CN105931230A - 一种运煤皮带上煤流量的计算方法及系统 - Google Patents
一种运煤皮带上煤流量的计算方法及系统 Download PDFInfo
- Publication number
- CN105931230A CN105931230A CN201610238186.3A CN201610238186A CN105931230A CN 105931230 A CN105931230 A CN 105931230A CN 201610238186 A CN201610238186 A CN 201610238186A CN 105931230 A CN105931230 A CN 105931230A
- Authority
- CN
- China
- Prior art keywords
- unit
- detection sub
- coal
- type
- belt
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运煤皮带上煤流量的计算方法及系统,该方法包括:获取针对运煤皮带的视频帧序列;根据视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对皮带检测区域内的帧图像进行增强,得到检测单元;检测单元包括多个相互独立、区域面积均相等的检测子单元;利用每个检测子单元的灰度值,确定各检测子单元的属性类型;属性类型包括皮带类型或煤料类型;将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。实施本发明的以上技术方案,在保证同样计算结果的准确度的情况下,并不需要像现有技术那样通过激光发生器以及带有长焦镜头的摄像头,以此,降低了所使设备的价格,进而降低了技术方案的实施成本。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种运煤皮带上煤流量的计算方法及系统。
背景技术
目前,在煤矿矿井下,通常地,主要利用运煤皮带来实现对煤料的运送,管理人员通过监控视频来监控运煤皮带,以此降低人工维护成本,提高煤矿生产安全性。
在运煤皮带的日常管理过程中,往往需要用到运煤皮带上煤流量的数据,对此,现有技术通常是利用基于语义权值的边缘提取算法和基于视觉模型的阈值选择策略对运煤皮带上煤料的截面轮廓线进行提取;然后计算煤料截面面积和较短时间内的流量体积,最后通过积分计算出总的流量体积(煤流量的一种表示数据)。
在上述方法中,煤流量的准确度主要取决于煤料截面面积的准确度,煤料截面面积的准确度取决于截面轮廓线的提取准确度,而要保证截面轮廓线的提取准确度就需要能够清晰准确反映煤料边界的视频数据,在实际应用中,通常是通过激光发生器以及带有长焦镜头的摄像头来保证以上众多准确度,但是,这些设备的价格比较昂贵,导致现有技术方法的实施成本较高。
发明内容
有鉴于此,本发明提供了一种运煤皮带上煤流量的计算方法及系统,以降低所使设备的价格,进而降低技术方案的实施成本。
为解决上述技术问题,本发明提供一种运煤皮带上煤流量的计算方法,包括:
获取针对所述运煤皮带的视频帧序列;
根据所述视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对所述皮带检测区域内的帧图像进行增强,得到检测单元;其中,所述检测单元包括多个相互独立、区域面积均相等的检测子单元;
利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型;其中,所述属性类型包括皮带类型或煤料类型;
将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
上述方法中,优选地,所述利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型,包括:
当所述检测子单元的灰度值属于所述皮带类型对应的灰度值范围时,确定所述检测子单元的属性类型为所述皮带类型;
当所述检测子单元的灰度值属于所述煤料类型对应的灰度值范围时,确定所述检测单元的属性类型为所述煤料类型。
上述方法中,优选地,在所述利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型之前,还包括:
按照预设的划分规则,将所述检测单元划分为多个所述检测子单元。
上述方法中,优选地,在所述按照预设的划分规则,将所述检测单元划分为多个所述检测子单元之前,还包括:
对所述检测单元进行直方图均衡化操作和/或中值滤波操作。
上述方法中,优选地,所述将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量,包括:
确定皮带中轴辅助线途径的所述检测子单元;
在所有途径的所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到煤料比例;
当所述煤料比例超过预设的煤流阈值时,在所有所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
本发明还提供了一种运煤皮带上煤流量的计算系统,包括:
视频帧序列获取模块,用于获取针对所述运煤皮带的视频帧序列;
检测单元确定模块,用于根据所述视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对所述皮带检测区域内的帧图像进行增强,得到检测单元;其中,所述检测单元包括多个相互独立、区域面积均相等的检测子单元;
属性类型确定模块,用于利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型;其中,所述属性类型包括皮带类型或煤料类型;
煤流量计算模块,用于将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
上述系统中,优选地,所述属性类型确定模块包括:
皮带类型确定子模块,用于当所述检测子单元的灰度值属于所述皮带类型对应的灰度值范围时,确定所述检测子单元的属性类型为所述皮带类型;
煤料类型确定子模块,用于当所述检测子单元的灰度值属于所述煤料类型对应的灰度值范围时,确定所述检测单元的属性类型为所述煤料类型。
上述系统中,优选地,还包括:
检测子单元划分模块,用于在所述属性类型确定模块利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型之前,按照预设的划分规则,将所述检测单元划分为多个所述检测子单元。
上述系统中,优选地,还包括:
噪声预处理模块,用于在所述检测子单元划分模块按照预设的划分规则,将所述检测单元划分为多个所述检测子单元之前,对所述检测单元进行直方图均衡化操作和/或中值滤波操作。
上述系统中,优选地,所述煤流量计算模块包括:
确定子模块,用于确定皮带中轴辅助线途径的所述检测子单元;
煤料比例计算子模块,用于在所有途径的所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到煤料比例;
煤流量计算子模块,用于当所述煤料比例超过预设的煤流阈值时,在所有所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
以上本发明提供的一种运煤皮带上煤流量的计算方法及系统中,在获取到针对运煤皮带的视频帧序列之后,根据视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对皮带检测区域内的帧图像进行增强,得到最终的图像增强结果即检测单元,检测单元包括多个相互独立、区域面积均相等的检测子单元;然后,利用每个检测子单元的灰度值,确定各检测子单元的属性类型是皮带类型还是煤料类型;最后,将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。
本发明中,对于视频帧序列中的所有帧图像,在经过图像增强后,能够强调出皮带检测区域内的特征(皮带特征和煤料特征),有效抑制了噪声,这样,即使视频数据清晰度有所欠缺,仍能保证计算结果(即煤流量)的准确度;同时,将检测单元划分为多个检测子单元,由众多检测子单元的灰度值来参与决定计算结果,这样的细分化同样能够有效保证计算结果的准确度。可见,实施本发明的以上技术方案,在保证同样计算结果的准确度的情况下,并不需要像现有技术那样通过激光发生器以及带有长焦镜头的摄像头,以此,降低了所使设备的价格,进而降低了技术方案的实施成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种运煤皮带上煤流量的计算方法的流程图;
图2为本发明实施例提供的皮带检测区域的一种示意图;
图3为本发明实施例提供的检测子单元的一种示意图;
图4为本发明实施例提供的中轴辅助线的一种示意图;
图5为本发明实施例提供的一种运煤皮带上煤流量的计算系统的结构框图示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的核心是提供一种运煤皮带上煤流量的计算方法及系统,以降低所使设备的价格,进而降低技术方案的实施成本。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
参考图1,示出了本发明实施例提供的一种运煤皮带上煤流量的计算方法的流程图,该方法具体可以包括如下步骤:
步骤S100、获取针对运煤皮带的视频帧序列。
具体地,获取针对运煤皮带(简称皮带)的监控视频流,并将监控视频流转化为视频帧序列。一般来说,获得的井下监控一般都是以流媒体的形式,所以在进行计算处理之前,需要将其转换为可以处理的视频帧的形式,并将其保存为一个视频帧序列里面,以待进一步的分析。
步骤S101、根据视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对皮带检测区域内的帧图像进行增强,得到检测单元。
可以理解的是,对于前后两帧在预皮带检测区域内的灰度差值,指的是这两个视频帧在皮带检测区域内对应位置处像素点之间的灰度差值,具体地,需要先将这两个视频帧所对应的图像转换为灰度图像,也就是将三通道的彩色图像转换为单通道的灰度图像,然后再进行灰度差值计算。其中,两个视频帧在皮带检测区域内对应位置处像素点指的是在两个视频帧中以同样的坐标表示时坐标相同的两个像素点。
本发明中,通过以下内容实现步骤S101:对于视频帧序列中的所有视频帧,根据前后两帧的帧差(即灰度差值),增强图像在皮带检测区域内中随时间变化的部分,具体地:首先计算出当前帧和前一帧两帧图像的灰度差的绝对值,然后将值叠加在当前帧的图像上。假设前一帧灰度图为Gn-1,紧接着的当前帧灰度图为Gn,Gn(i,j)代表第n张灰度图第i行j列的灰度值,处理后的图像为Gn1,则可以根据以下公式计算Gn1(i,j):
Dn1(i,j)=Gn(i,j)+|Gn(i,j)-Gn-1(i,j)|(i,j)∈PD
其中,PD为皮带检测区域。
对于皮带检测区域,即皮带在视频帧画面中的区域,用于参与计算运煤皮带上的煤流量。本发明采用的是由用户自己选择其感兴趣且合适用来参与检测计算的区域,因此,在计算得到灰度差分图像之前,需要从视频帧序列中,抽取一视频帧作为视频截图,交由检测人员在此基础上选择;在检测人员进行选择后,确定检测人员在视频截图上选择的检测区域,并将其作为皮带检测区域。其中,皮带检测区域一般为四边形,以四个点的坐标的形式来表示,比如图2所示的皮带检测区域,可以理解的是,图2中最大的外框为视频界面的边界,其它地方类似。当然,关于皮带检测区域的形状,这里仅仅是举个例子,只要能将有效的能够参与皮带煤流量计算的皮带区域包括进去,对于区域的形状并不做严格的限定。
本发明中,在得到最终的图像增强结果即检测单元之后,需要按照预设的划分规则,将检测单元划分为多个检测子单元,具体地,参考图3,先通过感兴趣区域(即皮带检测区域)的四个点,计算出图像中哪些像素点是落在感兴趣区域内的;然后从上到下,从左到右的开始遍历整张图像,当遇到像素点落在感兴趣区域内的时候,以该像素为一个边长一定的正方形的左上顶点(边长一般为感兴趣区域四个边最短的十分之一),将该正方形作为一个检测子单元,并且将正方形内所包含的像素排除在感兴趣区域内;直至遍历结束,得到所有的检测子单元。
可见,本发明检测单元即为参与计算煤流量的区域,其具体包括多个相互独立、区域面积均相等的检测子单元,这里的相互独立指的是在区域上没有重叠(当然,可以相邻);所有检测子单元的数量须大于一定的阈值,因为这样才能较好地保证计算结果的准确度,这个阈值的具体大小可以由正方形的边长大小来体现。当然,关于检测子单元的形状,这里仅仅是举个例子,也可以采用长方形等等其他形状,只要是将检测单元均等细化即可,对于区域的形状并不做严格的限定。
本发明中,考虑到图像噪声的影响,在将检测单元划分为多个检测子单元之前,还可以对检测单元进行直方图均衡化操作,也可以对检测单元进行中值滤波操作,还可以两个操作都执行,当两个操作都执行是,可以参照以下内容予以实施(执行顺序可调):
先对检测单元进行直方图均衡化操作,计算感兴趣区域内灰度的概率从而计算出灰度的分布函数,由灰度的分布函数计算出其逆灰度分布函数,这是可以将灰度经由逆灰度分布函数映射到新的灰度。设新的灰度图像为Dn2,其中灰度的逆分布函数为F,则:
Dn2(i,j)=F(Dn1(i,j))(i,j)∈PD
再对检测单元进行中值滤波操作,使用奇数个像素为边长组成的观察窗。对观察窗口中的数值进行排序,位于观察窗中间的中值作为输出。这里需要说明的是,对于以上实施过程中涉及到的图像增强、检测单元的划分、直方图均衡化以及中值滤波,它们的执行先后顺序仅仅是举个例子,在实际应用过程中,本领域技术人员可以根据实际情况进行调整,本发明并不严格限定。
步骤S102、利用每个检测子单元的灰度值,确定各检测子单元的属性类型。
可以理解的是,检测子单元的属性类型包括皮带类型和煤料类型两种情况,其具体属于哪种类型取决于这个检测子单元的灰度值的大小。对于检测子单元的灰度值,我们将每个检测子单元包含的像素的灰度值叠加之和除以这个检测子单元中的像素总数,得出的平均灰度数值作为该检测单元的灰度值;这里,我们也将检测子单元的灰度值称为该检测子单元的特征值。
在具体实施过程中,基于检测子单元的灰度值,我们可以利用聚类算法来确定检测子单元的属性类型是皮带类型还是煤料类型,即判断这块检测子单元上是否有煤料,具体地,当检测子单元的灰度值属于皮带类型对应的灰度值范围时,确定检测子单元的属性类型为皮带类型,认为这块检测子单元区域的皮带上没有煤料;当检测子单元的灰度值属于煤料类型对应的灰度值范围时,确定检测单元的属性类型为煤料类型,认为这块检测子单元区域的皮带上有煤料。其中,对于各属性类型所对应的灰度值范围,可根据现场的环境光线情况、皮带运动情况以及皮带相较摄像头的设置情况来进行相适应的设定,只要保证能较好地识别出是煤料还是皮带即可。
步骤S103、将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。
本发明中,用煤料类型的检测子单元的数量除以所有检测子单元的数量的计算结果来表征煤流量大小。
考虑到上述基于检测子单元的灰度值来确定在这块检测子单元区域上是否有煤料的方案中可能会出现这样一种现象:即使皮带上没有煤料,也会因为光线和皮带自身原因使得皮带颜色不均匀而使得存在计算结果即煤流量,但实际上,这个计算结果是无效的,因为确实也没有煤料在皮带上。
基于此,为了在一定程度上避免这种情况的发生,我们可以为检测单元划定一个辅助线,比如,参考图4示出的中轴辅助线,对于检测单元的中轴辅助线的划定,我们可以在用户选择皮带检测区域的时候,连同中轴辅助线一块选定。实际上,对于辅助线的位置、长度以及弯曲程度等具体划分情况,会受到环境光线、皮带弯直程度等的影响,总之,根据实际情况进行相适应的划分能够有效避免上述情况的发生。
具体地,在已有中轴辅助线的基础上,确定皮带中轴辅助线途径的检测子单元;在所有途径的检测子单元中,将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤料比例;当煤料比例超过预设的煤流阈值时,认为该皮带上是真实存在煤料的,这样,在所有检测子单元中,将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。可以理解的是,当煤料比例没有超过预设的煤流阈值时,系统会认为皮带上没有煤料(并不是煤流模式),此时,系统可以显示相应的提示信息,以提示检测人员确定皮带上是否有煤料,如果检测人员确定有煤料,则仍然计算相应的煤流量,如果检测人员确定没有煤料,那就没必要再计算煤流量了,以此来避免做一些无用功,提高工作效率。
综上,对于视频帧序列中的所有帧图像,在经过图像增强后,能够强调出皮带检测区域内的特征(皮带特征和煤料特征),有效抑制了噪声,这样,即使视频数据清晰度有所欠缺,仍能保证计算结果(即煤流量)的准确度;同时,将检测单元划分为多个检测子单元,由众多检测子单元的灰度值来参与决定计算结果,这样的细分化同样能够有效保证计算结果的准确度。
可见,实施本发明的以上技术方案,在保证同样计算结果的准确度的情况下,并不需要像现有技术那样通过激光发生器以及带有长焦镜头的摄像头,以此,降低了所使设备的价格,进而降低了技术方案的实施成本。
基于上述本发明实施例公开的一种运煤皮带上煤流量的计算方法,本发明实施例还提供了一种运煤皮带上煤流量的计算系统,参考图5,该系统500可以包括如下内容:
视频帧序列获取模块501,用于获取针对运煤皮带的视频帧序列;
检测单元确定模块502,用于根据视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对皮带检测区域内的帧图像进行增强,得到检测单元;其中,检测单元包括多个相互独立、区域面积均相等的检测子单元;
属性类型确定模块503,用于利用每个检测子单元的灰度值,确定各检测子单元的属性类型;其中,属性类型包括皮带类型或煤料类型;
煤流量计算模块504,用于将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。
本发明中,上述煤流量计算模块504具体可以包括如下内容:
确定子模块,用于确定皮带中轴辅助线途径的检测子单元;
煤料比例计算子模块,用于在所有途径的检测子单元中,将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤料比例;
煤流量计算子模块,用于当煤料比例超过预设的煤流阈值时,在所有检测子单元中,将属性类型为煤料类型的检测子单元的数量除以所有检测子单元的数量,得到煤流量。
本发明中,上述属性类型确定模块503具体可以包括皮带类型确定子模块和煤料类型确定子模块,其中:皮带类型确定子模块,用于当检测子单元的灰度值属于皮带类型对应的灰度值范围时,确定检测子单元的属性类型为皮带类型;煤料类型确定子模块,用于当检测子单元的灰度值属于煤料类型对应的灰度值范围时,确定检测单元的属性类型为煤料类型。
本发明中,系统500具体还可以包括检测子单元划分模块,用于在属性类型确定模块利用每个检测子单元的灰度值,确定各检测子单元的属性类型之前,按照预设的划分规则,将检测单元划分为多个检测子单元。
另外,系统500还可以包括噪声预处理模块,用于在检测子单元划分模块按照预设的划分规则,将检测单元划分为多个检测子单元之前,对检测单元进行直方图均衡化操作和/或中值滤波操作。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种运煤皮带上煤流量的计算方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种运煤皮带上煤流量的计算方法,其特征在于,包括:
获取针对所述运煤皮带的视频帧序列;
根据所述视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对所述皮带检测区域内的帧图像进行增强,得到检测单元;其中,所述检测单元包括多个相互独立、区域面积均相等的检测子单元;
利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型;其中,所述属性类型包括皮带类型或煤料类型;
将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
2.如权利要求1所述的方法,其特征在于,所述利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型,包括:
当所述检测子单元的灰度值属于所述皮带类型对应的灰度值范围时,确定所述检测子单元的属性类型为所述皮带类型;
当所述检测子单元的灰度值属于所述煤料类型对应的灰度值范围时,确定所述检测单元的属性类型为所述煤料类型。
3.如权利要求2所述的方法,其特征在于,在所述利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型之前,还包括:
按照预设的划分规则,将所述检测单元划分为多个所述检测子单元。
4.如权利要求3所述的方法,其特征在于,在所述按照预设的划分规则,将所述检测单元划分为多个所述检测子单元之前,还包括:
对所述检测单元进行直方图均衡化操作和/或中值滤波操作。
5.如权利要求1至4任意一项所述的方法,其特征在于,所述将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量,包括:
确定皮带中轴辅助线途径的所述检测子单元;
在所有途径的所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到煤料比例;
当所述煤料比例超过预设的煤流阈值时,在所有所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
6.一种运煤皮带上煤流量的计算系统,其特征在于,包括:
视频帧序列获取模块,用于获取针对所述运煤皮带的视频帧序列;
检测单元确定模块,用于根据所述视频帧序列中前后两帧在预设的皮带检测区域内的灰度差值,对所述皮带检测区域内的帧图像进行增强,得到检测单元;其中,所述检测单元包括多个相互独立、区域面积均相等的检测子单元;
属性类型确定模块,用于利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型;其中,所述属性类型包括皮带类型或煤料类型;
煤流量计算模块,用于将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
7.如权利要求6所述的系统,其特征在于,所述属性类型确定模块包括:
皮带类型确定子模块,用于当所述检测子单元的灰度值属于所述皮带类型对应的灰度值范围时,确定所述检测子单元的属性类型为所述皮带类型;
煤料类型确定子模块,用于当所述检测子单元的灰度值属于所述煤料类型对应的灰度值范围时,确定所述检测单元的属性类型为所述煤料类型。
8.如权利要求7所述的系统,其特征在于,还包括:
检测子单元划分模块,用于在所述属性类型确定模块利用每个所述检测子单元的灰度值,确定各所述检测子单元的属性类型之前,按照预设的划分规则,将所述检测单元划分为多个所述检测子单元。
9.如权利要求8所述的系统,其特征在于,还包括:
噪声预处理模块,用于在所述检测子单元划分模块按照预设的划分规则,将所述检测单元划分为多个所述检测子单元之前,对所述检测单元进行直方图均衡化操作和/或中值滤波操作。
10.如权利要求6至9任意一项所述的系统,其特征在于,所述煤流量计算模块包括:
确定子模块,用于确定皮带中轴辅助线途径的所述检测子单元;
煤料比例计算子模块,用于在所有途径的所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到煤料比例;
煤流量计算子模块,用于当所述煤料比例超过预设的煤流阈值时,在所有所述检测子单元中,将所述属性类型为所述煤料类型的所述检测子单元的数量除以所有所述检测子单元的数量,得到所述煤流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610238186.3A CN105931230B (zh) | 2016-04-15 | 2016-04-15 | 一种运煤皮带上煤流量的计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610238186.3A CN105931230B (zh) | 2016-04-15 | 2016-04-15 | 一种运煤皮带上煤流量的计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931230A true CN105931230A (zh) | 2016-09-07 |
CN105931230B CN105931230B (zh) | 2019-03-05 |
Family
ID=56838258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610238186.3A Active CN105931230B (zh) | 2016-04-15 | 2016-04-15 | 一种运煤皮带上煤流量的计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931230B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046761A (zh) * | 2019-11-29 | 2020-04-21 | 天地(常州)自动化股份有限公司 | 基于多传感信息融合的皮带载荷分布检测系统及检测方法 |
CN113755660A (zh) * | 2021-07-30 | 2021-12-07 | 上海宝冶冶金工程有限公司 | 高炉炉料机械化清理装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2107336A1 (de) * | 2008-04-02 | 2009-10-07 | Siemens AG Österreich | Verfahren und Vorrichtung zur Bilderkennung von bewegten Objekten, wie etwa in Förderanlagen |
WO2013187063A1 (ja) * | 2012-06-14 | 2013-12-19 | 横浜ゴム株式会社 | ベルトコンベヤ装置 |
CN103824304A (zh) * | 2014-03-18 | 2014-05-28 | 中国矿业大学(北京) | 传送带上矿石传送过程中故障诊断方法 |
CN103886290A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 一种复杂背景下的煤流视频检测方法 |
CN105217271A (zh) * | 2015-08-31 | 2016-01-06 | 西安华光信息技术有限责任公司 | 基于视频识别的皮带运输系统的自适应控制方法 |
-
2016
- 2016-04-15 CN CN201610238186.3A patent/CN105931230B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2107336A1 (de) * | 2008-04-02 | 2009-10-07 | Siemens AG Österreich | Verfahren und Vorrichtung zur Bilderkennung von bewegten Objekten, wie etwa in Förderanlagen |
WO2013187063A1 (ja) * | 2012-06-14 | 2013-12-19 | 横浜ゴム株式会社 | ベルトコンベヤ装置 |
CN103886290A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 一种复杂背景下的煤流视频检测方法 |
CN103824304A (zh) * | 2014-03-18 | 2014-05-28 | 中国矿业大学(北京) | 传送带上矿石传送过程中故障诊断方法 |
CN105217271A (zh) * | 2015-08-31 | 2016-01-06 | 西安华光信息技术有限责任公司 | 基于视频识别的皮带运输系统的自适应控制方法 |
Non-Patent Citations (1)
Title |
---|
谢文治 等: "基于图像处理的皮带堆煤检测研究", 《电子世界》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046761A (zh) * | 2019-11-29 | 2020-04-21 | 天地(常州)自动化股份有限公司 | 基于多传感信息融合的皮带载荷分布检测系统及检测方法 |
CN111046761B (zh) * | 2019-11-29 | 2023-06-02 | 天地(常州)自动化股份有限公司 | 基于多传感信息融合的皮带载荷分布检测系统及检测方法 |
CN113755660A (zh) * | 2021-07-30 | 2021-12-07 | 上海宝冶冶金工程有限公司 | 高炉炉料机械化清理装置 |
CN113755660B (zh) * | 2021-07-30 | 2023-02-21 | 上海宝冶冶金工程有限公司 | 高炉炉料机械化清理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105931230B (zh) | 2019-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiao et al. | Look deeper into depth: Monocular depth estimation with semantic booster and attention-driven loss | |
US20190311223A1 (en) | Image processing methods and apparatus, and electronic devices | |
Mangeruga et al. | Guidelines for underwater image enhancement based on benchmarking of different methods | |
CN103262119B (zh) | 用于对图像进行分割的方法和系统 | |
CN109858506A (zh) | 一种面向卷积神经网络分类结果的可视化算法 | |
CN105917354A (zh) | 用于图像处理的空间金字塔池化网络 | |
Yao et al. | Improving long range and high magnification face recognition: Database acquisition, evaluation, and enhancement | |
US9185270B2 (en) | Ghost artifact detection and removal in HDR image creation using graph based selection of local reference | |
CN110020658A (zh) | 一种基于多任务深度学习的显著目标检测方法 | |
CN110852199A (zh) | 一种基于双帧编码解码模型的前景提取方法 | |
Liu et al. | Translational Symmetry-Aware Facade Parsing for 3-D Building Reconstruction | |
CN105931230A (zh) | 一种运煤皮带上煤流量的计算方法及系统 | |
Xiang et al. | Crowd density estimation method using deep learning for passenger flow detection system in exhibition center | |
Li et al. | Image super-resolution reconstruction based on multi-scale dual-attention | |
CN117456449B (zh) | 一种基于特定信息的高效跨模态人群计数方法 | |
Ke et al. | Haze removal from a single remote sensing image based on a fully convolutional neural network | |
CN117808691A (zh) | 一种基于差异显著性聚合和联合梯度约束的图像融合方法 | |
CN110490053B (zh) | 一种基于三目摄像头深度估计的人脸属性识别方法 | |
Li et al. | Memory-token transformer for unsupervised video anomaly detection | |
Fan et al. | Global contextual attention for pure regression object detection | |
Dong et al. | A detection-regression based framework for fish keypoints detection | |
CN109543684B (zh) | 基于全卷积神经网络的即时目标追踪检测方法及系统 | |
Zheng et al. | EMS-CDNet: an efficient multi-scale-fusion change detection network for very high-resolution remote sensing images | |
TWI566203B (zh) | 深度精鍊與資料聚集的方法與系統 | |
Deng et al. | Selective kernel and motion-emphasized loss based attention-guided network for HDR imaging of dynamic scenes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |