一种基于渣土图像的配方调节控制方法、装置及可读介质与流程

1.本发明涉及渣土改良领域，具体涉及一种基于渣土图像的配方调节控制方法、装置及可读介质。


背景技术：

2.工程渣土是指建设工程中的新建、改建、扩建过程中以及建筑物、构筑物的修缮和拆除过程中产生的弃土，会一定程度上会对周围的土壤，空气和水域的质量产生影响，破坏市容，恶化城市环境卫生并且存在安全隐患。因此需要对工程渣土进行处理以及再次利用，使之变废为宝。
3.工程渣土可以用来做道路回填，在做道路回填的材料之前需要经过造粒，而工程渣土在进行造粒之前需要对渣土进行配方改良。因为每次进料的渣土的差异，需要人工进行观察和调节配方，效率低且成本高，因此开发一套能够自动调节配方的渣土改良系统非常重要，目前的渣土改良设备不能满足使用要求。


技术实现要素：

4.针对上述提到的由于渣土的差异，需要人工进行观察和调节配方，效率低且成本高等问题。本技术的实施例的目的在于提出了一种基于渣土图像的配方调节控制方法、装置及可读介质，来解决以上背景技术部分提到的技术问题。
5.第一方面，本技术的实施例提供了一种基于渣土图像的配方调节控制方法，包括以下步骤：
6.s1，获取在进料口端的渣土图像，将渣土图像进行预处理，得到检测图像；
7.s2，根据不同的渣土的等级与对应的渣土改良配方建立配方数据库；
8.s3，将检测图像输入经训练的渣土等级分类神经网络，输出进料口端的渣土的等级，渣土等级分类神经网络采用resnet101神经网络，渣土等级分类神经网络中conv1卷积层为3个3*3，步长为1的卷积层，并连接2*2，步长为1的池化层；
9.s4，根据进料口端的渣土的等级在配方数据库中获取进料口端的渣土所对应的渣土改良配方；
10.s5，将渣土改良配方及其对应的调节指令发送至配方调节装置，以投入相应的配方量的物料对进料口端的渣土进行改良。
11.在一些实施例中，步骤s1中将渣土图像进行预处理，具体包括：采用opencv对渣土图像进行降噪处理。
12.在一些实施例中，步骤s2中还包括根据渣土的性质进行等级划分，根据每个等级的渣土进行归类，并对每个等级的渣土进行配方改良，得到渣土改良配方。
13.在一些实施例中，配方调节装置包括调节主机、配方仓、改良室和传送带，调节主机与配方仓连接，配方仓分别与改良室和进料口端连接，传送带设于改良室下方，调节主机接收到渣土改良配方和调节指令后根据渣土改良配方从配方仓中按照对应的配方量获取
物料并传送至改良室，进料口端将渣土传送至改良室，改良室将进料口端的渣土与相应的配方量的物料混合以进行改良，最后改良后的渣土由传送带输出。
14.在一些实施例中，经训练的渣土等级分类神经网络的训练过程，具体包括：
15.收集进料口端的渣土图像，并根据不同的渣土的等级进行分类，将渣土图像与渣土的等级作为标签构建训练集；
16.采用训练集对以resnet101神经网络作为基础网络构建的渣土等级分类神经网络进行训练，直至渣土等级分类神经网络达到预期效果或直至满足训练结束条件。
17.在一些实施例中，进料口端的渣土图像通过设置在进料口上方的工业相机实时拍摄得到。
18.在一些实施例中，还包括：存储工业相机实时拍摄进料口端的渣土图像的工作记录。
19.第二方面，本技术的实施例提供了一种基于渣土图像的配方调节控制装置，包括：
20.图像处理模块，被配置为获取在进料口端的渣土图像，将渣土图像进行预处理，得到检测图像；
21.配方数据库建立模块，被配置为根据不同的渣土的等级与对应的渣土改良配方建立配方数据库；
22.分类模块，被配置为将检测图像输入经训练的渣土等级分类神经网络，输出进料口端的渣土的等级，渣土等级分类神经网络采用resnet101神经网络，渣土等级分类神经网络中conv1卷积层为3个3*3，步长为1的卷积层，并连接2*2，步长为1的池化层；
23.配方获取模块，被配置为根据进料口端的渣土的等级在配方数据库中获取进料口端的渣土所对应的渣土改良配方；
24.改良模块，被配置为将渣土改良配方及其对应的调节指令发送至配方调节装置，以投入相应的配方量的物料对进料口端的渣土进行改良。
25.第三方面，本技术的实施例提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
26.第四方面，本技术的实施例提供了一种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第一方面中任一实现方式描述的方法。
27.相比于现有技术，本发明具有以下有益效果：
28.(1)本发明的基于渣土图像的配方调节控制方法通过建立渣土等级分类神经网络并进行训练，经训练的渣土等级分类神经网络能够通过输入在进料口端采集的渣土图像预测渣土的等级，进而根据渣土的等级在配方数据库中查找渣土改良配方。
29.(2)本发明的基于渣土图像的配方调节控制方法能够在工程渣土改良过程中按需求实现自动化调节渣土配方，提高效率，减少人工成本。
30.(3)本发明的基于渣土图像的配方调节控制方法能够在上位机中实时监测进料渣土数据，存储检测工作记录，方便后期溯源。
附图说明
31.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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。
32.图1是本技术的一个实施例可以应用于其中的示例性装置架构图；
33.图2为本发明的实施例的基于渣土图像的配方调节控制方法的流程示意图；
34.图3为本发明的实施例的基于渣土图像的配方调节控制方法的工业相机、检测主机和配方调节装置的结构示意图；
35.图4为本发明的实施例的基于渣土图像的配方调节控制方法的渣土等级分类神经网络的结构示意图；
36.图5为本发明的实施例的基于渣土图像的配方调节控制装置的示意图；
37.图6是适于用来实现本技术实施例的电子设备的计算机装置的结构示意图。
具体实施方式
38.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
39.图1示出了可以应用本技术实施例的基于渣土图像的配方调节控制方法或基于渣土图像的配方调节控制装置的示例性装置架构100。
40.如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
41.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。
42.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
43.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。
44.需要说明的是，本技术实施例所提供的基于渣土图像的配方调节控制方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，基于渣土图像的配方调节控制装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
45.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。
46.图2示出了本技术的实施例提供的一种基于渣土图像的配方调节控制方法，包括以下步骤：
47.s1，获取在进料口端的渣土图像，将渣土图像进行预处理，得到检测图像。
48.在具体的实施例中，步骤s1中将渣土图像进行预处理，具体包括：采用opencv对渣土图像进行降噪处理。
49.在具体的实施例中，参考图3，进料口端的渣土图像通过设置在进料口6上方的工业相机1实时拍摄得到，并且将工业相机1实时拍摄进料口端的渣土图像的工作记录存储下来，因此不仅可以在上位机中实时监测进料渣土数据，还能存储检测工作记录，方便后期溯源。在后续的过程中，可以随时根据工作记录获取到相应的渣土图像以及对应时刻的渣土改良配方，方便进行溯源排查以及对渣土配方的进一步改进。具体地，工业相机1设在进料口6上方，并且对传送至进料口6的渣土图像进行实时拍摄，以采集到实时拍摄的渣土图像，并对采集后的渣土图像采用opencv进行降噪处理，方便后续进行分类预测。
50.s2，根据不同的渣土的等级与对应的渣土改良配方建立配方数据库。
51.在具体的实施例中，步骤s2中还包括根据渣土的性质进行等级划分，根据每个等级的渣土进行归类，并对每个等级的渣土进行配方改良，得到渣土改良配方。
52.具体地，需要对渣土的性质进行等级划分，按照每个等级进行归类，并对每个等级的渣土进行配方的定制，得到渣土改良配方，渣土改良配方是由前期实验得来的对应的配方，一个渣土等级的类别对应一个渣土改良配方，由此建立配方数据库。配方数据库中的渣土改良配方方便进行调整，例如增加、删除和修改。在增加或删除的时候，只需要对相应的渣土等级进行增加或删除即可，无需对渣土等级分类神经网络的结构进行重大的调整。在修改渣土改良配方时，无需改变相应的渣土的等级，更无需对渣土等级分类神经网络的结构进行调整，便可以对渣土改良配方进行调整，以进一步优化。
53.s3，将检测图像输入经训练的渣土等级分类神经网络，输出进料口端的渣土的等级，渣土等级分类神经网络采用resnet101神经网络，渣土等级分类神经网络中conv1卷积层为3个3*3，步长为1的卷积层，并连接2*2，步长为1的池化层。
54.在具体的实施例中，如图4所示为渣土等级分类神经网络，渣土等级分类神经网络以resnet101神经网络作为基础网络，resnet101神经网络可以分为5个部分，分别是conv1、conv2_x、conv3_x、conv4_x、conv5_x，并将resnet101神经网络中的conv1卷积层从7*7，步长为2的卷积层改为3个3*3，步长为1的卷积层，并将3*3步长为2的池化层更改为2*2,步长为1的池化层，conv2_x、conv3_x、conv4_x、conv5_x分别为3、4、23、3个组件，一共是33个组件，每个组件为3层，最后连接平均池化层(avgpool)、全连接层(fc)和softmax层，以进行分类。渣土等级分类神经网络构建完成后进行训练。
55.经训练的渣土等级分类神经网络的训练过程具体包括：
56.收集进料口端的渣土图像，并根据不同的渣土的等级进行分类，将渣土图像与渣土的等级作为标签构建训练集；
57.采用训练集对以resnet101神经网络作为基础网络构建的渣土等级分类神经网络进行训练，直至渣土等级分类神经网络达到预期效果或直至满足训练结束条件。
58.具体地，渣土的等级按照需求进行分类并以渣土的等级作为标签对渣土图像进行人工标注，制作数据集，将数据集按照一定的比例分配训练集和测试集，采用训练集对渣土
等级分类神经网络进行训练，采用测试集对训练后的渣土等级分类神经网络进行测试，以达到预期效果或直至满足训练结束条件。
59.s4，根据进料口端的渣土的等级在配方数据库中获取进料口端的渣土所对应的渣土改良配方。
60.具体地，根据经训练的渣土等级分类神经网络预测得到的进料口端的渣土的等级的类别在配方数据库中获取对应的渣土改良配方。由于渣土的等级与渣土改良配方之间是一一对应的，因此可以方便地获得渣土改良配方。
61.s5，将渣土改良配方及其对应的调节指令发送至配方调节装置，以投入相应的配方量的物料对进料口端的渣土进行改良。
62.在具体的实施例中，所述步骤5具体包括，将渣土改良配方存储在检测主机2上并发送至配方调节装置以对渣土进行改良。配方调节装置包括调节主机3、配方仓4、改良室5和传送带7，调节主机3与配方仓4连接，配方仓4分别与改良室5和进料口端连接，传送带7设于改良室5下方，调节主机3接收到渣土改良配方和调节指令后根据渣土改良配方从配方仓4中按照对应的配方量获取物料并传送至改良室5，进料口端将渣土从进料口6传送至改良室5，改良室5将进料口端的渣土与相应的配方量的物料混合以进行改良，最后改良后的渣土由传送带7输出。经过此过程改良后的渣土再进行造粒，进一步用来道路回填。未经过改良的渣土不好形成造粒，因此也难以用于道路回填。
63.进一步参考图5，作为对上述各图所示方法的实现，本技术提供了一种基于渣土图像的配方调节控制装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
64.本技术实施例提供了一种基于渣土图像的配方调节控制装置，包括：
65.图像处理模块1，被配置为获取在进料口端的渣土图像，将渣土图像进行预处理，得到检测图像；
66.配方数据库建立模块2，被配置为根据不同的渣土的等级与对应的渣土改良配方建立配方数据库；
67.分类模块3，被配置为将检测图像输入经训练的渣土等级分类神经网络，输出进料口端的渣土的等级，渣土等级分类神经网络采用resnet101神经网络，渣土等级分类神经网络中conv1卷积层为3个3*3，步长为1的卷积层，并连接2*2，步长为1的池化层；
68.配方获取模块4，被配置为根据进料口端的渣土的等级在配方数据库中获取进料口端的渣土所对应的渣土改良配方；
69.改良模块5，被配置为将渣土改良配方及对应的调节指令发送至配方调节装置，以投入相应的配方量的物料对进料口端的渣土进行改良。
70.下面参考图6，其示出了适于用来实现本技术实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
71.如图6所示，计算机装置600包括中央处理单元(cpu)601和图形处理器(gpu)602，其可以根据存储在只读存储器(rom)603中的程序或者从存储部分609加载到随机访问存储器(ram)604中的程序而执行各种适当的动作和处理。在ram 604中，还存储有装置600操作所需的各种程序和数据。cpu 601、gpu602、rom 603以及ram604通过总线605彼此相连。输
入/输出(i/o)接口606也连接至总线605。
72.以下部件连接至i/o接口606：包括键盘、鼠标等的输入部分607；包括诸如、液晶显示器(lcd)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至i/o接口606。可拆卸介质612，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器611上，以便于从其上读出的计算机程序根据需要被安装入存储部分609。
73.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分610从网络上被下载和安装，和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(cpu)601和图形处理器(gpu)602执行时，执行本技术的方法中限定的上述功能。
74.需要说明的是，本技术所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
75.可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码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)。
76.附图中的流程图和框图，图示了按照本技术各种实施例的装置、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
77.描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
78.作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取在进料口端的渣土图像，将渣土图像进行预处理，得到检测图像；根据不同的渣土的等级与对应的渣土改良配方建立配方数据库；将检测图像输入经训练的渣土等级分类神经网络，输出进料口端的渣土的等级，渣土等级分类神经网络采用resnet101神经网络，渣土等级分类神经网络中conv1卷积层为3个3*3，步长为1的卷积层，并连接2*2，步长为1的池化层；根据进料口端的渣土的等级在配方数据库中获取进料口端的渣土所对应的渣土改良配方；将渣土改良配方及其对应的调节指令发送至配方调节装置，以投入相应的配方量的物料对进料口端的渣土进行改良。
79.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。