CN113023293A - 一种皮带机的巡检方法、装置、设备及系统 - Google Patents
一种皮带机的巡检方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN113023293A CN113023293A CN202110171133.5A CN202110171133A CN113023293A CN 113023293 A CN113023293 A CN 113023293A CN 202110171133 A CN202110171133 A CN 202110171133A CN 113023293 A CN113023293 A CN 113023293A
- Authority
- CN
- China
- Prior art keywords
- inspection
- mobile robot
- collector
- belt
- belt conveyor
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000013136 deep learning model Methods 0.000 claims abstract description 39
- 230000005236 sound signal Effects 0.000 claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012790 confirmation Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- 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
-
- 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
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
-
- 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
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
Abstract
本申请涉及工控技术领域，提供一种皮带机的巡检方法，包括在接收到巡检模式设定指令时，生成巡检模式信息；向移动机器人发送巡检指令；在接收到温度采集器发送的皮带机表面温度信号时，进行滤波处理，生成校正温度值；在接收到声音采集器发送的环境声音信号时，进行频谱分析，生成环境声音频谱，并对环境声音频谱进行识别处理，生成声频分析结果；接收皮带图像采集器发送的所述皮带图像；按预设周期通过深度学习模型进行识别处理，生成图像处理结果；根据校正温度值、声频分析结果或图像处理结果对警报设备和/或移动机器人进行控制。相应地，本申请还提供了皮带机的巡检装置、设备及系统。实施本申请，可对皮带机进行全面、智能化的巡检。
Description
技术领域
本申请涉及工控技术领域，尤其提供一种皮带机的巡检方法、装置、设备及系统。
背景技术
现有巡检系统主要存在以下缺点：一是仅仅作为移动监控平台来运行，需要依赖监控人员作出现场工况判断；二是智能化程度低，难以对现场出现的突发情况自动检测报警。三是巡检功能有限，对于现场设备泄露、异常状况、皮带破损等潜在的安全隐患，无法智能化检测分析。
发明内容
本申请的目的在于提供一种皮带机的巡检方法、装置、设备及系统，旨在解决现有的问题，即现有技术无法对皮带机车间进行全面、智能化的巡检。
为实现上述目的，本申请采用的技术方案是：
第一方面，本申请提供了一种皮带机的巡检方法，所述巡检方法应用于巡检系统中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述巡检方法包括：
在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果；
接收所述皮带图像采集器发送的所述皮带图像；
按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果；
根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
第二方面，本申请还提供了一种皮带机的巡检装置，所述巡检装置集成于巡检系统，所述巡检装置应用于巡检系统巡检装置中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述巡检装置包括：
巡检模式设定模块，用于在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
巡检指令发送模块，用于根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
温度处理模块，用于在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
声频分析模块，用于在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果；
现场视频采集模块，用于接收所述皮带图像采集器发送的所述皮带图像；
瑕疵识别模块，用于按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果；
控制模块，用于根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
第三方面，本申请还提供了一种数据处理设备，所述数据处理设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的巡检方法。
第四方面，本申请还提供了一种皮带机的巡检系统，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述控制器用于实现第一方面的巡检方法。
本申请的有益效果：
本申请的提供的一种皮带机的巡检方法、装置、设备及系统，可对皮带机进行全面、智能化的巡检。
具体来说，应用于控制器的所述巡检方法在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息，然后根据巡检模式信息向移动机器人发送巡检指令，以驱动所述移动机器人按巡检模式执行巡检任务，使得移动机器人可执行不同的巡检任务，提高巡检的覆盖面。控制器在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值，从而自动、准确地识别当前皮带机表面温度。控制器在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，从而自动、准确识别出现场异常声音。控制器接收所述皮带图像采集器发送的所述皮带图像，然后按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果，从而自动、准确地识别出皮带瑕疵。最终，通过上述步骤，实现了对皮带机表面温度、现场异常声音、皮带瑕疵等问题进行全面、智能化的巡检。
可以理解的是，实现上述皮带机的巡检方法的装置、设备及系统可以取得相同的有益效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请皮带机的巡检系统实施例一的流程图；
图2为本申请皮带机的巡检系统实施例一的向移动机器人发送巡检指令的流程图；
图3为本申请皮带机的巡检系统实施例一的导轨部署图；
图4为本申请皮带机的巡检系统实施例一的扩展流程图；
图5为本申请皮带机的巡检系统实施例二的流程图；
图6为本申请皮带机的巡检方法实施例二的模型训练流程图；
图7为本申请皮带机的巡检装置实施例的结构框图；
图8为本申请数据处理设备实施例的结构框图；
图9为本申请皮带机的巡检系统实施例的结构框图；
图10为本申请皮带机的巡检系统实施例的连接关系图；
图11为本申请皮带机的巡检系统实施例的移动机器人第一结构图；
图12为本申请皮带机的巡检系统实施例的移动机器人第二结构图。
其中，图中各附图标记：
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
在本申请的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
为了说明本申请所述的技术方案，下面通过以下实施例来进行说明。
实施例一
本申请实施例提供了一种皮带机的巡检方法，所述巡检方法应用于巡检系统中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接。
请参阅图1，所述巡检方法包括：
步骤S101，在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息。
步骤S102，根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务。
移动机器人在初始位置待机状态下，检测巡检指令，接收到巡检指令后，对运动模块，通信模块，电池电量检测电路等部件进行自检，并调整各部件的位置姿态。然后开始对皮带机甲进行巡检，并实时将现场视频、温度、声音等信息，以及移动机器人的位置信息通过现场部署无线通信设备实时返回至控制器。
在一个实施例中，所述巡检系统还包括自动旋转云台，所述自动旋转云台安装在所述移动机器人上，所述温度采集器及皮带图像采集器分别安装在所述自动旋转云台上，所述自动旋转云台与所述通信模块连接。
所述根据所述巡检模式设定指令生成巡检模式信息，包括：
在所述巡检模式设定指令中提取巡检时间信息、巡检路线信息及云台角度模式信息。
在应用中，巡检时间信息包括定时时间信息或临时时间信息。其中，定时时间信息代表在预设固定时间执行巡检任务，比如每天上午十点整。临时时间信息代表在预设固定时间外的某个时间点执行巡检任务，比如，在某天的十一点增加一次巡检任务。
在应用中，巡检路线信息可以定点巡检路线信息，也可以是多点巡检路线信息。比如，有三台皮带机，则定点巡检路线信息可以为巡检第二台皮带机。此时，在巡检时间信息设定的时间到达时，移动机器人直接移动到第二台皮带机进行巡检，不对其他的皮带机进行巡检。又比如，多点巡检路线信息可以是巡检第一、三台皮带机。此时，在巡检时间信息设定的时间到达时，移动机器人依次移动到第一、三台皮带机进行巡检，跳过第二台皮带机。
请参阅图2，所述根据所述巡检模式信息向移动机器人发送所述巡检指令，以使得所述移动机器人按巡检模式执行巡检任务，包括：
步骤S1021，根据所述巡检时间信息及巡检路线信息向所述移动机器人发送巡检指令，以使得所述移动机器人按预设时间及预设路线对皮带机进行巡检。
步骤S1022，在接收到检测确认请求时，提取所述检测确认请求中的皮带位置信息，根据所述皮带位置信息及对应的云台角度模式信息向所述移动机器人发送所述巡检指令，以使得所述移动机器人按照预设角度调节所述自动旋转云台的角度。
在应用中，可以通过设置皮带位置信息与云台角度模式信息的映射来建立对应关系，从而根据对应关系自动设定云台角度。自动旋转云台可搭载红外热像仪、可见光高清相机。自动旋转云台的水平旋转范围可为0°至360°，垂直方向旋转范围可为-90°至90°。
步骤S1023，所述检测确认请求在所述移动机器人到达待检测皮带机后发送。
步骤S1021至步骤S1023使得机器人只需要在特定时候接收指令，其余按照指令自动执行巡检任务，不需要人手全程控制，提高了自动化程度。当然，管理人员也可以根据需要通过与控制器连接的远程操控端，比如移动电话，对移动机器人进行全程控制。
步骤S103，在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值。
在应用中，可以采用红外热像仪作为温度采集器，获取视野内多点温度值。可以计算多点温度平均值，也可以通过设定温度值阈值，筛选多点温度值的最大值。
步骤S104，在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果。
现场设备正常工作时产生的工作噪声作为背景噪声，当出现故障时产生的噪声就成为异常噪声。考虑异常噪声相对比较稳定的现场背景噪声来说，一般处于不同的频段，频域特征存在比较明显的差异。对返回的环境声音信息通过快速傅里叶变换进行频谱分析，得到各个频率段的频谱特征。根据异常声音频谱信息与现场平稳的背景频谱信息差异性比对，实现异常声音的分析检测。
步骤S105，接收所述皮带图像采集器发送的所述皮带图像。
步骤S106，按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果。
在一个实施例中，并非每次接收到新的皮带图像都通过深度学习模型进行识别处理，否则会加重控制器的处理压力。可以按预设周期，比如每周一次，通过深度学习模型对所述皮带图像进行识别处理，从而减轻控制器的处理压力。
在应用中，预先加载训练好的深度学习模型，比如神经网络模型到服务器GPU，对采集的图像进行检测，缺陷位置标注显示。
具体地，神经网络模型可采用VGG16模型，输入可以为224×224×3的彩色图，图像长宽为224×224，3通道。VGG16网络由13层卷积层、5个池化层以及3层全连接层组成。
步骤S107，根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
在应用中，控制器可在数据结果界面显示校正温度值、声频分析结果或图像处理结果，并控制警报设备，如警报灯、蜂鸣警报区，发出报警，后台人员可控制移动机器人对报警区域重点巡视排查。
在一个实施例中，所述巡检系统还包括机器人导轨，所述机器人导轨安装在皮带机的上方，所述移动机器人挂接在所述机器人导轨上，所述机器人导轨上每隔预设距离的位置上设有位置传感器，所述位置传感器通过所述通信模块与所述控制器连接。
在应用中，可在导轨每间隔两米设定一个定位传感器，实现移动机器人实时轨道位置信息反馈。具体地，位置传感器可采用射频标签。
所述巡检方法还包括：
在接收到所述位置传感器发送的移动机器人位置信号时，根据所述移动机器人位置信号输出机器人移动轨迹信息。
如图3所示，在应用中，导轨设计为S形，导轨沿途巡视视野覆盖A，B，C三条皮带区域，移动机器人R从一端开始，巡视完成一周后，原路返回。在移动机器人移动过程中，其移动轨迹将可以输出到与控制器连接的显示设备上，使管理人员清楚移动机器人的实时位置。
在一个实施例中，所述巡检系统还包括机器人充电站，所述机器人充电站安装在所述机器人导轨的旁侧，并与电源连接。
如图3所示，在应用中，机器人充电站E可设在皮带机的一端，移动机器人可自带电池电量检测电路，且通过控制器设置电量报警下限。当电量低于设置值时，移动机器人会自动停止当前巡检任务，同时发出警报，并自主运行到机器人充电站进行充电。
请参阅图4，所述巡检方法还包括：
步骤S108，在接收到充电模式设置指令时，提取所述充电模式设置指令中的定时充电模式信息及自动充电模式信息；
步骤S109，根据所述定时充电模式信息向所述移动机器人发送充电指令，以驱动所述移动机器人在预设时间移动到所述机器人充电站进行充电；
或者，根据所述自动充电模式信息向所述移动机器人发送所述充电指令，以驱动所述移动机器人在自行检测到的电池电量低于预设阈值时移动到所述机器人充电站进行充电。
在应用中，机器人充电站对应位置设定射频标签。移动机器人可获取射频标签信号。移动机器人可自行检测电池电量，电量低时，自主运行到机器人充电站对应射频标签位置，自行调整姿态充电。另外，移动机器人运行至机器人充电站位置时，也可自动检测电池电量，当电量小于预先设定充电阈值后，自行充电，电量充足情况下则正常运行。
本申请实施例可对皮带机进行全面巡检、智能化的巡检。
具体来说，应用于控制器的所述巡检方法在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息，然后根据巡检模式信息向移动机器人发送巡检指令，以驱动所述移动机器人按巡检模式执行巡检任务，使得移动机器人可执行不同的巡检任务，提高巡检的覆盖面。控制器在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值，从而自动、准确地识别当前皮带机表面温度。控制器在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，从而自动、准确识别出现场异常声音。控制器接收所述皮带图像采集器发送的所述皮带图像，然后按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果，从而自动、准确地识别出皮带瑕疵。最终，通过上述步骤，实现了对皮带机表面温度、现场异常声音、皮带瑕疵等问题进行全面、智能化的巡检。
实施例二
本申请实施例提供一种皮带机的巡检方法，可以应用于实施例一的皮带机的巡检系统中的控制器，所述控制器可以是服务器、单片机等，本申请实施例对控制器的具体类型不做任何限制。
本申请实施例是对实施例一的进一步说明，本申请实施例与实施例一相同的内容详见实施例一，在此不再赘述。
请参阅图5，本实施例中的皮带机的巡检方法包括：
步骤S201，在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
步骤S202，根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
步骤S203，在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
步骤S204，在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果；
步骤S205，接收所述皮带图像采集器发送的所述皮带图像。
步骤S206，按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果。
步骤S207，根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
可以理解的是，步骤S201，步骤S202，步骤S203，步骤S204，步骤S205、步骤S206及步骤S207，分别与实施例一中的步骤S101，步骤S102，步骤S103，步骤S104，步骤S105、步骤S106及步骤S107相同。
在一个实施例中，在所述对所述环境声音信号进行频谱分析的步骤之前，包括：
对所述环境声音信号进行降噪处理。
在应用中，降噪处理的算法可采用维纳滤波方法。输入信号为含有随机噪声的环境声音信号，以期望输出与实际输出之间的差值作为误差，对该误差求均方，并使均方误差越小，以此表示噪声滤除效果。根据维纳－霍夫方程，求出最佳维纳滤波器的冲激响应，得到最小均方误差，实验证明，最佳维纳滤波器的冲激响应，主要由输入自相关函数以及输入与期望输出的互相关函数所决定。
请参阅图6，在一个实施例中，在所述通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果的步骤之前，还包括：
步骤S207，获取初始深度学习模型；
步骤S208，对所述初始深度学习模型进行训练，生成所述深度学习模型；
步骤S209，将所述深度学习模型加载到所述控制器的处理芯片中。
在一个实施例中，当控制器采用服务器时，处理芯片可以是服务器的图像处理单元(Graphic Processing Unit，GPU)。
在应用中，深度学习模型采用VGG16神经网络时，可采用以下四种方法的任一种进行训练。
第一，由于在训练时基础网络部分常常会生成比原图小数十倍的特征图，导致小的缺陷特征描述不容易被检测网络捕捉学习。结合缺陷大小，形态分布特征考虑，通过增加输入图像的尺度多样性，采用多尺度训练方式，预先定义几个固定尺度，每个训练周期随机选择一个尺度进行训练一次来提升训练模型精度。
第二，由于前期数据缺陷样本有限，采用数据增强方式对样本进行处理后进行训练。通过数据增强，增加训练样本的数量以及多样性，增加噪声数据，提升深度学习模型鲁棒性。随机改变训练样本，降低深度学习模型对某些属性的依赖，提高模型的泛化能力。对图像进行不同方式的裁剪，让缺陷以不同的实例出现在图像的不同位置，降低深度学习模型对目标位置的敏感性。调整亮度、对比度、饱和度和色调等因素来降低深度学习模型对色彩的敏感度。
第三，对于深度学习模型的训练，采用梯度下降算法进行迭代学习，对于可能产生的过拟合情况，采用迭代次数截断的方式来进行防止。即在深度学习模型对训练数据集迭代收敛之前停止迭代来实现。具体为在每个训练周期结束前，计算训练精度，当训练精度经过设定迭代次数后，比如10次，不再提升以及提升不明显情况下停止迭代。
第四，考虑到缺陷种类特点，将皮带表面缺陷如边损，撕裂等缺陷作为大类进行训练。在实际检测时，采用精确度Precision和召回率Recall作为判断深度学习模型的训练评价标准。其中，正样本精确率为：Precision＝TP/(TP+FP)；正样本召回率为：Recall＝TP/(TP+FN)；标签为正样本，分类为正样本的数目为True Positive，简称TP；标签为正样本，分类为负样本的数目为False Negative，简称FN；标签为负样本，分类为正样本的数目为False Positive，简称FP；标签为负样本，分类为负样本的数目为True Negative，简称TN。
在一个实施例中，所述巡检方法还包括：
在接收到所述移动机器人发送的障碍物信号和/或人员探测信号时，控制所述移动机器人停止移动，并控制所述警报设备发出警报。
本申请实施例可对皮带机进行全面巡检、智能化的巡检。
具体来说，应用于控制器的所述巡检方法在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息，然后根据巡检模式信息向移动机器人发送巡检指令，以驱动所述移动机器人按巡检模式执行巡检任务，使得移动机器人可执行不同的巡检任务，提高巡检的覆盖面。控制器在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值，从而自动、准确地识别当前皮带机表面温度。控制器在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，从而自动、准确识别出现场异常声音。控制器接收所述皮带图像采集器发送的所述皮带图像，然后按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果，从而自动、准确地识别出皮带瑕疵。最终，通过上述步骤，实现了对皮带机表面温度、现场异常声音、皮带瑕疵等问题进行全面、智能化的巡检。
实施例三
对应于上文实施例所述的皮带机的巡检方法，图7示出了本申请实施例提供的皮带机的巡检装置100的结构框图，该系统可以是终端设备中的虚拟装置(virtualappliance)，由终端设备的处理器运行，也可以是集成于终端设备本身。终端设备可以是实施例一或实施例二中的控制器。为了便于说明，仅示出了与本申请实施例相关的部分。
具体来说，本申请实施例皮带机的巡检装置集成于巡检系统，所述巡检装置应用于巡检系统中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接。
所述巡检装置100包括：
巡检模式设定模块1，用于在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
巡检指令发送模块2，用于根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
温度处理模块3，用于在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
声频分析模块4，用于在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果；
现场视频采集模块5，用于接收所述皮带图像采集器发送的所述皮带图像；
瑕疵识别模块6，用于在接收到所述皮带图像采集器发送的所述皮带图像时，通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果；
控制模块7，用于根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
在一个实施例中，所述巡检系统还包括机器人导轨，所述机器人导轨安装在皮带机的上方，所述移动机器人挂接在所述机器人导轨上，所述机器人导轨上每隔预设距离的位置上设有位置传感器，所述位置传感器通过所述通信模块与所述控制器连接；
所述巡检装置还包括：
轨迹显示模块，用于在接收到所述位置传感器发送的移动机器人位置信号时，根据所述移动机器人位置信号输出机器人移动轨迹信息。
在一个实施例中，所述巡检系统还包括机器人充电站，所述机器人充电站安装在所述机器人导轨的旁侧，并与电源连接；
所述巡检装置还包括：
充电信息提取模块，用于在接收到充电模式设置指令时，提取所述充电模式设置指令中的定时充电模式信息及自动充电模式信息；
充电指令发送模块，用于根据所述定时充电模式信息向所述移动机器人发送充电指令，以驱动所述移动机器人在预设时间移动到所述机器人充电站进行充电；
或者，根据所述自动充电模式信息向所述移动机器人发送所述充电指令，以驱动所述移动机器人在自行检测到的电池电量低于预设阈值时移动到所述机器人充电站进行充电。
在一个实施例中，所述巡检系统还包括自动旋转云台，所述自动旋转云台安装在所述移动机器人上，所述温度采集器及皮带图像采集器分别安装在所述自动旋转云台上，所述自动旋转云台与所述通信模块连接；
所述巡检模式设定模块包括：
巡检信息提取单元，用于在所述巡检模式设定指令中提取巡检时间信息、巡检路线信息及云台角度模式信息；
所述巡检指令发送模块包括：
时间路线指令发送单元，用于根据所述巡检时间信息及巡检路线信息向所述移动机器人发送巡检指令，以使得所述移动机器人按预设时间及预设路线对皮带机进行巡检；
检测指令发送单元，用于在接收到检测确认请求时，提取所述检测确认请求中的皮带位置信息，根据所述皮带位置信息及对应的云台角度模式信息向所述移动机器人发送所述巡检指令，以使得所述移动机器人按照预设角度调节所述自动旋转云台的角度；
所述检测确认请求在所述移动机器人到达待检测皮带机后发送。
在一个实施例中，所述巡检装置还包括：
音频降噪模块，用于对所述环境声音信号进行降噪处理。
在应用中，在声频分析模块之前调用所述音频降噪模块。
在一个实施例中，所述巡检装置还包括：
初始模型获取模块，用于获取初始深度学习模型；
模型训练模块，用于对所述初始深度学习模型进行训练，生成所述深度学习模型；
模型加载模块，用于将所述深度学习模型加载到对皮带图像进行识别的处理芯片中。
在应用中，在调用所述瑕疵识别模块之前依次调用所述初始模型获取模块、模型训练模块及模型加载模块。
在一个实施例中，所述巡检装置还包括：
避障模块，用于在接收到所述移动机器人发送的障碍物信号和/或人员探测信号时，控制所述移动机器人停止移动，并控制所述警报设备发出警报。
本申请实施例通过可对皮带机进行全面巡检、智能化的巡检。
具体来说，巡检模式设定模块在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息，然后巡检指令发送模块根据巡检模式信息向移动机器人发送巡检指令，以驱动所述移动机器人按巡检模式执行巡检任务，使得移动机器人可执行不同的巡检任务，提高巡检的覆盖面。温度处理模块在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值，从而自动、准确地识别当前皮带机表面温度。声频分析模块在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，从而自动、准确识别出现场异常声音。现场视频采集模块接收所述皮带图像采集器发送的所述皮带图像后，然后瑕疵识别模块按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果，从而自动、准确地识别出皮带瑕疵。最终，通过上述模块，实现了对皮带机表面温度、现场异常声音、皮带瑕疵等问题进行全面、智能化的巡检。
实施例四
如图8所示，本申请还提供了一种数据处理设备200，包括存储器201、处理器202以及存储在所述存储器中并可在所述处理器上运行的计算机程序203，例如。所述处理器202执行所述计算机程序203时实现上述各游戏对局数据的处理方法实施例中的步骤，例如实施例一和/或实施例二中的方法步骤。所述处理器202执行所述计算机程序203时实现上述各装置实施例中各模块的功能，例如实施例三中各模块、单元的功能。
示例性的，所述计算机程序203可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器201中，并由所述处理器202执行，以完成本申请实施例一、实施例二和/或实施例三。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序203在所述数据处理设备200中的执行过程。例如，所述计算机程序203可以被分割成巡检模式设定模块、巡检指令发送模块、温度处理模块、声频分析模块、现场视频采集模块、瑕疵识别模块、控制模块等，各模块具体功能在上述实施例三中已有描述，此处不再赘述。
所述数据处理设备200可以包括存储器，处理器。本领域技术人员可以理解，图8仅仅是数据处理设备200的示例，并不构成对数据处理设备200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述数据处理设备还可以包括输入输出设备、网络接入设备、总线等。
所述存储器201可以是所述数据处理设备200的内部存储单元，例如数据处理设备200的硬盘或内存。所述存储器201也可以是所述数据处理设备200的外部存储设备，例如所述数据处理设备200上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器201还可以既包括所述数据处理设备200的内部存储单元也包括外部存储设备。所述存储器201用于存储所述计算机程序以及所述数据处理设备所需的其他程序和数据。所述存储器201还可以用于暂时地存储已经输出或者将要输出的数据。
所称处理器202可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/数据处理设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/数据处理设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
实施例五
请参阅图9至图10，本申请实施例提供一种皮带机的巡检系统300。所述巡检系统300包括移动机器人310和控制器320，所述移动机器人310包括温度采集器311、声音采集器312、皮带图像采集器313及通信模块314；所述温度采集器311、声音采集器312及皮带图像采集器313分别通过所述通信模块314与所述控制器320连接。
所述控制器用于实现实施例一和/或实施例二所述的巡检方法。
如图11至图12所示，在一个实施例中，移动机器人310挂接在导轨330上。移动机器人310还可包括底盘模块315、安全防护模块316、前端搭载模块317及运动模块318。移动机器人通过运动模块在导轨上移动。另外，导轨上按安装有定位传感器340。
运动模块由内部齿轮和四组从动滚轮组成，现场坡度情况下最高12m/min的直行速度，机器人转弯半径≥150CM。自动升降0-50cm。移动机器人采用停障系统，对障碍物和现场工作人员进行探测，遇到障碍会停止并报警。另外，也可以由控制器根据移动机器人的探测信号控制移动机器人停止并报警。
根据现场设定巡检路径为单条导轨，巡视区域覆盖输送皮带机。导轨的型材可采用钢制型材，可拼接为U型弯和S型弯，可以根据现场环境进行设计，导轨通过专用吊架组件固定在合适位置的顶部墙体或钢架上，轨道吊架的安装间距：直轨1.5米安装一套，弯轨1米安装1套。
在应用中，移动机器人可以采用但不限于Riseye型号的机器人。
在一个实施例中，所述巡检系统还包括自动旋转云台350，自动旋转云台可搭载可见光相机和红外热成像仪。其中，可见光相机可作为皮带图像采集器，红外热成像仪可作为温度采集器。自动旋转云台可实现水平转动方向0°至360°；垂直转动方向-90°至90°。
在应用中，自动旋转云台可以采用DH-TPC-PT8420M型号的设备。
声音采集器用于采集现场异常声音。在应用中，声音采集器可采用DS-236型号的设备。
控制器可以为服务器，服务器通过接收前端视频图像数据、红外图像数据、各种传感器数据，运动控制指令传输，部署后台管理软件和检测算法运行。
在一个实施例中，皮带机的巡检系统还可包括气体探测器、温湿度传感器及机器人充电站。其中，气体探测器用于检测有害气体检测，温湿度传感器用于检测温湿度检测，机器人充电站用于为移动机器人提供充电电源，实现移动机器人自主充电。在应用中，气体探测器、温湿度传感器可采用MOT500-M-B4型号的产品，机器人充电站可采用Riseye型号的产品。
通信模块可采用现场无线通信部署系统，为现场提供网络环境，比如可以采用射频收发器作为通信模块的通信单位部件。
需要说明的是，本申请实施例可以是实施例一、实施例二、实施例三或实施例四中任一实施例中的巡检系统。本申请实施例的其他组成及内容说明等内容详见实施例一至实施例四的部分，在此不再赘述。
本申请实施例可对皮带机进行全面巡检、智能化的巡检。
具体来说，应用于控制器的所述巡检方法在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息，然后根据巡检模式信息向移动机器人发送巡检指令，以驱动所述移动机器人按巡检模式执行巡检任务，使得移动机器人可执行不同的巡检任务，提高巡检的覆盖面。控制器在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值，从而自动、准确地识别当前皮带机表面温度。控制器在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，从而自动、准确识别出现场异常声音。控制器接收所述皮带图像采集器发送的所述皮带图像，然后按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果，从而自动、准确地识别出皮带瑕疵。最终，通过上述步骤，实现了对皮带机表面温度、现场异常声音、皮带瑕疵等问题进行全面、智能化的巡检。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种皮带机的巡检方法，其特征在于，所述巡检方法应用于巡检系统中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述巡检方法包括：
在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对所述环境声音频谱进行识别处理，生成声频分析结果；
接收所述皮带图像采集器发送的所述皮带图像；
按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果；
根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
2.根据权利要求1所述的皮带机的巡检方法，其特征在于，所述巡检系统还包括机器人导轨，所述机器人导轨安装在皮带机的上方，所述移动机器人挂接在所述机器人导轨上，所述机器人导轨上每隔预设距离的位置上设有位置传感器，所述位置传感器通过所述通信模块与所述控制器连接；
所述巡检方法还包括：
在接收到所述位置传感器发送的移动机器人位置信号时，根据所述移动机器人位置信号输出机器人移动轨迹信息。
3.根据权利要求2所述的巡检方法，其特征在于，所述巡检系统还包括机器人充电站，所述机器人充电站安装在所述机器人导轨的旁侧，并与电源连接；
所述巡检方法还包括：
在接收到充电模式设置指令时，提取所述充电模式设置指令中的定时充电模式信息及自动充电模式信息；
根据所述定时充电模式信息向所述移动机器人发送充电指令，以驱动所述移动机器人在预设时间移动到所述机器人充电站进行充电；
或者，根据所述自动充电模式信息向所述移动机器人发送所述充电指令，以驱动所述移动机器人在自行检测到的电池电量低于预设阈值时移动到所述机器人充电站进行充电。
4.根据权利要求1所述的巡检方法，其特征在于，所述巡检系统还包括自动旋转云台，所述自动旋转云台安装在所述移动机器人上，所述温度采集器及皮带图像采集器分别安装在所述自动旋转云台上，所述自动旋转云台与所述通信模块连接；
所述根据所述巡检模式设定指令生成巡检模式信息，包括：
在所述巡检模式设定指令中提取巡检时间信息、巡检路线信息及云台角度模式信息；
所述根据所述巡检模式信息向移动机器人发送所述巡检指令，以使得所述移动机器人按巡检模式执行巡检任务，包括：
根据所述巡检时间信息及巡检路线信息向所述移动机器人发送巡检指令，以使得所述移动机器人按预设时间及预设路线对皮带机进行巡检；
在接收到检测确认请求时，提取所述检测确认请求中的皮带位置信息，根据所述皮带位置信息及对应的云台角度模式信息向所述移动机器人发送所述巡检指令，以使得所述移动机器人按照预设角度调节所述自动旋转云台的角度；
所述检测确认请求在所述移动机器人到达待检测皮带机后发送。
5.根据权利要求1所述的巡检方法，其特征在于，在所述对所述环境声音信号进行频谱分析的步骤之前，包括：
对所述环境声音信号进行降噪处理。
6.根据权利要求1所述的巡检方法，其特征在于，在所述按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果的步骤之前，还包括：
获取初始深度学习模型；
对所述初始深度学习模型进行训练，生成所述深度学习模型；
将所述深度学习模型加载到所述控制器的处理芯片中。
7.根据权利要求1所述的巡检方法，其特征在于，所述巡检方法还包括：
在接收到所述移动机器人发送的障碍物信号和/或人员探测信号时，控制所述移动机器人停止移动，并控制所述警报设备发出警报。
8.一种皮带机的巡检装置，其特征在于，集成于巡检系统，所述巡检装置应用于巡检系统中的控制器，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述巡检装置包括：
巡检模式设定模块，用于在接收到巡检模式设定指令时，根据所述巡检模式设定指令生成巡检模式信息；
巡检指令发送模块，用于根据所述巡检模式信息向移动机器人发送巡检指令，以使得所述移动机器人按巡检模式执行巡检任务；
温度处理模块，用于在接收到温度采集器发送的皮带机表面温度信号时，通过温度测量方法对所述皮带机表面温度信号进行滤波处理，生成校正温度值；
声频分析模块，用于在接收到所述声音采集器发送的环境声音信号时，对所述环境声音信号进行频谱分析，生成环境声音频谱，并根据预设异常声音频率对环境声音频谱进行识别处理，生成声频分析结果；
现场视频采集模块，用于接收所述皮带图像采集器发送的所述皮带图像；
瑕疵识别模块，用于按预设周期通过深度学习模型对所述皮带图像进行识别处理，生成图像处理结果；
控制模块，用于根据所述校正温度值、声频分析结果或图像处理结果对警报设备和/或所述移动机器人进行控制。
9.一种数据处理设备，其特征在于，所包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机述数据处理设备程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的巡检方法。
10.一种皮带机的巡检系统，其特征在于，所述巡检系统包括移动机器人和控制器，所述移动机器人包括温度采集器、声音采集器、皮带图像采集器、及通信模块；所述温度采集器、声音采集器及皮带图像采集器分别通过所述通信模块与所述控制器连接；
所述控制器用于实现如权利要求1至7任一所述的巡检方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110171133.5A CN113023293A (zh) | 2021-02-08 | 2021-02-08 | 一种皮带机的巡检方法、装置、设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110171133.5A CN113023293A (zh) | 2021-02-08 | 2021-02-08 | 一种皮带机的巡检方法、装置、设备及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113023293A true CN113023293A (zh) | 2021-06-25 |
Family
ID=76460633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110171133.5A Pending CN113023293A (zh) | 2021-02-08 | 2021-02-08 | 一种皮带机的巡检方法、装置、设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113023293A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113816096A (zh) * | 2021-08-23 | 2021-12-21 | 上海发电设备成套设计研究院有限责任公司 | 输煤皮带巡检方法、装置、系统及存储介质 |
| CN114104653A (zh) * | 2021-09-14 | 2022-03-01 | 精锐视觉智能科技(上海)有限公司 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
| CN114146456A (zh) * | 2021-11-12 | 2022-03-08 | 首都航天机械有限公司 | 一种复杂工业环境下皮带机智能巡检装置 |
| CN114363582A (zh) * | 2022-03-15 | 2022-04-15 | 深圳中慧轨道智能科技有限公司 | 集成式轨道巡检车图像处理系统 |
| CN115848938A (zh) * | 2022-12-29 | 2023-03-28 | 重庆大学 | 适用于带式输送机的声光巡检方法、终端及可读存储介质 |
| CN115892923A (zh) * | 2023-03-10 | 2023-04-04 | 四川东林重工科技股份有限公司 | 带式输送机智能巡检机器人 |
| CN117781897A (zh) * | 2024-02-28 | 2024-03-29 | 常州市伟通机电制造有限公司 | 基于图像采集的带材宽度巡检系统与巡检方法 |
| CN117781897B (zh) * | 2024-02-28 | 2024-05-07 | 常州市伟通机电制造有限公司 | 基于图像采集的带材宽度巡检系统与巡检方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2005201032A1 (en) * | 2005-03-08 | 2006-09-28 | Han Jin Engineering Co., Ltd. | Non-contact type conveyer belt sensing apparatus |
| CN102280826A (zh) * | 2011-07-30 | 2011-12-14 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检系统及巡检方法 |
| CN105589020A (zh) * | 2016-01-27 | 2016-05-18 | 深圳供电局有限公司 | 一种用于配电设备巡检及带电检测的检测仪及方法 |
| CN107765695A (zh) * | 2017-11-21 | 2018-03-06 | 北京百度网讯科技有限公司 | 巡检机器人和巡检系统 |
| CN108298273A (zh) * | 2018-01-24 | 2018-07-20 | 孙成梁 | 皮带机智能巡检系统 |
| CN109379564A (zh) * | 2018-10-30 | 2019-02-22 | 长春市万易科技有限公司 | 一种燃气管道无人机巡检装置及巡检方法 |
| CN110006469A (zh) * | 2019-02-23 | 2019-07-12 | 晋能大土河热电有限公司 | 一种输煤皮带巡检机器人及运行异常识别方法 |
| CN110989609A (zh) * | 2019-12-16 | 2020-04-10 | 中信重工开诚智能装备有限公司 | 一种矿用自发电式巡检机器人系统及控制方法 |
| WO2020107957A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
| CN111432179A (zh) * | 2020-04-26 | 2020-07-17 | 上海发电设备成套设计研究院有限责任公司 | 基于计算机视觉的输煤皮带智能巡检系统及方法 |
| CN111573197A (zh) * | 2020-04-22 | 2020-08-25 | 北京华能新锐控制技术有限公司 | 一种分布式皮带机异常声音检测方法 |
| CN112173636A (zh) * | 2020-08-18 | 2021-01-05 | 洛阳视距智能科技有限公司 | 一种巡检机器人对皮带机托辊故障的检测方法 |
-
2021
- 2021-02-08 CN CN202110171133.5A patent/CN113023293A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2005201032A1 (en) * | 2005-03-08 | 2006-09-28 | Han Jin Engineering Co., Ltd. | Non-contact type conveyer belt sensing apparatus |
| CN102280826A (zh) * | 2011-07-30 | 2011-12-14 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检系统及巡检方法 |
| CN105589020A (zh) * | 2016-01-27 | 2016-05-18 | 深圳供电局有限公司 | 一种用于配电设备巡检及带电检测的检测仪及方法 |
| CN107765695A (zh) * | 2017-11-21 | 2018-03-06 | 北京百度网讯科技有限公司 | 巡检机器人和巡检系统 |
| CN108298273A (zh) * | 2018-01-24 | 2018-07-20 | 孙成梁 | 皮带机智能巡检系统 |
| CN109379564A (zh) * | 2018-10-30 | 2019-02-22 | 长春市万易科技有限公司 | 一种燃气管道无人机巡检装置及巡检方法 |
| WO2020107957A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
| CN110006469A (zh) * | 2019-02-23 | 2019-07-12 | 晋能大土河热电有限公司 | 一种输煤皮带巡检机器人及运行异常识别方法 |
| CN110989609A (zh) * | 2019-12-16 | 2020-04-10 | 中信重工开诚智能装备有限公司 | 一种矿用自发电式巡检机器人系统及控制方法 |
| CN111573197A (zh) * | 2020-04-22 | 2020-08-25 | 北京华能新锐控制技术有限公司 | 一种分布式皮带机异常声音检测方法 |
| CN111432179A (zh) * | 2020-04-26 | 2020-07-17 | 上海发电设备成套设计研究院有限责任公司 | 基于计算机视觉的输煤皮带智能巡检系统及方法 |
| CN112173636A (zh) * | 2020-08-18 | 2021-01-05 | 洛阳视距智能科技有限公司 | 一种巡检机器人对皮带机托辊故障的检测方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113816096A (zh) * | 2021-08-23 | 2021-12-21 | 上海发电设备成套设计研究院有限责任公司 | 输煤皮带巡检方法、装置、系统及存储介质 |
| CN114104653A (zh) * | 2021-09-14 | 2022-03-01 | 精锐视觉智能科技(上海)有限公司 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
| CN114146456A (zh) * | 2021-11-12 | 2022-03-08 | 首都航天机械有限公司 | 一种复杂工业环境下皮带机智能巡检装置 |
| CN114363582A (zh) * | 2022-03-15 | 2022-04-15 | 深圳中慧轨道智能科技有限公司 | 集成式轨道巡检车图像处理系统 |
| CN115848938A (zh) * | 2022-12-29 | 2023-03-28 | 重庆大学 | 适用于带式输送机的声光巡检方法、终端及可读存储介质 |
| CN115892923A (zh) * | 2023-03-10 | 2023-04-04 | 四川东林重工科技股份有限公司 | 带式输送机智能巡检机器人 |
| CN117781897A (zh) * | 2024-02-28 | 2024-03-29 | 常州市伟通机电制造有限公司 | 基于图像采集的带材宽度巡检系统与巡检方法 |
| CN117781897B (zh) * | 2024-02-28 | 2024-05-07 | 常州市伟通机电制造有限公司 | 基于图像采集的带材宽度巡检系统与巡检方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113023293A (zh) | 一种皮带机的巡检方法、装置、设备及系统 | |
| CN103884377B (zh) | 隧道监测传感器 | |
| CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
| CN109484935A (zh) | 一种电梯轿厢监控方法、装置及系统 | |
| CN104986129B (zh) | 专用车作业状态的监测系统及其方法 | |
| CN111324143A (zh) | 无人机自主巡视避障系统、方法及计算机设备 | |
| CN106355367A (zh) | 仓库监控管理装置 | |
| CN110213542A (zh) | 一种基于物联网大数据的基坑综合在线监测云平台系统 | |
| CN114104653A (zh) | 一种输煤仓区域输煤皮带机智能巡检检测方法 | |
| CN207268846U (zh) | 电力巡检机器人 | |
| EP4116906A1 (en) | Method for warehouse storage-location monitoring, computer device, and non-volatile storage medium | |
| CN112775970A (zh) | 一种巡检机器人多传感器系统及巡检方法 | |
| CN103308101A (zh) | 一种用于巡检变电站的装置 | |
| CN112084813A (zh) | 异常目标的检测方法、装置及存储介质 | |
| CN116379359B (zh) | 天然气泄露检测方法及多模态天然气泄露检测系统 | |
| CN108872780B (zh) | 带电勘查的带电作业检测、系统及终端设备 | |
| CN110703760A (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
| CN210081754U (zh) | 一种巡检机器人 | |
| CN102494629B (zh) | 流水线传动链检测方法及其装置 | |
| CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
| CN108521296B (zh) | 货品信息识别系统及方法 | |
| CN116863629A (zh) | 一种基于多传感器的报警装置、报警方法及电子设备 | |
| CN110318953B (zh) | 风电机组电控系统的温度监控方法和设备 | |
| CN115063427B (zh) | 用于新型船舶的污染物排放监控图像处理方法 | |
| CN113516091B (zh) | 一种识别变电站电火花图像的方法 |
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 |