CN116739994A - 一种带预警功能的数字化输送带图形数据监控系统 - Google Patents

一种带预警功能的数字化输送带图形数据监控系统 Download PDF

Info

Publication number
CN116739994A
CN116739994A CN202310564415.0A CN202310564415A CN116739994A CN 116739994 A CN116739994 A CN 116739994A CN 202310564415 A CN202310564415 A CN 202310564415A CN 116739994 A CN116739994 A CN 116739994A
Authority
CN
China
Prior art keywords
data
data processing
processing host
image
infrared
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
Application number
CN202310564415.0A
Other languages
English (en)
Inventor
许文波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Xinbaolong Industrial Technology Co ltd
Original Assignee
Shandong Xinbaolong Industrial Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Xinbaolong Industrial Technology Co ltd filed Critical Shandong Xinbaolong Industrial Technology Co ltd
Priority to CN202310564415.0A priority Critical patent/CN116739994A/zh
Publication of CN116739994A publication Critical patent/CN116739994A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B65G15/00—Conveyors having endless load-conveying surfaces, i.e. belts and like continuous members, to which tractive effort is transmitted by means other than endless driving elements of similar configuration
    • B65G15/30—Belts or like endless load-carriers
    • 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
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)
    • 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
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/042—Sensors
    • B65G2203/044—Optical
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明提供一种带预警功能的数字化输送带图形数据监控系统，涉及图形数据监控技术领域，包括红外热成像模块、数据处理主机以及显示模块，红外热成像模块用于对输送带温度状态进行实时监测，并向数据处理主体上传所拍摄输送带的红外图像，数据处理主机用于完成红外图像分析处理、执行指令以及交换信息操作，数据处理主机完成对红外图像的分析后向显示模块发送区域温度数据信息，显示模块用于显示区域温度数据信息并进行预警处理，本发明通过处理主机将接收的红外图像并建立视图模型，利对参数k取绝对值运算，利用最大类间方差法计算阶跃阈值kt，通过试凑法对距离阈值lt进行选择，因为变换范围小，因此容易得到最佳距离阈值，使提取的红外图像边缘更加完整。

Description

一种带预警功能的数字化输送带图形数据监控系统
技术领域
本发明涉及图形数据监控技术领域，尤其涉及一种带预警功能的数字化输送带图形数据监控系统。
背景技术
煤炭运输安全是煤矿安全生产的重要环节之一，大多煤矿都采用长距离带式输送机运送煤炭，输送带经过长时间的输送后表面会出现升温现象，如果不及时采取措施会导致输送带无法正常运行，目前，采用数字化输送带关键是基于红外视频图像获取输送带状态，红外热成像模块是利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上，从而获得红外热像图，热图像的上面的不同颜色代表被测物体的不同温度，实现对输送带运输过程中的温度监控；
在获取红外图像时，由于背景与目标的辐射强度不相关，背景在红外图像空间上呈现的是面积较大且连续分布的状态，而目标在红外图像空间中的灰度值一般高于背景的灰度值，体现在红外图像的边缘部分即为灰度不连续的点。由于煤炭运输场地外界干扰（场外噪声）、运输机振动以及成像系统硬件噪声，容易导致红外图像呈现出边缘不清晰、细节特征不明显等特点。
目前，亚像素级边缘检测根据计算方法的不同，主要分为矩法、插值法和拟合法，亚像素技术虽然对图像边缘的定位精度较传统边缘检测方法高，但针对不同 的应用场合，需选择不同的方法，有时甚至需要多种方法相结合，在Robert算子基础上人们经过改进得到的Sobel算子、Prcwitt算子和Kirsh算子等，但是，这些算子检测到的边缘往往不是很理想，边缘较宽，还需要进行细化处理，这样又影响到边缘的定位，而在研究图像的边缘时，不可避免的会遇到噪声的干扰，影响数据判断。
因此，有必要提供一种新的带预警功能的数字化输送带图形数据监控系统解决上述技术问题。
发明内容
为解决上述技术问题，本发明提供一种带预警功能的数字化输送带图形数据监控系统。
本发明提供的带预警功能的数字化输送带图形数据监控系统包括红外热成像模块、数据处理主机以及显示模块，所述红外热成像模块用于对输送带温度状态进行实时监测，并向数据处理主体上传所拍摄输送带的红外图像，所述数据处理主机用于完成红外图像分析处理、执行指令以及交换信息操作，所述数据处理主机完成对红外图像的分析后向所述显示模块发送区域温度数据信息，所述显示模块用于显示区域温度数据信息并进行预警处理；
所述数据处理主机对红外图像分析处理包括如下步骤：
S01：所述数据处理主机将接收的红外图像并建立视图模型，采用7×7 Zernike模板并利用Soble算子检测找到并保存所有可能的边缘点，根据红外图像灰度值分割图像，使图像前景与背景的方差达到最大，并记录此时的阈值kt，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断最佳阶跃阈值；
S02：根据Zernike矩公式求出模板系数，将模板系数与第一步得到的图像边缘进行卷积计算Z00，Z11，Z20，取一边缘点计算参数k、h、l以及θ，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，如果该像素点满足k≥|k2-k1|Ç|l2-l1|≤lt，则判定为边缘点计算亚像素坐标，取下一边缘点进行计算，直至计算完所有保存的边缘点；
S03：根据保存的边缘点灰度值信息判断区域温度，并向所述显示模块发送区域温度数据信息。
进一步地，所述数据处理主机接收到红外热成像模块上传的红外图像并进行去噪，采用适用于输送带红外图像的预处理算法双边滤波。
进一步地，所述数据处理主机获取红外图像阈值包括如下步骤：
S04：所述数据处理主机将统计红外图像的灰度直方图，分为256个列向量，并统计每个列向量中像素点的个数，将每个列向量的个数除以总像素点数，完成直方图归一化；
S05：从0开始，进行迭代，确定分类阈值 i；
S06：通过归一化的直方图，假设0-i为前景像素，其数量占图像比例为ω0，平均灰度为u0，背景点数占图像比例为ω1，平均灰度为u1；
S07：通过τ²=ω0ω1（uu-）²计算当前方差，当计算完成i等于255后，停止迭代；
S08：统计最大方差τ²值所对应的i值，此时的i值即为全局阈值。
进一步地，所述数据处理主机通信连接有数据管理系统，所述数据管理系统用于完成数据存储、数据删除、数据添加及数据修改功能，所述数据管理系统接收由所述数据处理主机上传的温度数据信息，并向显示模块发送区域温度数据信息。
进一步地，所述数据处理主机根据区域内同一像素点的灰度值与阶跃灰度值相同的变化趋势，采用最大类间方差法确定最佳的阶跃阈值。
进一步地，所述显示模块获取由数据管理系统发送的温度数据信息，从所述温度数据信息中提取出区域对应的热成像图像，并显示热成像图像。
与相关技术相比较，本发明提供的带预警功能的数字化输送带图形数据监控系统具有如下有益效果：
1、本发明通过处理主机将接收的红外图像并建立视图模型，利用Soble算子检测找到并保存所有可能的边缘点进行粗定位，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断该像素点是否为边缘点，如果是则计算亚像素坐标，取下一边缘点进行计算，减少所需处理的数据，缩短了计算时间，对参数k取绝对值运算，利用最大类间方差法计算最佳阶跃阈值kt，通过试凑法对距离阈值lt进行选择，因为变换范围小，因此容易得到最佳距离阈值，使提取的红外图像边缘更加完整。
2、本发明与传统的Zernike矩对比，对 Zernike 矩的模板进行提升改进，Zernike模板分割次数越多，检测精度就越高，将原有3×3Zernike模板与5×5 Zernike模用7×7Zernike模板替换，通过采用7×7 Zernike模板将分割次数变多，像素点定位更加精准，进一步减小噪音干扰导致数据模糊的状况，提高图像边缘精度。
3、本发明中数据处理主机完成对红外图像的分析后向显示模块发送区域温度数据信息，显示模块用于显示区域温度数据信息并进行预警处理，达到预警效果。
附图说明
图1为本发明提供的带预警功能的数字化输送带图形数据监控系统的结构框图；
图2为本发明提供的数据处理主机红外图像处理流程结构框图；
图3为本发明提供的Zernike模板的模型示意图；
图4为本发明提供的Zernike矩亚像素边缘检测的模型示意图；
图5为本发明提供的Zernike矩边缘算法改进前后对比图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1、图2、图3、图4以及图5，其中，图1为本发明提供的带预警功能的数字化输送带图形数据监控系统的结构框图；图2为本发明提供的数据处理主机红外图像处理流程结构框图；图3为本发明提供的Zernike模板的模型示意图；图4为本发明提供的Zernike矩亚像素边缘检测的模型示意图；图5为本发明提供的Zernike矩边缘算法改进前后对比图。
在具体实施过程中，如图1-图5所示，一种带预警功能的数字化输送带图形数据监控系统包括红外热成像模块、数据处理主机以及显示模块，红外热成像模块用于对输送带温度状态进行实时监测，并向数据处理主体上传所拍摄输送带的红外图像，数据处理主机用于完成红外图像分析处理、执行指令以及交换信息操作，数据处理主机完成对红外图像的分析后向显示模块发送区域温度数据信息，显示模块用于显示区域温度数据信息并进行预警处理，其中将显示模块电性外接三色灯用于反应温度状况，达到预警效果；
数据处理主机对红外图像分析处理包括如下步骤：
S01：数据处理主机将接收的红外图像并建立视图模型，数据处理主机接收到红外热成像模块上传的红外图像并进行去噪，采用适用于输送带红外图像的预处理算法双边滤波，采用7×7 Zernike模板并利用Soble算子检测找到并保存所有可能的边缘点，根据红外图像灰度值分割图像，使图像前景与背景的方差达到最大，并记录此时的阈值kt，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断最佳阶跃阈值；
S02：根据Zernike矩公式求出模板系数，将模板系数与第一步得到的图像边缘进行卷积计算Z00，Z11，Z20，取一边缘点计算参数k、h、l以及θ，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，如果该像素点满足k≥|k2-k1|Ç|l2-l1|≤lt，则判定为边缘点计算亚像素坐标，取下一边缘点进行计算，直至计算完所有保存的边缘点；
S03：根据保存的边缘点灰度值信息判断区域温度，并向显示模块发送区域温度数据信息。
数据处理主机获取红外图像阈值包括如下步骤：
S04：数据处理主机将统计红外图像的灰度直方图，分为256个列向量，并统计每个列向量中像素点的个数，将每个列向量的个数除以总像素点数，完成直方图归一化；
S05：从0开始，进行迭代，确定分类阈值 i；
S06：通过归一化的直方图，假设0-i为前景像素，其数量占图像比例为ω0，平均灰度为u0，背景点数占图像比例为ω1，平均灰度为u1；
S07：通过τ²=ω0ω1（uu-）²计算当前方差，当计算完成i等于255后，停止迭代；
S08：统计最大方差τ²值所对应的i值，此时的i值即为全局阈值；
数据处理主机，数据处理主机用于完成红外图像分析处理、执行指令以及交换信息等操作；
传统Zernike矩亚像素边缘检测算法用的是3阶或5阶的模板，通过联立三个Zernike矩即Z00、Z11、Z20，推导计算出k、h、l、θ四个参数，人为确定距离阈值lt和阶跃强度阈值kt，将计算值与人为确定的阈值相比较，当满足k³ktÇ£l≤lt时，判断为边缘点，在此算法中，由于l位于单位圆内，因此lt的取值范围对比较小，选择较为容易，一般情况下取lt＝1/2，对于阶跃阈值kt的选择，由于采集的是8位灰度图像，阈值选择范围在0到255，阈值范围较大，所以选择到合适的阈值会比较困难，如果kt的取值太小，就会检测出较多的伪边缘，如果取值太大，随之而来的是图像真实边缘信息丢失；
由于传统kt选择范围太大不易确定，而本发明中采用7×7Zernike模板，将根据Zernike矩公式求出模板系数，将模板系数与第一步得到的图像边缘进行卷积计算Z00，Z11，Z20，取一边缘点计算参数k、h、l以及θ，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断该像素点是否为边缘点，使其取值范围减小；
三色灯由红、绿、蓝LED组成，三种LED对应不同的温度状态，将红外图像灰度值划分为三个温度区间分别对应三种LED灯，三个温度区间分别为：0℃-40℃，40℃-80℃，80℃-120℃，在工作人员远离监控现场时，亦可通过观察多个区域内的三色灯状态来监测输送带个区域的温度，从而达到预警效果；
数据处理主机接收到红外热成像模块上传的红外图像并进行去噪，采用适用于输送带红外图像的预处理算法双边滤波，数据处理主机根据区域内同一像素点的灰度值与阶跃灰度值相同的变化趋势，采用最大类间方差法确定最佳的阶跃阈值，数据处理主机通信连接有数据管理系统，数据管理系统用于完成数据存储、数据删除、数据添加及数据修改功能，数据管理系统接收由数据处理主机上传的温度数据信息，并向显示模块以及三色灯发送区域温度数据信息，显示模块获取由数据管理系统发送的温度数据信息，从温度数据信息中提取出区域对应的热成像图像，并显示热成像图像。
参考图4所示，其中，圆为单位圆，L代表理想边缘，l为原点到边缘的距离，h为背景灰度值，k为边缘两侧的灰度差，θ为边缘与y轴的夹角，虚线ab、cd分别对应于不同阶次的Zernike矩条件下的图像边缘，l1、l2为原点离ab、cd的距离，由于Zernike矩具有旋转不变性，将目标图像旋转θ度后，Zernike矩的模值不变，只有相角改变，对参数k取绝对值运算，利用最大类间方差法计算最佳阶跃阈值kt，通过试凑法对距离阈值lt进行选择，因为变换范围小，因此容易得到最佳距离阈值，如果该像素点满足k≥|k2-k1|Ç|l2-l1|≤lt，则判定为边缘点，并计算该点的亚像素坐标，否则转至Soble算子定位，对下一个像素点进行计算。
参考图5可知，通过对比可以发现，算法改进后检测到的边缘线条比改进前的更精准、更细，且改进后的边缘连接性更好，检测结果更接近真实边缘，更能展示细节。
使用256×256的二值图像，在第70行至170行和第82列至182列区域中为1，背景为0，加入均值为0，方差为0.001的高斯噪声，采用传统的Zernike矩算法与改进算法对图像进行亚像素边缘检测，随机选取5个点，亚像素坐标如下表所示：
由上表可知传统Zernike矩算法边缘检测的最大误差为0.503个像素，最小误差为0.233个像素，而改进之后边缘检测的最大误差为0.338个像素，最小误差为0.083个像素，与传统的Zernike矩对比，通过采用7×7 Zernike模板将分割次数变多，像素点定位更加精准，进一步减小噪音干扰，提高图像边缘精度。
本发明提供的工作原理如下：通过红外热成像模块对输送带温度状态进行实时监测，并向数据处理主体上传所拍摄输送带的红外图像，数据处理主机将接收的红外图像并建立视图模型，采用适用于输送带红外图像的预处理算法双边滤波降噪处理，采用7×7Zernike模板并利用Soble算子检测找到并保存所有可能的边缘点，根据红外图像灰度值分割图像，使图像前景与背景的方差达到最大，并记录此时的阈值，判断最佳阶跃阈值kt，根据Zernike矩公式求出模板系数，将模板系数与第一步得到的图像边缘进行卷积计算Z00，Z11，Z20，取一边缘点计算参数 k、h、l以及θ，根据边缘判据 k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断该像素点是否为边缘点，如果该像素点满足k≥|k2-k1|Ç|l2-l1|≤lt，则判定为边缘点，取下一边缘点进行计算，直至计算完所有保存的边缘点，根据保存的边缘点灰度值信息判断区域温度，并向显示模块以及三色灯发送区域温度数据信息，显示模块获取由数据管理系统发送的温度数据信息，从温度数据信息中提取出区域对应的热成像图像，并显示热成像图像，三色灯在接收到由数据处理主机发送的区域温度数据信息时，可进行温度预警显示，并将输送带划分为多个区域，在工作人员远离监控现场时，亦可通过观察多个区域内的三色灯状态来监测输送带的温度。
本发明中涉及的电路以及控制均为现有技术，在此不进行过多赘述。
上文的描述包括一个或多个实施例的举例，当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列，因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种带预警功能的数字化输送带图形数据监控系统，其特征在于，包括红外热成像模块、数据处理主机以及显示模块，所述红外热成像模块用于对输送带温度状态进行实时监测，并向数据处理主体上传所拍摄输送带的红外图像，所述数据处理主机用于完成红外图像分析处理、执行指令以及交换信息操作，所述数据处理主机完成对红外图像的分析后向所述显示模块发送区域温度数据信息，所述显示模块用于显示区域温度数据信息并进行预警处理；
所述数据处理主机对红外图像分析处理包括如下步骤：
S01：所述数据处理主机将接收的红外图像并建立视图模型，采用7×7 Zernike模板并利用Soble算子检测找到并保存所有可能的边缘点，根据红外图像灰度值分割图像，使图像前景与背景的方差达到最大，并记录此时的阈值kt，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，判断最佳阶跃阈值；
S02：根据Zernike矩公式求出模板系数，将模板系数与第一步得到的图像边缘进行卷积计算Z00，Z11，Z20，取一边缘点计算参数k、h、l以及θ，根据边缘判据用k≥|k2-k1|Ç|l2-l1|≤lt代替k≥ktÇ£l≤lt，如果该像素点满足k≥|k2-k1|Ç|l2-l1|≤lt，则判定为边缘点计算亚像素坐标，取下一边缘点进行计算，直至计算完所有保存的边缘点；
S03：根据保存的边缘点灰度值信息判断区域温度，并向所述显示模块发送区域温度数据信息。
2.根据权利要求1所述的带预警功能的数字化输送带图形数据监控系统，其特征在于，所述数据处理主机接收到红外热成像模块上传的红外图像并进行去噪，采用适用于输送带红外图像的预处理算法双边滤波。
3.根据权利要求1所述的带预警功能的数字化输送带图形数据监控系统，其特征在于，所述数据处理主机获取红外图像阈值包括如下步骤：
S04：所述数据处理主机将统计红外图像的灰度直方图，分为256个列向量，并统计每个列向量中像素点的个数，将每个列向量的个数除以总像素点数，完成直方图归一化；
S05：从0开始，进行迭代，确定分类阈值 i；
S06：通过归一化的直方图，假设0-i为前景像素，其数量占图像比例为ω0，平均灰度为u0，背景点数占图像比例为ω1，平均灰度为u1；
S07：通过τ²=ω0ω1（uu-）²计算当前方差，当计算完成i等于255后，停止迭代；
S08：统计最大方差τ²值所对应的i值，此时的i值即为全局阈值。
4.根据权利要求1所述的带预警功能的数字化输送带图形数据监控系统，其特征在于，所述数据处理主机通信连接有数据管理系统，所述数据管理系统用于完成数据存储、数据删除、数据添加及数据修改功能，所述数据管理系统接收由所述数据处理主机上传的温度数据信息，并向显示模块发送区域温度数据信息。
5.根据权利要求3所述的带预警功能的数字化输送带图形数据监控系统，其特征在于，所述数据处理主机根据区域内同一像素点的灰度值与阶跃灰度值相同的变化趋势，采用最大类间方差法确定最佳的阶跃阈值。
6.根据权利要求4所述的带预警功能的数字化输送带图形数据监控系统，其特征在于，所述显示模块获取由数据管理系统发送的温度数据信息，从所述温度数据信息中提取出区域对应的热成像图像，并显示热成像图像。
CN202310564415.0A 2023-05-18 2023-05-18 一种带预警功能的数字化输送带图形数据监控系统 Pending CN116739994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310564415.0A CN116739994A (zh) 2023-05-18 2023-05-18 一种带预警功能的数字化输送带图形数据监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310564415.0A CN116739994A (zh) 2023-05-18 2023-05-18 一种带预警功能的数字化输送带图形数据监控系统

Publications (1)

Publication Number Publication Date
CN116739994A true CN116739994A (zh) 2023-09-12

Family

ID=87912367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310564415.0A Pending CN116739994A (zh) 2023-05-18 2023-05-18 一种带预警功能的数字化输送带图形数据监控系统

Country Status (1)

Country Link
CN (1) CN116739994A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346013A (zh) * 2010-07-29 2012-02-08 同济大学 一种隧道衬砌裂缝宽度的测量方法及装置
CN104809722A (zh) * 2015-04-13 2015-07-29 国家电网公司 一种基于红外热像的电气设备故障诊断方法
CN105300528A (zh) * 2015-10-12 2016-02-03 国家电网公司 变电站设备红外图像诊断方法及系统
CN105608475A (zh) * 2016-02-15 2016-05-25 西安科技大学 带式输送机关键部件红外监测预警系统
CN105760883A (zh) * 2016-02-15 2016-07-13 西安科技大学 基于红外热像的带式输送机关键部件自动识别方法
CN110942458A (zh) * 2019-12-06 2020-03-31 汕头大学 一种温度异常缺陷检测定位方法及系统
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
CN113762283A (zh) * 2021-08-30 2021-12-07 中铁工程装备集团有限公司 传送带跑偏监测方法及装置
CN113781416A (zh) * 2021-08-30 2021-12-10 武汉理工大学 一种输送带撕裂检测方法、装置及电子设备
CN114216931A (zh) * 2021-11-05 2022-03-22 中国矿业大学 一种基于红外图像的带式输送机煤炭自燃检测方法
CN115631459A (zh) * 2022-10-17 2023-01-20 北京百度网讯科技有限公司 基于人工智能的传送带监控方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346013A (zh) * 2010-07-29 2012-02-08 同济大学 一种隧道衬砌裂缝宽度的测量方法及装置
CN104809722A (zh) * 2015-04-13 2015-07-29 国家电网公司 一种基于红外热像的电气设备故障诊断方法
CN105300528A (zh) * 2015-10-12 2016-02-03 国家电网公司 变电站设备红外图像诊断方法及系统
CN105608475A (zh) * 2016-02-15 2016-05-25 西安科技大学 带式输送机关键部件红外监测预警系统
CN105760883A (zh) * 2016-02-15 2016-07-13 西安科技大学 基于红外热像的带式输送机关键部件自动识别方法
CN110942458A (zh) * 2019-12-06 2020-03-31 汕头大学 一种温度异常缺陷检测定位方法及系统
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
CN113762283A (zh) * 2021-08-30 2021-12-07 中铁工程装备集团有限公司 传送带跑偏监测方法及装置
CN113781416A (zh) * 2021-08-30 2021-12-10 武汉理工大学 一种输送带撕裂检测方法、装置及电子设备
CN114216931A (zh) * 2021-11-05 2022-03-22 中国矿业大学 一种基于红外图像的带式输送机煤炭自燃检测方法
CN115631459A (zh) * 2022-10-17 2023-01-20 北京百度网讯科技有限公司 基于人工智能的传送带监控方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘婷婷: "基于深度学习的高反光金属工件表面缺陷检测研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 029 - 147 *
梁智滨 等: "基于改进Zernike矩和均值漂移的插针位置检测方法", 《桂林电子科技大学学报》, pages 305 - 311 *
樊易飞: "高温线自动化生产线视觉检测系统设计", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 035 - 1349 *

Similar Documents

Publication Publication Date Title
US12067728B2 (en) Heterogeneous image registration method and system
Kim et al. Automated inspection system for rolling stock brake shoes
CN107945155B (zh) 一种基于Gabor滤波器的牙膏管肩缺陷检测方法
CN110610150A (zh) 一种目标运动物体的跟踪方法、装置、计算设备和介质
CN109740613B (zh) 一种基于Feature-Shift和预测的视觉伺服控制方法
CN105678737B (zh) 一种基于Radon变换的数字图像角点检测方法
CN115115612A (zh) 一种用于机械配件的表面缺陷检测方法及系统
Tiwari et al. A survey on shadow detection and removal in images and video sequences
US20140301648A1 (en) Image processing apparatus, image processing method and program
CN111680704A (zh) 海洋红线新增人类活动斑块自动化快速提取方法和装置
CN114332622A (zh) 一种基于机器视觉的标签检测方法
CN110390682B (zh) 一种模板自适应的图像分割方法、系统和可读存储介质
CN113012181B (zh) 一种基于Hough变换的新型类圆形检测方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN113191281B (zh) 基于感兴趣区域及自适应半径的orb特征提取方法
JP2018142828A (ja) 付着物検出装置および付着物検出方法
CN113778091A (zh) 一种风电场升压站设备巡检方法
CN111816579B (zh) 用于检测被助焊剂残留物污染的芯片的方法和装置
CN112132799B (zh) 基于facanny算法的pcb标记点边缘反光图像检测方法
CN110728712B (zh) 基于机器视觉的炉口定位方法、装置、存储介质及电子终端
TW201723928A (zh) 一種熱影像區域分割方法
CN116739994A (zh) 一种带预警功能的数字化输送带图形数据监控系统
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN111336938A (zh) 一种机器人及其物体距离检测方法和装置
CN114049380B (zh) 目标物体定位追踪方法、装置、计算机设备和存储介质

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