CN110243175A - 一种辊道窑辊棒监测方法及系统 - Google Patents

一种辊道窑辊棒监测方法及系统 Download PDF

Info

Publication number
CN110243175A
CN110243175A CN201910361327.4A CN201910361327A CN110243175A CN 110243175 A CN110243175 A CN 110243175A CN 201910361327 A CN201910361327 A CN 201910361327A CN 110243175 A CN110243175 A CN 110243175A
Authority
CN
China
Prior art keywords
roller
picture
monitoring point
stick
rod
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.)
Pending
Application number
CN201910361327.4A
Other languages
English (en)
Inventor
冯斌
杨华亮
乔富东
张脉官
蒲林刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Ceramic Research Institute Group Co Ltd
Guangdong Jin Gang New Materials Co Ltd
Original Assignee
Foshan Ceramic Research Institute Group Co Ltd
Guangdong Jin Gang New Materials Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Ceramic Research Institute Group Co Ltd, Guangdong Jin Gang New Materials Co Ltd filed Critical Foshan Ceramic Research Institute Group Co Ltd
Priority to CN201910361327.4A priority Critical patent/CN110243175A/zh
Publication of CN110243175A publication Critical patent/CN110243175A/zh
Pending legal-status Critical Current

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27FURNACES; KILNS; OVENS; RETORTS
    • F27BFURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
    • F27B9/00Furnaces through which the charge is moved mechanically, e.g. of tunnel type; Similar furnaces in which the charge moves by gravity
    • F27B9/30Details, accessories, or equipment peculiar to furnaces of these types
    • F27B9/40Arrangements of controlling or monitoring devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)

Abstract

本发明公开了一种辊道窑辊棒监测方法,包括:实时获取摄像仪器所采集的辊棒图像;提取所述辊棒图像中的监测点;跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。本发明还公开了一种辊道窑辊棒监测系统。本发明通过摄像仪器的视觉监测方法,并结合特殊的标定方式及跟踪方式,可准确地分辨辊棒的运动状态,从而判断辊棒是否异常,可有效降低硬件机构的布置难度,且减少人为干预,提高精确度。

Description

一种辊道窑辊棒监测方法及系统
技术领域
本发明涉及辊道窑炉技术领域,尤其涉及一种辊道窑辊棒监测方法及一种辊道窑辊棒监测系统。
背景技术
辊道窑炉是当今世界上最先进的连续式烧成窑炉,它具有能源利用率高、占地面积小、生产效率高、自动化程度高等特点,特别适合烧制建筑陶瓷产品;它还广泛应用于锂电原料的煅烧、磁性材料的烧结、稀土原料的煅烧等各领域。陶瓷辊棒是辊道窑起承载和传输作用的关键部件,使陶瓷产品或原料自窑头向窑尾行进过程中完成产品的预热、煅烧和冷却过程。作为承载和传输作用的关键部件,辊棒正常旋转带动产品运行,并完成产品的正常烧结,直接影响辊道窑的正常使用以及生产效率,所以实时监测辊棒是否正常旋转成为保证窑炉正常使用的关键因素之一。
但是,在实际生产过程中,监测辊棒正常转动较为困难,原因主要有两点:一、为了提高产量,增加辊道窑炉炉长或宽度可以使更多的产品进入窑炉烧结,还会让整个窑炉的温度变化更加平顺,提高烧结产品的品质。但是现在较长的窑炉需要更多的辊棒,如100米长辊道窑至少需要辊棒多达约1000多根,人工监测这么多辊棒费时费力;二是待烧产品的推进速度约为2~400米/小时,从而每条窑炉的辊棒转速不完全一样(有快有慢),这也为观察辊棒旋转状态增加了难度。在窑炉烧结产品的过程中,一旦辊棒发生断裂,而此时设备和人员没有及时监测出辊棒异常,则容易出现产品卡在窑炉内,影响烧结效率和品质,甚至还会出现辊棒大面积断裂,最终导致窑炉堵塞和大面积的辊棒受损,产生较大的经济损失。
相应地,现有技术中普遍采用的监测方法包括:
一、采用人工监测的方法。即人工巡检,时刻监测现场有无停转的辊棒,从而判断辊棒是否发生断裂。但是,人工监测方法存在人工成本高,监测效率低,耗时多,且无法保证每时每刻实时监测等缺点。
二、采用安全绳的监测方法。如,中国专利“一种辊道窑断棒报警系统”,申请号“CN201210003393.2”,该方案具体实施方式为:在辊道窑高温段的瓷棒上方很近的位置,设置一根安全绳及相关控制电路,当瓷棒发生断裂时,会导致断棒部分受重力影响向上方翘起,从而触碰到瓷棒上方的安全绳,并接通相应报警电路,发出报警信号。但是该方案的缺点包括:一是不能判断断棒的具体位置,要从前到后寻找;二是多点断棒,更不能排除断棒点在哪里,容易漏判,三是断棒没有翘起时,则无法实现报警。
发明内容
本发明所要解决的技术问题在于,提供一种辊道窑辊棒监测方法及系统,可准确地分辨辊棒的运动状态,从而判断辊棒是否异常,可有效降低硬件机构的布置难度,且减少人为干预,提高精确度。
为了解决上述技术问题,本发明提供了一种辊道窑辊棒监测方法,包括:实时获取摄像仪器所采集的辊棒图像;提取所述辊棒图像中的监测点;跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
作为上述方案的改进,所述提取辊棒图像中的监测点的步骤包括:对所述辊棒图像进行灰度化处理;对经灰度化处理后的辊棒图像进行去除边界处理;对经去除边界处理后的辊棒图像进行归一化处理;对经归一化处理后的辊棒图像进行高斯滤波处理;对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元;分别将所述像素单元与预设特征样本进行比对,识别监测点。
作为上述方案的改进,所述跟踪监测点并判断所述监测点是否停转的步骤包括:获取所述监测点的实时位置及前置位置,其中,所述实时位置为所述监测点在当前辊棒图像中的位置,所述前置位置为所述监测点在前置辊棒图像中的位置,所述当前辊棒图像为实时采集的辊棒图像,所述前置辊棒图像为实时辊棒图像的前一辊棒图像;将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,判断为是时,则表示所述监测点正常转动,判断为否时,则表示所述监测点停转。
作为上述方案的改进,所述辊道窑辊棒监测方法还包括:对辊道窑内的辊棒进行标定处理以确定监测点。
作为上述方案的改进,所述实时获取摄像仪器所采集的辊棒图像的步骤之前还包括:判断是否需要对辊道窑内的辊棒进行标定处理,判断为是时,对辊道窑内的辊棒进行标定处理以确定监测点,判断为否时,实时获取摄像仪器所采集的辊棒图像。
相应地,本发明还提供了一种辊道窑辊棒监测系统,包括用于采集辊棒图像的摄像仪器及监测装置,所述监测装置包括:获取模块,用于实时获取摄像仪器所采集的辊棒图像;提取模块,用于提取所述辊棒图像中的监测点;跟踪模块,用于跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
作为上述方案的改进,所述提取模块包括:灰度化单元,用于对所述辊棒图像进行灰度化处理;边界单元,用于对经灰度化处理后的辊棒图像进行去除边界处理;归一化单元,用于对经去除边界处理后的辊棒图像进行归一化处理;高斯滤波单元,用于对经归一化处理后的辊棒图像进行高斯滤波处理;分割单元,用于对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元;识别单元,用于分别将所述像素单元与预设特征样本进行比对,识别监测点。
作为上述方案的改进,所述跟踪模块包括:获取单元,用于获取所述监测点的实时位置及前置位置,其中,所述实时位置为所述监测点在当前辊棒图像中的位置,所述前置位置为所述监测点在前置辊棒图像中的位置,所述当前辊棒图像为实时采集的辊棒图像,所述前置辊棒图像为实时辊棒图像的前一辊棒图像;比对单元,用于将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,判断为是时,则表示所述监测点正常转动,判断为否时,则表示所述监测点停转。
作为上述方案的改进,所述监测装置还包括标定模块,用于对辊道窑内的辊棒进行标定处理以确定监测点。
作为上述方案的改进,所述监测装置还包括判断模块,用于判断是否需要对辊道窑内的辊棒进行标定处理,判断为是时,驱动标定模块对辊道窑内的辊棒进行标定处理以确定监测点,判断为否时,驱动获取模块实时获取摄像仪器所采集的辊棒图像。
实施本发明,具有如下有益效果:
本发明通过摄像仪器实时图像采集,其中,一个摄像仪器可以覆盖数个辊棒,且拥有高准确率的监测效果,可以极大的减少人工监测成本,并且设备简单,无需对产线进行过多改造,只需将摄像仪器布置在合适位置即可,成本低,易实施。
同时,本发明采用视觉跟踪算法,可以实时监测辊道的产线情况,可准确地分辨辊棒的运动状态,从而判断辊棒是否异常,可有效降低硬件机构的布置难度,且减少人为干预,提高精确度。
进一步,本发明还通过对辊棒进行编号,可以准确定位到具体的辊棒位置,提高监测效率。
附图说明
图1是本发明辊道窑辊棒监测方法的第一实施例流程图;
图2是本发明辊道窑辊棒监测方法的第二实施例流程图;
图3是本发明辊道窑辊棒监测方法的第三实施例流程图;
图4是本发明辊道窑辊棒监测系统的第一实施例结构示意图;
图5是本发明辊道窑辊棒监测系统中提取模块的结构示意图;
图6是本发明辊道窑辊棒监测系统中跟踪模块的结构示意图;
图7是本发明辊道窑辊棒监测系统的第二实施例结构示意图;
图8是本发明辊道窑辊棒监测系统的第三实施例结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
参见图1,图1显示了本发明辊道窑辊棒监测方法的第一实施例流程图,包括:
S101,实时获取摄像仪器所采集的辊棒图像。
监测前,需在辊道高温窑炉段待监测的瓷棒位置前方,根据待监测范围,布置摄像仪器,使摄像仪器可以覆盖待监测的辊棒范围,从而实现对辊棒图像的有效采集。
S102,提取所述辊棒图像中的监测点。
需要说明的是,每一辊棒上均预先标定有监测点,因此,辊棒图像中包含有监测点信息。
具体地,所述提取辊棒图像中的监测点的步骤包括:
步骤一,对所述辊棒图像进行灰度化处理。
步骤二,对经灰度化处理后的辊棒图像进行去除边界处理。
步骤三,对经去除边界处理后的辊棒图像进行归一化处理。
步骤四,对经归一化处理后的辊棒图像进行高斯滤波处理。通过高斯滤波处理后,可以有效地避免实际生产过程中,光线、空间杂物质(如粉尘)给辊棒图像所带来的影响。
步骤五,对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元。
步骤六,分别将所述像素单元与预设特征样本进行比对,识别监测点。
需要说明的是,本发明采用机器学习的思想,采集大量实际现场的辊棒情况,通过人工打标签的方式将样品分为正样本跟负样本,从而生成特征模板库。比对时,通过将实际采集到的像素单元与特征模板库中的预设特征样本相匹配,即可识别出监测点,识别率大大提高,漏检率几乎为0。
S103,跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
具体地,所述跟踪监测点并判断所述监测点是否停转的步骤包括:
步骤一,获取所述监测点的实时位置及前置位置。
需要说明的是,所述实时位置为所述监测点在当前辊棒图像中的位置,其中,所述当前辊棒图像为实时采集的辊棒图像;所述前置位置为所述监测点在前置辊棒图像中的位置,其中,所述前置辊棒图像为实时辊棒图像的前一辊棒图像。
步骤二,将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,判断为是时,则表示所述监测点正常转动,判断为否时,则表示所述监测点停转。
需要说明的是,所述监测点标记在辊棒转动的被动端,当辊棒正常旋转时,监测点也会随之发生位置变化,当辊棒停转时,监测点则不会发生位置变化。因此,通过将监测点的实时位置与前置位置进行比对,则可准确地判断监测点是否发生位置变化;当判断出监测点发生位置变化,则表示辊棒正常旋转;当判断出监测点未发生位置变化,则表示辊棒异常停转,此时生成警报信息,通知检修人员进行检修。
进一步,所述警报信息可通过以太网通讯或云端服务器的方法发送至手机APP或监控显示器上进行显示,使得检修人员可以实时掌握现场的生产情况,且一旦发生报警,就可以及时采取措施,防止进一步损失。
参见图2,图2显示了本发明辊道窑辊棒监测方法的第二实施例流程图,包括:
S201,对辊道窑内的辊棒进行标定处理以确定监测点。
监测前,需在辊道高温窑炉段待监测的瓷棒位置前方,根据待监测范围,布置摄像仪器,使摄像仪器可以覆盖待监测的辊棒范围,从而实现对辊棒图像的有效采集。
在布置完摄像仪器后,需对辊棒进行排序,使检修人员能够根据序号找到对应的故障辊棒。同时,通过特定标定程序,事先在辊棒转动的被动端进行颜色标记,然后在视觉软件中,将带颜色标记的区域(即监测点)进行标记,告知摄像仪器此区域是需要转动监测的位置,从而完成对摄像仪器所覆盖的待监测辊棒的标定工作。
S202,实时获取摄像仪器所采集的辊棒图像。
S203,提取所述辊棒图像中的监测点。
S204,跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
也就是说,当判断出监测点发生位置变化,则表示辊棒正常旋转;当判断出监测点未发生位置变化则表示辊棒异常停转,此时生成警报信息,通知检修人员进行检修。
进一步,所述警报信息包括语音信息及辊棒编号,当辊棒停转时,可将警报信息发送至手机APP或监控显示器上进行显示。因此,检修人员可以根据辊棒编号及时定位断裂的辊棒,并停止辊道转动,更换瓷棒,从而避免断棒对整条产线带来的进一步损失。
参见图3,图3显示了本发明辊道窑辊棒监测方法的第三实施例流程图,包括:
S301,判断是否需要对辊道窑内的辊棒进行标定处理,判断为是时,进入步骤S302,判断为否时,进入步骤S303。
需要说明的是,辊道窑辊棒监测系统上电后,需先判断辊道窑内的辊棒是否需要进行标定处理;当判断出辊棒需要进行标定处理时,则对辊道窑内的辊棒进行标定处理以确定监测点;当判断出辊棒不需要进行标定处理,即表示辊棒已经完成标定,可直接进入监测过程。
S302,对辊道窑内的辊棒进行标定处理以确定监测点。
S303,实时获取摄像仪器所采集的辊棒图像。
S304,提取所述辊棒图像中的监测点。
S305,跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
由上可知,本发明通过摄像仪器的视觉监测方法,并结合特殊的标定方式及跟踪方式,可准确地分辨辊棒的运动状态,从而判断辊棒是否异常,可有效降低硬件机构的布置难度,且减少人为干预,提高精确度。
参见图4,图4显示了本发明辊道窑辊棒监测系统100的第一实施例结构示意图,其包括用于采集辊棒图像的摄像仪器1及监测装置2,具体地:
所述摄像仪器1的数量可以是一个或多个,所述摄像仪器1需根据待监测范围,设置于辊道高温窑炉段待监测的瓷棒位置前方,使摄像仪器1可以覆盖待监测的辊棒范围,从而实现对辊棒图像的有效采集。在布置完摄像仪器1后,需对辊棒进行排序,使检修人员能够根据序号找到对应的故障辊棒。
所述监测装置2包括依次连接的获取模块21、提取模块22及跟踪模块23,其中:
获取模块21,用于实时获取摄像仪器1所采集的辊棒图像。
提取模块22,用于提取所述辊棒图像中的监测点。需要说明的是,每一辊棒上均预先标定有监测点,因此,辊棒图像中包含有监测点信息。
跟踪模块23,用于跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
如图5所示,所述提取模块22包括灰度化单元221、边界单元222、归一化单元223、高斯滤波单元224、分割单元225及识别单元226,具体地:
灰度化单元221,用于对所述辊棒图像进行灰度化处理。
边界单元222,用于对经灰度化处理后的辊棒图像进行去除边界处理。
归一化单元223,用于对经去除边界处理后的辊棒图像进行归一化处理。
高斯滤波单元224,用于对经归一化处理后的辊棒图像进行高斯滤波处理。其中,通过高斯滤波处理后,可以有效地避免实际生产过程中,光线、空间杂物质(如粉尘)给辊棒图像所带来的影响。
分割单元225,用于对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元。
识别单元226,用于分别将所述像素单元与预设特征样本进行比对,识别监测点。
需要说明的是,本发明采用机器学习的思想,采集大量实际现场的辊棒情况,通过人工打标签的方式将样品分为正样本跟负样本,从而生成特征模板库。比对时,识别单元226通过将实际采集到的像素单元与特征模板库中的预设特征样本相匹配,即可识别出监测点,识别率大大提高,漏检率几乎为0。
如图6所示,所述跟踪模块23包括:
获取单元231,用于获取所述监测点的实时位置及前置位置。其中,所述实时位置为所述监测点在当前辊棒图像中的位置,所述前置位置为所述监测点在前置辊棒图像中的位置,所述当前辊棒图像为实时采集的辊棒图像,所述前置辊棒图像为实时辊棒图像的前一辊棒图像。
比对单元232,用于将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,判断为是时,则表示所述监测点正常转动,判断为否时,则表示所述监测点停转。
需要说明的是,所述监测点标记在辊棒转动的被动端,当辊棒正常旋转时,监测点也会随之发生位置变化,当辊棒停转时,监测点则不会发生位置变化。因此,通过将监测点的实时位置与前置位置进行比对,则可准确地判断监测点是否发生位置变化;当比对单元232判断出监测点发生位置变化,则表示辊棒正常旋转;当比对单元232判断出监测点未发生位置变化,则表示辊棒异常停转,此时生成警报信息,通知检修人员进行检修。
进一步,所述警报信息包括语音信息及辊棒编号,当辊棒停转时,可通过以太网通讯或云端服务器的方法将警报信息发送至手机APP或监控显示器上进行显示。使得检修人员可以实时掌握现场的生产情况,且一旦发生报警,就可以根据辊棒编号及时定位断裂的辊棒,并停止辊道转动,更换瓷棒,从而避免断棒对整条产线带来的进一步损失。
因此,本发明中一个摄像仪器1可以覆盖数个辊棒,且拥有高准确率的监测效果,可以极大的减少人工监测成本,并且设备简单,无需对产线进行过多改造,只需将摄像仪器1布置在合适位置即可,成本低,易实施。同时,本发明采用先进的视觉跟踪算法,可以实时监测辊道的产线情况,并且在对辊棒编号后,可以准确定位到具体的辊棒位置,提高监测效率。
参见图7,图7显示了本发明辊道窑辊棒监测系统的第二实施例结构示意图,与图4所示的第一实施例不同的是,本实施例中,所述监测装置2还包括标定模块24,用于对辊道窑内的辊棒进行标定处理以确定监测点。
标定时,需事先在辊棒转动的被动端进行颜色标记,然后在标定模块24中,将带颜色标记的区域(即监测点)进行标记,告知摄像仪器1此区域是需要转动监测的位置,从而完成对摄像仪器1所覆盖的待监测辊棒的标定工作。
参见图8,图8显示了本发明辊道窑辊棒监测系统的第三实施例结构示意图,与图7所示的第二实施例不同的是,本实施例中,所述监测装置2还包括判断模块25,用于判断是否需要对辊道窑内的辊棒进行标定处理;判断为是时,驱动标定模块24对辊道窑内的辊棒进行标定处理以确定监测点;判断为否时,驱动获取模块21实时获取摄像仪器1所采集的辊棒图像。
需要说明的是,辊道窑辊棒监测系统上电后,需先判断辊道窑内的辊棒是否需要进行标定处理;当判断出辊棒需要进行标定处理时,则对辊道窑内的辊棒进行标定处理以确定监测点;当判断出辊棒不需要进行标定处理,即表示辊棒已经完成标定,可直接进入监测过程。
由上可知,本发明具有以下有益效果:
1、采用视觉摄像的监测方法,更多依靠视觉监测的算法,可以降低硬件机构的布置难度,且减少人为干预,提高精确度。
2、通过以太网通讯及云端服务器的方式,可以对监测的断棒及时报警,并将报警信息发送到用户手机或检控显示屏上,即使人在异地,也可以实时掌握现场的生产情况,且一旦发生报警,就可以及时采取措施,防止进一步损失。
3、采用多个摄像仪器1分散采集图像数据,通过监测装置2集中进行数据处理,可以提高摄像仪器1的采集速度,减小机构复杂度,使布置与安装更简单,并可以降低成本。
以上所述是本发明的优选实施方式,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,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种辊道窑辊棒监测方法,其特征在于,包括:
实时获取摄像仪器所采集的辊棒图像;
提取所述辊棒图像中的监测点;
跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
2.如权利要求1所述的辊道窑辊棒监测方法,其特征在于,所述提取辊棒图像中的监测点的步骤包括:
对所述辊棒图像进行灰度化处理;
对经灰度化处理后的辊棒图像进行去除边界处理;
对经去除边界处理后的辊棒图像进行归一化处理;
对经归一化处理后的辊棒图像进行高斯滤波处理;
对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元;
分别将所述像素单元与预设特征样本进行比对,识别监测点。
3.如权利要求1所述的辊道窑辊棒监测方法,其特征在于,所述跟踪监测点并判断所述监测点是否停转的步骤包括:
获取所述监测点的实时位置及前置位置,其中,所述实时位置为所述监测点在当前辊棒图像中的位置,所述前置位置为所述监测点在前置辊棒图像中的位置,所述当前辊棒图像为实时采集的辊棒图像,所述前置辊棒图像为实时辊棒图像的前一辊棒图像;
将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,
判断为是时,则表示所述监测点正常转动,
判断为否时,则表示所述监测点停转。
4.如权利要求1所述的辊道窑辊棒监测方法,其特征在于,还包括:对辊道窑内的辊棒进行标定处理以确定监测点。
5.如权利要求4所述的辊道窑辊棒监测方法,其特征在于,所述实时获取摄像仪器所采集的辊棒图像的步骤之前还包括:
判断是否需要对辊道窑内的辊棒进行标定处理,
判断为是时,对辊道窑内的辊棒进行标定处理以确定监测点,
判断为否时,实时获取摄像仪器所采集的辊棒图像。
6.一种辊道窑辊棒监测系统,其特征在于,包括用于采集辊棒图像的摄像仪器及监测装置,所述监测装置包括:
获取模块,用于实时获取摄像仪器所采集的辊棒图像;
提取模块,用于提取所述辊棒图像中的监测点;
跟踪模块,用于跟踪所述监测点并判断所述监测点是否停转,判断为是时,生成警报信息。
7.如权利要求6所述的辊道窑辊棒监测系统,其特征在于,所述提取模块包括:
灰度化单元,用于对所述辊棒图像进行灰度化处理;
边界单元,用于对经灰度化处理后的辊棒图像进行去除边界处理;
归一化单元,用于对经去除边界处理后的辊棒图像进行归一化处理;
高斯滤波单元,用于对经归一化处理后的辊棒图像进行高斯滤波处理;
分割单元,用于对经高斯滤波处理后的辊棒图像进行像素分割处理,以分割出多个像素单元;
识别单元,用于分别将所述像素单元与预设特征样本进行比对,识别监测点。
8.如权利要求6所述的辊道窑辊棒监测系统,其特征在于,所述跟踪模块包括:
获取单元,用于获取所述监测点的实时位置及前置位置,其中,所述实时位置为所述监测点在当前辊棒图像中的位置,所述前置位置为所述监测点在前置辊棒图像中的位置,所述当前辊棒图像为实时采集的辊棒图像,所述前置辊棒图像为实时辊棒图像的前一辊棒图像;
比对单元,用于将所述监测点的实时位置与前置位置进行比对,判断监测点的是否发生位置变化,判断为是时,则表示所述监测点正常转动,判断为否时,则表示所述监测点停转。
9.如权利要求6所述的辊道窑辊棒监测系统,其特征在于,所述监测装置还包括标定模块,用于对辊道窑内的辊棒进行标定处理以确定监测点。
10.如权利要求9所述的辊道窑辊棒监测系统,其特征在于,所述监测装置还包括判断模块,用于判断是否需要对辊道窑内的辊棒进行标定处理,判断为是时,驱动标定模块对辊道窑内的辊棒进行标定处理以确定监测点,判断为否时,驱动获取模块实时获取摄像仪器所采集的辊棒图像。
CN201910361327.4A 2019-04-30 2019-04-30 一种辊道窑辊棒监测方法及系统 Pending CN110243175A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910361327.4A CN110243175A (zh) 2019-04-30 2019-04-30 一种辊道窑辊棒监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910361327.4A CN110243175A (zh) 2019-04-30 2019-04-30 一种辊道窑辊棒监测方法及系统

Publications (1)

Publication Number Publication Date
CN110243175A true CN110243175A (zh) 2019-09-17

Family

ID=67883598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910361327.4A Pending CN110243175A (zh) 2019-04-30 2019-04-30 一种辊道窑辊棒监测方法及系统

Country Status (1)

Country Link
CN (1) CN110243175A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112747596A (zh) * 2020-12-25 2021-05-04 湖南金炉科技股份有限公司 辊道窑断辊检测系统及快速巡检方法
CN114216329A (zh) * 2021-12-22 2022-03-22 巴斯夫杉杉电池材料有限公司 一种窑炉辊棒速度监测系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751603A (zh) * 2008-12-10 2010-06-23 东北大学 在线棒型材图像自动计数设备及方法
CN102435067A (zh) * 2012-01-07 2012-05-02 广东中窑窑业股份有限公司 一种辊道窑断棒报警系统
CN105890355A (zh) * 2016-06-01 2016-08-24 湖南新天力科技有限公司 一种用于轨道窑的辊棒断棒报警装置
CN108534547A (zh) * 2018-05-08 2018-09-14 广东中鹏热能科技有限公司 断棒检测装置、断棒自动监控系统及辊道窑
CN108871001A (zh) * 2017-05-15 2018-11-23 广东科达洁能股份有限公司 一种基于视觉传感器的窑炉断棒检测系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751603A (zh) * 2008-12-10 2010-06-23 东北大学 在线棒型材图像自动计数设备及方法
CN102435067A (zh) * 2012-01-07 2012-05-02 广东中窑窑业股份有限公司 一种辊道窑断棒报警系统
CN105890355A (zh) * 2016-06-01 2016-08-24 湖南新天力科技有限公司 一种用于轨道窑的辊棒断棒报警装置
CN108871001A (zh) * 2017-05-15 2018-11-23 广东科达洁能股份有限公司 一种基于视觉传感器的窑炉断棒检测系统和方法
CN108534547A (zh) * 2018-05-08 2018-09-14 广东中鹏热能科技有限公司 断棒检测装置、断棒自动监控系统及辊道窑

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112747596A (zh) * 2020-12-25 2021-05-04 湖南金炉科技股份有限公司 辊道窑断辊检测系统及快速巡检方法
CN114216329A (zh) * 2021-12-22 2022-03-22 巴斯夫杉杉电池材料有限公司 一种窑炉辊棒速度监测系统及方法
CN114216329B (zh) * 2021-12-22 2023-06-20 巴斯夫杉杉电池材料有限公司 一种窑炉辊棒速度监测系统及方法

Similar Documents

Publication Publication Date Title
CN105915847B (zh) 基于特征匹配跟踪的视频监控装置及其方法
CN105444891B (zh) 一种基于机器视觉的纱线印染色差检测系统
CN104751603B (zh) 危岩崩塌监测预警系统及方法
CN201278180Y (zh) 一种自动追踪识别系统
CN101465033A (zh) 一种自动追踪识别系统及方法
WO2021101053A1 (ko) 상품 인식을 위한 데이터 취득 시스템
CN110516522B (zh) 一种巡检方法及系统
CN111432179A (zh) 基于计算机视觉的输煤皮带智能巡检系统及方法
CN110243175A (zh) 一种辊道窑辊棒监测方法及系统
CN105979210A (zh) 一种基于多枪多球摄像机阵列的行人识别系统
CN109902633A (zh) 基于固定位摄像机监控视频的异常事件检测方法及装置
CN105788286A (zh) 智能识别闯红灯系统以及车辆行为检测抓拍方法
CN108613987A (zh) 烟支外观实时在线检测剔除装置及方法
CN107081765A (zh) 一种变电站巡视机器人自主识别方法和一种巡视机器人
CN106370880A (zh) 电机转速自动测量方法及装置
CN103595125A (zh) 基于图像识别技术的电力设备在线监测系统
CN110348380A (zh) 一种可视化接地刀闸状态视频识别系统及方法
CN105516661B (zh) 鱼眼相机与ptz相机相结合的主从目标监控方法
CN101696877A (zh) 机器视觉系统对弹簧垂直度的在线检测方法
Wang et al. A safety helmet and protective clothing detection method based on improved-yolo v 3
CN111466892A (zh) 一种基于热成像和人脸识别的远距离测温系统及方法
CN110597165A (zh) 一种堆钢监测系统及堆钢监测方法
CN114462646A (zh) 一种基于接触网安全巡检的杆号牌识别方法及系统
CN208087074U (zh) 一种基于单目视觉的港口装备人形防碰撞报警系统
CN108960169A (zh) 基于计算机视觉的仪器设备状态在线监测方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190917

RJ01 Rejection of invention patent application after publication