CN113112485A - 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 - Google Patents

基于图像处理的皮带机跑偏检测方法、系统、设备和介质 Download PDF

Info

Publication number
CN113112485A
CN113112485A CN202110423803.8A CN202110423803A CN113112485A CN 113112485 A CN113112485 A CN 113112485A CN 202110423803 A CN202110423803 A CN 202110423803A CN 113112485 A CN113112485 A CN 113112485A
Authority
CN
China
Prior art keywords
image
belt conveyor
belt
edge
coordinate
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
Application number
CN202110423803.8A
Other languages
English (en)
Inventor
庞殊杨
刘常坤
刘斌
贾鸿盛
毛尚伟
许怀文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CISDI Chongqing Information Technology Co Ltd
Original Assignee
CISDI Chongqing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CISDI Chongqing Information Technology Co Ltd filed Critical CISDI Chongqing Information Technology Co Ltd
Priority to CN202110423803.8A priority Critical patent/CN113112485A/zh
Publication of CN113112485A publication Critical patent/CN113112485A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • 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
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出基于图像处理的皮带机跑偏检测方法、系统、设备和介质，包括：获取皮带机正常运行下的一张或多张图像，作为第一图像集；根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域；获取实时皮带机图像，作为第二图像，获取所述第二图像中皮带两侧边缘线的位置信息；根据所述位置信息和所述坐标区域，确定皮带机是否跑偏；本发明可及时准确判断皮带机是否跑偏，预估风险，保障皮带机安全运行。

Description

基于图像处理的皮带机跑偏检测方法、系统、设备和介质
技术领域
本发明涉及图像处理领域，尤其涉及基于图像处理的皮带机跑偏检测方法、 系统、设备和介质。
背景技术
皮带机是皮带输送机的简称，皮带机运用输送带的连续或间歇运动来输送各 种轻重不同的物品，包括各种散料、各种纸箱、包装袋等单件重量不大的件货。 如果皮带机跑偏会导致生产停工，在一定程度上对生产安全产生影响，容易诱发 安全隐患的发生。如果跑偏严重，很容易造成皮带翻卷物料的现象，单侧受力过 度会造成皮带横向断裂，对周围工作人员的人身安全造成威胁。同时，皮带机跑 偏容易造成物料洒落，不仅造成浪费而且清理起来也比较困难，造成生产环境的 污染。目前，在钢铁冶炼场景中，并未对皮带机跑偏进行有效判定，不能保证皮 带机运行处于正常状态，无法较好地规避皮带机跑偏的情况，容易造成不必要的 损失。
发明内容
鉴于以上现有技术存在的问题，本发明提出基于图像处理的皮带机跑偏检测 方法、系统、设备和介质，主要解决无法及时有效规避皮带机跑偏风险的问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下。
基于图像处理的皮带机跑偏检测方法，包括：
获取皮带机正常运行下的一张或多张图像，作为第一图像集；
根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域；
获取实时皮带机图像，作为第二图像，获取所述第二图像中皮带两侧边缘线 的位置信息；
根据所述位置信息和所述坐标区域，确定皮带机是否跑偏。
可选地，获取所述第二图像中皮带两侧边缘线的位置信息，包括：
对所述第二图像进行滤波处理，其中，所述滤波处理包括：通过水平方向的 高通滤波，得到经过边缘提取及锐化增强后的图像；
获取经过滤波处理的图像中传送方向上皮带的轮廓信息；
对所述轮廓信息进行筛选，得到皮带两侧边缘线的位置信息。
可选地，包括：设置一个或多个图像采集装置，用于获取皮带机图像。
可选地，根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域， 包括：
根据所述第一图像集中的图像进行标注，得到皮带两侧边缘线对应的矩形区 域；
确定标注的矩形区域在对应图像中的坐标信息。
可选地，通过水平方向的高通滤波，得到经过边缘提取及锐化增强后的图像， 包括：
通过边缘检测算法对所述第二图像进行边缘检测，获取边缘图像；
对所述边缘图像进行对比度增强。
可选地，获取边缘图像，包括：
设定水平方向的卷积核，对所述第二图像进行卷积运算，获取边缘图像，其 中，卷积核大小为3*3。
可选地，对所述边缘图像进行对比度增强，包括：
对边缘图像对应的图像矩阵进行线性变换，得到增强后的图像y，变换公式 为：
y＝ax+b
其中，a和b为线性变换参数，x为边缘图像矩阵。
可选地，获取经过滤波处理的图像中传送方向上皮带的轮廓信息，包括：
对所述增强后的图像进行二值化处理，将图像转化为黑白图像；
提取黑白图像中白色区域的轮廓坐标信息，其中，白色区域表示皮带对应图 像区域；
筛去长度过短的轮廓；
对剩余轮廓进行膨胀处理；
保留长度最长的两条直线作为皮带机两侧边缘线轮廓并得到其坐标信息。
可选地，对所述增强后的图像进行二值化处理，包括：
设定阈值为kth；
所述增强后图像像素值小于kth时设为1，大于k时设为0，得到黑白图像矩 阵binary，条件表达式为：
if k＞kth binary＝0
ifk＜kth binary＝1
其中，k为所述增强后图像像素值。
可选地，还包括：
根据所述皮带机相邻两滚轴的坐标位置设置皮带两侧边缘线的起点和终点； 根据所述起点和/或终点与所述坐标区域的，确定所述皮带机是否跑偏。
可选地，根据所述起点和/或终点与所述坐标区域的，确定所述皮带机是否 跑偏，包括：
选取一侧所述边缘线起点横坐标xinit和终点横坐标xfinal中最大的一方作为判 断值xjudge：
xjudge＝max(xinit，xfinal)
当边缘线坐标在所述坐标区域内时，皮带机运输正常，判定条件为：
xmin_rect＜xjudge＜xmax_rect
其中，xmin_rect表示坐标区域的横坐标的最小值；xmax_rect表示坐标区域的横 坐标最大值；
当边缘线坐标在所述坐标区域外时，皮带机出现跑偏异常，判定条件为：
xmin_rect＞xjudge||xjudge＜xmax_rect。
基于图像处理的皮带机跑偏检测系统，包括：
图像集获取模块，用于获取皮带机正常运行下的一张或多张图像，作为第一 图像集；
区域设置模块，用于根据所述第一图像集设置皮带机上皮带两侧边缘线之间 的坐标区域；
边缘线获取模块，用于获取实时皮带机图像，作为第二图像，获取所述第二 图像中皮带两侧边缘线的位置信息；
运行状态判别模块，用于根据所述位置信息和所述坐标区域，确定皮带机是 否跑偏。
一种设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行 时，使得所述设备执行所述的于图像处理的皮带机跑偏检测方法。
一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时， 使得设备执行所述的于图像处理的皮带机跑偏检测方法。
如上所述，本发明基于图像处理的皮带机跑偏检测方法、系统、设备和介质， 具有以下有益效果。
能够较好地识别皮带机上皮带两侧边缘线，判断出皮带两侧边缘线的坐标信 息，并及时判断出皮带机处于跑偏异常的情况，避免造成不必要的损失。
附图说明
图1为本发明一实施例中基于图像处理的皮带机跑偏检测方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说 明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外 不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观 点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不 冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本 构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、 形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变， 且其组件布局型态也可能更为复杂。
发明人发现，皮带机是皮带输送机的简称，皮带机运用输送带的连续或间歇 运动来输送各种轻重不同的物品，包括各种散料、各种纸箱、包装袋等单件重量 不大的件货。如果皮带机跑偏会导致生产停工，在一定程度上对生产安全产生影 响，容易诱发安全隐患的发生。如果跑偏严重，很容易造成皮带翻卷物料的现象， 单侧受力过度会造成皮带横向断裂，对周围工作人员的人身安全造成威胁。同时， 皮带机跑偏容易造成物料洒落，不仅造成浪费而且清理起来也比较困难，造成生 产环境的污染。目前，在钢铁冶炼场景中，并未对皮带机跑偏进行有效判定，不 能保证皮带机运行处于正常状态，无法较好地规避皮带机跑偏的情况，容易造成 不必要的损失。
请参阅图1，基于以上问题，本发明提供基于图像处理的皮带机跑偏检测方 法，包括以下步骤：
步骤S01，获取皮带机正常运行下的一张或多张图像，作为第一图像集。
在一实施例中，可预先采集皮带机正常运行状态下的图像组成第一图像集。 具体地，可在皮带机对应位置安装一个或多个图像采集装置，其中，图像采集装 置可包括工业相机。在皮带机上方安装工业相机；通过工业相机采集完整清晰的 皮带机图像。
步骤S02，根据第一图像集设置皮带机上皮带两侧边缘线形成的坐标区域。
在一实施例中，设定皮带机上皮带两侧边缘线的坐标区域，设定坐标区域的 步骤包括：根据图像中皮带机上皮带正常传送时的位置，标注皮带两侧边缘线的 矩形坐标区域；确定矩形坐标区域的参数，可表示如下：
rectangle(n)＝(xmax_rect，ymax_rect，xmin_rect，ymin_rect)
其中(xmax_rect，ymax_rect)，(xmin_rect，ymin_rect)为矩形坐标区域的对角坐标，n为边缘线数。
可选地，当第一图像集中包含多张图像时，分别标注每张图像中皮带两侧边 缘线对应的矩形坐标区域。可对所有矩形坐标区域进行拟合，得到包含所有矩形 区域的最小外接矩形作为坐标区域。
步骤S03，获取实时皮带机图像，作为第二图像，获取所述第二图像中皮带 两侧边缘线的位置信息。
在一实施例中，可对第二图像进行滤波处理，包括水平方向的高通滤波，得 到边缘提取及锐化增强后的图像，滤波处理的步骤包括：使用Sobel算子对图像 进行边缘检测，得到较为精确的边缘方向信息，获取边缘图像；对边缘图像进行 图像对比度增强。示例性地，获取第二图像的图像矩阵；设定第二图像水平方向 上的3*3的卷积核G_x；对第二图像像素进行卷积运算，获取边缘图像矩阵Gx， 运算公式如下：
Gx＝G_x*A
其中，G_x为卷积核，A为图像矩阵；
对边缘图像矩阵进行线性变换，得到图像增强结果y，变换公式为：
y＝ax+b
其中a和b为线性变换参数，x为边缘图像矩阵；
在一实施例中，设皮带传送方向为竖直方向，则对滤波处理后的图像提取竖 直方向轮廓，得到皮带的轮廓信息。轮廓提取的步骤包括：对增强后的图像进行 二值化处理，将图像转化为黑白图像；提取黑白图像中白色区域的轮廓坐标信息， 白色区域则可表示皮带对应第二图像中的区域。示例性地，设定图像像素阈值为 kth；增强后图像像素值小于kth时设为1，大于k时设为0，得到黑白图像矩阵 binary，条件表达式为：
if k＞kth binary＝0
if k＜kth binary＝1
其中，k为增强后图像像素值；
在一实施例中，筛选轮廓得到皮带机两侧边缘线检测结果及其坐标：筛去长 度过短的轮廓；对剩余轮廓进行膨胀处理；保留长度最长的两条直线作为皮带机 两侧边缘线轮廓并得到其坐标，坐标表达式为：
line(n)＝(xinit，yinit，xfinal，yfinal)
其中，xinit，yinit代表边缘线起点坐标，xfinal，yfinal代表边缘线终点坐标，n代表 线条数。
步骤S04，根据位置信息和所述坐标区域，确定皮带机是否跑偏。
在一实施例中，基于皮带机两侧边缘线坐标与滚轴坐标参数判定皮带机是否 跑偏。
根据所述皮带机相邻两滚轴的坐标位置设置皮带两侧边缘线的起点和终点；
根据起点和/或终点与所述坐标区域的，确定所述皮带机是否跑偏。
在一实施例中，可选取边缘线起点横坐标和终点横坐标中较大的一方作为判 断值xjudge：
xjudge＝max(xinit，xfinal)
当边缘线坐标在坐标区域内时，皮带机运输正常，判定条件为：
xmin_rect＜xjudge＜xmax_rect
当边缘线坐标在坐标区域外时，皮带机出现跑偏异常，判定条件为：
xmin_rect＞xjudge||xjudge＜xmax_rect。
本实施例还提供了基于图像处理的皮带机跑偏检测系统，用于执行前述方 法实施例中所述的基于图像处理的皮带机跑偏检测方法。由于系统实施例的技术 原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘 述。
在一实施例中，基于图像处理的皮带机跑偏检测系统，包括：
图像集获取模块，用于获取皮带机正常运行下的一张或多张图像，作为第一 图像集；
区域设置模块，用于根据所述第一图像集设置皮带机上皮带两侧边缘线之间 的坐标区域；
边缘线获取模块，用于获取实时皮带机图像，作为第二图像，获取所述第二 图像中皮带两侧边缘线的位置信息；
运行状态判别模块，用于根据所述位置信息和所述坐标区域，确定皮带机是否跑偏。
本实施例还提供一种计算机可读存储介质，上存储有指令，当由一个或多个 处理器执行时，使得设备执行前述的于图像处理的皮带机跑偏检测方法。
本实施例还提供一种设备，包括：一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行 时，使得所述设备执行所述的于图像处理的皮带机跑偏检测方法。
本实施例中的机器可读存储介质，本领域普通技术人员可以理解：实现上述 各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的 计算机程序可以存储于一机器可读存储介质中。该程序在执行时，执行包括上述 各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等 各种可以存储程序代码的介质。
本实施例提供的设备，包括处理器、存储器、收发器和通信接口，存储器和 通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程 序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使设备执行 如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory， 简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个 磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处 理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
综上所述，本发明基于图像处理的皮带机跑偏检测方法、系统、设备和介质， 能够较好地识别皮带机上皮带两侧边缘线，判断出皮带两侧边缘线的坐标信息， 并及时判断出皮带机处于跑偏异常的情况，避免造成不必要的损失。所以，本发 明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任 何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修 饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的 精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵 盖。

Claims (14)

1.基于图像处理的皮带机跑偏检测方法，其特征在于，包括：
获取皮带机正常运行下的一张或多张图像，作为第一图像集；
根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域；
获取实时皮带机图像，作为第二图像，获取所述第二图像中皮带两侧边缘线的位置信息；
根据所述位置信息和所述坐标区域，确定皮带机是否跑偏。
2.根据权利要求1所述的基于图像处理的皮带机跑偏检测方法，其特征在于，获取所述第二图像中皮带两侧边缘线的位置信息，包括：
对所述第二图像进行滤波处理，其中，所述滤波处理包括：通过水平方向的高通滤波，得到经过边缘提取及锐化增强后的图像；
获取经过滤波处理的图像中传送方向上皮带的轮廓信息；
对所述轮廓信息进行筛选，得到皮带两侧边缘线的位置信息。
3.根据权利要求1所述的基于图像处理的皮带机跑偏检测方法，其特征在于，包括：设置一个或多个图像采集装置，用于获取皮带机图像。
4.根据权利要求1所述的基于图像处理的皮带机跑偏检测方法，其特征在于，根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域，包括：
根据所述第一图像集中的图像进行标注，得到皮带两侧边缘线对应的矩形区域；
确定标注的矩形区域在对应图像中的坐标信息。
5.根据权利要求2所述的基于图像处理的皮带机跑偏检测方法，其特征在于，通过水平方向的高通滤波，得到经过边缘提取及锐化增强后的图像，包括：
通过边缘检测算法对所述第二图像进行边缘检测，获取边缘图像；
对所述边缘图像进行对比度增强。
6.根据权利要求5所述的基于图像处理的皮带机跑偏检测方法，其特征在于，获取边缘图像，包括：
设定水平方向的卷积核，对所述第二图像进行卷积运算，获取边缘图像，其中，卷积核大小为3*3。
7.根据权利要求5所述的基于图像处理的皮带机跑偏检测方法，其特征在于，对所述边缘图像进行对比度增强，包括：
对边缘图像对应的图像矩阵进行线性变换，得到增强后的图像y，变换公式为：
y＝ax+b
其中，a和b为线性变换参数，x为边缘图像矩阵。
8.根据权利要求2所述的基于图像处理的皮带机跑偏检测方法，其特征在于，获取经过滤波处理的图像中传送方向上皮带的轮廓信息，包括：
对所述增强后的图像进行二值化处理，将图像转化为黑白图像；
提取黑白图像中白色区域的轮廓坐标信息，其中，白色区域表示皮带对应图像区域；
筛去长度过短的轮廓；
对剩余轮廓进行膨胀处理；
保留长度最长的两条直线作为皮带机两侧边缘线轮廓并得到其坐标信息。
9.根据权利要求8所述的基于图像处理的皮带机跑偏检测方法，其特征在于，对所述增强后的图像进行二值化处理，包括：
设定阈值为kth；
所述增强后图像像素值小于kth时设为1，大于k时设为0，得到黑白图像矩阵binary，条件表达式为：
if k＞kth binary＝0
if k＜kth binary＝1
其中，k为所述增强后图像像素值。
10.根据权利要求1所述的基于图像处理的皮带机跑偏检测方法，其特征在于，还包括：
根据所述皮带机相邻两滚轴的坐标位置设置皮带两侧边缘线的起点和终点；
根据所述起点和/或终点与所述坐标区域的，确定所述皮带机是否跑偏。
11.根据权利要求10所述的基于图像处理的皮带机跑偏检测方法，其特征在于，根据所述起点和/或终点与所述坐标区域的，确定所述皮带机是否跑偏，包括：
选取一侧所述边缘线起点横坐标xinit和终点横坐标xfinal中最大的一方作为判断值xjudge：
xjudge＝max(xinit,xfinal)
当边缘线坐标在所述坐标区域内时，皮带机运输正常，判定条件为：
xmin_rect＜xjudge＜xmax_rect
其中，xmin_rect表示坐标区域的横坐标的最小值；xmax_rect表示坐标区域的横坐标最大值；
当边缘线坐标在所述坐标区域外时，皮带机出现跑偏异常，判定条件为：
xmin_rect＞xjudge||xjudge＜xmax_rect。
12.基于图像处理的皮带机跑偏检测系统，其特征在于，包括：
图像集获取模块，用于获取皮带机正常运行下的一张或多张图像，作为第一图像集；
区域设置模块，用于根据所述第一图像集设置皮带机上皮带两侧边缘线之间的坐标区域；
边缘线获取模块，用于获取实时皮带机图像，作为第二图像，获取所述第二图像中皮带两侧边缘线的位置信息；
运行状态判别模块，用于根据所述位置信息和所述坐标区域，确定皮带机是否跑偏。
13.一种设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-11中一个或多个所述的方法。
14.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-11中一个或多个所述的方法。
CN202110423803.8A 2021-04-20 2021-04-20 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 Pending CN113112485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110423803.8A CN113112485A (zh) 2021-04-20 2021-04-20 基于图像处理的皮带机跑偏检测方法、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110423803.8A CN113112485A (zh) 2021-04-20 2021-04-20 基于图像处理的皮带机跑偏检测方法、系统、设备和介质

Publications (1)

Publication Number Publication Date
CN113112485A true CN113112485A (zh) 2021-07-13

Family

ID=76718843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110423803.8A Pending CN113112485A (zh) 2021-04-20 2021-04-20 基于图像处理的皮带机跑偏检测方法、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN113112485A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113674259A (zh) * 2021-08-26 2021-11-19 中冶赛迪重庆信息技术有限公司 一种皮带机打滑检测方法、系统、电子设备及介质
CN114155494A (zh) * 2022-02-10 2022-03-08 力博重工科技股份有限公司 一种基于深度学习的带式输送机输送带跑偏监测方法
CN114581447A (zh) * 2022-05-07 2022-06-03 合肥金星智控科技股份有限公司 一种基于机器视觉的运输皮带跑偏识别方法和装置
CN117495858A (zh) * 2023-12-29 2024-02-02 合肥金星智控科技股份有限公司 皮带偏移的检测方法、系统、设备和介质
CN117495858B (zh) * 2023-12-29 2024-06-11 合肥金星智控科技股份有限公司 皮带偏移的检测方法、系统、设备和介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102602681A (zh) * 2012-01-13 2012-07-25 天津工业大学 基于机器视觉的输送带跑偏故障在线检测方法
JP2012189633A (ja) * 2011-03-08 2012-10-04 Ricoh Co Ltd ベルト搬送装置及び画像形成装置
CN103051872A (zh) * 2012-12-18 2013-04-17 青岛科技大学 基于图像边缘提取的输送带跑偏检测方法
CN103208117A (zh) * 2013-03-21 2013-07-17 袁景 一种多功能智能皮带表面斑块边缘检测方法
CN106296700A (zh) * 2016-08-15 2017-01-04 南京工程学院 一种钢丝绳输送带接头抽动检测方法
US20180273303A1 (en) * 2015-09-30 2018-09-27 Contitech Transportbandsysteme Gmbh Conveyor Belt Edge Detection System
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
CN110422586A (zh) * 2019-07-30 2019-11-08 精英数智科技股份有限公司 一种皮带运输机工作状态监测方法、装置及设备
CN110589406A (zh) * 2019-10-11 2019-12-20 宁夏广天夏电子科技有限公司 一种基于三维图像及智能视频技术的皮带偏离检测系统
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
CN110838097A (zh) * 2019-11-22 2020-02-25 江苏东方赛云电子科技有限公司 一种基于机器视觉的输送带偏移测量方法
CN110902315A (zh) * 2019-12-10 2020-03-24 浙江蓝卓工业互联网信息技术有限公司 皮带偏移状态检测方法及系统
CN111003446A (zh) * 2019-12-10 2020-04-14 安徽银河物联通信技术有限公司 一种皮带跑偏检测方法
CN111242963A (zh) * 2018-11-29 2020-06-05 合肥泰禾光电科技股份有限公司 货箱轮廓检测方法及装置
CN111325787A (zh) * 2020-02-09 2020-06-23 天津博宜特科技有限公司 基于图像处理的移动式皮带跑偏及运量检测方法
CN111908060A (zh) * 2020-08-31 2020-11-10 国电浙能宁东发电有限公司 一种电厂输煤皮带跑偏监测预警装置及方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012189633A (ja) * 2011-03-08 2012-10-04 Ricoh Co Ltd ベルト搬送装置及び画像形成装置
CN102602681A (zh) * 2012-01-13 2012-07-25 天津工业大学 基于机器视觉的输送带跑偏故障在线检测方法
CN103051872A (zh) * 2012-12-18 2013-04-17 青岛科技大学 基于图像边缘提取的输送带跑偏检测方法
CN103208117A (zh) * 2013-03-21 2013-07-17 袁景 一种多功能智能皮带表面斑块边缘检测方法
US20180273303A1 (en) * 2015-09-30 2018-09-27 Contitech Transportbandsysteme Gmbh Conveyor Belt Edge Detection System
CN106296700A (zh) * 2016-08-15 2017-01-04 南京工程学院 一种钢丝绳输送带接头抽动检测方法
CN111242963A (zh) * 2018-11-29 2020-06-05 合肥泰禾光电科技股份有限公司 货箱轮廓检测方法及装置
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
CN110422586A (zh) * 2019-07-30 2019-11-08 精英数智科技股份有限公司 一种皮带运输机工作状态监测方法、装置及设备
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
CN110589406A (zh) * 2019-10-11 2019-12-20 宁夏广天夏电子科技有限公司 一种基于三维图像及智能视频技术的皮带偏离检测系统
CN110838097A (zh) * 2019-11-22 2020-02-25 江苏东方赛云电子科技有限公司 一种基于机器视觉的输送带偏移测量方法
CN110902315A (zh) * 2019-12-10 2020-03-24 浙江蓝卓工业互联网信息技术有限公司 皮带偏移状态检测方法及系统
CN111003446A (zh) * 2019-12-10 2020-04-14 安徽银河物联通信技术有限公司 一种皮带跑偏检测方法
CN111325787A (zh) * 2020-02-09 2020-06-23 天津博宜特科技有限公司 基于图像处理的移动式皮带跑偏及运量检测方法
CN111908060A (zh) * 2020-08-31 2020-11-10 国电浙能宁东发电有限公司 一种电厂输煤皮带跑偏监测预警装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHU AICHUN等: "The Research on the Detection Method of Belt Deviation by Video in Coal Mine", 《2011 INTERNATIONAL CONFERENCE ON MECHATRONIC SCIENCE, ELECTRIC ENGINEERING AND COMPUTER》 *
滕悦等: "基于图像处理技术的皮带跑偏监测系统设计", 《烧结球团》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113674259A (zh) * 2021-08-26 2021-11-19 中冶赛迪重庆信息技术有限公司 一种皮带机打滑检测方法、系统、电子设备及介质
CN113674259B (zh) * 2021-08-26 2024-03-05 中冶赛迪信息技术(重庆)有限公司 一种皮带机打滑检测方法、系统、电子设备及介质
CN114155494A (zh) * 2022-02-10 2022-03-08 力博重工科技股份有限公司 一种基于深度学习的带式输送机输送带跑偏监测方法
CN114155494B (zh) * 2022-02-10 2022-05-17 力博重工科技股份有限公司 一种基于深度学习的带式输送机输送带跑偏监测方法
CN114581447A (zh) * 2022-05-07 2022-06-03 合肥金星智控科技股份有限公司 一种基于机器视觉的运输皮带跑偏识别方法和装置
CN117495858A (zh) * 2023-12-29 2024-02-02 合肥金星智控科技股份有限公司 皮带偏移的检测方法、系统、设备和介质
CN117495858B (zh) * 2023-12-29 2024-06-11 合肥金星智控科技股份有限公司 皮带偏移的检测方法、系统、设备和介质

Similar Documents

Publication Publication Date Title
CN113112485A (zh) 基于图像处理的皮带机跑偏检测方法、系统、设备和介质
CN109949331B (zh) 货箱边缘检测方法及装置
Wu et al. An inspection and classification method for chip solder joints using color grads and Boolean rules
WO2021168733A1 (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
CN112577969B (zh) 一种基于机器视觉的缺陷检测方法以及缺陷检测系统
CN111260626A (zh) 一种基于深度学习的工件磨损检测方法及系统
CN113077437B (zh) 工件质量检测方法及其系统
CN115035122B (zh) 基于人工智能的集成电路晶圆表面缺陷检测方法
CN110070523B (zh) 一种用于瓶底的异物检测方法
CN112164050B (zh) 用于流水线上产品表面缺陷的检测方法、设备及存储介质
CN113378952A (zh) 一种皮带机跑偏检测方法、系统、介质和终端
Bahaghighat et al. Designing quality control system based on vision inspection in pharmaceutical product lines
CN115953373B (zh) 玻璃缺陷检测方法、装置、电子设备及存储介质
CN106355590B (zh) 一种基于图像作差的模具残留物视觉检测方法及装置
CN114519714B (zh) 一种显示屏脏污缺陷判定的方法和系统
CN112862806B (zh) 一种皮带机打滑检测方法、系统、介质及电子终端
Yunardi Contour-based object detection in Automatic Sorting System for a parcel boxes
Kim et al. Dynamic object recognition using precise location detection and ANN for robot manipulator
CN113516619A (zh) 一种基于图像处理技术的产品表面瑕疵识别方法
Fang et al. Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm
CN110807354A (zh) 一种工业流水线产品计数方法
CN109508572B (zh) 一种物体位姿检测方法、装置、电子设备及存储介质
Christie et al. Fast inspection for size-based analysis in aggregate processing
JP2011153874A (ja) 外観検査装置、外観検査システムおよび外観検査方法
Choi et al. Edge-based text localization and character segmentation algorithms for automatic slab information recognition

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
CB02 Change of applicant information

Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing

Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd.

Address before: 20-24 / F, No.7 Longjing Road, North New District, Yubei District, Chongqing

Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713

RJ01 Rejection of invention patent application after publication