CN107403443A - 一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 - Google Patents
一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 Download PDFInfo
- Publication number
- CN107403443A CN107403443A CN201710631950.8A CN201710631950A CN107403443A CN 107403443 A CN107403443 A CN 107403443A CN 201710631950 A CN201710631950 A CN 201710631950A CN 107403443 A CN107403443 A CN 107403443A
- Authority
- CN
- China
- Prior art keywords
- rope
- region
- image
- row
- steel wire
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66D—CAPSTANS; WINCHES; TACKLES, e.g. PULLEY BLOCKS; HOISTS
- B66D1/00—Rope, cable, or chain winding mechanisms; Capstans
- B66D1/28—Other constructional details
- B66D1/36—Guiding, or otherwise ensuring winding in an orderly manner, of ropes, cables, or chains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66D—CAPSTANS; WINCHES; TACKLES, e.g. PULLEY BLOCKS; HOISTS
- B66D1/00—Rope, cable, or chain winding mechanisms; Capstans
- B66D1/28—Other constructional details
- B66D1/40—Control devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置，该方法通过在每个排绳区设置一个工业相机，对采集的图像序列进行帧间模板图像匹配，获取最终的目标跟踪框，利用对目标跟踪框位置信息的判断，自动跟踪排绳状态，当出现多绳间过渡不同步或单个排绳区出现乱绳故障时，能实时检测并发出报警信息，避免因过渡不同步引起单根钢丝绳受力过大或因乱绳增大钢丝绳磨损，有利于超深矿井提升设备安全运行及减少经济损失。
Description
技术领域
本发明属于视觉检测领域，特别涉及一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置。
背景技术
目前我国矿产资源开采因技术受限还停留在浅层，随着浅层矿产资源的枯竭，国家提出矿产资源向深层开采的目标，多绳多层缠绕式提升机是矿井提升领域专家通过研究提出的一种满足超深、高速工况的提升设备，为保证该设备安全运行的同时避免出现乱绳时钢丝绳间相互挤压造成钢丝绳磨损，需对卷筒排绳区排绳状态及多根在绕钢丝绳层间过渡的同步性实时监测，当出现故障时需及时排查，从而延长钢丝绳寿命，提高经济效益。传统的卷筒排绳监测主要依靠人眼，但卷筒排绳监测需长时间进行，人眼长时间监测容易产生疲劳或疏忽，从而出现漏检而不能及时停机排除故障，损伤钢丝绳的同时存在安全隐患。
目前新发明的接触式机械检测装置无法满足超深矿井提升工况，如专利号(CN201410828337.1)一种用于卷筒多层缠绕乱绳的检测装置及方法，在卷筒前方安装接触开关，接触开关通过电机与在绕钢丝绳同步运动，发生乱绳时在绕钢丝绳碰到接触开关，触发报警机制并停机。然而因矿井提升机卷筒上在绕钢丝绳振动剧烈，接触开关因与在绕钢丝绳同步运动且距离很近容易发生误碰，若增大接触开关与在绕钢丝绳的距离则无法有效识别乱绳状况，因此该方法在该工况下难以实现；而同样运用机器视觉对排绳进行监测的一种方法也无法满足超深工况，如专利号(CN201210365602.8)通过采集卷筒边缘图像，然后先预处理再二值化，有绳用“1”表示，无绳用“0”表示，通过提取边缘直线上的像素值，以“0”、“1”的跳变判断乱绳是否发生，该方法一方面只是适应小尺寸卷筒，若卷筒尺寸稍大，单个相机采集到的图像因存在畸变，边缘位置因跳绳出现的小块空白位置无法在图像中有效表现出来，另一方面采用像素点跳变的方法不稳定，极易受到干扰，不适应现场背景复杂的工程环境；传统的对钢丝绳图像进行阈值分割、边缘提取等图像处理算法受环境干扰因素大，当钢丝绳较大时，钢丝绳本身纹络干扰边缘检测，且绳槽的边缘同样在边缘检测中干扰钢丝绳边缘的检测，无法有效提出钢丝绳位置，当卷筒和钢丝绳都有油污，卷筒灰度和钢丝绳灰度存在较大重叠区域时，阈值分割法无法有效的提取钢丝绳；且当钢丝绳多层缠绕时，边缘检测和阈值分割都无法区分上层钢丝绳和下层钢丝绳，也无法识别是否进入层间过渡阶段。如专利号(CN201510025651.0)通过Canny边缘检测钢丝绳边缘，计算相邻钢丝绳的绳间距，超过一定阈值则判断为乱绳，该方法对卷筒和钢丝绳灰度差异较大且钢丝绳纹络在图像中表现不明显时可以有效的提取钢丝绳边缘且计算绳间距，但运用于工业现场时受干扰很大，且难以满足多层和层间过渡的乱绳检测。
发明内容
本发明提供了一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置，其目的在于解决现有排绳检测装置无法监测大尺寸、多排绳区、背景复杂卷筒排绳状态监测的问题，该方法能够在提升机出现乱绳或多绳层间过渡不同步时及时报警并停机，延长钢丝绳寿命，消除安全隐患。
一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法，包括以下步骤：
步骤1：实时采集每个排绳区域的序列图像；
步骤2：从每个排绳区域的序列图像的第一帧图像中提取ROI区域，并从ROI区域中设置目标跟踪框；
所述ROI区域包含卷筒中部排绳图像，ROI区域左右边界分别为为最左侧绳槽和最右侧绳槽；以ROI区域中最右侧排绳上的矩形区域作为目标跟踪框；
步骤3：依次遍历每个排绳区域的序列图像，以前一帧目标跟踪框中的图像作为模板图像，在当前帧图像中以模板图像选定目标搜索区域，并将目标搜索区域中与模板图像相似度最高的区域作为新的目标跟踪框；
所述目标搜索区域是指以模板图像两侧的长边和宽边分别向外扩展所形成的区域，目标搜索区域的长和宽为模板图像的长和宽的3倍；
步骤4：判断判断目标跟踪框位置与ROI区域中两侧边界之间的距离值是否均小于设定的边界距离阈值，若小于，则认为绕钢丝绳进入层间过渡阶段，否则，认为绕钢丝绳在非过渡阶段，进入步骤5；
当绕钢丝绳进入层间过渡阶段时，获取所有排绳区域的目标框跟踪位置与ROI区域中两侧边界之间的较小距离值，并求取所有较小距离值之间的差值，判断最大差值是否大于设定的较小距离差值阈值，则认为多绳层间多渡不同步，发出报警信息，否则，返回步骤3，直到所有帧图像检测完毕；
步骤5：当绕钢丝绳在非过渡阶段时，根据旋转编码器信号设定周期，每当卷筒旋转一周时，计算一次当前目标跟踪框与一个旋转周期前的目标跟踪框之间的中心点位置位移，若中心点位置位移大于设定第一位移阈值或小于设定第二位移阈值，则认为出现乱绳故障，并发出报警信息，否则，返回步骤3，直到所有帧图像检测完毕；
进一步地，目标搜索区域中与模板图像相似度是采用OpenCV中matchTemplate函数中的CV_TM_CCORR相关匹配方法获得，具体过程如下：
将模板图像依次与目标搜索区域中以像素点为左上顶点且大小与模板图像相等的图像做互相关计算，以计算结果作为相似度，并目标搜索区域中所有的待匹配模板图像与模板图像的相似度构建成相似度矩阵，以相似度矩阵中最大值对应的待匹配模板作为与模板图像相似度最高的区域，得到新的目标跟踪框。
进一步地，采用minMaxLoc函数从相似度矩阵中找出最大值。
进一步地，所述边界距离阈值为1.5D，较小距离差值阈值为0.5D，D为相邻钢丝绳间距。
进一步地，所述第一位移阈值和第二位移阈值分别为1.5D和0.5D，D为相邻钢丝绳间距。
一种基于机器视觉的多绳多层缠绕排绳状态在线检测装置，包括工业相机组、相机支架千兆网交换机、旋转编码器、千兆网线以及上位机；
所述工业相机组和旋转编码器通过千兆网线连接到千兆网交换机后，再与上位机进行通信；
所述工业相机组包括多个工业相机单元，每个工业相机单元包括一个工业相机、防尘罩和补光灯，工业相机单元数量与排绳区数量相同；
在卷筒出绳的一边安装相机支架，每个相机正对一个排绳区并排安装在相机支架上，每个相机下安装一个补光灯，且工业相机上设有防尘罩，旋转编码器安装在卷筒轴端；
每个工业相机采集到的图像以及编码器信号通过千兆网交换机传入上位机，上位机机采集到多个排绳区的图像后，采用上述方法，实时跟踪在绕钢丝绳在卷筒上的位置，并获得层间过渡阶段过渡不同步报警信息以及非过渡阶段的乱绳信息，通过上位机发出报警信息。
进一步地，所述上位机还与PLC控制单元相连。
当上位机发出报警信息后，同时触发PLC控制单元，控制卷筒电机停止运行。
有益效果
本发明提供了一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置，该方法通过在每个排绳区设置一个工业相机，对采集的图像序列进行帧间模板图像匹配，获取最终的目标跟踪框，利用对目标跟踪框位置信息的判断，自动跟踪排绳状态，当出现多绳间过渡不同步或单个排绳区出现乱绳故障时，能实时检测并发出报警信息，避免因过渡不同步引起单根钢丝绳受力过大或因乱绳增大钢丝绳磨损，有利于超深矿井提升设备安全运行及减少经济损失；
具体优点如下：
(1)用摄像头代替人眼对排绳持续监测，可克服因人疲劳或疏忽漏检等不可控因素，对矿井安全提升更具可靠性；
(2)非接触式的机器视觉检测方式，在工程在线检测方面更具可行性，避免设备运行过程中振动的等干扰因素对检测设备的影响；
(3)所使用的目标跟踪算法受环境干扰影响较小，当钢丝绳与卷筒灰度不明显、多层缠绕时背景钢丝绳与前景钢丝绳难以区分、设备老化、掉漆、油污等干扰众多时，检测效果较好；
(4)本发明所述装置适应于不同线型钢丝绳、不同直径钢丝绳、不同直径卷筒上的乱绳检测，适应范围广，且设备安装维护方便。
附图说明
图1是本发明所述检测装置的立体图；
图2是本发明所述装置的俯视图；
图3是采集到的第一帧排绳区图像；
图4是ROI区域选择后选取在绕钢丝绳上目标框的示意图
图5是卷筒运行期间目标框跟踪效果图；
图6是在绕钢丝绳进入层间过渡跟踪效果图；
图7是在绕钢丝绳跳绳典型故障跟踪效果图；
图8是本发明所述检测方法的流程示意图；
图中：1-相机支架；2、3-补光灯；4、5-防尘罩；6、10-轴承座；7-卷筒；8-左排绳区；9-右排绳区；11-旋转编码器；12、13-工业相机；14-千兆网线；15-千兆网交换机；16-上位机。
具体实施方式
下面将结合附图和实施例对本发明做进一步地说明。
如图1和图2所示，一种基于机器视觉的多绳卷筒多层缠绕排绳状态在线检测装置，包括两个工业相机(12、13)、相机支架1、防尘罩(4、5)、补光灯(2、3)、千兆网交换机14、旋转编码器11、千兆网线14以及上位机16；
在卷筒出绳的一边安装相机支架1，每个工业相机12、13正对一个排绳区8、9并排安装在相机支架1上，每个工业相机下安装一个补光灯(2、3)平衡光照，旋转编码器11位于卷筒7轴端，两个工业相机(12、13)采集到的图像以及旋转编码器11信号通过千兆网交换机15传入上位机16，上位机16对左排绳区8、右排绳区9的图像同时进行处理，层间过渡阶段上位机将检测过渡不同步报警信息传给PLC，非层间过渡阶段将检测到的乱绳报警信息传递给PLC，PLC接收到报警信息后控制电机停止运行并报警。
如图8所示一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法，包括以下步骤：
步骤1：实时采集每个排绳区域的序列图像；
步骤2：从每个排绳区域的序列图像的第一帧图像(如图3所示)中提取ROI区域，并从ROI区域中设置目标跟踪框；
所述ROI区域包含卷筒中部排绳图像如图4所示，ROI区域左右边界分别为为最左侧绳槽和最右侧绳槽；以ROI区域中最右侧排绳上的矩形区域作为目标跟踪框，矩形区域大小为5*5；
步骤3：依次遍历每个排绳区域的序列图像，以前一帧目标跟踪框中的图像作为模板图像，在当前帧图像中以模板图像选定目标搜索区域，并将目标搜索区域中与模板图像相似度最高的区域作为新的目标跟踪框；
所述目标搜索区域是指以模板图像两侧的长边和宽边分别向外扩展所形成的区域，目标搜索区域的长和宽为模板图像的长和宽的3倍；
目标搜索区域中与模板图像相似度是采用OpenCV中matchTemplate函数中的CV_TM_CCORR相关匹配方法获得，具体过程如下：
将模板图像依次与目标搜索区域中以像素点为左上顶点且大小与模板图像相等的图像做互相关计算，以计算结果作为相似度，并目标搜索区域中所有的待匹配模板图像与模板图像的相似度构建成相似度矩阵，以相似度矩阵中最大值对应的待匹配模板作为与模板图像相似度最高的区域，得到新的目标跟踪框；
采用minMaxLoc函数从相似度矩阵中找出最大值。
步骤4：判断判断目标跟踪框位置与ROI区域中两侧边界之间的距离值是否均小于设定的边界距离阈值，若小于，则认为绕钢丝绳进入层间过渡阶段，如图6所示，否则，认为绕钢丝绳在非过渡阶段，进入步骤5；
当绕钢丝绳进入层间过渡阶段时，获取所有排绳区域的目标框跟踪位置与ROI区域中两侧边界之间的较小距离值，并求取所有较小距离值之间的差值，判断最大差值是否大于设定的较小距离差值阈值，则认为多绳层间多渡不同步，发出报警信息，否则，返回步骤3，直到所有帧图像检测完毕；
所述边界距离阈值为1.5D，较小距离差值阈值为0.5D，D为相邻钢丝绳间距，单位为像素pixel；
步骤5：当绕钢丝绳在非过渡阶段时，根据旋转编码器信号设定周期，每当卷筒旋转一周时，计算一次当前目标跟踪框与前一个目标跟踪框之间的中心点位置位移，若中心点位置位移大于设定第一位移阈值或小于设定第二位移阈值，则认为出现乱绳故障，并发出报警信息，否则，返回步骤3，如图5所示，直到所有帧图像检测完毕，如图7所示，为在绕钢丝绳跳绳典型故障跟踪效果图；
所述第一位移阈值和第二位移阈值分别为1.5D和0.5D，D为相邻钢丝绳间距，单位为像素pixel。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法，其特征在于，包括以下步骤：
步骤1：实时采集每个排绳区域的序列图像；
步骤2：从每个排绳区域的序列图像的第一帧图像中提取ROI区域，并从ROI区域中设置目标跟踪框；
所述ROI区域包含卷筒中部排绳图像，ROI区域左右边界分别为最左侧绳槽和最右侧绳槽；以ROI区域中卷筒上在绕钢丝绳上的矩形区域作为目标跟踪框；
步骤3：依次遍历每个排绳区域的序列图像，以前一帧目标跟踪框中的图像作为模板图像，在当前帧图像中以模板图像选定目标搜索区域，并将目标搜索区域中与模板图像相似度最高的区域作为新的目标跟踪框；
所述目标搜索区域是指以模板图像两侧的长边和宽边分别向外扩展所形成的区域，目标搜索区域的长和宽为模板图像的长和宽的3倍；
步骤4：判断目标跟踪框位置与ROI区域中两侧边界之间的距离值是否均小于设定的边界距离阈值，若小于，则认为绕钢丝绳进入层间过渡阶段，否则，认为绕钢丝绳在非过渡阶段，进入步骤5；
当绕钢丝绳进入层间过渡阶段时，获取所有排绳区域的目标框跟踪位置与ROI区域中两侧边界之间的较小距离值，并求取所有较小距离值之间的差值，判断最大差值是否大于设定的较小距离差值阈值，则认为多绳层间过渡不同步，发出报警信息，否则，返回步骤3，直到所有帧图像检测完毕；
步骤5：当绕钢丝绳在非过渡阶段时，根据旋转编码器信号设定周期，每当卷筒旋转一周时，计算一次当前目标跟踪框与前一个旋转周期信号到时目标跟踪框之间的中心点位置位移，若中心点位置位移大于设定第一位移阈值或小于设定第二位移阈值，则认为出现乱绳故障，并发出报警信息，否则，返回步骤3，直到所有帧图像检测完毕。
2.根据权利要求1所述的方法，其特征在于，目标搜索区域中与模板图像相似度是采用OpenCV中matchTemplate函数中的CV_TM_CCORR相关匹配方法获得，具体过程如下：
将模板图像依次与目标搜索区域中以像素点为左上顶点且大小与模板图像相等的图像做互相关计算，以计算结果作为相似度，并目标搜索区域中所有的待匹配模板图像与模板图像的相似度构建成相似度矩阵，以相似度矩阵中最大值对应的待匹配模板作为与模板图像相似度最高的区域，得到新的目标跟踪框。
3.根据权利要求2所述的方法，其特征在于，采用minMaxLoc函数从相似度矩阵中找出最大值。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述边界距离阈值为1.5D，较小距离差值阈值为0.5D，D为相邻钢丝绳间距。
5.根据权利要求4所述的方法，其特征在于，所述第一位移阈值和第二位移阈值分别为1.5D和0.5D，D为相邻钢丝绳间距。
6.一种基于机器视觉的多绳多层缠绕排绳状态在线检测装置，其特征在于，包括工业相机组、相机支架千兆网交换机、旋转编码器、千兆网线以及上位机；
所述工业相机组和旋转编码器通过千兆网线连接到千兆网交换机后，再与上位机进行通信；
所述工业相机组包括多个工业相机单元，每个工业相机单元包括一个工业相机、防尘罩和补光灯，所述补光灯设置于工业相机下方，且工业相机上设有防尘罩，工业相机单元数量与排绳区数量相同；
在卷筒出绳的一边安装相机支架，每个相机正对一个排绳区并排安装在相机支架上，每个相机下安装一个补光灯，旋转编码器安装在卷筒轴端；
每个工业相机采集到的图像以及编码器信号通过千兆网交换机传入上位机，上位机机采集到多个排绳区的图像后，采用权1-5任一项所述方法，实时跟踪在绕钢丝绳在卷筒上的位置，并获得层间过渡阶段过渡不同步报警信息以及非过渡阶段的乱绳信息，通过上位机发出报警信息。
7.根据权利要求6所述的装置，其特征在于，所述上位机还与PLC控制单元相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710631950.8A CN107403443B (zh) | 2017-07-28 | 2017-07-28 | 一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710631950.8A CN107403443B (zh) | 2017-07-28 | 2017-07-28 | 一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107403443A true CN107403443A (zh) | 2017-11-28 |
| CN107403443B CN107403443B (zh) | 2019-10-25 |
Family
ID=60402230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710631950.8A Active CN107403443B (zh) | 2017-07-28 | 2017-07-28 | 一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107403443B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108169759A (zh) * | 2017-12-25 | 2018-06-15 | 中南大学 | 一种基于激光测距的排绳故障检测方法及装置 |
| CN108489727A (zh) * | 2018-06-19 | 2018-09-04 | 南京市特种设备安全监督检验研究院 | 双折线卷筒钢丝绳多层缠绕系统性能检测装置及检测方法 |
| CN109064498A (zh) * | 2018-08-01 | 2018-12-21 | 湖北工业大学 | 基于Meanshift、卡尔曼滤波和图像匹配的目标跟踪方法 |
| CN109635823A (zh) * | 2018-12-07 | 2019-04-16 | 湖南中联重科智能技术有限公司 | 用于识别卷扬乱绳的方法和装置及工程机械 |
| CN111079730A (zh) * | 2019-11-20 | 2020-04-28 | 北京云聚智慧科技有限公司 | 一种在界面图中确定样图所在区域的方法和电子设备 |
| CN111489341A (zh) * | 2020-04-09 | 2020-08-04 | 长沙琢冶信息技术有限公司 | 丝盘绕丝的乱丝检测的方法、装置、设备及存储介质 |
| CN111784681A (zh) * | 2020-07-08 | 2020-10-16 | 长沙克莱自动化设备有限公司 | 钢丝绳乱绳检测方法、装置、计算机设备和存储介质 |
| CN111847294A (zh) * | 2020-07-13 | 2020-10-30 | 邯郸钢铁集团有限责任公司 | 一种天车钢丝绳跳槽乱槽报警装置 |
| CN112661012A (zh) * | 2019-10-15 | 2021-04-16 | 宝山钢铁股份有限公司 | 一种起重机钢丝绳自动检测装置及方法 |
| CN112862817A (zh) * | 2021-03-16 | 2021-05-28 | 精英数智科技股份有限公司 | 一种基于机器视觉的滚筒乱绳检测方法及装置 |
| CN112850376A (zh) * | 2020-12-29 | 2021-05-28 | 中国船舶重工集团有限公司第七一0研究所 | 一种基于图像识别的自动电缆排布装置及方法 |
| CN113247812A (zh) * | 2021-06-03 | 2021-08-13 | 中国海洋石油集团有限公司 | 利用红外测距技术的钢丝绳卷筒乱绳故障预警装置 |
| CN115028095A (zh) * | 2022-08-11 | 2022-09-09 | 杭州未名信科科技有限公司 | 一种用于塔吊维护保养的智能机器人及智能塔吊 |
| CN115147416A (zh) * | 2022-09-02 | 2022-10-04 | 山东大山不锈钢制品有限公司 | 一种倒绳机乱绳检测方法、装置和计算机设备 |
| CN117576635A (zh) * | 2024-01-17 | 2024-02-20 | 中国石油集团川庆钻探工程有限公司 | 一种视频识别中线状目标张紧状态的判定方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103482513A (zh) * | 2012-09-27 | 2014-01-01 | 中联重科股份有限公司 | 一种卷筒防乱绳控制方法、系统以及工程机械 |
| CN104477723A (zh) * | 2014-12-25 | 2015-04-01 | 中国矿业大学 | 一种矿井提升机缠绕卷筒乱绳监测系统与判断方法 |
| CN104535356A (zh) * | 2015-01-19 | 2015-04-22 | 中南大学 | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 |
-
2017
- 2017-07-28 CN CN201710631950.8A patent/CN107403443B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103482513A (zh) * | 2012-09-27 | 2014-01-01 | 中联重科股份有限公司 | 一种卷筒防乱绳控制方法、系统以及工程机械 |
| CN104477723A (zh) * | 2014-12-25 | 2015-04-01 | 中国矿业大学 | 一种矿井提升机缠绕卷筒乱绳监测系统与判断方法 |
| CN104535356A (zh) * | 2015-01-19 | 2015-04-22 | 中南大学 | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Y.N.CAO ET AL: ""A Novel Electromagnetic Method for Local Defects Inspection of Wire Rope"", 《TENCON 2006 - 2006 IEEE REGION 10 CONFERENCE》 * |
| 吴志鹏 等: ""提升机排绳故障视觉监测图像识别方法研究"", 《仪表技术与传感器》 * |
| 常浩: ""基于机器视觉的提升机平衡尾绳在线监控预警系统设计"", 《工矿自动化》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108169759B (zh) * | 2017-12-25 | 2019-04-26 | 中南大学 | 一种基于激光测距的排绳故障检测方法及装置 |
| CN108169759A (zh) * | 2017-12-25 | 2018-06-15 | 中南大学 | 一种基于激光测距的排绳故障检测方法及装置 |
| CN108489727A (zh) * | 2018-06-19 | 2018-09-04 | 南京市特种设备安全监督检验研究院 | 双折线卷筒钢丝绳多层缠绕系统性能检测装置及检测方法 |
| CN109064498A (zh) * | 2018-08-01 | 2018-12-21 | 湖北工业大学 | 基于Meanshift、卡尔曼滤波和图像匹配的目标跟踪方法 |
| CN109635823A (zh) * | 2018-12-07 | 2019-04-16 | 湖南中联重科智能技术有限公司 | 用于识别卷扬乱绳的方法和装置及工程机械 |
| CN112661012A (zh) * | 2019-10-15 | 2021-04-16 | 宝山钢铁股份有限公司 | 一种起重机钢丝绳自动检测装置及方法 |
| CN111079730A (zh) * | 2019-11-20 | 2020-04-28 | 北京云聚智慧科技有限公司 | 一种在界面图中确定样图所在区域的方法和电子设备 |
| CN111079730B (zh) * | 2019-11-20 | 2023-12-22 | 北京云聚智慧科技有限公司 | 一种在界面图中确定样图所在区域的方法和电子设备 |
| CN111489341B (zh) * | 2020-04-09 | 2023-05-30 | 长沙琢冶信息技术有限公司 | 丝盘绕丝的乱丝检测的方法、装置、设备及存储介质 |
| CN111489341A (zh) * | 2020-04-09 | 2020-08-04 | 长沙琢冶信息技术有限公司 | 丝盘绕丝的乱丝检测的方法、装置、设备及存储介质 |
| CN111784681A (zh) * | 2020-07-08 | 2020-10-16 | 长沙克莱自动化设备有限公司 | 钢丝绳乱绳检测方法、装置、计算机设备和存储介质 |
| CN111847294A (zh) * | 2020-07-13 | 2020-10-30 | 邯郸钢铁集团有限责任公司 | 一种天车钢丝绳跳槽乱槽报警装置 |
| CN111847294B (zh) * | 2020-07-13 | 2024-01-12 | 邯郸钢铁集团有限责任公司 | 一种天车钢丝绳跳槽乱槽报警装置 |
| CN112850376A (zh) * | 2020-12-29 | 2021-05-28 | 中国船舶重工集团有限公司第七一0研究所 | 一种基于图像识别的自动电缆排布装置及方法 |
| CN112862817A (zh) * | 2021-03-16 | 2021-05-28 | 精英数智科技股份有限公司 | 一种基于机器视觉的滚筒乱绳检测方法及装置 |
| CN113247812A (zh) * | 2021-06-03 | 2021-08-13 | 中国海洋石油集团有限公司 | 利用红外测距技术的钢丝绳卷筒乱绳故障预警装置 |
| CN115028095A (zh) * | 2022-08-11 | 2022-09-09 | 杭州未名信科科技有限公司 | 一种用于塔吊维护保养的智能机器人及智能塔吊 |
| CN115147416A (zh) * | 2022-09-02 | 2022-10-04 | 山东大山不锈钢制品有限公司 | 一种倒绳机乱绳检测方法、装置和计算机设备 |
| CN117576635A (zh) * | 2024-01-17 | 2024-02-20 | 中国石油集团川庆钻探工程有限公司 | 一种视频识别中线状目标张紧状态的判定方法 |
| CN117576635B (zh) * | 2024-01-17 | 2024-03-29 | 中国石油集团川庆钻探工程有限公司 | 一种视频识别中线状目标张紧状态的判定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107403443B (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107403443A (zh) | 一种基于机器视觉的多绳多层缠绕排绳状态在线检测方法及装置 | |
| CN1315715C (zh) | 监视自动扶梯/移动步道的系统和方法及其计算机程序产品 | |
| CN105491349B (zh) | 皮带群组异常状态自动巡视检测系统及其检测方法 | |
| CN103559703B (zh) | 基于双目视觉的起重机障碍物监测及预警方法及系统 | |
| JP6402469B2 (ja) | 安全制御装置および安全制御システム | |
| CN103101741B (zh) | 激光视觉输送带损伤检测装置的实现方法 | |
| CN102821272A (zh) | 一种清除电梯无效请求信号的视频监控系统 | |
| CN111882816B (zh) | 一种用于变电站的危险报警方法、介质及系统 | |
| CN106219342A (zh) | 基于时频转换算法的电梯自诊断及预诊断系统和方法 | |
| CN104316782B (zh) | 受电弓监测方法及系统 | |
| CN104535356A (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
| CN104477723A (zh) | 一种矿井提升机缠绕卷筒乱绳监测系统与判断方法 | |
| CN110015553B (zh) | 基于视频分析的运输皮带系统异物检测保护方法 | |
| CN104627785A (zh) | 用于电梯绳索的状况监视的方法和配置 | |
| CN109353923B (zh) | 一种电梯层门门锁短接检测及定位装置 | |
| CN103010887B (zh) | 电梯运行钢索监控视频分析方法及其分析系统 | |
| CN210534571U (zh) | 一种复合绝缘子自动清洗及憎水性检测控制系统 | |
| CN115097790A (zh) | 一种基于数字孪生技术的车间人员模型重建及安全防护系统 | |
| CN105620511B (zh) | 铁路车辆列检制动试验效果确认机器人系统及检测方法 | |
| CN105173948A (zh) | 一种电梯控制器状态监测系统及监测方法 | |
| CN103699878A (zh) | 一种识别电动扶梯异常运行状况的方法和系统 | |
| CN111160321A (zh) | 一种电瓶车上梯检测与预警系统 | |
| KR20180081645A (ko) | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 | |
| CN202594557U (zh) | 一种电梯监控装置 | |
| CN105059868A (zh) | 一种矿用带式输送机断带检测装置及检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |