CN113888525A - 一种基于摄像头数据的旋流器堵塞及预警检测方法 - Google Patents
一种基于摄像头数据的旋流器堵塞及预警检测方法 Download PDFInfo
- Publication number
- CN113888525A CN113888525A CN202111218371.3A CN202111218371A CN113888525A CN 113888525 A CN113888525 A CN 113888525A CN 202111218371 A CN202111218371 A CN 202111218371A CN 113888525 A CN113888525 A CN 113888525A
- Authority
- CN
- China
- Prior art keywords
- coal
- cyclone
- data
- port
- feeding
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 239000003245 coal Substances 0.000 claims abstract description 112
- 238000007599 discharging Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000005065 mining Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 4
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
-
- 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
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
一种基于摄像头数据的煤矿旋流器堵塞及预警检测方法，适用于选煤厂旋流器堵塞检测或其它类似封闭但输入输出可观测的设备使用。首先，该方法通过摄像机对旋流器上方给料口的煤料大小进行判断；然后，利用视觉识别算法对输入煤料量进行估计，通过入料与出料量的差值关系判断旋流器是否堵塞；最后，通过入料与出料量的预测值之间的差值，对旋流器堵塞情况进行预判。其检测效果好，有效解决旋流器堵塞情况无法识别的问题，对可能的堵塞情况预警，提高选煤厂的生产效率。
Description
技术领域
本发明涉及一种煤矿旋流器堵塞及预警检测方法，尤其适用于选煤厂使用的基于摄像头数据的煤矿旋流器堵塞及预警检测方法。
背景技术
随着国家能源发展方式的转变和可持续发展战略的提出，对煤炭质量的要求越来越高， 如何清洁高效利用煤炭资源，推进煤炭绿色低碳发展，是解决环境污染的主要手段，而煤炭洗选作为煤炭洁净利用的源头技术，是提高煤炭利用效率、减少环境污染的主要途径之一。在煤炭洗选加工工艺中，因为旋流器堵塞，选煤厂生产过程就会中断，进而造成企业更大的经济损失，及时发现旋流器堵塞并预警，避免严重的事故已经成为重要技术攻关。
发明内容
本发明的目的：提供一种检测效果好，精度高的基于摄像头数据的煤矿旋流器堵塞及预警检测方法。
为实现上述技术目的，本发明的基于摄像头数据的煤矿旋流器堵塞及预警检测，步骤如下：
步骤1：在旋流器上方入料口处安装矿用摄像头C1，在旋流器下方出料口处安装矿用摄像头C2，利用矿用摄像机采集旋流器入料和出料的视频图像；
步骤2：由于矿用摄像机采集的视频图像中含有较多与煤无关的背景，因此对采集到的视频图像进行裁剪，最大化的裁剪出只含有煤的视频图像；
步骤3：在入料的过程中使用矿用摄像机C1对煤料进行拍摄获取图像，用视觉识别算法将图像划分成S×S的网格，同时利用每个单元格去检测那些中心点落在该格子内的目标，每个单元格预测B个边界框以及边界框的置信度（Conf），边界框的预测有4个组成部分:(x,y,w,h)。其中(x,y)表示真实目标的中心位置坐标，边界框的w和h预测值是真实目标边界框的宽和高，对整张图片目标位置类别的预测可以用一个S×S×(B×5+C)的张量表示，其中5代表目标边界框(x,y,w,h)和这个格子对于目标的置信度Conf，共5个参数；
步骤4：基于视觉识别算法预测每个目标有多个边界框，使用非最大抑制（NMS）技术筛选出每个目标最好的边界框，即在图像中为每个煤料检测出唯一一个边界框，统计视频图像中每一帧检测的煤量；
步骤5：为了确保预测精度，对检测出来的煤料数据首先进行归一化处理，即
式中：xmax为所有输入数据x中的最大值；xmin为所有输入数据x中的最小值；
步骤6：利用输入门输入煤料数据，基于激活层进行有用信息筛选，并将t-1时刻细胞状态Ｃt-1转换为隐藏层状态ht-1，再通过模型进行权重计算；通过tanh层对候选值
进行更新，将两者计算结果与t-1时刻细胞状态Ct-1相加，即可得到Ct值，并在Ct更新的同时，利用加权求和的方式借助Sigmoid函数与“门”将ht-1还原为Ct-1；利用Sigmoid层选择出将要输出值与计算得到的Ct相乘，可计算出ht值，即可预测t+1时刻的煤量；
步骤7：将入料口前t分钟的煤料数据作为输入，通过步骤f,预测t分钟以后入料口的煤量并画出预测效果图；
步骤8：入料口与出料口煤料数据存在时间差，设定从煤料进入旋流器，到出旋流器进入筛面需要时间x分钟，将入料x分钟后的出料口煤料数据作为输入，使得入料口与出料口煤料数据时间同步；
步骤9：通过步骤c—步骤g，检测出料口的煤量，将出料口前t分钟的煤料数据作为输入，预测出t分钟以后出料口的煤量并画出预测效果图；
步骤10：比较入料口和出料口的煤量来判断旋流器是否堵塞，并通过入料与出料量的预测值对旋流器堵塞情况进行预判，设定一个阈值M，如果入料口煤量-出料口煤量≥M，判定旋流器堵塞；如果入料口煤量-出料口煤量＜M，判定旋流器正常工作。
有益效果：旋流器堵塞会对煤炭分选产生严重影响，现有的技术发现堵塞故障时间长，影响旋流器的正常运转，影响选煤效率。当发现堵塞之后，只能及时停止给料，将堵在旋流器里面的矸石清除，然后再将其余煤运出，极大程度的影响选煤效率。现有的技术不仅发现产品掺入矸石量大，而且生产恢复时间长。
而本申请提出的基于一种摄像头数据的煤矿旋流器堵塞及预警检测方法，完美的解决了现有技术存在的问题，优点如下：
（1）远程检测，不需要工人值守，极大程度的减少了人工费和人工经验不足造成的疏忽；
（2）通过视觉识别算法和预测算法，若发生堵塞，及时预警，防止选煤进入停滞状态，造成更大的经济损失。
附图说明
图1：基于摄像头数据的煤矿旋流器堵塞及预警检测流程图；
图2：基于摄像头数据的煤矿旋流器堵塞及预警检测详细流程图；
图3：基于摄像头数据的煤矿旋流器堵塞及预警检测矿用摄像机采集旋流器入料口和出料口煤料信息原理示意图。
具体实施方式
下面结合具体附图对本发明的实施方式进行进一步详细说明。
如图2所示，本发明的基于视觉算法的煤矿旋流器堵塞检测方法，其详细步骤如下：
步骤1：在旋流器上方入料口处安装矿用摄像头C1，在旋流器下方出料口处安装矿用摄像头C2，利用矿用摄像机采集旋流器入料和出料的视频图像；
步骤2：由于矿用摄像机采集的视频图像中含有较多与煤无关的背景，因此对采集到的视频图像进行裁剪，最大化的裁剪出只含有煤的视频图像；
步骤3：在入料的过程中使用矿用摄像机C1对煤料进行拍摄获取图像，用视觉识别算法将图像划分成14×14的网格，同时利用每个单元格去检测那些中心点落在该格子内的目标，每个单元格预测2个边界框以及边界框的置信度（Conf），边界框的预测有4个组成部分:(x,y,w,h)。其中(x,y)表示真实目标的中心位置坐标，边界框的w和h预测值是真实目标边界框的宽和高，对整张图片目标位置类别的预测可以用一个14×14×(2×5+C)的张量表示，其中5代表目标边界框(x,y,w,h)和这个格子对于目标的置信度Conf，共5个参数；
步骤4：基于视觉识别算法预测每个目标有多个边界框，使用非最大抑制（NMS）技术筛选出每个目标最好的边界框，即在图像中为每个煤料检测出唯一一个边界框，统计视频图像中每一帧检测的煤量；
步骤5：为了确保预测精度，对检测出来的煤料数据首先进行归一化处理，即
式中：xmax为所有输入数据x中的最大值；xmin为所有输入数据x中的最小值；
步骤6：利用输入门输入煤料数据，基于激活层进行有用信息筛选，并将t-1时刻细胞状态:Ｃt-1转换为隐藏层状态ht-1，再通过模型进行权重计算；通过tanh层对候选值
进行更新，将两者计算结果与t-1时刻细胞状态Ct-1相加，即可得到Ct值，并在Ct更新的同时，利用加权求和的方式借助Sigmoid函数与“门”将ht-1还原为Ct-1；利用Sigmoid层选择出将要输出值与计算得到的Ct相乘，可计算出ht值，即可预测t+1时刻的煤量；
步骤7：将入料口前3分钟的煤料数据作为输入，通过步骤f，预测3分钟以后入料口的煤量并画出预测效果图；
步骤8：入料口与出料口煤料数据存在时间差，从煤料进入旋流器，到出旋流器进入筛面需要1分钟，因此将入料1分钟后的出料口煤料数据作为输入，使得入料口与出料口煤料数据时间同步；
步骤9：通过步骤c—步骤g,检测出料口的煤量，将出料口前3分钟的煤料数据作为输入，预测出3分钟以后出料口的煤量并画出预测效果图；
步骤10：比较入料口和出料口的煤量来判断旋流器是否堵塞，并通过入料与出料量的预测值对旋流器堵塞情况进行预判，如果入料口煤量-出料口煤量≥20，判定旋流器堵塞；如果入料口煤量-出料口煤量＜20，判定旋流器正常工作。
Claims (2)
1.一种基于摄像头数据的煤矿旋流器堵塞及预警检测方法，其特征在于步骤如下：
步骤1：在旋流器上方入料口处安装矿用摄像头C1，在旋流器下方出料口处安装矿用摄像头C2，利用矿用摄像机采集旋流器入料和出料的视频图像；
步骤2：由于矿用摄像机采集的视频图像中含有较多与煤无关的背景，因此对采集到的视频图像进行裁剪，最大化的裁剪出只含有煤的视频图像；
步骤3：在入料的过程中使用矿用摄像机C1对煤料进行拍摄获取图像，用视觉识别算法将图像划分成S×S的网格，同时利用每个单元格去检测那些中心点落在该格子内的目标，每个单元格预测B个边界框以及边界框的置信度（Conf），边界框的预测有4个组成部分:(x,y,w,h)，其中(x,y)表示真实目标的中心位置坐标，边界框的w和h预测值是真实目标边界框的宽和高，对整张图片目标位置类别的预测可以用一个S×S×(B×5+C)的张量表示，其中5代表目标边界框(x,y,w,h)和这个格子对于目标的置信度Conf，共5个参数；
步骤4：基于视觉识别算法预测每个目标有多个边界框，使用非最大抑制（NMS）技术筛选出每个目标最好的边界框，即在图像中为每个煤料检测出唯一一个边界框，统计视频图像中每一帧检测的煤量；
步骤5：为了确保预测精度，对检测出来的煤料数据首先进行归一化处理，即
式中：xmax为所有输入数据x中的最大值；xmin为所有输入数据x中的最小值；
步骤6：利用输入门输入煤料数据，基于激活层进行有用信息筛选，并将t-1时刻细胞状态Ｃt-1转换为隐藏层状态ht-1，再通过模型进行权重计算；通过tanh层对候选值
进行更新，将两者计算结果与t-1时刻细胞状态Ct-1相加，即可得到Ct值，并在Ct更新的同时，利用加权求和的方式借助Sigmoid函数与“门”将ht-1还原为Ct-1；利用Sigmoid层选择出将要输出值与计算得到的Ct相乘，可计算出ht值，即可预测t+1时刻的煤量；
步骤7：将入料口前t分钟的煤料数据作为输入，通过步骤f，预测t分钟以后入料口的煤量并画出预测效果图；
步骤8：入料口与出料口煤料数据存在时间差，设定从煤料进入旋流器，到出旋流器进入筛面需要x分钟，因此将入料x分钟后的出料口煤料数据作为输入，使得入料口与出料口煤料数据时间同步；
步骤9：通过步骤c—步骤g,检测出料口的煤量，将出料口前t分钟的煤料数据作为输入，预测出t分钟以后出料口的煤量并画出预测效果图；
步骤10：比较入料口和出料口的煤量来判断旋流器是否堵塞，并通过入料与出料量的预测值对旋流器堵塞情况进行预判，设定一个阈值M，如果入料口煤量-出料口煤量≥M，判定旋流器堵塞；如果入料口煤量-出料口煤量＜M，判定旋流器正常工作。
2.根据权利要求1所述的基于摄像头数据的煤矿旋流器堵塞及预警检测方法，其特征在于入料口与出料口煤料数据存在时间差，通过旋流器的容积、运转速度、入料压力、煤料大小等因素计算出从入料到出料的时间需要x分钟，因此出料口比入料口的煤料摄像头数据时间要晚x分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218371.3A CN113888525A (zh) | 2021-10-20 | 2021-10-20 | 一种基于摄像头数据的旋流器堵塞及预警检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218371.3A CN113888525A (zh) | 2021-10-20 | 2021-10-20 | 一种基于摄像头数据的旋流器堵塞及预警检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113888525A true CN113888525A (zh) | 2022-01-04 |
Family
ID=79003683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111218371.3A Pending CN113888525A (zh) | 2021-10-20 | 2021-10-20 | 一种基于摄像头数据的旋流器堵塞及预警检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113888525A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115352839A (zh) * | 2022-10-19 | 2022-11-18 | 常州智达自动化科技有限公司 | 一种基于视频ai和皮带秤的智能输煤系统 |
| CN116620877A (zh) * | 2023-07-21 | 2023-08-22 | 成都考拉悠然科技有限公司 | 一种基于深度学习的落料柜堵料检测及处理的方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005129269A (ja) * | 2003-10-21 | 2005-05-19 | Matsushita Electric Works Ltd | 照明制御システム |
| CN109934170A (zh) * | 2019-03-13 | 2019-06-25 | 武汉大学 | 一种基于计算机视觉的矿山资源统计方法 |
| CN110065790A (zh) * | 2019-04-25 | 2019-07-30 | 中国矿业大学 | 一种基于视觉算法的煤矿皮带转运机头堵塞检测方法 |
| AU2020101011A4 (en) * | 2019-06-26 | 2020-07-23 | Zhejiang University | Method for identifying concrete cracks based on yolov3 deep learning model |
| CN113137230A (zh) * | 2021-05-20 | 2021-07-20 | 太原理工大学 | 一种煤岩界面识别系统 |
-
2021
- 2021-10-20 CN CN202111218371.3A patent/CN113888525A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005129269A (ja) * | 2003-10-21 | 2005-05-19 | Matsushita Electric Works Ltd | 照明制御システム |
| CN109934170A (zh) * | 2019-03-13 | 2019-06-25 | 武汉大学 | 一种基于计算机视觉的矿山资源统计方法 |
| CN110065790A (zh) * | 2019-04-25 | 2019-07-30 | 中国矿业大学 | 一种基于视觉算法的煤矿皮带转运机头堵塞检测方法 |
| AU2020101011A4 (en) * | 2019-06-26 | 2020-07-23 | Zhejiang University | Method for identifying concrete cracks based on yolov3 deep learning model |
| CN113137230A (zh) * | 2021-05-20 | 2021-07-20 | 太原理工大学 | 一种煤岩界面识别系统 |
Non-Patent Citations (3)
| Title |
|---|
| 徐志伟;白帆;杨雪苗;: "基于计算机视觉的溜槽防堵塞检测方法", 煤矿机械, no. 06, 15 June 2020 (2020-06-15) * |
| 江如良;刘亿;白帆;胡延军: "基于图像的振动筛物料状态检测方法", 图像与信号处理, no. 001, 31 December 2020 (2020-12-31) * |
| 王建南;: "基于图像识别技术的报警装置在选煤领域的应用", 煤炭加工与综合利用, no. 05, 25 May 2020 (2020-05-25) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115352839A (zh) * | 2022-10-19 | 2022-11-18 | 常州智达自动化科技有限公司 | 一种基于视频ai和皮带秤的智能输煤系统 |
| CN116620877A (zh) * | 2023-07-21 | 2023-08-22 | 成都考拉悠然科技有限公司 | 一种基于深度学习的落料柜堵料检测及处理的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113888525A (zh) | 一种基于摄像头数据的旋流器堵塞及预警检测方法 | |
| CN113283395B (zh) | 一种运煤皮带转接处堵塞异物的视频检测方法 | |
| CN110781896B (zh) | 一种轨道垃圾识别方法、清洁方法、系统、资源配置方法 | |
| CN111582188B (zh) | 一种基于人工智能的混凝土浇筑旁站监理方法 | |
| CN102852521B (zh) | 一种基于图像识别的采煤机滚筒自动调高方法 | |
| CN108416294A (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
| CN110648364A (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
| CN101673404A (zh) | 一种目标检测的方法和装置 | |
| CN105303581A (zh) | 一种自适应参数的运动目标检测方法 | |
| CN109934170B (zh) | 一种基于计算机视觉的矿山资源统计方法 | |
| CN103096121A (zh) | 一种摄像头移动检测方法及装置 | |
| CN113177605A (zh) | 一种基于视频监控的废钢车厢等级判定方法 | |
| CN110059076A (zh) | 一种输变电线路设备的故障数据库半自动化建立方法 | |
| CN115601945A (zh) | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 | |
| CN104077788B (zh) | 融合颜色和纹理信息进行块背景建模的运动目标检测方法 | |
| CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
| Hu et al. | Modeling and recognition of steel-plate surface defects based on a new backward boosting algorithm | |
| CN111582191B (zh) | 基于人工智能视频分析的混凝土浇筑中浇筑量估计方法 | |
| CN103729613A (zh) | 一种视频图像的检测方法及装置 | |
| CN117372931A (zh) | 一种户外水域人员游泳行为的检测方法及设备 | |
| Xiao et al. | Monitoring the Abnormal Human Behaviors in Substations based on Probabilistic Behaviours Prediction and YOLO-V5 | |
| CN115762089A (zh) | 矿仓下料检堵装置 | |
| Cao et al. | Wafer surface defect detection based on improved YOLOv3 network | |
| CN115487951B (zh) | 一种脱介筛物料断流识别方法及系统 |
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 |