CN114140684A - 堵煤漏煤检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种堵煤漏煤检测方法、装置、设备及存储介质。该方法包括：获取输煤场景图像；对输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；根据预设图像特征识别模型对目标感兴趣区域进行特征识别，获得图像特征信息；将图像特征信息与基准特征信息进行对比，获得对比结果，根据对比结果判断是否存在堵煤漏煤故障。由于本发明是根据预设图像特征识别模型对目标感兴趣区域进行特征识别，获得图像特征信息；将图像特征信息与基准特征信息进行对比，获得对比结果，并根据对比结果判断是否存在堵煤漏煤故障。相对于现有的需要人工定期巡逻以检测是否发生堵煤漏煤故障的方式，本发明上述方式能够及时发现堵煤漏煤故障，提高煤炭传输效率。

Description

堵煤漏煤检测方法、装置、设备及存储介质

技术领域

本发明涉及煤料输送技术领域，尤其涉及一种堵煤漏煤检测方法、装置、设备及存储介质。

背景技术

现有的煤料输送一般采用在起点和终点搭载运煤传输皮带的方式进行运输。在起点处装载煤料，利用输煤皮带将煤料输送至目标终点，但是在皮带运煤的过程中，经常会因为煤炭的大小、皮带传输的速率以及输煤皮带故障等原因造成堵煤或漏煤故障。造成一定的经济损失，因此，现有技术中，在利用输煤皮带将煤料输送至目标终点时，通常在输煤皮带的运输路径周围配置一定的巡回检测人员，以及时发现输煤皮带在工作中发生的堵煤或漏煤故障。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种堵煤漏煤检测方法、装置、设备及存储介质，旨在解决现有技术需要人工定期巡逻以检测是否发生堵煤漏煤故障导致的不能及时发现堵煤漏煤故障和成本高的技术问题。

为实现上述目的，本发明提供了一种堵煤漏煤检测方法，所述方法包括以下步骤：

获取挂轨机器人采集的输煤场景图像；

根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；

根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；

将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

可选地，所述根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息的步骤，包括：

根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值；

将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类，获得归类结果；

根据所述归类结果确定所述各像素点的颜色归属信息；

根据所述颜色归属信息对所述目标感兴趣区域进行色块分割，获得色块信息，将所述色块信息作为图像特征信息。

可选地，所述根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域的步骤，包括：

获取所述预设截取策略中的预设截取信息；

根据所述预设截取信息对所述输煤场景图像进行感兴趣区域截取，获得目标感兴趣区域。

可选地，所述将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障的步骤之后，还包括：

在存在所述堵煤漏煤故障时，根据所述对比结果确定所述堵煤漏煤故障出现的目标位置；

根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围；

在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障；

根据所述目标位置生成预设预警信息，并将所述预设预警信息发送至目标终端。

可选地，所述根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围的步骤之后，包括：

在所述堵煤漏煤故障不位于所述输煤皮带周围时，判断所述堵煤漏煤故障是否位于输煤皮带上方；

在所述堵煤漏煤故障位于所述输煤皮带上方时，判定当前存在堵煤故障；

从所述图像特征信息中筛选出目标特征信息；

根据所述目标特征信息执行对应的应急策略。

可选地，所述根据所述目标特征信息执行对应的应急策略的步骤，包括：

将所述目标特征信息输入至预设煤量预测模型，获得煤量预测结果；

根据所述煤量预测结果确定当前的堵煤程度；

在所述堵煤程度大于预设堵煤程度时，获取所述输煤皮带的运行速率；

在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率。

可选地，所述在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率的步骤之后，还包括：

获取挂轨机器人采集的目标场景图像；

根据所述目标场景图像确定输煤皮带上方的目标堵煤量；

根据所述煤量预测结果和所述目标堵煤量判断堵煤故障是否排除；

在所述堵煤故障未排除时，控制所述输煤皮带停止运行，并预警。

此外，为实现上述目的，本发明还提供一种堵煤漏煤检测装置，所述装置包括：

获取模块，用于获取挂轨机器人采集的输煤场景图像；

提取模块，用于根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；

识别模块，用于根据预设图像特征提取模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；

对比模块，用于将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

此外，为实现上述目的，本发明还提出一种堵煤漏煤检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的堵煤漏煤检测程序，所述堵煤漏煤检测程序配置为实现如上文所述的堵煤漏煤检测方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有堵煤漏煤检测程序，所述堵煤漏煤检测程序被处理器执行时实现如上文所述的堵煤漏煤检测方法的步骤。

本发明获取挂轨机器人采集的输煤场景图像；根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。由于本发明是根据预设图像特征识别模型对目标感兴趣区域进行特征识别，获得图像特征信息；将图像特征信息与基准特征信息进行对比，获得对比结果，并根据对比结果判断是否存在堵煤漏煤故障。相对于现有的需要人工定期巡逻以检测是否发生堵煤漏煤故障的方式，本发明上述方式能够及时发现堵煤漏煤故障，提高煤炭传输效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的堵煤漏煤检测设备的结构示意图；

图2为本发明堵煤漏煤检测方法第一实施例的流程示意图；

图3为本发明堵煤漏煤检测方法第二实施例的流程示意图；

图4为本发明堵煤漏煤检测方法第三实施例的流程示意图；

图5为本发明堵煤漏煤检测装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的堵煤漏煤检测设备结构示意图。

如图1所示，该堵煤漏煤检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对堵煤漏煤检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及堵煤漏煤检测程序。

在图1所示的堵煤漏煤检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明堵煤漏煤检测设备中的处理器1001、存储器1005可以设置在堵煤漏煤检测设备中，所述堵煤漏煤检测设备通过处理器1001调用存储器1005中存储的堵煤漏煤检测程序，并执行本发明实施例提供的堵煤漏煤检测方法。

基于上述堵煤漏煤检测设备，本发明实施例提供了一种堵煤漏煤检测方法，参照图2，图2为本发明堵煤漏煤检测方法第一实施例的流程示意图。

本实施例中，所述堵煤漏煤检测方法包括以下步骤：

步骤S10：获取挂轨机器人采集的输煤场景图像。

需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，或者是一种能够实现上述功能的电子设备或堵煤漏煤检测设备。以下以所述堵煤漏煤检测设备为例，对本实施例及下述各实施例进行说明。

需要说明的是，所述挂轨机器人可以是采用机器人取代人工，能够对目标区域进行自动巡检，获得巡检过程中采集的图像和测量参数的设备。所述挂轨机器人一般可有三种模式：定时自动巡检、临时自动巡检和遥控巡检。为了减少人工的操作，一般可采用定时自动巡检的方式进行采集输煤场景图像。在传输皮带所在位置均可以落入挂轨机器人可采集的一次场景范围中时，可以固定挂轨机器人的位置进行采集。所述输煤场景图像可以是所述挂轨机器人采集到的利用皮带输煤时的场景图像。

步骤S20：根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域。

需要说明的是，所述预设截取策略可以包含预先设置的截取信息。根据预设截取策略对所述输煤场景图像进行感兴趣区域提取可以是根据预设截取策略中包含的预先设置的截取信息对输煤场景图像进行感兴趣区域提取。例如，当挂轨机器人在固定的位置采集输煤场景图像时，每次采集的输煤皮带的位置在输煤场景图像中所处的区域固定不变，此时，可以先记录输煤皮带在输煤场景图像中所处的区域信息，在后续进行感兴趣区域提取时，直接对该区域信息对应的区域进行截取，即得到目标感兴趣区域。

进一步的，为了提高截取目标感兴趣区域的工作效率，所述步骤S20可包括：获取所述预设截取策略中的预设截取信息；根据所述预设截取信息对所述输煤场景图像进行感兴趣区域截取，获得目标感兴趣区域。

需要说明的是，所述预设截取信息可以是预先采集记录的挂轨机器人采集的场景图像中输煤皮带所处的位置信息。例如，当挂轨机器人在某位置采集场景图像时，可以先获取一张初始图像，根据所述初始图像判断挂轨机器人在该位置采集场景图像时输煤皮带在采集的场景图像中的区域信息，可以是像素点信息或图像中的行列信息等能够标识输煤皮带所处的区域即可，记录该区域信息，以使在后续进行感兴趣区域的提取时，不用对每一张采集的场景图像进行分析后提取，可直接基于该区域信息进行截取，提高截取目标感兴趣区域的工作效率。

步骤S30：根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息。

需要说明的是，所述预设图像特征识别模型可以是预先训练的能够对所述目标感兴趣区域进行特征提取的模型，可以提取所述目标感兴趣区域中的各像素点的颜色值并进行分析处理或提取所述目标感兴趣区域的轮廓信息。

步骤S40：将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

需要说明的是，所述基准特征信息可以是输煤皮带正常工作时的场景图像对应的特征信息。所述对比结果可以是所述图像特征信息与基准特征信息的差异信息。在出现堵煤漏煤故障时，一般输煤皮带上方或输煤皮带周围会出现多余的煤炭，即可根据与基准特征信息进行对比的对比结果判断图像特征信息中的输煤皮带上方或输煤皮带周围是否存在多余的煤炭，在存在多余的煤炭的时候，可判断存在堵煤漏煤故障。

进一步的，为了更好的检测出现故障的原因以及时修复减少损失，所述步骤S40之后，还包括：在存在堵煤漏煤故障时，判断输煤皮带是否处于运行状态；在所述输煤皮带处于运行状态时，控制所述输煤皮带在预设时长后停止运行；在所述输煤皮带停止运行后，获取所述挂轨机器人采集的皮带图像；根据所述预设图像特征提取模型对所述皮带图像进行特征识别，获得皮带特征信息；根据所述皮带特征信息判断所述输煤皮带是否存在变形和/或异位故障；在所述输煤皮带存在所述变形和/或异位故障时进行预警。

需要说明的是，所述预设时长可以是预先设置的时长，可使在物料源头停止投放煤料时，将当前皮带上的煤料运输至终点的时长，以清空输煤皮带上的煤料，避免影响判断皮带是否变形和异位的判断结果。所述预设图像特征提取模型可以提取出输煤皮带是否在原有的轨道上运行以及皮带是否变形等信息。所述皮带特征信息可以包括皮带的位置信息，皮带底部轨道的位置信息，皮带上的特征信息等。在皮带的位置与轨道的位置并不重合的时候，可判定皮带出现异位。在皮带有明显的不平整或凹凸的时候，可判定皮带出现变形。在所述输煤皮带存在所述变形和/或异位故障时可通过启动预设的报警按钮，以提示维修人员皮带出现异常。

进一步的，为了提高输煤皮带的工作效率，所述步骤S40之后，还包括：获取挂轨机器人采集的输煤皮带运行时的工作声音信息；将所述工作声音信息与预设基准声音信息进行对比，获得声音对比结果；根据所述声音对比结果判断所述输煤皮带是否存在异响；在所述输煤皮带存在异响时，控制所述输煤皮带停止运行并发出预设预警信息。

需要说明的是，所述工作声音信息可以是当前挂轨机器人采集的输煤皮带运行时的声音信息。所述预设基准声音信息可以是在输煤皮带正常运行时采集的声音信息。将所述工作声音信息与预设基准声音信息进行对比可以判断当前输煤皮带在运行时是否存在异响。在所述输煤皮带存在异响时，控制所述输煤皮带停止运行并发出预设预警信息。

在具体实施中，堵煤漏煤检测设备通过挂轨机器人采集输煤皮带运行时的工作声音信息；并将所述工作声音信息与预设基准声音信息进行对比，获得声音对比结果；根据所述声音对比结果判断所述输煤皮带是否存在异响；在所述输煤皮带存在异响时，控制所述输煤皮带停止运行并启动预设的报警按钮或发出预警信息至目标终端。

本实施例获取挂轨机器人采集的输煤场景图像；根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。由于本实施例是根据预设图像特征识别模型对目标感兴趣区域进行特征识别，获得图像特征信息；将图像特征信息与基准特征信息进行对比，获得对比结果，并根据对比结果判断是否存在堵煤漏煤故障。相对于现有的需要人工定期巡逻以检测是否发生堵煤漏煤故障的方式，本实施例上述方式能够及时发现堵煤漏煤故障，提高煤炭传输效率。

参考图3，图3为本发明堵煤漏煤检测方法第二实施例的流程示意图。

基于上述第一实施例，在本实施例中，所述步骤S40之后，还包括：

步骤S401：在存在所述堵煤漏煤故障时，根据所述对比结果确定所述堵煤漏煤故障出现的目标位置。

需要说明的是，所述目标位置可以是所述对比结果中图像特征信息与基准特征信息存在差异的位置。例如，基准特征信息中皮带周围并没有异物，而图像特征信息中的皮带周围存在异物，一般可认定该异物为堵煤漏煤故障导致的。该异物的位置即为所述目标位置。

步骤S402：根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围。

在具体实施中，堵煤漏煤检测设备判断所述目标位置是否位于输煤皮带周围。

进一步的，为了提高输煤效率，所述步骤S402之后，还包括在所述堵煤漏煤故障不位于所述输煤皮带周围时，判断所述堵煤漏煤故障是否位于输煤皮带上方；在所述堵煤漏煤故障位于所述输煤皮带上方时，判定当前存在堵煤故障；从所述图像特征信息中筛选出目标特征信息；根据所述目标特征信息执行对应的应急策略。

需要说明的是，所述目标特征信息可以是所述图像特征中目标位置处的特征信息，可以是目标位置处的煤炭轮廓信息或堵煤的区域的范围信息。所述根据所述目标特征信息执行对应的应急策略的步骤可包括将所述目标特征信息输入至预设煤量预测模型，获得煤量预测结果；根据所述煤量预测结果确定当前的堵煤程度；在所述堵煤程度大于预设堵煤程度时，获取所述输煤皮带的运行速率；在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率。

需要说明的是，所述预设煤量预测模型可以是预先通过样本数据训练的能够根据目标特征信息预测出目标特征信息对应的煤量的模型。在发生堵煤时，堆积的煤炭一般可根据堆积的范围或面积进行大致的预估，例如，在堆积煤炭的形状大致为圆锥形时，可根据目标特征中堆积的长度和宽度计算出堆积的体积，即为煤量预测结果。堵煤程度可以根据当前堆积的煤量进行评估，可分为高中低三个程度，在煤量预测结果中的煤量小于第一预设煤量时，判定当前的堵煤程度为低；在煤量预测结果中的煤量大于第一预设煤量，小于第二预设煤量时，判定当前的堵煤程度为中；在煤量预测结果中的煤量大于第三预设煤量时，判定当前的堵煤程度为高。第一预设煤量、第二预设煤量和第三预设煤量可以是预先设置的煤量值。预设堵煤程度可以是从所述堵煤程度中选取的一个基准堵煤程度，用来判断是否需要调整输煤皮带的运行速率。在所述堵煤程度大于预设堵煤程度时，获取所述输煤皮带的运行速率；在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率。所述预设运行速率可以是预先设置的大于0的运行速率。此步骤是为了排除因为输煤皮带的运行速率过低导致的堵煤故障。调整所述输煤皮带的运行速率一般为增加输煤皮带的运行速率。在所述运行速率大于或等于预设运行速率时，可判定堵煤故障不是输煤皮带的运行速率过低导致的，此时可直接进行预警，以提醒维修人员进行维修。

进一步的，为了及时排除堵煤故障，提高输煤皮带的工作效率，所述调整所述输煤皮带的运行速率的步骤之后，还包括：获取挂轨机器人采集的目标场景图像；根据所述目标场景图像确定输煤皮带上方的目标堵煤量；根据所述煤量预测结果和所述目标堵煤量判断堵煤故障是否排除；在所述堵煤故障未排除时，控制所述输煤皮带停止运行并预警。

需要说明的是，所述目标场景图像可以是在增加输煤皮带的运行速率一定时间后采集的皮带上方目标位置处对应的图像。目的是为了检测在提高输煤皮带的运行速率后，输煤皮带上方的堵煤故障是否得到排除。所述目标堵煤量可以是目标场景图像中所述目标位置处对应的煤量，具体可通过上述根据场景图像计算堵煤量的方式进行计算。所述根据所述煤量预测结果和所述目标堵煤量判断堵煤故障是否排除可以是判断所述目标堵煤量相对于所述煤量预测结果是否有减少，在目标堵煤量小于所述煤量预测结果中的煤量时，可判定在提高输煤皮带的运行速率后，堵煤故障得到排除；在目标堵煤量大于或等于所述煤量预测结果中的煤量时，判定所述堵煤故障未排除，此时控制所述输煤皮带停止运行，并进行预警。

步骤S403：在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障。

在具体实施中，堵煤漏煤检测设备判断所述目标位置是否位于输煤皮带周围，在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障。

步骤S404：根据所述目标位置生成预设预警信息，并将所述预设预警信息发送至目标终端。

需要说明的是，所述预设预警信息可以是包括所述目标位置和故障详细信息的预警信息，例如，预设预警信息可以是输煤皮带发生漏煤故障，具体位置为所述目标位置。所述目标终端可以是接收所述预设预警信息的终端，可以为维修管理人员的手机、电脑等终端设备或检测输煤皮带运行的检测设备。

本实施例在存在所述堵煤漏煤故障时，根据所述对比结果确定所述堵煤漏煤故障出现的目标位置；根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围；在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障；根据所述目标位置生成预设预警信息，并将所述预设预警信息发送至目标终端。本实施例根据堵煤漏煤故障出现的目标位置判断具体的故障是否为漏煤故障，并及时生成预设预警信息，使得可以根据具体的故障采取对应的应对措施，减少维修时间和成本，提高输煤皮带的工作效率。

参考图4，图4为本发明堵煤漏煤检测方法第三实施例的流程示意图。

基于上述各实施例，在本实施例中，所述步骤S30可包括：

步骤S301：根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值。

在具体实施中，堵煤漏煤检测设备根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值。

步骤S302：将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类，获得归类结果。

需要说明的是，所述预设颜色值范围可以是预设的相邻的颜色值范围。将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类可以是将RGB颜色值在预设差别范围内的像素点进行归类，使得差别不大的像素点在同一预设颜色值范围内，例如，预设颜色值范围有ffff00-ffff32；ffff33-ffff65；ffff66-ffff98；ffff99-ffffcc，则将RGB颜色值为ffff00、fff01、fff04等处于ffff00-ffff33范围内的颜色值归类于ffff00-ffff33类，将RGB颜色值为ffff33、fff35、fff45等处于ffff33-ffff65范围内的颜色值归类于ffff33-ffff65类，获得各像素点的RGB颜色值的归类结果。

步骤S303：根据所述归类结果确定所述各像素点的颜色归属信息。

需要说明的是，所述颜色归属信息可以是各像素点对应的类别，例如RGB颜色值为ffff00、fff01、fff04等处于ffff00-ffff33范围内的颜色值属于ffff00-ffff33类，RGB颜色值为ffff00、fff01、fff04的像素点的颜色归属信息为ffff00-ffff33类。

步骤S304：根据所述颜色归属信息对所述目标感兴趣区域进行色块分割，获得色块信息，将所述色块信息作为图像特征信息。

需要说明的是，所述根据所述颜色归属信息对所述目标感兴趣区域进行色块分割可以是将所述RGB颜色值属于同一颜色归属信息的各像素点作为同一个色块进行分割。即可根据场景图像中的各像素点的RGB颜色值信息将场景图像划分为多个色块，RGB颜色值相近的属于同一预设颜色值范围的像素点构成一个色块。例如，在发生漏煤时，采集的场景图像中即可根据该块区域均为煤料的RGB颜色值将该块区域划分为一个色块，即得到了场景图像中的漏煤区域的色块信息。因为漏煤区域的色块信息中RGB颜色值均为煤料的RGB颜色值，与周围环境的RGB颜色值相差一般较大，因此，同一个预设颜色值范围可包含较少的RGB颜色值，使的进行色块分割时可以分割较为准确的漏煤区域。

本实施例根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值；将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类，获得归类结果；根据所述归类结果确定所述各像素点的颜色归属信息；根据所述颜色归属信息对所述目标感兴趣区域进行色块分割，获得色块信息，将所述色块信息作为图像特征信息。本实施例通过预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值，进而根据目标感兴趣区域的各像素点的RGB颜色值获得色块信息，将所述色块信息作为图像特征信息，进而可以根据图像特征信息判断是否出现堵煤漏煤故障，以及时发现输煤皮带的运行故障，并提高输煤皮带的工作效率。

参照图5，图5为本发明堵煤漏煤检测装置第一实施例的结构框图。

如图5所示，本发明实施例提出的堵煤漏煤检测装置包括：

获取模块10，用于获取挂轨机器人采集的输煤场景图像；

提取模块20，用于根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；

识别模块30，用于根据预设图像特征提取模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；

对比模块40，用于将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

本实施例获取挂轨机器人采集的输煤场景图像；根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。由于本实施例是根据预设图像特征识别模型对目标感兴趣区域进行特征识别，获得图像特征信息；将图像特征信息与基准特征信息进行对比，获得对比结果，并根据对比结果判断是否存在堵煤漏煤故障。相对于现有的需要人工定期巡逻以检测是否发生堵煤漏煤故障的方式，本实施例上述方式能够及时发现堵煤漏煤故障，提高煤炭传输效率。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的参数运行方法，此处不再赘述。

基于本发明上述堵煤漏煤检测装置第一实施例，提出本发明堵煤漏煤检测装置的第二实施例。

在本实施例中，所述识别模块30，还用于根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值；将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类，获得归类结果；根据所述归类结果确定所述各像素点的颜色归属信息；根据所述颜色归属信息对所述目标感兴趣区域进行色块分割，获得色块信息，将所述色块信息作为图像特征信息。

进一步的，所述提取模块20，还用于获取所述预设截取策略中的预设截取信息；根据所述预设截取信息对所述输煤场景图像进行感兴趣区域截取，获得目标感兴趣区域。

进一步的，所述对比模块40，还用于在存在所述堵煤漏煤故障时，根据所述对比结果确定所述堵煤漏煤故障出现的目标位置；根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围；在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障；根据所述目标位置生成预设预警信息，并将所述预设预警信息发送至目标终端。

进一步的，所述对比模块40，还用于在所述堵煤漏煤故障不位于所述输煤皮带周围时，判断所述堵煤漏煤故障是否位于输煤皮带上方；在所述堵煤漏煤故障位于所述输煤皮带上方时，判定当前存在堵煤故障；从所述图像特征信息中筛选出目标特征信息；根据所述目标特征信息执行对应的应急策略。

进一步的，所述对比模块40，还用于将所述目标特征信息输入至预设煤量预测模型，获得煤量预测结果；根据所述煤量预测结果确定当前的堵煤程度；在所述堵煤程度大于预设堵煤程度时，获取所述输煤皮带的运行速率；在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率。

进一步的，所述对比模块40，还用于获取挂轨机器人采集的目标场景图像；根据所述目标场景图像确定输煤皮带上方的目标堵煤量；根据所述煤量预测结果和所述目标堵煤量判断堵煤故障是否排除；在所述堵煤故障未排除时，控制所述输煤皮带停止运行，并预警。

本发明堵煤漏煤检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有堵煤漏煤检测程序，所述堵煤漏煤检测程序被处理器执行时实现如上文所述的堵煤漏煤检测方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种堵煤漏煤检测方法，其特征在于，所述堵煤漏煤检测方法包括以下步骤：

获取挂轨机器人采集的输煤场景图像；

根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；

根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；

将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

2.如权利要求1所述的堵煤漏煤检测方法，其特征在于，所述根据预设图像特征识别模型对所述目标感兴趣区域进行特征识别，获得图像特征信息的步骤，包括：

根据预设图像特征识别模型获取所述目标感兴趣区域的各像素点的RGB颜色值；

将所述RGB颜色值落入相应预设颜色值范围的像素点进行归类，获得归类结果；

根据所述归类结果确定所述各像素点的颜色归属信息；

根据所述颜色归属信息对所述目标感兴趣区域进行色块分割，获得色块信息，将所述色块信息作为图像特征信息。

3.如权利要求1所述的堵煤漏煤检测方法，其特征在于，所述根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域的步骤，包括：

获取所述预设截取策略中的预设截取信息；

根据所述预设截取信息对所述输煤场景图像进行感兴趣区域截取，获得目标感兴趣区域。

4.如权利要求1所述的堵煤漏煤检测方法，其特征在于，所述将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障的步骤之后，还包括：

在存在所述堵煤漏煤故障时，根据所述对比结果确定所述堵煤漏煤故障出现的目标位置；

根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围；

在所述堵煤漏煤故障位于所述输煤皮带周围时，判定当前存在漏煤故障；

根据所述目标位置生成预设预警信息，并将所述预设预警信息发送至目标终端。

5.如权利要求4所述的堵煤漏煤检测方法，其特征在于，所述根据所述目标位置判断所述堵煤漏煤故障是否位于输煤皮带周围的步骤之后，包括：

在所述堵煤漏煤故障不位于所述输煤皮带周围时，判断所述堵煤漏煤故障是否位于输煤皮带上方；

在所述堵煤漏煤故障位于所述输煤皮带上方时，判定当前存在堵煤故障；

从所述图像特征信息中筛选出目标特征信息；

根据所述目标特征信息执行对应的应急策略。

6.如权利要5所述的堵煤漏煤检测方法，其特征在于，所述根据所述目标特征信息执行对应的应急策略的步骤，包括：

将所述目标特征信息输入至预设煤量预测模型，获得煤量预测结果；

根据所述煤量预测结果确定当前的堵煤程度；

在所述堵煤程度大于预设堵煤程度时，获取所述输煤皮带的运行速率；

在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率。

7.如权利要求6所述的堵煤漏煤检测方法，其特征在于，所述在所述运行速率小于预设运行速率时，调整所述输煤皮带的运行速率的步骤之后，还包括：

获取挂轨机器人采集的目标场景图像；

根据所述目标场景图像确定输煤皮带上方的目标堵煤量；

根据所述煤量预测结果和所述目标堵煤量判断堵煤故障是否排除；

在所述堵煤故障未排除时，控制所述输煤皮带停止运行并预警。

8.一种堵煤漏煤检测装置，其特征在于，所述堵煤漏煤检测装置包括：

获取模块，用于获取挂轨机器人采集的输煤场景图像；

提取模块，用于根据预设截取策略对所述输煤场景图像进行感兴趣区域提取，获得目标感兴趣区域；

识别模块，用于根据预设图像特征提取模型对所述目标感兴趣区域进行特征识别，获得图像特征信息；

对比模块，用于将所述图像特征信息与基准特征信息进行对比，获得对比结果，并根据所述对比结果判断是否存在堵煤漏煤故障。

9.一种堵煤漏煤检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的堵煤漏煤检测程序，所述堵煤漏煤检测程序配置为实现如权利要求1至7中任一项所述的堵煤漏煤检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有堵煤漏煤检测程序，所述堵煤漏煤检测程序被处理器执行时实现如权利要求1至7任一项所述的堵煤漏煤检测方法的步骤。

Images