CN115947066B - 皮带撕裂检测方法、装置及系统 - Google Patents
皮带撕裂检测方法、装置及系统 Download PDFInfo
- Publication number
- CN115947066B CN115947066B CN202310242195.XA CN202310242195A CN115947066B CN 115947066 B CN115947066 B CN 115947066B CN 202310242195 A CN202310242195 A CN 202310242195A CN 115947066 B CN115947066 B CN 115947066B
- Authority
- CN
- China
- Prior art keywords
- laser line
- belt
- image
- laser
- working surface
- 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
Links
Images
Abstract
本申请公开了一种皮带撕裂检测方法、装置及系统,属于皮带输送设备技术领域。该方法包括:获取待检测皮带的工作面图像;基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像;基于第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;获取第二激光线图像的激光线条纹特征;基于激光线条纹特征,确定皮带是否发生撕裂;其中,皮带的工作面正对设置有工业相机和激光发射器,激光发射器发射的激光与工作面垂直,并在工作面形成与皮带运输方向垂直的激光线,工作面图像为工业相机采集的激光投射后的工作面的图像。该方法通过颜色和亮度快速定位激光线,实现撕裂故障的准确检测。
Description
技术领域
本申请属于皮带输送设备技术领域,尤其涉及一种皮带撕裂检测方法、装置及系统。
背景技术
皮带运输是一种常用的运输方式,具有系统结构简单、输送效率高等优势,常用于工业系统中原材料、中间产物和产品的运输,也用于机场、火车站等地运输行李、物资等。
皮带既是运输系统的牵引机构又是承载结构,贯穿运输系统的全长,用量大、成本高,皮带撕裂故障是影响运输的关键故障类型,皮带撕裂一旦发生,可能会在短时间内造成数十米甚至数百米的皮带损坏,修补皮带不仅费时费力,而且会影响正常生产,给企业造成直接和间接的经济损失。
目前,企业的皮带运输系统普遍采用定期人工检查的方式,这种方式实时性差,且故障检测结果准确度较低。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种皮带撕裂检测方法、装置及系统,实现皮带撕裂故障的及时检测,且检测结果更加准确。
第一方面,本申请提供了一种皮带撕裂检测方法,该方法包括:
获取待检测皮带的工作面图像;
基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像;
基于所述第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;
获取所述第二激光线图像的激光线条纹特征;
基于所述激光线条纹特征,确定所述皮带是否发生撕裂;
其中,所述皮带的工作面正对设置有工业相机和激光发射器,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线,所述工作面图像为所述工业相机采集的激光投射后的所述工作面的图像。
根据本申请的皮带撕裂检测方法,通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,结合激光线条纹特征判断皮带是否发生撕裂,有效提高撕裂故障的检测的准确度和检出效率,实现皮带撕裂故障的及时检测。
根据本申请的一个实施例,所述基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像,包括:
获取所述工作面图像中除过曝像素点以外的像素点的像素点颜色分量;
基于所述像素点颜色分量,分离所述工作面图像中的激光线像素点和其他像素点;
基于所述工作面图像中的激光线像素点,得到所述第一激光线图像。
根据本申请的一个实施例,所述激光线条纹特征包括激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向中的至少一个。
根据本申请的一个实施例,所述基于所述激光线条纹特征,确定所述皮带是否发生撕裂,包括:
在所述激光线条纹中心坐标点超出目标坐标点范围的情况下,确定所述皮带发生撕裂;
和/或,在所述激光线条纹宽度超出目标宽度范围的情况下,确定所述皮带发生撕裂;
和/或,在所述激光线像素点的特征向量方向超出目标方向范围的情况下,确定所述皮带发生撕裂。
根据本申请的一个实施例,在确定所述皮带发生撕裂之后,所述方法还包括:
基于所述激光线条纹特征,确定皮带故障点;
将所述皮带故障点输入至目标分类器,获得所述目标分类器输出的所述皮带的撕裂类型;
其中,所述目标分类器是基于样本撕裂图像及其对应的样本撕裂类型训练得到的。
根据本申请的一个实施例,在所述获取待检测皮带的工作面图像之后,所述基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像之前,所述方法还包括:
确定所述工作面图像的掩膜区域;
对所述工作面图像的掩膜区域进行掩膜处理。
第二方面,本申请提供了一种皮带撕裂检测装置,该装置包括:
第一获取模块,用于获取待检测皮带的工作面图像;
第一处理模块,用于基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像;
第二处理模块,用于基于所述第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;
第二获取模块,用于获取所述第二激光线图像的激光线条纹特征;
第三处理模块,用于基于所述激光线条纹特征,确定所述皮带是否发生撕裂;
其中,所述皮带的工作面正对设置有工业相机和激光发射器,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线,所述工作面图像为所述工业相机采集的激光投射后的所述工作面的图像。
第三方面,本申请提供了一种皮带撕裂检测系统,包括:
激光发射器,所述激光发射器与待检测皮带的工作面正对设置,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线;
工业相机,所述工业相机与所述工作面正对设置,所述工业相机用于采集激光投射后的所述工作面的图像;
控制器,所述控制器分别与所述工业相机和所述激光发射器连接,所述控制器用于基于上述皮带撕裂检测方法检测所述皮带是否发生撕裂。
第四方面,本申请提供了一种电子设备,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计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的皮带撕裂检测方法。
第五方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的皮带撕裂检测方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,结合激光线条纹特征判断皮带是否发生撕裂,有效提高撕裂故障的检测的准确度和检出效率,实现皮带撕裂故障的及时检测。
进一步的,先识别除工作面图像中过曝像素点的位置,再获取除过曝像素点以外的像素点的像素点颜色分量,减少过曝对颜色分量的识别分离的影响,根据像素点颜色分量,分离工作面图像中的激光线像素点和其他像素点,对工作面上的激光线进行初步识别。
更进一步的,通过激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向等特征,判断皮带工作面激光线的宽度或方向的变化,准确估计皮带是否发生撕裂。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的皮带撕裂检测方法的流程示意图;
图2是本申请实施例提供的皮带撕裂检测系统的结构示意图;
图3是本申请实施例提供的皮带工作面出现凹坑故障的示意图;
图4是本申请实施例提供的皮带工作面出现严重纵撕故障的示意图;
图5是本申请实施例提供的皮带工作面出现普通纵撕故障的示意图;
图6是本申请实施例提供的第二激光线图像示例的示意图;
图7是本申请实施例提供的皮带撕裂检测装置的结构示意图;
图8是本申请实施例提供的电子设备的结构示意图。
附图标记:
210:工业相机;220:激光发射器;230:皮带。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的皮带撕裂检测方法、皮带撕裂检测装置和皮带撕裂检测系统进行详细地说明。
本申请实施例提供的皮带撕裂检测方法,该皮带撕裂检测方法的执行主体可以为电子设备或者电子设备中能够实现该皮带撕裂检测方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑和电脑等皮带撕裂检测方法。
如图1所示,该皮带撕裂检测方法包括:步骤110至步骤150。
步骤110、获取待检测皮带230的工作面图像。
其中,皮带230的工作面正对设置有工业相机210和激光发射器220,激光发射器220发射的激光与工作面垂直,并在工作面形成与皮带230运输方向垂直的激光线,工作面图像为工业相机210采集的激光投射后的工作面的图像。
皮带230的工作面是皮带230运输物品的一面,在实际运行过程中,皮带230所运输的物品在皮带230的工作面剐蹭、摩擦,容易造成皮带230撕裂的发生。
如图2所示,皮带撕裂检测系统采用三角测量进行检测,工业相机210的拍摄范围(图2虚线部分所示),激光发射器220发射的激光(图2点线部分所示)以及工业相机210和激光发射器220所在平面形成三角形。
其中,工业相机210的功能是将光信号转变成有序的电信号,每秒可以拍摄十幅到几百幅图片,其输出的是裸数据光谱范围比较宽,比较适合进行高质量的图像处理算法,例如机器视觉应用。
步骤120、基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像。
在机器视觉领域,我们除了对物体的外形,纹理特征进行检测识别,也可以利用颜色来识别不同物体。
在该步骤中,根据工作面图像的颜色分量,分离工作面图像中不同物体的像素点,包括皮带像素点、激光线像素点和背景像素点等激光线像素点,根据分离出的激光线像素点,可以得到第一激光线图像。
在实际执行中,可以首将工作面图像从RGB颜色空间转换至HSV颜色空间,并选取色相分量进行色彩方差分析,从工作面图像中分离出皮带230工作面所形成的激光线的激光线像素点。
例如,可以通过如下公式获取工作面图像的色彩方差特征:
步骤130、基于第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像。
工作面上的激光线与皮带230及其他背景不仅颜色相差较大,其亮度特征相差也较大,可以通过获取第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,精确定位激光线像素点。
需要说明的是,亮度特征的变化在激光线的法向的梯度很大,切向梯度很小,进而根据切向亮度梯度和法向亮度梯度,精确筛选定位激光线像素点。
可以理解的是,根据颜色分量得到第一激光线图像,是对工作面图像的激光线的粗定位,再根据切向亮度梯度和法向亮度梯度,得到第二激光线图像,对第一激光线图像的激光线进行精定位。
在实际执行中,可以通过分析第一激光线图像的各激光线像素点亮度的黑塞矩阵(Hessian Matrix)的特征值和特征向量,精确定位激光线像素点,其中,黑塞矩阵的特征值和特征向量分别对应切向亮度梯度和法向亮度梯度。
第一激光线图像上的每一个像素点都有对应的二阶黑塞矩阵。
步骤140、获取第二激光线图像的激光线条纹特征。
可以理解的是,激光发射器220发射的激光在皮带230工作面形成激光线,激光线呈线条状,当皮带230工作面出现撕裂或其他破损时,皮带230工作面的激光线的线条形状发生改变,激光线条纹特征相应发生改变,激光线条纹特征用于表征激光线的条纹特征。
步骤150、基于激光线条纹特征,确定皮带230是否发生撕裂。
在获得精确定位激光线的第二激光线图像后,获取第二激光线图像的激光线条纹特征,对皮带230是否发生撕裂进行检测,当激光线条纹特征发生突变时,可以确定皮带230发生撕裂。
在实际执行中,可以在运行过程中实时拍摄工作面图像,处理得到第一激光线图像和第二激光线图像,对皮带230工作面是否发生撕裂进行及时检测。
可以理解的是,通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,可以有效提高皮带230撕裂检测的准确度。
相关技术中,通过线扫相机进行图像采集和图像融合,进行撕裂故障分析,对图像的拍摄环境要求较高,不适用于皮带230实际运输场景,皮带230工作面脏污较多,系统会出现很多误检信号,撕裂故障的检测的准确度较低。
在本申请实施例中,通过颜色和亮度两方面的特征快速准确定位图像中的激光线,根据激光线条纹特征判断皮带230是否发生撕裂,可以有效提高撕裂故障的检测的准确度。
根据本申请实施例提供的皮带撕裂检测方法,通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,结合激光线条纹特征判断皮带230是否发生撕裂,有效提高撕裂故障的检测的准确度和检出效率,实现皮带230撕裂故障的及时检测。
在一些实施例中,步骤120、基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像可以包括:
获取工作面图像中除过曝像素点以外的像素点的像素点颜色分量;
基于像素点颜色分量,分离工作面图像中的激光线像素点和其他像素点;
基于工作面图像中的激光线像素点,得到第一激光线图像。
其中,过曝指由于光圈过大、快门过慢等原因造成的画面中亮度过高、照片泛白。
由于皮带230的范围较广,为保证皮带230工作面边缘部分的激光线能够采集到,工业相机210所拍摄的工作面图像中,激光线中间部分位置的像素点容易发生过曝。
当像素点出现过曝时,像素点的颜色信息会失效,仅存在亮度信息,即工作面图像中的过曝像素点是只有亮度信息没有颜色信息的像素点,过曝会使得基于颜色分量的识别分离发生错误。
在该实施例中,先识别除工作面图像中过曝像素点的位置,再获取除过曝像素点以外的像素点的像素点颜色分量,减少过曝对颜色分量的识别分离的影响,根据像素点颜色分量,分离工作面图像中的激光线像素点和其他像素点,对工作面上的激光线进行初步识别。
其中,其他像素点包括但不限于皮带像素点、背景像素点和皮带支架像素点等。
在一些实施例中,激光线条纹特征包括激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向中的至少一个。
激光发射器220与皮带230工作面正对设置,激光发射器220所发射的激光与皮带230工作面垂直,在工作面形成的激光线与皮带230的运输方向垂直。
也即,皮带230的与运输方向垂直的方向上每一个点最多对应一个激光点,可以将第二激光线图像中的激光像素点所构成的激光线进行数据降维,提取出激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向等特征。
在实际执行中,可以将激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向分别构建特征曲线,观察特征曲线变化,当三个特征中的某一特征发生突变时,表明皮带230工作面激光线的宽度或方向可能发生突变,皮带230可能发生撕裂。
在一些实施例中,步骤150、基于激光线条纹特征,确定皮带230是否发生撕裂,可以包括:
在激光线条纹中心坐标点超出目标坐标点范围的情况下,确定皮带230发生撕裂;
和/或,在激光线条纹宽度超出目标宽度范围的情况下,确定皮带230发生撕裂;
和/或,在激光线像素点的特征向量方向超出目标方向范围的情况下,确定皮带230发生撕裂。
可以理解的是,皮带230无撕裂现象发生时,工作面形成的激光线的激光线条纹中心坐标点、激光线条纹宽度和各个激光线像素点的特征向量方向均保持在一定范围内。
当激光线条纹中心坐标点超出目标坐标点范围、激光线条纹宽度超出目标宽度范围,确定皮带230发生撕裂以及各个激光线像素点的特征向量方向超出目标方向范围三种情况中至少一种情况发生时,确定皮带230发生撕裂。
在一些实施例中,在确定皮带230发生撕裂之后,皮带撕裂检测方法还可以包括:
基于激光线条纹特征,确定皮带故障点;
将皮带故障点输入至目标分类器,获得目标分类器输出的皮带230的撕裂类型;
其中,目标分类器是基于样本撕裂图像及其对应的样本撕裂类型训练得到的。
可以理解的是,皮带故障点是皮带230发生撕裂处的像素点或像素点的集合。
在该实施例中,可以根据激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向等激光线条纹特征的突变情况,确定出皮带故障点,再将皮带故障点输入至目标分类器,获得目标分类器输出的皮带230的撕裂类型。
皮带230撕裂有多种类型,激光线条纹特征发生不同的变化表征皮带230的不同撕裂类型,例如,边缘撕脱、凹坑、严重纵撕故障和普通纵撕故障等撕裂类型。
如图3所示,皮带230工作面出现凹坑故障,激光线条纹中心坐标点、激光线条纹宽度以及凹坑处激光线像素点的特征向量方向都发生突变。
如图4所示,皮带230工作面出现严重纵撕故障,工作面的激光线错位,错位处激光线像素点的特征向量方向都发生突变。
如图5所示,皮带230工作面出现普通纵撕故障,工作面的激光线尚未错位,两条激光线段中间出现明显间隙,激光线条纹中心坐标点和激光线像素点的特征向量方向都发生突变。
在该实施例中,可以基于激光线条纹特征,确定皮带故障点,并在第二激光线图像中标注出皮带故障点的位置。
例如,如图6所示,第二激光线图像中的激光线中突出的两点(白色线框框选部位)为皮带故障点,再根据皮带故障点确定对应的皮带230的撕裂类型。
在实际执行中,通过样本撕裂图像及其对应的样本撕裂类型对目标分类器进行训练,使得目标分类器可以分类识别不同撕裂类型,对皮带230出现撕裂情况进行及时诊断,便于后续皮带230的修复工作。
目标分类器可以为支持向量机(Support Vector Machine,SVM),属于有监督的学习模型,常用来进行模式识别、分类以及回归分析。
在一些实施例中,确定皮带故障点后,基于第二激光线图像,可以获取为撕裂状态的皮带230的撕裂的长度和宽度信息,结合皮带230的速度,综合判断皮带230的撕裂的强度,进而判断皮带230撕裂可能带来的风险。
在实际执行中,可以通过在皮带传送系统设置传感器测量皮带230的速度,同时,可以测量出皮带230的启停信号,可以在皮带230停机时候关闭窗片和设备,节约能源。
可选地,皮带传送系统可以设置多个霍尔传感器同时测速交叉验证,可以完成测速装置的自检,提升霍尔传感器测速的准确度,当测速原件测速结果不匹配时提醒检修。在一些实施例中,在步骤110、获取待检测皮带230的工作面图像之后,步骤120、基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像之前,皮带撕裂检测方法还可以包括:
确定工作面图像的掩膜区域;
对工作面图像的掩膜区域进行掩膜处理。
在实际的运输过程中,工业相机210和激光发射器220安装于皮带传送系统的底部,工业相机210所拍摄的画面背景复杂,干扰因素较多,与皮带230无关的位置的特征很可能对皮带230撕裂检测造成干扰。
在该实施例中,通过确定工作面图像的掩膜区域,对工作面图像的掩膜区域进行掩膜处理,使得工作面图像中只包含皮带230相关的感兴趣区域(region of interest,ROI),过滤掉非皮带230相关的特征信息,提升激光线的定位效率和皮带230撕裂的检测准确度。
例如,工业相机210和激光发射器220安装于皮带传送系统的底部,可以将支撑皮带230的支架以及工业相机210拍摄范围中的背景区域设为工作面图像的掩膜区域,对工作面图像的掩膜区域进行掩膜处理,使得工作面图像中只包含皮带230相关的感兴趣区域。
在实际执行中,还可以根据图像金字塔原理,对工作面图像进行高斯滤波和减采样处理,根据工作面图像中激光线的像素宽度,选择合适的高斯核进行尺度筛选,提升工作面图像的图像质量,提高后续机器学习过程中的处理效率和处理精度。
本申请实施例提供的皮带撕裂检测方法,执行主体可以为皮带撕裂检测装置。本申请实施例中以皮带撕裂检测装置执行皮带撕裂检测方法为例,说明本申请实施例提供的皮带撕裂检测装置。
本申请实施例还提供一种皮带撕裂检测装置。
如图7所示,该皮带撕裂检测装置包括:
第一获取模块710,用于获取待检测皮带230的工作面图像;
第一处理模块720,用于基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像;
第二处理模块730,用于基于第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;
第二获取模块740,用于获取第二激光线图像的激光线条纹特征;
第三处理模块750,用于基于激光线条纹特征,确定皮带230是否发生撕裂;
其中,皮带230的工作面正对设置有工业相机210和激光发射器220,激光发射器220发射的激光与工作面垂直,并在工作面形成与皮带230运输方向垂直的激光线,工作面图像为工业相机210采集的激光投射后的工作面的图像。
根据本申请实施例提供的皮带撕裂检测装置,通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,结合激光线条纹特征判断皮带230是否发生撕裂,有效提高撕裂故障的检测的准确度和检出效率,实现皮带230撕裂故障的及时检测。
在一些实施例中,第一处理模块720用于获取工作面图像中除过曝像素点以外的像素点的像素点颜色分量;
基于像素点颜色分量,分离工作面图像中的激光线像素点和其他像素点;
基于工作面图像中的激光线像素点,得到第一激光线图像。
在一些实施例中,激光线条纹特征包括激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向中的至少一个。
在一些实施例中,第三处理模块750用于在激光线条纹中心坐标点超出目标坐标点范围的情况下,确定皮带230发生撕裂。
在一些实施例中,第三处理模块750用于在激光线条纹宽度超出目标宽度范围的情况下,确定皮带230发生撕裂。
在一些实施例中,第三处理模块750用于在激光线像素点的特征向量方向超出目标方向范围的情况下,确定皮带230发生撕裂。
在一些实施例中,在确定皮带230发生撕裂之后,第三处理模块750还用于:
基于激光线条纹特征,确定皮带故障点;
将皮带故障点输入至目标分类器,获得目标分类器输出的皮带230的撕裂类型;
其中,目标分类器是基于样本撕裂图像及其对应的样本撕裂类型训练得到的。
在一些实施例中,第一处理模块720在基于工作面图像的颜色分量,分离工作面图像中的激光线像素点,得到第一激光线图像之前,还用于确定工作面图像的掩膜区域;
对工作面图像的掩膜区域进行掩膜处理。
本申请实施例中的皮带撕裂检测装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的皮带撕裂检测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例还提供一种皮带撕裂检测系统,包括:
激光发射器220,激光发射器220与待检测皮带230的工作面正对设置,激光发射器220发射的激光与工作面垂直,并在工作面形成与皮带230运输方向垂直的激光线;
工业相机210,工业相机210与工作面正对设置,工业相机210用于采集激光投射后的工作面的图像;
控制器,控制器分别与工业相机210和激光发射器220连接,控制器用于基于上述皮带撕裂检测方法检测皮带230是否发生撕裂。
根据本申请实施例提供的皮带撕裂检测系统,通过颜色和亮度两方面的特征可以快速准确定位图像中的激光线,结合激光线条纹特征判断皮带230是否发生撕裂,有效提高撕裂故障的检测的准确度和检出效率,实现皮带230撕裂故障的及时检测。
在一些实施例中,皮带撕裂检测系统还可以包括网络录像机。
网络录像机可以与工业相机设置在相同位置,网络录像机可以录制皮带230的传送过程,在检测到皮带230撕裂故障,皮带撕裂检测系统报警后,检视故障图像和视频,方便人工远程检查,并判断是否需要及时停机处理。
在一些实施例中,如图8所示,本申请实施例还提供一种电子设备800,包括处理器801、存储器802及存储在存储器802上并可在处理器801上运行的计算机程序,该程序被处理器801执行时实现上述皮带撕裂检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述皮带撕裂检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述皮带撕裂检测方法。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
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,本申请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计算机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ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”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申请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。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (9)
1.一种皮带撕裂检测方法,其特征在于,包括:
获取待检测皮带的工作面图像;
基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像;
基于所述第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;
获取所述第二激光线图像的激光线条纹特征;
基于所述激光线条纹特征,确定所述皮带是否发生撕裂;
其中,所述皮带的工作面正对设置有工业相机和激光发射器,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线,所述工作面图像为所述工业相机采集的激光投射后的所述工作面的图像;
所述基于所述第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像,包括:
分析所述第一激光线图像的各激光线像素点亮度的黑塞矩阵的特征值和特征向量,所述黑塞矩阵的特征值和特征向量分别对应所述切向亮度梯度和所述法向亮度梯度;
所述基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像,包括:
获取所述工作面图像中除过曝像素点以外的像素点的像素点颜色分量;
基于所述像素点颜色分量,分离所述工作面图像中的激光线像素点和其他像素点;
基于所述工作面图像中的激光线像素点,得到所述第一激光线图像。
2.根据权利要求1所述的皮带撕裂检测方法,其特征在于,所述激光线条纹特征包括激光线条纹中心坐标点、激光线条纹宽度和激光线像素点的特征向量方向中的至少一个。
3.根据权利要求2所述的皮带撕裂检测方法,其特征在于,所述基于所述激光线条纹特征,确定所述皮带是否发生撕裂,包括:
在所述激光线条纹中心坐标点超出目标坐标点范围的情况下,确定所述皮带发生撕裂;
和/或,在所述激光线条纹宽度超出目标宽度范围的情况下,确定所述皮带发生撕裂;
和/或,在所述激光线像素点的特征向量方向超出目标方向范围的情况下,确定所述皮带发生撕裂。
4.根据权利要求1所述的皮带撕裂检测方法,其特征在于,在确定所述皮带发生撕裂之后,所述方法还包括:
基于所述激光线条纹特征,确定皮带故障点;
将所述皮带故障点输入至目标分类器,获得所述目标分类器输出的所述皮带的撕裂类型;
其中,所述目标分类器是基于样本撕裂图像及其对应的样本撕裂类型训练得到的。
5.根据权利要求1-4任一项所述的皮带撕裂检测方法,其特征在于,在所述获取待检测皮带的工作面图像之后,所述基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像之前,所述方法还包括:
确定所述工作面图像的掩膜区域;
对所述工作面图像的掩膜区域进行掩膜处理。
6.一种皮带撕裂检测装置,其特征在于,包括:
第一获取模块,用于获取待检测皮带的工作面图像;
第一处理模块,用于基于所述工作面图像的颜色分量,分离所述工作面图像中的激光线像素点,得到第一激光线图像;
第二处理模块,用于基于所述第一激光线图像中各激光线像素点的切向亮度梯度和法向亮度梯度,得到第二激光线图像;
第二获取模块,用于获取所述第二激光线图像的激光线条纹特征;
第三处理模块,用于基于所述激光线条纹特征,确定所述皮带是否发生撕裂;
其中,所述皮带的工作面正对设置有工业相机和激光发射器,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线,所述工作面图像为所述工业相机采集的激光投射后的所述工作面的图像;
所述第二处理模块用于分析所述第一激光线图像的各激光线像素点亮度的黑塞矩阵的特征值和特征向量,所述黑塞矩阵的特征值和特征向量分别对应所述切向亮度梯度和所述法向亮度梯度;
所述第一处理模块用于获取所述工作面图像中除过曝像素点以外的像素点的像素点颜色分量;
基于所述像素点颜色分量,分离所述工作面图像中的激光线像素点和其他像素点;
基于所述工作面图像中的激光线像素点,得到所述第一激光线图像。
7.一种皮带撕裂检测系统,其特征在于,包括:
激光发射器,所述激光发射器与待检测皮带的工作面正对设置,所述激光发射器发射的激光与所述工作面垂直,并在所述工作面形成与所述皮带运输方向垂直的激光线;
工业相机,所述工业相机与所述工作面正对设置,所述工业相机用于采集激光投射后的所述工作面的图像;
控制器,所述控制器分别与所述工业相机和所述激光发射器连接,所述控制器用于基于权利要求1-5任一项所述皮带撕裂检测方法检测所述皮带是否发生撕裂。
8.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-5任一项所述皮带撕裂检测方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-5任一项所述的皮带撕裂检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310242195.XA CN115947066B (zh) | 2023-03-14 | 2023-03-14 | 皮带撕裂检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310242195.XA CN115947066B (zh) | 2023-03-14 | 2023-03-14 | 皮带撕裂检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115947066A CN115947066A (zh) | 2023-04-11 |
CN115947066B true CN115947066B (zh) | 2023-06-20 |
Family
ID=85893058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310242195.XA Active CN115947066B (zh) | 2023-03-14 | 2023-03-14 | 皮带撕裂检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115947066B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188459B (zh) * | 2023-04-23 | 2023-09-15 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007230706A (ja) * | 2006-02-28 | 2007-09-13 | Jfe Steel Kk | ベルトコンベアの縦裂き検知方法および装置 |
WO2022017257A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市道通科技股份有限公司 | 一种刹车盘磨损区的识别方法及磨损识别系统 |
CN114348581A (zh) * | 2022-01-29 | 2022-04-15 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006282319A (ja) * | 2005-03-31 | 2006-10-19 | Jfe Steel Kk | コンベアベルトの縦裂き検知方法および装置 |
AU2007100506A4 (en) * | 2007-06-13 | 2007-08-02 | Riddell, Stephen Mr | Application of multisensor optical system to cover thickness measurement, cover damage and rip detection for trough conveyor belts |
CN101804907A (zh) * | 2010-03-17 | 2010-08-18 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN105678741A (zh) * | 2015-12-29 | 2016-06-15 | 神华集团有限责任公司 | 一种矿用输送带纵撕图像检测方法 |
CN109409368A (zh) * | 2018-11-06 | 2019-03-01 | 天地(常州)自动化股份有限公司 | 矿用皮带纵撕检测装置及检测方法 |
CN111591716A (zh) * | 2020-06-08 | 2020-08-28 | 西安电子科技大学 | 传输机皮带损伤状况的光电一体智能检测装置 |
CN113120555B (zh) * | 2021-04-28 | 2022-12-09 | 中国矿业大学 | 一种基于线结构光的输送带纵向撕裂检测方法 |
CN113989286A (zh) * | 2021-12-29 | 2022-01-28 | 深圳江行联加智能科技有限公司 | 深度学习的皮带撕裂度量方法、装置、设备及存储介质 |
CN115187588B (zh) * | 2022-09-07 | 2022-12-09 | 合肥金星智控科技股份有限公司 | 异物检测方法、装置及存储介质、电子设备 |
-
2023
- 2023-03-14 CN CN202310242195.XA patent/CN115947066B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007230706A (ja) * | 2006-02-28 | 2007-09-13 | Jfe Steel Kk | ベルトコンベアの縦裂き検知方法および装置 |
WO2022017257A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市道通科技股份有限公司 | 一种刹车盘磨损区的识别方法及磨损识别系统 |
CN114348581A (zh) * | 2022-01-29 | 2022-04-15 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115947066A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prasanna et al. | Computer-vision based crack detection and analysis | |
Varadharajan et al. | Vision for road inspection | |
KR102168724B1 (ko) | 이미지 검사를 이용한 이상 판별 방법 및 장치 | |
KR102108956B1 (ko) | 인공지능을 활용한 머신비전 모듈형 소프트웨어를 갖는 머신비전 검사장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 | |
US11158039B2 (en) | Using 3D vision for automated industrial inspection | |
CN115947066B (zh) | 皮带撕裂检测方法、装置及系统 | |
CN103839255A (zh) | 视频抠像篡改检测方法及装置 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
CN110880184A (zh) | 一种基于光流场进行摄像头自动巡检的方法及装置 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
JP2018179698A (ja) | シート検査装置 | |
CN114820626A (zh) | 一种汽车前脸零件配置智能检测方法 | |
EP2297674B1 (de) | Optische erfassung und klassifizierung von gegenständlichen leergut-objekten in einem leergut-rückgabesystem | |
CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
CN111398292A (zh) | 一种基于gabor滤波和CNN的布匹瑕疵检测方法、系统及设备 | |
US10062155B2 (en) | Apparatus and method for detecting defect of image having periodic pattern | |
CN115861259A (zh) | 一种基于模板匹配的引线框架表面缺陷检测方法及装置 | |
WO2021079727A1 (ja) | 外観検査装置、外観検査方法および外観検査プログラム | |
Akhtar et al. | A robotics inspection system for detecting defects on semi-specular painted automotive surfaces | |
TWM606740U (zh) | 瑕疵檢測系統 | |
JP2009205695A (ja) | 対象個数検出装置および対象個数検出方法 | |
CN111340795B (zh) | 物品质量的确定方法及装置 | |
CN109738459A (zh) | 表面清洁度在线监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |