CN113155852A - 一种传输带的检测方法、装置及电子设备 - Google Patents
一种传输带的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113155852A CN113155852A CN202110377919.2A CN202110377919A CN113155852A CN 113155852 A CN113155852 A CN 113155852A CN 202110377919 A CN202110377919 A CN 202110377919A CN 113155852 A CN113155852 A CN 113155852A
- Authority
- CN
- China
- Prior art keywords
- image
- belt surface
- conveying belt
- detection
- sample
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 226
- 230000005540 biological transmission Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000004927 fusion Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 21
- 238000002372 labelling Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 11
- 238000005286 illumination Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000005674 electromagnetic induction Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Textile Engineering (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种传输带的检测方法、装置及电子设备,该方法包括:采集第一光源和第二光源交替照射下传输带带面的图像;根据所述图像,获取所述传输带带面的三维深度图像;根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。由此,本申请能够在实现传输带带面是否发生损坏的检测的基础上,在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
Description
技术领域
本申请涉及煤矿开采技术领域,尤其涉及一种传输带的检测方法、装置及电子设备。
背景技术
皮带运输等传输带运输,是现代工业生产中运输物料的重要手段之一。在传输带的运输过程中,如果出现传输带撕裂等损坏情况,势必会影响物料的运输、造成浪费和带来污染,甚至会因导致机器急停等故障而带来极大的安全隐患,并影响生产的顺利进行。
相关技术中,通常采用基于超声波的检测技术、基于电磁感应的检测技术以及基于机器视觉的检测技术等方式对带式输送机皮带等传输带进行检测。
然而,相关技术中的传输带检测方式往往存在可靠性低、效率差、以及仅能够实现传输带是否发生损坏的检测,而无法确定损坏程度的技术问题。这样一来,势必会严重影响传输带的工作效率,并威胁着相关人员的安全。
因此,如何确保传输带检测过程中的效率低、准确性低及可靠性差,并能够在识别传输带发生损坏的同时实现传输带损坏程度的确定,成为了亟待解决的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种传输带的检测方法,用于解决现有技术中存在的效率低、准确性低、可靠性差,且无法在识别传输带发生损坏的同时实现传输带损坏程度的确定的技术问题。
本申请的第二个目的在于提出一种传输带的检测装置。
本申请的第三个目的在于提出一种传输带系统。
本申请的第四个目的在于提出一种电子设备。
本申请的第五个目的在于提出一种计算机可读存储介质。
为了实现上述目的,本申请第一方面实施例提供了一种传输带的检测方法,该方法包括:采集第一光源和第二光源交替照射下传输带带面的图像;根据所述图像,获取所述传输带带面的三维深度图像;根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。
另外,根据本申请上述实施例的传输带的检测方法还可以具有如下附加的技术特征:
根据本申请的一个实施例,根据所述图像,获取所述传输带带面的三维深度图像,包括:对所述图像进行图像分割处理,以得到第一图像和第二图像;根据所述第一图像和所述第二图像,获取所述传输带带面的梯度信息;根据所述梯度信息,获取所述传输带带面的深度信息;根据所述传输带带面的深度信息,获取所述传输带带面的三维深度图像。
根据本申请的一个实施例,对所述图像进行图像分割处理,以得到第一图像和第二图像,包括:将所述图像按照奇数行和偶数行进行分割,并将奇数行对应的分割图像作为第一图像,将偶数行对应的分割图像作为第二图像。
根据本申请的一个实施例,根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,包括:对所述三维深度图像、所述第一图像和所述第二图像进行图像融合处理,以得到融合图像;将所述融合图像输入预先训练好的检测模型中,以生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,包括:将所述第一图像和所述第二图像输入预先训练好的检测模型中的第一检测网络,获取第一检测结果;将所述三维深度图像输入所述训练好的检测模型中的第二检测网络,获取第二检测结果;对所述第一检测结果和所述第二检测结果进行加权,生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,还包括:获取样本融合图像,并对所述样本融合图像进行标注,以获取已标注样本融合图像;将所述已标注样本融合图像输入到待训练的检测模型中进行训练,以生成所述训练好的检测模型。
根据本申请的一个实施例,还包括:获取样本第一图像和样本第二图像,并对所述样本第一图像和所述样本第二图像进行标注,以获取已标注样本第一图像和已标注样本第二图像;将所述已标注样本第一图像和所述已标注样本第二图像输入到待训练的检测模型中的所述第一检测网路中进行训练;获取样本三维深度图像,并对所述样本三维深度图像进行标注,以获取已标注样本三维深度图像;将所述已标注样本三维深度图像输入到所述待训练的检测模型中的所述第二检测网路中进行训练,以生成所述训练好的检测模型。
本申请第一方面实施例提供的传输带的检测方法,通过采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
为达上述目的,本申请第二方面实施例提出了一种传输带的检测装置,该装置包括:采集模块,用于采集第一光源和第二光源交替照射下传输带带面的图像;获取模块,用于根据所述图像,获取所述传输带带面的三维深度图像;生成模块,用于根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。
另外,根据本申请上述实施例的传输带的检测装置还可以具有如下附加的技术特征:
根据本申请的一个实施例,所述获取模块,还用于:对所述图像进行图像分割处理,以得到第一图像和第二图像;根据所述第一图像和所述第二图像,获取所述传输带带面的梯度信息;根据所述梯度信息,获取所述传输带带面的深度信息;根据所述传输带带面的深度信息,获取所述传输带带面的三维深度图像。
根据本申请的一个实施例,所述获取模块,还用于:将所述图像按照奇数行和偶数行进行分割,并将奇数行对应的分割图像作为第一图像,将偶数行对应的分割图像作为第二图像。
根据本申请的一个实施例,所述生成模块,还用于:对所述三维深度图像、所述第一图像和所述第二图像进行图像融合处理,以得到融合图像;将所述融合图像输入预先训练好的检测模型中,以生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,所述生成模块,还用于:将所述第一图像和所述第二图像输入预先训练好的检测模型中的第一检测网络,获取第一检测结果;将所述三维深度图像输入所述训练好的检测模型中的第二检测网络,获取第二检测结果;对所述第一检测结果和所述第二检测结果进行加权,生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,还包括,第一训练模块,用于:获取样本融合图像,并对所述样本融合图像进行标注,以获取已标注样本融合图像;将所述已标注样本融合图像输入到待训练的检测模型中进行训练,以生成所述训练好的检测模型。
根据本申请的一个实施例,还包括,第二训练模块,用于:获取样本第一图像和样本第二图像,并对所述样本第一图像和所述样本第二图像进行标注,以获取已标注样本第一图像和已标注样本第二图像;将所述已标注样本第一图像和所述已标注样本第二图像输入到待训练的检测模型中的所述第一检测网路中进行训练;获取样本三维深度图像,并对所述样本三维深度图像进行标注,以获取已标注样本三维深度图像;将所述已标注样本三维深度图像输入到所述待训练的检测模型中的所述第二检测网路中进行训练,以生成所述训练好的检测模型。
本申请第二方面实施例提供的传输带的检测装置,通过采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
为达上述目的,本申请第三方面实施例提出了一种传输带系统,该系统包括:照明组件、图像采集组件和控制器;其中,所述照明组件包括第一光源和第二光源;其中,所述第一光源和所述第二光源均为线性光源,所述第一光源和所述第二光源按照预设角度对称设置于所述图像采集组件的光轴两侧;所述图像采集组件为线阵相机,所述图像采集组件布置于传输带下方,用于采集所述第一光源和所述第二光源照射下所述传输带带面的图像;所述图像采集组件与所述控制器连接,用于将采集的所述图像发送至所述控制器。
根据本申请的一个实施例,所述预设角度范围为30-45°。
根据本申请的一个实施例,所述照明组件的光源的长度方向与所述传输带的宽度方向平行。
根据本申请的一个实施例,所述照明组件布置于所述传输带下方。
根据本申请的一个实施例,还包括:冷却单元,所述冷却单元与所述第一光源和所述第二光源在操作上相关联,以去除由至少一个光源在使用中产生的热量。
根据本申请的一个实施例,所述照明组件,还包括:温度传感器,所述温度传感器用于获取所述第一光源和所述第二光源的温度;所述冷却单元,还用于:根据所述温度对所述第一光源和所述第二光源进行冷却。
根据本申请的一个实施例,所述控制器用于控制所述图像采集组件进行图像采集,并用于确定所述预设频率,以控制所述照明组件按照所述预设频率交替照射所述传输带带面。
根据本申请的一个实施例,所述控制器布置在防爆电控柜中。
根据本申请的一个实施例,还包括:存储器;其中,所述存储器与所述控制器连接,用于存储所述图像以及所述控制器输出的检测结果;所述控制器,还用于:将所述检测结果发送至所述存储器,以使所述检测结果存储于所述存储器中。
根据本申请的一个实施例,还包括:无线通信组件;其中,所述无线通信组件与所述控制器连接,用于将所述控制器输出的检测结果发送至移动终端;所述控制器,还用于:将所述检测结果发送至所述无线通信组件。
本申请第三方面实施例提供的传输带系统,通过采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
为达上述目的,本申请第四方面实施例提出了一种电子设备,包括:存储器、处理器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现本申请第一方面实施例所述的传输带的检测方法。
为达上述目的,本申请第五方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请第一方面实施例所述的传输带的检测方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
图1为本申请一个实施例公开的传输带的检测方法的流程示意图。
图2为本申请另一个实施例公开的传输带的检测方法的流程示意图。
图3为本申请另一个实施例公开的传输带的检测方法的流程示意图。
图4为本申请另一个实施例公开的传输带的检测方法的流程示意图。
图5为本申请一个实施例公开的传输带的检测装置的结构示意图。
图6为本申请一个实施例公开的传输带的检测装置的结构示意图。
图7为本申请一个实施例公开的传输带系统的结构示意图。
图8为本申请另一个实施例公开的传输带系统的结构示意图。
图9为本申请另一个实施例公开的传输带系统的结构示意图。
图10为本申请另一个实施例公开的传输带系统的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,相关技术中,在对带式输送机皮带等传输带进行检测时,通常会采用以下任一方式:基于超声波的检测技术、基于电磁感应的检测技术以及基于机器视觉的检测技术。
针对基于超声波的检测技术,超声波因其具有较强的穿透能力、快速的响应速度及较高的灵敏度,被广泛应用于无损检测领域。使用基于超声波的检测技术检测传输带的纵向撕裂等损坏情况时,可以通过将用于发出超声波的波导管安装在传输带下方托辊处,当传输带发生纵向撕裂时波导管会被损坏,从而引发纵向撕裂报警。
针对基于电磁感应的检测技术,依赖该检测方式检测传输带时需要把传输带表层切开,将感应线圈嵌入到输送带内,工艺复杂而且会对传输带造成一定的损伤。此外,随着传输带的运转,感应线圈极易损坏。
针对基于机器视觉的检测技术,随着数字图像处理技术的蓬勃发展及嵌入式处理器性能的提高,机器视觉技术在传输带检测领域中崭露头角。机器视觉技术能从客观事物的图像中提取信息,对事物表面状况进行检测、处理和分析,具有较高的检测效率和精度。基于机器视觉的传输带检测方式可以利用相机采集传输带带面的图像,并使用图像处理技术进行识别。
然而前述方法均会导致明显的技术问题。基于超声波的检测技术,往往存在结构复杂,所需设备较多,而且在矿井等极其恶劣的环境下,超声波和传输带之间耦合困难的问题;基于电磁感应的检测技术,往往存在结构复杂,价格昂贵,检测结果的准确性和可靠性低的问题;基于机器视觉的检测技术,仅能检测出传输带是否发生损坏,无法检测出传输带的损坏程度,进而也无法合理规划传输带机生产检修时间。
由此,本申请提出一种传输带的检测方法,能够通过采集第一光源和第二光源交替照射下传输带带面的图像,然后根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,对传输带带面是否发生损坏进行识别结果,并在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测。
下面参考附图描述本申请实施例的传输带的检测方法。
图1是本申请公开的一个实施例的传输带的检测方法的流程图。如图1所示,具体包括以下步骤:
S101、采集第一光源和第二光源交替照射下传输带带面的图像。
本申请实施例中,可以通过第一光源和第二光源对传输带带面进行交替照射,并采集第一光源和第二光源交替照射下传输带带面的每一帧图像。
其中,第一光源和第二光源,优选为线性光源,例如LED(Light Emitting Diode,发光二极管)线性光源等;也可以为面光源。需要说明的是,当第一光源和第二光源为面光源时,由于存在所提供亮度受限等原因,可以增设多组光源或者其他照明设备,以确保照明效果及图像采集效果。
需要说明的是,本申请中,可以根据实际情况,预先对第一光源和第二光源的照明参数进行设置。可选地,可以通过模拟信号对第一光源和第二光源的照明参数进行控制。其中,照明参数至少包括但不限于以下参数:发光时间、熄灭时间等。
需要说明的是,本申请中预先设置有图像采集组件,通过图像采集组件可以采集传输带带面的图像。图像采集组件的选型和采集参数可以根据实际情况预先进行设置。可选地,可以选用高速线阵工业相机和高清镜头作为图像采集组件,选用高速图像传输模块进行图像传输,并通过模拟信号对采集参数进行控制。其中,采集参数至少包括但不限于曝光时间。
S102、根据图像,获取传输带带面的三维深度图像。
需要说明的是,相关技术中,无论是采用基于超声波的检测技术、基于电磁感应的检测技术或者基于机器视觉的检测技术,均无法实现在确定传输带发生损坏的同时确定传输带的损坏程度。由此,本申请中,在获取到传输带带面的图像后,可以根据图像,获取传输带带面的三维深度图像,进而可以基于三维深度图像确定传输带在发生损坏时的损坏程度。
其中,三维深度图像,指的是将图像采集组件与拍摄目标(例如传输带带面)的各个像素点的距离读取并储存而获得的图像数据,用不同的灰度来体现图像中像素点的距离信息。
需要说明的是,本申请中对于根据图像,获取传输带带面的三维深度图像的具体方式不作限定,可以根据实际情况进行选取。可选地,可以根据获取到的图像,基于图像分割技术及光度立体算法对传输带带面进行三维重建,以获取传输带带面的三维深度图像。
S103、根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,其中,检测结果至少包括传输带带面是否发生损坏的识别结果和/或传输带带面的损坏程度。
需要说明的是,本申请中对于根据图像,获取传输带带面的三维深度图像的具体方式不作限定,可以根据实际情况进行选取。可选地,可以将获取到的图像和传输带带面的三维深度图像输入预先训练好的检测模型中,以生成传输带带面的检测结果。
其中,检测结果至少包括传输带带面是否发生损坏的识别结果和/或传输带带面的损坏程度。
举例而言,对传输带A的带面进行检测,若传输带A的带面存在纵向撕裂故障,将获取到的图像和传输带A的带面的三维深度图像输入预先训练好的检测模型中,此种情况下,将显示“传输带A存在损坏,且损坏程度为a”的检测结果。
由此,本申请通过采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
需要说明的是,本申请中,在试图根据图像,获取传输带带面的三维深度图像时,可以基于光度立体法实现三维深度图像的获取。其中,光度立体法,指的是根据在不同光源方向的情况下拍摄的多幅图像的光强来计算物体表面的梯度信息,从而获得图像的三维信息的方法。
作为一种可能的实现方式,如图2所示,具体包括以下步骤:
S201、对图像进行图像分割处理,以得到第一图像和第二图像。
可选地,可以将图像按照奇数行和偶数行进行分割,并将奇数行对应的分割图像作为第一图像,将偶数行对应的分割图像作为第二图像。
S202、根据第一图像和第二图像,获取传输带带面的梯度信息。
可选地,根据第一光源、第二光源和图像采集组件信息,针对在两个不同的光照条件下得到的两幅光照图像,即第一图像和第二图像,可以确定以下数组:
其中,I1i和I2i分别表示第一图像I1和第二图像I2对应的像素行,l1x、l1y和l1z分别表示第一光源的入射方向,l2x、l2y和l2z分别表示第二光源的入射方向,ρ1i和ρ2i分别表示第一光源和第二光源对应的反射系数,p表示待测区域x方向的梯度,q表示待测区域y方向的梯度,E1i和E2i分别第一光源和第二光源入射到待测区域的光照强度。
需要说明的是,可选地,第一光源和第二光源的照射方向垂直于传输带的宽度方向,此种情况下,l1x=l2x=0,且第一光源和第二光源呈对称布置。进一步地,若第一光源和第二光源入射方向与图像采集组件的光轴夹角为±α,则第一光源和第二光源的入射向量分别为:l1=(0,sinα,cosα)和l2=(0,-sinα,cosα)。
进一步地,由于传输带带面的梯度信息包括p和q,因此,可以通过以下公式获取传输带带面的梯度信息:
S203、根据梯度信息,获取传输带带面的深度信息。
zp=∫Lp·dx+q·dy
其中,L为p和p0之间的任意积分路径。
S204、根据传输带带面的深度信息,获取传输带带面的三维深度图像。
可选地,在获取到传输带带面的深度信息后,可以根据传输带带面的深度信息,获取传输带带面的三维深度图像。
由此,本申请通过对图像进行图像分割处理,以得到第一图像和第二图像,并根据第一图像和第二图像,获取传输带带面的梯度信息,然后根据梯度信息,获取传输带带面的深度信息,进而根据传输带带面的深度信息,获取传输带带面的三维深度图像,以基于光度立体法实现三维深度图像的获取,进而能够实现在识别传输带带面发生损坏时,确定传输带带面的损坏程度,进一步提高了传输带检测过程中的可靠性及效率。
进一步地,本申请中,可以通过多种方式生成传输带带面的检测结果。
作为一种可能的实现方式,如图3所示,具体包括以下步骤:
S301、对三维深度图像、第一图像和第二图像进行图像融合处理,以得到融合图像。
需要说明的是,本申请中对于进行图像融合处理的具体方式不作限定,可以根据实际情况进行选取。
其中,图像融合(Image Fusion),指的是将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测的方式。
举例而言,获取到的传输带带面的三维深度图可以定义为Iz,与采集到的第一图像I1和第二图像I2进行图像融合处理,可以得到三通道图像I=(I1,I2,Iz),即融合图像。
需要说明的是,可以通过多种方式实现图像融合,本申请中对于进行图像融合处理的具体方式不作限定,可以根据实际情况进行选取。
可选地,可以通过以下任一方式进行图像融合处理:由色调(Hue)、饱和度(Satuation)及亮度(Intensity)三个变量构成的彩色空间(又称HIS坐标系或HIS空间)变换、高通滤波法(High-Pass Filtering,简称HPF)、金字塔分解法、小波变换法等。
S302、将融合图像输入预先训练好的检测模型中,以生成传输带带面的检测结果。
本申请实施例中,可以获取样本融合图像,并对样本融合图像进行标注,以获取已标注样本融合图像,例如,在获取到样本融合图像I=(I1,I2,Iz)后,可以对样本融合图像进行标注。进一步地,可以将已标注样本融合图像输入到待训练的检测模型中进行训练,以生成训练好的检测模型,进而根据训练好的检测模型,生成传输带带面的检测结果。
需要说明的是,在通过将融合图像输入检测模型中,以生成传输带带面的检测结果时,可以预先对检测模型进行训练。可选地,可以获取已标注样本融合图像,然后通过将已标注样本融合图像输入至待训练的检测模型中,并得到已标注样本融合图像的检测结果来对检测模型进行训练,以得到训练好的检测模型。
作为另一种可能的实现方式,如图4所示,具体包括以下步骤:
S401、将第一图像和第二图像输入预先训练好的检测模型中的第一检测网络,获取第一检测结果。
S402、将三维深度图像输入训练好的检测模型中的第二检测网络,获取第二检测结果。
其中,训练好的检测模型,包括:第一检测网络和第二检测网络。
其中,第一检测结果可以为传输带是否发生损坏的识别结果;第二检测结果可以为在识别传输带发生损坏时,传输带的损坏程度。
需要说明的是,在通过第一检测网络和第二检测网络生成传输带带面的检测结果时,可以预先对包括第一检测网络和第二检测网络的检测模型进行训练。可选地,可以获取样本第一图像和样本第二图像,并对样本第一图像和样本第二图像进行标注,以获取已标注样本第一图像和已标注样本第二图像,并将已标注样本第一图像和已标注样本第二图像输入到待训练的检测模型中的第一检测网路中进行训练。进一步地,可以获取样本三维深度图像,并对样本三维深度图像进行标注,以获取已标注样本三维深度图像,并将已标注样本三维深度图像输入到待训练的检测模型中的第二检测网路中进行训练,以生成训练好的检测模型。
S403、对第一检测结果和第二检测结果进行合并,生成传输带带面的检测结果。
例如,针对传输带A,第一检测结果为传输带发生损坏,第二检测结果为损坏程度为a,此种情况下,最终得到的传输带带面的检测结果为传输带A发生损坏且损坏程度为a。
又例如,针对传输带B,第一检测结果为传输带未发生损坏,第二检测结果为空集或者0,此种情况下,最终得到的传输带带面的检测结果为传输带B未发生损坏。
由此,本申请可以基于第一图像、第二图像和传输带带面的三维深度图像,通过多种方式获取传输带的检测结果,且检测结果不仅包括传输带是否发生损坏的识别结果,还能在判定传输带发生损坏时确定其损坏程度,实现了传输带的有效、可靠检测。进一步地提高了传输带检测过程中的效率和可靠性。
与上述几种实施例提供的传输带的检测方法相对应,本申请的一个实施例还提供一种传输带的检测装置,由于本申请实施例提供的传输带的检测装置与上述几种实施例提供的传输带的检测方法相对应,因此在传输带的检测方法的实施方式也适用于本实施例提供的传输带的检测装置,在本实施例中不再详细描述。
图5是根据本申请一个实施例的传输带的检测装置的结构示意图。
如图5所示,该传输带的检测装置1000,包括:采集模块110、获取模块120和生成模块130。其中:
采集模块110,用于采集第一光源和第二光源交替照射下传输带带面的图像;
获取模块120,用于根据所述图像,获取所述传输带带面的三维深度图像;
生成模块130,用于根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。
根据本申请的一个实施例,获取模块120,还用于:对所述图像进行图像分割处理,以得到第一图像和第二图像;根据所述第一图像和所述第二图像,获取所述传输带带面的梯度信息;根据所述梯度信息,获取所述传输带带面的深度信息;根据所述传输带带面的深度信息,获取所述传输带带面的三维深度图像。
根据本申请的一个实施例,获取模块120,还用于:将所述图像按照奇数行和偶数行进行分割,并将奇数行对应的分割图像作为第一图像,将偶数行对应的分割图像作为第二图像。
根据本申请的一个实施例,生成模块130,还用于:对所述三维深度图像、所述第一图像和所述第二图像进行图像融合处理,以得到融合图像;将所述融合图像输入预先训练好的检测模型中,以生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,生成模块130,还用于:将所述第一图像和所述第二图像输入预先训练好的检测模型中的第一检测网络,获取第一检测结果;将所述三维深度图像输入所述训练好的检测模型中的第二检测网络,获取第二检测结果;对所述第一检测结果和所述第二检测结果进行加权,生成所述传输带带面的所述检测结果。
根据本申请的一个实施例,如图6所示,该传输带的检测装置1000,还包括:第一训练模块140和第二训练模块150,其中,
所述第一训练模块140,用于:获取样本融合图像,并对所述样本融合图像进行标注,以获取已标注样本融合图像;将所述已标注样本融合图像输入到待训练的检测模型中进行训练,以生成所述训练好的检测模型。
所述第二训练模块150,用于:获取样本第一图像和样本第二图像,并对所述样本第一图像和所述样本第二图像进行标注,以获取已标注样本第一图像和已标注样本第二图像;将所述已标注样本第一图像和所述已标注样本第二图像输入到待训练的检测模型中的所述第一检测网路中进行训练;获取样本三维深度图像,并对所述样本三维深度图像进行标注,以获取已标注样本三维深度图像;将所述已标注样本三维深度图像输入到所述待训练的检测模型中的所述第二检测网路中进行训练,以生成所述训练好的检测模型。
由此,本申请通过采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
图7是本申请公开的一个实施例的传输带系统的示意图。
如图7所示,该传输带系统2000,包括:照明组件210、图像采集组件220和控制器230。
其中,如图8所示,照明组件210,包括:第一光源211和第二光源212。
可选地,第一光源211和第二光源212按照预设角度对称设置于图像采集组件220的光轴两侧,其中,预设角度范围为30-45°。在传输带的检测过程中,可以按照预先设定的照明参数交替照射传输带带面。
需要说明的是,第一光源211和第二光源212均为线性光源,例如LED线性光源等;也可以为面光源。需要说明的是,当第一光源和第二光源为面光源时,由于存在所提供亮度受限等原因,可以增设多组光源或者其他照明设备,以确保照明效果及图像采集效果。
需要说明的是,本申请中,可以根据实际情况,预先对第一光源和第二光源的照明参数进行设置。可选地,可以通过模拟信号对第一光源和第二光源的照明参数进行控制。其中,照明参数至少包括但不限于以下参数:发光时间、熄灭时间等。
需要说明的是,本申请中,照明组件的光源的长度方向与传输带的宽度方向平行。
其中,图像采集组件220,图像采集组件220为线阵相机,用于采集第一光源和第二光源交替照射下的传输带带面的图像;图像采集组件220与控制器230连接,用于将采集的图像发送至控制器230。
需要说明的是,图像采集组件220的选型和采集参数可以根据实际情况预先进行设置。可选地,可以选用高速线阵工业相机和高清镜头作为图像采集组件220,选用高速图像传输模块进行图像传输,并通过模拟信号对采集参数进行控制。其中,采集参数至少包括但不限于曝光时间。
需要说明的是,照明组件210和图像采集组件220均布置于传输带下方。可选地,照明组件210和图像采集组件220均布置于回程传输带下方。
其中,控制器230,用于根据图像,获取传输带带面的三维深度图像,以及根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,其中,检测结果至少包括传输带带面是否发生损坏的识别结果和/或传输带带面的损坏程度。
可选地,控制器230布置在防爆电控柜中。
需要说明的是,控制器230,可以同步触发控制相机(图像采集组件220)以及两组频闪线性光源(照明组件210),使得能够实现光源亮时相机开始曝光,光源灭时相机停止曝光。
由此,本申请提出的传输带系统,通过布设的照明组件、图像采集组件和控制器能够采集第一光源和第二光源交替照射下传输带带面的图像,并根据图像,获取传输带带面的三维深度图像,进而根据图像和传输带带面的三维深度图像,生成传输带带面的检测结果,能够实现传输带带面是否发生损坏的检测。进一步地,能够在识别传输带带面发生损坏时,生成传输带带面的损坏程度检测结果,从而准确、高效且经济地对传输带进行检测,以能够及时了解传输带带面的健康状况,并采取必要的措施。
在一些实施例中,如图9所示,该照明组件210,还包括:冷却单元和温度传感器。
其中,冷却单元,与第一光源211和第二光源212在操作上相关联,以去除由至少一个光源在使用中产生的热量。
其中,温度传感器,用于获取第一光源211和第二光源212的温度。此种情况下,冷却单元,还用于根据温度传感器获取到的温度对第一光源211和第二光源212进行冷却。
举例而言,当前工作的光源为第一光源211,温度传感器可以获取第一光源211工作时的温度,并将获取到的温度与预先设定的温度阈值进行比较,若识别温度达到预设温度阈值,则可以由冷却单元对第一光源211进行控制。其中,预设温度阈值可以根据实际情况进行设定。
在一些实施例中,如图9所示,该传输带系统2000,还包括:存储器240和无线通信组件250。
其中,存储器240与控制器230连接,用于存储图像以及控制器230输出的检测结果。此种情况下,控制器230,还用于将检测结果发送至存储器240,以使检测结果存储于存储器240中。
其中,无线通信组件250与控制器230连接,用于将控制器230输出的检测结果发送至手机等移动终端,以供移动终端的用户查看检测结果。此种情况下,控制器230,还用于将检测结果发送至无线通信组件250。可选地,移动终端可以通过工业环网与控制器230进行连接。
下面以于煤矿矿井下作业的应用场景为例,对本申请提出的传输带系统2000进行解释说明。
综上所述,作为一种可能的实现方式,如图10所示,本申请提出的传输带系统2000,通过线性光源(第一光源211和第二光源212)交替对传输带表面进行照明,利用高速线阵工业相机(图像采集组件220)采集对传输带带面图像进行持续采集,将采集图像的奇数行和偶数行分别作为不同角度光源(第一光源211和第二光源212)照明下传输带带面的图像,利用光度立体算法进行传输带表面三维重建,将三维重建结果与图像的奇数行进行融合,将融合后的图像进行标注输入到检测网络中进行训练,得到训练好的检测模型,部署到算法部署平台(控制器230)上,实现传输带的检测。
可选地,控制器230可以现场采集传输带带面的正负样本,分别融合并标注,利用预先训练好的检测模型,部署于控制器230,即可在线监测传输带带面的健康状态,在检测到的撕裂区域内搜索深度最大值与深度均值即可表征皮带带面撕裂程度。
进一步地,将检测结果通过井下工业环网上传至存储器2400。最后,通过远程客户端(移动终端)即可在线访问传输带带面健康状态。
本申请实施例中,照明组件210,包括两组高亮频闪线性光源,解决高速短曝光条件下传输带的照明问题;图像采集组件220,包括高速线阵工业相机以及高速图像传输模块,实现传输带图像高速采集传输;控制器230,同步触发控制相机以及两组频闪线性光源,实现光源亮时相机开始曝光,光源灭时相机停止曝光。
如图10所示,相机和光源布置于回程传输带下方,其中,第一光源211和第二光源212对称布置于相机光轴两侧且成一定角度(预设角度),控制器230布置于防爆电控柜中,通过工业环网与远程客户端进行数据交互。
其中,照明组件210,优选白色LED线性光源,其发光时间和熄灭时间可通过模拟信号进行控制;图像采集组件220,优选高速线阵工业相机和高清镜头,选用高速图像传输模块进行图像传输,相机曝光时间可通过模拟信号外触发控制;控制器230,可以通过安装在托辊上的速度传感器进行外触发,输出三通道矩形波信号且信号的占空比和周期可调,通过控制软件调节发光时间和熄灭时间换算成光源信号的占空比和周期。
可选地,第一光源211和第二光源212的矩形波信号时延为半个周期,相机的矩形波信号为第一光源211和第二光源212相加,控制照明组件210和图像采集组件220完成照明和图像采集。
由此,本申请提出的传输带系统通过利用高速图像采集系统与光度立体技术实现传输带带面的二维与三维信息实时获取,采用信息融合技术实现传输带带面的二维与三维信息融合,输入检测模型,实现传输带带面健康实时监测,解决了带式输送机传输带带面实时监测困难的问题,通过二维与三维信息的融合作为输入,可有效监测传输带带面健康状态以及检测纵向撕裂等带面缺陷的尺寸,能够实现传输带机生产检修时间动态合理规划,提高了煤炭运输效率。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种传输带的检测方法,其特征在于,包括:
采集第一光源和第二光源交替照射下传输带带面的图像;
根据所述图像,获取所述传输带带面的三维深度图像;
根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。
2.根据权利要求1所述的检测方法,其特征在于,所述根据所述图像,获取所述传输带带面的三维深度图像,包括:
对所述图像进行图像分割处理,以得到第一图像和第二图像;
根据所述第一图像和所述第二图像,获取所述传输带带面的梯度信息;
根据所述梯度信息,获取所述传输带带面的深度信息;
根据所述传输带带面的深度信息,获取所述传输带带面的三维深度图像。
3.根据权利要求2所述的检测方法,其特征在于,所述对所述图像进行图像分割处理,以得到第一图像和第二图像,包括:
将所述图像按照奇数行和偶数行进行分割,并将奇数行对应的分割图像作为第一图像,将偶数行对应的分割图像作为第二图像。
4.根据权利要求2所述的检测方法,其特征在于,所述根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,包括:
对所述三维深度图像、所述第一图像和所述第二图像进行图像融合处理,以得到融合图像;
将所述融合图像输入预先训练好的检测模型中,以生成所述传输带带面的所述检测结果。
5.根据权利要求2所述的检测方法,其特征在于,所述根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,包括:
将所述第一图像和所述第二图像输入预先训练好的检测模型中的第一检测网络,获取第一检测结果;
将所述三维深度图像输入所述训练好的检测模型中的第二检测网络,获取第二检测结果;
对所述第一检测结果和所述第二检测结果进行合并,生成所述传输带带面的所述检测结果。
6.根据权利要求4所述的检测方法,其特征在于,还包括:
获取样本融合图像,并对所述样本融合图像进行标注,以获取已标注样本融合图像;
将所述已标注样本融合图像输入到待训练的检测模型中进行训练,以生成所述训练好的检测模型。
7.根据权利要求5所述的检测方法,其特征在于,还包括:
获取样本第一图像和样本第二图像,并对所述样本第一图像和所述样本第二图像进行标注,以获取已标注样本第一图像和已标注样本第二图像;
将所述已标注样本第一图像和所述已标注样本第二图像输入到待训练的检测模型中的所述第一检测网路中进行训练;
获取样本三维深度图像,并对所述样本三维深度图像进行标注,以获取已标注样本三维深度图像;
将所述已标注样本三维深度图像输入到所述待训练的检测模型中的所述第二检测网路中进行训练,以生成所述训练好的检测模型。
8.一种传输带的检测装置,其特征在于,包括:
采集模块,用于采集第一光源和第二光源交替照射下传输带带面的图像;
获取模块,用于根据所述图像,获取所述传输带带面的三维深度图像;
生成模块,用于根据所述图像和所述传输带带面的三维深度图像,生成所述传输带带面的检测结果,其中,所述检测结果至少包括所述传输带带面是否发生损坏的识别结果和/或所述传输带带面的损坏程度。
9.一种电子设备,其特征在于,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-7中任一所述的传输带的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-7中任一所述的传输带的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377919.2A CN113155852B (zh) | 2021-04-08 | 2021-04-08 | 一种传输带的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377919.2A CN113155852B (zh) | 2021-04-08 | 2021-04-08 | 一种传输带的检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113155852A true CN113155852A (zh) | 2021-07-23 |
CN113155852B CN113155852B (zh) | 2023-08-01 |
Family
ID=76889095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110377919.2A Active CN113155852B (zh) | 2021-04-08 | 2021-04-08 | 一种传输带的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155852B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887525A (zh) * | 2021-11-04 | 2022-01-04 | 北京华能新锐控制技术有限公司 | 基于计算机视觉的输煤皮带撕裂检测方法 |
CN113878866A (zh) * | 2021-09-08 | 2022-01-04 | 煤炭科学研究总院 | 一种基于电场调控的三维薄膜成型方法 |
CN114295516A (zh) * | 2021-11-18 | 2022-04-08 | 煤炭科学研究总院 | 物料的密度测量方法及其装置 |
CN118411360A (zh) * | 2024-06-27 | 2024-07-30 | 武汉理工大学 | 带式输送机纵向撕裂红外图像数据生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887030A (zh) * | 2009-05-15 | 2010-11-17 | 圣戈本玻璃法国公司 | 用于检测透明基板表面和/或其内部的缺陷的方法及系统 |
CN102288613A (zh) * | 2011-05-11 | 2011-12-21 | 北京科技大学 | 一种灰度和深度信息融合的表面缺陷检测方法 |
CN107607546A (zh) * | 2017-09-19 | 2018-01-19 | 佛山缔乐视觉科技有限公司 | 基于光度立体视觉的皮革缺陷检测方法、系统及装置 |
CN108171212A (zh) * | 2018-01-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于检测目标的方法和装置 |
EP3401411A1 (de) * | 2017-05-11 | 2018-11-14 | Capex Invest GmbH | Verfahren und vorrichtung zur fehlerstellenerkennung bei biegeschlaffen körpern, insbesondere tierhäuten |
CN109376667A (zh) * | 2018-10-29 | 2019-02-22 | 北京旷视科技有限公司 | 目标检测方法、装置及电子设备 |
CN110473178A (zh) * | 2019-07-30 | 2019-11-19 | 上海深视信息科技有限公司 | 一种基于多光源融合的外观缺陷检测方法及系统 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
-
2021
- 2021-04-08 CN CN202110377919.2A patent/CN113155852B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887030A (zh) * | 2009-05-15 | 2010-11-17 | 圣戈本玻璃法国公司 | 用于检测透明基板表面和/或其内部的缺陷的方法及系统 |
CN102288613A (zh) * | 2011-05-11 | 2011-12-21 | 北京科技大学 | 一种灰度和深度信息融合的表面缺陷检测方法 |
EP3401411A1 (de) * | 2017-05-11 | 2018-11-14 | Capex Invest GmbH | Verfahren und vorrichtung zur fehlerstellenerkennung bei biegeschlaffen körpern, insbesondere tierhäuten |
CN107607546A (zh) * | 2017-09-19 | 2018-01-19 | 佛山缔乐视觉科技有限公司 | 基于光度立体视觉的皮革缺陷检测方法、系统及装置 |
CN108171212A (zh) * | 2018-01-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 用于检测目标的方法和装置 |
CN109376667A (zh) * | 2018-10-29 | 2019-02-22 | 北京旷视科技有限公司 | 目标检测方法、装置及电子设备 |
CN110473178A (zh) * | 2019-07-30 | 2019-11-19 | 上海深视信息科技有限公司 | 一种基于多光源融合的外观缺陷检测方法及系统 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
周鹏: "基于多信息融合的高温铸坯表面缺陷在线检测方法", 《中国博士学位论文全文数据库》 * |
郭启皇等: "基于Otsu算法的输送带撕裂视觉检测系统研究", 《煤炭技术》 * |
顼熙亮: "基于机器视觉的矿用皮带运输机故障智能检测系统", 《煤矿现代化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113878866A (zh) * | 2021-09-08 | 2022-01-04 | 煤炭科学研究总院 | 一种基于电场调控的三维薄膜成型方法 |
CN113878866B (zh) * | 2021-09-08 | 2022-10-14 | 煤炭科学研究总院有限公司 | 一种基于电场调控的三维薄膜成型方法 |
CN113887525A (zh) * | 2021-11-04 | 2022-01-04 | 北京华能新锐控制技术有限公司 | 基于计算机视觉的输煤皮带撕裂检测方法 |
CN114295516A (zh) * | 2021-11-18 | 2022-04-08 | 煤炭科学研究总院 | 物料的密度测量方法及其装置 |
CN118411360A (zh) * | 2024-06-27 | 2024-07-30 | 武汉理工大学 | 带式输送机纵向撕裂红外图像数据生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113155852B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113155852A (zh) | 一种传输带的检测方法、装置及电子设备 | |
CN102435173B (zh) | 一种基于机器视觉的隧道病害快速调查系统及调查方法 | |
JP6608042B2 (ja) | 熱画像カメラを利用した電力設備診断装置および方法 | |
CN215066222U (zh) | 一种传输带系统 | |
CN104729426A (zh) | 基于机器视觉的角钢自动在线检测系统及方法 | |
JP2007256119A (ja) | 検査装置、積層装置、及び検査方法 | |
CN106802215A (zh) | 一种水管漏水检测装置及检测方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN101543393A (zh) | 胶囊内窥镜检查系统以及控制胶囊内窥镜工作的方法 | |
US10021369B2 (en) | In-flight 3D inspector | |
WO2016095490A1 (zh) | 车辆运行故障检测系统及方法 | |
JP2017053790A (ja) | 欠陥検出装置及び欠陥検出方法 | |
CN105158678A (zh) | 一种印制电路板短路故障点快速检测装置 | |
EP2284520A1 (en) | Assembly for the inspection in a continuous manner of cells, strings and photovoltaic modules and inspection method thereof | |
TW201121087A (en) | Solar cell defect inspection apparatus, defect inspection method and program | |
CN106291737A (zh) | 一种水下光谱复合成像探测系统及方法 | |
CN109752721A (zh) | 具有扫描和分析能力的便携式声学成像工具 | |
CN108566538A (zh) | 基于红外-可见光融合跟踪的圆形煤场人员安全防护与自燃的监控系统及方法 | |
CN102589808A (zh) | 大型隧道渗水点测量方法 | |
CN103837493B (zh) | 一种架空导线缺陷联合检测方法 | |
CN111079831A (zh) | 智能型光学检测的样品特征与瑕疵自动标记方法及其装置 | |
CN206832700U (zh) | 一种基于红外线测距传感器的缺陷检测装置 | |
WO2020158262A1 (ja) | 劣化診断装置、劣化診断システム、劣化診断方法、記録媒体 | |
CN113139955B (zh) | 一种基于双光图像的光伏组件故障识别方法及系统 | |
JP2005249503A (ja) | パンタグラフのすり板検査装置。 |
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: 100013 12th floor, coal building, No.13 Heping Street, Chaoyang District, Beijing Applicant after: General Coal Research Institute Co.,Ltd. Address before: 100013 12th floor, coal building, No.13 Heping Street, Chaoyang District, Beijing Applicant before: CHINA COAL Research Institute |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |