CN110631680B - 振动检测系统 - Google Patents
振动检测系统 Download PDFInfo
- Publication number
- CN110631680B CN110631680B CN201910898435.5A CN201910898435A CN110631680B CN 110631680 B CN110631680 B CN 110631680B CN 201910898435 A CN201910898435 A CN 201910898435A CN 110631680 B CN110631680 B CN 110631680B
- Authority
- CN
- China
- Prior art keywords
- vibration detection
- detected
- maintenance
- video file
- motion amplification
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Abstract
本申请实施例公开了一种振动检测系统,包括:至少一个振动检测装置,通过至少一个振动检测装置采集待检测对象的第一视频文件,有利于提升待检测对象振动检测的全面性,而且,每个振动检测装置仅需要采集待检测对象的视频文件并发送给云服务器,有效实现了非接触式振动检测,此外,通过云服务器对至少一个振动检测装置采集的待检测对象的第一视频文件进行预设振动检测算法处理,相对于在本地进行算法处理,申请实施例有效实现了非接触式振动检测,有利于提升振动检测的处理速度,以及针对待检测对象的振动检测的全面性。
Description
技术领域
本申请涉及工业检测技术领域,具体涉及一种振动检测系统。
背景技术
所有的机械和运动系统都会产生各种各样的振动,其中一些振动反映的是系统的正常运动状态,而另外一些则反映了系统的异常运动状态(例如,系统内部故障、轴连接不平衡等),因此,要预测性维护系统设备,振动检测都是重要的一环。
目前,振动检测大多采用加速度计设备,尽管比较精确和可靠,但是加速度计需要长的准备和安装时间,在测试时需要和被测系统物理接触,因此会改变被测系统的振动响应,并且仅能测试有限的离散点,而目前采用的非接触振动检测设备主要有激光多普勒测振仪,但是激光多普勒测振仪价格昂贵,测量结果受到测试环境的温度、光照等影响,且仅能测试小区域的系统设备,使用受到了极大的限制。
发明内容
本申请实施例提供了一种振动检测系统,可以有效实现非接触式振动检测,有利于提升振动检测的处理速度,以及针对待检测对象的振动检测的全面性。
第一方面,本申请实施例提供了一种振动检测系统,所述振动检测系统包括至少一个振动检测装置和云服务器,所述至少一个振动检测装置中的每个振动检测装置均与所述云服务器通信连接,其中:
所述至少一个振动检测装置中的每个振动检测装置,用于采集待检测对象的第一视频文件,并向所述云服务器发送所述第一视频文件,其中,每个所述振动检测装置采集所述待检测对象的所述第一视频文件;
所述云服务器,用于根据预设振动检测算法处理接收到的每个所述振动检测设备的所述第一视频文件,得到所述待检测对象的具有运动放大效果的目标视频文件,根据所述目标视频文件确定所述待检测对象的振动数据,所述运动放大效果是指所述待检测对象的发生运动的区域的运动情况在所述目标视频中是经过放大处理的。
可以看出,本申请实施例中,振动检测系统中包括至少一个振动检测装置,通过至少一个振动检测装置采集待检测对象的第一视频文件,有利于提升待检测对象振动检测的全面性,而且,每个振动检测装置仅需要采集待检测对象的视频文件并发送给云服务器,有效实现了非接触式振动检测,此外,通过云服务器对至少一个振动检测装置采集的待检测对象的第一视频文件进行预设振动检测算法处理,相对于在本地进行算法处理,可以实现大型待检测对象的快速振动检测,有利于提升针对待检测对象的振动检测的处理速度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1A是本申请实施例公开的一种振动检测系统的网络架构示意图;
图1B是本申请实施例公开的一种振动检测的场景示意图;
图1C是本申请实施例公开的另一种振动检测系统的网络架构示意图;
图1D是本申请实施例公开的一种维护设备的显示界面示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图1A所示,图1A是本申请实施例提供的一种振动检测系统的网络架构示意图。该振动检测系统包括至少一个振动检测装置和云服务器,所述至少一个振动检测装置中的每个振动检测装置均与所述云服务器通信连接,其中:
所述至少一个振动检测装置中的每个振动检测装置,用于采集待检测对象的第一视频文件,并向所述云服务器发送所述第一视频文件,其中,每个所述振动检测装置采集所述待检测对象中部分或全部区域的所述第一视频文件;
所述云服务器,用于根据预设振动检测算法处理接收到的每个所述振动检测设备的所述第一视频文件,得到所述待检测对象的具有运动放大效果的目标视频文件,根据所述目标视频文件确定所述待检测对象的振动数据,所述运动放大效果是指所述待检测对象的发生运动的区域的运动情况在所述目标视频中是经过放大处理的。
其中,所述振动检测装置可以包括各种具有无线通信功能以及摄像功能的手持设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(User Equipment,UE),终端设备(terminal device)等等。
其中,所述采集待检测对象的第一视频文件为通过所述振动检测装置的摄像头采集的所述待检测对象的原始视频图像。
其中,所述每个所述振动检测装置采集所述待检测对象的所述第一视频文件,包括以下任意一种情况:每个所述振动检测装置采集所述待检测对象中部分区域的第一视频文件,且每个振动检测装置对应的部分区域不同;每个所述振动检测装置均采集所述待检测对象中全部区域的第一视频文件;一部分所述振动检测装置采集所述待检测对象中部分区域的第一视频文件,且每个振动检测装置对应的部分区域不同,另一部分所述振动检测装置均采集所述待检测对象中全部区域的第一视频文件。
其中,所述预设振动检测算法中包括多种视频运动放大算法,根据不同的待检测对象可以对应不同的视频运动放大算法,例如,根据待检测对象的大小不同,可以使用不同的视频运动放大算法。
其中,所述根据所述目标视频文件确定所述待检测对象的振动数据的具体实现方式可以是:对所述待检测对象部分和/或全部区域的所述目标视频文件中的多帧图像采用相位相关算法计算得到所述目标视频文件中每帧图像之间的第一交叉互功率谱;
根据插值滤波方法对所述第一交叉互功率谱进行处理,得到滤除频域噪音后的第二交叉互功率谱;
对所述第二交叉互功率谱进行反傅立叶变换,确定所述待检测对象部分和/或全部区域的振动数据。
其中,相位相关算法采用如下的公式计算第一交叉互功率谱:
其中,在根据插值滤波方法对所述第一交叉互功率谱进行处理,得到滤除频域噪音后的第二交叉互功率谱方面,所述处理器采用自适应滤波器组来重建信号,根据R的相关峰的位置自适应选择滤波器组进行滤波,滤波之后再进行反傅里叶变换,然后进行相位比较(逐相位比较),此时采用滑窗的自适应匹配方法来估计和提取振动参数,得到滤除频域噪音后的第二交叉互功率谱R′。
其中,对第二交叉互功率谱进行反傅立叶变换,逐相位比较,便可得到振动数据。运算公式如下。
可以看出,本申请实施例中,振动检测系统中包括至少一个振动检测装置,通过至少一个振动检测装置采集待检测对象的第一视频文件,有利于提升待检测对象振动检测的全面性,而且,每个振动检测装置仅需要采集待检测对象的视频文件并发送给云服务器,有效实现了非接触式振动检测,此外,通过云服务器对至少一个振动检测装置采集的待检测对象的第一视频文件进行预设振动检测算法处理,相对于在本地进行算法处理,可以实现大型待检测对象的快速振动检测,有利于提升针对待检测对象的振动检测的处理速度。
在一个可能的示例中,在所所述根据预设振动检测算法处理接收到的每个所述振动检测设备的所述第一视频文件,得到所述待检测对象的具有运动放大效果的目标视频文件方面,所述云服务器具体用于:
根据所述预设振动检测算法处理接收到的每个所述振动检测设备的所述第一视频文件,得到每个所述第一视频文件对应的具有运动放大效果的亮度Y通道图像;
根据所述预设振动检测算法,确定每个所述亮度Y通道图像对应的权重系数;
根据每个所述亮度Y通道图像对应的所述权重系数和每个所述第一视频文件对应的所述亮度Y通道图像合成所述待检测对象具有运动放大效果的所述目标视频文件。
其中,所述第一视频文件包括由三原色RGB颜色空间组成的多帧图像,将所述多帧图像的RGB颜色空间转换到YIQ颜色空间,获取所述多帧图像的亮度Y信息,其中,YIQ是电视系统标准(National Television Standards Committee,NTSC)。Y是提供黑白电视及彩色电视的亮度信号(Luminance),即亮度(Brightness),I代表In-phase,色彩从橙色到青色,Q代表Quadrature-phase,色彩从紫色到黄绿色。
其中,所述云服务器得到每个所述第一视频文件对应的具有运动放大效果的亮度Y通道图像的具体实现方式为所述云服务器启动多个线程,该多个线程同时执行对所述Y通道图像的视频运动放大算法,且每个线程可以负责一个或者多个第一视频文件,得到放大后的Y通道图像,然后将放大后的Y通道图像与上述转换后的I、Q通道图像相加,再反向转化为RGB颜色空间,得到所述目标视频文件。
可见,本示例中,振动检测系统通过视频运动放大算法将亮度Y信息放大,得到具有运动放大效果的部分和/或全部区域的目标视频文件,有利于提升目标视频文件中振动效果的可视性,此外,对每个所述第一视频文件并行执行视频运动放大算法,而非串行执行,有利于提升振动检测的高效性。
在这个可能的示例中,在所述根据所述预设振动检测算法,确定每个所述亮度Y通道图像对应的权重系数方面,所述云服务器具体用于:
根据在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法,确定每个所述亮度Y通道图像对应的权重系数。
其中,云服务器中预存储有视频运动放大算法与权重系数的映射关系,云服务器可以根据第二目标视频运动放大算法查询该映射关系,确定对应的权重系数,例如,准确率高的视频运动放大算法对应的权重系数高,准确率低的视频运动放大算法对应的权重系数低等。
其中,所述根据每个所述亮度Y通道图像对应的所述权重系数和每个所述第一视频文件对应的所述亮度Y通道图像合成所述待检测对象全部区域的具有运动放大效果的所述目标视频文件的具体实现方式为将每个第一视频文件对应的放大后的亮度Y通道图像根据对应的权重系数计算得到目标视频文件的放大后的亮度Y通道图像,然后与颜色空间转换后的I、Q通道图像相加,再反向转化为RGB颜色空间,得到所述目标视频文件
可见,本示例中,振动检测系统在多个振动检测装置均获取了待检测对象的整体区域的第一视频文件时,对每个第一视频文件采用不同的视频运动放大算法进行处理,通过不同的视频运动放大算法对应的不同的权重系数合成最终的目标视频文件,而不是采用单一的算法进行处理,有利于提升振动检测的准确性。
在一个可能的示例中,在所述根据所述预设振动检测算法处理接收到的每个所述振动检测设备的所述第一视频文件方面,所述云服务器具体用于:
确定每个所述振动检测设备相对于所述待检测对象的位置参数;
根据所述位置参数确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法;
使用所述至少一个视频运动放大算法处理接收到的每个所述振动检测设备的所述第一视频文件。
其中,所述根据所述位置参数确定所述预设振动检测算法中的所述第二目标视频运动放大算法的具体实现方式可以是多种多样的,例如可以是根据所述位置参数中的距离参数确定所述预设振动检测算法中的所述第一视频运动放大算法,或者可以是根据所述位置参数中的角度参数确定所述预设振动检测算法中的所述第一视频运动放大算法等,所述角度参数为第一连线与第二连线之间的角度,第一连线为振动检测设备与待检测对象中心点之间的连线,第二连线为待检测对象中心点与待检测对象长度方向的顶点之间的连线,在此不做限定,例如,当所述待检测对象与所述振动检测设备的之间的距离参数小于或者等于预设距离阈值时,或,当所述待检测对象与所述振动检测设备的之间的角度参数大于预设角度阈值时,可以拍摄较为清晰,分辨都较高的第一视频文件,因此使用运算速度较快,准确率相对不高的第一视频运动放大算法即可,当所述待检测对象与所述振动检测设备的之间的距离参数大于预设距离阈值时,或,当所述待检测对象与所述振动检测设备的之间的角度参数小于或者等于预设角度阈值时,拍摄的第一视频文件相当清晰度不高,因而确定使用准确率相对较高的第二视频运动放大算法。
可见,本示例中,振动检测系统针对每个振动检测设备相对于待检测对象的位置参数确定针对每个第一视频文件使用的不同的所述视频运动放大算法,有利于提升算法使用的合理性。
在一个可能的示例中,在所述根据所述位置参数确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法方面,所述云服务器具体用于:
获取所述位置参数中的距离参数和角度参数;
根据所述距离参数、所述角度参数和如下预设公式,确定每个所述亮度Y通道图像的清晰度等级,
T=10sinθ-d,其中,T表示所述清晰度等级,θ表示所述角度参数0°<θ<90°,d表示所述距离参数;
根据每个所述亮度Y通道图像的所述清晰度等级,确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法。
其中,所述距离参数包括所述振动检测设备相对于所述待检测对象中心位置的长度,所述角度参数包括第一连线与第二连线之间的角度,第一连线为振动检测设备与待检测对象中心点之间的连线,第二连线为待检测对象中心点与待检测对象长度方向的顶点之间的连线。
如图1B所示,振动检测设备A和待检测对象B之间的距离参数为d=2,角度参数为θ=30°,根据如下预设公式,确定每个所述亮度Y通道图像的清晰度等级T=10sin30°-2=3。
可见,云服务器获取所述位置参数中的距离参数和角度参数,根据所述距离参数、所述角度参数和如下预设公式,确定每个所述亮度Y通道图像的清晰度等级,T=10sinθ-d,其中,T表示所述清晰度等级,θ表示所述角度参数0°<θ<90°,d表示所述距离参数,根据每个所述亮度Y通道图像的所述清晰度等级,确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法;有利于提高振动检测系统的振动检测高效性和准确性。
在一个可能的示例中,在所述根据每个所述亮度Y通道图像的所述清晰度等级,确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法方面,所述云服务器具体用于:
当所述清晰度等级大于或者等于预设清晰度等级时,确定在获取所述亮度Y通道图像时采用第一视频运动放大算法,其中,所述第一视频运动放大算法包括基于欧拉视角的运动放大算法;
当所述清晰度等级小于所述预设清晰度等级时,确定在获取所述亮度Y通道图像时采用第二视频运动放大算法,其中,所述第二视频运动放大算法包括基于拉普拉斯视角的运动放大算法。
可见,当清晰度等级较高时,拍摄的第一视频文件较为清晰,因此使用运算速度较快,准确率相对不高的第一视频运动放大算法即可,当清晰度等级不高时,拍摄的第一视频文件不够清晰,因而确定使用准确率相对较高的第二视频运动放大算法。
在一个可能的示例中,所述视频运动放大算法包括以下至少一种:基于拉普拉斯视角的运动放大算法和基于欧拉视角的运动放大算法,其中,所述基于欧拉视角的运动放大算法包括:基于空域金字塔分解的欧拉运动放大算法、基于复数相位的欧拉视频调制的运动放大算法、基于里斯Riesz金字塔的快速相位视频运动放大算法。
其中,基于拉普拉斯视角的运动放大算法需要对多帧图像中特征点的运动轨迹进行精确的跟踪和估计,计算量较大,可以用于清晰度较差、数据量较少的第一视频文件;基于欧拉视角的运动放大算法不用跟踪运动点,便于运算,运算速度较快,可以用于清晰度较高,数据量较多的第一视频文件。
可见,本示例中,振动检测系统预设有多种视频运动放大算法的预设振动检测算法,振动检测系统可以根据不同的情况选择不同的视频运动放大算法,有利于提升振动检测的多样性和完善性。
在一个可能的示例中,如图1C所示,所述振动检测系统还包括维护设备,所述维护设备与所述云服务器通信连接,其中:
所述云服务器在确定所述待检测的振动数据之后,还用于:根据所述振动数据确定针对所述待检测对象的维护策略,向所述维护设备发送所述维护策略;
所述维护设备,用于接收来自所述云服务器的针对所述待检测的所述维护策略,并输出所述维护策略。
其中,云服务器预存有不同的待检测对象的不同区域对应有振动数据与维护策略之间的映射关系,因此,云服务器可以根据待检测对象的区域确定振动数据与维护策略之间的目标映射关系,进而通过振动数据确定多种维护策略。
可见,本示例中,振动检测系统在确定了待检测对象的维护策略之后,及时向维护设备发送维护策略,维护设备在接收到维护策略后实时输出,有利于提示维护人员的及时维护,提升维护的实时性。
在这个可能的示例中,在述根据所述振动数据确定针对所述待检测的维护策略,向所述维护设备发送所述维护策略方面,所述云服务器具体用于:
根据所述振动数据确定针对所述待检测对象多个区域的维护优先级,并确定针对所述待检测对象多个区域中每个区域的维护策略;
将所述待检测对象多个区域的所述维护优先级以及所述维护策略发送给所述维护设备;
在所述输出所述维护策略方面,所述维护设备具体用于:按照所述维护优先级输出所述维护策略以及所述维护策略对应的区域;
所述维护设备还用于,当检测到针对任意维护策略的点触操作时,显示所述维护策略对应区域的目标视频文件。
其中,所述根据所述振动数据确定针对所述待检测对象多个区域的维护优先级的具体实现方式可以是多种多样的,例如可以根据振动数据中异常振动数据的多少确定多个区域的维护优先级,异常振动数据多的维护优先级高,异常振动数据少的维护优先级低,或者可以是根据振动数据中异常振动数据的异常幅度确定多个区域的维护优先级,异常幅度高的维护优先级高,异常幅度低的维护优先级低等,在此不做限定。
可见,本示例中,振动检测系统可以确定不同区域的维护优先级,维护设备可以按照优先级的排序,顺序显示维护策略以及所述维护策略对应的区域,有利于帮助维护人员对待检测对象的合理维护,避免错失维护时机,此外,在检测到针对任意维护策略的点触操作时,适时显示维护策略对应区域的目标视频文件,有利于提升维护人员的维护便捷性。
在一个可能的示例中,如图1C所示,所述振动检测系统还包括维护设备,所述维护设备与所述云服务器通信连接,其中:
所述云服务器在确定所述待检测对象的振动数据之后,还用于:根据所述待检测对象的所述振动数据以及存储的历史振动数据预测所述待检测对象的针对多种异常类型的异常概率;
将所述待检测对象的针对所述多种异常类型的所述异常概率发送给所述维护设备;
所述维护设备,用于接收所述待检测对象的针对所述多种异常类型的所述异常概率,并当检测到任意异常概率大于预设概率阈值时,发出警报信息。
其中,如图1D所示,所述维护设备可以显示异常概率大于预设概率阈值的概率曲线图以及对应的待检测对象,便于维护人员查看。
其中,所述根据所述待检测对象的所述振动数据以及存储的历史振动数据预测的所述待检测对象针对多种异常类型的异常概率的具体实现方式可以是,云服务器预存有预设训练模型,云服务器将所述振动数据以及存储的历史振动数据输入该预设训练模型,可以得到所述待检测对象针对多种异常类型的异常概率。
其中,所述发出警报信息的具体实现方式可以是多种多样的,例如可以是发出音频警报信息,或者可以是针对异常概率大于预设概率阈值的待检测对象的区域进行放大显示等,在此不做限定。
可见,本示例中,振动检测系统根据预设的训练模型,确定出所述待检测对象针对多种异常类型的异常概率,提升了振动检测系统的智能性,且,在通过训练模型确定异常概率时,不仅仅通过当前的振动数据,还加入历史振动数据,有利于提升异常概率预测的准确性,此外,当检测到任意异常类型的异常概率大于预设概率阈值时,发出警报信息,有利于提升振动维修的及时性。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (10)
1.一种振动检测系统,其特征在于,所述振动检测系统包括至少一个振动检测装置和云服务器,所述至少一个振动检测装置中的每个振动检测装置均与所述云服务器通信连接,其中:
所述至少一个振动检测装置中的每个振动检测装置,用于采集待检测对象的第一视频文件,并向所述云服务器发送所述第一视频文件,其中,每个所述振动检测装置采集所述待检测对象的所述第一视频文件,每个所述振动检测装置采集所述待检测对象中部分区域的第一视频文件,且每个振动检测装置对应的部分区域不同;
所述云服务器,用于根据预设振动检测算法处理接收到的每个所述振动检测装置的所述第一视频文件,得到所述待检测对象的具有运动放大效果的目标视频文件,根据所述目标视频文件确定所述待检测对象的振动数据,所述运动放大效果是指所述待检测对象的发生运动的区域的运动情况在所述目标视频中是经过放大处理的;
其中,所述根据所述目标视频文件确定所述待检测对象的振动数据,包括:
对所述待检测对象部分和/或全部区域的所述目标视频文件中的多帧图像采用相位相关算法计算得到所述目标视频文件中每帧图像之间的第一交叉互功率谱;
根据插值滤波方法对所述第一交叉互功率谱进行处理,得到滤除频域噪音后的第二交叉互功率谱;
对所述第二交叉互功率谱进行反傅立叶变换,确定所述待检测对象部分和/或全部区域的振动数据。
2.根据权利要求1所述的系统,其特征在于,在所述根据预设振动检测算法处理接收到的每个所述振动检测装置的所述第一视频文件,得到所述待检测对象的具有运动放大效果的目标视频文件方面,所述云服务器具体用于:
根据所述预设振动检测算法处理接收到的每个所述振动检测装置的所述第一视频文件,得到每个所述第一视频文件对应的具有运动放大效果的亮度Y通道图像;
根据所述预设振动检测算法,确定每个所述亮度Y通道图像对应的权重系数;
根据每个所述亮度Y通道图像对应的所述权重系数和每个所述第一视频文件对应的所述亮度Y通道图像合成所述待检测对象具有运动放大效果的所述目标视频文件。
3.根据权利要求2所述的系统,其特征在于,在所述根据所述预设振动检测算法,确定每个所述亮度Y通道图像对应的权重系数方面,所述云服务器具体用于:
根据在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法,确定每个所述亮度Y通道图像对应的权重系数。
4.根据权利要求2或3任一项所述的系统,其特征在于,在所述根据所述预设振动检测算法处理接收到的每个所述振动检测装置的所述第一视频文件方面,所述云服务器具体用于:
确定每个所述振动检测装置相对于所述待检测对象的位置参数;
根据所述位置参数确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法;
使用所述至少一个视频运动放大算法处理接收到的每个所述振动检测装置的所述第一视频文件。
5.根据权利要求4所述的系统,其特征在于,在所述根据所述位置参数确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法方面,所述云服务器具体用于:
获取所述位置参数中的距离参数和角度参数;
根据所述距离参数、所述角度参数和如下预设公式,确定每个所述亮度Y通道图像的清晰度等级,
T=10sinθ-d,其中,T表示所述清晰度等级,θ表示所述角度参数0°<θ<90°,d表示所述距离参数;
根据每个所述亮度Y通道图像的所述清晰度等级,确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法。
6.根据权利要求5所述的系统,其特征在于,在所述根据每个所述亮度Y通道图像的所述清晰度等级,确定在获取每个所述亮度Y通道图像时采用的至少一个视频运动放大算法方面,所述云服务器具体用于:
当所述清晰度等级大于或者等于预设清晰度等级时,确定在获取所述亮度Y通道图像时采用第一视频运动放大算法,其中,所述第一视频运动放大算法包括基于欧拉视角的运动放大算法;
当所述清晰度等级小于所述预设清晰度等级时,确定在获取所述亮度Y通道图像时采用第二视频运动放大算法,其中,所述第二视频运动放大算法包括基于拉普拉斯视角的运动放大算法。
7.根据权利要求2或3所述的系统,其特征在于,所述视频运动放大算法包括以下至少一种:基于拉普拉斯视角的运动放大算法和基于欧拉视角的运动放大算法,其中,所述基于欧拉视角的运动放大算法包括:基于空域金字塔分解的欧拉运动放大算法、基于复数相位的欧拉视频调制的运动放大算法、基于里斯Riesz金字塔的快速相位视频运动放大算法。
8.根据权利要求2或3所述的系统,其特征在于,所述振动检测系统还包括维护设备,所述维护设备与所述云服务器通信连接,其中:
所述云服务器在确定所述待检测的振动数据之后,还用于:根据所述振动数据确定针对所述待检测对象的维护策略,向所述维护设备发送所述维护策略;
所述维护设备,用于接收来自所述云服务器的针对所述待检测的所述维护策略,并输出所述维护策略。
9.根据权利要求8所述的系统,其特征在于,在所述根据所述振动数据确定针对所述待检测的维护策略,向所述维护设备发送所述维护策略方面,所述云服务器具体用于:
根据所述振动数据确定针对所述待检测对象多个区域的维护优先级,并确定针对所述待检测对象多个区域中每个区域的维护策略;
将所述待检测对象多个区域的所述维护优先级以及所述维护策略发送给所述维护设备;
在所述输出所述维护策略方面,所述维护设备具体用于:按照所述维护优先级输出所述维护策略以及所述维护策略对应的区域;
所述维护设备还用于,当检测到针对任意维护策略的点触操作时,显示所述维护策略对应区域的目标视频文件。
10.根据权利要求2或3所述的系统,其特征在于,所述振动检测系统还包括维护设备,所述维护设备与所述云服务器通信连接,其中:
所述云服务器在确定所述待检测对象的振动数据之后,还用于:根据所述待检测对象的所述振动数据以及存储的历史振动数据预测所述待检测对象的针对多种异常类型的异常概率;
将所述待检测对象的针对所述多种异常类型的所述异常概率发送给所述维护设备;
所述维护设备,用于接收所述待检测对象的针对所述多种异常类型的所述异常概率,并当检测到任意异常概率大于预设概率阈值时,发出警报信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/105592 WO2021052020A1 (zh) | 2019-04-26 | 2020-07-29 | 振动检测系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019103541064 | 2019-04-26 | ||
CN201910354106 | 2019-04-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110631680A CN110631680A (zh) | 2019-12-31 |
CN110631680B true CN110631680B (zh) | 2021-10-15 |
Family
ID=68972344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910898435.5A Active CN110631680B (zh) | 2019-04-26 | 2019-09-21 | 振动检测系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110631680B (zh) |
WO (1) | WO2021052020A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631680B (zh) * | 2019-04-26 | 2021-10-15 | 深圳市豪视智能科技有限公司 | 振动检测系统 |
CN113069126B (zh) * | 2021-03-26 | 2022-06-03 | 吉林大学 | 一种节肢动物振动感应检测系统及方法 |
CN113739900A (zh) * | 2021-11-08 | 2021-12-03 | 聊城中翔泰电子科技有限公司 | 一种用于振动马达生产的自动测试系统 |
CN116878638B (zh) * | 2023-06-21 | 2024-03-05 | 交通运输部水运科学研究所 | 一种船闸人字门结构多样化监测点的组网方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837225A (zh) * | 2014-03-24 | 2014-06-04 | 福州大学 | 一种实时获取振动物体表面四维振动信息的测量方法 |
CN105651377A (zh) * | 2016-01-11 | 2016-06-08 | 衢州学院 | 一种基于视频数据挖掘的非接触式物体振动频率测量方法 |
US9699384B2 (en) * | 2013-01-04 | 2017-07-04 | Canon Kabushiki Kaisha | Image signal processing apparatus and a control method thereof, and an image pickup apparatus and a control method thereof |
CN108361069A (zh) * | 2018-02-23 | 2018-08-03 | 中国矿业大学(北京) | 基于彩色图像监测设备的矿井爆炸监控系统 |
CN108805088A (zh) * | 2018-06-14 | 2018-11-13 | 南京云思创智信息科技有限公司 | 基于多模态情绪识别系统的生理信号分析子系统 |
CN108830233A (zh) * | 2018-06-20 | 2018-11-16 | 深圳市科迈爱康科技有限公司 | 基于欧拉视频算法的监控系统、方法及可读存储介质 |
CN108876672A (zh) * | 2018-06-06 | 2018-11-23 | 合肥思博特软件开发有限公司 | 一种远程教育教师自动识别图像优化跟踪方法及系统 |
CN109520690A (zh) * | 2018-10-30 | 2019-03-26 | 西安交通大学 | 一种基于视频的旋转机械转子模态振型全局测量装置及方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519984B (zh) * | 2011-11-16 | 2013-06-19 | 湖南大学 | 药液异物的抗振动机器视觉检测方法 |
CN102778358A (zh) * | 2012-06-04 | 2012-11-14 | 上海东锐风电技术有限公司 | 故障预测模型建立方法及系统、风机监测预警系统及方法 |
CN203116843U (zh) * | 2013-01-05 | 2013-08-07 | 西南交通大学 | 一种接触网振动测量装置 |
CN104614064B (zh) * | 2015-02-13 | 2018-01-12 | 福州大学 | 一种基于条纹靶的高速多维度振动测量装置及方法 |
CN104954672B (zh) * | 2015-06-10 | 2020-06-02 | 惠州Tcl移动通信有限公司 | 一种移动终端的手动调焦方法及移动终端 |
ES2686470T3 (es) * | 2015-12-10 | 2018-10-18 | Airbus Defence and Space GmbH | Dispositivo modular para un análisis de vibraciones de vídeo a alta velocidad |
CN105865735B (zh) * | 2016-04-29 | 2018-05-08 | 浙江大学 | 一种基于视频监控的桥梁振动测试与动力特性识别方法 |
CN107490428B (zh) * | 2016-06-09 | 2020-12-29 | 松下知识产权经营株式会社 | 振动可视化元件、振动计测系统及振动计测方法 |
CN106197536A (zh) * | 2016-06-29 | 2016-12-07 | 安徽电信工程有限责任公司 | 一种通信铁塔的监测系统 |
CN106596162A (zh) * | 2016-12-29 | 2017-04-26 | 上海威惠智能科技有限公司 | 智能化振动检测方法、装置及系统 |
CN207215414U (zh) * | 2017-06-16 | 2018-04-10 | 华南理工大学 | 基于非接触式测量的卫星天线结构振动测量装置 |
CN107389323B (zh) * | 2017-06-29 | 2019-07-30 | 西安建筑科技大学 | 一种基于云计算的振动筛远程故障诊断与维护系统及方法 |
CN108195584B (zh) * | 2017-12-26 | 2019-08-20 | 电子科技大学 | 一种基于准确度谱图的滚动轴承故障诊断方法 |
CN208238924U (zh) * | 2018-03-23 | 2018-12-14 | 南京邮电大学通达学院 | 一种桥梁路基与轨道高速振动检测装置 |
CN108731788B (zh) * | 2018-05-22 | 2020-06-09 | 河海大学常州校区 | 一种高空作业臂低频振动视觉检测装置及方法 |
CN108801572B (zh) * | 2018-06-06 | 2021-04-09 | 歌尔股份有限公司 | 振动测试系统 |
CN109357621B (zh) * | 2018-12-10 | 2020-08-11 | 福州大学 | 基于线阵相机和位感条纹的三维振动位移测量装置与方法 |
CN110631680B (zh) * | 2019-04-26 | 2021-10-15 | 深圳市豪视智能科技有限公司 | 振动检测系统 |
-
2019
- 2019-09-21 CN CN201910898435.5A patent/CN110631680B/zh active Active
-
2020
- 2020-07-29 WO PCT/CN2020/105592 patent/WO2021052020A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9699384B2 (en) * | 2013-01-04 | 2017-07-04 | Canon Kabushiki Kaisha | Image signal processing apparatus and a control method thereof, and an image pickup apparatus and a control method thereof |
CN103837225A (zh) * | 2014-03-24 | 2014-06-04 | 福州大学 | 一种实时获取振动物体表面四维振动信息的测量方法 |
CN105651377A (zh) * | 2016-01-11 | 2016-06-08 | 衢州学院 | 一种基于视频数据挖掘的非接触式物体振动频率测量方法 |
CN108361069A (zh) * | 2018-02-23 | 2018-08-03 | 中国矿业大学(北京) | 基于彩色图像监测设备的矿井爆炸监控系统 |
CN108876672A (zh) * | 2018-06-06 | 2018-11-23 | 合肥思博特软件开发有限公司 | 一种远程教育教师自动识别图像优化跟踪方法及系统 |
CN108805088A (zh) * | 2018-06-14 | 2018-11-13 | 南京云思创智信息科技有限公司 | 基于多模态情绪识别系统的生理信号分析子系统 |
CN108830233A (zh) * | 2018-06-20 | 2018-11-16 | 深圳市科迈爱康科技有限公司 | 基于欧拉视频算法的监控系统、方法及可读存储介质 |
CN109520690A (zh) * | 2018-10-30 | 2019-03-26 | 西安交通大学 | 一种基于视频的旋转机械转子模态振型全局测量装置及方法 |
Non-Patent Citations (2)
Title |
---|
Multi-point vibration measurement and mode magnification of civil structures using video-based motion processing;ZhexiongShang 等;《Automation in Construction》;20180930;第231-240页 * |
基于视频流的微小运动放大技术的研究;李强;《中国优秀硕士学位论文全文数据库工程科技辑》;20180815(第08(2018)期);正文第31-34页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021052020A1 (zh) | 2021-03-25 |
CN110631680A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110631680B (zh) | 振动检测系统 | |
CN110595605A (zh) | 振动检测系统 | |
WO2021036663A1 (zh) | 针对设备的固定螺丝异常的检测方法及相关产品 | |
CN110617873B (zh) | 电缆的振动检测方法及相关产品 | |
US20170315225A1 (en) | Apparatus and method for extracting ocean wave information | |
CN108833036B (zh) | 人体跌倒检测方法 | |
Arshad et al. | Leveraging transfer learning in multiple human activity recognition using WiFi signal | |
WO2021036634A1 (zh) | 故障检测方法及相关产品 | |
AU2010257615A1 (en) | Detection and suppression of flicker in a sequence of images | |
CN105405260A (zh) | 一种基于无线信号的防盗系统及防盗方法 | |
JP2011159156A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN108805851A (zh) | 一种图像时域噪声的评估方法及装置 | |
WO2021036631A1 (zh) | 基于视频进行振动分析方法及相关产品 | |
CN111601011A (zh) | 一种基于视频流图像的自动告警方法及系统 | |
JP6261190B2 (ja) | 設定装置および設定方法 | |
KR20100085337A (ko) | 지능형 카메라 보안 시스템 | |
CN107145855B (zh) | 一种参考质量模糊图像预测方法、终端及存储介质 | |
CN109698906B (zh) | 基于图像的抖动处理方法及装置、视频监控系统 | |
US20120039395A1 (en) | System and method for time series filtering and data reduction | |
US20140098879A1 (en) | Method and apparatus for motion estimation in a video system | |
JP3835683B2 (ja) | 伝送画質監視装置 | |
CN107358343A (zh) | 基于图像数据特征差异性的电力工程安全预警方法 | |
JP2003083738A (ja) | ステップ関数応答導出方法 | |
CN110213457B (zh) | 一种图像传输方法及装置 | |
CN108629778B (zh) | 基于局部特征加权增强的图像显著性物体检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |