CN110490995B - 一种皮带运行状态异常监测方法、系统、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种皮带运行状态异常监测方法、系统、设备及存储介质，方法包括以下步骤：S1:确认皮带处于运动状态，首先我们需要通过一些方法(如帧间差分法等)确认皮带处于正常的运输状态，如果皮带不处于运动状态，则不进行下述步骤；S2：目标检测模块，需要对摄像区域内的目标对象进行检测；S3：分析处理模块，即通过一套模型来对三种异常情况同时进行监测；S4：广播预警模块，主要是接收来自分析处理模块的信息，如果收到预警信息之后，将通过广播系统提醒工作人员，避免异常情况的发生。本发明将计算机视觉的技术用于皮带场景异常监测，更加智能的监测工业生产运输场景，为异常情况的监测提供了更好的预警系统。

Description

一种皮带运行状态异常监测方法、系统、设备及存储介质

技术领域

本发明实施例涉及皮带运行的监测应用技术领域，具体涉及一种皮带运行状态异常监测方法、系统、设备及存储介质。

背景技术

皮带运输机作为生产加工环境中的一种重要运输装置，在工业环境中应用广泛。于是皮带的正常运行对于保障工业生产的正常进行具有重要的作用，实际工作中，在皮带运输机的运行过程中，可能会发生一些皮带异常运行的情况，甚至可能会发生安全事故，会严重影响正常的生产过程。本文所针对的对于皮带运行环境中的可能会发生的异常情况的监测主要为以下三种：一是监测皮带是否发生空转，皮带的空转是指皮带在不运输任何物料的情况下仍然在运行，皮带长时间的空转，会在一定程度上消耗电力资源，而且不带来任何的生产收益，是一种资源浪费情况。二是监测皮带是否跑偏，正常的运行环境下，皮带是在托辊上按照一定的运行轨迹重复运行，皮带的跑偏是指皮带偏离正常的运行轨迹，相对正常轨迹可能出现左偏或者右偏的情况，更严重者，皮带可能会脱离托辊，这可能会造成物料的滑落、皮带的撕裂等生产事故。三是监测皮带周围是否有人员距离太近，正常情况下，人员需与皮带保持一定的安全距离，以免发生安全事故，于是我们需要监测人员是否与皮带距离太近，当距离小于安全距离时，我们将进行预警。

目前的生产环境中可能会使用一些传感器装置对皮带位置进行监测，甚至有些工作单位根本没有健全的监测系统。在一些较为复杂的生产环境下，传感器设备有时无法达到预期的效果，如相相邻传感器的信号干扰，传感器元件的不灵敏等情况。本文提出一种更加智能的监测方法，通过一套监测系统可同时对上述提到的三种异常情况进行监测。

发明内容

为此，本发明实施例提供一种皮带运行状态异常监测方法，以解决现有技术中相邻传感器的信号干扰和传感器元件的不灵敏无法准确监测的问题。

为了实现上述目的，本发明实施例提供如下技术方案：一种皮带运行状态异常监测方法，包括以下步骤：

S1:摄像头拍摄皮带，当皮带处于运动状态时进入步骤S2；

S2：目标检测模型对摄像头拍摄的皮带运动状态视频进行目标检测，对目标进行类别识别和边界框定位；

S3：分析处理模型依据目标类别和边界框信息生成目标状态特征，并对所述目标状态特征与预设的异常运行判断条件进行对比，当对比结果符合异常运行条件时，分析处理模型发出皮带运行异常信息进入步骤S4；

S4：当收到异常信息时，预警模块发出预警提示信息。

优选的，在S2步骤中对目标检测模型(如Yolo等)进行训练，训练完成后的模型可用于对实时传入的视频进行目标检测，即对目标进行识别和定位，可以获得我们所关注的目标的类别及边界框的位置坐标。

优选的，S1步骤中，通过帧间差分法确认皮带的运动状态。

优选的，判断监测皮带是否发生空转，我们通过目标检测算法对目标区域内的皮带和物料进行检测，然后使用目标跟踪算法跟踪物料的运动轨迹，当我们的目标检测模型可以检测到物料时，我们认为皮带上是有物料在正常运输的，相反，当我们的目标检测模型在持续一段时间s内没有检测到物料这个目标，我们就认为皮带这时处于没有运输物料的空转状态，系统将输出“皮带空转”的信息，并将该输出信息传入到广播系统进行预警，提醒工作人员皮带处于空转状态。

优选的，所述皮带发生跑偏，目标检测算法的对象为皮带与托辊，首先确定皮带要在正常工作情况下，皮带与托辊的关系是什么状态，用目标检测算法中的皮带和托辊的边界框的距离作为衡量标准，当皮带的边界框和托辊的边界框的距离在一定的安全范围之内时，认为皮带没有发生跑偏，反之，当皮带与托辊的距离属于安全范围之外，认为皮带发生了跑偏。

优选的，所述人员距离皮带太近，这种情况下目标检测算法关注的对象主要为皮带与人员，与上述第二种异常情况不同的是，这种场景中工作人员总是处于活动状态，移动的范围比较大，而皮带的活动范围则相对固定，于是以皮带为参照物，设定预警临界值范围，这个预警临界值范围的选定可通过多种方法设定，通过长期工作经验来设定，或者参考上述皮带与托辊的安全范围，将这里人员与皮带的预警临界值范围设定为前者的倍数，采用目标跟踪算法实时跟踪摄像区域中人员的移动情况。

为了实现前述目的，本发明实施例进一步提供一种皮带运行状态异常监测系统，包括目标检测模块、分析处理模块、广播预警模块，其中：

目标检测模块，实现摄像区域内的目标对象检测，包括皮带、物料、托辊和人，并将摄像头录制好的视频作为训练集传入目标检测模型；

分析处理模块，通过训练模型对三种异常情况同时进行监测；

广播预警模块，接收来自分析处理模块的信息，当收到预警信息后，通过广播系统提醒工作人员。

本发明实施例进一步提供一种皮带运行状态异常监测服务设备，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前文所述的皮带运行状态异常监测方法。

本发明实施例进一步提供一种计算机可存储介质，存储有计算机指令，当计算机指令被调用时，用于执行如前文所述的皮带运行状态异常监测方法。

本发明实施例具有如下优点：在本发明中用目标检测算法检测人员对象时，应使边界框尽可能的覆盖人员对象，例如，当一个人处于张臂状态的时候，目标检测算法的边界框应足够大到可以覆盖人员肢体达到的最远距离，我们再计算人员对象的边界框与皮带的边界框的距离时，可以更加准确的对异常情况做出判断，更好的防患于未然；主要使用了目标检测与目标跟踪的方法，与传统方法相比，本发明将计算机视觉的技术用于皮带场景异常监测，更加智能的监测工业生产运输场景，为异常情况的监测提供了更好的预警系统。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

图1为本发明实施例的皮带场景示意图；

图2为本发明实施例的皮带空转示意图；

图3为本发明实施例的皮带跑偏示意图；

图4为本发明实施例的人员靠近皮带示意图；

图5为本发明实施例的智能监测系统框图；

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。

实施例一

一种皮带运行状态异常监测方法，包括以下步骤：

S1:视频监测皮带运动状态；如果皮带处于运动状态，则进入步骤S2；如果皮带处于非运动状态，则继续监测；

S2：通过训练完成的目标检测模型将步骤S1实时传入的视频进行目标检测，对目标进行识别和定位，获得目标的类别及边界框的位置坐标；

S3：通过分析处理模型对S2中获取目标的类别及边界框的位置坐标的进行分析，判断皮带空转、皮带跑偏以及有人员距离皮带太近三种异常情况是否出现；如出现任意一种异常情况，则进入步骤S4；如未出现异常情况，则继续监测分析；

S4：通过广播系统提醒工作人员异常情况的发生。

在S1步骤中，通过帧间差分法确认皮带的运动状态。

在S2步骤中，目标检测模型的目标对象包括摄像区域内的皮带、物料、托辊和人。

S2步骤中，目标检测模型选用Yolo检测模型，将摄像头录制好的视频作为训练集传入Yolo检测模型进行训练。

S3步骤中判断监测皮带是否空转的方式是，当系统在持续一段时间内检测不到“物料”对象时，则表示皮带处于空转状态。

判断所述监测皮带是否发生空转，我们通过目标检测算法对目标区域内的皮带和物料进行检测，然后使用目标跟踪算法跟踪物料的运动轨迹，当我们的目标检测模型可以检测到物料时，我们认为皮带上是有物料在正常运输的，相反，当我们的目标检测模型在持续一段时间s内没有检测到物料这个目标，我们就认为皮带这时处于没有运输物料的空转状态，系统将输出“皮带空转”的信息，并将该输出信息传入到广播系统进行预警，提醒工作人员皮带处于空转状态，为了更好的说明，用A表示事件，皮带上有检测到物料，如果事件A不发生，即为皮带上没有物料运输，一个摄像头区域内的物料运输过程可看成一个计数过程N(t)，t∈T，将开始时刻记为t₀，N(t)表示(0,t)时间内事件A发生的次数，则N(t)满足条件，(1)N(t)≥0；N(t)取整数；(3)若s<t，则N(s)≥N(t)；(4)当s<t时，N(t)-N(s)等于区间(s,t]中事件A发生的次数；现假设t_k时刻，事件A没有发生，则意味着皮带可能会发生空转，于是开始记录，若在(t_k,t_k+s]这段时间内事件A没有发生，即N(t_k+s)-N(t_k)＝0，则系统认为这是一次皮带空转异常，即在(t_k,t_k+s]这段时间内皮带处于空转状态，则系统将提示皮带空转预警，并将预警信息通过广播系统告知工作人员；相反，从t_k时刻开始记录，如果事件A的下一次发生时刻在t_k+s之前，则我们取消记录，认为这是一次皮带的正常运转情况，没有达到皮带空转的预警条件。

当判断皮带是否发生跑偏时，目标检测算法的对象为皮带与托辊，首先确定皮带要在正常工作情况下，皮带与托辊的关系是什么状态，用目标检测算法中的皮带和托辊的边界框的距离作为衡量标准，当皮带的边界框和托辊的边界框的距离在一定的安全范围之内时，认为皮带没有发生跑偏，反之，当皮带与托辊的距离属于安全范围之外，认为皮带发生了跑偏；具体的过程如图1所示，通过目标检测算法得到皮带与托辊的边界框，然后设定方法来获得皮带与托辊的安全范围，并在程序中设定好安全范围[low,floor]，基于目标检测算法得到的边界框进行测距，计算皮带边界框与托辊边界框的方法可以采用计算点点距离，点线距离等，将测距方法得到的距离与程序中设定好的安全范围进行比较，如果测距方法得到的距离小于安全范围的下界low，或者大于安全范围的上界floor，则认为皮带可能发生偏离，如果有两个以上的托辊与皮带的距离在持续的时间v内处于安全范围之外，则系统会提示皮带跑偏预警，并将预警信息通过广播系统告知工作人员。

在理想状态下，如果摄像头在皮带的正上方，则可以清晰完整的拍摄到皮带的工作区域，拍摄画面近似水平状态，但在实际场景中，由于摄像头视角或者轨道倾斜程度的原因，即靠近摄像头的物体会显得大一些，远离摄像头的物体会显得小一些；于是在一个摄像头的摄像区域内，每一个托辊与皮带的安全范围并不是完全一样的，所以在这种情况下，我们还需要通过设定方法来求得摄像区域内每一个托辊与皮带的安全范围。

当人员距离皮带太近，这种情况下目标检测算法关注的对象主要为皮带与人员，与上述第二种异常情况不同的是，这种场景中工作人员总是处于活动状态，移动的范围比较大，而皮带的活动范围则相对固定，于是以皮带为参照物，设定预警临界值范围，这个预警临界值范围的选定可通过多种方法设定，通过长期工作经验来设定，或者参考上述皮带与托辊的安全范围，将这里人员与皮带的预警临界值范围设定为前者的倍数，采用目标跟踪算法实时跟踪摄像区域中人员的移动情况，具体操作情况如下设定人员与皮带的预警临界值范围为[L-∈,L+∈]，其中∈为设定的一个相对小的正数，表示预警临界值的一个误差范围，只要人员与皮带的距离大于L+∈，则认为是正常工作场景，不存在人员与皮带距离太近的情形，如果人员与皮带的距离处于[L-∈,L+∈]之中，则系统进行提醒，表示可能会出现距离皮带太近的情况，若人员与皮带的距离小于L-∈，则系统进行预警，表示人员与皮带距离太近，小于安全范围，有发生安全事故的隐患，若在摄像区域内目标检测算法没有检测到人员这个对象，则表示人员与皮带的距离很远，不存在人员靠近皮带的异常情形。

综上所述：第一种情况是监测皮带的空转，如图2所示，图2中的左图为皮带上有物料在运输，右图为皮带在空转；当系统在持续一段时间s内检测不到“物料”这个对象时，则表示皮带处于空转状态，则系统将皮带空转的预警信息传入广播模块。

第二种情况是监测皮带跑偏，如图3所示，左图为皮带正常运输，右图为皮带向左偏离，当皮带向左偏离时，我们的判断准则是通过左边托辊的左边界框与皮带边界框的距离来判断，当距离在持续的时间v内一直变小，我们则认为皮带在向左偏离，同理，当距离变大，认为皮带在向右偏离；在此之前，我们需要设定托辊与皮带的正常距离，这个正常距离的测定可通过如下方法实现：首先，我们通过摄像头记录一段没有偏离的皮带运行视频，将视频传入目标检测模块，然后计算托辊边界框与皮带边界框的距离d，多次获取，得到n组距离数据d₁,d₂,...,d_n，这n组距离数据被认为是正常的距离数据，我们认为这组数据是近似服从正态分布的，用样本均值

估计总体均值μ，用样本方差

估计总体方差σ²，于是使用正态分布的“3σ”准则，设定托辊与皮带的正常距离范围为[μ-3σ,μ+3σ]。

于是，对于皮带左偏的情况来说，通过计算左侧三个托辊的左边界框与皮带左边界框的距离d来判断，如果d∈[μ-3σ,μ+3σ]，则认为皮带处于正常运行状态，若有两个以上的托辊边界框与皮带边界框的距离小于μ-3σ，并在持续的时间v内多次小于μ-3σ，则系统认为皮带已发生左偏异常，然后系统将皮带向左跑偏的异常信息传入广播系统，同理，当距离d在持续的时间v内多次大于μ+3σ，则系统认为皮带已发生右偏异常。

第三种情况是监测是否有人员距离皮带太近，与皮带跑偏异常相同的是，设定正常的安全距离，给安全距离设定一个安全的临界范围[L-∈,L+∈]，当人员与皮带的距离小于这个临界范围的下界L-∈时，我们认为发生了人员靠近皮带的异常情况，并将人员靠近的预警信息传入广播系统；如图4所示，通过目标检测算法得到点E、B₁、B₂的坐标，设E点的坐标为(e₁,e₂)，过点B₁、B₂的直线设为ax+by+c＝0，则点E到直线的距离为

当摄像区域为皮带的两端时，这时需要采用点与点的距离公式，测量人员边界框的端点与皮带边界框的端点距离是否大于L+∈；此外，当检测不到人员这个对象时，认为人员与皮带距离很远，处于安全范围。

在本发明中用目标检测算法检测人员对象时，应使边界框尽可能的覆盖人员对象，例如，当一个人处于张臂状态的时候，目标检测算法的边界框应足够大到可以覆盖人员肢体达到的最远距离，我们再计算人员对象的边界框与皮带的边界框的距离时，可以更加准确的对异常情况做出判断，更好的防患于未然；主要使用了目标检测与目标跟踪的方法，与传统方法相比，本发明将计算机视觉的技术用于皮带场景异常监测，更加智能的监测工业生产运输场景，为异常情况的监测提供了更好的预警系统。

实施例二

本发明实施例进一步提供一种皮带运行状态异常监测系统，包括目标检测模块、分析处理模块、广播预警模块，其中：

目标检测模块，实现摄像区域内的目标对象检测，包括皮带、物料、托辊和人，并将摄像头录制好的视频作为训练集传入目标检测模型；

分析处理模块，通过训练模型对三种异常情况同时进行监测；

广播预警模块，接收来自分析处理模块的信息，当收到预警信息后，通过广播系统提醒工作人员。

实施例三

本发明实施例进一步提供一种皮带运行状态异常监测服务设备，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如下方法：

S1:摄像头拍摄皮带，当皮带处于运动状态时进入步骤S2；

S2：目标检测模型对摄像头拍摄的皮带运动状态视频进行目标检测，对目标进行类别识别和边界框定位；

S3：分析处理模型依据目标类别和边界框信息生成目标状态特征，并对所述目标状态特征与预设的异常运行判断条件进行对比，当对比结果符合异常运行条件时，分析处理模型发出皮带运行异常信息进入步骤S4；

S4：当收到异常信息时，预警模块发出预警提示信息。

实施例四

本发明实施例进一步提供一种计算机可存储介质，存储有计算机指令，当计算机指令被调用时，用于执行如前文所述的皮带运行状态异常监测方法，不再赘述。

实施例五

本发明实施五公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的一种皮带运行状态异常监测服务方法中的步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本发明实施例进行了详细介绍，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；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种皮带运行状态异常监测方法，其特征在于，包括以下步骤：

S1: 摄像头拍摄皮带，当皮带处于运动状态时进入步骤S2；

S2：目标检测模型对摄像头拍摄的皮带运动状态视频进行目标检测，对目标进行类别识别和边界框定位；

S3：分析处理模型依据目标类别和边界框信息生成目标状态特征，并对所述目标状态特征与预设的异常运行判断条件进行对比，当对比结果符合异常运行条件时，分析处理模型发出皮带运行异常信息进入步骤S4；

S4：当收到异常信息时，预警模块发出预警提示信息；

所述S2步骤中，目标检测模型选用Yolo检测模型，将摄像头录制好的视频作为训练集传入Yolo检测模型进行训练；

所述S3步骤中的异常运行包括皮带空转，其异常运行判断条件为：基于目标跟踪算法跟踪物料的运动轨迹，当目标检测模型监测到皮带上有物料时，则认为皮带正常运转，没有检测到物料目标，则认为皮带空转，出现异常运行状态；

所述S3步骤中的异常运行包括皮带跑偏，其异常运行判断条件为：预先设定皮带与托辊的安全范围[low,floor]，基于目标检测算法得到皮带与托辊的边界框，计算皮带边界框与托辊边界框距离，并将所述距离与所述安全范围进行比较，当所述距离小于所述安全范围的下界low，或者大于所述安全范围的上界floor，则认为皮带存在偏离可能，当两个以上的托辊与皮带的距离在持续时间内处于安全范围之外，则认为皮带跑偏，出现异常运行状态；

所述S3步骤中的异常运行包括人员距离皮带太近，其异常运行判断条件为：

以皮带为参照物，设定人员与皮带的预警临界值范围，采用目标跟踪算法实时跟踪摄像区域中人员的移动情况，并基于目标检测算法得到人员与皮带的边界框，计算人员边界框与皮带边界框距离，并将所述距离与所述预警临界值范围进行比较，当所述距离小于所述预警临界值范围时，则表示人员距离皮带太近，出现异常运行状态。

2.根据权利要求1所述的一种皮带运行状态异常监测方法，其特征在于：在所述S1步骤中，通过帧间差分法确认皮带的运动状态。

3.根据权利要求1所述的一种皮带运行状态异常监测方法，其特征在于：在所述S2步骤中，目标检测模型检测的目标包括摄像区域内的皮带、物料、托辊和人员。

4.一种皮带运行状态异常监测系统，其特征在于，所述系统包括目标检测模块、分析处理模块、广播预警模块，其中：

所述目标检测模块，实现摄像区域内的目标对象检测，所述目标对象包括皮带、物料、托辊和人，并将摄像头录制好的视频作为训练集传入目标检测模型；

所述分析处理模块，通过训练模型对预设的三种异常情况同时进行监测；

所述广播预警模块，接收来自分析处理模块的信息，当收到预警信息后，通过广播系统提醒工作人员；

目标检测模型选用Yolo检测模型，将摄像头录制好的视频作为训练集传入Yolo检测模型进行训练；

所述异常情况包括皮带空转，其异常运行判断条件为：基于目标跟踪算法跟踪物料的运动轨迹，当目标检测模型监测到皮带上有物料时，则认为皮带正常运转，没有检测到物料目标，则认为皮带空转，出现异常运行状态；

所述异常运行包括皮带跑偏，其异常运行判断条件为：预先设定皮带与托辊的安全范围[low,floor]，基于目标检测算法得到皮带与托辊的边界框，计算皮带边界框与托辊边界框距离，并将所述距离与所述安全范围进行比较，当所述距离小于所述安全范围的下界low，或者大于所述安全范围的上界floor，则认为皮带存在偏离可能，当两个以上的托辊与皮带的距离在持续时间内处于安全范围之外，则认为皮带跑偏，出现异常运行状态；

所述异常运行包括人员距离皮带太近，其异常运行判断条件为：

以皮带为参照物，设定人员与皮带的预警临界值范围，采用目标跟踪算法实时跟踪摄像区域中人员的移动情况，并基于目标检测算法得到人员与皮带的边界框，计算人员边界框与皮带边界框距离，并将所述距离与所述预警临界值范围进行比较，当所述距离小于所述预警临界值范围时，则表示人员距离皮带太近，出现异常运行状态。

5.一种皮带运行状态异常监测服务设备，其特征在于，所述设备包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-3任一项所述的皮带运行状态异常监测方法。

6.一种计算机可存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-3任一项所述的一种皮带运行状态异常监测方法。

Images