CN110239914B - 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 - Google Patents
红外视听频谱融合输送带纵向撕裂检测预警装置及方法 Download PDFInfo
- Publication number
- CN110239914B CN110239914B CN201910533224.1A CN201910533224A CN110239914B CN 110239914 B CN110239914 B CN 110239914B CN 201910533224 A CN201910533224 A CN 201910533224A CN 110239914 B CN110239914 B CN 110239914B
- Authority
- CN
- China
- Prior art keywords
- sound
- infrared
- spectrum
- module
- image
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明为红外视听频谱融合输送带纵向撕裂检测预警装置及方法,属于自动化检测领域。其特征是一种用于检测输送带纵向撕裂并进行预警的装置。技术方案为:本装置,设置在输送带上下皮带之间,包括装置,装置设置有金属外壳、红外图像采集模块、图像处理模块、声音采集模块、声音处理模块、数据存储模块、中央处理单元。中央处理单元分别于数据储模块、声音处理模块和图像处理模块相连,声音采集模块与声音处理模块相连,红外图像采集模块与图像数据处理模相连;本方法使用红外频谱特征和异常声音特征相融合的检测方法,将采集声音传递给声音处理模块,红外图像采集模块采集到图像传递给图像处理模块,然后将处理后的数据同时传送到中央处理单元。中央处理单元融合红外频谱和声音频谱特征数据并分析判断是否发生纵向撕裂,发出预警。
Description
技术领域
本发明提供了一种红外视听频谱融合输送带纵向撕裂检测预警装置及方法,属于自动化检测技术领域。
背景技术
在煤矿的开采中,胶带运输机被广泛应用于长距离输送煤炭。纵向撕裂是矿用胶带输送机三大灾难性事故之一(纵向撕裂、横向断裂、火灾),由于煤炭的运输距离较长,如果发生纵向撕裂事故,很可能会造成整条胶带的损坏,在相当长一段时间内无法恢复煤矿正常的生产和运输,造成巨大的经济损失。因此,输送带纵向撕裂检测已成为煤矿生产中必须解决的关键问题。
煤矿输送机发生纵向撕裂时产生突然异响,并在输送带表明产生大量热量,此时如果巡检人员或者输送带司机正好在现场则容易发现问题,但随着无人化矿山的推进,煤矿巡检人员数量处于逐步减少状态,当输送带发生纵向撕裂时,如果巡检人员无法及时到达现场,异常情况加重,有可能会对煤矿造成较大经济损失甚至是人员伤害。目前输送带纵向撕裂的检测方法主要有内置的导体法、x射线法、计算机视觉法等。以上方法尝试从不同角度检测撕裂。然而,它们也有一些缺点。内置的导体法需要对所有传送带进行改造,这是非常昂贵和难以推广的。x射线法可能对操纵者造成严重损害。计算机视觉法会受到地下环境能见度低的影响不能保障准确率。因此,有必要在一个新的领域中实现撕裂识别。
发明内容
本发明红外视听频谱融合输送带纵向撕裂检测预警方法,克服了现有技术存在的不足,提供了一种有效、可靠的以及实时性高的红外视听频谱融合输送带纵向撕裂检测预警装置。
为了解决上述技术问题,本发明采用的技术方案为:一种红外视听频谱融合输送带纵向撕裂检测装置,包括金属外壳,金属外壳内设有中央处理单元、数据存储模块、图像处理模块、红外图像采集模块、声音处理模块、声采集模块、通讯接口、电源模块和固定支架;固定支架用于支撑金属外壳;电源模块通过通讯接口连接到外接电源,电源模块与中央处理单元相连以进行供电;红外图像采集模块与图像处理模块相连,红外图像采集模块采集输送带运行时图像,图像处理模块用于对采集到的图像信息进行去噪声、中值滤波,形成红外频谱特征;声音采集模块与声音处理模块相连接,声音采集模块采集输送带运行时声音,声音处理模块用于将采集到的声音信通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列,形成声音频谱特征;中央处理单元分别与数据存储模块、声音处理模块、图像处理模块相连,中央处理单元用于对声音频谱特征和红外频谱特征进行融合并分析判断,将分析结果实时的传送到矿井安全预警平台,同时将分析结果存储到数据存储模块中。
进一步,电源模块和外接电源均与通讯接口模块相连,所述金属外壳的底面设置外接电源与通讯接口模块连接的通孔。
进一步,金属外壳为加有紫铜网且防电磁干扰的镍鉻合金的长方体结构。
进一步,在外壳上靠近红外图像采集模块的位置设置图像采集窗口,靠近声音采集模块的位置设置声音采集口。
为了解决上述技术问题,本发明采用的技术方案为:一种红外视听频谱融合输送带纵向撕裂检测方法,利用如前述技术方案所述的红外视听频谱融合输送带纵向撕裂检测装置进行检测,包括以下步骤:
S10:该装置通过可调支架连接固定在胶带大架上,使声音采集模块与红外图像采集模块分别对正输送带,以采集输送带运行时的声音和红外图像;
S20:进行声音频谱和红外频谱进行特征采集:设定采集时间点,声音采集模块和红外图像采集模块按照预设采集时间点采集输送带正常运行时的声音和红外图像,并分别传递给声音处理模块和图像处理模块进行处理,将处理结果传输至中央处理单元,并存储于数据存储模块建立正常的声音频谱和红外频谱数据库;利用声音采集模块和红外图像采集模块采集输送带发生纵向撕裂时的声音和红外图像,并传递给声音处理模块和图像处理模块进行处理,将处理结果传输至中央处理单元,并存储于数据存储模块,建立输送带纵向撕裂声音频谱和红外频谱数据库;
S30:进行声音频谱特征提取:分别对正常声音频谱和输送带纵向撕裂声音频谱数据进行特征提取;
S40:进行红外频谱特征提取:输送带纵向撕时红外图像在局部区域中多呈现出明显高于周围背景的亮度特征,这种局部灰度差异在频域表现为图像频谱振幅的突变,而红外图像的背景灰度则通常在大范围内呈均匀、有规律变化,其频谱振幅曲线也相对平滑;根据以上规律分别对正常红外频谱数据和输送带纵向撕裂红外频谱数据进行特征提取;
S50:红外频谱特征和声音频谱特征融合:分别对提取到的正常红外频谱特征、声音频谱特征和输送带纵向撕裂红外频谱特征、声音频谱特征进行一一对应拼接构成多特征元素的特征集合;
S60:使用分类器对获得的多特征集合进行输送带运行状况的分类识别。
进一步,声音频谱特征提取的步骤包括:
S31:分别从正常的声音频谱数据库和纵向撕裂的声音频谱数据库中提取输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据;
S32:声音处理模块将输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列;
S33:对处理后得到的声音信号进行端点检测;
S34:对处理后得到的声音信号进行分帧、加窗、FFT变换、MFCC特征参数提取,提取声音频谱特征。
进一步,红外频谱特征提取的步骤包括:
S41:通过频谱分析,提取纵向撕裂红外频谱图像中撕裂目标所在区域,在空间域对撕裂目标和背景区域融合多帧图像中的互补信息进行处理,达到抑制背景,增强目标能量的目的;
S42:对处理后的红外频谱图像进行灰度化;
S43:采用Gamma校正法对灰度化后的红外频谱图像进行标准化;调节图像的对比度,抑制噪音的干扰;
S44:计算标准化后的红外频谱图像中的每个像素的梯度,捕获轮廓信息;
S45:将红外频谱图像划分成小6*6像素cell;
S46:统计每个cell的梯度直方图;
S47:将3*3个cell组成一个block,一个block内所有cell的特征梯度直方图串联起来便得到该block的HOG特征;
S48:将红外频谱图像内的所有block的HOG特征串联起来,得到红外频谱图像的HOG特征。
进一步,红外频谱特征和声音频谱特征融合时,是使用串行融合算法对 HOG 特征和MFCC 特征进行融合。
进一步,使用分类器对获得的多特征集合进行输送带运行状况的分类识别的步骤包括:
S61:将红外频谱数据和声音频谱数据融合得到的联合特征向量组归一化;
S62:将归一化后得到的数据集输入支持向量机生成分类器;采用 SVM 分类器进行分类学习;
S63:选取了径向基核函数来作为分类器的核函数,通过实验该核函数的惩罚因子c 取c=0.01,gamma =1。
本发明与现有技术相比具有以下有益效果。
1、本发明方法使用基于红外视听频谱融合检测方法,采用红外采集模块可有效检测输送带发生纵向撕裂,同时避免由于矿井地下环境能见度低的影响不能保障准确率;
2、本发明方法首先建立输送带正常运行红外频谱、声音频谱数据库和输送带纵向撕裂红外频谱、声音频谱数据库。融合红外频谱特征与声音频谱特征,并采用SVM分类器对融合后的联合特征进行分类,提高了检测准确度、可靠性;
3、本发明可实现二十四小时实时监测,发现输送带纵向撕裂及时发出警示信号,避免人工未能及时巡检到位而造成输送机异常状况的恶化;
4、本发明装置可作为单机使用,也可通过信号传输接口与多个同样的装置级联使用。
附图说明
图1为本发明实施例装置的结构示意图;
图2为本发明实施例装置的安装示意图;
图3为本发明实施例方法的流程图。
图中:1-固定支架、2-金属外壳、3-数据存储模块、4-中央处理单元、5-图像处理模块、6-红外图像采集模块、7-外接电源与通讯接口、8-电源模块、9-声音处理模块、10-声音采集模块、11-声音采集窗口、12-图像采集窗口、13-上输送带、14-装置、15-连接支架、16-输送带大架、 17-下输送带。
具体实施方式
下面结合附图对本发明做进一步的说明。
如图1所示,为本发明实施例提供的红外视听频谱融合输送带纵向撕裂检测预警装置的结构示意图;包括金属外壳2,金属外壳2内设有中央处理单元4、数据存储模块3、图像处理模块5、红外图像采集模块6、声音处理模块9、声采集模块10、通讯接口7、电源模块8和固定支架1;固定支架1用于支撑金属外壳2;电源模块8通过通讯接口7连接到外接电源,电源模块8与中央处理单元4相连以进行供电;红外图像采集模块6与图像处理模块5相连,红外图像采集模块9采集输送带运行时图像,图像处理模块5用于对采集到的图像信息进行去噪声、中值滤波,形成红外频谱特征;声音采集模块10与声音处理模块相9连接,声音采集模块10采集输送带运行时声音,声音处理模块9用于将采集到的声音信通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列,形成声音频谱特征;中央处理单元4分别与数据存储模块3、声音处理模块9、图像处理模块5相连,中央处理单元4用于对声音频谱特征和红外频谱特征进行融合并分析判断,将分析结果实时的传送到矿井安全预警平台,同时将分析结果存储到数据存储模块3中。
金属外壳为具有防电磁干扰性能的镍鉻合金加工而成;且金属外壳内表面设置有紫铜网,中央处理单元4为带RAM缓存的DSP,这里可以使用TI公司型号为TMS320VC5441的DSP,数据存储模块3使用型号为AT29C256的Flash存储模块。声音采集模块10可以使用INMP441。声音处理模块9为PCM2707。外接电源与通讯模块7使用一个九芯防水航空接头。
电源模块8和外接电源均与通讯接口模块7相连,所述金属外壳的底面设置外接电源与通讯接口模块7连接的通孔。在外壳2上靠近红外图像采集模块6的位置设置图像采集窗口12,靠近声音采集模块10的位置设置声音采集口11。
本发明实施例提供了一种红外视听频谱融合输送带纵向撕裂检测预警方法,基于上述的红外视听频谱融合输送带纵向撕裂检测预警装置完成,该装置的设置如图2所示,将装置安装到上输送带13和下输送带17之间,通过连接支架15固定在胶带大架16上,采集上输送带13下表面图像信息的位置,并做好防尘防水处理。多个装置安装时,装置相隔距离约为50米,各装置之间进行级联,并将报警信号线接至矿井安全平台。如图3所示,检测方法主要包括以下步骤:
S10:该装置通过可调支架连接1固定在胶带大架上,使声音采集模块10与红外图像采集模块6分别对正输送带,以采集输送带运行时的声音和红外图像;
S20:进行声音频谱和红外频谱进行特征采集:设定采集时间点,声音采集模块10和红外图像采集模块6按照预设采集时间点采集输送带正常运行时的声音和红外图像,并分别传递给声音处理模块9和图像处理模块5进行处理,将处理结果传输至中央处理单元4,并存储于数据存储模块3建立正常的声音频谱和红外频谱数据库;利用声音采集模块10和红外图像采集模块6采集输送带发生纵向撕裂时的声音和红外图像,并传递给声音处理模块9和图像处理模块6进行处理,将处理结果传输至中央处理单元4,并存储于数据存储模块3,建立输送带纵向撕裂声音频谱和红外频谱数据库;
S30:进行声音频谱特征提取:分别对正常声音频谱和输送带纵向撕裂声音频谱数据进行特征提取;
S40:进行红外频谱特征提取:输送带纵向撕时红外图像在局部区域中多呈现出明显高于周围背景的亮度特征,这种局部灰度差异在频域表现为图像频谱振幅的突变,而红外图像的背景灰度则通常在大范围内呈均匀、有规律变化,其频谱振幅曲线也相对平滑;根据以上规律分别对正常红外频谱数据和输送带纵向撕裂红外频谱数据进行特征提取;
S50:红外频谱特征和声音频谱特征融合:分别对提取到的正常红外频谱特征、声音频谱特征和输送带纵向撕裂红外频谱特征、声音频谱特征进行一一对应拼接构成多特征元素的特征集合;
S60:使用分类器对获得的多特征集合进行输送带运行状况的分类识别。
声音频谱特征提取方法包括以下步骤:
S31:分别从正常的声音频谱数据库和纵向撕裂的声音频谱数据库中提取输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据;
S32:声音处理模块9将输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列;
S33:对处理后得到的声音信号进行端点检测;
S34:对处理后得到的声音信号进行分帧、加窗、FFT变换、MFCC特征参数提取,提取声音频谱特征。
其中,对处理后声音信号进行端点检测的具体方法为:
a,分别对短时能量和过零率设置两个门限值Energy_Low、Energy_High和Zcr_Low、 Zcr_High;
b.计算一帧的短时能量Energy和过零率Zrc若Energy > Energy_Low、Zrc > Zcr_Low,则进入过度段;
c.计算一帧的短时能量和过零率,若连续计算几帧短时能量和过零率,若Energy> Energy_High、Zcr > Zcr_High,则可判定开始。
进行MFCC(梅尔倒谱系数)特征参数提取,提取声音特征,具体步骤为:
a.先对声音数字信号进行预加重、分帧和加窗;
b.对每一个短时分析窗,通过FFT傅里叶变换得到对应的频谱;
c.将上面的频谱通过Mel梅尔滤波器组得到Mel频谱;
d.在Mel频谱上面进行倒谱分析取对数,做逆变换,实际逆变换一般是通过离散余弦变换来实现,取离散余弦变换后的第2个到第13个系数作为MFCC系数,获得Mel频率倒谱系数MFCC,这个MFCC就是这帧声音频谱信号的特征。
红外频谱特征提取方法包括以下步骤:
S41:通过频谱分析,提取纵向撕裂红外频谱图像中撕裂目标所在区域,在空间域对撕裂目标和背景区域融合多帧图像中的互补信息进行处理,达到抑制背景,增强目标能量的目的;
S42:对处理后的红外频谱图像进行灰度化;
S43:采用Gamma校正法对灰度化后的红外频谱图像进行标准化;调节图像的对比度,抑制噪音的干扰;
S44:计算标准化后的红外频谱图像中的每个像素的梯度,捕获轮廓信息;
S45:将红外频谱图像划分成小6*6像素cell;
S46:统计每个cell的梯度直方图;
S47:将3*3个cell组成一个block,一个block内所有cell的特征梯度直方图串联起来便得到该block的HOG特征;
S48:将红外频谱图像内的所有block的HOG特征串联起来,得到红外频谱图像的HOG特征。
红外频谱与声音频谱融合包括以下步骤:
S51使用串行融合算法对 HOG 特征和 MFCC 特征进行融合;
S52设 HOG 特征矩阵H[a b1];
S53设提取的MFCC特征矩阵为M[a b2];
S54联合特征矩阵为U[a b];其中a为样本数,b为特征数而b=b1+b2。
使用分类器对获得的多特征集合进行输送带运行状况的分类识别的步骤包括:
S61:将红外频谱数据和声音频谱数据融合得到的联合特征向量组归一化;
S62:将归一化后得到的数据集输入支持向量机生成分类器;采用 SVM 分类器进行分类学习;
S63:选取了径向基核函数来作为分类器的核函数,通过实验该核函数的惩罚因子c 取c=0.01,gamma =1。
本发明与现有技术相比具有以下有益效果。
1、本发明方法使用基于红外视听频谱融合检测方法,采用红外采集模块可有效检测输送带发生纵向撕裂,同时避免由于矿井地下环境能见度低的影响不能保障准确率;
2、本发明方法首先建立输送带正常运行红外频谱、声音频谱数据库和输送带纵向撕裂红外频谱、声音频谱数据库。融合红外频谱特征与声音频谱特征,并采用SVM分类器对融合后的联合特征进行分类,提高了检测准确度、可靠性;
3、本发明可实现二十四小时实时监测,发现输送带纵向撕裂及时发出警示信号,避免人工未能及时巡检到位而造成输送机异常状况的恶化;
4、本发明装置可作为单机使用,也可通过信号传输接口与多个同样的装置级联使用。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (9)
1.一种红外视听频谱融合输送带纵向撕裂检测预警装置,其特征在于:包括金属外壳(2),金属外壳(2)内设有中央处理单元(4)、数据存储模块(3)、图像处理模块(5)、红外图像采集模块(6)、声音处理模块(9)、声采集模块(10)、通讯接口(7)和电源模块(8);固定支架(1)用于支撑金属外壳(2);电源模块(8)通过通讯接口(7)连接到外接电源,电源模块(8)与中央处理单元(4)相连以进行供电;红外图像采集模块(6)与图像处理模块(5)相连,红外图像采集模块(6)采集输送带运行时图像,图像处理模块(5)用于对采集到的图像信息进行去噪声、中值滤波,形成红外频谱特征;声音采集模块(10)与声音处理模块(9)相连接,声音采集模块(10)采集输送带运行时声音,声音处理模块(9)用于将采集到的声音信通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列,形成声音频谱特征;中央处理单元(4)分别与数据存储模块(3)、声音处理模块(9)、图像处理模块(5)相连,中央处理单元(4)用于对声音频谱特征和红外频谱特征进行融合并分析判断,将分析结果实时的传送到矿井安全预警平台,同时将分析结果存储到数据存储模块(3)中;
使用红外频谱特征和异常声音频谱特征相融合的检测方法,在采集到输送带发生纵向撕裂时红外频谱与声音频谱特征信息后通过中央处理单元进行特征融合并分析判断是否发生撕裂发出预警。
2.根据权利要求1所述的红外视听频谱融合输送带纵向撕裂检测预警装置,其特征在于:电源模块(8)和外接电源均与通讯接口(7)相连,所述金属外壳的底面设置外接电源与通讯接口(7)连接的通孔。
3.根据权利要求1所述的红外视听频谱融合输送带纵向撕裂检测预警装置,其特征在于:金属外壳(2)为加有紫铜网且防电磁干扰的镍鉻合金的长方体结构。
4.根据权利要求1所述的红外视听频谱融合输送带纵向撕裂检测预警装置,其特征在于:在金属外壳(2)上靠近红外图像采集模块(6)的位置设置图像采集窗口(12),靠近声音采集模块(10)的位置设置声音采集口(11)。
5.一种红外视听频谱融合输送带纵向撕裂检测方法,利用如权利要求1-3任一所述的红外视听频谱融合输送带纵向撕裂检测预警装置进行检测,其特征在于,包括以下步骤:
S10:该装置通过固定支架(1)连接固定在胶带大架上,使声音采集模块(10)与红外图像采集模块(6)分别对正输送带,以采集输送带运行时的声音和红外图像;
S20:进行声音频谱和红外频谱进行特征采集:设定采集时间点,声音采集模块(10)和红外图像采集模块(6)按照预设采集时间点采集输送带正常运行时的声音和红外图像,并分别传递给声音处理模块(9)和图像处理模块(5)进行处理,将处理结果传输至中央处理单元(4),并存储于数据存储模块(3)建立正常的声音频谱和红外频谱数据库;利用声音采集模块(10)和红外图像采集模块(6)采集输送带发生纵向撕裂时的声音和红外图像,并传递给声音处理模块(9)和图像处理模块(6)进行处理,将处理结果传输至中央处理单元(4),并存储于数据存储模块(3),建立输送带纵向撕裂声音频谱和红外频谱数据库;
S30:进行声音频谱特征提取:分别对正常声音频谱和输送带纵向撕裂声音频谱数据进行特征提取;
S40:进行红外频谱特征提取:输送带纵向撕时红外图像在局部区域中多呈现出明显高于周围背景的亮度特征,这种局部灰度差异在频域表现为图像频谱振幅的突变,而红外图像的背景灰度则通常在大范围内呈均匀、有规律变化,其频谱振幅曲线也相对平滑;根据以上规律分别对正常红外频谱数据和输送带纵向撕裂红外频谱数据进行特征提取;
S50:红外频谱特征和声音频谱特征融合:分别对提取到的正常红外频谱特征、声音频谱特征和输送带纵向撕裂红外频谱特征、声音频谱特征进行一一对应拼接构成多特征元素的特征集合;
S60:使用分类器对获得的多特征集合进行输送带运行状况的分类识别。
6.根据权利要求5所述的红外视听频谱融合输送带纵向撕裂检测方法,其特征在于:声音频谱特征提取的步骤包括:
S31:分别从正常的声音频谱数据库和纵向撕裂的声音频谱数据库中提取输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据;
S32:声音处理模块(9)将输送带正常运行时的声音频谱数据和输送带纵向撕裂时的声音频谱数据通过Mel滤波器进行滤波,并输出一组在固定频谱范围随时间变化的能量序列;
S33:对处理后得到的声音信号进行端点检测;
S34:对处理后得到的声音信号进行分帧、加窗、FFT变换、MFCC特征参数提取,提取声音频谱特征。
7.根据权利要求5所述的红外视听频谱融合输送带纵向撕裂检测方法,其特征在于:红外频谱特征提取的步骤包括:
S41:通过频谱分析,提取纵向撕裂红外频谱图像中撕裂目标所在区域,在空间域对撕裂目标和背景区域融合多帧图像中的互补信息进行处理,达到抑制背景,增强目标能量的目的;
S42:对处理后的红外频谱图像进行灰度化;
S43:采用Gamma校正法对灰度化后的红外频谱图像进行标准化;调节图像的对比度,抑制噪音的干扰;
S44:计算标准化后的红外频谱图像中的每个像素的梯度,捕获轮廓信息;
S45:将红外频谱图像划分成小6*6像素cell;
S46:统计每个cell的梯度直方图;
S47:将3*3个cell组成一个block,一个block内所有cell的特征梯度直方图串联起来便得到该block的HOG特征;
S48:将红外频谱图像内的所有block的HOG特征串联起来,得到红外频谱图像的HOG特征。
8.根据权利要求7所述的红外视听频谱融合输送带纵向撕裂检测方法,其特征在于:红外频谱特征和声音频谱特征融合时,是使用串行融合算法对HOG特征和MFCC特征进行融合。
9.根据权利要求8所述的红外视听频谱融合输送带纵向撕裂检测方法,其特征在于:使用分类器对获得的多特征集合进行输送带运行状况的分类识别的步骤包括:
S61:将红外频谱数据和声音频谱数据融合得到的联合特征向量组归一化;
S62:将归一化后得到的数据集输入支持向量机生成分类器;采用SVM分类器进行分类学习;
S63:选取了径向基核函数来作为分类器的核函数,通过实验该核函数的惩罚因子c取c=0.01,gamma=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533224.1A CN110239914B (zh) | 2019-06-19 | 2019-06-19 | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533224.1A CN110239914B (zh) | 2019-06-19 | 2019-06-19 | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110239914A CN110239914A (zh) | 2019-09-17 |
CN110239914B true CN110239914B (zh) | 2020-12-22 |
Family
ID=67888284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910533224.1A Active CN110239914B (zh) | 2019-06-19 | 2019-06-19 | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110239914B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019008941A1 (de) * | 2019-12-20 | 2021-06-24 | Benecke-Kaliko Aktiengesellschaft | System |
CN112722757B (zh) * | 2020-12-18 | 2021-09-07 | 长沙学院 | 基于音频的传送带预警装置及其预警方法 |
CN114762972B (zh) * | 2021-01-15 | 2024-07-09 | 腾讯科技(深圳)有限公司 | 机械躯干以及机器狗 |
CN113029951B (zh) * | 2021-03-16 | 2024-03-29 | 太原理工大学 | 一种输送带损伤多谱视听调频融合检测方法及装置 |
CN113076895B (zh) * | 2021-04-09 | 2022-08-02 | 太原理工大学 | 一种基于红外计算机视觉的输送带纵向损伤振动感知方法 |
CN113418700B (zh) * | 2021-06-23 | 2023-04-07 | 太原理工大学 | 一种智能传感器及矿用皮带机传动系统健康状态监测方法 |
CN118411360A (zh) * | 2024-06-27 | 2024-07-30 | 武汉理工大学 | 带式输送机纵向撕裂红外图像数据生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101804907A (zh) * | 2010-03-17 | 2010-08-18 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN104822033A (zh) * | 2015-05-05 | 2015-08-05 | 太原理工大学 | 一种红外与可见光图像融合的视觉传感器及其使用方法 |
CN207748453U (zh) * | 2018-01-15 | 2018-08-21 | 洛阳威尔若普检测技术有限公司 | 一种纵向撕裂检测处理装置 |
CN109695475A (zh) * | 2018-11-30 | 2019-04-30 | 太原理工大学 | 一种基于声音的煤矿巷道异常监测装置及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4241685A (en) * | 1984-05-14 | 1985-11-21 | Melco Mining Supplies (Pty.) Ltd. | Method of monitoring, inspecting or testing conveyor belts |
CN103171875B (zh) * | 2013-03-29 | 2015-01-21 | 太原理工大学 | 一种矿用胶带纵向撕裂红外智能检测传感器及使用方法 |
CN105692122B (zh) * | 2016-04-19 | 2017-12-08 | 南京工程学院 | 一种基于激光线的输送带纵向撕裂检测方法 |
CN109353777B (zh) * | 2018-08-15 | 2021-04-02 | 太原理工大学 | 基于双视觉图像特征融合的输送带纵向撕裂检测装置 |
CN109335573A (zh) * | 2018-10-30 | 2019-02-15 | 南京钢铁股份有限公司 | 一种快速检测皮带撕裂的装置 |
CN109850519B (zh) * | 2018-11-30 | 2020-10-30 | 太原理工大学 | 一种基于声音定位的煤矿输送机异常检测装置及方法 |
-
2019
- 2019-06-19 CN CN201910533224.1A patent/CN110239914B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101804907A (zh) * | 2010-03-17 | 2010-08-18 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN104822033A (zh) * | 2015-05-05 | 2015-08-05 | 太原理工大学 | 一种红外与可见光图像融合的视觉传感器及其使用方法 |
CN207748453U (zh) * | 2018-01-15 | 2018-08-21 | 洛阳威尔若普检测技术有限公司 | 一种纵向撕裂检测处理装置 |
CN109695475A (zh) * | 2018-11-30 | 2019-04-30 | 太原理工大学 | 一种基于声音的煤矿巷道异常监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110239914A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110239914B (zh) | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 | |
CN109300471B (zh) | 融合声音采集识别的场区智能视频监控方法、装置及系统 | |
CN109616140B (zh) | 一种异常声音分析系统 | |
CN111354366B (zh) | 一种异常声音检测方法及异常声音检测装置 | |
KR101797402B1 (ko) | 기계 결함 진단 방법 및 장치 | |
CN105608822B (zh) | 铁路周界入侵振动光纤报警方法及装置 | |
CN114013957B (zh) | 基于声音信号的输送带纵向撕裂检测方法及相关设备 | |
CN112660745B (zh) | 托辊故障智能诊断方法、系统及可读存储介质 | |
CN118209830B (zh) | 一种电缆局放异常智能监测方法及系统 | |
CN106841381A (zh) | 钢丝绳在线探伤监测系统、方法及矿用多绳摩擦提升系统 | |
CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
CN116826958A (zh) | 一种数字化输电通道智能安全巡检方法 | |
CN116517860A (zh) | 基于数据分析的通风机故障预警系统 | |
CN112173636A (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
CN111860241A (zh) | 一种基于小波包分析的电力设备放电故障识别方法 | |
CN113029951B (zh) | 一种输送带损伤多谱视听调频融合检测方法及装置 | |
CN116721508A (zh) | 一种基于光纤地震计阵列技术的外界入侵监测预警方法 | |
CN112907900B (zh) | 一种边坡监测实体风险预警评估模型 | |
CN112906441A (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
CN117169639B (zh) | 一种电源适配器生产用产品检测方法及系统 | |
Miao et al. | Sound-based improved densenet conveyor belt longitudinal tear detection | |
CN102759571B (zh) | 一种产品的质量检测方法和检测装置 | |
CN114033377B (zh) | 一种基于声纹检测技术的放顶煤控制方法及系统 | |
CN115423784A (zh) | 一种基于液面波动检测的铝液泄露监测报警系统及方法 | |
Tejedor et al. | Towards detection of pipeline integrity threats using a SmarT fiber-OPtic surveillance system: PIT-STOP project blind field test results |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Qiao Tiezhu Inventor after: Che Jian Inventor after: Yang Yi Inventor after: Zhang Haitao Inventor after: Jin Baoquan Inventor before: Qiao Tiezhu Inventor before: Che Jian Inventor before: Yang Yi Inventor before: Zhang Haitao Inventor before: Jin Baoquan |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |