目标对象为传动部件上的异物；分区模块12，用于根据所述目标标识所在的第二区域，确定所述目标标识所属的图像分区，其中，待处理图像沿垂直于传动部件的运动方向划分为多个图像分区；映射关系确定模块13，用于根据所述目标标识所在的第二区域、所述目标标识的属性信息以及所述目标标识所属的图像分区，确定所述目标标识所属的图像分区内的映射关系；实际尺寸确定模块14，用于根据所述第一区域和所述映射关系，确定所述目标对象的第一实际尺寸。
90.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据所述第一区域，确定所述目标对象所属的图像分区；根据所述第一区域，确定所述目标对象在所述待处理图像中的第一图像尺寸；根据所述目标对象所属的图像分区内的映射关系，以及所述第一图像尺寸，确定所述目标对象的第一实际尺寸。
91.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据所述第一区域和所述第二区域，确定与所述目标对象距离最近的目标标识；根据与所述目标对象距离最近的目标标识所属的图像分区，确定所述目标对象所属的图像分区。
92.在一种可能的实现方式中，所述实际尺寸确定模块进一步用于：根据各图像分区内的映射关系进行拟合处理，获得所述待处理图像中各位置的映射关系；根据所述第一区域，确定所述目标对象在所述待处理图像中的位置；根据所述第一区域，确定所述目标对象在所述待处理图像中的第二图像尺寸；根据所述目标对象在所述待处理图像中的位置处的映射关系，以及所述第二图像尺寸，确定所述目标对象的第一实际尺寸。
93.在一种可能的实现方式中，所述目标标识的属性信息包括所述目标标识的第二实际尺寸，所述映射关系确定模块进一步用于：根据所述第二区域，确定所述目标标识在所述待处理图像中的第三图像尺寸；根据所述第三图像尺寸和所述第二实际尺寸，确定所述映射关系。
94.在一种可能的实现方式中，所述目标标识的属性信息包括至少两个所述目标标识之间的实际距离，所述映射关系确定模块进一步用于：根据至少两个所述目标标识在所述待处理图像中所在的第二区域，确定所述至少两个所述目标标识在所述待处理图像中的图像距离；根据所述图像距离和所述实际距离，确定所述映射关系。
95.在一种可能的实现方式中，对所述待处理图像进行检测处理通过检测神经网络实现，所述装置还包括：训练模块，用于对多个样本图像的标注信息进行聚类处理，获取所述标注信息的尺寸特征；通过所述检测神经网络对所述样本图像进行处理，获得检测结果；根
据所述尺寸特征、所述检测结果和所述标注信息，确定检测神经网络的网络损失；根据所述网络损失，训练所述检测神经网络。
96.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
97.此外，本公开还提供了传动部件上的异物检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种传动部件上的异物检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
98.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
99.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
100.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
101.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的传动部件上的异物检测方法的指令。
102.本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的传动部件上的异物检测方法的操作。
103.电子设备可以被提供为终端、服务器或其它形态的设备。
104.图5示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
105.参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
106.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
107.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快
闪存储器，磁盘或光盘。
108.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
109.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
110.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
111.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
112.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
113.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
114.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
115.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
116.图6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以
被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
117.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
,linux
tm
，freebsd
tm
或类似。
118.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
119.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
120.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
121.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
122.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可
编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
123.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
124.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
125.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
126.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
127.该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
128.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。