CN115294111B - 输送机托辊运行状态检测方法及装置 - Google Patents

输送机托辊运行状态检测方法及装置 Download PDF

Info

Publication number
CN115294111B
CN115294111B CN202211205673.1A CN202211205673A CN115294111B CN 115294111 B CN115294111 B CN 115294111B CN 202211205673 A CN202211205673 A CN 202211205673A CN 115294111 B CN115294111 B CN 115294111B
Authority
CN
China
Prior art keywords
conveying belt
image
subimage
texture feature
conveyor
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
CN202211205673.1A
Other languages
English (en)
Other versions
CN115294111A (zh
Inventor
姚建南
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.)
Jiangsu Lianyao Construction Equipment Co ltd
Original Assignee
Jiangsu Lianyao Construction Equipment Co ltd
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 Jiangsu Lianyao Construction Equipment Co ltd filed Critical Jiangsu Lianyao Construction Equipment Co ltd
Priority to CN202211205673.1A priority Critical patent/CN115294111B/zh
Publication of CN115294111A publication Critical patent/CN115294111A/zh
Application granted granted Critical
Publication of CN115294111B publication Critical patent/CN115294111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及输送机技术领域，具体涉及一种输送机托辊运行状态检测方法及装置，获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；获取输送带图像的纹理特征描述；若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；根据输送带的偏移状态检测输送机托辊的运行状态。本发明可对输送机托辊运行状态进行智能检测。

Description

输送机托辊运行状态检测方法及装置
技术领域
本发明涉及输送机技术领域，具体涉及一种输送机托辊运行状态检测方法及装置。
背景技术
输送机的一般构成主要包括：输送带、托辊、机架、传动拉紧装置等，故障主要发生在传动拉紧装置和托辊运行状态。托辊故障种类主要包括：托辊弯曲变形、托辊筒皮磨损、托辊轴承损坏等问题。目前，对托辊故障检测方法主要通过人工检测，定期筛查为主，也有通过传感器进行输送带跑偏预警。其中，人为的定期对托辊运行状态检测，往往不能及时发现托辊的异常运行状态，存在一定随机性；利用传感器对输送带进行运行状态检测需要较多传感器进行联合判断，造价昂贵，适用性差，而且无法获取当前托辊的故障类型。
发明内容
为了解决上述技术问题，本发明提供一种输送机托辊运行状态检测方法及装置，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种输送机托辊运行状态检测方法，该方法包括以下具体步骤：
获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
根据输送带的偏移状态检测输送机托辊的运行状态。
进一步地，若当前输送带图像与标准输送带图像的纹理特征描述不相似，基于纹理特征描述获取各子图像中输送带的凸起高度；
X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；
获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；
对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移。
进一步地，基于纹理特征描述获取各子图像中输送带的凸起高度，具体为：
获取若干参考纹理特征描述，每个参考纹理特征描述对应有输送带的凸起高度；
基于与每个子图像纹理特征描述最相似的参考纹理特征描述获取输送带的凸起高度。
进一步地，根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，具体为：
子图像对应的高亮点与聚类中心的距离，和霍夫空间中缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。
进一步地，所述纹理特征参数包括对比度和角二阶矩。
第二方面，本发明另一个实施例提供了一种输送机托辊运行状态检测装置，该装置具体包括：
特征描述获取模块，用于获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
水平偏移检测模块，用于在当前输送带图像与标准输送带图像的纹理特征描述相似时，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
托辊运行状态检测模块，用于根据输送带的偏移状态检测输送机托辊的运行状态。
进一步地，还包括竖直偏移检测模块，用于在当前输送带图像与标准输送带图像的纹理特征描述不相似时，基于纹理特征描述获取各子图像中输送带的凸起高度；
X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；
获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；
对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移。
进一步地，基于纹理特征描述获取各子图像中输送带的凸起高度，具体为：
获取若干参考纹理特征描述，每个参考纹理特征描述对应有输送带的凸起高度；
基于与每个子图像纹理特征描述最相似的参考纹理特征描述获取输送带的凸起高度。
进一步地，根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，具体为：
子图像对应的高亮点与聚类中心的距离，和霍夫空间中缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。
进一步地，所述纹理特征参数包括对比度和角二阶矩。
本发明实施例至少具有如下有益效果：本发明根据输送带边缘的直线特性，可以检测出输送带是水平偏移还是竖直偏移，不同的偏移方式对应的输送机托辊的运行状态(故障类型)不同，进而，本发明可以对输送机托辊的运行状态进行检测，提高了托辊组故障检测的效率和智能化程度。其次，本发明获取输送带的凸起高度，结合凸起高度对输送带边缘像素点进行映射转换，基于映射边缘计算偏移指标，进行输送带的竖直偏移检测，克服了二维图像无法获取输送带表面深度变化问题，解决了传感器所不能满足的精度问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明提供的一种输送机托辊运行状态检测方法实施例的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种输送机托辊运行状态检测方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例以下面的应用场景为例对本发明进行说明：
该应用场景为：输送机工作场景，输送带表面带有用于增加摩擦力的条纹，输送机的托辊结构为三托辊组，中心托辊与水平面平行，两侧托辊朝输送带运行方向前倾，托辊槽角为
Figure DEST_PATH_IMAGE001
。输送机进料端和出料端安装相机，视角为斜俯视方向，定期对输送带进行图像采集，且不考虑图像曝光的影响。
下面结合附图具体的说明本发明所提供的一种输送机托辊运行状态检测方法及装置的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种输送机托辊运行状态检测方法的步骤流程图，该方法包括以下步骤：
获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
根据输送带的偏移状态检测输送机托辊的运行状态。
首先说明，托辊筒皮磨损或托辊轴承损坏会造成输送带两侧所受摩擦力不同，造成输送带发生水平偏移。托辊弯曲变形损坏会造成输送带两侧发生突起，从而造成输送带发生竖直偏移。基于该先验，以一侧输送带边缘为例，对上述内容进行详细说明：
(1)获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述。
(a)获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带。
通过相机获取输送带的RGB图像，由于相机为斜俯视视角采集图像且输送机自身带有坡度，因此，利用透视变换对RGB图像进行视差矫正，将图像视角变换为俯视视角图像，消除视差造成的影响，变换后得到的图像为俯视视角下输送带的RGB图像，此时得到的RGB图像中包括输送带、输送的物料、托辊等物体。相机俯视角已知，输送机自身角度已知，利用透视变换即能实现图像视角的变换，透视变换为现有技术，本发明不再说明具体地变换过程。
基于俯视视角下输送带的RGB图像获取俯视视角下仅包括输送带的输送带图像，具体地，利用语义分割网络对俯视视角下输送带的RGB图像进行处理，获取输送带遮罩，输送带遮罩中裸露在外的输送带像素对应位置的值为1，其他像素如物料像素、托辊像素对应位置的值为0；基于输送带遮罩在俯视视角下输送带的RGB图像提取输送带像素，得到俯视视角下仅包括输送带的输送带图像。
(b)以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述。
为了方便灰度共生矩阵构建，本发明以托辊组为单位将输送带图像分为若干子图像，即每张子图像中包括一个或多个托辊组。
根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述：传统的灰度共生矩阵的运用是基于不同方向，即基于
Figure 479397DEST_PATH_IMAGE002
四个方向构建四个灰度共生矩阵，再求多个方向上的灰度共生矩阵均值作为最后表征的灰度共生矩阵。本发明中，对于每张子图像，同样取四个方向/>
Figure 475166DEST_PATH_IMAGE002
构建四个方向的灰度共生矩阵并对灰度共生矩阵进行编号，基于四个方向的灰度共生矩阵的纹理特征参数构建纹理特征描述，来表征子图像中输送带的表面纹理特征。优选地，实施例中纹理特征参数包括对比度/>
Figure DEST_PATH_IMAGE003
和角二阶矩/能量/>
Figure 927007DEST_PATH_IMAGE004
，对比度表征图像纹理的深浅，图像纹理越深，对比度越大，反之，对比度越小；角二阶矩/能量值表征图像纹理的均匀程度，图像纹理越均匀规则，角二阶矩/能量越大，反之，角二阶矩/能量越小。作为一个示例，子图像的纹理特征描述的具体表示为，/>
Figure DEST_PATH_IMAGE005
，其中，/>
Figure 218090DEST_PATH_IMAGE006
，/>
Figure DEST_PATH_IMAGE007
表示基于第/>
Figure 642250DEST_PATH_IMAGE008
个灰度共生矩阵得到的对比度/>
Figure DEST_PATH_IMAGE009
和角二阶矩/能量/>
Figure 340078DEST_PATH_IMAGE010
构成的二元组，/>
Figure 420161DEST_PATH_IMAGE008
的取值范围为[1，4]。
整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述，优选地，输送带图像的纹理特征描述可以表示为基于所有子图像的纹理特征描述得到的纹理特征描述矩阵。
至此，得到输送带图像的纹理特征描述。
当输送带表面发生突起时，输送带表面纹理会发生变形，间距和分布位置会发生变化，因此，基于输送带图像的纹理特征描述可判断输送带表面是否发生凸起，具体地，计算当前输送带图像与标准输送带图像的纹理特征描述的相似度，标准输送带图像中的输送带无凸起，优选地，实施例中标准输送带图像为基于输送机运行相同时间后且输送带无凸起时预先采集的图像得到，不同的运行时间都对应有一张标准输送带图像；其中，相似度为余弦相似度，预设相似度阈值，实施例中相似度阈值为0.8，基于相似度阈值判断当前输送带图像与标准输送带图像的纹理特征描述是否相似。一个实施方式中，对输送带进行图像采集的时间间隔为1个月一次。作为其他的实施方式，对输送带进行图像采集的时间间隔为5天一次。
(2)若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数。
(a)若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心。
当前输送带图像与标准输送带图像的纹理特征描述相似，说明输送带表面没有凸起，即没有发生数值偏移，此时，需要检测输送带是否发生了水平偏移；具体地：
对当前输送带图像各子图像进行边缘检测，提取输送带边缘，优选地，实施例中利用Canny边缘检测算法对当前输送带图像各子图像进行边缘检测，得到当前输送带图像的各子图像中的输送带边缘像素点。对于每张子图像，对子图像中的输送带边缘像素点进行霍夫变换，进行霍夫变换时可以将图像坐标空间变换到直线坐标参数空间，也可将图像坐标空间变换到极坐标参数空间；将图像坐标空间变换到直线坐标参数空间时，子图像中的一个输送带边缘像素点对应直线坐标参数空间中的一条直线，子图像中共线的输送带边缘像素点对应的直线坐标参数空间中的多条直线相交于一点，交点即为高亮点，高亮点对应子图像中输送带边缘像素点共线的直线；将图像坐标空间变换到极坐标参数空间时，子图像中的一个输送带边缘像素点对应极坐标参数空间中的一条正弦曲线，子图像中共线的输送带边缘像素点对应的极坐标参数空间中的多条正弦曲线相交于一点，交点即为高亮点，高亮点对应子图像中输送带边缘像素点共线的直线。直线坐标参数空间和/或极坐标参数空间中的直线和/或正弦曲线称为霍夫直线/曲线，因此，每张子图像对应若干霍夫直线/曲线和若干高亮点。
对当前输送带图像的所有子图像对应的高亮点进行聚类，获取聚类中心，优选地，实施例中利用密度聚类算法进行聚类，设置较小的聚类半径，实施例中聚类半径为0.2。若输送带没有发生偏移，则各子图像对应的高亮点应该接近于重合；若输送带发生偏移，则各子图像对应的高亮点的分布相对来说更分散，偏移位置对应的子图像对应的高亮点与聚类中心的距离相对较远。此外，若输送带没有发生偏移，则子图像应对应一个高亮点，且经过该高亮点的霍夫直线/曲线的条数应该与子图像中输送带边缘像素点的个数相等。
基于上述结论，计算偏移指标。
(b)根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数。
偏移指标的计算具体为：子图像对应的高亮点与聚类中心的距离，和霍夫空间中缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。其中，若子图像对应多个高亮点，每个高亮点对应有经过该点的霍夫直线或曲线的条数，条数最多的高亮点为最优高亮点，根据子图像中输送带边缘像素点的个数和霍夫空间中经过最优高亮点的直线或曲线的条数得到所述缺失的霍夫直线或曲线的条数，即子图像中输送带边缘像素点的个数与霍夫空间中经过最优高亮点的直线或曲线的条数的差值，为缺失的霍夫直线或曲线的条数。此外，子图像对应多个高亮点时，计算多个高亮点与聚类中心的距离均值，距离均值与缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。需要说明，所述距离为欧式距离。
至此，可得到每个子图像对应的偏移指标。根据偏移指标获取偏移量或判断输送带是否发生水平偏移，具体地，根据预先得到的映射关系，根据偏移指标获取偏移量；或设置偏移指标阈值，与偏移指标阈值相比，判断输送带是否发生水平偏移。
(3)若当前输送带图像与标准输送带图像的纹理特征描述不相似，基于纹理特征描述获取各子图像中输送带的凸起高度；X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移。
当前输送带图像与标准输送带图像的纹理特征描述不相似时，需要判断纹理的变化是否是输送带凸起(竖直偏移)引起的。
(a)基于纹理特征描述获取各子图像中输送带的凸起高度。
一个实施方式中，基于纹理特征描述获取各子图像中输送带的凸起高度，具体为：获取若干参考纹理特征描述，每个参考纹理特征描述对应有输送带的凸起高度；基于与每个子图像纹理特征描述最相似的参考纹理特征描述获取输送带的凸起高度。
另一个实施方式中，利用训练好的凸起高度预测神经网络对子图像的纹理特征描述进行处理，预测输送带的凸起高度。
至此，可得到每个子图像中输送带的凸起高度。
(b)X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移。
以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘，具体地，将输送带边缘像素点的坐标(X，Y)变为(X，Z)，得到一条新的边缘，优选地，可利用矩阵变换算法获取映射边缘。需要说明，一张子图像中所有输送带边缘像素点对应的Z相同，为该子图像中输送带的凸起高度。
对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移：对各映射边缘中的点进行霍夫变换后，若各子图像对应的高亮点接近重合，则纹理的变化不是输送带凸起(竖直偏移)引起的，否则，纹理的变化是输送带凸起(竖直偏移)引起的。偏移指标的计算以及根据偏移指标进行输送带是否发生竖直偏移的判断方法和步骤(2)相同，此处不再重复描述。
(4)根据输送带的偏移状态检测输送机托辊的运行状态。
若输送带发生水平偏移，则此时托辊的运行状态不好，可能存在托辊筒皮磨损或托辊轴承损坏的故障；若输送带发生竖直偏移，则此时托辊的运行状态不好，托辊可能弯曲变形。因此，作为一个具体实施方式，若输送带发生水平偏移或者竖直偏移，则判定输送机托辊的运行状态异常，可以接入报警装置，当判定输送机托辊的运行状态异常时，可以控制报警装置进行报警。
基于与上述方法实施例相同的发明构思，本发明一个实施例提供了一种输送机托辊运行状态检测装置，该装置包括：
特征描述获取模块，用于获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
水平偏移检测模块，用于在当前输送带图像与标准输送带图像的纹理特征描述相似时，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
托辊运行状态检测模块，用于根据输送带的偏移状态检测输送机托辊的运行状态。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (4)

1.一种输送机托辊运行状态检测方法，其特征在于，包括：
获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
若当前输送带图像与标准输送带图像的纹理特征描述相似，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
根据输送带的偏移状态检测输送机托辊的运行状态；
若当前输送带图像与标准输送带图像的纹理特征描述不相似，基于纹理特征描述获取各子图像中输送带的凸起高度；
X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；
获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；
对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移；
基于纹理特征描述获取各子图像中输送带的凸起高度，具体为：
获取若干参考纹理特征描述，每个参考纹理特征描述对应有输送带的凸起高度；
基于与每个子图像纹理特征描述最相似的参考纹理特征描述获取输送带的凸起高度；
根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，具体为：
子图像对应的高亮点与聚类中心的距离，和霍夫空间中缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。
2.如权利要求1所述的输送机托辊运行状态检测方法，其特征在于，所述纹理特征参数包括对比度和角二阶矩。
3.一种输送机托辊运行状态检测装置，其特征在于，包括：
特征描述获取模块，用于获取俯视视角下输送机的输送带图像，输送带图像中仅包括输送带；以托辊组为单位将输送带图像分为若干子图像；根据子图像各方向上灰度共生矩阵的纹理特征参数得到子图像的纹理特征描述，整合所有子图像的纹理特征描述，得到输送带图像的纹理特征描述；
水平偏移检测模块，用于在当前输送带图像与标准输送带图像的纹理特征描述相似时，对当前输送带图像各子图像中的输送带边缘像素点进行霍夫变换，得到霍夫空间中各子图像对应的霍夫直线/曲线和高亮点，获取高亮点的聚类中心；根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，根据偏移指标判断输送带是否发生水平偏移；其中，根据子图像中输送带边缘像素点的个数和霍夫空间中经过某一个高亮点的直线或曲线的条数得到所述缺失的直线或曲线的条数；
托辊运行状态检测模块，用于根据输送带的偏移状态检测输送机托辊的运行状态；
还包括竖直偏移检测模块，用于在当前输送带图像与标准输送带图像的纹理特征描述不相似时，基于纹理特征描述获取各子图像中输送带的凸起高度；
X轴与输送带运行方向平行，Y轴与输送带运行方向垂直，Z轴垂直于X轴和Y轴，建立坐标系；(X，Y)为输送带边缘像素点的坐标，Z值为子图像对应的凸起高度；
获取子图像中各输送带边缘像素点对应的(X，Z)，以(X，Z)为输送带边缘像素点的坐标，对子图像中各输送带边缘像素点进行映射转换，得到子图像中输送带边缘的映射边缘；
对各映射边缘中的点进行霍夫变换，计算偏移指标，根据偏移指标判断输送带是否发生竖直偏移；
基于纹理特征描述获取各子图像中输送带的凸起高度，具体为：
获取若干参考纹理特征描述，每个参考纹理特征描述对应有输送带的凸起高度；
基于与每个子图像纹理特征描述最相似的参考纹理特征描述获取输送带的凸起高度；
根据每个子图像对应的高亮点与聚类中心的距离，以及霍夫空间中缺失的直线或曲线的条数计算各子图像中输送带的偏移指标，具体为：
子图像对应的高亮点与聚类中心的距离，和霍夫空间中缺失的直线或曲线的条数的乘积，为子图像中输送带的偏移指标。
4.如权利要求3所述的输送机托辊运行状态检测装置，其特征在于，所述纹理特征参数包括对比度和角二阶矩。
CN202211205673.1A 2022-09-30 2022-09-30 输送机托辊运行状态检测方法及装置 Active CN115294111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211205673.1A CN115294111B (zh) 2022-09-30 2022-09-30 输送机托辊运行状态检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211205673.1A CN115294111B (zh) 2022-09-30 2022-09-30 输送机托辊运行状态检测方法及装置

Publications (2)

Publication Number Publication Date
CN115294111A CN115294111A (zh) 2022-11-04
CN115294111B true CN115294111B (zh) 2023-03-31

Family

ID=83834959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211205673.1A Active CN115294111B (zh) 2022-09-30 2022-09-30 输送机托辊运行状态检测方法及装置

Country Status (1)

Country Link
CN (1) CN115294111B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117876363B (zh) * 2024-03-11 2024-06-07 宝鸡杭叉工程机械有限责任公司 一种带式输送机托辊运行状态在线检测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015035445A1 (en) * 2013-09-10 2015-03-19 Metso Minerals (Australia) Limited Infrared detection of conveyor belt faults
CN114842016B (zh) * 2022-07-05 2022-09-06 南通森田消防装备有限公司 一种基于计算机视觉的消防水带缺陷检测方法及系统

Also Published As

Publication number Publication date
CN115294111A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN115294111B (zh) 输送机托辊运行状态检测方法及装置
CN110782436B (zh) 一种基于计算机视觉的传送带物料状态检测方法
CN113306991B (zh) 基于立体视觉的煤炭运输机监测管理系统
CN116309565B (zh) 基于计算机视觉的高强传送带跑偏检测方法
CN110514669B (zh) 一种皮带输送机多区域洒料检测系统及方法
CN115147415B (zh) 基于图像处理的酒盒缺陷检测方法
CN110611770A (zh) 线阵相机行频与物体运动速度是否匹配的判断方法及系统
CN117437223B (zh) 一种高速板对板连接器缺陷智能检测方法
CN112964201A (zh) 一种碳板直线度检测方法
CN115359053A (zh) 一种金属板材缺陷智能检测方法及系统
CN117635609B (zh) 一种塑胶产品生产质量视觉检测方法
CN114332091B (zh) 一种基于人工智能的印刷品缺陷检测方法
CN111178193A (zh) 一种车道线的检测方法、检测装置及计算机可读存储介质
CN113298792A (zh) 基于ai视觉的皮带跑偏监测调速控制装置及方法
CN115535525A (zh) 基于图像匹配的输送带纵向撕裂检测系统及方法
CN117876308A (zh) 基于图像分析的光伏板检测方法
CN103175839A (zh) 胶印版材表面检测的处理方法及系统
CN116485832B (zh) 用于废硅片回收的不均布流体杂质边缘精准检测方法
CN114140416A (zh) 一种基于机器视觉的玻璃边缘检测方法和系统
CN117232396A (zh) 一种高速生产线产品质量视觉检测系统及方法
CN117787690A (zh) 吊装作业安全风险识别方法及识别装置
Hocenski et al. A simple and efficient method for ceramic tile surface defects detection
CN117554915A (zh) 一种传输皮带上料流料位状态检测方法、系统及电子设备
CN116105606A (zh) 一种钢铁宽厚板长度视觉测量系统和方法
CN113920121B (zh) 基于图像处理的工艺品印刷条痕检测方法和系统

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
GR01 Patent grant
GR01 Patent grant