CN110619625B - 一种监测皮带运行状态的方法、装置、系统及存储介质 - Google Patents

一种监测皮带运行状态的方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN110619625B
CN110619625B CN201910792429.1A CN201910792429A CN110619625B CN 110619625 B CN110619625 B CN 110619625B CN 201910792429 A CN201910792429 A CN 201910792429A CN 110619625 B CN110619625 B CN 110619625B
Authority
CN
China
Prior art keywords
difference matrix
parameter
determining
image information
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.)
Active
Application number
CN201910792429.1A
Other languages
English (en)
Other versions
CN110619625A (zh
Inventor
朱晓宁
李忠义
吴喆峰
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.)
Jingying Digital Technology Co Ltd
Original Assignee
Jingying Digital Technology 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 Jingying Digital Technology Co Ltd filed Critical Jingying Digital Technology Co Ltd
Priority to CN201910792429.1A priority Critical patent/CN110619625B/zh
Publication of CN110619625A publication Critical patent/CN110619625A/zh
Application granted granted Critical
Publication of CN110619625B publication Critical patent/CN110619625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

本发明实施例公开了一种监测皮带运行状态的方法、装置、系统及存储介质。该方法包括：获取皮带区域的图像信息；根据目标检测算法，获取皮带区域的局部图像信息；获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。本发明提供的技术方案，可使辨别皮带运行状态的准确率显著提升，避免了由于皮带处于空载状态而造成能源浪费的情况。

Description

一种监测皮带运行状态的方法、装置、系统及存储介质
技术领域
本发明实施例涉及工业生产及加工领域，具体涉及一种监测皮带运行状态的方法、装置、系统及存储介质。
背景技术
皮带运输广泛应用于工业生产加工环境中，对于皮带运行状态的监测具有重要意义。在对于皮带运行状态进行监测时，经常会发生对于皮带空载或停机状态识别错误的情况。
目前的监测系统中对于皮带空载和停机的监测方法是通过计算图像的相似度来衡量的，即在一个固定的摄像区域内，摄像头会记录皮带运行的画面，监测算法通过计算相邻视频帧之间图像的相似程度来对皮带的运行状态进行判断。但当皮带处于空载状态时，由于相邻帧的图像相似程度较高，容易发生误识别；另外，当皮带处于停机状态时，由于摄像头的轻微抖动，导致相邻视频帧的图像有一定变化，这种情况下也容易发生误识别。如何实现准确地判断皮带的运行状态是本领域亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种监测皮带运行状态的方法、装置、系统及存储介质，用以解决现有无法准确地判断皮带的运行状态的问题。
为实现上述目的，本发明实施例主要提供如下技术方案：
第一方面，本发明实施例提供了一种监测皮带运行状态的方法，该方法包括：
获取皮带区域的图像信息；
根据目标检测算法，获取皮带区域的局部图像信息；
获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；
根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
进一步地，根据目标检测算法，获取皮带区域的局部图像信息包括：
确定皮带区域的图像信息的目标类别及边界框的位置坐标；
根据边界框的位置坐标，获取初始局部图像信息；
将初始局部图像信息依次进行光照均匀处理及池化处理，确定局部图像信息。
进一步地，将初始局部图像信息依次进行光照均匀处理及池化处理包括：
在光照均匀处理与所述池化处理之间，还包括灰度化处理。
进一步地，池化处理包括：
通过平均池化法，确定局部图像信息的大小为：
Figure BDA0002179919120000021
其中，(x1,y1)及(x2,y2)为所述边界框的位置坐标；卷积神经网络的卷积核大小为f×f，卷积神经网络的卷积核步长为s×s；
Figure BDA0002179919120000022
表示向下取整。
进一步地，获取局部图像信息的差异矩阵包括：
获取局部图像信息的初始差异矩阵；
将初始差异矩阵中的所有元素取平方，获得差异矩阵。
进一步地，确定差异矩阵的第一参数及第二参数包括：
获取局部图像信息的帧数；
根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数，根据帧数及差异矩阵的方差确定差异矩阵的第二参数。
进一步地，根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数；根据帧数及差异矩阵的方差确定差异矩阵的第二参数，包括以下一种或多种：
根据帧数及差异矩阵中各元素的平均值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的平均值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的中位值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的中位值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的部分值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的部分值确定差异矩阵的第二参数。
进一步地，根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示包括：
响应于差异矩阵的第一参数及第二参数在预设区间内，确定皮带的运行状态为停止；
响应于差异矩阵的第一参数及第二参数未在预设区间内，且目标类别为无物料，确定皮带的运行状态为空载。
第二方面，本发明实施例还提供一种监测皮带运行状态的装置，该装置包括：图像采集单元、分析单元、提示单元，其中，
图像采集单元用于获取皮带区域的图像信息；
分析单元用于根据目标检测算法，获取皮带区域的局部图像信息；获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；
提示单元用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
进一步地，分析单元用于根据目标检测算法，获取皮带区域的局部图像信息包括：
确定皮带区域的图像信息的目标类别及边界框的位置坐标；
根据边界框的位置坐标，获取初始局部图像信息；
将初始局部图像信息依次进行光照均匀处理及池化处理，确定局部图像信息。
进一步地，将初始局部图像信息依次进行光照均匀处理及池化处理包括：
在光照均匀处理与所述池化处理之间，还包括灰度化处理。
进一步地，池化处理包括：
通过平均池化法，确定局部图像信息的大小为：
Figure BDA0002179919120000041
其中，(x1,y1)及(x2,y2)为所述边界框的位置坐标；卷积神经网络的卷积核大小为f×f，卷积神经网络的卷积核步长为s×s；
Figure BDA0002179919120000042
表示向下取整。
进一步地，获取局部图像信息的差异矩阵包括：
获取局部图像信息的初始差异矩阵；
将初始差异矩阵中的所有元素取平方，获得差异矩阵。
进一步地，确定差异矩阵的第一参数及第二参数包括：
获取局部图像信息的帧数；
根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数，根据帧数及差异矩阵的方差确定差异矩阵的第二参数。
进一步地，根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数；根据帧数及差异矩阵的方差确定差异矩阵的第二参数，包括以下一种或多种：
根据帧数及差异矩阵中各元素的平均值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的平均值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的中位值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的中位值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的部分值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的部分值确定差异矩阵的第二参数。
进一步地，提示单元用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示包括：
响应于差异矩阵的第一参数及第二参数在预设区间内，确定皮带的运行状态为停止；
响应于差异矩阵的第一参数及第二参数未在预设区间内，且目标类别为无物料，确定皮带的运行状态为空载。
第三方面，本发明实施例还提供一种监测皮带运行状态的系统，该系统包括：至少一个图像采集装置，至少一个处理器，至少一个提示装置，其中，
图像采集装置用于获取皮带区域的图像信息；
处理器用于根据目标检测算法，获取皮带区域的局部图像信息；获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；
提示装置用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
第四方面，本发明实施例还提供一种监测皮带运行状态的存储介质，该存储介质中包含一个或多个程序指令，其中，一个或多个程序指令用于被执行如上述一种监测皮带运行状态的方法中的任一项所述方法步骤。
本发明实施例提供的技术方案至少具有如下优点：
通过比对皮带区域局部图像差异进而确定皮带处于停机或空载状态的方式，使辨别皮带运行状态的准确率显著提升，避免了由于皮带处于空载状态而造成能源浪费的情况。
附图说明
图1为本发明实施例1提供的一种监测皮带运行状态的方法流程图。
图2为本发明实施例1提供的一种相邻10帧的第一参数变化示意图。
图3为本发明实施例1提供的一种相邻10帧的第二参数变化示意图。
图4为本发明实施例2提供的一种监测皮带运行状态的装置结构示意图。
图5为本发明实施例3提供的一种监测皮带运行状态的系统结构示意图。
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。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
下文，将详细说明一种监测皮带运行状态的方法，该方法使用的应用场景很多，在本实施例中，仅以煤矿监测场景为例进行说明，如图1所示该方法步骤如下：
步骤110：获取皮带区域的图像信息。
例如，通过图像采集装置实时获取皮带区域的图像信息。
步骤120：根据目标检测算法，获取皮带区域的局部图像信息。
具体地，将需要检测的对象设置为物料。可选地，可将录制好的视频作为训练集传入目标检测模型，对目标检测模型进行训练，例如对Yolo模型进行训练。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。
具体地，根据目标检测算法，获取皮带区域的局部图像信息包括：确定皮带区域的图像信息的目标类别及边界框的位置坐标；根据边界框的位置坐标，获取初始局部图像信息；将初始局部图像信息依次进行光照均匀处理及池化处理，确定局部图像信息。
可选的，在光照均匀处理与所述池化处理之间，还可包括灰度化处理。
具体的，池化处理包括：
通过平均池化法，确定所述局部图像信息的大小为：
Figure BDA0002179919120000061
其中，(x1,y1)及(x2,y2)为边界框的位置坐标；卷积神经网络的卷积核大小为f×f，卷积神经网络的卷积核步长为s×s；
Figure BDA0002179919120000062
表示向下取整。
例如，通过图像采集装置获取皮带区域的图像信息，根据目标检测算法对目标进行识别和定位，可以获得目标的类别及边界框的位置坐标(x1,y1)和(x2,y2)。其中，目标类别为两种，即有物料或无物料。根据边界框的位置坐标(x1,y1)和(x2,y2)对皮带区域的图像信息进行剪裁，裁剪之后的图像大小为(x2-x1)×(y2-y1)。然后，对裁剪之后的图像进行光照均匀处理，光照均匀处理是为了消除由于光照不均匀而造成的图像像素值的波动，可采用基于伽马函数的光照不均匀图像校正算法等进行处理。然后，对图像进行灰度化，在这一步骤中将前面得到的图像转化为灰度图像。然后，对图像进行池化处理，这一步骤的做法是基于卷积神经网络中的池化层的思想，设置卷积核的大小为f×f，步长为s×s，池化方法可以使用平均池化，即对池化区域内的元素值取均值，用均值来刻画这一池化区域的特征。则经过池化处理之后，得到的图像的大小为
Figure BDA0002179919120000071
其中W＝(x2-x1)，H＝(y2-y1)，分别表示经过上一步处理之后的图像的宽度和高度，符号
Figure BDA0002179919120000072
表示向下取整。
步骤130：获取所述局部图像信息的差异矩阵，确定所述差异矩阵的第一参数及第二参数。
可选地，获取局部图像信息的差异矩阵包括：获取局部图像信息的初始差异矩阵；将初始差异矩阵中的所有元素取平方，获得差异矩阵。
在实际工作场景中，由于一些误差因素，可能会导致皮带空载和停机的差异矩阵的差别不是很大，导致区分困难。理论上，皮带空载状态下的差异矩阵的大小和方差都要大于停机状态下对应的值。这时，可以对差异矩阵D再做一些处理，例如，取绝对值、取平方、四次方等偶次幂，以放大这两种状态下的差异矩阵的区别。例如，对相邻t帧的两个图像矩阵进行作差，即假设t0帧时图像矩阵为M1，t帧之后，t0+t帧的图像矩阵为M2，则初始差异矩阵D＝M2-M1。对初始差异矩阵D的元素值取乘方运算，把取平方之后的差异矩阵记为D2。这种处理可以放大皮带空载和停机的差异矩阵的差别，以达到更好地区分效果。
具体地，确定差异矩阵的第一参数及第二参数包括：获取局部图像信息的帧数；根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数，根据帧数及差异矩阵的方差确定差异矩阵的第二参数。
可选地，根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数；根据帧数及差异矩阵的方差确定差异矩阵的第二参数，包括以下一种或多种：
根据帧数及差异矩阵中各元素的平均值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的平均值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的中位值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的中位值确定差异矩阵的第二参数；
根据帧数及差异矩阵中各元素的部分值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的部分值确定差异矩阵的第二参数。
例如，在持续的T帧范围内，对相邻t帧的两个图像矩阵D2进行作差，记录下了t1,t2，t3...tn帧的矩阵D2的元素值及其方差。用第一参数VT来刻画T帧范围内差异矩阵大小的变化。例如，根据帧数及差异矩阵中各元素的平均值确定差异矩阵的第一参数
Figure BDA0002179919120000081
其中，V1,V2,V3...Vn可通过计算矩阵D2中最大的10个元素值的平均值来逐一计算获得。用第二参数
Figure BDA0002179919120000082
来刻画T帧范围内差异矩阵方差的变化。例如，根据帧数及差异矩阵的方差的平均值确定差异矩阵的第二参数
Figure BDA0002179919120000083
其中
Figure BDA0002179919120000084
为矩阵D2的方差。此外，也可采用计算中位值及部分值的方式计算VT和
Figure BDA0002179919120000085
例如，在实际的工作场景中，利用部分值的方法计算VT和
Figure BDA0002179919120000086
去掉T帧范围内记录的差异矩阵元素值和方差的最大值和最小值，然后再计算其对应的VT和
Figure BDA0002179919120000087
以降低异常值对计算结果的影响。
差异矩阵的第一参数VT越大，则说明图像的差异越大。当皮带处于空载状态时，由于相邻帧的图像中局部像素点的变化，VT较大，并且差异矩阵的第二参数
Figure BDA0002179919120000088
较大，差异矩阵的元素值的离散程度较大。而当皮带处于停止状态时，VT较小，
Figure BDA0002179919120000089
较小，差异矩阵的元素值较为集中。例如，在理想状态下，当皮带处于停止状态时，其差异矩阵的元素值全为0，且其差异矩阵的方差S2＝0。
步骤140：根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
具体地，根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态包括：响应于差异矩阵的第一参数及第二参数在预设区间内，确定皮带的运行状态为停止；响应于差异矩阵的第一参数及第二参数未在预设区间内，且目标类别为无物料，确定皮带的运行状态为空载。
例如，如果0≤VT≤threshold1而且
Figure BDA0002179919120000091
其中，VT为差异矩阵的第一参数，
Figure BDA0002179919120000092
为差异矩阵的第二参数，threshold1及threshold2为预设的阈值，则确定皮带处于停止状态；反之，如果VT和
Figure BDA0002179919120000093
不在上述区间内，而且确定皮带区域的图像信息的目标类别为无物料，则确定皮带处于空载状态。图2和图3分别表示了在皮带空载和停机状态下相邻10帧的第一参数和第二参数变化图，这两张图片持续记录了1000帧的差异矩阵的变化。参见图2和图3可知，只要设定合适的阈值，就可以很好的将皮带空载和停机的情况区分开来。
与上述实施例1对应的，本发明实施例2还提供了一种监测皮带运行状态的装置，具体如图4所示，该装置包括：图像采集单元201、分析单元202、提示单元203，其中，
图像采集单元201用于获取皮带区域的图像信息；
分析单元202用于根据目标检测算法，获取皮带区域的局部图像信息；获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；
提示单元203用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
具体地，分析单元202用于根据目标检测算法，获取皮带区域的局部图像信息包括：确定皮带区域的图像信息的目标类别及边界框的位置坐标；根据边界框的位置坐标，获取初始局部图像信息；将初始局部图像信息依次进行光照均匀处理及池化处理，确定局部图像信息。
可选地，将初始局部图像信息依次进行光照均匀处理及池化处理包括：在光照均匀处理与所述池化处理之间，还包括灰度化处理。
具体地，池化处理包括：通过平均池化法，确定局部图像信息的大小为：
Figure BDA0002179919120000094
其中，(x1,y1)及(x2,y2)为所述边界框的位置坐标；卷积神经网络的卷积核大小为f×f，卷积神经网络的卷积核步长为s×s；
Figure BDA0002179919120000101
表示向下取整。
具体地，获取局部图像信息的差异矩阵包括：获取局部图像信息的初始差异矩阵；将初始差异矩阵中的所有元素取平方，获得差异矩阵。
具体地，确定差异矩阵的第一参数及第二参数包括：获取局部图像信息的帧数；根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数，根据帧数及差异矩阵的方差确定差异矩阵的第二参数。
具体地，根据帧数及差异矩阵中各元素的大小确定差异矩阵的第一参数；根据帧数及差异矩阵的方差确定差异矩阵的第二参数，包括以下一种或多种：根据帧数及差异矩阵中各元素的平均值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的平均值确定差异矩阵的第二参数；根据帧数及差异矩阵中各元素的中位值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的中位值确定差异矩阵的第二参数；根据帧数及差异矩阵中各元素的部分值确定差异矩阵的第一参数，根据帧数及差异矩阵的方差的部分值确定差异矩阵的第二参数。
具体地，提示单元203用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示包括：响应于差异矩阵的第一参数及第二参数在预设区间内，确定皮带的运行状态为停止；响应于差异矩阵的第一参数及第二参数未在预设区间内，且目标类别为无物料，确定皮带的运行状态为空载。
与上述实施例1对应的，本发明实施例3还提供了一种监测皮带运行状态的系统，具体如图5所示，该装置包括：至少一个图像采集装置301、至少一个处理器302和至少一个提示装置303。其中，
图像采集装置用于获取皮带区域的图像信息；
处理器用于根据目标检测算法，获取皮带区域的局部图像信息；获取局部图像信息的差异矩阵，确定差异矩阵的第一参数及第二参数；
提示装置用于根据差异矩阵的第一参数及第二参数是否在预设区间内，确定皮带的运行状态并提示。
与上述实施例1相对应的，本发明实施例4还提供了一种存储介质，该存储介质中包含一个或多个程序指令。其中，一个或多个程序指令用于被执行如上所介绍的一种监测皮带运行状态的方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific工ntegrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (6)

1.一种监测皮带运行状态的方法，其特征在于，包括：
获取皮带区域的图像信息；
根据目标检测算法，获取皮带区域的局部图像信息；具体包括：确定所述皮带区域的图像信息的目标类别及边界框的位置坐标；根据所述边界框的位置坐标，获取初始局部图像信息；将所述初始局部图像信息依次进行光照均匀处理及池化处理，确定所述局部图像信息；
获取所述局部图像信息的差异矩阵，确定所述差异矩阵的第一参数及第二参数；获取局部图像信息的差异矩阵包括：获取局部图像信息的初始差异矩阵；将所述初始差异矩阵中的所有元素取平方，获得所述差异矩阵；确定所述差异矩阵的第一参数及第二参数包括：获取所述局部图像信息的帧数；根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数；根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数，包括以下一种或多种：
根据所述帧数及所述差异矩阵中各元素的平均值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的平均值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的中位值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的中位值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的部分值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的部分值确定所述差异矩阵的第二参数；
根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示；
根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示包括：
响应于所述差异矩阵的第一参数及第二参数在预设区间内，确定所述皮带的运行状态为停止；
响应于所述差异矩阵的第一参数及第二参数未在预设区间内，且所述目标类别为无物料，确定所述皮带的运行状态为空载。
2.如权利要求1所述的一种监测皮带运行状态的方法，其特征在于，将所述初始局部图像信息依次进行光照均匀处理及池化处理包括：
在所述光照均匀处理与所述池化处理之间，还包括灰度化处理。
3.如权利要求1所述的一种监测皮带运行状态的方法，其特征在于，所述池化处理包括：
通过平均池化法，确定所述局部图像信息的大小为：
Figure FDA0003003587280000021
其中，(x1，y1)及(x2，y2)为所述边界框的位置坐标；卷积神经网络的卷积核大小为f×f，卷积神经网络的卷积核步长为s×s；
Figure FDA0003003587280000022
表示向下取整。
4.一种监测皮带运行状态的装置，其特征在于，包括：图像采集单元、分析单元及提示单元，其中，
所述图像采集单元用于获取皮带区域的图像信息；
所述分析单元用于根据目标检测算法，获取皮带区域的局部图像信息；获取所述局部图像信息的差异矩阵，确定所述差异矩阵的第一参数及第二参数；
分析单元用于根据目标检测算法，获取皮带区域的局部图像信息包括：确定所述皮带区域的图像信息的目标类别及边界框的位置坐标；根据所述边界框的位置坐标，获取初始局部图像信息；将所述初始局部图像信息依次进行光照均匀处理及池化处理，确定所述局部图像信息；
获取局部图像信息的差异矩阵包括：
获取局部图像信息的初始差异矩阵；
将所述初始差异矩阵中的所有元素取平方，获得所述差异矩阵；
确定所述差异矩阵的第一参数及第二参数包括：
获取所述局部图像信息的帧数；
根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数；根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数，包括以下一种或多种：
根据所述帧数及所述差异矩阵中各元素的平均值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的平均值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的中位值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的中位值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的部分值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的部分值确定所述差异矩阵的第二参数；
所述提示单元用于根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示；
根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示包括：
响应于所述差异矩阵的第一参数及第二参数在预设区间内，确定所述皮带的运行状态为停止；
响应于所述差异矩阵的第一参数及第二参数未在预设区间内，且所述目标类别为无物料，确定所述皮带的运行状态为空载。
5.一种监测皮带运行状态的系统，其特征在于，包括：至少一个图像采集装置，至少一个处理器，至少一个提示装置，其中，
所述图像采集装置用于获取皮带区域的图像信息；
所述处理器用于根据目标检测算法，获取皮带区域的局部图像信息；获取所述局部图像信息的差异矩阵，确定所述差异矩阵的第一参数及第二参数；具体用于：确定所述皮带区域的图像信息的目标类别及边界框的位置坐标；根据所述边界框的位置坐标，获取初始局部图像信息；将所述初始局部图像信息依次进行光照均匀处理及池化处理，确定所述局部图像信息；获取局部图像信息的初始差异矩阵；将所述初始差异矩阵中的所有元素取平方，获得所述差异矩阵；获取所述局部图像信息的帧数；根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的大小确定所述差异矩阵的第一参数；根据所述帧数及所述差异矩阵的方差确定所述差异矩阵的第二参数，包括以下一种或多种：
根据所述帧数及所述差异矩阵中各元素的平均值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的平均值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的中位值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的中位值确定所述差异矩阵的第二参数；
根据所述帧数及所述差异矩阵中各元素的部分值确定所述差异矩阵的第一参数，根据所述帧数及所述差异矩阵的方差的部分值确定所述差异矩阵的第二参数；
所述提示装置用于根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示；
根据所述差异矩阵的第一参数及第二参数是否在预设区间内，确定所述皮带的运行状态并提示包括：
响应于所述差异矩阵的第一参数及第二参数在预设区间内，确定所述皮带的运行状态为停止；
响应于所述差异矩阵的第一参数及第二参数未在预设区间内，且所述目标类别为无物料，确定所述皮带的运行状态为空载。
6.一种监测皮带运行状态的存储介质，其特征在于，所述存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-3任一项所述的方法。
CN201910792429.1A 2019-08-26 2019-08-26 一种监测皮带运行状态的方法、装置、系统及存储介质 Active CN110619625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910792429.1A CN110619625B (zh) 2019-08-26 2019-08-26 一种监测皮带运行状态的方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910792429.1A CN110619625B (zh) 2019-08-26 2019-08-26 一种监测皮带运行状态的方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN110619625A CN110619625A (zh) 2019-12-27
CN110619625B true CN110619625B (zh) 2021-06-18

Family

ID=68921990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910792429.1A Active CN110619625B (zh) 2019-08-26 2019-08-26 一种监测皮带运行状态的方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN110619625B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932819A (zh) * 2020-08-27 2020-11-13 宝武集团鄂城钢铁有限公司 一种基于智能工厂平台iPlat的可视化识别系统
CN114821858B (zh) * 2022-04-29 2023-07-07 东风商用车有限公司 一种车辆指标异常的图示方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913032A (zh) * 2016-04-15 2016-08-31 天地（常州）自动化股份有限公司 一种矿用皮带工作状态检测方法及系统
CN108664875A (zh) * 2018-02-14 2018-10-16 北京广天夏科技有限公司 基于图像识别的井下皮带运输监控方法
CN109230351A (zh) * 2018-08-30 2019-01-18 山西精英科技股份有限公司 一种皮带输送机运行异常的识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180052371A (ko) * 2016-11-10 2018-05-18 이영식 석탄 컨베이어벨트 회전발광 램프 결합 아이들러

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913032A (zh) * 2016-04-15 2016-08-31 天地（常州）自动化股份有限公司 一种矿用皮带工作状态检测方法及系统
CN108664875A (zh) * 2018-02-14 2018-10-16 北京广天夏科技有限公司 基于图像识别的井下皮带运输监控方法
CN109230351A (zh) * 2018-08-30 2019-01-18 山西精英科技股份有限公司 一种皮带输送机运行异常的识别方法

Also Published As

Publication number Publication date
CN110619625A (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN109035299B (zh) 目标跟踪方法、装置、计算机设备及存储介质
WO2021000524A1 (zh) 孔位保护门检测方法、装置、计算机设备和存储介质
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
CN111222423B (zh) 基于作业区域的目标识别方法、装置、计算机设备
CN110163842B (zh) 建筑裂缝检测方法、装置、计算机设备和存储介质
CN110619625B (zh) 一种监测皮带运行状态的方法、装置、系统及存储介质
CN111552837A (zh) 基于深度学习的动物视频标签自动生成方法、终端及介质
CN109447022B (zh) 一种镜头类型识别方法及装置
CN113379723A (zh) 不规则溢胶口检测方法、装置、设备和存储介质
CN114241370A (zh) 基于数字孪生变电站的入侵识别方法、装置和计算机设备
CN109996063B (zh) 视频图像花屏检测方法、装置、计算机设备和存储介质
CN109919017B (zh) 人脸识别优化方法、装置、计算机设备和存储介质
CN112991349A (zh) 图像处理方法、装置、设备和存储介质
CN109753886B (zh) 一种人脸图像的评价方法、装置及设备
CN111814776B (zh) 一种图像处理方法、设备、服务器及存储介质
US9547913B2 (en) Information processing device, information processing apparatus, information processing method, and program
CN112036232B (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
CN112163110B (zh) 图像分类方法、装置、电子设备和计算机可读存储介质
CN111144241B (zh) 基于图像校验的目标识别方法、装置和计算机设备
CN108737733B (zh) 信息提示方法和装置、电子设备、计算机可读存储介质
CN112183454B (zh) 图像检测方法及装置、存储介质、终端
CN113870754B (zh) 一种面板检测电子信号缺陷判定的方法和系统
CN111274899B (zh) 人脸匹配方法、装置、电子设备和存储介质
CN111814565B (zh) 一种目标检测方法和装置
CN114494118A (zh) 目标对象宽度的检测方法及目标对象长度的检测方法

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