CN115838062A - 一种基于稠密光流的带式输送机托辊不转检测系统及方法 - Google Patents
一种基于稠密光流的带式输送机托辊不转检测系统及方法 Download PDFInfo
- Publication number
- CN115838062A CN115838062A CN202210914760.8A CN202210914760A CN115838062A CN 115838062 A CN115838062 A CN 115838062A CN 202210914760 A CN202210914760 A CN 202210914760A CN 115838062 A CN115838062 A CN 115838062A
- Authority
- CN
- China
- Prior art keywords
- carrier roller
- idler
- inspection robot
- dense
- inspection
- 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 45
- 238000000034 method Methods 0.000 title claims description 19
- 238000007689 inspection Methods 0.000 claims abstract description 84
- 238000001931 thermography Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 33
- 230000000903 blocking effect Effects 0.000 claims description 3
- 241001131696 Eurystomus Species 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Control Of Conveyors (AREA)
Abstract
本发明提供了一种基于稠密光流的带式输送机托辊不转检测系统及方法，该系统包括巡检轨道、巡检机器人；RFID读写器和RFID标签，RFID读写器安装在巡检机器人上，每个RFID标签均对应一个托辊组；可见光摄像头，用于实时采集托辊组的视频图像；热成像摄像头，用于实时采集托辊组的热成像图像；外部温度传感器，用于实时检测巡检机器人所在位置附近的环境温度；计算模块，分别与RFID读写器、可见光摄像头、热成像摄像头和外部温度传感器通信连接，计算模块用于实时计算托辊数据、实时判断托辊状态；报警器，报警器与计算模块通信连接。该系统可准确判断托辊不转是因托辊轴卡阻还是与输送带无接触引起的，并能及时定位故障托辊、及时报警。
Description
技术领域
本发明涉及带式输送机托辊故障检测技术领域，具体是一种基于稠密光流的带式输送机托辊不转检测系统及方法。
背景技术
带式输送机中托辊的数量很多，由于托辊是输送机中重要的零件之一，托辊的维修和更换费用也是带式输送机运行费用很重要部分，托辊运转质量的好坏对整个输送机的运行阻力、功率消耗、托辊和输送带的使用寿命、维护工作量及运输成本都有很大影响。特别是如果发生托辊不转动将大大增加输送机运行风险。
导致托辊不转动的原因主要有四种。一种是由于输送带跑偏，导致输送带侧面托辊和输送带不接触；一种是由于输送带载料不足，导致输送带中部托辊和输送带不接触；一种是由于托辊与轴承座的装配精度和使用中的密封润滑问题导致轴承卡阻；一种是由于托辊外壳被卡阻或托辊端面与托辊支座发生干涉。每种问题都需要及时发现，及时处理。
目前检测托辊不转的方式主要有两种，一种是人工巡检通过人眼观察，但是必须在输送机运行时检查，存在人身安全风险，另外有可能只能在输送机一侧观察，视野受到限制，而且存在人力疲劳因素导致无法完整检查每一个托辊，也无法保证检查的百分百准确；一种是巡检机器人通过热成像检测，虽然可以检测出会导致托辊发热的异常，但无法准确判断是否是托辊不转导致的发热，且对于因不接触而不转的托辊不存在发热现象，检测不全面。也有专利提出一种基于图像纹理信息检测托辊运行状态和磨损程度的方法，但是往往托辊表面难以提取纹理特征，还容易受光照环境影响，而且要支持机器人移动检测，图像要在运动中拍摄，也为托辊运转状态检测增加了难度。
发明内容
本发明的目的在于解决现有技术中存在的问题，提供了一种基于稠密光流的带式输送机托辊不转检测系统，包括：
巡检轨道，安装在带式输送机托辊组下方，沿输送带输送方向设置；
巡检机器人，安装在所述巡检轨道上，沿所述巡检轨道往复移动；
RFID读写器和RFID标签，所述RFID读写器安装在所述巡检机器人上，所述RFID标签与所述托辊组数量相等，且每个RFID标签均对应一个所述托辊组，所述RFID标签用于记录其对应的托辊组的位置信息，所述RFID读写器用于读取所述RFID标签记录的位置信息；
可见光摄像头，安装在所述巡检机器人上，用于实时采集托辊组的视频图像；
热成像摄像头，安装在所述巡检机器人上，用于实时采集托辊组的热成像图像；
外部温度传感器，安装在所述巡检机器人上，用于实时检测所述巡检机器人所在位置附近的环境温度；
计算模块，安装在所述巡检机器人上，分别与所述RFID读写器、可见光摄像头、热成像摄像头和外部温度传感器通信连接，所述计算模块用于实时计算托辊数据、实时判断托辊状态；
报警器，所述报警器与所述计算模块通信连接。
优选地，所述托辊数据包括托辊在连续可见光图像帧中的区域、连续稠密光流、托辊在热成像帧中的区域、托辊最高温度。
优选地，所述托辊状态包括托辊非接触不转状态和托辊卡阻不转状态。
本发明还提供了一种使用上述系统的基于稠密光流的带式输送机托辊不转检测方法，其特征在于，包括以下步骤：
S1、巡检机器人在预部署阶段使用可见光摄像头采集巡检轨道上方的各个托辊组的可见光图像，将每个托辊组图像上的托辊做人工标注，整理成现场的托辊样本集，使用yolov5目标检测框架训练得到托辊检测模型；
S2、巡检机器人在正式部署阶段，设置指定的巡检速度执行巡检任务，巡检机器人上可见光摄像头和热成像摄像头实时采集托辊组的可见光图像和热成像图像，并将信号传递给计算模块；
S3、使用yolov5托辊检测模型提取可见光图像中托辊组的ROI,并判断可见光图像中是否包含完整的托辊组；
S4、当图像中包含完整的托辊组时，使用OpenCV提取托辊区域的稠密光流，计算稠密光流特征值，并连续帧记录；同时，从热成像图像中提取托辊最高温度，并读取巡检机器人上外部温度传感器数据，获取环境温度；
S5、当达到连续帧计算结束条件时，计算连续帧的托辊光流特征值方差，判断是否符合托辊不转的经验阈值，若符合，再判断托辊是否存在较大的温升，若存在则说明此托辊卡阻，若不存在则说明此托辊与输送带未接触；
S6、当检测到托辊不转时，报警器根据RFID读写器读取的当前托辊组所对应的RFID标签信息进行报警。
优选地，所述步骤S4中计算的稠密光流特征值为将稠密光流图像转换为灰度图像后统计的暗点像素比例。
优选地，所述步骤S5中连续帧计算结束条件是指巡检机器人在移动过程中连续采集的图像从稳定检测到完整托辊组开始，直到检测不到完整托辊组结束。
优选地，所述步骤S5中托辊不转的经验阈值是指巡检机器人在预部署阶段通过采集的托辊正常运转时的视频和一系列托辊未正常运转时的视频样本，分别统计S4中正常运转托辊和未正常运转托辊的稠密光流特征确定的二分类阈值。
对比现有技术，本发明的有益效果在于：
本发明旨在准确发现带式输送机托辊故障中托辊不转的现象及原因，结合巡检机器人上的RFID读写器及RFID标签、外部温度传感器、可见光摄像头、热成像摄像头、计算模块、巡检轨道，形成了一套高准确率的托辊故障检测系统，当检测到托辊不转时，结合可见光图像稠密光流特征、热成像测温、环境温度，可准确判断托辊不转是因托辊轴卡阻还是与输送带无接触引起的，并能及时定位故障托辊、及时报警，提醒操作人员采取相应的处理措施，保障带式输送机安全运行，具有极高的经济效益和应用价值。
附图说明
附图1为本发明的检测方法流程图；
附图2为本发明的检测系统安装的俯视图；
附图3为本发明的检测系统安装的侧视图；
附图4为可见光图像托辊检测和光流特征融合图。
附图标记说明
1-巡检机器人，2-可见光摄像头，3-热成像摄像头，4-RFID读写器，5-巡检轨道，6-托辊，7-外部温度传感器，8-轨道连接件，9-输送带，10-RFID标签。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
请参阅附图2至附图3，本实施例提供了一种基于稠密光流的带式输送机托辊不转检测系统，包括：巡检轨道5，安装在带式输送机托辊组下方，沿输送带9输送方向设置；巡检机器人1，安装在所述巡检轨道5上，沿所述巡检轨道5往复移动；RFID读写器4和RFID标签10，所述RFID读写器4安装在所述巡检机器人1上，所述RFID标签10与所述托辊组数量相等，且每个RFID标签10均对应一个所述托辊组，所述RFID标签10用于记录其对应的托辊组的位置信息，所述RFID读写器4用于读取所述RFID标签10记录的位置信息；可见光摄像头2，安装在所述巡检机器人1上，用于实时采集托辊组的视频图像；热成像摄像头3，安装在所述巡检机器人1上，用于实时采集托辊组的热成像图像；外部温度传感器7，安装在所述巡检机器人1上，用于实时检测所述巡检机器人1所在位置附近的环境温度；计算模块，安装在所述巡检机器人1上，分别与所述RFID读写器、可见光摄像头2、热成像摄像头3和外部温度传感器7通信连接，所述计算模块用于实时计算托辊数据、实时判断托辊状态；报警器，所述报警器与所述计算模块通信连接。其中，托辊数据包括托辊在连续可见光图像帧中的区域、连续稠密光流、托辊在热成像帧中的区域、托辊最高温度，托辊状态包括托辊非接触不转状态和托辊卡阻不转状态。巡检轨道5可以为双轨，安装于托辊组正下方，巡检机器人1上的可见光摄像头2和热成像摄像头3均具有足够的视野能够拍摄到同一托辊组的所有托辊，双轨中的两条轨道可通过轨道连接件8固定连接，RFID标签10可安装在轨道连接件8上。
请参阅附图1，本实施例还提供了一种使用上述系统的基于稠密光流的带式输送机托辊不转检测方法，包括以下步骤：
S1、巡检机器人1在预部署阶段使用可见光摄像头2采集巡检轨道5上方的各个托辊组的可见光图像，将每个托辊组图像上的托辊做人工标注，整理成现场的托辊样本集，使用yolov5目标检测框架训练得到托辊检测模型；
S2、巡检机器人1在正式部署阶段，设置指定的巡检速度执行巡检任务，巡检机器人1上可见光摄像头2和热成像摄像头3实时采集托辊组的可见光图像和热成像图像，并将信号传递给计算模块；
S3、使用yolov5托辊检测模型提取可见光图像中托辊组的ROI,并判断可见光图像中是否包含完整的托辊组；
S4、当图像中包含完整的托辊组时，使用OpenCV提取托辊区域的稠密光流，计算稠密光流特征值，并连续帧记录；同时，从热成像图像中提取托辊最高温度，并读取巡检机器人1上外部温度传感器7数据，获取环境温度；
S5、当达到连续帧计算结束条件时，计算连续帧的托辊光流特征值方差，判断是否符合托辊不转的经验阈值，若符合，再判断托辊是否存在较大的温升，若存在则说明此托辊卡阻，若不存在则说明此托辊与输送带9未接触；
S6、当检测到托辊不转时，报警器根据RFID读写器4读取的当前托辊组所对应的RFID标签10信息进行报警。
在一些实施例中，所述步骤S4中计算的稠密光流特征值为将稠密光流图像转换为灰度图像后统计的暗点像素比例。
在一些实施例中，所述步骤S5中连续帧计算结束条件是指巡检机器人1在移动过程中连续采集的图像从稳定检测到完整托辊组开始，直到检测不到完整托辊组结束。
在一些实施例中，所述步骤S5中托辊不转的经验阈值是指巡检机器人1在预部署阶段通过采集的托辊正常运转时的视频和一系列托辊未正常运转时的视频样本，分别统计S4中正常运转托辊和未正常运转托辊的稠密光流特征确定的二分类阈值。
具体地，该方法的实现分为两个阶段，第一阶段是巡检机器人1的预部署，第二阶段是巡检机器人1的正式部署，巡检机器人1的预部署需要完成两个数据的获取，一个是托辊检测模型的获取，另一个是托辊稠密特征光流特征阈值的获取。
获取托辊检测模型包括三个步骤：第一步通过巡检机器人1上的可见光摄像头2采集带式输送机在不同条件下的所有托辊组的图像，环境条件主要包括光照环境(自然光或人工光源)、灰尘环境、带式输送机运行和停止状态；第二步，对可见光摄像头2采集的图像进行数据清洗、人工标注(为尽可能准确并实时检测托辊轮廓，需要标注带旋转角度的矩形框)、整理样本集；第三步，使用yolov5目标检测框架训练得到托辊检测模型。
获取托辊稠密特征光流特征阈值包括两个步骤：第一步通过巡检机器人1上的可见光摄像头2采集一系列托辊正常运转时的视频和一系列托辊未正常运转时的视频；第二步使用yolov5托辊检测和OpenCV对托辊正常运转时视频和托辊未正常运转时的视频分别处理，提取两类托辊稠密光流特征分类阈值。
如图4所示为一帧机器人静止时可见光摄像头2采集的图像，带式输送机正常运行中，在本实施例中，以每个托辊组包含如附图3所示的左中右三个托辊6为例说明，托辊组的左、中、右三个托辊可以完整检测，其中左、中托辊正常转动，右托辊和输送带9未接触没有转动，将稠密光流图像叠加到原图像上，将发现左、中托辊和右托辊上的光流特征形成鲜明对比，且连续帧观察时，因托辊上的纹理或磨损差异，导致托辊6转动时光流特征差异也较明显；托辊6不转时则无法体现；更一般的，当机器人移动检测时，托辊转动速度远大于机器人移动速度，因机器人移动导致的图像光流方向将与托辊转动的光流方向有明显差异。
巡检机器人1正式部署阶段，巡检机器人1在移动中实时完成对托辊状态的检测，带式输送机带速可以为5m/s，即托辊表面正常运转的线速度，巡检机器人1巡检时移动方式可以为前进或后退，移动速度可设置为0.2m/s，巡检机器人1移动中同时实时采集可见光图像和热成像图像，采集帧率可均为25FPS。
安装在巡检机器人1上的计算模块执行yolov5托辊检测进程，提取可见光图像中托辊组的ROI，且检测帧率可超过50FPS，判断左、中、右托辊6的ROI是否完整，如果不完整，则不执行后续的业务逻辑；如果完整，表示机器人进入可完整观测托辊组的区域，开始进行托辊的稠密光流提取，为提高光流提取的效率，将对原始图像进行缩放和仅提取托辊区域的光流，保证当前进程总的处理帧率大于15FPS。然后将稠密光流图像转换为灰度图像后统计的暗点像素比例做为托辊的稠密光流特征值。
在完整观测托辊组的区域内，记录连续帧的各托辊的稠密光流特征值，在离开观测区域时，统计特征值方差，与经验阈值比较，判断各托辊6是否运转正常。
安装在巡检机器人1上的计算模块也在并行执行从热成像图像中提取托辊温度的进程，另外从外部温度传感器7实时获取机器人周边的环境温度，由于制造托辊的材料是优良的热传播导体，当托辊因无接触不转时，因没有与输送带9摩擦，其温度应接近周边环境温度；当托辊因轴承卡阻不转时，因与输送带9接触一直摩擦生热，其温度应高于周边环境温度。结合可见光图像检测托辊不转的结果和热成像图像检测的托辊温度，可进一步判断托辊是因轴承卡阻不转还是因与输送带9无接触不转。
安装在巡检机器人1上的RFID读写器4读取对应托辊组的轨道连接件8上的RFID标签10，可准确定位当前检测的托辊组。如图4中，检测到托辊组右托辊与输送带9无接触不转，如连续多个托辊组的同一侧托辊均有此异常，则报警通知维护人员“输送机托辊组右托辊未与输送带9接触，疑似此处输送带9左偏，请尽快处理”；如仅一个托辊组异常，则报警通知维护人员“输送机托辊组右托辊未与输送带9接触，疑似托辊架偏低，请尽快处理”；另外，如果检测到托辊因轴承卡阻不转，则报警通知维护人员“输送机托辊组右托辊卡阻，疑似托辊轴损坏，请尽快处理”。
通过本实施例中的系统和方法检测托辊时，结合可见光图像稠密光流特征、热成像测温、环境温度，可准确判断托辊不转是因托辊轴卡阻还是与输送带9无接触引起的，并能及时定位故障托辊、及时报警，提醒操作人员采取相应的处理措施，保障带式输送机安全运行，具有极高的经济效益和应用价值。
Claims (7)
1.一种基于稠密光流的带式输送机托辊不转检测系统，其特征在于，包括：
巡检轨道，安装在带式输送机托辊组下方，沿输送带输送方向设置；
巡检机器人，安装在所述巡检轨道上，沿所述巡检轨道往复移动；
RFID读写器和RFID标签，所述RFID读写器安装在所述巡检机器人上，所述RFID标签与所述托辊组数量相等，且每个RFID标签均对应一个所述托辊组，所述RFID标签用于记录其对应的托辊组的位置信息，所述RFID读写器用于读取所述RFID标签记录的位置信息；
可见光摄像头，安装在所述巡检机器人上，用于实时采集托辊组的视频图像；
热成像摄像头，安装在所述巡检机器人上，用于实时采集托辊组的热成像图像；
外部温度传感器，安装在所述巡检机器人上，用于实时检测所述巡检机器人所在位置附近的环境温度；
计算模块，安装在所述巡检机器人上，分别与所述RFID读写器、可见光摄像头、热成像摄像头和外部温度传感器通信连接，所述计算模块用于实时计算托辊数据、实时判断托辊状态；
报警器，所述报警器与所述计算模块通信连接。
2.根据权利要求1所述的一种基于稠密光流的带式输送机托辊不转检测系统，其特征在于：所述托辊数据包括托辊在连续可见光图像帧中的区域、连续稠密光流、托辊在热成像帧中的区域、托辊最高温度。
3.根据权利要求2所述的一种基于稠密光流的带式输送机托辊不转检测系统，其特征在于：所述托辊状态包括托辊非接触不转状态和托辊卡阻不转状态。
4.一种使用权利要求1至3中任一项所述系统的基于稠密光流的带式输送机托辊不转检测方法，其特征在于，包括以下步骤：
S1、巡检机器人在预部署阶段使用可见光摄像头采集巡检轨道上方的各个托辊组的可见光图像，将每个托辊组图像上的托辊做人工标注，整理成现场的托辊样本集，使用yolov5目标检测框架训练得到托辊检测模型；
S2、巡检机器人在正式部署阶段，设置指定的巡检速度执行巡检任务，巡检机器人上可见光摄像头和热成像摄像头实时采集托辊组的可见光图像和热成像图像，并将信号传递给计算模块；
S3、使用yolov5托辊检测模型提取可见光图像中托辊组的ROI,并判断可见光图像中是否包含完整的托辊组；
S4、当图像中包含完整的托辊组时，使用OpenCV提取托辊区域的稠密光流，计算稠密光流特征值，并连续帧记录；同时，从热成像图像中提取托辊最高温度，并读取巡检机器人上外部温度传感器数据，获取环境温度；
S5、当达到连续帧计算结束条件时，计算连续帧的托辊光流特征值方差，判断是否符合托辊不转的经验阈值，若符合，再判断托辊是否存在较大的温升，若存在则说明此托辊卡阻，若不存在则说明此托辊与输送带未接触；
S6、当检测到托辊不转时，报警器根据RFID读写器读取的当前托辊组锁对应的RFID标签信息进行报警。
5.根据权利要求4所述的一种基于稠密光流的带式输送机托辊不转检测方法，其特征在于：所述步骤S4中计算的稠密光流特征值为将稠密光流图像转换为灰度图像后统计的暗点像素比例。
6.根据权利要求4所述的一种基于稠密光流的带式输送机托辊不转检测方法，其特征在于：所述步骤S5中连续帧计算结束条件是指巡检机器人在移动过程中连续采集的图像从稳定检测到完整托辊组开始，直到检测不到完整托辊组结束。
7.根据权利要求4所述的一种基于稠密光流的带式输送机托辊不转检测方法，其特征在于：所述步骤S5中托辊不转的经验阈值是指巡检机器人在预部署阶段通过采集的托辊正常运转时的视频和一系列托辊未正常运转时的视频样本，分别统计S4中正常运转托辊和未正常运转托辊的稠密光流特征确定的二分类阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210914760.8A CN115838062A (zh) | 2022-08-01 | 2022-08-01 | 一种基于稠密光流的带式输送机托辊不转检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210914760.8A CN115838062A (zh) | 2022-08-01 | 2022-08-01 | 一种基于稠密光流的带式输送机托辊不转检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115838062A true CN115838062A (zh) | 2023-03-24 |
Family
ID=85574805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210914760.8A Pending CN115838062A (zh) | 2022-08-01 | 2022-08-01 | 一种基于稠密光流的带式输送机托辊不转检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115838062A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766035A (zh) * | 2020-12-01 | 2021-05-07 | 华南理工大学 | 一种面向公交车的乘客对司机的暴力行为识别系统与方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010189168A (ja) * | 2009-02-19 | 2010-09-02 | Bridgestone Corp | コンベヤベルト及びガイドローラの不良判定システム |
| CN101975083A (zh) * | 2010-10-20 | 2011-02-16 | 浙江大学 | 一种带式输送机托辊故障监测系统 |
| CN107235288A (zh) * | 2017-06-01 | 2017-10-10 | 昆山国显光电有限公司 | 一种辊式输送装置 |
| CN110053941A (zh) * | 2019-05-27 | 2019-07-26 | 大连海事大学 | 一种基于速度检测的带式输送机托辊异常状态监测系统及方法 |
| CN110589405A (zh) * | 2019-09-23 | 2019-12-20 | 北京华方智汇科技有限公司 | 用于带式输送机巡检机器人的托辊异常检测系统及方法 |
| CN210392667U (zh) * | 2019-06-20 | 2020-04-24 | 洛阳视距智能科技有限公司 | 一种传送带偏离与托辊转动状态检测装置 |
| DE102020200543A1 (de) * | 2020-01-17 | 2021-07-22 | Thyssenkrupp Ag | Verfahren und Vorrichtung zum Anordnen von Tragrollen eines Förderbandes sowie Verwendung und Computerprogrammprodukt |
-
2022
- 2022-08-01 CN CN202210914760.8A patent/CN115838062A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010189168A (ja) * | 2009-02-19 | 2010-09-02 | Bridgestone Corp | コンベヤベルト及びガイドローラの不良判定システム |
| CN101975083A (zh) * | 2010-10-20 | 2011-02-16 | 浙江大学 | 一种带式输送机托辊故障监测系统 |
| CN107235288A (zh) * | 2017-06-01 | 2017-10-10 | 昆山国显光电有限公司 | 一种辊式输送装置 |
| CN110053941A (zh) * | 2019-05-27 | 2019-07-26 | 大连海事大学 | 一种基于速度检测的带式输送机托辊异常状态监测系统及方法 |
| CN210392667U (zh) * | 2019-06-20 | 2020-04-24 | 洛阳视距智能科技有限公司 | 一种传送带偏离与托辊转动状态检测装置 |
| CN110589405A (zh) * | 2019-09-23 | 2019-12-20 | 北京华方智汇科技有限公司 | 用于带式输送机巡检机器人的托辊异常检测系统及方法 |
| DE102020200543A1 (de) * | 2020-01-17 | 2021-07-22 | Thyssenkrupp Ag | Verfahren und Vorrichtung zum Anordnen von Tragrollen eines Förderbandes sowie Verwendung und Computerprogrammprodukt |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766035A (zh) * | 2020-12-01 | 2021-05-07 | 华南理工大学 | 一种面向公交车的乘客对司机的暴力行为识别系统与方法 |
| CN112766035B (zh) * | 2020-12-01 | 2023-06-23 | 华南理工大学 | 一种面向公交车的乘客对司机的暴力行为识别系统与方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110902315B (zh) | 皮带偏移状态检测方法及系统 | |
| CN110589405A (zh) | 用于带式输送机巡检机器人的托辊异常检测系统及方法 | |
| CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测系统 | |
| CN115838062A (zh) | 一种基于稠密光流的带式输送机托辊不转检测系统及方法 | |
| GB2391616A (en) | Tribological debris analysis system | |
| CN201707305U (zh) | 一种检测容器盖质量的检测装置 | |
| CN103383361A (zh) | 一种钢绳芯输送带检测装置以及检测方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| Szkilnyk et al. | Vision based fault detection of automated assembly equipment | |
| Abdelhedi et al. | Design of automatic vision-based inspection system for monitoring in an olive oil bottling line | |
| Kulkarni et al. | An automated computer vision based system for bottle cap fitting inspection | |
| CN110519566A (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
| JP3658326B2 (ja) | 液体充填容器内の異物検査装置及びその方法 | |
| CN111672773A (zh) | 基于机器视觉的产品表面缺陷检测系统及检测方法 | |
| CN112241574A (zh) | 基于图像纹理信息的带式输送机托辊状态测控方法和装置 | |
| Wu et al. | Design of online surface inspection system of hot rolled strips | |
| Koodtalang et al. | Glass bottle bottom inspection based on image processing and deep learning | |
| CN115060742A (zh) | 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 | |
| CN111028250A (zh) | 一种实时智能验布方法及系统 | |
| CN110889367A (zh) | 一种基于深度学习的厨房工作人员穿着规范识别方法 | |
| Zou et al. | Real-time monitoring of brake shoe keys in freight cars | |
| CN115494074A (zh) | 用于连铸板坯表面缺陷的在线检测方法 | |
| CN115661707A (zh) | 一种基于巡检机器人的皮带跑偏识别算法 | |
| CN113592916B (zh) | 一种烧结机台车车轴故障检测方法及系统 | |
| Wang et al. | Visual defect detection for substation equipment based on joint inspection data of camera and robot |
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 |