CN102565077B - 基于机器视觉的输送带纵向撕裂自动检测方法 - Google Patents
基于机器视觉的输送带纵向撕裂自动检测方法 Download PDFInfo
- Publication number
- CN102565077B CN102565077B CN201110351015.9A CN201110351015A CN102565077B CN 102565077 B CN102565077 B CN 102565077B CN 201110351015 A CN201110351015 A CN 201110351015A CN 102565077 B CN102565077 B CN 102565077B
- Authority
- CN
- China
- Prior art keywords
- longitudinal tear
- image
- conveying belt
- machine vision
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Belt Conveyors (AREA)
Abstract
本发明公开了一种基于机器视觉的输送带纵向撕裂自动检测方法,属于设备状态监测领域。本发明根据形态学腐蚀处理前后图像灰度直方图函数的变化来设定二值化阈值,进而实现目标与背景的分离,通过设计宽度投影函数对输送带的纵向撕裂故障进行初步诊断,初步诊断出纵向撕裂故障后,再从二值图像中提取纵向撕裂特征信息,利用提取的纵向撕裂特征信息进一步来识别输送带的纵向撕裂故障。本发明的方法具有智能检测功能,适合于输送带纵向撕裂故障的在线检测,有助于机器视觉技术实时检测输送带的运行状态。
Description
技术领域
本发明涉及一种输送带纵向撕裂检测方法,具体地涉及一种基于机器视觉的输送带纵向撕裂自动检测方法,属于设备状态监测领域。
背景技术
输送带广泛应用于港口码头、矿山、电力、化工、冶金等众多行业,是带式输送机的重要部件。纵向撕裂故障不仅会造成输送带的损坏,还容易引发生产事故,甚至会造成安全事故,是企业正常生产活动的潜在威胁。虽然在胶带内埋嵌导体的方法可以用来检测输送带的纵向撕裂故障,但该方法对工艺要求较高,处理不好会降低输送带的强度,而且对于输送带撕裂不够敏感。利用机器视觉技术可以及早发现输送带的潜在故障,进而可实现输送带运行状态的实时监测,及时制止故障的蔓延。但是,目前机器视觉技术应用于输送带的状态监测还处于实验室研究阶段,许多关键性问题还有待解决,其中,从输送带运行图像中检测输送带的纵向撕裂故障就是有待突破的关键技术。
发明内容
本发明的目的是为了解决机器视觉识别输送带纵向撕裂的技术问题,提供一种基于机器视觉的输送带纵向撕裂自动检测方法。
本发明的基于机器视觉的输送带纵向撕裂自动检测方法,具体包括如下步骤:
步骤1,对输送带数字图像f(i,j),i<M,j<N进行降噪处理;
步骤2,在步骤1的基础上,对降噪后的输送带图像进行二值化处理,得到二值图像g(i,j);
所述的图像二值化处理方法具体包括如下步骤:
(1)对步骤1降噪后的输送带图像进行灰度腐蚀处理;
(2)分别计算降噪后输送带图像的灰度直方图函数h1(x)和腐蚀处理后输送带图像的灰度直方图函数h2(x);
(3)计算h(x)=h2(x)-h1(x);
(5)根据步骤(4)计算得到的二值化阈值T,将降噪后的输送带图像进行二值化处理,得到输送带的二值图像,其表达式为
步骤3,根据步骤2得到的二值图像,计算宽度投影函数w(j);
所述的宽度投影函数w(j)的计算公式为:
步骤4,根据步骤3得到的宽度投影函数w(j),初步诊断是否有纵向撕裂故障出现,如果初步判断为纵向撕裂故障,就执行步骤5,否则执行步骤7;
所述的纵向撕裂故障初步诊断,其诊断准则为:
若w(j)>αN,1≤j≤N成立,其中α∈(0,1],优先选择α∈[0.3,0.7],那么就初步认定出现了纵向撕裂故障。
步骤5,根据步骤4初步诊断的结果,进一步从二值图像中提取纵向撕裂的特征信息;
所述的纵向撕裂特征信息包括:纵向长度l1、横向宽度l2、长宽比r=l1/l2。
步骤6,根据步骤5提取的纵向撕裂特征信息进行纵向撕裂故障识别;
所述的纵向撕裂识别,其识别准则为:纵向长度l1>αM,a∈[0.2,0.8]、横向宽度l2>bM,b∈[0.01,0.1]、长宽比r>2。
步骤7,报告故障检测结果。
有益效果
本发明的方法能够从输送带图像中自动检测输送带的纵向撕裂故障,可以代替人工来监测输送带的运行状态,具有智能检测的功能。本发明的输送带纵向撕裂检测方法具有自适应性,能够适应光照条件的变化。另外,本发明的纵向撕裂识别方法简单,适合于输送带纵向撕裂故障的在线检测,有助于机器视觉技术在线检测输送带的运行状态。
附图说明
图1为本发明的基于机器视觉的输送带纵向撕裂自动检测方法流程图;
图2为本发明的输送带图像二值化方法的流程图;
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图对本发明作进一步的详细说明。
一种基于机器视觉的输送带纵向撕裂自动检测方法,其总体技术方案如图1所示,具体包括如下步骤:
步骤1,对输送带数字图像f(i,j),i<M,j<N进行降噪处理;
所述的降噪处理可以是几何处理、图像滤波、图像平滑和图像锐化的一种或多种方法组合使用。
步骤2,在步骤1的基础上,对降噪后的输送带图像进行二值化处理,得到二值图像g(i,j);
所述的图像二值化处理方法如图2所示,具体包括如下步骤:
(1)对步骤1降噪后的输送带图像进行灰度腐蚀处理;
(2)分别计算降噪后输送带图像的灰度直方图函数h1(x)和腐蚀处理后输送带图像的灰度直方图函数h2(x);
(3)计算h(x)=h2(x)-h1(x);
(5)根据步骤(4)计算得到的二值化阈值T,将降噪后的输送带图像进行二值化处理,得到输送带的二值图像,其表达式为
步骤3,根据步骤2得到的二值图像,计算宽度投影函数w(j);
所述的宽度投影函数w(j)的计算公式为:
步骤4,根据步骤3得到的宽度投影函数w(j),初步诊断是否有纵向撕裂故障出现,如果初步判断为纵向撕裂故障,就执行步骤5,否则执行步骤7;
所述的纵向撕裂故障初步诊断,其诊断准则为:
若w(j)>αN,1≤j≤N成立,其中α∈(0,1],优先选择α∈[0.3,0.7],那么就初步认定出现了纵向撕裂故障。
步骤5,根据步骤4初步诊断的结果,进一步从二值图像中提取纵向撕裂的特征信息;
所述的纵向撕裂特征信息包括:纵向长度l1、横向宽度l2、长宽比r=l1/l2。
步骤6,根据步骤5提取的纵向撕裂特征信息进行纵向撕裂故障识别;
所述的纵向撕裂识别,其识别准则为:纵向长度l1>aM,a∈[0.2,0.8]、横向宽度l2>bM,b∈[0.01,0.1]、长宽比r>2。
步骤7,报告故障检测结果。
以上所述的具体描述,是对发明的目的、技术方案和有益效果进行的进一步详细说明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.基于机器视觉的输送带纵向撕裂自动检测方法,其特征在于:该方法包括如下步骤:
步骤1,对输送带数字图像f(i,j),i<M,j<N进行降噪处理;
步骤2,在步骤1的基础上,对降噪后的输送带图像进行二值化处理,得到二值图像g(i,j);
步骤4,根据步骤3得到的宽度投影函数w(j),初步诊断是否有纵向撕裂故障出现,若w(j)>αN,1≤j≤N成立,其中α∈[0.3,0.7],那么就初步认定出现了纵向撕裂故障,如果初步判断为纵向撕裂故障,就执行步骤5,否则执行步骤7;
步骤5,根据步骤4的初步诊断结果,进一步从二值图像中提取纵向撕裂的特征信息;
步骤6,根据步骤5提取的纵向撕裂特征信息进行纵向撕裂故障识别;
步骤7,报告故障检测结果。
2.根据权利要求1所述的基于机器视觉的输送带纵向撕裂自动检测方法,其特征在于,所述的步骤1中,降噪处理是几何处理、图像滤波、图像平滑和图像锐化的一种或多种方法组合使用。
4.根据权利要求1所述的基于机器视觉的输送带纵向撕裂自动检测方法,其特征在于,所述的步骤5中,纵向撕裂特征信息包括:纵向长度l1、横向宽度l2、长宽比r=l1/l2。
5.根据权利要求1所述的基于机器视觉的输送带纵向撕裂自动检测方法,其特征在于,所述的步骤6中,纵向撕裂识别的准则为:纵向长度l1>aM,a∈[0.2,0.8]、横向宽度l2>bM,b∈[0.01,0.1]、长宽比r>2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110351015.9A CN102565077B (zh) | 2011-11-09 | 2011-11-09 | 基于机器视觉的输送带纵向撕裂自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110351015.9A CN102565077B (zh) | 2011-11-09 | 2011-11-09 | 基于机器视觉的输送带纵向撕裂自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102565077A CN102565077A (zh) | 2012-07-11 |
CN102565077B true CN102565077B (zh) | 2014-07-02 |
Family
ID=46411063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110351015.9A Active CN102565077B (zh) | 2011-11-09 | 2011-11-09 | 基于机器视觉的输送带纵向撕裂自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102565077B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103213823B (zh) * | 2013-03-20 | 2015-05-20 | 太原理工大学 | 一种输送带纵向撕裂视觉检测与预警的系统及应用方法 |
CN105083913B (zh) * | 2015-07-07 | 2017-03-08 | 青岛科技大学 | 一种基于机器视觉的输送带撕裂检测方法 |
CN105021630B (zh) * | 2015-08-04 | 2017-11-28 | 天津工业大学 | 输送带表面破损自动检测方法 |
CN105083916A (zh) * | 2015-08-18 | 2015-11-25 | 天津工业大学 | 输送带纵向撕裂故障在线检测方法 |
CN105173614B (zh) * | 2015-10-28 | 2017-08-29 | 中国矿业大学(北京) | 基于图像不连续点探测的皮带纵向撕裂检测方法 |
CN105699391A (zh) * | 2016-03-24 | 2016-06-22 | 安徽工程大学 | 输送带的带面检测装置及其检测方法 |
CN105911074B (zh) * | 2016-04-07 | 2018-08-24 | 山西大学 | 钢丝芯皮带接头x射线在线检测中自适应阈值标定方法 |
CN105823785B (zh) * | 2016-05-06 | 2019-06-04 | 西安工业大学 | 一种传送带表面裂痕在线检测装置和检测方法 |
CN109305534B (zh) * | 2018-10-25 | 2020-03-13 | 安徽理工大学 | 基于计算机视觉的煤码头带式输送机自适应控制方法 |
CN111634637A (zh) * | 2020-06-03 | 2020-09-08 | 无锡宝通智能物联科技有限公司 | 带有红外结合视觉撕裂破损监控装置的输送线及其监控方式 |
CN112374081A (zh) * | 2020-11-12 | 2021-02-19 | 泉州冰点科技有限公司 | 大型输送带表面裂纹检测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100454006C (zh) * | 2006-09-07 | 2009-01-21 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6988610B2 (en) * | 2002-01-14 | 2006-01-24 | Carnegie Mellon University | Conveyor belt inspection system and method |
-
2011
- 2011-11-09 CN CN201110351015.9A patent/CN102565077B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100454006C (zh) * | 2006-09-07 | 2009-01-21 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
Non-Patent Citations (8)
Title |
---|
基于机器视觉的输送带纵向撕裂智能检测;祁隽燕等;《煤矿机械》;20061130;第27卷(第11期);110-111 * |
张晞等.输送带纵向撕裂差影法图像识别技术研究.《煤炭科学技术》.2008,第36卷(第11期),85-87. |
数字图像处理在输送带撕裂视觉检测中的应用;祁隽燕等;《煤矿机械》;20091231;第30卷(第12期);177-178 * |
煤炭输送带表面裂纹自动检测技术研究;魏涛等;《煤矿机械》;20100228;第31卷(第02期);211-213 * |
祁隽燕等.基于机器视觉的输送带纵向撕裂智能检测.《煤矿机械》.2006,第27卷(第11期),110-111. |
祁隽燕等.数字图像处理在输送带撕裂视觉检测中的应用.《煤矿机械》.2009,第30卷(第12期),177-178. |
输送带纵向撕裂差影法图像识别技术研究;张晞等;《煤炭科学技术》;20081130;第36卷(第11期);85-87 * |
魏涛等.煤炭输送带表面裂纹自动检测技术研究.《煤矿机械》.2010,第31卷(第02期),211-213. |
Also Published As
Publication number | Publication date |
---|---|
CN102565077A (zh) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102565077B (zh) | 基于机器视觉的输送带纵向撕裂自动检测方法 | |
CN107176432B (zh) | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 | |
CN102602681B (zh) | 基于机器视觉的输送带跑偏故障在线检测方法 | |
CN110288562B (zh) | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 | |
CN108010026A (zh) | 一种保护压板状态识别方法和装置 | |
CN105453153A (zh) | 交通灯检测 | |
CN101995412B (zh) | 一种鲁棒的玻璃划伤缺陷检测方法及其装置 | |
CN113646801A (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN104952077A (zh) | 一种票据图像油污检测方法及系统 | |
CN103413311A (zh) | 一种基于边缘的模糊检测方法 | |
CN113177605A (zh) | 一种基于视频监控的废钢车厢等级判定方法 | |
Zeng et al. | The research of coal mine conveyor belt tearing based on digital image processing | |
CN104424633A (zh) | 一种视频对比度异常检测方法及装置 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN114820626A (zh) | 一种汽车前脸零件配置智能检测方法 | |
CN105678741A (zh) | 一种矿用输送带纵撕图像检测方法 | |
CN114359779B (zh) | 一种基于深度学习的皮带撕裂检测方法 | |
CN104960123A (zh) | 集成电路封装溢胶清除设备及方法 | |
CN117315593A (zh) | 煤矿井下运输系统异物侵入的识别方法 | |
CN105021630A (zh) | 输送带表面破损自动检测方法 | |
CN115504187B (zh) | 一种矿用皮带智能调速和保护系统及控制方法 | |
CN112504709B (zh) | 一种高效浓缩机运行监测系统 | |
CN105911074A (zh) | 钢丝芯皮带接头x射线在线检测中自适应阈值标定方法 | |
CN105512633A (zh) | 一种电力系统危险目标识别方法及装置 | |
Qiao et al. | Real-time detection technology based on dynamic line-edge for conveyor belt longitudinal tear. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |