CN110980192A - 一种皮带撕裂检测方法 - Google Patents
一种皮带撕裂检测方法 Download PDFInfo
- Publication number
- CN110980192A CN110980192A CN201911262032.8A CN201911262032A CN110980192A CN 110980192 A CN110980192 A CN 110980192A CN 201911262032 A CN201911262032 A CN 201911262032A CN 110980192 A CN110980192 A CN 110980192A
- Authority
- CN
- China
- Prior art keywords
- belt
- tearing
- tear
- voltage
- detection method
- 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
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
- B65G43/06—Control devices, e.g. for safety, warning or fault-correcting interrupting the drive in case of driving element breakage; Braking or stopping loose load-carriers
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种皮带撕裂检测方法,该方法包括以下步骤:根据收集的皮带撕裂样本进行目标识别训练,形成训练好的皮带撕裂识别模型;在皮带易发生撕裂的部位下方安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像;利用训练好的皮带撕裂识别模型对获取的视频图像进行检测分析,初步判断皮带是否发生撕裂以及撕裂的程度;实时采集驱动皮带运行的电机的电压和电流数据;将采集的电压和电流数据与预设的正常电压和电流范围进行对比,判断电机的电压和电流数据是否正常;结合图像检测和数据检测的结果,进一步确认皮带是否发生撕裂以及撕裂的程度。本发明实现了皮带撕裂的实时智能检测,提高了检测效率和准确性。
Description
技术领域
本发明涉及皮带检测技术领域,特别涉及一种皮带撕裂检测方法。
背景技术
皮带运输系统是现代工业生产中运输物料的重要手段。在皮带运输过程中,如果出现皮带撕裂的情况,不仅影响物料的运输、造成浪费和污染,而且会导致机器急停等故障,影响生产顺利进行。
皮带输送工作时,机尾部料口处皮带容易出现撕裂,现有技术主要采用人工巡检的方式对皮带撕裂情况进行检测,一旦发现皮带出现撕裂状况,工作人员立即关停输送线。然而这种巡检方式不能对皮带撕裂情况进行实时监控,导致检测效率低,且具有一定的滞后性,出现撕裂情况时不能立即停机处理,存在一定的安全隐患。
发明内容
本发明的目的在于提供一种皮带撕裂检测方法,以实现皮带撕裂的实时智能检测,提高检测效率和准确性。
为解决上述技术问题,本发明的实施例提供一种皮带撕裂检测方法,包括以下步骤:
S1、根据收集的皮带撕裂样本进行目标识别训练,形成训练好的皮带撕裂识别模型;
S2、在皮带易发生撕裂的部位下方安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像;
S3、利用训练好的皮带撕裂识别模型对获取的视频图像进行检测分析,初步判断皮带是否发生撕裂以及撕裂的程度;
S4、实时采集驱动皮带运行的电机的电压和电流数据;
S5、将采集的电压和电流数据与预设的正常电压和电流范围进行对比,判断电机的电压和电流数据是否正常;
S6、结合步骤S3和步骤S5的结果,进一步确认皮带是否发生撕裂以及撕裂的程度。
优选地,所述步骤S1包括:
将收集的皮带撕裂样本按照严重程度分为两类,其中,轻撕裂样本:皮带仅出现裂痕,没有开口;重撕裂样本:皮带出现裂痕,且有开口;
基于深度学习卷积神经算法对轻撕裂样本和重撕裂样本进行分等级目标识别训练,形成训练好的皮带撕裂识别模型。
优选地,所述步骤S2包括:
根据历史数据确定皮带易发生撕裂的部位;
在皮带易发生撕裂的部位下方安装摄像头,所述皮带易发生撕裂的部位包括皮带落料口;
对所述摄像头视频图像中的皮带区域进行设定。
优选地,所述步骤S3包括:
将获取的视频图像载入训练好的皮带撕裂识别模型进行图像对比;
根据图像对比结果初步判断皮带是否发生撕裂以及撕裂的程度。
优选地,所述步骤S4包括:
利用数据采集OPC网关实时采集驱动皮带运行的电机的电压和电流数据;
通过HTTP协议的接口将采集的电压和电流数据提供给外部模块调用。
优选地,所述步骤S6包括:
如果步骤S3初步判断皮带发生撕裂,则认为皮带发生撕裂的概率为90%,如果步骤S5同时判断出电机的电压和电流数据异常,则认为皮带发生撕裂的概率为100%。
优选地,所述检测方法还包括在所述步骤S6之后进行的:
当确认皮带撕裂时,向工作人员进行报警,报警方式包括声光报警、监控屏展示报警和移动终端信息推送报警。
优选地,所述检测方法还包括在所述步骤S6之后进行的:
当确认皮带撕裂时,向皮带电机控制器发送指令,控制皮带电机停机或调整运行参数。
本发明的上述技术方案的有益效果如下:
上述方案中,本发明利用训练好的皮带撕裂识别模型对摄像头获取的视频图像进行实时检测,根据检测结果同时参考驱动皮带运行的电机的电压和电流的变化情况来判断是否发生皮带撕裂以及撕裂的严重程度。本发明不仅能够实现皮带撕裂的实时智能检测,提高检测效率和准确性,并且在判断出皮带撕裂情况时能够及时进行报警和设备联动,提高了生产的安全性。
附图说明
图1是本发明实施例提供的皮带撕裂检测方法的流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明的实施例提供了一种皮带撕裂检测方法,如图1所示,该方法包括以下步骤:
S1、根据收集的皮带撕裂样本进行目标识别训练,形成训练好的皮带撕裂识别模型;
S2、在皮带易发生撕裂的部位下方安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像;
S3、利用训练好的皮带撕裂识别模型对获取的视频图像进行检测分析,初步判断皮带是否发生撕裂以及撕裂的程度;
S4、实时采集驱动皮带运行的电机的电压和电流数据;
S5、将采集的电压和电流数据与预设的正常电压和电流范围进行对比,判断电机的电压和电流数据是否正常;
S6、结合步骤S3和步骤S5的结果,进一步确认皮带是否发生撕裂以及撕裂的程度。
上述方案中,本发明利用训练好的皮带撕裂识别模型对摄像头获取的视频图像进行实时检测,根据检测结果同时参考驱动皮带运行的电机的电压和电流的变化情况来判断是否发生皮带撕裂以及撕裂的严重程度,实现了皮带撕裂的实时智能检测,提高了检测效率和准确性。
进一步地,步骤S1包括:
将收集的皮带撕裂样本按照严重程度分为两类,其中,轻撕裂样本:皮带仅出现裂痕,没有开口;重撕裂样本:皮带出现裂痕,且有开口;
基于深度学习卷积神经算法对轻撕裂样本和重撕裂样本进行分等级目标识别训练,形成训练好的皮带撕裂识别模型。
作为本发明的一种具体实施方式,模型训练的具体过程如下:
1)数据集预处理,包括按照实际要求对获取的图片大小进行裁剪处理,利用标注工具labelme对收集的皮带撕裂图像进行标注,标注的类别分为轻撕裂和重撕裂两类。
2)模型训练,算法如下:
配置训练参数→训练head部分→训练所有层;
训练参数配置如下:
进一步地,步骤S2包括:
根据历史数据确定皮带易发生撕裂的部位;
在皮带易发生撕裂的部位下方安装摄像头,所述皮带易发生撕裂的部位包括皮带落料口;
对摄像头视频图像中的皮带区域进行设定。
通常情况下,皮带落料口处附近会容易发生撕裂,将摄像头部署在落料口附近的皮带下方,有利于在皮带发生撕裂时第一时间监视到,摄像头要求支持RTSP、ONVIF协议。
获取摄像头实时视频图像的算法如下:
其中,cv2是opencv库,
rtsp://admin:admin@192.168.1.45:554//Streaming/Channels/1为摄像头的rtsp流媒体地址,根据实际的摄像头获取,frame为实时获取到的视频图像。
进一步地,步骤S3包括:
将获取的视频图像载入训练好的皮带撕裂识别模型进行图像对比;
根据图像对比结果初步判断皮带是否发生撕裂以及撕裂的程度。
具体算法如下:
根据results返回的结果情况,并参考电机的电压和电流数据,最终确定出皮带撕裂情况。
进一步地,步骤S4包括:
利用数据采集OPC网关实时采集驱动皮带运行的电机的电压和电流数据;
通过HTTP协议的接口将采集的电压和电流数据提供给外部模块调用。
OPC网关采集数据原理如下:
数采接口OPC网关有两个本地以太网口连接DCS系统和接口机或服务器,在网关机运行DCStoSafety软件,DCStoSafety通过OPC、TCP、UDP、API和SDK等方式采集DCS系统实时数据,同时将获取的实时数据包装成OPC Sever(即OPC4Safety软件)。在接口机或服务器上的以太网口连接到数采接口OPC网关就可以采集到实时数据。
进一步地,步骤S6包括:
如果步骤S3初步判断皮带发生撕裂,则认为皮带发生撕裂的概率为90%,如果步骤S5同时判断出电机的电压和电流数据异常,则认为皮带发生撕裂的概率为100%。
进一步地,所述检测方法还包括在步骤S6之后进行的:
当确认皮带撕裂时,向工作人员进行报警,报警方式包括声光报警、监控屏展示报警和移动终端信息推送报警。
以及,当确认皮带撕裂时,向皮带电机控制器发送指令,控制皮带电机停机或调整运行参数。
综上所述,本发明方法利用训练好的皮带撕裂识别模型对摄像头获取的视频图像进行实时检测,根据检测结果同时参考驱动皮带运行的电机的电压和电流的变化情况来判断是否发生皮带撕裂以及撕裂的严重程度。本发明不仅能够实现皮带撕裂的实时智能检测,提高检测效率和准确性,并且在判断出皮带撕裂情况时能够及时进行报警和设备联动,提高了生产的安全性。
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,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种皮带撕裂检测方法,其特征在于,包括以下步骤:
S1、根据收集的皮带撕裂样本进行目标识别训练,形成训练好的皮带撕裂识别模型;
S2、在皮带易发生撕裂的部位下方安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像;
S3、利用训练好的皮带撕裂识别模型对获取的视频图像进行检测分析,初步判断皮带是否发生撕裂以及撕裂的程度;
S4、实时采集驱动皮带运行的电机的电压和电流数据;
S5、将采集的电压和电流数据与预设的正常电压和电流范围进行对比,判断电机的电压和电流数据是否正常;
S6、结合步骤S3和步骤S5的结果,进一步确认皮带是否发生撕裂以及撕裂的程度。
2.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述步骤S1包括:
将收集的皮带撕裂样本按照严重程度分为两类,其中,轻撕裂样本:皮带仅出现裂痕,没有开口;重撕裂样本:皮带出现裂痕,且有开口;
基于深度学习卷积神经算法对轻撕裂样本和重撕裂样本进行分等级目标识别训练,形成训练好的皮带撕裂识别模型。
3.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述步骤S2包括:
根据历史数据确定皮带易发生撕裂的部位;
在皮带易发生撕裂的部位下方安装摄像头,所述皮带易发生撕裂的部位包括皮带落料口;
对所述摄像头视频图像中的皮带区域进行设定。
4.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述步骤S3包括:
将获取的视频图像载入训练好的皮带撕裂识别模型进行图像对比;
根据图像对比结果初步判断皮带是否发生撕裂以及撕裂的程度。
5.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述步骤S4包括:
利用数据采集OPC网关实时采集驱动皮带运行的电机的电压和电流数据;
通过HTTP协议的接口将采集的电压和电流数据提供给外部模块调用。
6.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述步骤S6包括:
如果步骤S3初步判断皮带发生撕裂,则认为皮带发生撕裂的概率为90%,如果步骤S5同时判断出电机的电压和电流数据异常,则认为皮带发生撕裂的概率为100%。
7.根据权利要求1-6中任一项所述的皮带撕裂检测方法,其特征在于,所述检测方法还包括在所述步骤S6之后进行的:
当确认皮带撕裂时,向工作人员进行报警,报警方式包括声光报警、监控屏展示报警和移动终端信息推送报警。
8.根据权利要求1-6中任一项所述的皮带撕裂检测方法,其特征在于,所述检测方法还包括在所述步骤S6之后进行的:
当确认皮带撕裂时,向皮带电机控制器发送指令,控制皮带电机停机或调整运行参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262032.8A CN110980192A (zh) | 2019-12-10 | 2019-12-10 | 一种皮带撕裂检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262032.8A CN110980192A (zh) | 2019-12-10 | 2019-12-10 | 一种皮带撕裂检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110980192A true CN110980192A (zh) | 2020-04-10 |
Family
ID=70092103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911262032.8A Pending CN110980192A (zh) | 2019-12-10 | 2019-12-10 | 一种皮带撕裂检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110980192A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111517092A (zh) * | 2020-06-03 | 2020-08-11 | 太原理工大学 | 一种传动带撕裂检测方法 |
CN111646146A (zh) * | 2020-05-14 | 2020-09-11 | 精英数智科技股份有限公司 | 一种智能皮带撕裂检测方法及装置 |
CN112633052A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种皮带撕裂检测方法 |
CN112919050A (zh) * | 2021-02-04 | 2021-06-08 | 华润电力技术研究院有限公司 | 输送皮带监控方法、装置、设备及计算机可读存储介质 |
CN113191234A (zh) * | 2021-04-22 | 2021-07-30 | 武汉菲舍控制技术有限公司 | 一种基于机器视觉的带式输送机输送带防撕裂方法及装置 |
CN113344891A (zh) * | 2021-06-21 | 2021-09-03 | 南京北新智能科技有限公司 | 一种基于机器视觉的皮带检测算法 |
CN113417124A (zh) * | 2021-06-29 | 2021-09-21 | 江苏新安电器股份有限公司 | 一种不拆机可精准判断干衣机皮带断裂的检测方案 |
CN113588659A (zh) * | 2021-07-23 | 2021-11-02 | 西安华光信息技术有限责任公司 | 基于视频图像的带式输送机纵撕检测方法、装置及系统 |
CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与系统 |
CN116002319A (zh) * | 2023-02-13 | 2023-04-25 | 山东超晟光电科技有限公司 | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 |
CN117585399A (zh) * | 2024-01-19 | 2024-02-23 | 汶上义桥煤矿有限责任公司 | 基于图像处理的煤矿传送带撕裂检测方法 |
WO2024087341A1 (zh) * | 2022-10-27 | 2024-05-02 | 华能伊敏煤电有限责任公司 | 一种基于视觉技术的皮带撕裂状态自动检测的方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105800278A (zh) * | 2016-05-16 | 2016-07-27 | 中国矿业大学 | 一种带式输送机的故障诊断系统及方法 |
WO2016161473A1 (en) * | 2015-04-10 | 2016-10-13 | Orontide Group Ltd | Conveyor pulley monitoring apparatus |
CN106044109A (zh) * | 2016-07-18 | 2016-10-26 | 大连理工大学 | 输送带防撕裂监测系统 |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
CN109879005A (zh) * | 2019-04-15 | 2019-06-14 | 天津美腾科技有限公司 | 皮带撕裂检测装置及方法 |
-
2019
- 2019-12-10 CN CN201911262032.8A patent/CN110980192A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016161473A1 (en) * | 2015-04-10 | 2016-10-13 | Orontide Group Ltd | Conveyor pulley monitoring apparatus |
CN105800278A (zh) * | 2016-05-16 | 2016-07-27 | 中国矿业大学 | 一种带式输送机的故障诊断系统及方法 |
CN106044109A (zh) * | 2016-07-18 | 2016-10-26 | 大连理工大学 | 输送带防撕裂监测系统 |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
CN109879005A (zh) * | 2019-04-15 | 2019-06-14 | 天津美腾科技有限公司 | 皮带撕裂检测装置及方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111646146A (zh) * | 2020-05-14 | 2020-09-11 | 精英数智科技股份有限公司 | 一种智能皮带撕裂检测方法及装置 |
CN111646146B (zh) * | 2020-05-14 | 2021-03-02 | 精英数智科技股份有限公司 | 一种智能皮带撕裂检测方法及装置 |
CN111517092A (zh) * | 2020-06-03 | 2020-08-11 | 太原理工大学 | 一种传动带撕裂检测方法 |
CN111517092B (zh) * | 2020-06-03 | 2021-06-11 | 太原理工大学 | 一种传动带撕裂检测方法 |
CN112633052A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种皮带撕裂检测方法 |
CN112919050A (zh) * | 2021-02-04 | 2021-06-08 | 华润电力技术研究院有限公司 | 输送皮带监控方法、装置、设备及计算机可读存储介质 |
CN113191234A (zh) * | 2021-04-22 | 2021-07-30 | 武汉菲舍控制技术有限公司 | 一种基于机器视觉的带式输送机输送带防撕裂方法及装置 |
CN113344891A (zh) * | 2021-06-21 | 2021-09-03 | 南京北新智能科技有限公司 | 一种基于机器视觉的皮带检测算法 |
CN113417124A (zh) * | 2021-06-29 | 2021-09-21 | 江苏新安电器股份有限公司 | 一种不拆机可精准判断干衣机皮带断裂的检测方案 |
CN113588659A (zh) * | 2021-07-23 | 2021-11-02 | 西安华光信息技术有限责任公司 | 基于视频图像的带式输送机纵撕检测方法、装置及系统 |
CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与系统 |
WO2024087341A1 (zh) * | 2022-10-27 | 2024-05-02 | 华能伊敏煤电有限责任公司 | 一种基于视觉技术的皮带撕裂状态自动检测的方法和系统 |
CN116002319A (zh) * | 2023-02-13 | 2023-04-25 | 山东超晟光电科技有限公司 | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 |
CN117585399A (zh) * | 2024-01-19 | 2024-02-23 | 汶上义桥煤矿有限责任公司 | 基于图像处理的煤矿传送带撕裂检测方法 |
CN117585399B (zh) * | 2024-01-19 | 2024-04-09 | 汶上义桥煤矿有限责任公司 | 基于图像处理的煤矿传送带撕裂检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110980192A (zh) | 一种皮带撕裂检测方法 | |
CN110996060A (zh) | 一种工业自动化智能联动系统及方法 | |
CN204679431U (zh) | 轮胎钢丝帘布表面缺陷的检测系统 | |
CN111126196A (zh) | 一种设备漏油检测方法 | |
CN1447933A (zh) | 使用预先制程控制机架的制程工具的缺陷检测及其控制的方法及装置 | |
CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
CN106153636A (zh) | 轮胎钢丝帘布表面缺陷的检测方法、装置及系统 | |
CN113297885A (zh) | 基于卷积神经网络的皮带机表面状态检测方法及装置 | |
CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
US20200331032A1 (en) | System and method for detecting metal stamping part tapping defects | |
WO2021030322A1 (en) | System and method of object detection using ai deep learning models | |
CN111193662B (zh) | 一种基于视觉识别的边缘计算网关 | |
CN112542022A (zh) | 一种用于智能化生产的自动巡检系统 | |
CN111935458A (zh) | 皮带机的控制方法、装置和系统 | |
CN112927170B (zh) | 半导体制造工艺中的自动缺陷去除方法 | |
CN116539981A (zh) | 小型线盘的分拣设备运动精度检测装置、方法及设备 | |
CN114192447A (zh) | 基于图像识别的垃圾分拣方法 | |
CN113923417A (zh) | 基于视频分析的分布式集装箱锁头检测报警系统及方法 | |
CN116977828A (zh) | 生产线零件错漏装处理设备、方法、装置和存储介质 | |
CN113843182A (zh) | 自动化分拣系统和方法 | |
CN110980191A (zh) | 一种皮带运输智能检测系统及方法 | |
CN112811064A (zh) | 一种堆垛设备的件烟核对系统 | |
CN112871735A (zh) | 零件自动检测和拣选系统及方法 | |
CN115908272A (zh) | 一种基于视觉技术的皮带撕裂状态自动检测的方法和系统 | |
CN116563803B (zh) | 一种基于视觉的船运水泥装卸货监控方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |