CN112419223B - 一种烧结台车车轮故障检测方法、装置、设备及介质 - Google Patents
一种烧结台车车轮故障检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112419223B CN112419223B CN202010224713.1A CN202010224713A CN112419223B CN 112419223 B CN112419223 B CN 112419223B CN 202010224713 A CN202010224713 A CN 202010224713A CN 112419223 B CN112419223 B CN 112419223B
- Authority
- CN
- China
- Prior art keywords
- wheel
- gap
- image
- sintering
- preset
- 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
- 238000005245 sintering Methods 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
- F27B21/00—Open or uncovered sintering apparatus; Other heat-treatment apparatus of like construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种烧结台车车轮故障检测方法、装置、设备及介质,包括:获取运行中的烧结台车的车轮图像;从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
Description
技术领域
本申请涉及烧结机应用技术领域,特别涉及一种烧结台车车轮故障检测方法、装置、设备及介质。
背景技术
烧结机包括相同的多台台车,台车在轨道首尾相连循环运行。在运行过程中,台车要经受高温、重载、粉尘等,支撑台车运行的是四个车轮,台车车轮处的结构是台车中相对复杂的,因此车轮是出现过账概率较高的地方。在台车长期运行过程中常出现的故障有台车跑偏、轴承损坏等。
发明内容
有鉴于此,本申请的目的在于提供一种烧结台车车轮故障检测方法、装置、设备及介质,能够及时的发现车轮轮轴故障,从而保障安全生产。其具体方案如下:
第一方面,本申请公开了一种烧结台车车轮故障检测方法,包括:
获取运行中的烧结台车的车轮图像;
从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;
对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;
对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;
利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
可选的,利用所述间隙轮廓判断所述间隙区域是否满足预设条件,包括:
计算全部所述间隙轮廓的面积和;
若所述面积和大于预设面积阈值,则判定所述间隙区域满足所述预设条件。
可选的,利用所述最小外接矩阵判断所述间隙区域是否满足预设条件,包括:
计算全部所述最小外接矩阵的平均宽度;
若所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
可选的,所述获取运行中的烧结台车的车轮图像,包括:
当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;
或,获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。
可选的,所述获取运行中的烧结台车的车轮图像,包括:
从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像;
当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息;
获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值;
判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。
可选的,所述判定当前待检测图像包含烧结台车车轮,得到所述车轮图像之后,还包括:
停止从所述视频流中读取视频图像;
当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。
可选的,所述从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,包括:
利用ROI区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
第二方面,本申请公开了一种烧结台车车轮故障检测装置,包括:
车轮图像获取模块,用于获取运行中的烧结台车的车轮图像;
间隙区域提取模块,用于从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;
间隙轮廓获取模块,用于对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;
外接矩阵计算模块,用于对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;
预设条件判断模块,用于利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
第三方面,本申请公开了一种烧结台车车轮故障检测设备,包括处理器和存储器;其中,
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现前述的烧结台车车轮故障检测方法。
第四方面,本申请公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述的烧结台车车轮故障检测方法。
可见,本申请获取运行中的烧结台车的车轮图像,然后从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,并对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓,以及对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵,最后利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种烧结台车车轮故障检测方法流程图;
图2a为本申请公开的一种车轮正常时车轮端盖与车轮本体间隙示意图;
图2b为本申请公开的一种车轮异常时车轮端盖与车轮本体间隙示意图;
图3a为本申请公开的一种相机安装角度侧视图;
图3b为本申请公开的一种相机安装角度正视图;
图4为本申请公开的一种摄像头采集视角车轮间隙示意图;
图5为本申请公开的一种具体的间隙检测流程图;
图6为本申请公开的一种具体的烧结台车车轮故障检测方法流程图;
图7为本申请公开的一种图像采集装置整体结构示意图;
图8为本申请公开的一种具体的烧结台车车轮故障检测方法流程图;
图9为本申请公开的一种具体的烧结台车车轮故障检测方法流程图;
图10为本申请公开的一种烧结台车车轮故障检测装置结构示意图;
图11为本申请公开的一种烧结台车车轮故障检测设备结构图;
图12为本申请公开的一种服务器结构图。
具体实施方式
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,都属于本申请保护的范围。
在烧结台车长期运行过程中常出现轮轴故障。为此本申请提供了一种烧结台车车轮故障检测方案,能够及时的发现车轮轮轴故障,从而保障安全生产。
参见图1所示,本申请实施例公开了一种烧结台车车轮故障检测方法,包括:
步骤S11:获取运行中的烧结台车的车轮图像。
在具体的实施方式中,可以通过图像采集装置对运行中的烧结台进行图像采集。其中,图像采集装置可以包括相机、安装支架、触发装置及其支架等。相机摄像头的视场与车轮形成一定的夹角,用来获取车轮端盖与车轮本体连接区域的图像。参见图2a所示,图2a为本申请实施例公开的一种车轮正常时车轮端盖与车轮本体间隙示意图。如图2b所示,图2b为本申请实施例公开的一种车轮异常时车轮端盖与车轮本体间隙示意图。车轮正常时,车轮端盖和车轮本体之间间隙较小,轮轴损坏时,端盖被轴承顶开,间隙变大。由此,相机摄像头视场需要与车轮形成一定的夹角。即本实施例可以根据烧结台车车轮端盖与车轮本体间隙区域位置确定相机的安装角度,即摄像头的安装角度。参见图3a所示,图3a为本申请实施例公开的一种相机安装角度侧视图。如图3b所示,图3b为本申请实施例公开的一种相机安装角度正视图。参见图4所示,图4为本申请实施例公开的一种摄像头采集视角车轮间隙示意图。
步骤S12:从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
在具体的实施方式中,本实施例利用ROI(即Region Of Interest)区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。定位方式可利用先验知识进行定位rect(x,y,w,h),其中x,y表示定位区域的左上角坐标,w为区域的宽,h为区域的高。可以理解的是,由于摄像头的位置和角度不变,车轮沿轨道做直线运动,通过触发采集图像后,车轮的间隙一般会只在图像的一个区域范围内。存在起拱时,起拱高度较小,将y和h的值设定在合适范围内后,起拱对间隙粗定位的影响不大。通过rect对间隙进行粗定位后,再在目标区域内进行间隙大小检测。
并且,本实施例可以在从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域之后,对提取的出的间隙区域图像进行图像灰度化处理和对比度增强。
步骤S13:对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓。
在具体的实施方式中,外轮廓检测可以采opencv中的findcontours。
需要指出的是,对所述间隙区域进行外轮廓检测,可能得到所述间隙区域的多个间隙轮廓。也即,可能得到的不是整个间隙区域的完整轮廓,而是在多个部分区域对应的间隙轮廓。
步骤S14:对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵。
在具体的实施方式中,可以采用minAreaRect求包含每个轮廓点集的最小面积的矩阵。
步骤S15:利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
在一种具体的实施方式中,可以计算全部间隙轮廓的面积和,若所述面积和大于预设面积阈值,则判定所述间隙区域满足所述预设条件。
在另一种具体的实施方式中,可以计算全部所述最小外接矩阵的平均宽度;若所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
当然,为了提升间隙检测的准确度,可以计算全部间隙轮廓的面积和以及可以计算全部所述最小外接矩阵的平均宽度,若所述面积和大于预设面积阈值并且所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
例如,参见图5所示,图5为本申请实施例公开的一种具体的间隙检测流程图。先对获取到的车轮图像进行ROI区域提取,提取到间隙区域,然后进行图像灰度化以及对比度增强,然后进行外轮廓检测以及最小外接矩阵计算,计算每个轮廓面积和最小外接矩阵宽度,之后计算轮廓总面积和宽度平均值,最终进行故障判断。
并且,本实施例可以判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障发送预警信息到中控室的目标终端,提示操作人员该车轮存在故障,需要进行检修,如果车轮端盖和车轮本体出现间隙,烧结粉尘容易从间隙进入轴承内部,加速车轮损坏,因此及时检修十分必要。
可以理解的是,车轮轮轴出现故障时,轴承可能将车轮的端盖顶开,一般从外部查看很难发现,本实施例检测车轮端盖和车轮本体之间的间隙大小,能够通过识别的间隙来判断车轮轴内是否出现故障。
可见,本申请实施例获取运行中的烧结台车的车轮图像,然后从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,并对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓,以及对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵,最后利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
参见图6所示,本申请公开了一种具体的烧结台车车轮故障检测方法,包括:
步骤S21:当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;获取运行中的烧结台车的车轮图像。
在具体的实施方式中,本实施例可以采用硬件触发的方式进行车轮图像的采集。具体的,可以安装触发装置检测车轮位置,当车轮到达预设位置时发送图像采集信号给上位机,上位机获取到所述图像采集信号,控制相机的采图。触发装置为外部传感器,可以为光电开关、激光传感器、行程开关等。车轮接近触发装置时,相机处于待机状态,当车轮经过触发装置,触发装置发送信号至上位机,上位机控制相机采集当前位置的车轮图像,相机将采集到的该帧图像上传至上位机,用于后续分析。安装时调整外部传感器与相机之间的位置,保证相机采集的图像中车轮是完整出现在相机视场中的。例如参见图7所示,图7为本申请实施例公开的一种图像采集装置整体结构示意图,包括相机、旋转连接件、滑动连接件,相机安装杆、行程开关、行车开关支架和底座,其中,行程开关,同理可采用光电开关、激光传感器等替代。当车轮运行到行程开关位置处,车轮压道开关,推动杠杆发生偏转,触发微动开关动作。行程开关的信号传送到上位机,上位机通过行程开关的发送的信号,控制相机采集图像。并且图像采集装置安装于底座上,便于移动检测位置,底座上有螺孔,用于将图像采集装置固定在地面上,防止误触碰导致检测视野偏移。其中滑动连接件支持在安装杆上下移动和水平旋转,即可实现摄像头的上下移动和水平旋转,旋转连接件用于调整相机的俯仰角度。即调节摄像头的俯仰角度。并且,当应用场所光照条件不好,相机采集图像存在光照不均匀的情况时,可在支架上增加LED光源,保证采集的图像的光照一致性,减少阴影为图像处理带来的困难。
另外,在另一种具体实施方式中,也可以获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。具体的,行程开关可以在检测车轮到达预设位置,将图像采集信号发送至相机,相机获取到图像采集信号,对车轮进行图像采集。
步骤S22:从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
步骤S23:对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓。
步骤S24:对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵。
步骤S25:利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
参见图8所示,本申请实施例公开了一种具体的烧结台车车轮故障检测方法,包括:
步骤S31:从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像。
步骤S32:当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息。
步骤S33:获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值。
步骤S34:判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。
并且,本实施例可以在判定当前待检测图像包含烧结台车车轮,得到所述车轮图像之后,停止从所述视频流中读取视频图像;当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。由于烧结机运行速度较慢,且在一定范围内波动,以车轮间距为700mm,台车速度在1~4m/min范围内波动为例,车轮经过检测位置的时间间隔在10.5s~42s之间。因此连续采图方法可以在获取了一张有效图后,在一定时间内停止相机采集图像,即不需要将每帧图像上传到上位机进行间隙区域检测处理,能有效减少上位机的计算量,也避免相机连续采图时设备温度上升面,对相机产生损耗。
例如,参见图9所示,本申请实施例公开了一种具体的烧结台车车轮故障检测方法流程图,先针对烧结台车车轮进行图像采集,截取图像中车轮区域,得到第一训练样本,并采集不包含烧结台车车轮的图像作为第二训练样本,得到全部训练样本,利用采集到的训练样本对分类器进行训练,得到训练后分类器,用于对车轮定位检测。并在获取到车轮区域图像后,停止从视频流中读取图像。
步骤S35:从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
步骤S36:对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓。
步骤S37:对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵。
步骤S38:利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
参见图10所示,本申请公开了一种烧结台车车轮故障检测装置,包括:
车轮图像获取模块11,用于获取运行中的烧结台车的车轮图像;
间隙区域提取模块12,用于从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
间隙轮廓获取模块13,用于对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓。
外接矩阵计算模块14,用于对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵。
预设条件判断模块15,用于利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
可见,本申请实施例获取运行中的烧结台车的车轮图像,然后从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,并对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓,以及对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵,最后利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
在一种具体的实施方式中,所述预设条件判断模块15,具体用于计算全部所述间隙轮廓的面积和;若所述面积和大于预设面积阈值,则判定所述间隙区域满足所述预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
在另一种具体的实施方式中,所述预设条件判断模块15,具体用于计算全部所述最小外接矩阵的平均宽度;若所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
在第一种具体的实施方式中,车轮图像获取模块11具体用于当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;
在第二种具体的实施方式中,车轮图像获取模块11具体用于获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。
在第三种具体的实施方式中,车轮图像获取模块11具体用于从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像;当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息;获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值;判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。相应的所述烧结台车车轮故障检测装置,还包括视频图像读取控制模块,用于在车轮图像获取模块11获取到车轮图像后停止从所述视频流中读取视频图像;当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。
其中,间隙区域提取模块12,具体用于利用ROI区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
参见图11所示,本申请实施例公开了一种烧结台车车轮故障检测设备,包括处理器21和存储器22;其中,所述存储器22,用于保存计算机程序;所述处理器21,用于执行所述计算机程序,以实现以下步骤:
获取运行中的烧结台车的车轮图像;从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
可见,本申请实施例获取运行中的烧结台车的车轮图像,然后从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,并对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓,以及对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵,最后利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:计算全部所述间隙轮廓的面积和;若所述面积和大于预设面积阈值,则判定所述间隙区域满足所述预设条件。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:计算全部所述最小外接矩阵的平均宽度;若所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;或,获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像;当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息;获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值;判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:停止从所述视频流中读取视频图像;当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:利用ROI区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
并且,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,存储方式可以是短暂存储或者永久存储。
参见图12所示,本申请公开了一种服务器20,包括前述实施例中公开的处理器21和存储器22。关于上述处理器21具体可以执行的步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
进一步的,本实施例中的服务器20,还可以具体包括电源23、通信接口24、输入输出接口25和通信总线26;其中,电源23用于为服务器20上的各硬件设备提供工作电压;通信接口24能够为服务器20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
进一步的,本申请实施例还公开了一种计算机可读存储介质,用于保存计算机程序,其中,计算机程序被处理器执行时实现以下步骤:
获取运行中的烧结台车的车轮图像;从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。
可见,本申请实施例获取运行中的烧结台车的车轮图像,然后从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,并对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓,以及对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵,最后利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障。这样,利用利用运行中的烧结台车的车轮图像进行间隙区域检测,能够及时的发现车轮轮轴故障,从而保障安全生产。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:计算全部所述间隙轮廓的面积和;若所述面积和大于预设面积阈值,则判定所述间隙区域满足所述预设条件。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:计算全部所述最小外接矩阵的平均宽度;若所述平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;或,获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像;当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息;获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值;判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:停止从所述视频流中读取视频图像;当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。
本实施例中,计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:利用ROI区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种烧结台车车轮故障检测方法、装置、设备及介质进行了详细介绍,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 (8)
1.一种烧结台车车轮故障检测方法,其特征在于,包括:
获取运行中的烧结台车的车轮图像;
从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;
对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;
对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;
利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件,若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障;
其中,全部所述间隙轮廓的面积和大于预设面积阈值和/或全部所述最小外接矩阵的平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
2.根据权利要求1所述的烧结台车车轮故障检测方法,其特征在于,所述获取运行中的烧结台车的车轮图像,包括:
当获取到图像采集信号,则控制摄像头针对运行中的烧结台车的车轮进行图像采集,得到车轮图像;其中,所述图像采集信号为外部传感器检测到所述烧结台车的车轮到达预设位置之后发送的信号;
或,获取摄像头针对运行中的烧结台车的车轮采集的所述车轮图像;其中,所述车轮图像为所述摄像头获取到所述图像采集信号之后采集的车轮图像。
3.根据权利要求1所述的烧结台车车轮故障检测方法,其特征在于,所述获取运行中的烧结台车的车轮图像,包括:
从针对所述烧结台车的车轮拍摄的视频流中连续的读取视频图像,得到待检测图像;
当读取到任一所述待检测图像,则将所述待检测图像输入预先获取的训练后分类器;所述训练后分类器为利用训练样本对预设分类器进行训练后得到的分类器;所述训练样本包括第一训练样本和第二训练样本;所述第一训练样本包括包含烧结台车车轮的图像以及对应的标签信息;所述第二训练样本为不包含烧结台车车轮的图像以及对应的标签信息;
获取所述训练后分类器输出的当前待检测图像包含烧结台车车轮的预测概率值;
判断所述预测概率值是否大于预设概率阈值,若所述预测概率值大于所述预设概率阈值,则判定当前待检测图像包含烧结台车车轮,得到所述车轮图像。
4.根据权利要求3所述的烧结台车车轮故障检测方法,其特征在于,所述判定当前待检测图像包含烧结台车车轮,得到所述车轮图像之后,还包括:
停止从所述视频流中读取视频图像;
当停止时间达到预设时间阈值时,则恢复从所述视频流中读取视频图像;其中,所述预设时间阈值为利用所述烧结台车的运行速度确定的时间阈值。
5.根据权利要求1至4任一项所述的烧结台车车轮故障检测方法,其特征在于,所述从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域,包括:
利用ROI区域检测从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域。
6.一种烧结台车车轮故障检测装置,其特征在于,包括:
车轮图像获取模块,用于获取运行中的烧结台车的车轮图像;
间隙区域提取模块,用于从所述车轮图像中提取出车轮端盖和车轮本体的间隙区域;
间隙轮廓获取模块,用于对所述间隙区域进行外轮廓检测,得到所述间隙区域的间隙轮廓;
外接矩阵计算模块,用于对所述间隙轮廓进行最小外接矩阵计算,得到所述间隙轮廓对应的最小外接矩阵;
预设条件判断模块,用于利用所述间隙轮廓和/或所述最小外接矩阵判断所述间隙区域是否满足预设条件;若所述间隙区域满足所述预设条件,则判定所述车轮端盖被车轮轴承顶开,车轮轮轴发生故障;
其中,全部所述间隙轮廓的面积和大于预设面积阈值和/或全部所述最小外接矩阵的平均宽度大于预设宽度阈值,则判定所述间隙区域满足所述预设条件。
7.一种烧结台车车轮故障检测设备,其特征在于,包括处理器和存储器;其中,
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现如权利要求1至5任一项所述的烧结台车车轮故障检测方法。
8.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的烧结台车车轮故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224713.1A CN112419223B (zh) | 2020-03-26 | 2020-03-26 | 一种烧结台车车轮故障检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224713.1A CN112419223B (zh) | 2020-03-26 | 2020-03-26 | 一种烧结台车车轮故障检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419223A CN112419223A (zh) | 2021-02-26 |
CN112419223B true CN112419223B (zh) | 2024-06-11 |
Family
ID=74844083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010224713.1A Active CN112419223B (zh) | 2020-03-26 | 2020-03-26 | 一种烧结台车车轮故障检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419223B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975040A (zh) * | 2017-12-28 | 2019-07-05 | 中冶长天国际工程有限责任公司 | 一种烧结台车车轮检测方法、装置及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592916B (zh) * | 2021-07-30 | 2024-02-06 | 内蒙古科技大学 | 一种烧结机台车车轴故障检测方法及系统 |
-
2020
- 2020-03-26 CN CN202010224713.1A patent/CN112419223B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975040A (zh) * | 2017-12-28 | 2019-07-05 | 中冶长天国际工程有限责任公司 | 一种烧结台车车轮检测方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
浅谈烧结机台车车轮故障的诊断;陈圣明等;《河北企业》;20160410(第4期);147-148 * |
烧结机台车车轮轴承故障分析及对策措施;方明等;《第十一届中国钢铁年会论文集》;20171130;1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN112419223A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102348128B (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN110057198B (zh) | 烧结机台车轮工作状态检测方法及检测装置 | |
CN110120155A (zh) | 一种化工厂区车辆超限超载智能监控报警系统 | |
CN109300125B (zh) | 一种复杂环境下城轨列车受电弓滑板图像提取方法 | |
CN113295145A (zh) | 一种弓网运行状态的检测系统及检测方法 | |
CN106290393A (zh) | 一种高铁接触网斜腕臂管帽丢失检测方法 | |
CN112419223B (zh) | 一种烧结台车车轮故障检测方法、装置、设备及介质 | |
CN105241679A (zh) | 一种动车组隐蔽故障检测方法 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN112907532B (zh) | 基于Faster RCNN改进的货车车门脱落检测方法 | |
CN111665249B (zh) | 一种光强调整方法、系统及光学检测设备 | |
CN102637360B (zh) | 一种基于视频的道路停车事件检测方法 | |
KR20130067870A (ko) | 전차선의 동적 변위를 검측하는 방법 | |
CN113049595B (zh) | 一种受电弓磨损测量方法及系统 | |
CN104104902B (zh) | 云台方向故障检测方法及装置 | |
CN112393602A (zh) | 一种烧结台车车轮故障检测方法、装置、设备及介质 | |
CN111273136A (zh) | 一种基于图像处理的在线接触网拉弧检测系统及方法 | |
CN111127442A (zh) | 台车轮轴缺陷检测方法和装置 | |
CN115393343A (zh) | 基于视频分析的矿井罐耳故障检测方法和装置 | |
CN112393617B (zh) | 一种环冷机台车车轮检测方法、装置、设备及介质 | |
CN205379748U (zh) | 一种自动防尘清理系统 | |
CN205365645U (zh) | 列车安全检查系统 | |
CN112132824A (zh) | 一种货车轴箱弹簧故障自动检测方法 | |
CN112991318A (zh) | 一种动车组受电弓故障检测方法、装置及存储介质 |
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 |