CN111325787A - 基于图像处理的移动式皮带跑偏及运量检测方法 - Google Patents
基于图像处理的移动式皮带跑偏及运量检测方法 Download PDFInfo
- Publication number
- CN111325787A CN111325787A CN202010085510.9A CN202010085510A CN111325787A CN 111325787 A CN111325787 A CN 111325787A CN 202010085510 A CN202010085510 A CN 202010085510A CN 111325787 A CN111325787 A CN 111325787A
- Authority
- CN
- China
- Prior art keywords
- belt
- image
- area
- detection
- deviation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Control Of Conveyors (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的移动式皮带跑偏及运量检测方法。本发明采用巡检机器人在皮带机廊道上方运行,机器人下方有个针孔摄像头,可以拍摄轨道皮带机监控视频,设备内部存在5.8G无线网桥可以通过无线将图像传至PC端,收到视频图像的计算机,通过灰度变换、Canny算子边缘检测、Hough变换、灰度图像二值化等算法,检测皮带边缘位置及统计检测区域内黑色像素数,同时参考所设置的阈值判定皮带机边缘及运量情况。本发明应用在巡检机器人上面,使其能够大范围,无死角的进行皮带跑偏及运量的检测。
Description
技术领域
本发明涉及连续运输机械领域,更具体地说,是涉及一种基于图像处理的移动式皮带跑偏及运量检测方法。
背景技术
带式输送机是煤炭、建筑、冶金、电力等行业广泛使用的一种连续运输机械。输送带跑偏是带式输送机最常见的故障之一。跑偏不仅会导致输送机的事故发生次数增多,影响生产,而且还会引起物料外撒,使运输系统运营经济性下降。
通过计算机视觉和图像处理技术准确、高效地检测出输送带跑偏,不仅可以降低人工检测的劳动强度,提高企业的自动化水平,而且还可及早发现输送带的潜在故障,提高故障检测的效率和精度。
皮带跑偏主要有以下几种原因:
1.安装质量较差
一般而言,安装质量方面的问题有很多。其一是机架和滚筒的安装不到位,其中心线未能重合或者垂直度不够。其二是输送机表面的平整性较差,使得高低起伏变化很大。其三是皮带机的安装基础存在问题,从而会有不均匀下沉的情况出现。其四是皮带两端的紧张程度存在差异,从而使得滚筒发生倾斜,进而引发跑偏情况。
2.维护工作不到位
皮带机的使用效果对于跑偏问题产生的原因有着非常大的影响,如果工作人员采取的方法存在缺陷,很容易出现跑偏情况。其一,皮带本身清扫能力不足,如果未能及时处理,会有大量杂物附着。其二,导料槽未能完全对准,从而使得在落料的时候,对皮带造成不同程度的冲击。其三,工作人员未能合理使用皮带,很容易造成皮带出现磨损,从而使其张力不均。其四,如果工作人员的维护不到位,皮带在长期使用过后,质量便会出现一定程度下降。
皮带机在运行过程中会出现跑偏现象,且跑偏位置无法确定,使用跑偏开关、固定点摄像头只能检测局部区域,很难在整体上监视整条皮带运行状况。2.皮带机运量存在限制范围,过多会对带式运输系统带来损害,过少会照成设备资源的浪费。
在现有技术中在皮带的某处放置跑偏开关、固定点摄像头,用于监视区域范围皮带状态;运量检测:暂时未看到。但是使用跑偏开关、固定点摄像头检测视角范围有限,很难在整体上监视整条皮带运行状况。
发明内容
本发明所要解决的技术问题是,克服现有技术中存在的不足,提供一种基于图像处理的移动式皮带跑偏及运量检测方法。
本发明采用巡检机器人在皮带机廊道上方运行,机器人下方有个针孔摄像头,可以拍摄轨道皮带机监控视频,设备内部存在5.8G无线网桥可以通过无线将图像传至PC端,收到视频图像的计算机,通过灰度变换、Canny算子边缘检测、Hough变换、灰度图像二值化等算法,检测皮带边缘位置及统计检测区域内黑色像素数,同时参考所设置的阈值判定皮带机边缘及运量情况。因机器人是对整条皮带的巡检,跑偏和运量检测的结果亦是整条皮带的运行状况,所以可以实现对整条的监视。
本发明基于图像处理的移动式皮带跑偏及运量检测方法,巡检机器人在皮带机廊道上方运行,机器人下方有个针孔摄像头,可以拍摄轨道皮带机监视图像,设备内部存在5.8G无线网桥通过无线将视频传至PC端,收到图像后,按照下述步骤处理:
1.截取单条皮带区域;
2.图像的灰度处理,并对灰度图进行直方图均值化处理;
3.使用Canny算子对灰度图像进行边缘检测,获得边缘图;
4.在边缘图像上获取直线检测区域,宽度跟原图像相同,长度左边不要超过皮带中心线,右边不超过托辊尾部,图像其余部分赋值为零;
5.使用Hough变换检测上图中存在的长度超过150像素的直线,该直线即为皮带边缘直线,获取直线横坐标,并存储;
6.运量检测区域在灰度图中皮带上尽可能大的方形区域,但不要超过皮带宽度。对该区域进行二值化处理,通过计算黑色点的像素数,即可判定皮带大致运量情况;
7.对于跑偏及运量结果判定,使用当前数据和历史数据三次检测综合判定最终检测结果。
8.将所检测的直线及运量检测区域在图像上显示。
与现有技术相比,本发明的有益效果是:
目前现有技术都是在皮带的某处放置跑偏开关、固定点摄像头,用于监视区域范围皮带状态;同时运量检测技术也暂时未看到,而本发明应用在巡检机器人上面,使其能够大范围,无死角的进行皮带跑偏及运量的检测,有效的避免了使用跑偏开关、固定点摄像头检测视角范围有限,很难在整体上监视整条皮带运行状况的发生,大大降低了因检测范围受限制而导致的检测不到位从而造成的危险事故的发生。同时本发明将运量的检测技术也应用到了皮带检测当中,使现场检测更加的全面,能够实时观测到皮带机工作运行情况,有效的减小了发现问题的时间,降低了人力成本。
附图说明
图1是本发明流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,程序启动后,首先进行相关参数初始化,包括皮带区域坐标设置,后期将通过其获取检测图像,上述处理主要原因是:本研究相关检测是针对皮带及邻近区域的处理,其它区域对结果无关且存有干扰影响;直线检测区域坐标,用于皮带跑偏检测,其为上述区域的一部分,左边不要超过皮带中心线,右边不超过托辊尾部,其余部分赋值为零;运量检测区域设置,其在皮带上尽可能大的方形区域,但不要超过皮带宽度;以及其他相关系统参数设置,这里包括跑偏及运量阈值设置,跑偏阈值用于后期判定皮带是否跑偏设定的参考值,且机器人在不同位置,值大小会有所变化。运量阈值包括两个值,用于后期判定皮带运量,检测数据在阈值范围的均为运量正常运行,其它为非正常运行(皮带上运量少或超载运行)。
初始化完成后,当读取一帧图像(这里使用海康威视网络摄像头,图像大小为640*480),通过皮带区域坐标截取单条皮带区域图像,(因原始图像中,可能会存在两条皮带机,这里只是对一条皮带的检测)。
获取皮带检测区域后,进行图像的灰度处理,之后,对灰度图像进行灰度直方图均值化处理,提高了对比度和灰度色调的变化,使图像更加清晰。接下来对处理的结果使用Canny算子进行边缘检测。
对边缘检测图利用直线检测区域坐标获取该区域图像。之后,使用Hough变换检测上图中存在的长度超过150像素的直线,该直线即为皮带边缘直线,并获取直线横坐标及存储。
利用运量检测区域坐标获取该区域灰度图像,然后,对获取的区域进行二值化处理,阈值设置为120,即灰度大于120为白色,否则为黑色。处理后图像就会出现有煤炭覆盖的区域为黑色,其它为白色,通过计算黑色区域,即可判定皮带大致运量情况。
对于跑偏及运量检测,利用当前数据和历史数据三次检测结果,判定最终检测结果。跑偏判断选择三次检测中最小值,并与参考数据比较(机器人在不同位置,参考值会发生变化),当其大于阈值时,则判定皮带跑偏,否则,皮带未跑偏。运量判断亦是三次数据中的最小值,当其大于设定值时,说明皮带运量过大,当均小于设定值,则判断其运量较小,否则,则运量正常。最后,将所检测的直线及运量检测区域在图像上显示处理。
以上所述仅是本发明的优选实施方式,应当指出的是,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,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于图像处理的移动式皮带跑偏及运量检测方法,其特征是,巡检机器人在皮带机廊道上方运行,机器人下方有个针孔摄像头,拍摄轨道皮带机监视图像,机器人设备内部存在5.8G无线网桥通过无线将视频传至PC端,收到图像后,按照下述步骤处理:
1)截取单条皮带区域;
2)图像的灰度处理,并对灰度图进行直方图均值化处理;
3)使用Canny算子对灰度图像进行边缘检测,获得边缘图;
4)在边缘图像上获取直线检测区域,宽度跟原图像相同,长度左边不要超过皮带中心线,右边不超过托辊尾部,图像其余部分赋值为零;
5)使用Hough变换检测上图中存在的长度超过150像素的直线,该直线即为皮带边缘直线,获取直线横坐标,并存储;
6)运量检测区域在灰度图中皮带上尽可能大的方形区域,但不要超过皮带宽度;对该区域进行二值化处理,通过计算黑色点的像素数,即可判定皮带大致运量情况;
7)对于跑偏及运量结果判定,使用当前数据和历史数据三次检测综合判定最终检测结果;
8)将所检测的直线及运量检测区域在图像上显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085510.9A CN111325787A (zh) | 2020-02-09 | 2020-02-09 | 基于图像处理的移动式皮带跑偏及运量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085510.9A CN111325787A (zh) | 2020-02-09 | 2020-02-09 | 基于图像处理的移动式皮带跑偏及运量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111325787A true CN111325787A (zh) | 2020-06-23 |
Family
ID=71172587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085510.9A Pending CN111325787A (zh) | 2020-02-09 | 2020-02-09 | 基于图像处理的移动式皮带跑偏及运量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325787A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801965A (zh) * | 2021-01-21 | 2021-05-14 | 中南大学 | 一种基于卷积神经网络的烧结皮带异物监测方法及系统 |
CN112926443A (zh) * | 2021-02-24 | 2021-06-08 | 北京优创新港科技股份有限公司 | 一种基于卷积神经网络的烟叶收购传送带是否有人的判断方法及装置 |
CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
CN113674301A (zh) * | 2021-08-26 | 2021-11-19 | 中冶赛迪重庆信息技术有限公司 | 一种料流强度的识别方法、系统、电子设备及介质 |
CN113989285A (zh) * | 2021-12-29 | 2022-01-28 | 深圳江行联加智能科技有限公司 | 基于图像的皮带偏移监测方法、装置、设备及存储介质 |
CN115557197A (zh) * | 2022-09-28 | 2023-01-03 | 苏州中材建设有限公司 | 一种长胶带输送机运行轨迹监测装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106219193A (zh) * | 2016-10-01 | 2016-12-14 | 西安科技大学 | 一种皮带运输系统 |
CN108663955A (zh) * | 2018-02-14 | 2018-10-16 | 北京广天夏科技有限公司 | 基于计算机视觉的井下皮带控制方法及控制系统 |
CN108664874A (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煤流量检测方法 |
CN108737790A (zh) * | 2018-06-11 | 2018-11-02 | 山西华鑫电气有限公司 | 基于图像信息采集的煤流监控方法 |
CN109969736A (zh) * | 2019-01-17 | 2019-07-05 | 上海大学 | 一种大型运载皮带跑偏故障智能检测方法 |
CN110406932A (zh) * | 2019-08-27 | 2019-11-05 | 天津华宁电子有限公司 | 一种基于轨道式巡检机器人的皮带机巡检监控系统 |
CN110697373A (zh) * | 2019-07-31 | 2020-01-17 | 湖北凯瑞知行智能装备有限公司 | 一种基于图像识别技术的传送皮带跑偏故障检测方法 |
-
2020
- 2020-02-09 CN CN202010085510.9A patent/CN111325787A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106219193A (zh) * | 2016-10-01 | 2016-12-14 | 西安科技大学 | 一种皮带运输系统 |
CN108663955A (zh) * | 2018-02-14 | 2018-10-16 | 北京广天夏科技有限公司 | 基于计算机视觉的井下皮带控制方法及控制系统 |
CN108664874A (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煤流量检测方法 |
CN108737790A (zh) * | 2018-06-11 | 2018-11-02 | 山西华鑫电气有限公司 | 基于图像信息采集的煤流监控方法 |
CN109969736A (zh) * | 2019-01-17 | 2019-07-05 | 上海大学 | 一种大型运载皮带跑偏故障智能检测方法 |
CN110697373A (zh) * | 2019-07-31 | 2020-01-17 | 湖北凯瑞知行智能装备有限公司 | 一种基于图像识别技术的传送皮带跑偏故障检测方法 |
CN110406932A (zh) * | 2019-08-27 | 2019-11-05 | 天津华宁电子有限公司 | 一种基于轨道式巡检机器人的皮带机巡检监控系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801965A (zh) * | 2021-01-21 | 2021-05-14 | 中南大学 | 一种基于卷积神经网络的烧结皮带异物监测方法及系统 |
CN112926443A (zh) * | 2021-02-24 | 2021-06-08 | 北京优创新港科技股份有限公司 | 一种基于卷积神经网络的烟叶收购传送带是否有人的判断方法及装置 |
CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
CN113674301A (zh) * | 2021-08-26 | 2021-11-19 | 中冶赛迪重庆信息技术有限公司 | 一种料流强度的识别方法、系统、电子设备及介质 |
CN113989285A (zh) * | 2021-12-29 | 2022-01-28 | 深圳江行联加智能科技有限公司 | 基于图像的皮带偏移监测方法、装置、设备及存储介质 |
CN115557197A (zh) * | 2022-09-28 | 2023-01-03 | 苏州中材建设有限公司 | 一种长胶带输送机运行轨迹监测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325787A (zh) | 基于图像处理的移动式皮带跑偏及运量检测方法 | |
CN107764839B (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
CN110171691B (zh) | 带式传输机皮带撕裂状态检测方法及检测系统 | |
Yang et al. | On-line conveyor belts inspection based on machine vision | |
CN101986143B (zh) | 机器视觉皮带撕裂检测方法 | |
CN113724258B (zh) | 一种基于图像处理的传送带撕裂检测方法及系统 | |
CN105491349A (zh) | 皮带群组异常状态自动巡视检测系统及其检测方法 | |
CN103913468A (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
CN110015553B (zh) | 基于视频分析的运输皮带系统异物检测保护方法 | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
CN113942805B (zh) | 煤块运输监控方法及装置 | |
CN110902315A (zh) | 皮带偏移状态检测方法及系统 | |
CN111591716A (zh) | 传输机皮带损伤状况的光电一体智能检测装置 | |
CN113129282A (zh) | 皮带异常确定方法、装置、设备及存储介质 | |
CN115018869A (zh) | 皮带偏移检测方法 | |
CN113928824A (zh) | 一种皮带跑偏检测方法、装置及搅拌站 | |
CN115914573B (zh) | 一种基于大数据的生产线用卷绕辊运行监测系统 | |
CN115504187B (zh) | 一种矿用皮带智能调速和保护系统及控制方法 | |
CN115861294B (zh) | 一种基于计算机视觉的混凝土生产异常检测方法及装置 | |
CN115953726B (zh) | 机器视觉的集装箱箱面破损检测方法和系统 | |
CN112193765A (zh) | 一种带式输送机机头物料堆积检测系统 | |
CN116189093A (zh) | 一种渣土车扬尘在线监测方法与系统 | |
CN212768242U (zh) | 一种传输机皮带损伤状况的光电一体智能检测装置 | |
CN207658605U (zh) | 井下皮带运输机异常检测装置 | |
CN103600976B (zh) | 一种搅拌设备及其皮带打滑检测方法、装置和系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200623 |