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！

龙图腾网获悉广东恒利混凝土制品有限公司申请的专利基于改进ResNet网络的传送带实时判空检测方法与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：CN115205363B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210829369.8，技术领域涉及：G06T7/60；该发明授权基于改进ResNet网络的传送带实时判空检测方法与系统是由钟思凯;周燕;陶啟权;曾凡智;余家豪设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本基于改进ResNet网络的传送带实时判空检测方法与系统在说明书摘要公布了：本发明公开了一种基于改进ResNet网络的传送带实时判空检测方法与系统，包括：平行放置半圆量角器在传送带的拍摄区域上，按比例计算摄像头拍摄的像素焦距；对传送带上的图像进行数据划分，并对其中砂子和矿石图像的训练集进行数据增强扩充；构建改进ResNet网络，并对网络进行训练；测试得到网络预测传送带判空的多分类模型；本发明通过改进ResNet网络对传送带上的拍摄的图像区域的特征信息进行提取，由于引入改进的SE注意力机制，可对残差模块输出的特征图做局部语义信息增强，不仅大幅度减少了网络的参数量和计算量，提高传送带判空识别的检测效果，而且有效提高传送带的生产效率以及节省用电消耗，在工业界具有广阔的应用前景。

本发明授权基于改进ResNet网络的传送带实时判空检测方法与系统在权利要求书中公布了：1.基于改进ResNet网络的传送带实时判空检测方法，其特征在于，该改进ResNet网络是对原来ResNet网络进行两部分改进，第一部分是对原来ResNet网络的残差模块进行改进：将原来的卷积层改为利用、、卷积层来构建并联特征提取，通过并联卷积操作提取不同特征进行差值操作，从而提取出图像轮廓边缘的特征信息，最后将并联提取的两个差值特征进行融合操作，获取局部最优的特征信息；第二部分是在残差模块后加入改进的SE注意力机制，对SE注意力机制的改进是将Excitation操作中的通道系数调整改为利用通道标准化激活，从而避免了在通道调整的过程中造成参数丢失，通过将改进的SE注意力机制提取得到的特征进行信息聚合，从而有效地对经过残差模块提取的特征做注意力增强，使网络从全局信息的角度对各个阶段提取的特征图进行权值优化； 该传送带实时判空检测方法的具体实施包括以下步骤： 1传送带作业之前，先平行放置半圆量角器在传送带的拍摄区域上，摄像头通过监控画面拍摄标定的半圆量角器照片，通过拍摄的照片计算标定物在水平方向上所占单位像素点的数量，按照比例计算摄像头与传送带的距离，即摄像头拍摄的像素焦距； 2确定摄像头的像素焦距后，通过摄像头采集传送带启动和工作过程中的图像，自定义构建传送带数据集，数据集包括空传送带图像、砂子图像和矿石图像，针对砂子图像和矿石图像做数据增强以扩充数据集，将增强后的砂子图像、矿石图像以及空传送带图像按设定的比例划分为训练集、验证集和测试集； 3将训练集分批送入改进ResNet网络进行训练，训练集中的图像经过网络特征提取后，通过Softmax函数得到识别图像分类的概率值，将二元交叉熵损失与人工采集标注的真实值计算损失值，最后基于网络计算的损失值进行权重更新，根据训练过程中迭代的次数通过优化器调整网络参数，更新学习率，且每当预设次数的网络训练后用验证集对网络的训练效果进行验证，迭代进行至验证集的总损失达到最小的状态，最终得到经训练和验证后的最优网络； 改进ResNet网络共分为六层架构，具体情况如下： 第一层架构为的卷积操作和的最大池化操作，用于调整输入特征图的尺寸和将通道数降采样操作； 第二层至第五层架构为改进的残差模块加上改进的SE注意力机制增强，每层架构为重复两次连续的改进的残差模块与改进的SE注意力机制，其中，该改进的残差模块分为五个步骤提取特征，具体情况如下： 第一步为卷积操作降低特征图的通道维度，减少网络训练的参数； 第二步为分别由卷积操作、卷积操作、卷积操作构成并联形成三个分支新的特征图，其过程如下公式2、3和4： 2； 3； 4； 式中，表示经过降维输出的特征图，表示经过卷积操作后输出的特征图，表示卷积操作，表示经过卷积操作后输出的特征图，表示卷积操作，表示经过卷积操作后输出的特征图，表示卷积操作； 第三步为通过并联卷积得到的特征图与特征图相减形成新的特征图、特征图与特征图相减形成新的特征图，从而捕捉经过不同卷积得到的特征图之间的差值的对比度，增强图像不同语义信息之间的特征信息，其过程如下公式5、6： 5； 6； 式中，表示特征图与特征图相减得到的特征图，表示特征图与特征图相减得到的特征图； 第四步为特征图与特征图进行融合后，通过跳跃连接，将输入改进的残差模块原始的特征图以通道为轴的方式串联形成新的特征图，将差值操作得到的特征图进行融合，增强了特征空间之间的泛化能力，使描述图像特征的信息量增多，跳跃连接将经过不同卷积操作得到的特征图与原始特征图进行信息融合，使网络具有更丰富的语义信息，其过程如下公式7： 7； 式中，表示跳跃连接融合得到的特征图，表示输入残差模块原始的特征图； 第五步为通过卷积操作增加特征图的通道维度； 经过改进的残差模块后，提取出新的特征图，对改进的残差模块输出的特征图通过改进的SE注意力机制做局部信息增强，不仅大幅度减少了网络的参数量和计算量，并且对传送带上的图像特征提取和注意力方面有作用，提升对当前任务有用的特征图的通道；其中，改进的SE注意力机制分为三个步骤提取特征，具体情况如下： 第一步为对改进的残差模块得到的特征图进行全局平均池化操作，将全局空间信息压缩到通道局部因子中，从而增强空间信息的聚合，其过程如下公式8： 8； 式中，表示改进的残差模块得到的特征图，表示特征图的高度，表示特征图的宽度，表示特征图高度的像素点索引位置，表示特征图宽度的像素点索引位置，表示特征图像素点的坐标位置，表示对特征图进行全局平均池化操作，表示对特征图在空间维度执行全局平均池化后的特征图； 第二步为对进行BN标准归一化操作，对归一化得到的线性特征进行Relu激活，然后对特征图进行全连接操作，最后经过Sigmoid激活函数获得归一化权重，其作用是为了完全捕获通道依赖关系，能够学习通道之间的非线性关系，使全连接层和非线性激活函数建立通道间的连接，其过程如下公式9： 9； 式中，表示sigmoid激活函数，表示relu激活函数，为激活函数获得归一化权重； 第三步为将与得到的归一化权重进行相乘，通过乘法得到空间局部特征因子系数逐通道加权到原始特征图每个空间上，完成通道注意力对原始特征的重新标定，从而增强特征图的全局感受野，其过程如下公式10、11： 10； 11； 式中，为空间局部特征因子系数，为经过改进的SE注意力机制后输出的特征图； 第六层架构为通过平均池化实现的下采样操作；对输出的每个的特征图的所有像素计算平均值，从而得到类别对应的特征信息； 经过改进ResNet网络输出的特征图，经过Softmax函数将图像得到的概率值压缩在[0,1]之间输出，将输出的概率值归一化，预测评分最高的类别的概率，经过二元交叉熵计算得到损失，再通过Adam优化器和损失计算反向传播优化网络参数；其中，在网络训练过程中采用了动态学习率，每进行预设训练的迭代次数后使用验证集对网络的训练效果进行验证，训练的终止条件为验证集的损失达到最小值，即连续10次验证集的总损失不再下降； 4将测试集送入步骤3得到的最优网络中，即可得到网络预测传送带判空的多分类模型，并设定相应的分类值，将空传送带的分类值设置为0，传送带上存在砂子的分类值设置为1，存在矿石的分类值设置为2，记录测试过程中的Top1测试值，通过最高的测试值得到最优准确值的评价指标。

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广东恒利混凝土制品有限公司，其通讯地址为：528200 广东省佛山市南海区狮山镇横岗村马洞股份合作经济社地段的地块；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。