CN114671215A - 一种基于图像识别和ai算法在皮带无人值守的应用 - Google Patents
一种基于图像识别和ai算法在皮带无人值守的应用 Download PDFInfo
- Publication number
- CN114671215A CN114671215A CN202210341624.4A CN202210341624A CN114671215A CN 114671215 A CN114671215 A CN 114671215A CN 202210341624 A CN202210341624 A CN 202210341624A CN 114671215 A CN114671215 A CN 114671215A
- Authority
- CN
- China
- Prior art keywords
- belt
- image
- algorithm
- detection
- recognition
- 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 claims abstract description 58
- 239000003245 coal Substances 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000006378 damage Effects 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 238000013475 authorization Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 8
- 239000000779 smoke Substances 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000000428 dust Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 239000004575 stone Substances 0.000 claims description 4
- 239000002023 wood Substances 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 14
- 230000008859 change Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 239000002390 adhesive tape Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像识别和AI算法在皮带无人值守的应用,通过信息化手段,完成人力无法完成的高难度巡检、高强度巡检、智能化监测、自动化报警等工作,并且通过信息化手段,完成复杂的输煤皮带巡检工作,并在节约人力资源的情况下提高工作效率,保证了工作质量与人员人生安全,降低输煤皮带更换频次减少输煤系统易损件费用,通过对图像预处理、特征提取、分类和图像匹配算法进行数据汇总,运用计算机图像视觉智能识别技术,实现皮带无人值守,采用智能检测、模式识别算法,深度学习,实现各种设备检测和安全生产检测,确保当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
Description
技术领域
本发明一种基于图像识别和AI算法在皮带无人值守的应用,属于皮带巡检技术领域。
背景技术
输煤系统中皮带撕裂是一种破坏性很大的故障,一旦发生会影响正常的煤料输送,若不及时处理,会造成巨大经济损失。
另外,皮带机运行过程中,皮带跑偏是较为常见的故障,皮带机安装不当、托辊粘料、皮带松弛、煤料分布不均匀、设备异常振动等情况均会造成皮带跑偏,皮带跑偏容易引起输滚筒或托辊轴承损坏、皮带撕裂、煤料洒落造成扬尘等问题。
目前,依靠人工巡检,不仅耗时长、巡检难度大,而且不能及时发现故障。
发明内容
本发明克服了现有技术存在的不足,提供了一种基于图像识别和AI算法在皮带无人值守的应用,能够解决当前智能化巡检程度低、巡检难度大、故障发现不及时等亟待解决的问题。通过信息化手段,完成人力无法完成的高难度巡检、高强度巡检、智能化监测、自动化报警等工作,并且通过信息化手段,完成复杂的输煤皮带巡检工作,并在节约人力资源的情况下提高工作效率,保证了工作质量与人员人生安全,降低输煤皮带更换频次减少输煤系统易损件费用,符合提质、增效发展方向要求。
为了解决上述技术问题,本发明采用的技术方案为:一种基于图像识别和AI算法在皮带无人值守的应用,通过对图像预处理、特征提取、分类和图像匹配算法进行数据汇总,运用计算机图像视觉智能识别技术,实现皮带无人值守,采用智能检测、模式识别算法,深度学习,实现各种设备检测和安全生产检测,确保当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
所述设备检测为针对输煤系统主要设备运行情况检测,包括皮带是否跑偏、撕裂、洒煤。
所述安全生产检测包括皮带上出现异物,以及出现烟火时,要及时报警,提醒工作人员尽快处理,防止发生事故以及一些在设备运行时人员不能靠近的非安全区域一旦出现人员进入时,及时报警,防范事故发生以及人员不安全行为和人脸识别的检测。
通过在皮带易发生撕裂的部位安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像,并将摄像机采集的皮带图像实时传输回系统后台进行分析、识别,从而判断皮带是否撕裂,发现撕裂时,后台会自动告警。
通过在皮带机头部和尾部的滚筒上标记两条跑偏识别线,在皮带上方使用固定监控设备实时监控两条跑偏识别线,同时后台系统会对实时图像进行识别判断跑偏识别线是否被遮挡,当任意一根跑偏识别线被遮挡时,系统会判定皮带跑偏,并发出告警。
通过采集监控摄像头的视频图像,对视频图像进行分析,当检测皮带两侧出现洒煤时,及时报警。
通过采集监控摄像头的视频图像,对视频图像中出现的物体进行分析,当检测物体为包括木头棍子、钢管、大石头块在内的异物时,及时报警。
通过对视频图像信息进行分析判断,及时发现监控区域内的异常烟雾和火灾苗头,进行告警和提供有用信息;同时查看现场实时图像,根据直观的画面直接指挥调度救火。
在视频监控范围内设定非安全区域并对其进行检测,当有人入侵时,及时产生报警,同时对视频图像中人员包括不戴安全帽、不戴防尘口罩在内的不安全行为进行检测,以及在在既定的时间段内,对视频图像中出现的人脸进行检测及识别,自动记录工作人员到岗情况。
本发明与现有技术相比具有的有益效果是:本发明可自动的识别判断皮带跑偏、堵煤、撒煤、撕裂等,通过摄像头对输煤皮带进行实时检测,替代传统的人工巡检;同时可通过检测驱动皮带运行电机的电压和电流的变化情况,来进一步判断皮带是否发生撕裂以及撕裂的严重程度。
本发明不仅能够实现皮带跑偏、撕裂的实时智能检测提高监测效率,并通过第三方数据提高准确性,系统在判断出皮带撕裂情况下进行报警也可进行设备联动,提高安全性。
本发明基于图像识别和AI算法的皮带智能检测系统技术的应用开发,在对图像预处理、特征提取、分类、图像匹配算法进行深入研究和分析的基础上,分析和比较各种算法的优缺点。在充分运用计算机图像视觉智能识别技术的基础上,实现了以下几种检测。当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
具体实施方式
本发明一种基于图像识别和AI算法在皮带无人值守的应用,通过对图像预处理、特征提取、分类和图像匹配算法进行数据汇总,运用计算机图像视觉智能识别技术,实现皮带无人值守,采用智能检测、模式识别算法,深度学习,实现各种设备检测和安全生产检测,确保当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
所述设备检测为针对输煤系统主要设备运行情况检测,包括皮带是否跑偏、撕裂、洒煤。
所述安全生产检测包括皮带上出现异物,以及出现烟火时,要及时报警,提醒工作人员尽快处理,防止发生事故以及一些在设备运行时人员不能靠近的非安全区域一旦出现人员进入时,及时报警,防范事故发生以及人员不安全行为和人脸识别的检测。
通过在皮带易发生撕裂的部位安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像,并将摄像机采集的皮带图像实时传输回系统后台进行分析、识别,从而判断皮带是否撕裂,发现撕裂时,后台会自动告警。
通过在皮带机头部和尾部的滚筒上标记两条跑偏识别线,在皮带上方使用固定监控设备实时监控两条跑偏识别线,同时后台系统会对实时图像进行识别判断跑偏识别线是否被遮挡,当任意一根跑偏识别线被遮挡时,系统会判定皮带跑偏,并发出告警。
通过采集监控摄像头的视频图像,对视频图像进行分析,当检测皮带两侧出现洒煤时,及时报警。
通过采集监控摄像头的视频图像,对视频图像中出现的物体进行分析,当检测物体为包括木头棍子、钢管、大石头块在内的异物时,及时报警。
通过对视频图像信息进行分析判断,及时发现监控区域内的异常烟雾和火灾苗头,进行告警和提供有用信息;同时查看现场实时图像,根据直观的画面直接指挥调度救火。
在视频监控范围内设定非安全区域并对其进行检测,当有人入侵时,及时产生报警,同时对视频图像中人员包括不戴安全帽、不戴防尘口罩在内的不安全行为进行检测,以及在在既定的时间段内,对视频图像中出现的人脸进行检测及识别,自动记录工作人员到岗情况。
本发明可自动的识别判断皮带跑偏、堵煤、撒煤、撕裂等,通过摄像头对输煤皮带进行实时检测,替代传统的人工巡检;同时可通过检测驱动皮带运行电机的电压和电流的变化情况,来进一步判断皮带是否发生撕裂以及撕裂的严重程度。
本发明不仅能够实现皮带跑偏、撕裂的实时智能检测提高监测效率,并通过第三方数据提高准确性,系统在判断出皮带撕裂情况下进行报警也可进行设备联动,提高安全性。
本发明基于图像识别和AI算法的皮带智能检测系统技术的应用开发,在对图像预处理、特征提取、分类、图像匹配算法进行深入研究和分析的基础上,分析和比较各种算法的优缺点。在充分运用计算机图像视觉智能识别技术的基础上,实现了以下几种检测。当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
本发明采用智能检测、模式识别算法,深度学习,实现各种设备检测和安全生产检测。
其中,
设备检测:主要针对输煤系统主要设备运行情况检测。比如皮带是否跑偏、撕裂、洒煤。
安全生产检测:皮带上出现异物,要及时报警,提醒工作人员尽快处理,防止发生事故。一些在设备运行时人员不能靠近的非安全区域一旦出现人员进入时,及时报警,防范事故发生。
下面结合具体实施例,对本发明进行进一步的阐述。
1、皮带撕裂检测
输煤系统中皮带撕裂是一种破坏性很大的故障,一旦发生会影响正常的煤料输送,若不及时处理,会造成巨大经济损失。
皮带运行过程中出现裂口或者重叠时为皮带撕裂。在皮带易发生撕裂的部位地方安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像。摄像机采集的皮带图像实时传输回系统后台进行分析、识别,从而判断皮带是否撕裂,发现撕裂时,后台会自动告警。
2、皮带跑偏检测
皮带机运行过程中,皮带跑偏是较为常见的故障,皮带机安装不当、托辊粘料、皮带松弛、煤料分布不均匀、设备异常振动等情况均会造成皮带跑偏,皮带跑偏容易引起输滚筒或托辊轴承损坏、皮带撕裂、煤料洒落造成扬尘等问题。
通过在皮带机头部和尾部的滚筒上标记两条跑偏识别线,在皮带上方使用固定监控设备实时监控两条跑偏识别线,同时后台系统会对实时图像进行识别判断跑偏识别线是否被遮挡。当任意一根跑偏识别线被遮挡时,系统会判定皮带跑偏,并发出告警。
3、皮带洒煤检测
通过采集监控摄像头的视频图像,对视频图像进行分析,当检测皮带两侧出现洒煤时,及时报警。
4、异物检测
通过采集监控摄像头的视频图像,对视频图像中出现的物体进行分析,当检测物体为木头棍子、钢管、大石头块时,及时报警。
5、烟火检测
烟火检测通过对视频图像信息进行分析判断,及时发现监控区域内的异常烟雾和火灾苗头,以最快、最佳的方式进行告警和提供有用信息;同时还可查看现场实时图像,根据直观的画面直接指挥调度救火。
6、区域入侵检测
在视频监控范围内设定非安全区域并对其进行检测,当有人入侵时,及时产生报警。
7、人员不安全行为检测
对视频图像中人员的一些不安全行为进行检测,包括不戴安全帽、不戴防尘口罩等。
8、人脸识别(人员到岗)检测
在既定的时间段内,对视频图像中出现的人脸进行检测及识别,自动记录工作人员到岗情况。
本发明基于图像识别和AI算法的皮带智能检测系统内置核心智能检测分析算法,网关基于大量正负样本数据进行深度学习,能够对危险事件进行智能采集、智能分析、智能预警。系统可实现皮带跑偏检测、皮带撕裂检测、异物检测、皮带洒煤检测、烟火检测、区域入侵检测、不带安全帽检测、不带防尘口罩检测、人员到岗检测以及报警等。
本发明能实现如下目标:
无人值守:设备调试完成后,无需人员到就地巡检和检查,通过视频进行查查,并对皮带状态进行分析判断。
智能识别:可识别新旧损伤,可设置识别已检测出的损伤不重复二次报警。
实时监控:皮带运行状态实时显示在电脑屏幕,用户可流畅观看输送带的表面图像。
声光报警:对撕裂长、宽度小于设定值的损伤,覆盖胶脱落的损伤、边缘胶带破损等实现就地和地面声光报警。
缺陷定位:确定报警损伤的的横竖向坐标和尺寸。
全息存储:损伤报警后的图片数据保存,供提取回看。
集控联锁(远期规划):对输送带撕裂长、宽度大于设定值的损伤,实现实时停机(系统需预留与DCS系统接口,采用开关量、电流信号接入方式与DCS系统对接)。
本发明采用机器视觉技术,同时引入辅助结构光轮廓线,实现对胶带表面的各种损伤进行实时的识别和判断,并根据判断结果进行报警或停机处理。
本发明的工作原理:
1)、利用特种光感摄像机对皮带表面进行拍摄成像。
2)、通过结构光束在皮带表面呈现一条与皮带表面完全相符的轮廓线。
3)、利用图像实时算法对拍摄图像中的轮廓线变化进行判断。
本发明的主要设备构成
1)激光发射器
完整的呈现皮带表面轮廓变化,大角度光源的设计可保证,无论皮带成什么形状都可以完成真实轮廓的拍射。
2)隔爆摄像仪
(1)用2048像素工业线阵相机,保证了在横向40cm宽的视野内,可识别最小像元为0.4mm,保证了拍摄的精度。
(2)每秒最高81帧的拍摄速度,30cm的纵向视野,保证在物体运动不大于3m/s的情况均可完整拍摄。
(3)2μs~10ms的曝光时间,保证对高速运动物体的拍摄中不会产生拖影现象。
3)识别主机
通过智能处理模块对图像信号进行预处理,光电模块实现预处理图像的远传,电源箱实现对识别主机的供电。
4)高性能运算服务器
由算法耗时已精确至毫秒级计算,实际算法耗时已完成单帧30毫秒以内的加速;多个高性能的运算服务器组成的硬件平台,可实时的对每个单元图像进行实时的处理和响应,保证在短时间内实现集控动作停机或报警
本发明涉及的AI智能算法
针对产品中轮廓线的特点:在某一小区域波动,总是横穿视野,确定后一般不会有大范围的纵向移动。
线段提取算法为了实现耗时短的目标,采用梯度查找和预设搜索边界等方式,大大缩减了“轮廓线提取”算法的耗时。保证了算法实时性。
上面对本发明的实施例作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (9)
1.一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过对图像预处理、特征提取、分类和图像匹配算法进行数据汇总,运用计算机图像视觉智能识别技术,实现皮带无人值守,采用智能检测、模式识别算法,深度学习,实现各种设备检测和安全生产检测,确保当检测出严重的情况发生时,系统会根据授权情况自动进行输煤机的停止工作,避免皮带损伤带来的经济损失。
2.根据权利要求1所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,所述设备检测为针对输煤系统主要设备运行情况检测,包括皮带是否跑偏、撕裂、洒煤。
3.根据权利要求1所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,所述安全生产检测包括皮带上出现异物,以及出现烟火时,要及时报警,提醒工作人员尽快处理,防止发生事故以及一些在设备运行时人员不能靠近的非安全区域一旦出现人员进入时,及时报警,防范事故发生以及人员不安全行为和人脸识别的检测。
4.根据权利要求2所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过在皮带易发生撕裂的部位安装摄像头,通过网络以及RTSP协议实时获取所述摄像头的视频图像,并将摄像机采集的皮带图像实时传输回系统后台进行分析、识别,从而判断皮带是否撕裂,发现撕裂时,后台会自动告警。
5.根据权利要求2所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过在皮带机头部和尾部的滚筒上标记两条跑偏识别线,在皮带上方使用固定监控设备实时监控两条跑偏识别线,同时后台系统会对实时图像进行识别判断跑偏识别线是否被遮挡,当任意一根跑偏识别线被遮挡时,系统会判定皮带跑偏,并发出告警。
6.根据权利要求2所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过采集监控摄像头的视频图像,对视频图像进行分析,当检测皮带两侧出现洒煤时,及时报警。
7.根据权利要求3所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过采集监控摄像头的视频图像,对视频图像中出现的物体进行分析,当检测物体为包括木头棍子、钢管、大石头块在内的异物时,及时报警。
8.根据权利要求3所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,通过对视频图像信息进行分析判断,及时发现监控区域内的异常烟雾和火灾苗头,进行告警和提供有用信息;同时查看现场实时图像,根据直观的画面直接指挥调度救火。
9.根据权利要求3所述的一种基于图像识别和AI算法在皮带无人值守的应用,其特征在于,在视频监控范围内设定非安全区域并对其进行检测,当有人入侵时,及时产生报警,同时对视频图像中人员包括不戴安全帽、不戴防尘口罩在内的不安全行为进行检测,以及在在既定的时间段内,对视频图像中出现的人脸进行检测及识别,自动记录工作人员到岗情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210341624.4A CN114671215A (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210341624.4A CN114671215A (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114671215A true CN114671215A (zh) | 2022-06-28 |
Family
ID=82075522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210341624.4A Pending CN114671215A (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114671215A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116513747A (zh) * | 2023-05-29 | 2023-08-01 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
CN117184814A (zh) * | 2023-09-14 | 2023-12-08 | 山东超晟光电科技有限公司 | 输送机无人值守系统 |
-
2022
- 2022-04-02 CN CN202210341624.4A patent/CN114671215A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116513747A (zh) * | 2023-05-29 | 2023-08-01 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
CN116513747B (zh) * | 2023-05-29 | 2023-10-03 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
CN117184814A (zh) * | 2023-09-14 | 2023-12-08 | 山东超晟光电科技有限公司 | 输送机无人值守系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114671215A (zh) | 一种基于图像识别和ai算法在皮带无人值守的应用 | |
CN111289529B (zh) | 一种基于ai智能分析的输送皮带撕裂检测系统及检测方法 | |
CN111432179A (zh) | 基于计算机视觉的输煤皮带智能巡检系统及方法 | |
CN114373245B (zh) | 基于数字化电厂的智能巡检系统 | |
WO2021233393A1 (zh) | 一种自供能皮带输送机的皮带状态监测装置和方法 | |
CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测系统 | |
CN109823941B (zh) | 一种应用于主动安全电梯上的钢丝绳监测装置 | |
CN110111440A (zh) | 一种基于人工智能技术的安全生产监管信息系统 | |
CN103116351A (zh) | 一种纺织疵布检测摄像头及其检测系统 | |
CN101696877A (zh) | 机器视觉系统对弹簧垂直度的在线检测方法 | |
CN112261384A (zh) | 一种人工智能违章行为识别系统 | |
CN204287062U (zh) | Wis在线缺陷检测系统 | |
CN113936352A (zh) | 燃料输送皮带的工作环境的巡检方法、系统及轨道机器人 | |
CN203992877U (zh) | 薄钢板焊缝小特征点视觉跟踪与实时质量检测装置 | |
CN116523893B (zh) | 一种基于机器视觉的飞钢检测系统及方法 | |
CN114549406B (zh) | 热轧线的管理方法、装置及系统、计算设备和存储介质 | |
CN112499163B (zh) | 刮板输送机故障检测方法、存储介质及智能刮板输送机 | |
CN115892912A (zh) | 一种带式输送机防撕裂综合监控装置 | |
CN103033520A (zh) | 热连铸钢坯表面质量检测方法 | |
CN115494074A (zh) | 用于连铸板坯表面缺陷的在线检测方法 | |
CN116129603A (zh) | 一种基于图像识别的车间安全监测系统 | |
CN215666436U (zh) | 多绳摩擦式提升机健康实时监测系统 | |
CN114877935A (zh) | 一种多源传感器一体化监测方法、装置及巡检机器人 | |
CN210515600U (zh) | 一种基于三维图像及智能视频技术的人员安全检测系统 | |
CN113562563A (zh) | 多绳摩擦式提升机健康实时监测系统 |
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 |