CN116002319A - 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 - Google Patents
一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 Download PDFInfo
- Publication number
- CN116002319A CN116002319A CN202310113297.1A CN202310113297A CN116002319A CN 116002319 A CN116002319 A CN 116002319A CN 202310113297 A CN202310113297 A CN 202310113297A CN 116002319 A CN116002319 A CN 116002319A
- Authority
- CN
- China
- Prior art keywords
- belt
- tearing
- detection method
- improved
- abnormal
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请属于皮带检测技术领域,公开了一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,包括以下步骤:通过摄像设备按照不同时间间隔对整条皮带进行数据采集,收集皮带图片;对皮带图片进行异常状态标注以及使用寿命标注,每张标注好的图片对应保存成一个txt文件,形成数据库;将数据库内的txt文件按7:3的比例划分为训练集和测试集,使用YOLOv5s网络结构进行训练,获得皮带检测模型;基于皮带检测模型对现场皮带进行实时检测,将皮带运行实时画面显示在显示终端上并进行异常报警和异常位置标注。通过机器视觉实时检测来代替人工巡检,可在皮带运行期间实时检测,降低了人工成本,避免了现场环境对工人的影响,同时也提高检测效率和准确率。
Description
技术领域
本发明涉及皮带检测技术领域,特别涉及一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法。
背景技术
带式输送机因其连续运输物料能力强、运行效率高并且易于实现自动化控制,被广泛应用于重工业及煤炭行业生产线上输送物料,既可以提高生产效率,又可以减少传统运输方式带来的碳排放,符合国家的战略发展。
输送皮带是带式运输机的重要组成部分,随着带式运输机的应用越来越广泛,钢丝绳芯皮带得到了广泛的使用,钢丝绳芯皮带极大地提升了其横向拉伸强度,但并没有提高其纵向抗撕裂能力,从而容易造成纵向撕裂。使用过程中,多在皮带下安装防撕裂装置,当皮带被刺穿后,皮带上的物料泄露触碰到触压传感器,使传感器发送信号,控制系统收到撕裂信号,发出报警信号并停机。但这种方式只能在皮带撕裂状态下才能被发现,而皮带撕裂严重则会造成整条皮带机的损坏,带来巨大的经济损失甚至影响工作人员生命财产安全。
因而,在皮带的使用过程中还需要经常性的进行检查和维护保养,主要采用人工巡检的方式,而使用现场往往粉尘大、噪声强,人工巡检长时间会给工人造成身体伤害,也很难发现较小的撕裂痕迹,不利于皮带损伤的及时发现和维护保养。
发明内容
为了解决上述问题,本发明提供一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法。
本发明的上述技术目的是通过以下技术方案得以实现的:一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,包括以下步骤:
S1,通过摄像设备按照不同时间间隔对整条皮带进行数据采集,收集皮带图片;
S2,对皮带图片进行异常状态标注以及使用寿命标注,每张标注好的图片对应保存成一个txt文件,形成数据库;
S3,将数据库内的txt文件按7:3的比例划分为训练集和测试集,使用YOLOv5s网络结构进行训练,获得皮带检测模型;
S4,基于皮带检测模型对现场皮带进行实时检测,将皮带运行实时画面显示在显示终端上并进行异常报警和异常位置标注。
通过采用上述技术方案,基于改进YOLOv5利用YOLOv5s网络结构进行训练获得皮带检测模型,再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况,通过机器视觉实时检测来代替人工巡检,可在皮带运行期间实时检测,大大降低了人工成本,也避免了皮带运行期间现场环境对工人的影响,同时也大大提高了检测效率和准确率。
进一步的,所述摄像设备包括黑白工业相机和光源,所述黑白工业相机采集的图像为1280*1024尺寸的灰度图像。
通过采用上述技术方案,光源包括激光辅助设备,通过激光辅助和黑白工业相机的配合,使得黑白工业相机获取的图像具有对比度高的特点,极大减少了现场粉尘环境对图像采集的影响,并且在环境黑暗的地方也可以通过激光辅助使皮带上的裂痕在黑白工业相机的成像下变得更明显,提高使用范围。
进一步的,所述步骤S2中的皮带异常状态分为撕裂和其他异常,所述撕裂根据皮带图片上裂痕的长短、深浅以及激光在撕裂处的形状分为一级撕裂和二级撕裂,所述一级撕裂的程度小于二级撕裂;所述其他异常根据激光照射在皮带上形成的不同形状分为修补和粘有异物。
通过采用上述技术方案,利用激光在皮带上形成的不同形状判断皮带的具体异常情况,可以更好的了解皮带的撕裂程度和其他异常,便于更好的对皮带进行维护保养。
进一步的,所述步骤S2中的皮带使用寿命根据黑白工业相机拍摄光源在皮带上的不同反光程度分为新皮带、正常使用皮带和临近报废皮带三类。
通过采用上述技术方案,利用光源在皮带上的不同反光程度来判断皮带的新旧,从而了解皮带的使用寿命,可以及时判断皮带状态和使用情况,更好的预防皮带撕裂。
进一步的,所述步骤S2中标注为人工手动在makesense网站中对采集到的皮带图片按照不同特征进行分类标注。
通过采用上述技术方案,人工手动标记可以更好的把握皮带异常的不同特征,提高标注和分类的准确度。
进一步的,所述标注时对皮带图片中的异常部位标上目标框,txt文件保存目标框的位置及长宽信息。
通过采用上述技术方案,标注目标框便于后续的模型训练。
进一步的,所述步骤S4中若检测出皮带异常为二级撕裂,则发出停机指令。
通过采用上述技术方案,二级撕裂为较严重程度的撕裂,当检测出二级撕裂时及时停机,可对皮带机进行保护,防止皮带带伤工作至完全撕裂造成生产事故。
综上所述,本发明具有以下有益效果:
1、本申请中,通过利用YOLOv5s网络结构进行训练获得皮带检测模型,再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况,通过机器视觉实时检测来代替人工巡检,可在皮带运行期间实时检测,大大降低了人工成本,也避免了皮带运行期间现场环境对工人的影响,同时也大大提高了检测效率和准确率;
2、通过激光辅助和黑白工业相机的配合,使得黑白工业相机获取的图像具有对比度高的特点,极大减少了现场粉尘环境对图像采集的影响,并且在环境黑暗的地方也可以通过激光辅助使皮带上的裂痕在黑白工业相机的成像下变得更明显,提高使用范围;
3、利用激光在皮带上形成的不同形状判断皮带的具体异常情况,可以更好的了解皮带的撕裂程度和其他异常,便于更好的对皮带进行维护保养;
4、利用光源在皮带上的不同反光程度来判断皮带的新旧,从而了解皮带的使用寿命,可以及时判断皮带状态和使用情况,更好的预防皮带撕裂和及时更换皮带。
附图说明
图1是本发明实施例的流程示意图。
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、完整地描述;显然,所描述的实施例仅仅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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请实施例公开一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,包括摄像设备、工控机、PLC以及显示终端,摄像设备采用包括黑白工业相机和光源,光源主要有激光光源和照明光源,激光光源用于辅助黑白工业相机获取激光打在皮带不同位置处的特征图片,用以判别皮带损伤类型,照明光源用于照明以及辅助黑白工业相机获取皮带的反光程度,用以检测皮带的使用寿命。显示终端可以是电脑、液晶显示屏等显示设备,可安装于皮带机运行现场外或监控室内,用于显示皮带机实时运行画面,便于人工监控。
具体包括以下步骤:
步骤S1,通过摄像设备按照不同时间间隔对整条皮带进行数据采集,收集皮带不同部位的图片,摄像设备采用黑白工业相机进行图像摄取,所得图片为1280*1024尺寸灰度图像,一般收集至少1000张图片以保证后续训练和检测效果。
步骤S2,对收集到的皮带图片进行异常状态标注以及使用寿命标注,异常状态可分为撕裂和其他异常,撕裂根据皮带图片上裂痕的长短、深浅以及激光在撕裂处的形状分为一级撕裂和二级撕裂,其中一级撕裂的程度小于二级撕裂,具体的,一级撕裂程度较轻,主要为一些较浅的划痕,激光照射在该处时激光线的形状为一条线上有一个很小的断点;二级撕裂程度比较严重,激光照射在该处时激光线中间会明显有一个较大的断点,同时隔断的两条线会有轻微的错位,不在同一条曲线下。
其他异常根据激光照射在皮带上形成的不同形状分为修补和粘有异物。激光照射在皮带修补部分时激光线会有小的突起,激光照射在皮带沾有异物的部分时,激光先会错位成两截,但这两截并没有明显断点。
皮带使用寿命根据黑白工业相机拍摄光源在皮带上的不同反光程度分为新皮带、正常使用皮带和临近报废皮带三类。新皮带一般刚进行完皮带硫化,表面较新,没有经过托辊的摩擦,从而反光程度较轻。使用过后的皮带因为长时间与托辊的摩擦表面变得愈加光滑,从而反光程度会越来越重,当皮带的反光程度达到设计寿命后,即视为临近报废皮带,从而用于检测皮带的使用寿命情况,便于及时对皮带进行更换。
标注采用人工标记方式,具体的,通过人工手动在makesense网站中对采集到的皮带图片按照不同特征进行分类标注,在皮带图片中的异常部位标上目标框,标注时要把目标的特征全部都标上方框,同时尽可能统一标准,使方框边缘距目标的距离尽量一致,以便更好的识别。每张标注好的图片对应保存成一个txt文件,形成数据库,每个txt文件中保存的是所对应图片中所标目标框的位置以及长宽等信息。
步骤S3,将数据库内的txt文件按7:3的比例划分为训练集和测试集,将数据库导入train.py文件中使用YOLOv5s网络结构进行训练,获得皮带检测模型。训练时,电脑硬件配置选用英特尔酷睿i5-12500h的CPU和NVDIA GeForce RTX 3060的GPU,训练参数设置为epochs为默认300轮,自动调节batchsize大小,训练时间为2小时,训练结束后将所得的训练模型后缀为.pt的文件放入detect.py检测文件中。
步骤S4,基于皮带检测模型对现场皮带进行实时检测,PLC在收到皮带机运行信号后,将指令传给工控机,工控机控制装置启动,黑白工业相机按照一定时间间隔获取皮带图像进行实时检测,并通过软件将将皮带运行实时画面显示在显示终端上。检测到具体的异常后将信号反馈给PLC,PLC发出报警信号并同时在实时画面中进行标注,这样便于操作人员及时找到异常位置进行处理。
若检测到的异常信号为二级撕裂,则PLC直接发出停机指令。有人工进入进行修补,放置皮带带伤运行造成生产事故。
本实施例提供的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,可以在皮带机工作状态下试试检测皮带的状态,能够及时发现皮带上的撕裂即其他异常情况,还能够实时反应皮带的使用寿命情况,从而反映出整条皮带在不同位置的磨损程度,便于操作人员及时了解皮带状态,可以在皮带出现异常情况下及时安排维修和保养,从而延长皮带使用寿命,降低安全隐患。此外,通过机器视觉实现皮带的异常检测,操作人员只需要待在监控室观看显示终端即可了解皮带状态,不需要频繁的进入皮带机工作现场进行现场巡检,优化了传统的皮带巡检方法,提高了巡检效率,也大大降低了工作人员进入工作现场造成的身体伤害。
进一步的,本实施例在利用黑白相机进行图像采集时,配合激光光源,可以采集到激光照射到皮带上形成的激光线,根据激光线的不同形状可以判断处皮带的具体异常情况,如一级撕裂、二级撕裂、修补、粘有异物等,可以更好的了解皮带的撕裂程度和其他异常状态,便于更好的对皮带进行维护保养。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:包括以下步骤:
S1,通过摄像设备按照不同时间间隔对整条皮带进行数据采集,收集皮带图片;
S2,对皮带图片进行异常状态标注以及使用寿命标注,每张标注好的图片对应保存成一个txt文件,形成数据库;
S3,将数据库内的txt文件按7:3的比例划分为训练集和测试集,使用YOLOv5s网络结构进行训练,获得皮带检测模型;
S4,基于皮带检测模型对现场皮带进行实时检测,将皮带运行实时画面显示在显示终端上并进行异常报警和异常位置标注。
2.根据权利要求1所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述摄像设备包括黑白工业相机和光源,所述黑白工业相机采集的图像为1280*1024尺寸的灰度图像。
3.根据权利要求2所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述步骤S2中的皮带异常状态分为撕裂和其他异常,所述撕裂根据皮带图片上裂痕的长短、深浅以及激光在撕裂处的形状分为一级撕裂和二级撕裂,所述一级撕裂的程度小于二级撕裂;所述其他异常根据激光照射在皮带上形成的不同形状分为修补和粘有异物。
4.根据权利要求3所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述步骤S2中的皮带使用寿命根据黑白工业相机拍摄光源在皮带上的不同反光程度分为新皮带、正常使用皮带和临近报废皮带三类。
5.根据权利要求4所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述步骤S2中标注为人工手动在makesense网站中对采集到的皮带图片按照不同特征进行分类标注。
6.根据权利要求5所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述标注时对皮带图片中的异常部位标上目标框,txt文件保存目标框的位置及长宽信息。
7.根据权利要求3所述的一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法,其特征是:所述步骤S4中若检测出皮带异常为二级撕裂,则发出停机指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113297.1A CN116002319A (zh) | 2023-02-13 | 2023-02-13 | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113297.1A CN116002319A (zh) | 2023-02-13 | 2023-02-13 | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116002319A true CN116002319A (zh) | 2023-04-25 |
Family
ID=86033620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310113297.1A Pending CN116002319A (zh) | 2023-02-13 | 2023-02-13 | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116002319A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103917987A (zh) * | 2011-09-06 | 2014-07-09 | 盖茨公司 | 通过光栅图像的边缘检测的带磨损的测量 |
JP2015202933A (ja) * | 2014-04-14 | 2015-11-16 | 横浜ゴム株式会社 | コンベヤベルトの摩耗量測定装置 |
CN110980192A (zh) * | 2019-12-10 | 2020-04-10 | 安徽银河物联通信技术有限公司 | 一种皮带撕裂检测方法 |
CN111661590A (zh) * | 2020-06-08 | 2020-09-15 | 天地(常州)自动化股份有限公司 | 矿用带式输送机输送带撕裂损伤检测方法 |
CN112633052A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种皮带撕裂检测方法 |
CN113192037A (zh) * | 2021-05-06 | 2021-07-30 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机监测方法、系统、介质及电子终端 |
CN113548419A (zh) * | 2021-07-20 | 2021-10-26 | 湖北能源集团鄂州发电有限公司 | 基于机器视觉图像识别的皮带撕裂检测方法、装置及系统 |
CN113702393A (zh) * | 2021-09-29 | 2021-11-26 | 安徽理工大学 | 一种本安型矿用输送带表面损伤检测系统及检测方法 |
CN113989716A (zh) * | 2021-10-21 | 2022-01-28 | 西安科技大学 | 煤矿井下输送带异物目标检测方法、系统、设备及终端 |
CN114004783A (zh) * | 2021-08-27 | 2022-02-01 | 武汉思恒达科技有限公司 | 一种基于图像识别的自动扶梯的扶手带剩余寿命的判断方法 |
-
2023
- 2023-02-13 CN CN202310113297.1A patent/CN116002319A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103917987A (zh) * | 2011-09-06 | 2014-07-09 | 盖茨公司 | 通过光栅图像的边缘检测的带磨损的测量 |
JP2015202933A (ja) * | 2014-04-14 | 2015-11-16 | 横浜ゴム株式会社 | コンベヤベルトの摩耗量測定装置 |
CN110980192A (zh) * | 2019-12-10 | 2020-04-10 | 安徽银河物联通信技术有限公司 | 一种皮带撕裂检测方法 |
CN111661590A (zh) * | 2020-06-08 | 2020-09-15 | 天地(常州)自动化股份有限公司 | 矿用带式输送机输送带撕裂损伤检测方法 |
CN112633052A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种皮带撕裂检测方法 |
CN113192037A (zh) * | 2021-05-06 | 2021-07-30 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机监测方法、系统、介质及电子终端 |
CN113548419A (zh) * | 2021-07-20 | 2021-10-26 | 湖北能源集团鄂州发电有限公司 | 基于机器视觉图像识别的皮带撕裂检测方法、装置及系统 |
CN114004783A (zh) * | 2021-08-27 | 2022-02-01 | 武汉思恒达科技有限公司 | 一种基于图像识别的自动扶梯的扶手带剩余寿命的判断方法 |
CN113702393A (zh) * | 2021-09-29 | 2021-11-26 | 安徽理工大学 | 一种本安型矿用输送带表面损伤检测系统及检测方法 |
CN113989716A (zh) * | 2021-10-21 | 2022-01-28 | 西安科技大学 | 煤矿井下输送带异物目标检测方法、系统、设备及终端 |
Non-Patent Citations (1)
Title |
---|
孟凡芹, 王耀才: "煤矿井下带式输送机煤流图像识别方法的研究", 煤炭学报, no. 01, pages 91 - 95 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2076458B1 (de) | Einrichtung zur überwachung einer förderanlage | |
CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测系统 | |
CN106395557A (zh) | 一种电梯曳引机钢丝绳状态在线检测系统及其检测方法 | |
CN201890600U (zh) | 机器视觉皮带撕裂检测装置 | |
CN113427731B (zh) | 一种基于机器视觉的注塑机模具检测系统及方法 | |
CN109823941B (zh) | 一种应用于主动安全电梯上的钢丝绳监测装置 | |
CN111289529A (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 | |
CN105301008A (zh) | 一种接装纸质量检测警示系统及质量在线检测方法 | |
CN208420734U (zh) | 一种在线锂电池隔离膜缺陷视觉检测系统 | |
CN115272980A (zh) | 一种基于机器视觉的运输皮带表面检测方法及系统 | |
CN111126196A (zh) | 一种设备漏油检测方法 | |
WO2020186580A1 (zh) | 一种基于责任管理的产品设计方法 | |
CN201974388U (zh) | 钢材表面质量监测装置 | |
CN110992323B (zh) | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 | |
CN115456963A (zh) | 一种基于视觉识别的料场皮带跑偏检测方法及系统 | |
CN205463256U (zh) | 一种饮料瓶封装缺陷自动检测及剔除装置 | |
CN116002319A (zh) | 一种基于改进YOLOv5的皮带撕裂及使用寿命检测方法 | |
CN205067374U (zh) | 气门油封分拣检测设备 | |
CN112858317A (zh) | 多功能链条检验机 | |
US7822273B1 (en) | Method and apparatus for automatic corrosion detection via video capture | |
CN219448283U (zh) | 带式输送机输送带磨损的检测装置 | |
CN116645366A (zh) | 一种立井提升机尾绳弧度异常ai视觉识别检测方法 | |
CN116461931A (zh) | 基于深度学习的皮带纵向撕裂检测识别系统及方法 | |
CN114348829B (zh) | 一种电梯补偿链焊接缺陷在线检测设备及方法 | |
CN214668656U (zh) | 多功能链条检验机 |
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 |