CN116051554A - 一种基于除铁器输送带的检测预警方法、设备及介质 - Google Patents
一种基于除铁器输送带的检测预警方法、设备及介质 Download PDFInfo
- Publication number
- CN116051554A CN116051554A CN202310330464.8A CN202310330464A CN116051554A CN 116051554 A CN116051554 A CN 116051554A CN 202310330464 A CN202310330464 A CN 202310330464A CN 116051554 A CN116051554 A CN 116051554A
- Authority
- CN
- China
- Prior art keywords
- image
- damage
- damaged
- early warning
- conveyer belt
- 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.)
- Granted
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 31
- 230000006378 damage Effects 0.000 claims abstract description 258
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 17
- 238000005452 bending Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000009526 moderate injury Effects 0.000 claims description 9
- 230000009525 mild injury Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000010409 ironing Methods 0.000 claims description 5
- 238000005336 cracking Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 208000014674 injury Diseases 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000009528 severe injury Effects 0.000 claims description 3
- 208000037974 severe injury Diseases 0.000 claims description 3
- 239000006148 magnetic separator Substances 0.000 claims 2
- 239000002184 metal Substances 0.000 abstract description 6
- 229910052751 metal Inorganic materials 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 3
- 238000010924 continuous production Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008832 photodamage Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Control Of Conveyors (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于除铁器输送带的检测预警方法、设备及介质,属于图像通信技术领域,用于解决现有的除铁器输送带在吸附金属部件时,容易对输送带产生损伤,难以对损伤进行及时地发现、预警以及定位,以及容易造成生产事故,不利于企业的持续生产的技术问题。方法包括:通过预设线激光器,对输送带的排出端口进行水平照射,得到连续图像集合;确定出输送带的参考标准位置;获取连续图像集合中每个图像的激光条纹特征,确定出第一损伤图像;获取输送带中入口端口的第二损伤图像,确定出第三损伤图像与损伤程度,得到第三损伤图像的损伤目标位置;根据第三损伤图像的损伤程度以及损伤目标位置,得到输送带的预警结果。
Description
技术领域
本申请涉及图像通信技术领域,尤其涉及一种基于除铁器输送带的检测预警方法、设备及介质。
背景技术
除铁器是一种产生强大磁场吸引力的设备,能将混杂在非磁性物料中的铁磁性杂质清除,按磁力来源不同,分为电磁除铁器和永磁除铁器两类。除铁器一般与输送带进行配合使用,并广泛应用于矿山、煤场、港口、电厂、冶金以及化工等工业领域。
输送带在使用过程中常常因为会吸附上尖锐物体或者长时间磨损,造成一定程度损坏,容易凿穿输送带、输送带受力不均跑偏以及内置钢丝绳断裂等一系列损坏问题,若得不到及时的处理,容易造成相关设备的损坏、物料的堆积、停产等严重的事故,并且位于输送带上方的除铁器在吸附金属物件等类似部件程中,容易对输送带产生损伤,这些受损区域往往难以及时发现,随着时间的推移造成损坏会进一步扩大,从而形成严重的生产问题,以及工作人员难以及时发现并掌握输送带实时情况,不能很好的对输送带进行预警评估以及快速修复,不利于企业的生产与效益的提升。
发明内容
本申请实施例提供了一种基于除铁器输送带的检测预警方法、设备及介质,用于解决如下技术问题:现有的除铁器输送带在吸附金属部件时,容易对输送带产生损伤,难以对损伤进行及时地发现、预警以及定位,以及容易造成生产事故,不利于企业的持续生产。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种基于除铁器输送带的检测预警方法。所述方法包括:通过预设线激光器,对输送带的排出端口进行水平照射,得到连续图像集合;根据所述连续图像集合中的连接扣图像,确定出所述输送带的参考标准位置;其中,所述连续图像集合至少包含所述输送带的连接扣图像;获取所述连续图像集合中每个图像的激光条纹特征,并根据所述激光条纹特征,对所述输送带的损伤区域进行图像识别,确定出第一损伤图像;基于预设时间间隔,根据所述第一损伤图像,获取所述输送带中入口端口的第二损伤图像;对所述第一损伤图像与所述第二损伤图像进行图像特征对比,确定出第三损伤图像;对所述第三损伤图像进行损伤边缘区域检测,得到所述第三损伤图像的损伤程度,并根据所述损伤程度,通过所述参考标准位置,获取与所述第三损伤图像对应的所述输送带的位置,得到所述第三损伤图像的损伤目标位置;根据所述第三损伤图像的损伤程度以及所述损伤目标位置,对所述输送带进行生产预警,得到所述输送带的预警结果;并将所述预警结果发送给工作人员。
本申请实施例通过线激光器确定出输送带的参考标准位置以及可能发生损伤部位的图像后,再对识别出的损伤图像进行图像识别,进一步确定出损伤图像的损伤程度,并根据损伤程度对应的损伤目标位置,确定出在输送带的位置,然后对输送带产生预警,最后将预警结果发送给工作人员。有利于解决输送带上的除铁器在吸附金属部件时,容易对输送带产生损伤的问题,实现对输送带损伤的及时发现以及预警,并根据定位到的损伤部位帮助工作人员及时找到受损部位进行查看和处理,减少在生产过程中的事故概率,降低了人工巡检的成本,能够更快的排除事故信息,提高企业的生产效率。
在一种可行的实施方式中,根据所述连续图像集合中的连接扣图像,确定出所述输送带的参考标准位置,具体包括:通过预安装在输送带排出端口的线激光器,对所述排出端口的输送带表面进行持续水平照射,得到激光射线区域;根据摄像装置预设的拍摄时间间隔,对所述激光射线区域进行连续间隔拍照,得到所述连续图像集合;对所述连续图像集合中每个图像的激光射线区段进行长度识别,得到所述连接扣图像;其中,所述激光射线区段为连接扣凸起区域所对应的射线区段;根据所述连接扣图像在所述连续图像集合中的图像位置关系,将所述连接扣图像设置为所述输送带的参考标准位置;其中,所述参考标准位置用于确定所述连续图像集合中其余图像的位置。
本申请实施例通过将输送带上的连接扣作为输送带的参考标准位置,有利于工作人员第一时间根据参考标准位置,及时找到损伤部位,缩短了寻找输送带损伤部位的时间,提高了工作效率。
在一种可行的实施方式中,获取所述连续图像集合中每个图像的激光条纹特征,具体包括:将所述每个图像中的色彩类型进行统一灰度转化,得到灰度图像;对所述灰度图像的噪声滤波进行去噪处理,得到去噪灰度图像;根据所述去噪灰度图像中激光射线与输送带之间的像素光亮程度差异,确定出与所述激光射线所对应的激光影像区域;根据所述激光影像区域,对所述去噪灰度图像进行图像切割,并基于预设切割区域阈值,确定出激光条纹图像;其中,所述激光条纹图像包括所述激光射线以及被所述激光射线所覆盖的输送带部分区域;对所述激光条纹图像中的激光射线进行中心线提取,得到激光条纹中心线;并对所述激光条纹中心线的形变程度进行特征分析,得到所述每个图像的激光条纹特征;其中,所述形变程度至少包括:线条跳跃形变、线条曲折形变、线条断裂形变以及线条不连续形变;所述激光条纹特征至少包括:跳跃特征、曲折特征、断裂特征以及不连续特征。
本申请实施例通过激光条纹特征,对输送带进行区域的确定,根据激光射线不同的形状线条,分别确定出每个图像的激光条纹特征,有利于根据激光条纹特征,快速的识别出可能受损的输送带区域,仅仅识别激光线条的形状特征,大大减少了处理器的工作量,简化了损伤区域识别的工作复杂性,有利于准确的进行识别。
在一种可行的实施方式中,根据所述激光条纹特征,对所述输送带的损伤区域进行图像识别,确定出第一损伤图像,具体包括:识别所述每个图像中的激光条纹特征以及所述每个图像在所述连续图像集合中的图像位置;对所述激光条纹特征中的跳跃特征进行跳跃幅值判断;若所述跳跃幅值大于或者等于第一预设阈值,则将所述激光条纹特征所对应的图像设置为跳跃损伤图像;对所述激光条纹特征中的曲折特征进行曲折率判断;若所述曲折率大于或等于第二预设阈值,则将所述激光条纹特征所对应的图像设置为曲折损伤图像;对所述激光条纹特征中的断裂特征进行裂口范围判断;若所述裂口范围大于或等于第三预设阈值,则将所述激光条纹特征所对应的图像设置为裂口损伤图像;根据所述跳跃损伤图像、所述曲折损伤图像以及裂口损伤图像,确定出输送带损伤区域的所述第一损伤图像以及对应的图像位置。
在一种可行的实施方式中,对所述第一损伤图像与所述第二损伤图像进行图像特征对比,确定出第三损伤图像,具体包括:基于预设时间间隔以及所述输送带的运输速率,在获取到所述第一损伤图像以及对应的图像位置后,通过预设在输送带入口端口的摄像装置,获取所述输送带中入口端口的第二损伤图像;对所述第二损伤图像与所述第一损伤图像进行相似图像判断,具体包括:对所述第二损伤图像进行旋转,并将旋转后的第二损伤图像进行像素亮度变换,得到单一图像;获取所述单一图像与所述第一损伤图像的像素特征值,分别得到所述单一图像的目标像素特征值以及所述第一损伤图像的模板像素特征值;并获取所述模板像素特征值所对应的模板图像矩阵以及所述目标像素特征值所对应的目标图像矩阵;将所述模板图像矩阵与所述目标图像矩阵进行归一化平方差匹配,得到匹配数值;若所述匹配数值小于或者等于预设匹配值,则所述单一图像与所述第一损伤图像为同一对应图像,并将所述单一图像与所述第一损伤图像进行图像重叠处理,得到所述第三损伤图像;若所述匹配数值大于所述预设匹配值,则所述单一图像与所述第一损伤图像为不同图像,并获取所述单一图像的相邻图像;将所述相邻图像与所述第一损伤图像进行相似图像判断,以此循环,直至所述匹配数值小于或者等于预设匹配值。
本申请实施例通过将排出端口的第一损伤图像与入口端口的第二损伤图像进行对比,有利于进一步判断该损伤图像是否是真正的损伤图像,防止因为识别误差,造成图像的错误识别,还可以根据二次识别,将第一次识别过程中没有识别到的图像像素特征进行补充,使第三损伤图像具有更加完整的图像像素特征,有利于对后续的损伤程度进一步地精准识别。
在一种可行的实施方式中,对所述第三损伤图像进行损伤边缘区域检测,得到所述第三损伤图像的损伤程度,具体包括:通过索贝尔算子,对所述第三损伤图像对应的灰度图像进行损伤区域的水平边缘特征提取,得到损伤边缘特征图像;将所述损伤边缘特征图像中损伤区域像素的灰度差异特征进行模糊聚类,得到聚类像素特征,并获取所述聚类像素特征的聚类像素矩阵;其中,所述灰度差异特征为损伤边缘像素与输送带背景像素之间的灰度差异特征;对所述聚类像素矩阵进行模糊聚类隶属度的迭代分类运算,得到所述聚类像素矩阵的模糊指数;根据所述聚类像素矩阵的模糊指数,确定出所述第三损伤图像的损伤程度;其中,所述损伤程度至少包括:微量损伤、轻度损伤、中度损伤以及重度损伤。
本申请实施例通过对损伤区域的像素模糊程度进行损伤程度的判断,有利于简化处理器处理图像的计算量,降低数据运行难度,提高对图像识别的处理效率。
在一种可行的实施方式中,根据所述损伤程度,通过所述参考标准位置,获取与所述第三损伤图像对应的所述输送带的位置,得到所述第三损伤图像的损伤目标位置,具体包括:获取所述参考标准位置;根据所述连续图像集合中每个图像的图像位置,确定出与所述损伤程度所对应输送带的实际区域位置;将所述参考标准位置与所述实际区域位置之间进行间隔距离的计算,得到损伤目标距离;其中,所述损伤目标距离包括输送带正运行方向的损伤目标正距离以及输送带逆运行方向的损伤目标负距离;所述损伤目标距离为所述损伤目标正距离与所述损伤目标负距离之中的最小距离;根据所述损伤目标距离以及所述参考标准位置,确定出所述第三损伤图像的损伤目标位置。
本申请通过提前识别出的参考标准位置,结合得到损伤目标距离,能够更快的确定出输送带损伤部位所对应的损伤目标位置,减少工作人员寻找损伤区域的难度,节省了工作人员的时间,提高了对输送带检测和维修的效率。
在一种可行的实施方式中,根据所述第三损伤图像的损伤程度以及所述损伤目标位置,对所述输送带进行生产预警,得到所述输送带的预警结果,具体包括:获取所述第三损伤图像的损伤程度以及所述损伤目标位置;若所述损伤程度为微量损伤,则将所述微量损伤所对应的损伤目标位置进行预警信息的生成,得到黄色预警信息;若所述损伤程度为轻度损伤与中度损伤,则将所述轻度损伤与中度损伤共同对应的损伤目标位置以及第三损伤图像进行警告信息的生成,得到红色警告信息;若所述损伤程度为重度损伤,则将所述重度损伤对应的损伤目标位置以及第三损伤图像进行危险信息的生成,得到紫色危险信息,并停止所述输送带的生产运行;其中,所述预警结果包括:所述黄色预警信息、所述红色警告信息以及所述紫色危险信息。
第二方面,本申请实施例还提供了一种基于除铁器输送带的检测预警设备,所述设备包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行上述任一实施方式所述的一种基于除铁器输送带的检测预警方法。
第三方面,本申请实施例还提供了一种非易失性计算机存储介质,其特征在于,所述存储介质为非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有至少一个程序,每个所述程序包括指令,所述指令当被终端执行时,使所述终端执行上述任一实施方式所述的一种基于除铁器输送带的检测预警方法。
本申请提供了一种基于除铁器输送带的检测预警方法、设备及介质,通过线激光器确定出输送带的参考标准位置以及可能发生损伤部位的图像后,再对识别出的损伤图像进行图像识别,进一步确定出损伤图像的损伤程度,并根据损伤程度对应的损伤目标位置,确定出在输送带的位置,然后对输送带产生预警,最后将预警结果发送给工作人员。有利于解决输送带上的除铁器在吸附金属部件时,容易对输送带产生损伤的问题,实现对输送带损伤的及时发现以及预警,并根据定位到的损伤部位帮助工作人员及时找到受损部位进行查看和处理,减少在生产过程中的事故概率,降低了人工巡检的成本,能够更快的排除事故信息,提高企业的生产效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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他的附图。在附图中:
图1为本申请实施例提供的一种基于除铁器输送带的检测预警方法流程图;
图2为本申请实施例提供的一种除铁器输送带的整体结构示意图;
图3为本申请实施例提供的一种输送带排出端口示意图;
图4为本申请实施例提供的一种输送带跳跃损伤示意图;
图5为本申请实施例提供的一种输送带断裂损伤示意图;
图6为本申请实施例提供的一种基于除铁器输送带的检测预警设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,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。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本申请实施例提供了一种基于除铁器输送带的检测预警方法,如图1所示,基于除铁器输送带的检测预警方法具体包括步骤S101-S105:
S101、通过预设线激光器,对输送带的排出端口进行水平照射,得到连续图像集合。根据连续图像集合中的连接扣图像,确定出输送带的参考标准位置。
具体地,通过预安装在输送带排出端口的线激光器,对排出端口的输送带表面进行持续水平照射,得到激光射线区域。
进一步地,根据摄像装置预设的拍摄时间间隔,对激光射线区域进行连续间隔拍照,得到连续图像集合。对连续图像集合中每个图像的激光射线区段进行长度识别,得到连接扣图像。其中,激光射线区段为连接扣凸起区域所对应的射线区段。
进一步地,根据连接扣图像在连续图像集合中的图像位置关系,将连接扣图像设置为输送带的参考标准位置。其中,参考标准位置用于确定连续图像集合中其余图像的位置。
在一个实施例中,图2为本申请实施例提供的一种除铁器输送带的整体结构示意图,图3为本申请实施例提供的一种输送带排出端口示意图,如图2以及图3所示,根据线激光器对输送带的排出端口进行照射,然后通过摄像头对输送带排出口段的激光照射区域进行连续图像的集合获取,然后根据激光照射在连接扣会形成激光射线中有一段区间内的射线为凸起状态,然后识别出满足该射线区段的图像,将该图像对应输送带的位置确定为整条输送带的参考标准位置,作为输送带的参考位置,用于对后续识别出的损伤区域进行位置的确认。
S102、获取连续图像集合中每个图像的激光条纹特征,并根据激光条纹特征,对输送带的损伤区域进行图像识别,确定出第一损伤图像。
具体地,将每个图像中的色彩类型进行统一灰度转化,得到灰度图像。对灰度图像的噪声滤波进行去噪处理,得到去噪灰度图像。
进一步地,根据去噪灰度图像中激光射线与输送带之间的像素光亮程度差异,确定出与激光射线所对应的激光影像区域。
进一步的,根据激光影像区域,对去噪灰度图像进行图像切割,并基于预设切割区域阈值,确定出激光条纹图像。其中,激光条纹图像包括激光射线以及被激光射线所覆盖的输送带部分区域。对激光条纹图像中的激光射线进行中心线提取,得到激光条纹中心线。并对激光条纹中心线的形变程度进行特征分析,得到每个图像的激光条纹特征。其中,形变程度至少包括:线条跳跃形变、线条曲折形变、线条断裂形变以及线条不连续形变。激光条纹特征至少包括:跳跃特征、曲折特征、断裂特征以及不连续特征。
在一个实施例中,图4为本申请实施例提供的一种输送带跳跃损伤示意图,图5为本申请实施例提供的一种输送带断裂损伤示意图,如图4所示,通过确定出的激光条纹图像,对该图像中的激光条纹特征进行特征的分析,由于图4中的射线为线条跳跃形变,所以该激光条纹特征为跳跃特征,同样,如图5所示,对该图像中的激光条纹特征进行特征的分析,图5中的射线为线条曲折形变,所示图5中激光条纹特征为曲折特征,根据对每个图像中激光条纹特征的分析,得到对应的每个激光条纹特征,还包括断裂特征以及不连续特征等。
进一步地,识别每个图像中的激光条纹特征以及每个图像在连续图像集合中的图像位置。对激光条纹特征中的跳跃特征进行跳跃幅值判断。若跳跃幅值大于或者等于第一预设阈值,则将激光条纹特征所对应的图像设置为跳跃损伤图像。
进一步地,对激光条纹特征中的曲折特征进行曲折率判断。若曲折率大于或等于第二预设阈值,则将激光条纹特征所对应的图像设置为曲折损伤图像。对激光条纹特征中的断裂特征进行裂口范围判断。若裂口范围大于或等于第三预设阈值,则将激光条纹特征所对应的图像设置为裂口损伤图像。
进一步地,根据跳跃损伤图像、曲折损伤图像以及裂口损伤图像,确定出输送带损伤区域的第一损伤图像以及对应的图像位置。
在一个实施例中,对连续图像集合中的每个图像都进行激光条纹特征,确定出每个图像所对应的损伤图像,即跳跃损伤图像、曲折损伤图像以及裂口损伤图像,并且在识别到损伤图像后,获取每个图像在连续图像集合中的位置。
S103、基于预设时间间隔,根据第一损伤图像,获取输送带中入口端口的第二损伤图像。对第一损伤图像与第二损伤图像进行图像特征对比,确定出第三损伤图像。
具体地,基于预设时间间隔以及输送带的运输速率,在获取到第一损伤图像以及对应的图像位置后,通过预设在输送带入口端口的摄像装置,获取输送带中入口端口的第二损伤图像。
进一步地,对第二损伤图像与第一损伤图像进行相似图像判断,具体包括:
对第二损伤图像进行旋转,并将旋转后的第二损伤图像进行像素亮度变换,得到单一图像。获取单一图像与第一损伤图像的像素特征值,分别得到单一图像的目标像素特征值以及第一损伤图像的模板像素特征值。并获取模板像素特征值所对应的模板图像矩阵以及目标像素特征值所对应的目标图像矩阵。
在一个实施例中,通过预设Python算法,读取单一图像数据与第一损伤图像数据,分别获得与单一图像以及第一损伤图像所对应的像素特征值,即单一图像的像素值与第一损伤图像的像素值,其中,像素值表示图像中像素的强度或者亮度,然后将单一图像的像素值定义为目标像素特征值,也就是将第一损伤图像的像素值定义为第一损伤图像的模板像素特征值。再根据RGB通道(也就是彩色图像中固有的红色、绿色和蓝色),对模板像素特征值进行三种颜色的矩阵表示,以及对目标像素特征值也进行三种颜色的矩阵表示,得到对应的模板图像矩阵以及目标图像矩阵,其中,RGB通道中三种颜色的矩阵具有0-255之间的值,表示该像素的颜色强度,通过叠加三个矩阵(也可称为三通道)以形成该像素值的彩色图像。
进一步地,将模板图像矩阵与目标图像矩阵进行归一化平方差匹配,得到匹配数值。若匹配数值小于或者等于预设匹配值,则单一图像与第一损伤图像为同一对应图像,并将单一图像与第一损伤图像进行图像重叠处理,得到第三损伤图像。若匹配数值大于预设匹配值,则单一图像与第一损伤图像为不同图像,并获取单一图像的相邻图像。将相邻图像与第一损伤图像进行相似图像判断,以此循环,直至匹配数值小于或者等于预设匹配值。
在一个实施例中,如图2所示,将在输送带排出端口出获取的第一损伤图像与入口端口获取的第二损伤图像进行对比,其中,第二损伤图像为基于预设时间间隔以及输送带的运输速率进行获取的,也就是获取到与第一损伤图像最近接的倒立图像,然后将第二损伤图像转化的单一图像与第一损伤图像进行归一化平方差匹配,并根据预设匹配值,对是否匹配进行判断,确定出匹配数值,然后将匹配数值小于或者等于预设匹配值,将单一图像与第一损伤图像进行重叠处理,让两个图像的图像特征进行互补,以减少在采集过程中造成的图像像素特征的遗漏,提高重叠后第三损伤图像的图像像素特征的完整性。
S104、对第三损伤图像进行损伤边缘区域检测,得到第三损伤图像的损伤程度,并根据损伤程度,通过参考标准位置,获取与第三损伤图像对应的输送带的位置,得到第三损伤图像的损伤目标位置。
具体地,通过索贝尔算子,对第三损伤图像对应的灰度图像进行损伤区域的水平边缘特征提取,得到损伤边缘特征图像。
进一步地,将损伤边缘特征图像中损伤区域像素的灰度差异特征进行模糊聚类,得到聚类像素特征,并获取聚类像素特征的聚类像素矩阵。其中,灰度差异特征为损伤边缘像素与输送带背景像素之间的灰度差异特征。对聚类像素矩阵进行模糊聚类隶属度的迭代分类运算,得到聚类像素矩阵的模糊指数。
进一步地,根据聚类像素矩阵的模糊指数,确定出第三损伤图像的损伤程度。其中,损伤程度至少包括:微量损伤、轻度损伤、中度损伤以及重度损伤。
在一个实施例中,根据聚类像素矩阵的模糊指数,对第三损伤图像中损伤边缘像素与输送带背景像素之间的灰度差异特征进行灰度差异性判断,若灰度差异性越小则说明第三损伤图像中的损伤程度越轻,则可将损伤程度确定为微量损伤,反之灰度差异性越大,说明第三损伤图像中的损伤程度越大,则可进一步根据灰度差异性的差异大小,依次确定为轻度损伤、中度损伤以及重度损伤等。
进一步地,获取参考标准位置。根据连续图像集合中每个图像的图像位置,确定出与损伤程度所对应输送带的实际区域位置。
进一步地,将参考标准位置与实际区域位置之间进行间隔距离的计算,得到损伤目标距离。其中,损伤目标距离包括输送带正运行方向的损伤目标正距离以及输送带逆运行方向的损伤目标负距离。损伤目标距离为损伤目标正距离与损伤目标负距离之中的最小距离。
进一步地,根据损伤目标距离以及参考标准位置,确定出第三损伤图像的损伤目标位置。
在一个实施例中,通过聚类像素矩阵的模糊指数,确定出第三损伤图像的损伤程度,并获取每一种损伤程度所对应图像在连续图像集合中的图像位置,然后在将每一种损伤程度对应的图像位置,确定到出与损伤程度所对应输送带的实际区域位置,由于输送带为连续转动,每个位置比较相似,所以将参考标准位置与实际区域位置之间进行间隔距离的计算,确定出每个损伤区域对应的实际区域位置距离参考标准位置的距离,即损伤目标距离,然后由于输送带的转动方向固定,并且是循环转动的,所以识别出损伤目标距离中输送带正运行方向的损伤目标正距离以及输送带逆运行方向的损伤目标负距离之间的最小距离,并以该最小距离作为损伤区域真实的损伤目标距离,然后根据损伤目标距离,最终确定出第三损伤图像的损伤目标位置。
S105、根据第三损伤图像的损伤程度以及损伤目标位置,对输送带进行生产预警,得到输送带的预警结果。并将预警结果发送给工作人员。
具体地,获取第三损伤图像的损伤程度以及损伤目标位置。
若损伤程度为微量损伤,则将微量损伤所对应的损伤目标位置进行预警信息的生成,得到黄色预警信息。若损伤程度为轻度损伤与中度损伤,则将轻度损伤与中度损伤共同对应的损伤目标位置以及第三损伤图像进行警告信息的生成,得到红色警告信息。若损伤程度为重度损伤,则将重度损伤对应的损伤目标位置以及第三损伤图像进行危险信息的生成,得到紫色危险信息,并停止输送带的生产运行。
其中,预警结果包括:黄色预警信息、红色警告信息以及紫色危险信息。
在一个实施例中,将生成的预警结果通过图像通信发送给工作人员,以方便对输送带的检测和维修,让工作人员可以更直观的、及时的了解到输送带的实际情况,减少因为输送带问题造成停工的问题概率,提高企业的生产效率。
另外,本申请实施例还提供了一种基于除铁器输送带的检测预警设备,如图6所示,基于除铁器输送带的检测预警设备600具体包括:
至少一个处理器601。以及,与至少一个处理器601通信连接的存储器602;其中,存储器602存储有能够被至少一个处理器601执行的指令,以使至少一个处理器601能够执行:
通过预设线激光器,对输送带的排出端口进行水平照射,得到连续图像集合;根据连续图像集合中的连接扣图像,确定出输送带的参考标准位置;其中,连续图像集合至少包含输送带的连接扣图像;
获取连续图像集合中每个图像的激光条纹特征,并根据激光条纹特征,对输送带的损伤区域进行图像识别,确定出第一损伤图像;
基于预设时间间隔,根据第一损伤图像,获取输送带中入口端口的第二损伤图像;对第一损伤图像与第二损伤图像进行图像特征对比,确定出第三损伤图像;
对第三损伤图像进行损伤边缘区域检测,得到第三损伤图像的损伤程度,并根据损伤程度,通过参考标准位置,获取与第三损伤图像对应的输送带的位置,得到第三损伤图像的损伤目标位置;
根据第三损伤图像的损伤程度以及损伤目标位置,对输送带进行生产预警,得到输送带的预警结果;并将预警结果发送给工作人员。
本申请提供了一种基于除铁器输送带的检测预警方法、设备及介质,通过线激光器确定出输送带的参考标准位置以及可能发生损伤部位的图像后,再对识别出的损伤图像进行图像识别,进一步确定出损伤图像的损伤程度,并根据损伤程度对应的损伤目标位置,确定出在输送带的位置,然后对输送带产生预警,最后将预警结果发送给工作人员。有利于解决输送带上的除铁器在吸附金属部件时,容易对输送带产生损伤的问题,实现对输送带损伤的及时发现以及预警,并根据定位到的损伤部位帮助工作人员及时找到受损部位进行查看和处理,减少在生产过程中的事故概率,降低了人工巡检的成本,能够更快的排除事故信息,提高企业的生产效率。
本申请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。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于除铁器输送带的检测预警方法,其特征在于,所述方法包括:
通过预设线激光器,对输送带的排出端口进行水平照射,得到连续图像集合;根据所述连续图像集合中的连接扣图像,确定出所述输送带的参考标准位置;其中,所述连续图像集合至少包含所述输送带的连接扣图像;
获取所述连续图像集合中每个图像的激光条纹特征,并根据所述激光条纹特征,对所述输送带的损伤区域进行图像识别,确定出第一损伤图像;
基于预设时间间隔,根据所述第一损伤图像,获取所述输送带中入口端口的第二损伤图像;对所述第一损伤图像与所述第二损伤图像进行图像特征对比,确定出第三损伤图像;
对所述第三损伤图像进行损伤边缘区域检测,得到所述第三损伤图像的损伤程度,并根据所述损伤程度,通过所述参考标准位置,获取与所述第三损伤图像对应的所述输送带的位置,得到所述第三损伤图像的损伤目标位置;
根据所述第三损伤图像的损伤程度以及所述损伤目标位置,对所述输送带进行生产预警,得到所述输送带的预警结果;并将所述预警结果发送给工作人员。
2.根据权利要求1所述的一种基于除铁器输送带的检测预警方法,其特征在于,根据所述连续图像集合中的连接扣图像,确定出所述输送带的参考标准位置,具体包括:
通过预安装在输送带排出端口的线激光器,对所述排出端口的输送带表面进行持续水平照射,得到激光射线区域;
根据摄像装置预设的拍摄时间间隔,对所述激光射线区域进行连续间隔拍照,得到所述连续图像集合;
对所述连续图像集合中每个图像的激光射线区段进行长度识别,得到所述连接扣图像;其中,所述激光射线区段为连接扣凸起区域所对应的射线区段;
根据所述连接扣图像在所述连续图像集合中的图像位置关系,将所述连接扣图像设置为所述输送带的参考标准位置;其中,所述参考标准位置用于确定所述连续图像集合中其余图像的位置。
3.根据权利要求1所述的一种基于除铁器输送带的检测预警方法,其特征在于,获取所述连续图像集合中每个图像的激光条纹特征,具体包括:
将所述每个图像中的色彩类型进行统一灰度转化,得到灰度图像;
对所述灰度图像的噪声滤波进行去噪处理,得到去噪灰度图像;
根据所述去噪灰度图像中激光射线与输送带之间的像素光亮程度差异,确定出与所述激光射线所对应的激光影像区域;
根据所述激光影像区域,对所述去噪灰度图像进行图像切割,并基于预设切割区域阈值,确定出激光条纹图像;其中,所述激光条纹图像包括所述激光射线以及被所述激光射线所覆盖的输送带部分区域;
对所述激光条纹图像中的激光射线进行中心线提取,得到激光条纹中心线;并对所述激光条纹中心线的形变程度进行特征分析,得到所述每个图像的激光条纹特征;其中,所述形变程度至少包括:线条跳跃形变、线条曲折形变、线条断裂形变以及线条不连续形变;所述激光条纹特征至少包括:跳跃特征、曲折特征、断裂特征以及不连续特征。
4.根据权利要求3所述的一种基于除铁器输送带的检测预警方法,其特征在于,根据所述激光条纹特征,对所述输送带的损伤区域进行图像识别,确定出第一损伤图像,具体包括:
识别所述每个图像中的激光条纹特征以及所述每个图像在所述连续图像集合中的图像位置;
对所述激光条纹特征中的跳跃特征进行跳跃幅值判断;若所述跳跃幅值大于或者等于第一预设阈值,则将所述激光条纹特征所对应的图像设置为跳跃损伤图像;
对所述激光条纹特征中的曲折特征进行曲折率判断;若所述曲折率大于或等于第二预设阈值,则将所述激光条纹特征所对应的图像设置为曲折损伤图像;
对所述激光条纹特征中的断裂特征进行裂口范围判断;若所述裂口范围大于或等于第三预设阈值,则将所述激光条纹特征所对应的图像设置为裂口损伤图像;
根据所述跳跃损伤图像、所述曲折损伤图像以及裂口损伤图像,确定出输送带损伤区域的所述第一损伤图像以及对应的图像位置。
5.根据权利要求1所述的一种基于除铁器输送带的检测预警方法,其特征在于,对所述第一损伤图像与所述第二损伤图像进行图像特征对比,确定出第三损伤图像,具体包括:
基于预设时间间隔以及所述输送带的运输速率,在获取到所述第一损伤图像以及对应的图像位置后,通过预设在输送带入口端口的摄像装置,获取所述输送带中入口端口的第二损伤图像;
对所述第二损伤图像与所述第一损伤图像进行相似图像判断,具体包括:
对所述第二损伤图像进行旋转,并将旋转后的第二损伤图像进行像素亮度变换,得到单一图像;
获取所述单一图像与所述第一损伤图像的像素特征值,分别得到所述单一图像的目标像素特征值以及所述第一损伤图像的模板像素特征值;并获取所述模板像素特征值所对应的模板图像矩阵以及所述目标像素特征值所对应的目标图像矩阵;
将所述模板图像矩阵与所述目标图像矩阵进行归一化平方差匹配,得到匹配数值;
若所述匹配数值小于或者等于预设匹配值,则所述单一图像与所述第一损伤图像为同一对应图像,并将所述单一图像与所述第一损伤图像进行图像重叠处理,得到所述第三损伤图像;
若所述匹配数值大于所述预设匹配值,则所述单一图像与所述第一损伤图像为不同图像,并获取所述单一图像的相邻图像;将所述相邻图像与所述第一损伤图像进行相似图像判断,以此循环,直至所述匹配数值小于或者等于预设匹配值。
6.根据权利要求1所述的一种基于除铁器输送带的检测预警方法,其特征在于,对所述第三损伤图像进行损伤边缘区域检测,得到所述第三损伤图像的损伤程度,具体包括:
通过索贝尔算子,对所述第三损伤图像对应的灰度图像进行损伤区域的水平边缘特征提取,得到损伤边缘特征图像;
将所述损伤边缘特征图像中损伤区域像素的灰度差异特征进行模糊聚类,得到聚类像素特征,并获取所述聚类像素特征的聚类像素矩阵;其中,所述灰度差异特征为损伤边缘像素与输送带背景像素之间的灰度差异特征;
对所述聚类像素矩阵进行模糊聚类隶属度的迭代分类运算,得到所述聚类像素矩阵的模糊指数;
根据所述聚类像素矩阵的模糊指数,确定出所述第三损伤图像的损伤程度;其中,所述损伤程度至少包括:微量损伤、轻度损伤、中度损伤以及重度损伤。
7.根据权利要求6所述的一种基于除铁器输送带的检测预警方法,其特征在于,根据所述损伤程度,通过所述参考标准位置,获取与所述第三损伤图像对应的所述输送带的位置,得到所述第三损伤图像的损伤目标位置,具体包括:
获取所述参考标准位置;
根据所述连续图像集合中每个图像的图像位置,确定出与所述损伤程度所对应输送带的实际区域位置;
将所述参考标准位置与所述实际区域位置之间进行间隔距离的计算,得到损伤目标距离;其中,所述损伤目标距离包括输送带正运行方向的损伤目标正距离以及输送带逆运行方向的损伤目标负距离;所述损伤目标距离为所述损伤目标正距离与所述损伤目标负距离之中的最小距离;
根据所述损伤目标距离以及所述参考标准位置,确定出所述第三损伤图像的损伤目标位置。
8.根据权利要求1所述的一种基于除铁器输送带的检测预警方法,其特征在于,根据所述第三损伤图像的损伤程度以及所述损伤目标位置,对所述输送带进行生产预警,得到所述输送带的预警结果,具体包括:
获取所述第三损伤图像的损伤程度以及所述损伤目标位置;
若所述损伤程度为微量损伤,则将所述微量损伤所对应的损伤目标位置进行预警信息的生成,得到黄色预警信息;
若所述损伤程度为轻度损伤与中度损伤,则将所述轻度损伤与中度损伤共同对应的损伤目标位置以及第三损伤图像进行警告信息的生成,得到红色警告信息;
若所述损伤程度为重度损伤,则将所述重度损伤对应的损伤目标位置以及第三损伤图像进行危险信息的生成,得到紫色危险信息,并停止所述输送带的生产运行;
其中,所述预警结果包括:所述黄色预警信息、所述红色警告信息以及所述紫色危险信息。
9.一种基于除铁器输送带的检测预警设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行根据权利要求1-8任一项所述的一种基于除铁器输送带的检测预警方法。
10.一种非易失性计算机存储介质,其特征在于,所述存储介质为非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有至少一个程序,每个所述程序包括指令,所述指令当被终端执行时,使所述终端执行根据权利要求1-8任一项所述的一种基于除铁器输送带的检测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310330464.8A CN116051554B (zh) | 2023-03-31 | 2023-03-31 | 一种基于除铁器输送带的检测预警方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310330464.8A CN116051554B (zh) | 2023-03-31 | 2023-03-31 | 一种基于除铁器输送带的检测预警方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116051554A true CN116051554A (zh) | 2023-05-02 |
CN116051554B CN116051554B (zh) | 2023-06-09 |
Family
ID=86118515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310330464.8A Active CN116051554B (zh) | 2023-03-31 | 2023-03-31 | 一种基于除铁器输送带的检测预警方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116051554B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202326906U (zh) * | 2011-12-02 | 2012-07-11 | 山东瀚邦胶带有限公司 | 矿用输送带连结扣 |
US20160314573A1 (en) * | 2015-04-27 | 2016-10-27 | Thermoteknix Systems Limited | Conveyor Belt Monitoring System and Method |
CN107610104A (zh) * | 2017-08-31 | 2018-01-19 | 南通兴华达高实业有限公司 | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 |
CN108510488A (zh) * | 2018-03-30 | 2018-09-07 | 安徽理工大学 | 基于残差网络的输送带四种损伤检测方法 |
US20200354156A1 (en) * | 2017-11-15 | 2020-11-12 | Flsmidth A/S | Conveyor apparatus |
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 |
CN114264669A (zh) * | 2022-03-03 | 2022-04-01 | 武汉精立电子技术有限公司 | 屏幕损伤缺陷检测方法、装置、设备及可读存储介质 |
CN114943691A (zh) * | 2022-05-06 | 2022-08-26 | 金陵科技学院 | 一种基于机器视觉和循环卷积网络的古城墙损伤实时检测方法 |
CN115615540A (zh) * | 2022-12-20 | 2023-01-17 | 潍坊百特磁电科技有限公司 | 一种永磁自卸除铁器的托辊故障识别方法、设备及介质 |
-
2023
- 2023-03-31 CN CN202310330464.8A patent/CN116051554B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202326906U (zh) * | 2011-12-02 | 2012-07-11 | 山东瀚邦胶带有限公司 | 矿用输送带连结扣 |
US20160314573A1 (en) * | 2015-04-27 | 2016-10-27 | Thermoteknix Systems Limited | Conveyor Belt Monitoring System and Method |
CN107610104A (zh) * | 2017-08-31 | 2018-01-19 | 南通兴华达高实业有限公司 | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 |
US20200354156A1 (en) * | 2017-11-15 | 2020-11-12 | Flsmidth A/S | Conveyor apparatus |
CN108510488A (zh) * | 2018-03-30 | 2018-09-07 | 安徽理工大学 | 基于残差网络的输送带四种损伤检测方法 |
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 |
CN114264669A (zh) * | 2022-03-03 | 2022-04-01 | 武汉精立电子技术有限公司 | 屏幕损伤缺陷检测方法、装置、设备及可读存储介质 |
CN114943691A (zh) * | 2022-05-06 | 2022-08-26 | 金陵科技学院 | 一种基于机器视觉和循环卷积网络的古城墙损伤实时检测方法 |
CN115615540A (zh) * | 2022-12-20 | 2023-01-17 | 潍坊百特磁电科技有限公司 | 一种永磁自卸除铁器的托辊故障识别方法、设备及介质 |
Non-Patent Citations (2)
Title |
---|
QIANG HUANG 等: "A Multi-sensor Fusion Algorithm for Monitoring the Health Condition of Conveyor Belt in Process Industry", 《2021 3RD INTERNATIONAL CONFERENCE ON INDUSTRIAL ARTIFICIAL INTELLIGENCE (IAI)》, pages 1 - 6 * |
熊念强 等: "带式输送机胶带撕裂检测技术综述", 《煤炭工程》, pages 79 - 85 * |
Also Published As
Publication number | Publication date |
---|---|
CN116051554B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107176432B (zh) | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 | |
CN107886495B (zh) | 一种基于相似度匹配的汽车零配件缺陷识别方法 | |
US9886754B2 (en) | System and method for detecting missing tooth in mining shovel | |
Borselli et al. | A fuzzy inference system applied to defect detection in flat steel production | |
CN103593695A (zh) | 一种dpm二维码区域定位的方法 | |
CN111815623A (zh) | 输电线路开口销缺失识别方法 | |
CN112881412B (zh) | 一种废钢产品中非金属异物检测方法 | |
CN103387123A (zh) | 基于机器视觉的矿用胶带撕裂智能检测系统 | |
CN114797309B (zh) | 袋式除尘器检修方法、装置、袋式除尘器及存储介质 | |
CN116051554B (zh) | 一种基于除铁器输送带的检测预警方法、设备及介质 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
CN110992323A (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 | |
CN112784675B (zh) | 目标检测方法及装置、存储介质、终端 | |
KR101562988B1 (ko) | 열간소재의 표면결함 검출 장치 및 표면 검출 방법 | |
CN104376322A (zh) | 一种集装箱箱号预处理质量的智能评测方法 | |
CN111353507B (zh) | 一种变电站器件表面油污的图像识别方法和装置 | |
CN117035669A (zh) | 基于人工智能的企业安全生产管理方法及系统 | |
CN105512633A (zh) | 一种电力系统危险目标识别方法及装置 | |
CN108460763B (zh) | 一种磁粉探伤图像自动检测识别方法 | |
CN112991251B (zh) | 一种表面缺陷检测的方法、装置及设备 | |
KR102316081B1 (ko) | 기계학습 전처리를 통한 원형 플러그의 전기 아연 도금 불량 판별 방법 | |
CN113239832A (zh) | 基于图像识别的隐患智能识别方法及系统 | |
Bonnin-Pascual et al. | A saliency-boosted corrosion detector for the visual inspection of vessels | |
Kim | License plate location method unaffected by variation in size and aspect ratio | |
CN104168473B (zh) | 一种视频图像的横波干扰的检测方法及装置 |
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 |