CN114890090A - 一种皮带纵向撕裂检测方法及装置 - Google Patents
一种皮带纵向撕裂检测方法及装置 Download PDFInfo
- Publication number
- CN114890090A CN114890090A CN202210642460.9A CN202210642460A CN114890090A CN 114890090 A CN114890090 A CN 114890090A CN 202210642460 A CN202210642460 A CN 202210642460A CN 114890090 A CN114890090 A CN 114890090A
- Authority
- CN
- China
- Prior art keywords
- real
- image
- time
- picture
- pictures
- 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 21
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000003860 storage Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000001681 protective effect Effects 0.000 description 7
- 238000007664 blowing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 239000004484 Briquette Substances 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
Images
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
-
- 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
- B65G43/06—Control devices, e.g. for safety, warning or fault-correcting interrupting the drive in case of driving element breakage; Braking or stopping loose load-carriers
-
- 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
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
-
- 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
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及皮带撕裂检测技术领域,具体涉及一种皮带纵向撕裂检测方法及装置;本发明将实时图片中筛选出标号与标记图片一致的图片,存到对应的图像存储桶中;图像存储桶中提取出标号一致的当前实时图片和前一时刻的实时图片,以及对应数字标号的标记图片,通过图像对比算法进行特征对比;当实时图片与对比的图片特征不一致时,进行报警;通过此方法进行图像处理,以解决检测算法不够精确造成误报漏报的情况。
Description
技术领域
本发明涉及皮带撕裂检测技术领域,具体涉及一种皮带纵向撕裂检测方法及装置。
背景技术
随着自动化技术的不断发展,以及煤矿产业的不断扩大,带式输送机皮带运输的应用也越来越广泛。带式输送机不仅具有运输速度快、传输距离远的优点,其较高的可靠性使得更多矿场企业青睐于带式输送机,但在应用过程中,由于煤炭质量过大或遇到尖锐物体都可能使皮带发生纵向撕裂,导致停工停产甚至造成人员伤亡;目前,市面上大部分检测方法因皮带上的杂质等非裂痕因素造成误报,导致产业经常性停产,对企业带来很大的经济损失。
目前皮带撕裂的主要原因有皮带跑偏、抽芯撕裂、物料卡压堵塞撕裂和硬质煤块划伤;现有的检测技术有接触式和非接触式,接触式主要将某种传感器与皮带直接或间接接触来实现皮带撕裂检测,虽然这种方法操作简单安装方便,但传感器长时间使用有一定的磨损,寿命减短,可靠性降低;非接触式主要以无损检测或机器视觉的方式来实现皮带撕裂检测,主要是对图像进行处理,或是检测算法不够精确造成误报漏报的情况。
发明内容
本发明提供了一种皮带纵向撕裂检测方法及装置,旨在解决现有检测方式不够精确的问题。
本发明使用的技术方案如下:一种皮带纵向撕裂检测方法,包括如下步骤:
步骤一,皮带实时视频数据采集;
步骤二,实时视频数据转化为实时图片数据,对实时图片进行图像预处理,得出实时图片的二值图像;
步骤三,实时图片中筛选出标号与标记图片一致的图片,存到对应的图像存储桶中;
步骤四,图像存储桶中提取出标号一致的当前实时图片和前一时刻的实时图片,以及对应数字标号的标记图片,通过图像对比算法进行特征对比;
步骤五,实时图片与对比的图片特征不一致时,进行报警。
进一步,步骤三,具体包括如下步骤:
对筛选出的实时图片提取出的区域图片进行图像预处理,得到对应的二值图像;
如果获取的小于标准位置框信息两位数字的最小宽度,则定义它为一位数字标号,大于等于两位数字标准位置框信息的最小宽度,小于标准位置框信息三位数字的最小宽度,则定义它为两位数字标号;如果大于等于标准位置框信息三位数字的最小宽度则定义它为三位数字标号;
对提取出来的部分通过匹配相关函数与模板图片进行模板匹配,然后将该实时图片放入对应的标号的图像存储桶中。
具体的,标准位置框信息,通过如下步骤确定:
第一步,皮带标记视频数据采集;
第二步,实时视频数据转化为标记图片数据,对标记图片进行图像预处理,得出标记图片的二值图像;
第三步,标记图片产生的二值图像通过边界框函数,输出一位数字标号的标准位置框信息(x1、y1、w1、h1);两位数字标号的标准位置框信息(x2、y2、w2、h2)、三位数字标号的标准位置框信息(x3、y3、w3、h3);其中x,y是位置框左上角这一点在图像中的坐标,w是位置框的宽度,h是位置框的高度。
具体的,图像预处理具体为,依次对图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理,将彩色的实时图片转化为二值图像。
具体的,步骤四,具体包括如下步骤:
首先通过图像对比算法进行一次三帧图像的特征对比;对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行特征对比,间隔固定时间后再进行一次三帧图像对比。
进一步,实时视频传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,加速视频的编解码过程。
本申请还提出,一种皮带纵向撕裂检测装置,包括:
采集模块,用于对皮带实时视频数据采集;
预处理模块,用于对实时视频数据转化为实时图片数据,对实时图片进行图像预处理,得出实时图片的二值图像;
筛选存储模块,用于对实时图片中筛选出标号与标记图片一致的图片,存到对应的图像存储桶中;
图像对比模块,用于对图像存储桶中提取出标号一致的当前实时图片和前一时刻的实时图片,以及对应数字标号的标记图片,通过图像对比算法进行特征对比;
报警模块,用于对实时图片与对比的图片特征不一致时,进行报警。
本申请还提出一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可用来实现本发明所述的方法
本申请还提出,一种移动终端,包括移动终端本体和控制器,其特征在于,控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现本发明所述的方法的步骤。
本发明所达到的有益效果为:本发明过对实时视频数据转化为实时图片数据进行图像预处理,依次对标记图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理。图像预处理的目的是将彩色图像转化为二值图像,在这个过程中滤除了图像中的噪声,同时标记图片数据中的数字标号更明显;
同时,首次应用时将实时获取的当前帧图像与储存桶中保存的同一位置的前一时刻实时图片以及皮带完好状态的标记图片进行特征对比,之后仅对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行对比,间隔固定时间(如间隔4小时)后再进行一次三帧图像对比,循环往复,减少运算量的同时也保证了皮带撕裂检测的准确性与实时性;仅对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行对比,不需要一直对当前实时图片和前一时刻二代实时图片以及标记图片这三帧图像进行对比,节省了图像对比所需的运算时间和数据存放空间;同时,间隔一段时间(如间隔4小时)后再进行一次三帧图像对比,可以避免仅对比当前图像和前一时刻图像无法检测出细微裂痕变化造成的漏报问题,使结果更加准确。
附图说明
图1是本发明的硬件连接框图。
图2是本发明的硬件部分设置于窄皮带式输送机结构的示意图。
图3是本发明的硬件部分设置于宽皮带式输送机的结构示意图。
图4是本发明的为软件处理结构图。
图5是本发明的图像筛选方法流程图。
图6是本发明的数字模板图片示意图。
图7是本发明的图像存储桶示意图。
图8是本发明的图像对比算法框图。
其中,1—光源;2—工业摄像头;3—标号;4—皮带;5—煤块;6—镜头吹手;7—保护罩;8—托辊。
具体实施方式
为便于本领域的技术人员理解本发明,下面结合附图说明本发明的具体实施方式。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;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;对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
现在将参考示例实施方式讨论本文描述的主题,应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制;可以在不脱离本发明内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变;各个示例可以根据需要,省略、替代或者添加各种过程或组件;例如,所描述的方法可以按照与所描述的顺序不同的顺序来执行,以及各个步骤可以被添加、省略或者组合;另外,相对一些示例所描述的特征在其它例子中也可以进行组合。
图1是本发明的硬件连接框图,详述如下:
本专利硬件部分图像采集硬件和图像处理平台;图像采集硬件的好坏也影响着后续的图像处理,因此图像采集硬件具体为工业摄像头,型号例如1/1.8”Progressive ScanCMOS,分辨率为3840*2160,具有星光夜视功能。图像处理平台可以为图像运算服务器,图像运算服务器相当于一个多功能容器,视频流的多路并行处理、图像预处理、图像对比算法运行、报警信号的发出、控制信号的发出等功能;工业摄像头和图像运算服务器之间通信连接:根据已有的工业摄像头IP地址,图像运算服务器可以直接通过RTSP协议到工业摄像头拉取视频流,从而实现视频流在图像运算服务器上的管理和播放。
上述实施方式的图像运算服务器可以用微处理器代替,不同的是微处理器安装在每台工业摄像头之后,实现的功能与图像运算服务器相同。
带式输送机的工作场合多为粉尘较大的工作场合,现场粉尘、光照等环境对视频采集的产生影响,包括辅助硬件:保护罩、镜头吹手、LED光源;工业摄像头设于保护罩内,用于采集拍摄皮带底部的标识信息;LED光源也设于保护罩内,用于在夜间拍摄时提供光源,为现场提供一个稳定的光照环境;镜头吹手设于带式输送机的机架上,其吹扫口正对保护罩的上侧;对保护罩上侧进行喷吹,从而避免保护罩上附着粉尘,避免现场环境中的粉尘污染镜头,从而提高现场采集到的视频质量。
图2-3是本装置硬件部分设置于带式输送机的结构示意图,详述如下:
图2为本装置硬件部分设置于窄皮带式输送机结构的示意图,例如针对一条50米的窄皮带进行检测;在皮带下表面约每隔半米处用打标机打标,如图中所示举例的打标号为15,位于皮带中心,目的是当皮带有撕裂倾向时便于定位;在皮带下表面约每隔5米处安装一组硬件装置(即一台工业摄像头、两个环形LED光源、一个透明保护罩、一个镜头吹手)。
图3为本装置硬件部分设置于宽皮带式输送机的结构示意图,例如针对一条50米的宽皮带进行检测;在皮带下表面约每隔半米处用打标机打标,一条打标线上有两个打标号。皮带两个侧边的下方各安装一组工业摄像头、保护罩和镜头吹手,安装距离根据托辊之间的距离确定,根据现场实际情况再确定是否安装辅助光源;考虑到皮带较宽,一台摄像头可能会出现拍摄盲区,所以设备和打标号都设计成对称的两组。
本发明提供了一种皮带纵向撕裂检测方法
本发明首先需要制作匹配的模板图像,为后续图像存储做准备;具体模板制作方法:使用清晰的数字0-9字样的图片作为模板(如图6所示),模板图像上的数字与模板图片名称一一对应,在程序中将图像转化为数字图像(矩阵的形式)存在列表中,用于后续进行模板匹配。
进一步,将皮带进行区域划分,即在带式输送机皮带的下表面(非承载物料一侧)进行标识,标识的颜色应与皮带的颜色不同;现有皮带一般为黑色,所以对皮带的下表面每隔一定距离用打标机打出红色的数字标号(例如1-999等),一位数字标号、两位数字标号和三位数字标号分别宽度不同。
首先对标准位置框进行提取,通过工业摄像机获取皮带未撕裂状态下,带有数字标号视频数据;工业摄像机的采集速度是25帧每秒,多台摄像机同时进行拍摄,皮带未撕裂状态下的视频作为标记视频。
将采集到的原始标记视频传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,用于加速视频的编解码过程。
使用OpenCV(Open Source Computer Vision Library)将标记视频数据转化为标记图片数据,OpenCV是指开源计算机视觉库。
通过OpenCV对视频帧的标记图片进行图像预处理,其中,图像预处理具体为,依次对标记图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理。图像预处理的目的是将彩色图像转化为二值图像,在这个过程中滤除了图像中的噪声,同时标记图片数据中的数字标号更明显。
对标记图片产生的二值图像采用OpenCV中的边界框函数,分数输出一位数字标号、两位数字标号和三位数字标号的位置框信息;具体来说,将一位数字标号(数字标号位于标记图片的中央)的标记图片,通过边界框函数位置框把数字框出来同时输出位置框信息(x1、y1、w1、h1);将两位数字标号、三位数字标号分别通过边界框函数,输出位置框(x2、y2、w2、h2)、(x3、y3、w3、h3);其中x,y是位置框左上角这一点在图像中的坐标,w是位置框的宽度,h是位置框的高度;位置框信息(x1、y1、w1、h1)、(x2、y2、w2、h2)和(x3、y3、w3、h3),为后续作为对比的标准位置框信息。
将标记图片存入图像存储桶过程如下,
再次将采集到的原始标记视频传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,加速视频的编解码过程。
使用OpenCV将原始标记视频转化为标记图片数据,通过OpenCV对视频帧的标记图片进行图像预处理,其中,图像预处理具体为,依次对标记图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理,将彩色的标记图片转化为二值图像。
标记图片提取出的位置框信息()与标准位置框信息(x1、y1、w1、h1)、(x2、y2、w2、h2)和(x3、y3、w3、h3)作比较,如果输入图像的位置框信息在标准位置框信息的范围内(即i=1或2或3),则对这张图片进行后续操作,如果不在标准位置框信息范围内则直接删掉图片;实现在视频帧标记图片中筛选出数字标号在中心与标记图片对应的图片。
对筛选出的标记图片沿着位置框对数字的外边界进行提取(相当于把图像中位置框的区域截取出来);再对提取出来的图像进行图像预处理(彩色图像灰度化、双边滤波图像平滑化、图像二值化);
对标记图片提取出来的二值图像采用OpenCV中的边界框函数,找数字的外边界输出位置框信息;();这次的目的是确定位置框的信息,将这个与两位数字标号的标准位置框信息w2和数字标号的标准位置框信息w3作比较;
具体来说,如果获取的小于两位数字的最小宽度w2 则定义它为一位数字,如果大于等于两位数字的最小宽度w2 小于三位数字的最小宽度w3则定义它为两位数字,如果大于等于三位数字的最小宽度w3则定义它为三位数字。
若定义为一位数字标号不需要拆分,如果定义为两位数字标号,则需要对宽度除以2将两位数字的位置框拆分成两个位置框,如果定义为三位数字标号,则需要对宽度除以3将三位数字的位置框拆分成三个位置框,同时把这些位置框提取出来(相当于把每个数字区域截取出来,截取出来单个数字的图片);
对提取出来的部分通过匹配相关函数与一开始导入的模板图片进行模板匹配,函数将位置框提取出来的数字的图像与模板中的图像一一对比,输出相关系数最大的数字,以这个数字作为文件夹名称将标记图片存入。
例如打标号是25,经过前面的处理,打标号现在被分为两个部分,一个部分是数字2所在的区域另一部分是数字5所在的区域,接下来对数字进行模板匹配(模板图片如图6所示,模板是之前制作好的,模板图片标号是0-9,对应的图片数字也是0-9),先对第一个数字2进行模板匹配,通过匹配相关函数实现,函数将第一个部分2的图像与模板中的图像一一对比,结果显示与模板中图像2的相关系数最大,则将2保存在一个列表中作为第一位数字,再以同样的方法匹配到5,将5也保存在这个列表中作为第二位数字,对第一位数字乘以十加上第二位数字就可以得到数字25,将图片以堆栈的形式存入文件夹名称为25的图像存储桶中,其余标号的图像存储桶中,也参照上述方式设置,若皮带标号为1-999,也对应设置出文件夹名称为1-999的图像存储桶中;以上操作实现了对打标号在中心位置的标记图片提取出来,将数字标号在中心的标记图片存放到对应打标号的图像存储桶中;例如,数字标号为1,即存入文件夹名称为1的图像存储桶中,同理,数字标号为25,对应的标记图片即存入文件夹名称为25的图像存储桶中。
在具体检测时,筛选出数字标号在中心的实时图片,并存入存储桶中,具体过程如下,
首先通过工业摄像机获取皮带未撕裂状态下,带有数字标号的实时视频数据。
将采集到的实时视频传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,加速视频的编解码过程。
使用OpenCV将实时视频数据转化为实时图片数据,通过OpenCV对视频帧的实时图片进行图像预处理,其中,图像预处理具体为,依次对标记图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理,将彩色的实时图片转化为二值图像。
进一步,对实时图片产生的二值图像采用OpenCV中的边界框函数,找出实时图片中数字的外边界,并且用位置框把数字框出来;输出位置框信息(),同时将位置框区域提取出来(相当于把图像中位置框的区域截取出来)。
实时图片提取出的位置框信息()与标准位置框信息(x1、y1、w1、h1)、(x2、y2、w2、h2)和(x3、y3、w3、h3)作比较,如果输入图像的位置框信息在标准位置框信息的范围内(即i=1或2或3),则对这张图片进行后续操作,如果不在标准位置框信息范围内则直接删掉图片;实现在视频帧实时图片中筛选出数字标号在中心与标记图片对应的图片。
对筛选出的实时图片沿着位置框对数字的外边界进行提取;再对提取出来的图像进行图像预处理(彩色图像灰度化、双边滤波图像平滑化、图像二值化);
对实时提取出来的二值图像采用OpenCV中的边界框函数,找数字的外边界输出位置框信息;();这次的目的是确定位置框的信息,将这个与两位数字标号的标准位置框信息w2和数字标号的标准位置框信息w3作比较;
若定义为一位数字标号不需要拆分,如果定义为两位数字标号,则需要对宽度除以2将两位数字的位置框拆分成两个位置框,如果定义为三位数字标号,则需要对宽度除以3将三位数字的位置框拆分成三个位置框,同时把这些位置框提取出来(相当于把每个数字区域截取出来,截取出来单个数字的图片)。
对提取出来的部分进行模板匹配,然后将该实时图片放入对应的标号的图像存储桶中。
例如打标号是25,将图片以堆栈的形式存入文件夹名称为25的图像存储桶中。
在图像运算服务器中,用图像对比算法从图像存储桶中取出打标号一致的当前实时图片和前一时刻的实时图片(即当前实时图片的上一张照片),以及对应数字标号的标记图片在图像处理平台进行对比;图像处理平台如OpenCV,选用算法如SIFT尺度不变特征变化,提取出三张图像的特征进行对比,特征不一致时基于图像形态特点判断皮带是否发生撕裂(当提取的实时图片与前一时刻实时图片、对应数字标号的标记图片特征不一致时,代表皮带存在裂纹)。
进一步,为节省运算量同时保证检测准确的情况下,首次应用时将实时获取的当前帧图像与储存桶中保存的同一位置的前一时刻实时图片以及皮带完好状态的标记图片进行特征对比,之后仅对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行对比,间隔固定时间(如间隔4小时)后再进行一次三帧图像对比,循环往复,减少运算量的同时也保证了皮带撕裂检测的准确性与实时性;仅对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行对比,不需要一直对当前实时图片和前一时刻二代实时图片以及标记图片这三帧图像进行对比,节省了图像对比所需的运算时间和数据存放空间;同时,间隔一段时间(如间隔4小时)后再进行一次三帧图像对比,可以避免仅对比当前图像和前一时刻图像无法检测出细微裂痕变化造成的漏报问题,使结果更加准确。
当提取的实时图片与前一时刻实时图片、对应数字标号的标记图片特征不一致时进行报警处理。本方法的报警功能主要指将运算服务器提取出的图像特征信息传输到报警系统,报警系统控制给现场设备发出报警信息,从而实现报警功能。具体实现如下:如采用Java处理kafka消息来实现报警功能;在OpenCV中提取出图像特征,将特征传输到多路实时视频分析系统deepstream框架中,deepstream将每一帧的特征以kafka消息序列的形式发送给Java后续推理,Java处理根据特征信息反馈回两条命令:一是反馈给deepstream,对有问题的图像进行保存;二是给现场设备提示是否报警。
最后,听到报警后,远程操作控制系统发出停机信号,控制系统控制带式输送机停机;有利于后续故障维修。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (8)
1.一种皮带纵向撕裂检测方法,其特征在于,包括如下步骤:
步骤一,皮带实时视频数据采集;
步骤二,实时视频数据转化为实时图片数据,对实时图片进行图像预处理,得出实时图片的二值图像;
步骤三,实时图片中筛选出标号与标记图片一致的图片,存到对应的图像存储桶中;
步骤四,图像存储桶中提取出标号一致的当前实时图片和前一时刻的实时图片,以及对应数字标号的标记图片,通过图像对比算法进行特征对比;
步骤五,实时图片与对比的图片特征不一致时,进行报警。
2.根据权利要求1所述的一种皮带纵向撕裂检测方法,其特征在于:步骤三,具体包括如下步骤:
对筛选出的实时图片提取出的区域图片进行图像预处理,得到对应的二值图像;
获取的小于标准位置框信息两位数字的最小宽度,则定义它为一位数字标号,大于等于两位数字标准位置框信息的最小宽度,小于标准位置框信息三位数字的最小宽度,则定义它为两位数字标号;如果大于等于标准位置框信息三位数字的最小宽度则定义它为三位数字标号;
对提取出来的部分通过匹配相关函数与模板图片进行模板匹配,然后将该实时图片放入对应的标号的图像存储桶中。
3.根据权利要求2所述的一种皮带纵向撕裂检测方法,其特征在于:标准位置框信息,通过如下步骤确定:
第一步,皮带标记视频数据采集;
第二步,实时视频数据转化为标记图片数据,对标记图片进行图像预处理,得出标记图片的二值图像;
第三步,标记图片产生的二值图像通过边界框函数,输出一位数字标号的标准位置框信息(x1、y1、w1、h1);两位数字标号的标准位置框信息(x2、y2、w2、h2)、三位数字标号的标准位置框信息(x3、y3、w3、h3);其中x,y是位置框左上角这一点在图像中的坐标,w是位置框的宽度,h是位置框的高度。
4.根据权利要求1-3所述的一种皮带纵向撕裂检测方法,其特征在于:所述图像预处理具体为,依次对图片进行,彩色图像灰度化、双边滤波图像平滑化、图像二值化处理,将彩色的实时图片转化为二值图像。
5.根据权利要求1所述的一种皮带纵向撕裂检测方法,其特征在于:步骤四,具体包括如下步骤:
首先通过图像对比算法进行一次三帧图像的特征对比;对实时获取的当前实时图片以及同一位置的前一时刻实时图片进行特征对比,间隔固定时间后再进行一次三帧图像对比。
6.根据权利要求1所述的一种皮带纵向撕裂检测方法及装置,其特征在于:实时视频传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,加速视频的编解码过程。
1、一种皮带纵向撕裂检测装置,其特征在于,包括:
采集模块,用于对皮带实时视频数据采集;
预处理模块,用于对实时视频数据转化为实时图片数据,对实时图片进行图像预处理,得出实时图片的二值图像;
筛选存储模块,用于对实时图片中筛选出标号与标记图片一致的图片,存到对应的图像存储桶中;
图像对比模块,用于对图像存储桶中提取出标号一致的当前实时图片和前一时刻的实时图片,以及对应数字标号的标记图片,通过图像对比算法进行特征对比;
报警模块,用于对实时图片与对比的图片特征不一致时,进行报警。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
8.一种移动终端,包括移动终端本体和控制器,其特征在于,控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210642460.9A CN114890090A (zh) | 2022-06-08 | 2022-06-08 | 一种皮带纵向撕裂检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210642460.9A CN114890090A (zh) | 2022-06-08 | 2022-06-08 | 一种皮带纵向撕裂检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114890090A true CN114890090A (zh) | 2022-08-12 |
Family
ID=82727747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210642460.9A Pending CN114890090A (zh) | 2022-06-08 | 2022-06-08 | 一种皮带纵向撕裂检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114890090A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09175628A (ja) * | 1995-12-27 | 1997-07-08 | Yokohama Rubber Co Ltd:The | コンベアベルト及びコンベアベルトの縦裂検出方法並びにその装置 |
JP2006052039A (ja) * | 2004-08-10 | 2006-02-23 | Bridgestone Corp | コンベアベルトのモニタリングシステム |
CN101986143A (zh) * | 2010-03-17 | 2011-03-16 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN205240617U (zh) * | 2015-10-28 | 2016-05-18 | 中国矿业大学(北京) | 基于图像不连续点探测的皮带纵向撕裂检测与报警装置 |
CN106276132A (zh) * | 2016-07-28 | 2017-01-04 | 天津工业大学 | 一种基于线激光图像的输送带纵向撕裂在线检测方法 |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
CN109335575A (zh) * | 2018-11-23 | 2019-02-15 | 河北省机电体化中试基地 | 一种用于大型输送皮带纵向撕裂检测装置及方法 |
CN109850518A (zh) * | 2018-11-12 | 2019-06-07 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
CN112744540A (zh) * | 2020-12-29 | 2021-05-04 | 无锡宝通智能物联科技有限公司 | 输送带撕裂监测装置、带有撕裂监测装置的输送线及其监测方法 |
CN214398635U (zh) * | 2020-12-29 | 2021-10-15 | 无锡宝通智能物联科技有限公司 | 输送带撕裂监测装置和带有撕裂监测装置的输送线 |
CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与系统 |
-
2022
- 2022-06-08 CN CN202210642460.9A patent/CN114890090A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09175628A (ja) * | 1995-12-27 | 1997-07-08 | Yokohama Rubber Co Ltd:The | コンベアベルト及びコンベアベルトの縦裂検出方法並びにその装置 |
JP2006052039A (ja) * | 2004-08-10 | 2006-02-23 | Bridgestone Corp | コンベアベルトのモニタリングシステム |
CN101986143A (zh) * | 2010-03-17 | 2011-03-16 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN205240617U (zh) * | 2015-10-28 | 2016-05-18 | 中国矿业大学(北京) | 基于图像不连续点探测的皮带纵向撕裂检测与报警装置 |
CN106276132A (zh) * | 2016-07-28 | 2017-01-04 | 天津工业大学 | 一种基于线激光图像的输送带纵向撕裂在线检测方法 |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
CN109850518A (zh) * | 2018-11-12 | 2019-06-07 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
CN109335575A (zh) * | 2018-11-23 | 2019-02-15 | 河北省机电体化中试基地 | 一种用于大型输送皮带纵向撕裂检测装置及方法 |
CN112744540A (zh) * | 2020-12-29 | 2021-05-04 | 无锡宝通智能物联科技有限公司 | 输送带撕裂监测装置、带有撕裂监测装置的输送线及其监测方法 |
CN214398635U (zh) * | 2020-12-29 | 2021-10-15 | 无锡宝通智能物联科技有限公司 | 输送带撕裂监测装置和带有撕裂监测装置的输送线 |
CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255787B (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
US7020307B2 (en) | Rock fragmentation analysis system | |
CN201890600U (zh) | 机器视觉皮带撕裂检测装置 | |
CN107589124A (zh) | 基于机器视觉的在线人造板表面缺陷检测分等系统及方法 | |
CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN111161292A (zh) | 一种矿石尺度测量方法及应用系统 | |
CN112001878A (zh) | 基于二值化神经网络的深度学习矿石尺度测量方法及应用系统 | |
CN113792578A (zh) | 用于变电站异常的检测方法、设备及系统 | |
CN102749034A (zh) | 基于图像处理的铁路道岔缺口偏移量检测方法 | |
EP0858048B1 (en) | Apparatus of optically reading character and method thereof | |
CN111026065A (zh) | 一种用于矽钢片自动生产线的质量管控系统 | |
US11455785B2 (en) | System and method for use in object detection from video stream | |
CN110759037A (zh) | 一种基于ipc的输送带偏移检测方法 | |
CN114890090A (zh) | 一种皮带纵向撕裂检测方法及装置 | |
CN109668897A (zh) | 环状精密零件表面微型缺陷的视觉检测系统及其检测方法 | |
CN114549393A (zh) | 图像标注方法、装置、设备及计算机存储介质 | |
US9007665B2 (en) | Method for detecting the width and position of documents using image information in a large-format scanner system | |
CN112232273A (zh) | 一种基于机器学习识别图像的预警方法及系统 | |
Laroca et al. | Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning | |
CN112364728B (zh) | 一种垃圾遗留监管系统 | |
CN213582243U (zh) | 包裹条形码与x光图像关联一体化装置 | |
CN115278217A (zh) | 图像画面检测方法、装置、电子设备及存储介质 | |
CN114943704A (zh) | 一种电池电极模切件缺陷检测方法、装置和设备 | |
Liu et al. | An algorithm of extracting signature and seal of electric power marketing inspection documents | |
JPH117532A (ja) | 平行線分検出装置及びその方法並びに平行線分検出制御プログラムを記録した記録媒体 |
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 |