CN113592916B - 一种烧结机台车车轴故障检测方法及系统 - Google Patents

一种烧结机台车车轴故障检测方法及系统 Download PDF

Info

Publication number
CN113592916B
CN113592916B CN202110873861.0A CN202110873861A CN113592916B CN 113592916 B CN113592916 B CN 113592916B CN 202110873861 A CN202110873861 A CN 202110873861A CN 113592916 B CN113592916 B CN 113592916B
Authority
CN
China
Prior art keywords
sintering machine
wheel
images
trolley
detection
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
Application number
CN202110873861.0A
Other languages
English (en)
Other versions
CN113592916A (zh
Inventor
王月明
翟容清
陈蕊
张建东
吴永刚
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.)
Inner Mongolia University of Science and Technology
Original Assignee
Inner Mongolia University of Science and Technology
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 Inner Mongolia University of Science and Technology filed Critical Inner Mongolia University of Science and Technology
Priority to CN202110873861.0A priority Critical patent/CN113592916B/zh
Publication of CN113592916A publication Critical patent/CN113592916A/zh
Application granted granted Critical
Publication of CN113592916B publication Critical patent/CN113592916B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D21/02—Observation or illuminating devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D21/02—Observation or illuminating devices
    • F27D2021/026—Observation or illuminating devices using a video installation
    • 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)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于机械设备故障检测领域，具体提供一种烧结机台车车轴故障检测方法及系统，其中方法包括：采用间隔固定帧形式获取烧结机台车的视频帧图像；对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理；运用深度学习目标检测算法定位提取烧结机台车相邻两帧图像的车轮区域图像；将相邻两帧车轮区域图像的像素点的差值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动。通过对实时采集到的烧结机台车车轮的视频帧图像进行分析，确定烧结机台车车轮是否发生摆动，从而检测车轴故障，提高了检测效率，节省了人力，避免了由于人工检测疏忽导致的安全隐患。

Description

一种烧结机台车车轴故障检测方法及系统
技术领域
本发明涉及机械设备故障检测领域，更具体地，涉及一种烧结机台车车轴故障检测方法及系统。
背景技术
含铁窑球团法生产工艺生产球团矿的主要设备由烧结机、回转窑和环式冷却机组成，而烧结机则是最关键设备。台车部件结构复杂、工况条件恶劣，发生故障造成停机的情况在烧结系统占比比较大。车轮是台车运行重要的物件，它能否正常运行直接影响到整个生产工艺过程的稳定。烧结机不间断运作，台车车轮会出现扭矩，车轴极易发生油脂皂化、保持架破裂、轴承滚珠缺损等故障，当台车发生以上任何一种故障继续运行时，车轮会出现自行摆动的现象，严重的话可能导致脱落，若不及时停机更换台车，车轮在进入尾部弯道时脱落，车轮会卡入机尾弯道和导轨之间，造成卡阻。机尾星轮周边设置有除尘密封罩，车轮脱落不易被发现，事故往往造成烧结机卡阻跳机才会被发现，该故障处理难度大，若造成烧结机故障停机，将极大影响整个烧结系统的生产。在工业生产中，烧结机台车属于典型的低速重载设备，由于自身结构和运行特点，故障检测难度较大，关于其故障检测的研究尚不多见。
传统的车轮摆动检测主要依靠原始的人工观察检查，工作劳动力强度大、检测过程会存在漏检、智能化程度低、工作环境差，对人体健康存在潜在的威胁等问题。
发明内容
本发明针对现有技术中存在的技术问题，提供一种烧结机台车车轴故障检测方法及系统。
根据本发明的第一方面，提供了一种烧结机台车车轴故障检测方法，包括以下步骤：
S1，采用间隔固定帧形式获取烧结机台车的视频帧图像；
S2，对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理；
S3，运用深度学习目标检测算法定位提取烧结机台车相邻两帧图像的车轮区域图像；
S4，将相邻两帧车轮区域图像的像素点的差值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动。
可选地，所述S2中图像处理具体包括：
对获取的烧结机台车的相邻两帧图像依次进行灰度化处理、腐蚀处理、高斯滤波处理、二值化处理及膨胀处理。
可选地，所述S3具体包括：运用labellmg对烧结机台车车轮进行标注，通过yolov5对标注图片进行训练来检测并定位提取车轮区域图像。
可选地，所述S4具体包括：
若相邻两帧车轮区域图像的像素点的差值小于所述灰度差的绝对值，则判定烧结机台车车轮未发生摆动；
若相邻两帧车轮区域图像的像素点的差值大于所述灰度差的绝对值，则需要对此类情况进行进一步判断。
可选地，所述进一步判断具体包括：
首先获取该车轮区域后续连续五帧图像，并对所获取的相邻两帧图像均进行S2～S4，若五帧图像对应的车轮区域图像的像素点个数都小于阈值，则车轮未发生摆动；
否则，获取并保存该车轮对应的侧板编号及检测时间t，接着调用数据库，判断其是否在此之前24小时内已存有该侧板编号，如果存在，则执行S100：统计24小时内该车轮摆动的次数并对该车轮进行摆动报警处理；
如果不存在或检测时间超过24小时，则关注此车轮并保存此车轮对应侧板编号与其摆动的时间，当下一次识别到同一侧板编号时执行S100。
可选地，所述S4之后还包括S5：
若烧结机台车车轮发生摆动，则判断车轴发生故障；若烧结机台车车轮正常运行，则车轴未发生故障。
可选地，所述S5具体包括：
检测过程中保存所述视频帧图像的检测效果图和侧板号牌记录摄像机实时拍摄的侧板号牌图像，在显示终端显示所述检测效果图和所述侧板号牌图像，并在车轮发生摆动时提示报警信息及统计24小时内车轮摆动次数；
其中，所述检测效果图为检测出所述视频帧图像中烧结机台车车轮对应的像素点之后的图像。
可选地，所述S2～S3具体包括：
(1)应用帧差法对相邻两帧图像进行处理，检测像素点：
(2)对帧差法所得相邻两帧图像进行图像灰度化、腐蚀、高斯滤波、二值化及膨胀算法，去除干扰像素点：
(3)进行ROI截取，将输出感兴趣检测区域限定在车轮所在区域。
根据本发明的第二方面，提供一种烧结机台车车轴故障检测系统，包括：车轮摆动检测摄像机装置、侧板编号检测摄像机装置、支架、补灯装置及视频图像处理服务器；
所述车轮摆动检测摄像机装置用于采集烧结机台车车轮运行的视频帧图像；
所述侧板编号检测摄像机装置用于采集烧结机台车侧板编号；
所述补灯装置用于对车轮及侧板拍摄时进行补灯操作；
所述支架用于固定所述摄像机及补灯装置；
所述视频图像处理服务器用于执行所述的烧结机台车车轴故障检测方法及系统；
所述摄像机装置通过光纤与所述视频图像处理服务器相连接通信。
有益效果：本发明提供的一种烧结机台车车轴故障检测方法及系统，其中方法包括：采用间隔固定帧形式获取烧结机台车的视频帧图像；对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理；运用深度学习目标检测算法定位提取烧结机台车相邻两帧图像的车轮区域图像；将相邻两帧车轮区域图像的像素点的差值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动。通过对实时采集到的烧结机台车车轮的视频帧图像进行分析，确定烧结机台车车轮是否发生摆动，从而检测车轴故障，提高了检测效率，节省了人力，避免了由于人工检测疏忽导致的安全隐患。
附图说明
图1为本发明提供的烧结机台车车轴故障检测方法流程图；
图2为本发明提供的烧结机台车车轴故障检测系统的车轴故障示意图；
图3为图1的具体逻辑示意图；
图4为本发明提供的烧结机台车车轴故障检测系统的功能模块示意图；
图5为本发明提供的烧结机台车车轴故障检测系统的检测装置安装位置示意图；
图6为本发明提供的烧结机台车车轴故障检测方法的检测结果图。
附图标记说明：1-侧板，2-台车行走导轨，3-摆动的车轮，4-无摆动的车轮，5-支架，6-侧板编号记录摄像机，7-补光装置，8-车轮摆动检测摄像机，9-台车侧板编号，10-台车车轮，11-行车轨道，12-交换机，13-视频处理器，14-监控显示器，15-电源，16-光纤。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明提供的一种烧结机台车车轴故障检测方法，包括以下步骤：
S1，采用间隔固定帧形式获取烧结机台车的视频帧图像；也可以连续获取视频帧图像，然后周期性间隔二次再选取分散图像。
S2，对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理。差分运算处理是由目标场景在相邻时间点的图像相减得到的，从而能够得到目标场景随时间的变换，是用来对烧结机台车运动目标检测的可用于克服干扰的行之有效的方法；
S3，运用深度学习目标检测算法定位提取烧结机台车相邻两帧图像的车轮区域图像；
S4，将相邻两帧车轮区域图像的像素点的差值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动。
在一种可能的实施例方式中，所述S2中图像处理具体包括：
对获取的烧结机台车的相邻两帧图像依次进行灰度化处理、腐蚀处理、高斯滤波处理、二值化处理及膨胀处理。经过上述一系列的图像处理后方便后续分析。
在一种可能的实施例方式中，所述S3具体包括：运用labellmg对烧结机台车车轮进行标注，通过yolov5对标注图片进行训练来检测并定位提取车轮区域图像。利用帧差法检测所述相邻两帧烧结机台车车轮区域对应的像素点。
在一种可能的实施例方式中，所述S4具体包括：
若相邻两帧车轮区域图像的像素点的差值小于所述灰度差的绝对值，则判定烧结机台车车轮未发生摆动；
若相邻两帧车轮区域图像的像素点的差值大于所述灰度差的绝对值，则需要对此类情况进行进一步判断，具体包括：首先获取该车轮区域后续连续五帧图像，并对所获取的相邻两帧图像均进行S2～S4，若五帧图像对应的车轮区域图像的像素点个数都小于阈值，则车轮未发生摆动；
否则，获取并保存该车轮对应的侧板编号及检测时间t，接着调用数据库，判断其是否在此之前24小时内已存有该侧板编号，如果存在，则执行S100：统计24小时内该车轮摆动的次数并对该车轮进行摆动报警处理；
如果不存在或检测时间超过24小时，则关注此车轮并保存此车轮对应侧板编号与其摆动的时间，当下一次识别到同一侧板编号时执行S100。
在一种可能的实施例方式中，所述S4之后还包括S5：
若烧结机台车车轮发生摆动，则判断车轴发生故障；若烧结机台车车轮正常运行，则车轴未发生故障。
在一种可能的实施例方式中，检测过程中保存所述视频帧图像的检测效果图和侧板号牌记录摄像机实时拍摄的侧板号牌图像，在显示终端显示所述检测效果图和所述侧板号牌图像，并在车轮发生摆动时提示报警信息及统计24小时内车轮摆动次数；
其中，所述检测效果图为检测出所述视频帧图像中烧结机台车车轮对应的像素点之后的图像。
具体来说，图2为本发明实施例提供的烧结机台车车轮俯视示意图，如图2所示，为烧结机台车车轮俯视示意图。
当台车车轮发生摆动时，车轴可能发生故障，后续可能因车轴故障程度加重而引发生产事故，需定期对故障处进行处理，否则将导致生产事故的发生。
在一个具体的实施场景中：①车轮摆动检测摄像机在采集现场视频图像过程中位置固定，位于车轮正上方，图2中各结构所在位置对应图像中的像素值固定；②所检测的感兴趣区域分别为摆动的车轮3和无摆动的车轮4的像素点；③根据所得车轮区域图像的像素点与设定阈值对比判断车轮是否摆动。④像素点个数若超过设定阈值，根据判定规则继续进行判定，若后续连续五帧图像的像素点个数均大于阈值，且数据库中已存在此车轮对应的侧板编号，定义该车轮发生摆动，如图3；⑤像素点个数若未超过设定阈值，定义该车轮未发生摆动，如图4，具体情况根据判定规则进行相应判定。
其中，侧板1的右侧为台车行走导轨2，台车行走导轨2上有摆动的车轮3和无摆动的车轮4，各自的形态如图2所示。
图3为本发明实施例提供的烧结机台车车轴故障的检测逻辑流程图，如图3所示，检测烧结机台车车轮摆动的逻辑流程具体包括如下步骤：
首先，获取待检测台车车轮视频帧图像。车轮摆动检测摄像机采集运行中台车车轮的现场视频，程序以固定时间间隔截取视频的帧图像：
其次，应用帧差法、图像处理并结合深度学习目标检测算法获取检测效果图。
(1)应用帧差法对相邻两帧图像进行处理，检测像素点：
(2)对帧差法所得相邻两帧图像进行图像灰度化、腐蚀、高斯滤波、二值化及膨胀算法，去除干扰像素点：
(3)对帧图像进行ROI截取，将输出感兴趣检测区域限定在车轮所在区域：
再次，在检测效果图的基础上，对数据进行预处理，得出像素点的个数并与预设阈值比较。
最后，在数据处理结果的基础上，程序依据判定规则对车轮是否发生摆动进行判定。
对车轮是否发生摆动进行判定，在检测到故障时，保存该帧图像的检测效果图和侧板号牌记录摄像机实时拍摄的侧板号牌图像，在显示终端显示并提示相应报警信息及统计24小时内车轮摆动次数：
若烧结机台车车轮相邻两帧车轮区域对应的像素点相减的值小于所述灰度差的绝对值，则判定烧结机台车车轮未发生摆动；
若烧结机台车车轮相邻两帧车轮区域对应的像素点相减的值大于所述灰度差的绝对值，则首先获取该车轮后续连续五帧图像，并对所获取的相邻两帧图像均进行所述的算法处理，若像素点个数都小于阈值，则车轮未发生摆动，否则，获取并保存该车轮对应的侧板编号及检测时间t，接着调用数据库，判断其是否在此之前24小时内已存有该侧板编号，如果存在，则统计24小时内该车轮摆动的次数并对该车轮进行摆动报警处理；如果不存在或检测时间超过24小时，则重点关注此车轮并保存此车轮对应侧板编号与其摆动的时间，当下一次识别到同一侧板编号时，需要按照上述判定规则对该车轮进行判定。
本发明实施例提供的烧结机台车车轴烧结机台车车轴故障检测方法及系统，通过对实时采集到的烧结机台车车轮的视频帧图像进行分析，确定烧结机台车车轮是否发生摆动，进而判断台车车轴是否发生故障，提高了检测效率，节省了人力，避免了由于人工检测疏忽导致的安全隐患。
可以理解的是，本发明提供的一种烧结机台车车轴故障检测系统与前述各实施例提供的烧结机台车车轴故障检测方法相对应，烧结机台车车轴故障检测系统的相关技术特征可参考烧结机台车车轴故障检测方法的相关技术特征，在此不再赘述。
具体地，烧结机台车车轴故障的检测系统，包括：摄像机装置、支架、补灯装置、视频图像处理服务器和光纤；
所述车轮摆动检测摄像机装置用于采集烧结机台车运行的视频帧图像；
所述侧板编号检测摄像机装置用于采集烧结机台车侧板编号；
所述补灯装置用于对车轮及侧板拍摄时进行补灯操作；
所述支架用于固定所述摄像机及补灯装置；
所述视频图像处理服务器用于执行所述的烧结机台车车轴烧结机台车车轴故障检测方法及系统；
所述摄像机装置通过所述光纤与所述视频图像处理服务器相连接。
具体来说，图4为本发明实施例提供的烧结机台车车轴故障的检测系统示意图，如图4所示，在本发明实施例中，烧结机台车车轴故障检测系统包括：
支架5，固定、调整摄像机装置及补光装置的位置
侧板编号纪录摄像机6，记录运行中台车侧板编号；
补光装置7，提供拍摄所需的光；
车轮摆动检测摄像机8，采集运行中的台车车轮视频图像；
台车侧板编号9，标明侧板序列，为台车车轮故障报警及维护提供准确信息；如图4所示，两个台车的侧板编号分别为001和002，依次类推下去。
交换机12，用于摄像机装置与视频图像处理服务器间视频信号数据的传输；
视频图像处理服务器13，具有视频图像处理系统，对采集到的视频图像进行算法处理；
显示终端14，显示报警信息与触发报警时的检测效果图、侧板编号及统计24小时内车轮摆动次数；
光纤16，用于数据在设备间的传输。所有电子器件及设备都通过电源15供电。
基于上述任一实施例，图5为烧结机台车车轴故障检测系统硬件装置安装位置示意图：
摄像机装置包括车轮侧板号牌记录摄像机6和摆动检测摄像机8。两台摄像机均为普通摄像机，其中车轮摆动检测摄像机8安装于台车车轮正上方的支架5上，镜头获取的视频画面如图2示意图所示，实时拍摄运行中台车的车轮情况。侧板号牌记录摄像机6安装于支架5上能较好获取到侧板编号的位置，实时记录运行中台车侧板的编号。
补光装置7安装于支架5上的车轮摆动检测摄像机8旁，在现场光线环境较差时，为车轮摆动检测摄像机8提供稳定光源，使得车轮摆动检测摄像机8能够获取较好的视频图像。
支架5固定在台车运行导轨11旁，在其上安装的车轮摆动检测摄像机8、侧板号牌记录摄像机6及补光装置7的相对位置关系具体如图5中所示。
交换机12用做数据传输，一端分别连接车轮摆动检测摄像机8和侧板号牌记录摄像机6，另一端连接视频图像处理服务器13，将摄像机采集到的视频信号数据传输给视频图像处理服务器13。
视频图像处理服务器13对从交换机12接收的视频信号数据进行算法处理。①程序以固定时间间隔截取车轮摆动摄像机8所采集视频的帧图像；②对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理；③运用深度学习目标检测算法定位提取烧结机台车邻两帧图像感兴趣区域；④基于烧结机台车相邻两帧图像车轮区域对应的像素点相减的值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动。
算法实现了对车轮摆动的检测，并能够在检测到故障时给出相应的报警提示，从而实现了对烧结机台车车轴的故障检测。如图3所示，为车轮摆动检测逻辑流程示意图。
显示终端14可在系统检测到故障时查看经视频图像处理服务器13算法处理后的检测效果图、报警提示及24小时内车轮摆动次数，以及侧板号牌记录摄像机6实时获取到的侧板编号。
光纤16用于连接摄像机装置、交换机12和视频图像处理服务器13，实现数据在设备间的传输。
图6为本发明提出的烧结机台车车轴故障的检测结果图，其中(a)为第一时刻烧结机台车正常运行时的图像，(b)为一个固定时间帧后烧结机台车左车轮发生摆动时的图像，(c)为两个固定时间帧后烧结机台车左车轮发生摆动时的图像，(d)为两个固定时间帧后烧结机台车右车轮发生摆动时的图像。
图(e)为烧结机台车相邻两帧图像左车轮分别为正常和摆动及右车轮均正常时输出的检测结果图，即图(a)与图(b)两帧图像的检测结果图；图(f)为烧结机台车相邻两帧图像左车轮均为摆动及右车轮均为正常时输出的检测结果图，即图(b)与图(c)两帧图像的检测结果图；图(g)为烧结机台车相邻两帧图像左车轮分别为摆动和正常以及右车轮分别为正常和摆动时输出的检测结果图，即图(b)与图(d)两帧图像的检测结果图。根据本发明提出的检测系统，上述三种情况烧结机台车车轮摆动均能够有效检测出来，进一步指导工业生产。
检测的基本原理是：当烧结机台车在导轨上运行时，车轮摆动检测摄像机实时获取车轮现场视频图像，侧板号牌记录摄像机实时记录对应侧板编号。车轮现场视频图像经交换机传输到视频图像处理服务器中进行算法处理，得到每张图像的检测效果图及故障发生时的报警提示。在检测到故障时，视频图像处理服务器将检测效果图、报警提示、24小时内车轮摆动次数及侧板号牌记录摄像机实时记录的侧板编号传输给显示终端，以指导工业生产。
需要说明的是，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细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (7)

1.一种烧结机台车车轴故障检测方法，其特征在于，包括以下步骤：
S1，采用间隔固定帧形式获取烧结机台车的视频帧图像；
S2，对获取的烧结机台车的相邻两帧图像进行差分运算处理，然后进行相应的图像处理；
S3，运用深度学习目标检测算法定位提取烧结机台车相邻两帧图像的车轮区域图像；
S4，将相邻两帧车轮区域图像的像素点的差值与预设的灰度差的绝对值相比较，判定烧结机台车车轮是否发生摆动；
所述S4具体包括：
若相邻两帧车轮区域图像的像素点的差值小于所述灰度差的绝对值，则判定烧结机台车车轮未发生摆动；
若相邻两帧车轮区域图像的像素点的差值大于所述灰度差的绝对值，则需要对此类情况进行进一步判断；所述进一步判断具体包括：
首先获取该车轮区域后续连续五帧图像，并对所获取的相邻两帧图像均进行S2～S4，若五帧图像对应的车轮区域图像的像素点个数都小于阈值，则车轮未发生摆动；
否则，获取并保存该车轮对应的侧板编号及检测时间t，接着调用数据库，判断其是否在此之前24小时内已存有该侧板编号，如果存在，则执行S100：统计24小时内该车轮摆动的次数并对该车轮进行摆动报警处理；
如果不存在或检测时间超过24小时，则关注此车轮并保存此车轮对应侧板编号与其摆动的时间，当下一次识别到同一侧板编号时执行S100。
2.根据权利要求1所述的烧结机台车车轴故障检测方法，其特征在于，所述S2中图像处理具体包括：
对获取的烧结机台车的相邻两帧图像依次进行灰度化处理、腐蚀处理、高斯滤波处理、二值化处理及膨胀处理。
3.根据权利要求1所述的烧结机台车车轴故障检测方法，其特征在于，所述S3具体包括：运用labellmg对烧结机台车车轮进行标注，通过yolov5对标注图片进行训练来检测并定位提取车轮区域图像。
4.根据权利要求1所述的烧结机台车车轴故障检测方法，其特征在于，所述S4之后还包括S5：
若烧结机台车车轮发生摆动，则判断车轴发生故障；若烧结机台车车轮正常运行，则车轴未发生故障。
5.根据权利要求4所述的烧结机台车车轴故障检测方法，其特征在于，所述S5具体包括：
检测过程中保存所述视频帧图像的检测效果图和侧板号牌记录摄像机实时拍摄的侧板号牌图像，在显示终端显示所述检测效果图和所述侧板号牌图像，并在车轮发生摆动时提示报警信息及统计24小时内车轮摆动次数；
其中，所述检测效果图为检测出所述视频帧图像中烧结机台车车轮对应的像素点之后的图像。
6.根据权利要求1所述的烧结机台车车轴故障检测方法，其特征在于，所述S2～S3具体包括：
(1)应用帧差法对相邻两帧图像进行处理，检测像素点：
(2)对帧差法所得相邻两帧图像进行图像灰度化、腐蚀、高斯滤波、二值化及膨胀算法，去除干扰像素点：
(3)进行ROI截取，将输出感兴趣检测区域限定在车轮所在区域。
7.一种烧结机台车车轴故障检测系统，其特征在于，包括：车轮摆动检测摄像机装置、侧板编号检测摄像机装置、支架、补灯装置及视频图像处理服务器；
所述车轮摆动检测摄像机装置用于采集烧结机台车车轮运行的视频帧图像；
所述侧板编号检测摄像机装置用于采集烧结机台车侧板编号；
所述补灯装置用于对车轮及侧板拍摄时进行补灯操作；
所述支架用于固定所述摄像机及补灯装置；
所述视频图像处理服务器用于执行如权利要求1-6任一项所述的烧结机台车车轴故障检测方法；
所述摄像机装置通过光纤与所述视频图像处理服务器相连接通信。
CN202110873861.0A 2021-07-30 2021-07-30 一种烧结机台车车轴故障检测方法及系统 Active CN113592916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110873861.0A CN113592916B (zh) 2021-07-30 2021-07-30 一种烧结机台车车轴故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110873861.0A CN113592916B (zh) 2021-07-30 2021-07-30 一种烧结机台车车轴故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN113592916A CN113592916A (zh) 2021-11-02
CN113592916B true CN113592916B (zh) 2024-02-06

Family

ID=78252909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110873861.0A Active CN113592916B (zh) 2021-07-30 2021-07-30 一种烧结机台车车轴故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN113592916B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419223B (zh) * 2020-03-26 2024-06-11 中冶长天国际工程有限责任公司 一种烧结台车车轮故障检测方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018130016A1 (zh) * 2017-01-10 2018-07-19 哈尔滨工业大学深圳研究生院 一种基于监控视频的停车检测方法及装置
WO2020000251A1 (zh) * 2018-06-27 2020-01-02 潍坊学院 基于摄像机协同接力的路口违章视频识别方法
JP2020004017A (ja) * 2018-06-27 2020-01-09 アイシン・エィ・ダブリュ株式会社 画像データ送信装置、及び、画像データ送信プログラム
CN111860240A (zh) * 2020-07-07 2020-10-30 内蒙古科技大学 链篦机台车侧板偏移故障的检测方法及系统
CN112232222A (zh) * 2020-10-19 2021-01-15 哈尔滨市科佳通用机电股份有限公司 基于图像处理的动车轴箱端盖螺栓丢失故障检测方法
WO2021068302A1 (zh) * 2019-10-08 2021-04-15 株洲中车时代电气股份有限公司 一种轨道车辆断轴故障的诊断方法及装置
CN112906562A (zh) * 2021-02-19 2021-06-04 内蒙古科技大学 一种链篦机台车侧板裂缝的安全预警方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018130016A1 (zh) * 2017-01-10 2018-07-19 哈尔滨工业大学深圳研究生院 一种基于监控视频的停车检测方法及装置
WO2020000251A1 (zh) * 2018-06-27 2020-01-02 潍坊学院 基于摄像机协同接力的路口违章视频识别方法
JP2020004017A (ja) * 2018-06-27 2020-01-09 アイシン・エィ・ダブリュ株式会社 画像データ送信装置、及び、画像データ送信プログラム
WO2021068302A1 (zh) * 2019-10-08 2021-04-15 株洲中车时代电气股份有限公司 一种轨道车辆断轴故障的诊断方法及装置
CN111860240A (zh) * 2020-07-07 2020-10-30 内蒙古科技大学 链篦机台车侧板偏移故障的检测方法及系统
CN112232222A (zh) * 2020-10-19 2021-01-15 哈尔滨市科佳通用机电股份有限公司 基于图像处理的动车轴箱端盖螺栓丢失故障检测方法
CN112906562A (zh) * 2021-02-19 2021-06-04 内蒙古科技大学 一种链篦机台车侧板裂缝的安全预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于HALCON的移动车辆检测方法研究;鲍岚辉;蔡竞;;现代计算机(专业版)(26);全文 *
基于MATLAB的运动目标检测研究;章华;王静;闪静洁;沈静静;;佳木斯大学学报(自然科学版)(06);全文 *

Also Published As

Publication number Publication date
CN113592916A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN110689054B (zh) 一种工人违规行为监测方法
US6999004B2 (en) System and method for vehicle detection and tracking
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
CN103456024B (zh) 一种运动目标越线判断方法
CN111383429A (zh) 建筑工地工人着装检测方法、系统、装置、存储介质
CN102750709B (zh) 利用视频检测打架行为的方法和装置
Han et al. Development of early tunnel fire detection algorithm using the image processing
CN112508944B (zh) 一种应用于煤矿井下供水管路的泄漏检测方法
CN113592916B (zh) 一种烧结机台车车轴故障检测方法及系统
CN105957352B (zh) 违章停车检测方法和装置
CN113297926B (zh) 行为检测识别方法及系统
CN114565845A (zh) 一种地下隧道智能巡检系统
JP2019079303A (ja) 道路設備点検システムおよび道路設備点検方法、ならびにそれに使用されるサーバ
CN103425960A (zh) 一种视频中快速运动物体侦测方法
CN111127442B (zh) 台车轮轴缺陷检测方法和装置
CN102620048B (zh) 工业锅炉现场阀门安全的图像监测方法
JPH07333171A (ja) 漏洩検出方法及び装置
CN111754477B (zh) 基于动态候选区多尺度图像的铁路周界异物入侵检测方法
JP2005284652A (ja) 動きベクトルを用いた映像監視方法及び装置
JPS636432A (ja) 漏洩検出装置
Malbog et al. PED-AI: pedestrian detection for autonomous vehicles using YOLOv5
CN113378728A (zh) 一种监控方法、系统、电子设备及计算机可读存储介质
Shaikh et al. Deep learning based identification and tracking of railway bogie parts
CN118365475B (zh) 一种光伏电厂智能监控方法和装置
CN118371667B (zh) 一种融合多模态的漏铝检测方法及相关装置

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
GR01 Patent grant
GR01 Patent grant