【技術實現步驟摘要】
本申請涉及圖像處理，尤其涉及一種抓斗控制方法、系統、電子設備和計算機程序產品。
技術介紹
1、抓斗卸船機是一種用于從船舶上抓取并卸載物料的機械設備，抓斗卸船機上的抓斗將物料從船艙抓取至碼頭的散料傳送帶上。抓斗過載保護是保證抓斗卸船機安全運行的重要一環。當抓斗卸船機進行物料抓取時，抓斗會短暫停留，抓斗抓取物料后，鋼絲繩緊繃進行抓斗起升，以輸送物料。
2、目前主要通過抓斗的鋼絲繩上的拉力傳感器實現抓斗卸船機的抓斗過載保護，而由于拉力傳感器只有在抓斗起升時，拉力傳感器才可以測量到抓斗抓取的物料重量，以判斷抓斗是否過載，而此時鋼絲繩可能已經超過其設計安全荷載。若鋼絲繩多次超過其設計安全荷載而進行運作，則會大大縮減鋼絲繩的使用壽命和安全性。
技術實現思路
1、鑒于上述問題，本申請提供了一種抓斗控制方法、系統、電子設備和計算機程序產品，以實現提高鋼絲繩的使用壽命和安全性的目的。具體方案如下：
2、本申請第一方面提供一種抓斗控制方法，所述抓斗控制方法，包括：
3、當抓斗抓取物料后，拍攝所述抓斗的圖像，所述圖像中包括所述抓斗和所述抓斗抓取的物料；
4、將所述圖像輸入預設深度學習模型中，使得所述預設深度學習模型識別所述抓斗抓取的物料的圖像區域并根據識別到的圖像區域預測所述抓斗抓取的當前物料重量；
5、獲得所述預設深度學習模型輸出的所述抓斗抓取的當前物料重量；
6、根據所述當前物料重量與重量臨界值的比較結果，調整抓斗的運行方式，所
7、在一種可能的實現中，所述預設深度學習模型識別所述抓斗抓取的物料的圖像區域并根據識別到的圖像區域預測所述抓斗抓取的當前物料重量，包括：
8、所述預設深度學習模型識別所述圖像區域，確定所述物料的物料類別和所述圖像區域在抓斗內部圖像區域的區域占比；
9、獲取與所述區域占比和所述物料類別均對應的物料重量，將查詢到的重量確定為所述當前物料重量。
10、在一種可能的實現中，所述根據所述當前物料重量與重量臨界值的比較結果，調整抓斗的運行方式，包括：
11、若所述當前物料重量小于所述重量臨界值的第一倍數的重量，則以第一速度起升所述抓斗；
12、若所述當前物料重量不小于所述重量臨界值的第一倍數的重量，并且小于所述重量臨界值的第二倍數的重量，則以第二速度起升所述抓斗；
13、若所述當前物料重量不小于所述重量臨界值的第二倍數的重量，則暫停起升所述抓斗，減小所述抓斗的抓取力度以減少所述抓斗抓取的物料，在減小所述抓斗的抓取力度后再起升所述抓斗；
14、其中，所述第一速度快于所述第二速度，所述第一倍數小于所述第二倍數。
15、在一種可能的實現中，還包括：
16、當所述抓斗抓取所述物料前，拍攝被抓取物料堆的物料堆圖像；
17、將所述物料堆圖像輸入所述預設深度學習模型中，使得所述預設深度學習模型識別所述物料堆圖像中的物料堆區域，并根據識別到的物料堆區域預測所述物料堆的物料類別和當前堆積角；
18、獲取所述預設深度學習模型輸出的所述物料類別和所述當前堆積角；
19、若所述當前堆積角不小于角度臨界值，則不調整所述抓斗的抓取位置，若所述當前堆積角小于所述角度臨界值，則調整所述抓斗的抓取位置，所述角度臨界值與所述物料類別對應。
20、本申請第二方面提供一種抓斗控制系統，所述抓斗控制系統，包括：
21、第一圖像單元，用于當抓斗抓取物料后，拍攝所述抓斗的圖像，所述圖像中包括所述抓斗和所述抓斗抓取的物料；
22、第一識別單元，用于將所述圖像輸入預設深度學習模型中，使得所述預設深度學習模型識別所述抓斗抓取的物料的圖像區域并根據識別到的圖像區域預測所述抓斗抓取的當前物料重量；
23、第一獲取單元，用于獲得所述預設深度學習模型輸出的所述抓斗抓取的當前物料重量；
24、第一調整單元，用于根據所述當前物料重量與重量臨界值的比較結果，調整抓斗的運行方式，所述重量臨界值為所述抓斗的額定起升重量。
25、在一種可能的實現中，所述預設深度學習模型具體配置為：
26、所述預設深度學習模型識別所述圖像區域，確定所述物料的物料類別和所述圖像區域在抓斗內部圖像區域的區域占比；
27、獲取與所述區域占比和所述物料類別均對應的物料重量，將查詢到的重量確定為所述當前物料重量。
28、在一種可能的實現中，所述第一調整單元具體配置為：
29、若所述當前物料重量小于所述重量臨界值的第一倍數的重量，則以第一速度起升所述抓斗；
30、若所述當前物料重量不小于所述重量臨界值的第一倍數的重量，并且小于所述重量臨界值的第二倍數的重量，則以第二速度起升所述抓斗；
31、若所述當前物料重量不小于所述重量臨界值的第二倍數的重量，則暫停起升所述抓斗，減小所述抓斗的抓取力度以減少所述抓斗抓取的物料，在減小所述抓斗的抓取力度后再起升所述抓斗；
32、其中，所述第一速度快于所述第二速度，所述第一倍數小于所述第二倍數。
33、在一種可能的實現中，所述抓斗控制系統還包括第二圖像單元、第二識別單元、第二獲取單元和第二調整單元：
34、所述第二圖像單元，用于當所述抓斗抓取所述物料前，拍攝被抓取物料堆的物料堆圖像；
35、所述第二識別單元，用于將所述物料堆圖像輸入所述預設深度學習模型中，使得所述預設深度學習模型識別所述物料堆圖像中的物料堆區域，并根據識別到的物料堆區域預測所述物料堆的物料類別和當前堆積角；
36、所述第二獲取單元，用于獲取所述預設深度學習模型輸出的所述物料類別和所述當前堆積角；
37、所述第二調整單元，用于若所述當前堆積角不小于角度臨界值，則不調整所述抓斗的抓取位置，若所述當前堆積角小于所述角度臨界值，則調整所述抓斗的抓取位置，所述角度臨界值與所述物料類別對應。
38、本申請第三方面提供一種電子設備，包括至少一個處理器和與所述處理器連接的存儲器，其中：
39、所述存儲器用于存儲計算機程序；
40、所述處理器用于執行所述計算機程序，以使所述電子設備能夠實現上述第一方面或第一方面任一實現方式的抓斗控制方法。
41、本申請第四方面提供一種計算機程序產品，包括計算機可讀指令，當所述計算機可讀指令在電子設備上運行時，使得所述電子設備實現上述第一方面或第一方面任一實現方式的抓斗控制方法。
42、借由上述技術方案，本申請提供的一種抓斗控制方法、系統、電子設備和計算機程序產品。該方法在抓斗抓取物料后，拍攝抓斗的抓取圖像并輸入至預設深度學習模型中，由深度學習模型進行預測抓斗抓取的當前物料重量，并通過當前物料重量與重量臨界值的大小比較，以調整抓斗的運行方式。本方法使用預設深度學習模型對本文檔來自技高網...
【技術保護點】
1.一種抓斗控制方法，其特征在于，所述抓斗控制方法，包括：
2.根據權利要求1所述的抓斗控制方法，其特征在于，所述預設深度學習模型識別所述抓斗抓取的物料的圖像區域并根據識別到的圖像區域預測所述抓斗抓取的當前物料重量，包括：
3.根據權利要求1所述的抓斗控制方法，其特征在于，所述根據所述當前物料重量與重量臨界值的比較結果，調整抓斗的運行方式，包括：
4.根據權利要求1所述的抓斗控制方法，其特征在于，還包括：
5.一種抓斗控制系統，其特征在于，所述抓斗控制系統，包括：
6.根據權利要求5所述的抓斗控制系統，其特征在于，所述預設深度學習模型具體配置為：
7.根據權利要求5所述的抓斗控制系統，其特征在于，所述第一調整單元具體配置為：
8.根據權利要求5所述的抓斗控制系統，其特征在于，所述抓斗控制系統還包括第二圖像單元、第二識別單元、第二獲取單元和第二調整單元：
9.一種電子設備，其特征在于，包括至少一個處理器和與所述處理器連接的存儲器，其中：
10.一種計算機程序產品，其特征在于，
...【技術特征摘要】
1.一種抓斗控制方法，其特征在于，所述抓斗控制方法，包括：
2.根據權利要求1所述的抓斗控制方法，其特征在于，所述預設深度學習模型識別所述抓斗抓取的物料的圖像區域并根據識別到的圖像區域預測所述抓斗抓取的當前物料重量，包括：
3.根據權利要求1所述的抓斗控制方法，其特征在于，所述根據所述當前物料重量與重量臨界值的比較結果，調整抓斗的運行方式，包括：
4.根據權利要求1所述的抓斗控制方法，其特征在于，還包括：
5.一種抓斗控制系統，其特征在于，所述抓斗控制系統，包括：
6.根據權利要求5所述的抓斗控...
【專利技術屬性】
技術研發人員：周鐵梁，王耀，陶明，朱之軒，張溧栗，黃燕君，
申請(專利權)人：華電科工股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。