买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉珠海市泰和量子智能有限公司申请的专利基于语义分割的放矿机堆料检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121475049B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610007381.9，技术领域涉及：G01B11/24；该发明授权基于语义分割的放矿机堆料检测方法及系统是由赵磊;陈国栋;刘军利;张水生;李思衡;高亚强设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本基于语义分割的放矿机堆料检测方法及系统在说明书摘要公布了：本发明实施例公开了一种基于语义分割的放矿机堆料检测方法及系统，所述方法包括：图像采集步骤：实时采集放矿现场图像；语义分割推理步骤：采用预训练的语义分割深度学习模型对放矿现场图像进行语义分割，提取矿料轮廓；决策逻辑步骤：在放矿现场图像的预设位置加载预设的警示线，若矿料轮廓和警示线有交集或轮廓线位于警示线的上面，则发送关停信号。本发明精准解决了矿山放矿场景中粉尘干扰、光照波动、矿石与车厢颜色接近、偏载检测难等核心难点。最终实现了在复杂工况下的高精度、高鲁棒性检测，完全满足智能矿山的自动化控制需求。

本发明授权基于语义分割的放矿机堆料检测方法及系统在权利要求书中公布了：1.一种基于语义分割的放矿机堆料检测方法，其特征在于，包括： 图像采集步骤：实时采集放矿现场图像； 语义分割推理步骤：采用预训练的语义分割深度学习模型对放矿现场图像进行语义分割，提取矿石轮廓； 决策逻辑步骤：在放矿现场图像的预设位置加载预设的警示线，若矿石轮廓和警示线有交集矿石或轮廓线位于警示线的上面，则发送关停信号； 所述语义分割深度学习模型包括： 图像预处理单元：将输入的放矿现场图像调整为所述模型训练时规定的固定尺寸，将所述放矿现场图像的像素值进行归一化处理； 编码器路径单元：采用多个卷积层和池化层进行下采样，其中，卷积层负责检测特征输出特征图，池化层则不断降低特征图的分辨率； 解码器路径单元：通过上采样逐步提高特征图的分辨率，恢复到与输入的放矿现场图像相同的空间尺寸； 输出卷积层：输出一个维度为高度、宽度、类别数的特征图； 像素级分类单元：对于最后的一个卷积层输出的特征图中每一个像素位置，执行ArgMax操作，比较这个向量的三个分数，选择概率最大的类别为该像素的最终标签；得到了一个与输入的放矿现场图像同尺寸的矩阵，这个矩阵为分割掩膜； 后处理轮廓提取单元：在分割掩膜上找到所有属于矿石的轮廓点集合，得到矿石轮廓线； 所述编码器路径单元采用4个卷积层与4个最大池化层组成，其中： 卷积层：卷积核大小3×3，步长1，填充1，数量依次为64、128、256、512； 池化层：核大小2×2，步长2，实现下采样，公式如下： ； 其中为卷积层输出特征图，为池化后特征图，为池化后特征图坐标； 编码器路径单元引入注意力机制，在每个卷积层输出后添加通道注意力和空间注意力模块，强化矿石区域特征权重，通道注意力计算如下： ； 空间注意力计算如下： ； 其中为Sigmoid激活函数，为两层全连接网络，表示通道拼接； 解码器路径单元采用4个上采样块与4个卷积块组成，上采样块采用转置卷积实现，公式如下： ； 其中为转置卷积核，为步长，为填充，为核大小，为编码器对应层级特征图； 每个上采样块输出后与编码器对应层级的特征图进行通道拼接，保留多尺度特征信息： ； 其中为编码器特征图经1×1卷积降维后的结果； 输出卷积层采用1×1卷积核将融合特征图通道数映射为类别数，公式如下： ； 其中对应3个类别，为1×1卷积核，为偏置项，a和b表示卷积核在宽度和高度上的索引变量； 对输出特征图每个像素的类别得分进行归一化，得到类别概率： ； 其中，c'为具体的类别； 像素级分类单元通过ArgMax操作确定每个像素的最终类别，生成分割掩膜： ； 其中表示该像素属于矿石区域； 所述后处理轮廓提取单元根据以下步骤提取得到矿石轮廓线： 分割掩膜预处理步骤： 进行形态学闭运算，针对粉尘导致的掩膜毛刺和小空洞，采用5×5矩形结构元素进行闭运算，填充小空洞并连接断裂轮廓： 膨胀操作：； 腐蚀操作：； 其中结构元素覆盖坐标范围为； 对闭运算后的掩膜进行3×3高斯滤波，进一步平滑轮廓边缘，去除离散噪声点，高斯核函数如下： ； 其中，滤波公式为： ； 将平滑后的掩膜转换为二值图像，阈值： ； 轮廓检测核心步骤： 基于Sobel算子计算二值图像的水平和垂直梯度，增强轮廓边缘： ； 梯度幅值：，梯度方向：； 沿梯度方向对梯度幅值进行抑制，保留局部极大值点，细化轮廓： 对于每个像素，若其梯度幅值大于梯度方向上相邻两个像素的幅值，则保留，否则置0； 从梯度图像中的非零点开始，跟踪连续边缘点，记录轮廓坐标序列，满足： ； 轮廓筛选与提纯步骤：基于矿石堆叠的物理特征，过滤虚假轮廓，保留真实主体轮廓： 计算每个轮廓的像素面积，保留像素的轮廓； 拟合轮廓的最小外接矩形，计算长宽比；为矩形宽度，为高度，保留的轮廓； 对筛选后的轮廓提取凸包，修正因分割不完整导致的凹陷轮廓，凸包计算采用Graham扫描法，确保轮廓的连续性和完整性： 凸包轮廓，满足对任意两点，线段上的所有点均在轮廓外部或轮廓上； 所述决策逻辑步骤包括： 警示线动态生成与参数调整子步骤： 基于矿车车厢尺寸在图像坐标系中生成基准警示线，其方程为： ； 其中为车厢在图像中的像素高度，为模型输入图像高度，为车厢长度，为车厢高度； 引入两个动态调整因子，适配不同场景： 矿车车型调整因子：根据矿车车型识别结果， ； 其中为当前矿车车厢像素长度，为标准矿车车厢像素长度，取值范围； 放矿速度调整因子：基于相邻两帧图像中矿石轮廓的面积变化率计算放矿速度，公式如下： ； ； 其中为第帧矿石轮廓面积，T为帧间隔，像素帧，像素帧； 生成动态警示线，最终警示线的方程为： ； 其中为基准警示线的y坐标； 轮廓与警示线几何关系判断子步骤： 将轮廓坐标和动态警示线统一映射到图像物理坐标系，转换公式如下： ； 其中，kx为x方向像素当量，，ky为y方向像素当量，，、为矿车车厢实际长度和高度，为车厢在图像中的像素长度； 采用射线法判断轮廓与警示线是否相交： 遍历轮廓上每个线段，，； 若线段与警示线满足：；为动态警示线物理坐标y值； 则计算交点横坐标： ； 若存在至少一个交点落在车厢物理宽度范围内，则判定为相交； 考虑分割和轮廓提取的微小误差，引入缓冲阈值，当轮廓最高点满足时，即使未检测到相交，也发送关停信号，避免因误差导致漏判。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人珠海市泰和量子智能有限公司，其通讯地址为：519000 广东省珠海市香洲区梅界路1322号1栋601号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。