CN116645366A - 一种立井提升机尾绳弧度异常ai视觉识别检测方法 - Google Patents
一种立井提升机尾绳弧度异常ai视觉识别检测方法 Download PDFInfo
- Publication number
- CN116645366A CN116645366A CN202310911407.9A CN202310911407A CN116645366A CN 116645366 A CN116645366 A CN 116645366A CN 202310911407 A CN202310911407 A CN 202310911407A CN 116645366 A CN116645366 A CN 116645366A
- Authority
- CN
- China
- Prior art keywords
- tail rope
- abnormal
- tail
- vertical shaft
- radian
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 101
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 230000005856 abnormality Effects 0.000 title abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 105
- 238000010586 diagram Methods 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000007547 defect Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 19
- 238000004804 winding Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 description 8
- 239000010959 steel Substances 0.000 description 8
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 6
- 238000009434 installation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G08B21/187—Machine fault alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Electric Cable Installation (AREA)
Abstract
本发明公开一种立井提升机尾绳弧度异常AI视觉识别检测方法，涉及AI视觉识别检测技术领域，包括：每隔设定时间获取至少十套立井提升机尾绳360°环绕面视频画面；采用图像清晰度评价算法对采集的十套立井提升机尾绳360°环绕面视频画面分别进行清晰度评价，选出清晰度最高的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面；采用图像拼接算法对待分析立井提升机尾绳视觉画面进行拼接，生成一张待检测尾绳展开图。本发明解决了现有尾绳检测方法漏检的风险，图像轮廓对比算法能快速地发现尾绳弧度异常，解决了单纯特征识别漏检弧度异常的技术问题，保障立井提升机的安全运行。
Description
技术领域
本发明涉及AI视觉识别检测技术领域，尤其是涉及一种立井提升机尾绳弧度异常AI视觉识别检测方法。
背景技术
立井尾绳是煤矿立井多绳摩擦轮提升系统的重要组成部分，在整个提升系统中尾绳起到了平衡的作用。
在立井提升系统中尾绳是极其容易受到各种因素干扰而影响提升机安全运行的，尾绳弧度异常是最常见的尾绳故障，它会给提升机运行带来安全隐患。
立井提升系统的尾绳的日常检测主要依靠目视、手摸、卡尺量，人工目测方法可靠性差，效率低下，花费大量人力，无法做到高效检测，随着煤炭开采进入智能时代，如何通过现代化技术手段防范和排除尾绳异常带来的不安全因素，对于尾绳安全运行尤为重要。
目前，市面上开发出了矿井提升首尾绳AI图像智能检测系统，系统主要由移动巡检装置、精密导轨、运动控制器及驱动器图像处理工作站，交换机、工程师操作站、高速智能摄像仪、补光灯等组成。可实时全速(16m/s)检测尾绳运行，检测到尾绳摆动异常、尾绳脱落、尾绳散股、尾绳缠绕等异常，可给予警示并触发视频、位置紧急锁存功能，数据存储及检测报告，但是该系统存在的缺陷是采用巡检的方式来对尾绳进行智能视觉检测，巡检实现的方式是电动滑轨设置在一排尾绳的外侧，这就导致只能拍摄尾绳的外侧画面，因此视觉检测的结果就仅限于尾绳外侧的表象，对于尾绳内侧的缺陷得不到检测，当尾绳内侧单边出现散股等异常时，该系统并不会执行报警停机操作，这种情况下如果立井提升机继续运行就有较大的安全风险。
发明内容
为了解决现有技术中的技术问题，本发明提供一种立井提升机尾绳弧度异常AI视觉识别检测方法。采用如下的技术方案：
一种立井提升机尾绳弧度异常AI视觉识别检测方法，包括以下步骤：
步骤1，每隔设定时间获取至少十套立井提升机尾绳360°环绕面视频画面；
步骤2，采用图像清晰度评价算法对采集的十套立井提升机尾绳360°环绕面视频画面分别进行清晰度评价，选出清晰度最高的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面；
步骤3，采用图像拼接算法对待分析立井提升机尾绳视觉画面进行拼接，生成一张待检测尾绳展开图；
步骤4，采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，并设置弧度异常阈值，若轮廓对比结果超过弧度异常阈值则输出尾绳弧度异常结果；
步骤5，图像特征识别算法基于标准尾绳展开图对待检测尾绳展开图进行异常特征识别，若存在异常特征识别成功，则输出尾绳缺陷警告结果；
步骤6，若存在输出尾绳弧度异常结果和或输出尾绳缺陷警告结果，则进行报警，并在设定报警时间后对立井提升机进行紧急停机待检修。
通过采用上述技术方案，为了提升检测质量，采用间隔时间检测的方式进行，因此提升机的钢丝绳为多股大直径的钢丝绳，其出现异常到断裂通常不会是突发事件，因此采用间隔时间检测的方式并不会因为突发异常导致生产事故；
具体尾绳视觉检测中，待检测的图采用360°的环绕拍摄，获取监测尾绳部位的360°画面，通常四个面的画面即可，解决了现有尾绳视觉检测不能及时发现尾绳其他三个面异常的缺陷；
在对比前，需要事先采集标准尾绳展开图，标准尾绳展开图应当是与待检测尾绳相通光照、视角和视距下拍摄的合格尾绳画面，进行与步骤3一致的图像拼接算法得到的图。
具体进行视觉分析时，采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，原理上标准尾绳展开图的轮廓应当是标准的矩形，而待检测尾绳展开图由于工况原因，多少会出现角度的变化，因此进行轮廓对比后，可以得到轮廓对比结果，若轮廓对比结果大于设定弧度异常阈值，则说明待检测尾绳的弧度过大，有安全风险，因此需要报警处置；
对于其他异常特征，例如锈斑、尾绳缠绕、尾绳散股等，可以通过图像特征识别算法来进行识别，事先录入一些异常特征数据，先对标准尾绳展开图对待检测尾绳展开图进行对比，框选出对比不一致的区域，再对这些区域进行异常特征对比，若出现对比成功的异常特征，则可以认为尾绳存在异常，应当进行报警处置。
上述AI视觉识别检测方法能够及时地对尾绳弧度异常进行识别，还可以对尾绳四个面锈斑、尾绳缠绕、尾绳散股等异常特征进行识别，避免了常规视觉巡检存在的漏检情况，大幅增强了立井提升机的运行安全性。
可选的，步骤1中，每隔一分钟，拍摄十套立井提升机尾绳360°环绕面视频画面，拍摄视频画面采用环绕拍摄装置，所述环绕拍摄装置包括支撑架、与尾绳股数相通的多个套管、多组高速相机和视觉识别系统，所述支撑架的两端固定在井下侧壁，设置多个环绕拍摄位，多个套管分别固定安装在环绕拍摄位，套管内侧设置多个相机安装位，高速相机安装在相机安装位，用于拍摄立井提升机尾绳的360°多角度视觉画面，所述视觉识别系统用于对拍摄的视觉画面进行分析处理，并输出结果。
通过采用上述技术方案，具体的检测间隔采用1分钟，这样能大幅减轻环绕拍摄装置的运行负荷，降低环绕拍摄装置的故障率，具体的环绕拍摄装置采用支撑架作为支撑件，安装时可以通过预设的膨胀螺栓固定在井下侧壁，设置多个环绕拍摄位，套管及高速相机都安装在环绕拍摄位，具体的套管内壁与正常状态下的尾绳外壁间距设置要大于100mm，避免影响尾绳的正常工作，具体高速相机可以设置四个，分别拍摄尾绳的四个面，拍摄得到的画面传输给视觉识别系统进行AI视觉识别检测。
可选的，环绕拍摄装置还包括一对环形灯带，一对环形灯带分别设置在套管内壁的上下部，并位于高速相机的上下两侧，用于为多组高速相机的拍摄提供均匀光照。
通过采用上述技术方案，设置一对环形灯带可以在套管内部空间布置一个较为均匀，且照度合适的拍摄条件，能大幅提升AI视觉识别检测的准确度。
可选的，步骤2中，图像清晰度评价算法的具体方法是：
视觉识别系统分别将十套立井提升机尾绳360°环绕面视频画面进行基于灰度差异的清晰度评价，通过图像灰度数据来评价图像的清晰度，图像灰度数据的方差越大，清晰度越高，得到图像灰度数据的方差值最大的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面。
通过采用上述技术方案， 图像清晰度评价算法具体采用图像灰度数据的方差值来进行，方差是概率轮中用来考察一组离散数据和其期望之间的离散程度的度量方法。方差越大，表示这一组数据之间的偏差较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。
对焦清洗的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好，通过灰度差异能快速地选出清晰度最好的一套立井提升机尾绳360°环绕面视频画面，采用该套画面进行视觉分析，能大幅提高AI视觉识别检测的准确度，避免误检测。
可选的，步骤3中，图像拼接算法的具体方法是：对待分析立井提升机尾绳视觉画面的四个面图分别记为P1、P2、P3和P4，分别对P1、P2、P3和P4进行抠图操作，得到只包含尾绳部分的图片，分别记为Pt1、Pt2、Pt3和Pt4，基于Pt1、Pt2、Pt3和Pt4的轮廓生成能完全覆盖的白底矩形框，分别将Pt1、Pt2、Pt3和Pt4完全放置在白底矩形框中，记为Ptw1、Ptw2、Ptw3和Ptw4，依次将Ptw1、Ptw2、Ptw3和Ptw4进行拼接得到一张待检测尾绳展开图，记为Pf1。
通过采用上述技术方案，图像拼接算法区别于传统的拼接算法，常规的拼接算法的目的是获得全景视觉效果图，会对待拼接的图像进行相似处理，同时对拼接部位进行融合处理，为了达到更好的观感，而本方案中的图像拼接算法的目的是后续的轮廓检测和特征检测，因此仅仅采用抠图操作，因为实际拍摄的待检测尾绳图像不可能向标准图像那么笔直，抠图后存在一定程度的歪斜，设置白底矩形框，再将抠图的尾绳部分进行放置操作，再将依次将Ptw1、Ptw2、Ptw3和Ptw4进行拼接得到一张待检测尾绳展开图，这张待检测尾绳展开图最大限度地保持了原图特征，保证了后续的轮廓对比和特征对比的准确性。
可选的，步骤4中，图像轮廓对比算法的具体方法是：
设标准尾绳展开图为Pf，Pf的总面积为S0，Pf进行轮廓处理后空白位置的面积为S，待检测尾绳展开图Pf1进行轮廓处理后空白位置的面积为S1，
S1和S的差值越大，代表尾绳弧度越异常，设弧度异常值为E，弧度异常阈值为Emax，则：
，若/>大于Emax，则输出尾绳弧度异常结果。
通过采用上述技术方案，理论上，标准尾绳展开图Pf进行轮廓处理后的空白位置面积S接近0，不存在弧度，而实际拍摄的待检测尾绳展开图Pf1进行轮廓处理后由于存在不同程度的尾绳弧度，轮廓处理后的Pf1会存在漏出白底的情况，漏出的越多代表着尾绳弧度越大，设定弧度异常阈值Emax，具体的Emax的经验数据是0.1S0，S0是四股尾绳的面积总和，轮廓处理后的Pf1空白面积与S0的比值能反映尾绳弧度值，能实现快速的分析得到尾绳弧度值，能发现特征识别不能发现的弧度异常，避免特征识别对尾绳弧度异常的漏判断。
可选的，步骤5中，异常特征识别基于异常特征数据库进行，所述异常特征数据库包括异常颜色特征、缺陷特征、斑点特征、散股特征和缠绕特征，视觉识别系统对待检测尾绳展开图Pf1遍历异常特征数据库，若存在任意异常特征比对成功，则输出尾绳缺陷警告结果。
通过采用上述技术方案，异常特征识别基于异常特征数据库进行分析，主要从异常颜色特征、缺陷特征、斑点特征、散股特征和缠绕特征进行特征识别，当尾绳存在一定面积的锈蚀或者结构变化时，一般都会存在表面颜色的变化，因此异常颜色特征的对比能够识别锈蚀、结构明暗变化等异常，缺陷特征的对比可以识别尾绳部位缺失等异常，斑点特征对比能识别锈迹斑点异常，散股特征和缠绕特征是钢丝绳比较独有的异常特征，在实际采集中采集多种散股和缠绕画面数据，便于提高识别准确率。
可选的，步骤6中，采用应急报警控制器进行异常结果处置，所述应急报警控制器包括基于芯片的控制电路板、报警器和电动断路器，所述控制电路板与视觉识别系统通信连接，所述电动断路器接入立井提升机的控制箱，用于控制立井提升机电机的启停，所述控制电路板分别控制报警器和电动断路器的执行动作。
可选的，应急报警控制器还包括警报解除开关，所述警报解除开关与控制电路板通信连接。
可选的，步骤6的具体方法是，若控制电路板的芯片判断视觉识别系统存在输出尾绳弧度异常结果和或输出尾绳缺陷警告结果，则控制报警器进行报警，若持续报警5分钟后，未检测到警报解除开关的开关信号，则控制电动断路器动作，将立井提升机电机断电停机。
通过采用上述技术方案，电动断路器的设置可以实现自动将立井提升机的电机进行断电，当视觉识别系统输出异常结果时，控制电路板的芯片立即控制报警器，当报警一段时间后，若没有工作人员按下警报解除开关，立井提升机继续运行就有生产安全风险，需要通过控制电动断路器实现对立井提升机电机的断电停机操作，提升了立井提升机电机运行的安全性，实际运行时还可以设计通信线路连接煤矿中心控制平台，同步在煤矿中心控制平台进行报警。
综上所述，本发明包括以下至少一种有益技术效果：
本发明能提供一种立井提升机尾绳弧度异常AI视觉识别检测方法，采用图像轮廓对比算法和图像特征识别算法对立井提升机尾绳的异常进行视觉检测，视觉检测基于360°画面进行，解决了现有尾绳检测方法漏检的风险，图像轮廓对比算法能快速地发现尾绳弧度异常，解决了单纯特征识别漏检弧度异常的技术问题，保障立井提升机的安全运行。
附图说明
图1是本发明的流程示意图；
图2是本发明采用的环绕拍摄装置安装结构示意图；
图3是图2的A-A截面结构示意图；
图4是本发明采用的电器件连接原理示意图。
附图标记说明：1、支撑架；2、套管；3、高速相机；4、视觉识别系统；5、环形灯带；6、控制电路板；7、报警器；8、电动断路器；9、警报解除开关。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开一种立井提升机尾绳弧度异常AI视觉识别检测方法。
参照图1－图4，一种立井提升机尾绳弧度异常AI视觉识别检测方法，包括以下步骤：
步骤1，每隔设定时间获取至少十套立井提升机尾绳360°环绕面视频画面；
步骤2，采用图像清晰度评价算法对采集的十套立井提升机尾绳360°环绕面视频画面分别进行清晰度评价，选出清晰度最高的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面；
步骤3，采用图像拼接算法对待分析立井提升机尾绳视觉画面进行拼接，生成一张待检测尾绳展开图；
步骤4，采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，并设置弧度异常阈值，若轮廓对比结果超过弧度异常阈值则输出尾绳弧度异常结果；
步骤5，图像特征识别算法基于标准尾绳展开图对待检测尾绳展开图进行异常特征识别，若存在异常特征识别成功，则输出尾绳缺陷警告结果；
步骤6，若存在输出尾绳弧度异常结果和或输出尾绳缺陷警告结果，则进行报警，并在设定报警时间后对立井提升机进行紧急停机待检修。
为了提升检测质量，采用间隔时间检测的方式进行，因此提升机的钢丝绳为多股大直径的钢丝绳，其出现异常到断裂通常不会是突发事件，因此采用间隔时间检测的方式并不会因为突发异常导致生产事故；
具体尾绳视觉检测中，待检测的图采用360°的环绕拍摄，获取监测尾绳部位的360°画面，通常四个面的画面即可，解决了现有尾绳视觉检测不能及时发现尾绳其他三个面异常的缺陷；
在对比前，需要事先采集标准尾绳展开图，标准尾绳展开图应当是与待检测尾绳相通光照、视角和视距下拍摄的合格尾绳画面，进行与步骤3一致的图像拼接算法得到的图。
具体进行视觉分析时，采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，原理上标准尾绳展开图的轮廓应当是标准的矩形，而待检测尾绳展开图由于工况原因，多少会出现角度的变化，因此进行轮廓对比后，可以得到轮廓对比结果，若轮廓对比结果大于设定弧度异常阈值，则说明待检测尾绳的弧度过大，有安全风险，因此需要报警处置；
对于其他异常特征，例如锈斑、尾绳缠绕、尾绳散股等，可以通过图像特征识别算法来进行识别，事先录入一些异常特征数据，先对标准尾绳展开图对待检测尾绳展开图进行对比，框选出对比不一致的区域，再对这些区域进行异常特征对比，若出现对比成功的异常特征，则可以认为尾绳存在异常，应当进行报警处置。
上述AI视觉识别检测方法能够及时地对尾绳弧度异常进行识别，还可以对尾绳四个面锈斑、尾绳缠绕、尾绳散股等异常特征进行识别，避免了常规视觉巡检存在的漏检情况，大幅增强了立井提升机的运行安全性。
步骤1中，每隔一分钟，拍摄十套立井提升机尾绳360°环绕面视频画面，拍摄视频画面采用环绕拍摄装置，环绕拍摄装置包括支撑架1、与尾绳股数相通的多个套管2、多组高速相机3和视觉识别系统4，支撑架1的两端固定在井下侧壁，设置多个环绕拍摄位，多个套管2分别固定安装在环绕拍摄位，套管2内侧设置多个相机安装位，高速相机3安装在相机安装位，用于拍摄立井提升机尾绳的360°多角度视觉画面，视觉识别系统4用于对拍摄的视觉画面进行分析处理，并输出结果。
具体的检测间隔采用1分钟，这样能大幅减轻环绕拍摄装置的运行负荷，降低环绕拍摄装置的故障率，具体的环绕拍摄装置采用支撑架1作为支撑件，安装时可以通过预设的膨胀螺栓固定在井下侧壁，设置多个环绕拍摄位，套管2及高速相机3都安装在环绕拍摄位，具体的套管2内壁与正常状态下的尾绳外壁间距设置要大于100mm，避免影响尾绳的正常工作，具体高速相机3可以设置四个，分别拍摄尾绳的四个面，拍摄得到的画面传输给视觉识别系统4进行AI视觉识别检测。
环绕拍摄装置还包括一对环形灯带5，一对环形灯带5分别设置在套管2内壁的上下部，并位于高速相机3的上下两侧，用于为多组高速相机3的拍摄提供均匀光照。
设置一对环形灯带5可以在套管2内部空间布置一个较为均匀，且照度合适的拍摄条件，能大幅提升AI视觉识别检测的准确度。
步骤2中，图像清晰度评价算法的具体方法是：
视觉识别系统4分别将十套立井提升机尾绳360°环绕面视频画面进行基于灰度差异的清晰度评价，通过图像灰度数据来评价图像的清晰度，图像灰度数据的方差越大，清晰度越高，得到图像灰度数据的方差值最大的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面。
图像清晰度评价算法具体采用图像灰度数据的方差值来进行，方差是概率轮中用来考察一组离散数据和其期望之间的离散程度的度量方法。方差越大，表示这一组数据之间的偏差较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。
对焦清洗的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好，通过灰度差异能快速地选出清晰度最好的一套立井提升机尾绳360°环绕面视频画面，采用该套画面进行视觉分析，能大幅提高AI视觉识别检测的准确度，避免误检测。
步骤3中，图像拼接算法的具体方法是：对待分析立井提升机尾绳视觉画面的四个面图分别记为P1、P2、P3和P4，分别对P1、P2、P3和P4进行抠图操作，得到只包含尾绳部分的图片，分别记为Pt1、Pt2、Pt3和Pt4，基于Pt1、Pt2、Pt3和Pt4的轮廓生成能完全覆盖的白底矩形框，分别将Pt1、Pt2、Pt3和Pt4完全放置在白底矩形框中，记为Ptw1、Ptw2、Ptw3和Ptw4，依次将Ptw1、Ptw2、Ptw3和Ptw4进行拼接得到一张待检测尾绳展开图，记为Pf1。
图像拼接算法区别于传统的拼接算法，常规的拼接算法的目的是获得全景视觉效果图，会对待拼接的图像进行相似处理，同时对拼接部位进行融合处理，为了达到更好的观感，而本方案中的图像拼接算法的目的是后续的轮廓检测和特征检测，因此仅仅采用抠图操作，因为实际拍摄的待检测尾绳图像不可能像标准图像那么笔直，抠图后存在一定程度的歪斜，设置白底矩形框，再将抠图的尾绳部分进行放置操作，再将依次将Ptw1、Ptw2、Ptw3和Ptw4进行拼接得到一张待检测尾绳展开图，这张待检测尾绳展开图最大限度地保持了原图特征，保证了后续的轮廓对比和特征对比的准确性。
步骤4中，图像轮廓对比算法的具体方法是：
设标准尾绳展开图为Pf，Pf的总面积为S0，Pf进行轮廓处理后空白位置的面积为S，待检测尾绳展开图Pf1进行轮廓处理后空白位置的面积为S1，
S1和S的差值越大，代表尾绳弧度越异常，设弧度异常值为E，弧度异常阈值为Emax，则：
，若/>大于Emax，则输出尾绳弧度异常结果。
理论上，标准尾绳展开图Pf进行轮廓处理后的空白位置面积S接近0，不存在弧度，而实际拍摄的待检测尾绳展开图Pf1进行轮廓处理后由于存在不同程度的尾绳弧度，轮廓处理后的Pf1会存在漏出白底的情况，漏出的越多代表着尾绳弧度越大，设定弧度异常阈值Emax，具体的Emax的经验数据是0.1S0，S0是四股尾绳的面积总和，轮廓处理后的Pf1空白面积与S0的比值能反映尾绳弧度值，能实现快速的分析得到尾绳弧度值，能发现特征识别不能发现的弧度异常，避免特征识别对尾绳弧度异常的漏判断。
步骤5中，异常特征识别基于异常特征数据库进行，异常特征数据库包括异常颜色特征、缺陷特征、斑点特征、散股特征和缠绕特征，视觉识别系统4对待检测尾绳展开图Pf1遍历异常特征数据库，若存在任意异常特征比对成功，则输出尾绳缺陷警告结果。
异常特征识别基于异常特征数据库进行分析，主要从异常颜色特征、缺陷特征、斑点特征、散股特征和缠绕特征进行特征识别，当尾绳存在一定面积的锈蚀或者结构变化时，一般都会存在表面颜色的变化，因此异常颜色特征的对比能够识别锈蚀、结构明暗变化等异常，缺陷特征的对比可以识别尾绳部位缺失等异常，斑点特征对比能识别锈迹斑点异常，散股特征和缠绕特征是钢丝绳比较独有的异常特征，在实际采集中采集多种散股和缠绕画面数据，便于提高识别准确率。
步骤6中，采用应急报警控制器进行异常结果处置，应急报警控制器包括基于芯片的控制电路板6、报警器7和电动断路器8，控制电路板6与视觉识别系统4通信连接，电动断路器8接入立井提升机的控制箱，用于控制立井提升机电机的启停，控制电路板6分别控制报警器7和电动断路器8的执行动作。
应急报警控制器还包括警报解除开关9，警报解除开关9与控制电路板6通信连接。
步骤6的具体方法是，若控制电路板6的芯片判断视觉识别系统4存在输出尾绳弧度异常结果和或输出尾绳缺陷警告结果，则控制报警器7进行报警，若持续报警5分钟后，未检测到警报解除开关9的开关信号，则控制电动断路器8动作，将立井提升机电机断电停机。
电动断路器8的设置可以实现自动将立井提升机的电机进行断电，当视觉识别系统4输出异常结果时，控制电路板6的芯片立即控制报警器7，当报警一段时间后，若没有工作人员按下警报解除开关9，立井提升机继续运行就有生产安全风险，需要通过控制电动断路器8实现对立井提升机电机的断电停机操作，提升了立井提升机电机运行的安全性，实际运行时还可以设计通信线路连接煤矿中心控制平台，同步在煤矿中心控制平台进行报警。
本发明实施例一种立井提升机尾绳弧度异常AI视觉识别检测方法的实施原理为：
在一个具体的立井提升机钢丝绳AI视觉识别检测场景下，需要对四股钢丝绳的尾绳部位进行视觉检测，每隔一分钟，拍摄十套立井提升机尾绳360°环绕面视频画面；
视觉识别系统4采用图像清晰度评价算法对采集的十套立井提升机尾绳360°环绕面视频画面分别进行清晰度评价，选出清晰度最高的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面；
视觉识别系统4采用图像拼接算法对待分析立井提升机尾绳视觉画面进行拼接，生成一张待检测尾绳展开图；
视觉识别系统4采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，并设置弧度异常阈值，某时刻出现轮廓对比结果超过弧度异常阈值，视觉识别系统4输出尾绳弧度异常结果；
控制电路板6控制报警器7进行报警，持续报警3分钟后控制电路板6，检测到警报解除开关9的开关信号，控制电路板6控制报警器7停止报警，工作人员现场进行视检，发现尾绳出现弧度异常，原因可能是立井提升机的传动机构发生异常偏转，因此对讲机报告控制中心，并对立井提升机进行紧急停机检修，避免了安全事故的发生。
以上均为本发明的较佳实施例，并非以此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (10)
1.一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：包括以下步骤：
步骤1，每隔设定时间获取至少十套立井提升机尾绳360°环绕面视频画面；
步骤2，采用图像清晰度评价算法对采集的十套立井提升机尾绳360°环绕面视频画面分别进行清晰度评价，选出清晰度最高的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面；
步骤3，采用图像拼接算法对待分析立井提升机尾绳视觉画面进行拼接，生成一张待检测尾绳展开图；
步骤4，采用图像轮廓对比算法对待检测尾绳展开图和标准尾绳展开图进行轮廓对比，并设置弧度异常阈值，若轮廓对比结果超过弧度异常阈值则输出尾绳弧度异常结果；
步骤5，图像特征识别算法基于标准尾绳展开图对待检测尾绳展开图进行异常特征识别，若存在异常特征识别成功，则输出尾绳缺陷警告结果；
步骤6，若存在输出尾绳弧度异常结果和/或输出尾绳缺陷警告结果，则进行报警，并在设定报警时间后对立井提升机进行紧急停机待检修。
2.根据权利要求1所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤1中，每隔一分钟，拍摄十套立井提升机尾绳360°环绕面视频画面，拍摄视频画面采用环绕拍摄装置，所述环绕拍摄装置包括支撑架（1）、与尾绳股数相通的多个套管（2）、多组高速相机（3）和视觉识别系统（4），所述支撑架（1）的两端固定在井下侧壁，设置多个环绕拍摄位，多个套管（2）分别固定安装在环绕拍摄位，套管（2）内侧设置多个相机安装位，高速相机（3）安装在相机安装位，用于拍摄立井提升机尾绳的360°多角度视觉画面，所述视觉识别系统（4）用于对拍摄的视觉画面进行分析处理，并输出结果。
3.根据权利要求2所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：环绕拍摄装置还包括一对环形灯带（5），一对环形灯带（5）分别设置在套管（2）内壁的上下部，并位于高速相机（3）的上下两侧，用于为多组高速相机（3）的拍摄提供均匀光照。
4.根据权利要求2所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤2中，图像清晰度评价算法的具体方法是：
视觉识别系统（4）分别将十套立井提升机尾绳360°环绕面视频画面进行基于灰度差异的清晰度评价，通过图像灰度数据来评价图像的清晰度，图像灰度数据的方差越大，清晰度越高，得到图像灰度数据的方差值最大的一套立井提升机尾绳360°环绕面视频画面作为待分析立井提升机尾绳视觉画面。
5.根据权利要求4所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤3中，图像拼接算法的具体方法是：对待分析立井提升机尾绳视觉画面的四个面图分别记为P1、P2、P3和P4，分别对P1、P2、P3和P4进行抠图操作，得到只包含尾绳部分的图片，分别记为Pt1、Pt2、Pt3和Pt4，基于Pt1、Pt2、Pt3和Pt4的轮廓生成能完全覆盖的白底矩形框，分别将Pt1、Pt2、Pt3和Pt4完全放置在白底矩形框中，记为Ptw1、Ptw2、Ptw3和Ptw4，依次将Ptw1、Ptw2、Ptw3和Ptw4进行拼接得到一张待检测尾绳展开图，记为Pf1。
6.根据权利要求5所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤4中，图像轮廓对比算法的具体方法是：
设标准尾绳展开图为Pf，Pf的总面积为S0，Pf进行轮廓处理后空白位置的面积为S，待检测尾绳展开图Pf1进行轮廓处理后空白位置的面积为S1，S1和S的差值越大，代表尾绳弧度越异常，设弧度异常值为E，弧度异常阈值为Emax，则：
，若/>大于Emax，则输出尾绳弧度异常结果。
7.根据权利要求6所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤5中，异常特征识别基于异常特征数据库进行，所述异常特征数据库包括异常颜色特征、缺陷特征、斑点特征、散股特征和缠绕特征，视觉识别系统（4）对待检测尾绳展开图Pf1遍历异常特征数据库，若存在任意异常特征比对成功，则输出尾绳缺陷警告结果。
8.根据权利要求7所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤6中，采用应急报警控制器进行异常结果处置，所述应急报警控制器包括基于芯片的控制电路板（6）、报警器（7）和电动断路器（8），所述控制电路板（6）与视觉识别系统（4）通信连接，所述电动断路器（8）接入立井提升机的控制箱，用于控制立井提升机电机的启停，所述控制电路板（6）分别控制报警器（7）和电动断路器（8）的执行动作。
9.根据权利要求8所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：应急报警控制器还包括警报解除开关（9），所述警报解除开关（9）与控制电路板（6）通信连接。
10.根据权利要求9所述的一种立井提升机尾绳弧度异常AI视觉识别检测方法，其特征在于：步骤6的具体方法是，若控制电路板（6）的芯片判断视觉识别系统（4）存在输出尾绳弧度异常结果和/或输出尾绳缺陷警告结果，则控制报警器（7）进行报警，若持续报警5分钟后，未检测到警报解除开关（9）的开关信号，则控制电动断路器（8）动作，将立井提升机电机断电停机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310911407.9A CN116645366B (zh) | 2023-07-25 | 2023-07-25 | 一种立井提升机尾绳弧度异常ai视觉识别检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310911407.9A CN116645366B (zh) | 2023-07-25 | 2023-07-25 | 一种立井提升机尾绳弧度异常ai视觉识别检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116645366A true CN116645366A (zh) | 2023-08-25 |
| CN116645366B CN116645366B (zh) | 2023-10-03 |
Family
ID=87623371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310911407.9A Active CN116645366B (zh) | 2023-07-25 | 2023-07-25 | 一种立井提升机尾绳弧度异常ai视觉识别检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116645366B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116843757A (zh) * | 2023-08-29 | 2023-10-03 | 山东千颐科技有限公司 | 基于计算机视觉的贴标机智能定位方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012051712A (ja) * | 2010-09-02 | 2012-03-15 | Toshiba Elevator Co Ltd | テールコード装置およびエレベータ |
| WO2017024667A1 (zh) * | 2015-08-11 | 2017-02-16 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹验证方法和装置 |
| CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信（北京）智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
| CN212475684U (zh) * | 2020-05-22 | 2021-02-05 | 山东千颐科技有限公司 | 一种矿井提升机尾绳监测防护系统 |
| CN213326214U (zh) * | 2020-10-14 | 2021-06-01 | 郑州汇鑫源矿山机械设备有限公司 | 一种矿山提升机尾绳保护装置 |
| WO2022065621A1 (ko) * | 2020-09-28 | 2022-03-31 | (주)미래융합정보기술 | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 |
| CN217996426U (zh) * | 2022-09-16 | 2022-12-09 | 兖矿能源集团股份有限公司 | 首尾绳监测用可调支架及首尾绳智能监测系统 |
| CN218239798U (zh) * | 2022-09-16 | 2023-01-06 | 兖矿能源集团股份有限公司 | 带有首尾绳视觉检测的提升机 |
-
2023
- 2023-07-25 CN CN202310911407.9A patent/CN116645366B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012051712A (ja) * | 2010-09-02 | 2012-03-15 | Toshiba Elevator Co Ltd | テールコード装置およびエレベータ |
| WO2017024667A1 (zh) * | 2015-08-11 | 2017-02-16 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹验证方法和装置 |
| CN212475684U (zh) * | 2020-05-22 | 2021-02-05 | 山东千颐科技有限公司 | 一种矿井提升机尾绳监测防护系统 |
| CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信（北京）智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
| WO2022065621A1 (ko) * | 2020-09-28 | 2022-03-31 | (주)미래융합정보기술 | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 |
| CN213326214U (zh) * | 2020-10-14 | 2021-06-01 | 郑州汇鑫源矿山机械设备有限公司 | 一种矿山提升机尾绳保护装置 |
| CN217996426U (zh) * | 2022-09-16 | 2022-12-09 | 兖矿能源集团股份有限公司 | 首尾绳监测用可调支架及首尾绳智能监测系统 |
| CN218239798U (zh) * | 2022-09-16 | 2023-01-06 | 兖矿能源集团股份有限公司 | 带有首尾绳视觉检测的提升机 |
Non-Patent Citations (3)
| Title |
|---|
| PING ZHOU, ET AL: "Health monitoring for balancing tail ropes of a Hoisting sysytem using a convolutional neural network", 《APPLIED SCIENCES》 * |
| 张延信 等: "多绳摩擦式提升机尾绳隔离装置技术改造", 《矿业装备》, vol. 2016, no. 08, pages 59 * |
| 赵建军: "基于AI视频分析的矿井提升机钢丝绳状态监测与识别保护系统", 《自动化应用》, vol. 2022, no. 01, pages 123 - 127 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116843757A (zh) * | 2023-08-29 | 2023-10-03 | 山东千颐科技有限公司 | 基于计算机视觉的贴标机智能定位方法 |
| CN116843757B (zh) * | 2023-08-29 | 2023-12-01 | 山东千颐科技有限公司 | 基于计算机视觉的贴标机智能定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116645366B (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116645366B (zh) | 一种立井提升机尾绳弧度异常ai视觉识别检测方法 | |
| CA2737897C (en) | System and method for testing ropes | |
| CN109823941B (zh) | 一种应用于主动安全电梯上的钢丝绳监测装置 | |
| CN105890530A (zh) | 一种钢丝绳表面损伤识别及直径测量异步检测系统 | |
| 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 | |
| CN111506011A (zh) | 一种施工安全监测方法和装置 | |
| CN103935858A (zh) | 一种曳引机制动器自动检测装置 | |
| CN104063716A (zh) | 一种钢丝绳断股、断丝检测方法 | |
| CN112183369A (zh) | 一种用于变电站无人巡检的指针仪表读数识别方法 | |
| CN114538285A (zh) | 起重机远程操作控制系统 | |
| CN112669315B (zh) | 一种卷扬机钢丝绳断丝检测方法及装置 | |
| CN102602759A (zh) | 一种电梯曳引绳安全隐患自动检测方法及装置 | |
| CN108016959B (zh) | 用于自动检测井道中状态的自动检测设备及方法 | |
| CN115849193A (zh) | 一种吊车绳索的安全状态检测方法、装置、器件及系统 | |
| CN107328852B (zh) | 一种车载式钢丝绳作业设备的钢丝检测方法 | |
| KR101167081B1 (ko) | 송전선로의 전선 손상 확인장치 | |
| KR20040092568A (ko) | 차량 제조공장의 생산라인용 자기완결형 품질 관리 시스템 | |
| CN111562125A (zh) | 一种基于视觉和振动的起重机检测系统及方法 | |
| CN112661012A (zh) | 一种起重机钢丝绳自动检测装置及方法 | |
| CN210457134U (zh) | 一种矿井提升机自动化监控系统 | |
| CN219730211U (zh) | 一种煤矿提升机检测设备 | |
| CN211293295U (zh) | 一种塔筒用可移动式监控装置 | |
| CN218272010U (zh) | 基于深度相机和红外相机的煤矿提升机缆绳故障检测系统 | |
| JP2024120318A (ja) | ワイヤロープ検査装置 | |
| CN219340738U (zh) | 煤矿输送带表面监测系统 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231120 Address after: 273500 No.499 Hengfeng Road, Zoucheng City, Jining City, Shandong Province Patentee after: SHANDONG QIANYI TECHNOLOGY Co.,Ltd. Patentee after: Yankuang Energy Group Co.,Ltd. Address before: 273500 No.499 Hengfeng Road, Zoucheng City, Jining City, Shandong Province Patentee before: SHANDONG QIANYI TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |