本发明涉及自动化，特别涉及基于融合视觉的供料管理方法。
背景技术：
1、在工业生产中，往往涉及对特定空间进行物料的供给、填充，以适应多样化的受料需求与受料场景，传统的供料控制方法往往依赖于人工操作、单元的供料参数或简单的传感器反馈，存在着供料控制精度低、供料管理粗放的技术问题。
技术实现思路
1、本发明提供基于融合视觉的供料管理方法，以解决现有技术中供料控制精度低、供料管理粗放的技术问题，实现自动化供料控制、提高供料管理稳定性的技术效果。
2、本发明提供了基于融合视觉的供料管理方法，其中，所述方法包括：
3、交互目标供料场景，提取目标场景特征数据集，其中，所述目标场景特征数据集包括受料空间特征与质量约束特征；
4、获取受料目标，基于所述受料空间特征，配置融合视觉采集设备；
5、激活所述融合视觉采集设备，进行融合图像采集，获取目标受料空间序列图像集，其中，所述目标受料空间序列图像集包括深度图像序列与白光图序列；
6、构建特征融合分析器，输入所述目标受料空间序列图像集至所述特征融合分析器，进行融合视觉分析，生成空间参数特征集，其中，所述空间参数特征集包括关联存储的空间宽度特征、空间深度特征与空间步进特征；
7、根据所述空间参数特征集，调用预设的供料预测模型进行目标场景的供料预测，获取单一供料特性曲线；
8、交互目标场景，获取受料空间位移信息，拟合受料空间位移信息，进行所述单一供料特性曲线的随动修正，获取供料策略。
9、该方法中，使用融合视觉采集设备，结合深度图像和白光图像进行受料空间特征采集，使得受料空间特征采集更加全面，能够获取更多维度的场景信息，提高了对场景的全面性分析。通过构建特征融合分析器，实现了对不同维度的空间参数特征的整合分析，提高了特征分析的准确性和全面性。结合预设的供料预测模型，对目标场景进行供料预测，使得供料策略更精准化，同时提高了供料策略获取的实时性和准确性。通过随动修正单一供料特性曲线，可以实现对供料策略的随速调整，使得供料过程具有更高的自动化和自适应水平。
10、在一种可行的实现方式中，构建特征融合分析器，包括：
11、所述特征融合分析器包括多维特征提取通道、特征融合通道、融合特征分析通道；
12、基于特征提取算法，构建所述多维特征提取通道，其中，所述多维特征提取通道包括多个特征提取子通道、图像输入分配层与特征输出层；
13、基于深度学习模型，配置与训练特征融合网络，并存储训练完成的所述特征融合网络，获取所述特征融合通道；
14、调用所述融合视觉采集设备的采集设备特性参数，根据光学三角测距原理，构建所述融合特征分析通道，其中，所述采集设备特性参数包括所述融合视觉采集设备的内参矩阵、外参矩阵与光心坐标；
15、依次连接所述多维特征提取通道的特征输出层与所述特征融合通道的输入端，所述特征融合通道的输出端与所述融合特征分析通道的输入端，获取所述特征融合分析器。
16、上述实现方式中的方法，基于特征提取算法，构建多维特征提取通道，可以从多个方面提取图像特征，提高特征的丰富性和多样性。其中，分立的多个特征提取子通道，实现了对于目标受料空间序列图像集进行特征提取的分解处理，提高了特征提取的专一化，进而有助于提升特征提取效率与精度。而后，通过配置与训练特征融合网络，将不同来源或不同类型的特征进行有效融合，提高特征的综合表征能力，提高特征数据的准确性。此外，根据光学三角测距原理构建融合特征分析通道，可以准确获取融合视觉采集设备的特征参数，提高对采集数据的分析和理解能力。
17、此外，上述实现方式中的方法，通过连接多维特征提取通道、特征融合通道和融合特征分析通道，可以实现从采集的图像数据到空间参数特征的端到端识别。
18、在一种可行的实现方式中，根据所述空间参数特征集，调用预设的供料预测模型进行目标场景的供料预测，获取单一供料特性曲线，之前，包括：
19、基于空间参数特征指标、供料组件特征指标、供料补偿系数与单一供料特性间的映射关系，构建数学模型，获取所述供料预测模型；
20、所述供料预测模型如下式所示：
21、<mstyle displaystyle="true" mathcolor="#000000"><mi>pq</mi><mi>[</mi><mn>0</mn><mi>,</mi><mi>l</mi><mi>]</mi><mi>=</mi><mi>α</mi><mfrac><mrow><mi>v</mi><mi>[</mi><mn>0</mn><mi>,</mi><mi>l</mi><mi>]</mi></mrow><mi>a</mi></mfrac><mi>=</mi><mi>α</mi><mfrac><mrow><mi>（</mi><mi>w</mi><mi>⋅</mi><mi>d</mi><mi>）</mi><mi>[</mi><mn>0</mn><mi>,</mi><mi>l</mi><mi>]</mi></mrow><mrow><mi>π</mi><msup><mi>r</mi><mn>2</mn></msup></mrow></mfrac></mstyle>；
22、其中，指代单一供料特性曲线，<mstyle displaystyle="true" mathcolor="#000000"><mi>pq</mi><mi>[</mi><mn>0</mn><mi>,</mi><mi>l</mi><mi>]</mi></mstyle>表征起始点到空间步进l点位的单一供料特性曲线，v表征所述目标受料空间的瞬时空间截面积，w表征所述空间宽度特征、d表征所述空间深度特征、l表征所述空间步进特征，a表征供料组件出口截面积，r表征供料组件出口截面半径，α表征供料补偿系数。
23、在一种可行的实现方式中，交互目标场景，获取受料空间位移信息，拟合受料空间位移信息，进行所述单一供料特性曲线的随动修正，获取供料策略，包括：
24、交互目标场景，获取受料空间位移信息，其中，所述受料空间位移信息包括受料空间位移速度曲线；
25、基于所述受料空间位移速度曲线与所述单一供料特性曲线，所述单一供料特性曲线的随动修正，生成随速供料特性曲线；
26、获取目标场景的供料粒度需求特征，根据所述随速供料特性曲线，生成所述供料策略，其中，所述供料策略包括供料步进、供料频率。
27、上述实现方式中的方法，通过叠加拟合受料空间位移速度曲线与单一供料特性曲线，引入供料的位移速度维度因素，生成供料策略，进而实现确保后续基于供料策略的供料的精确度和效率。
28、在一种可行的实现方式中，所述方法还包括：
29、激活所述融合视觉采集设备，进行供料完成空间的融合图像信息采集，获取反馈监测图像集；
30、根据目标场景的质量目标参数，进行所述反馈监测图像集的质量验证，获取质量偏差数据，其中，所述质量偏差数据包括一致性偏差数据、绝对偏差数据、表面缺陷数据；
31、以所述质量验证偏差数据进行反馈优化。
32、在一种可行的实现方式中，所述方法还包括：根据目标场景的质量目标参数，进行所述反馈监测图像集的质量验证，获取质量偏差数据，之后，包括：
33、比较所述质量约束特征与质量偏差数据，进行偏离判别；
34、若所述质量验证偏差中所述一致性偏差数据、所述绝对偏差数据、所述表面缺陷数据中存在一者或多者不满足所述质量约束特征，则输出偏离超限指令；
35、基于所述偏离超限指令进行目标场景的供料控制预警。
36、在一种可行的实现方式中，所述方法还包括：
37、获取受料空间约束；
38、基于所述空间参数特征集，结合所述受料空间约束，进行受料空间的空间质量预判别；
39、若空间质量预判别结果为不满足，则生成受料超限指令，进行受料空间预警。
40、在一种可行的实现方式中，所述方法还包括：
41、实时监测供料阻力，获取供料阻力监测曲线；
42、基于标准供料阻力，结合所述供料阻力监测曲线，进行供料波动补偿分析；
43、解析供料波动补偿分析结果，进行所述供料预测模型的反馈优化。
44、本发明公开了基于融合视觉的供料管理方法，包括：在目标供料场景中，提取受料空间特征与质量约束特征，然后获取受料目标并配置融合视觉采集设备，激活该设备进行融合图像采集，得到包括深度图像序列与白光图序列的目标受料空间序列图像集。接着构建特征融合分析器，对图像集进行分析，生成空间参数特征集，包括空间宽度、深度和步进特征。利用这些特征调用预设的供料预测模型，得到单一供料特性曲线。在交互过程中获取受料空间位移信息，进行拟合并随动修正单一供料特性曲线，最终得到适用于当前场景的供料策略。本发明公开的基于融合视觉的供料管理方法解决了供料控制精度低、供料管理粗放的技术问题，进而实现自动化供料控制、提高供料管理稳定性的技术效果。
1.基于融合视觉的供料管理方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，构建特征融合分析器，包括：
3.如权利要求2所述的方法，其特征在于，根据所述空间参数特征集，调用预设的供料预测模型进行目标场景的供料预测，获取单一供料特性曲线，之前，包括：
4.如权利要求3所述的方法，其特征在于，交互目标场景，获取受料空间位移信息，拟合受料空间位移信息，进行所述单一供料特性曲线的随动修正，获取供料策略，包括：
5.如权利要求1所述的方法，其特征在于，所述方法包括：
6.如权利要求5所述的方法，其特征在于，根据目标场景的质量目标参数，进行所述反馈监测图像集的质量验证，获取质量偏差数据，之后，包括：
7.如权利要求1所述的方法，其特征在于，所述方法包括：
8.如权利要求1所述的方法，其特征在于，所述方法包括：
