本发明涉及排渣系统的智能识别，尤其涉及的是一种基于视频检测装置和三维激光雷达的料渣检测系统和方法。
背景技术：
1、风冷干式排渣系统通过格栅将尺寸较大的渣块进行阻挡，防止钢带机被堵塞。废渣粉碎是风冷干式排渣系统常见的处理步骤，其通过格栅上的液压关断门，将格栅上尺寸较大的渣块进行粉碎，使废渣落入格栅下方钢带机，从而减少设备堵塞和堆积问题。
2、目前废渣粉碎主要是通过设置定时器，定时开关液压关断门，这种方式当格栅上没有渣块的时候，也会开关液压关断门，从而导致能源浪费。
3、因此，现有技术存在缺陷，需要改进。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术的不足提供一种基于视频检测装置和三维激光雷达的料渣检测系统和方法。
2、本发明的技术方案如下：
3、一种基于视频检测装置和三维激光雷达的料渣检测方法，包括以下步骤：
4、s1：通过摄像头采集格栅视频数据，利用深度学习算法识别格栅上有无料渣，若无料渣，则不需要液压关断门进行料渣粉碎，若有料渣，则执行步骤s2；
5、s2：由三维激光雷达获取料渣的三维激光点云数据，进而由料渣高度检测模块识别出料渣的高度，根据高度判断是否需要进行料渣粉碎，如果料渣在格栅上过高，则需要进行废渣粉碎；若通过判断料渣高度，发现无需进行料渣粉碎，则需要再由料渣位置检测模块判断料渣位置，如果判断发生料渣平铺于格栅的情况，则需要进行料渣粉碎，防止料渣平铺于格栅造成堵塞。
6、所述的料渣检测方法，所述步骤s2具体包括以下步骤：
7、两套三维激光雷达水平x轴方向间隔为lx，水平y轴方向间隔为ly，高度分别为hd1和hd2，格栅的高度为h；格栅与两套三维激光雷达的位置相比，在y轴方向的距离为[l1dy1,l1dy2]和[l2dy1,l2dy2]，在x轴方向的距离为l1dx和l2dx；
8、s21，三维激光点云数据获取与处理
9、首先利用三维激光雷达扫描格栅及其载物空间，获得料渣的三维激光点云数据，进而获得三维激光雷达到料渣目标的距离si、俯仰角度αi、偏离角度βi；
10、料渣点距离三维激光雷达y轴的水平距离为：sxi＝si×cosαi×cosβi；
11、料渣点距离三维激光雷达x轴的水平距离为：syi＝si×cosαi×sinβi；
12、料渣点到三维激光雷达的竖直距离为：szi＝si×sinαi；
13、由此：通过第一三维激光雷达扫描料渣得到的数据为：雷达到目标的距离s1i、俯仰角度α1i、偏离角度β1i；
14、通过第一三维激光雷达计算得到的料渣位置为：
15、料渣点距离第一三维激光雷达的y轴的水平距离为：s1xi＝s1i×cosα1i×cosβ1i；
16、料渣点距离第一三维激光雷达的x轴的水平距离为：s1yi＝s1i×cosα1i×sinβ1i；
17、料渣点到第一三维激光雷达的竖直距离为：s1zi＝s1i×sinα1i；
18、料渣点实际高度为hq1＝s1zi+hd1；
19、通过第二三维激光雷达扫描料渣得到的数据为：雷达到目标的距离s2i、俯仰角度α2i、偏离角度β2i；
20、通过第二三维激光雷达计算得到的料渣位置为：
21、料渣点距离第二三维激光雷达的y轴的水平距离为：s2xi＝s2i×cosα2i×cosβ2i；
22、料渣点距离第二三维激光雷达的x轴的水平距离为：s2yi＝s2i×cosα2i×sinβ2i；
23、料渣点到第二三维激光雷达的竖直距离为：s2zi＝s2i×sinα2i；
24、料渣点实际高度为hq2＝s2zi+hd2；
25、s22，料渣高度检测，判断是否需要进行废渣粉碎；
26、首先判断料渣高度，设定格栅水平x轴方向阈值为xt，格栅水平y轴方向阈值为yt，料渣高度阈值ht1；
27、第一三维激光雷达点云数据，在水平x轴方向[l1dx+xt,lx-l2dx-xt]，y轴方向[l1dy1+yt,l1dy2-yt]范围内搜索，选择hq1最大的点hq1max为料渣最高点；
28、第二三维激光雷达点云数据，在水平x轴方向[l2dx+xt,lx-l1dx-xt]，y轴方向[l2dy1+yt,l2dy2-yt]范围内搜索，选择hq2最大的点hq2max为料渣最高点；
29、若hq1max或hq2max是大于ht1的点，则需要进行废渣粉碎，否则不需要料渣粉碎；
30、s23，料渣位置检测，判断是否需要进行废渣粉碎；
31、若通过判断料渣高度，发现无需进行料渣粉碎，则需要再根据料渣位置判断是否需要进行料渣粉碎，防止料渣平铺于格栅造成堵塞；
32、设定判断料渣存在的高度阈值ht2；
33、第一三维激光扫描仪点云数据：选择第一三维激光扫描仪的点云数据，在水平x轴方向[l1dx+xt,lx-l2dx-xt]，y轴方向[l1dy1+yt,l1dy2-yt]范围内搜索，搜索料渣高度hq1＞ht2的料渣位置，找到x轴方向的位置区间[x1x1,x1x2]，y轴方向的位置区间[y1y1,y1y2]；
34、第二三维激光扫描仪点云数据：选择第二三维激光扫描仪的点云数据，在水平x轴方向[l2dx+xt,lx-l1dx-xt]，y轴方向[l2dy1+yt,l2dy2-yt]范围内搜索，搜索料渣高度hq2＞ht2的料渣位置，找到x轴方向的位置区间[x2x1,x2x2]，y轴方向的位置区间[y2y1,y2y2]；
35、设定料渣在x轴方向的尺寸阈值xc，在y轴方向的尺寸阈值yc，根据两台三维激光扫描仪的位置区间，确定料渣的大小，料渣在x轴方向的大小为wx＝lx-x1x1-x2x1，第一三维激光扫描仪数据计算得到的在y轴方向的大小为w1y＝y1y2-y1y1，第二三维激光扫描仪数据计算得到的在y轴方向的大小为w2y＝y2y2-y2y1，若wx＞xc或w1y＞yc或w2y＞yc，则需要进行料渣粉碎，防止料渣平铺于格栅造成堵塞。
36、所述的料渣检测方法，所述的深度学习算法为yolov5算法：通过摄像头连续采集格栅上的视频数据，并利用深度学习模型对视频帧中的料渣进行实时识别，以实现自动化的料渣检测；
37、(1)数据收集与预处理
38、采集格栅工作状态下的视频数据；
39、将视频分割成单帧图像，并对图像进行预处理，裁剪感兴趣区域；
40、(2)数据标注
41、使用图像标注工具对单帧图像中的料渣进行标注，生成训练所需的标签数据；
42、(3)模型训练
43、选择yolov5作为基础模型，对其进行调整，以适应料渣识别的特定需求；
44、在分割好的训练集上训练模型，并使用验证集对模型进行评估和调优；
45、(4)模型部署与应用
46、将训练好的模型部署至实际的生产环境中；
47、实时处理摄像头采集的视频数据，对格栅上的料渣进行识别和分类，反馈识别结果。
48、根据任一所述方法的料渣检测系统，包括：安装在排渣系统观察窗的一套摄像头、两套三维激光雷达、料渣高度检测模块和料渣位置检测模块，在观察窗前后各安装一套三维激光雷达；通过摄像头采集格栅视频数据，利用深度学习算法yolov5识别格栅上有无料渣，若无料渣，则不需要液压关断门进行料渣粉碎，若有料渣，则由三维激光雷达获取料渣的三维激光点云数据，进而由料渣高度检测模块识别出料渣的高度，根据高度判断是否需要进行料渣粉碎，如果料渣在格栅上过高，则需要进行废渣粉碎；若通过判断料渣高度，发现无需进行料渣粉碎，则需要再由料渣位置检测模块判断料渣位置，如果判断发生料渣平铺于格栅的情况，则需要进行料渣粉碎，防止料渣平铺于格栅造成堵塞。
49、本发明通过对格栅进行检测，识别格栅上的料渣沉积量，进而控制液压关断门进行料渣粉碎，既防止钢带机堵塞，也避免能源浪费。
1.一种基于视频检测装置和三维激光雷达的料渣检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的料渣检测方法，其特征在于，所述步骤s2具体包括以下步骤：
3.根据权利要求4所述的料渣检测方法，其特征在于，所述的深度学习算法为yolov5算法：通过摄像头连续采集格栅上的视频数据，并利用深度学习模型对视频帧中的料渣进行实时识别，以实现自动化的料渣检测；
4.根据权利要求1-3任一所述方法的料渣检测系统，其特征在于，包括：安装在排渣系统观察窗的一套摄像头、两套三维激光雷达、料渣高度检测模块和料渣位置检测模块，在观察窗前后各安装一套三维激光雷达；通过摄像头采集格栅视频数据，利用深度学习算法yolov5识别格栅上有无料渣，若无料渣，则不需要液压关断门进行料渣粉碎，若有料渣，则由三维激光雷达获取料渣的三维激光点云数据，进而由料渣高度检测模块识别出料渣的高度，根据高度判断是否需要进行料渣粉碎，如果料渣在格栅上过高，则需要进行废渣粉碎；若通过判断料渣高度，发现无需进行料渣粉碎，则需要再由料渣位置检测模块判断料渣位置，如果判断发生料渣平铺于格栅的情况，则需要进行料渣粉碎，防止料渣平铺于格栅造成堵塞。
