CN117495857B - 皮带撕边的检测方法、系统、设备和介质 - Google Patents

Abstract

本发明涉及提供一种皮带撕边的检测方法、系统、设备和介质。方法包括：获取带有背景区域的皮带图像；将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。解决了现有技术中无法准确检测皮带是否发生撕边的问题。

Description

皮带撕边的检测方法、系统、设备和介质

技术领域

本发明涉及图像检测领域，特别涉及一种皮带撕边的检测方法、系统、设备和介质。

背景技术

皮带运输机是工业领域内的重要运输工具，在运输过程中，物料或设备与运输皮带的摩擦，可能会导致皮带边缘撕裂，从而引发皮带破损，影响生产安全和生产效率。

现有的皮带边缘撕裂检测技术主要有两类：一类是基于传感器的检测方法，通过传感器分析托辊受力、冲击力分析或压力分析等参数识别皮带撕边；另一类是基于视觉的方法，利用激光线辅助或图像处理技术分析皮带边缘变化。但第一类方法对额外的传感器设备的依赖度较高，且生产人员无法直观的观测到皮带撕裂区域，需要停工排查。第二类方法虽然能够直观的展示皮带边缘撕裂区域，但对于皮带划痕、皮带跑偏等干扰场景的鲁棒性较低。因此，需要提供一种皮带撕边的检测方法、系统、设备和介质。

发明内容

本发明提供一种皮带撕边的检测方法，以解决现有技术中无法准确检测皮带是否发生撕边的问题。

本发明提供的一种皮带撕边的检测方法，包括：获取带有背景区域的皮带图像；将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。

在本发明的另一方面，还提供了一种皮带撕边的检测系统，所述系统包括：图像获取模块，用于获取带有背景区域的皮带图像；掩膜图获取模块，用于将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；边缘点获取模块，用于对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；撕裂宽度获取模块，用于获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；撕边判断模块，用于根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。

于本发明一实施例中，还提供一种电子设备，电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述任一项所述皮带撕边的检测方法。

于本发明一实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述任一项所述皮带撕边的检测方法。

本发明提出的一种皮带撕边的检测方法、系统、设备和介质，将含有背景区域的皮带图像输入至掩膜提取模型，得到掩膜图，通过掩膜提取模型可以高效地分离皮带和背景，提高边缘检测的准确性。通过对掩膜图进行逐行检测，以获取所有的边缘点，细致地分析皮带的每个部分，确保没有遗漏任何潜在的撕裂区域。通过测量每个边缘点到基准边缘线的距离，提供了对皮带撕裂程度的一种具体的量化方式，有助于更客观和精确地评估皮带的状况。通过构建撕边轮廓，可以直观地展示皮带的整体状况，使得撕边的检测更加直观和准确，并有助于快速识别问题区域。有效解决了现有技术中对于皮带撕边检测不准确的问题。

附图说明

图1为本发明实施例提供的皮带撕边的检测方法的流程示意图；

图2显示为本发明一实施例中皮带边缘提取策略的示意图；

图3显示为本发明一实施例中皮带基准信息提取的流程示意图；

图4显示为本发明一实施例中皮带撕裂宽度的示意图

图5显示为本发明一实施例提供的皮带撕边的检测系统的结构框图；

图6显示为本发明皮带撕边的检测方法的电子设备的一结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。

本发明提供一种皮带撕边的检测方法，针对现有技术中：（1）依赖于额外的传感器设备，且无法对撕边区域进行可视化；（2）传统图像处理方法对皮带划痕、皮带跑偏等干扰鲁棒性较差；（3）无法对撕裂尺寸进行定量分析和分级预警。针对上述问题，本发明在利用语义分割技术进行像素级皮带掩膜提取的基础上，设计了一套高效、准确的撕边区域检测方法，能够对撕边尺寸进行定量分析和分级预警。

请参见图1，皮带撕边的检测方法包括如下步骤：

S1、获取带有背景区域的皮带图像；

S2、将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；

S3、对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；

S4、获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；

S5、根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。

以下对各步骤进行详细说明：

S1、获取带有背景区域的皮带图像。

本发明的皮带是指工业生产线上的输送带，背景区域是指除皮带区域外，图像中的其他区域。皮带图像既可以通过照相机拍摄获得，还可以通过提取监控视频中的关键视频帧，以实时获取皮带图像，在此不做限定。进一步地，为了及时有效的捕捉皮带的当前运行状态，从而实时监测皮带是否发生撕边，本发明通过提取视频帧的方式获取皮带图像。

S2、将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同。

将获取的皮带图像输入至预先训练好的掩膜提取模型，以提取皮带图像的掩膜图。掩膜提取模型是指基于深度学习技术的图像分割模型，基于语义分割获取掩膜图。具体地，其通过理解和区分输入的皮带图像中不同类别的像素信息，从而生成该皮带图像的掩膜图。其中，掩膜提取模型的类型包括但不限于UNet、Enet等，本领域技术人员可基于实际应用场景的需要，适应性选择对应的掩膜提取模型，在此不做限定。在掩膜提取模型生成的掩膜图中，可以用不同的像素值表征不同的区域。示例性地，当生成的掩膜图为二值图时，则皮带图像中的背景区域和皮带区域可用公式（1）的方式予以表示：

（1）

其中，表示掩膜图在坐标/>处的像素值，若该值为0则表示该像素为背景区域，若该值为1则表示该像素为皮带区域。通过这种方法，能够提升皮带区域识别的准确度，为后续的处理和分析提供精确的输入数据。

S3、对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合。

获取掩膜图后，对掩膜图进行逐行扫描，以便更加准确的提取出皮带区域的所有边缘点，构建边缘点集合。其中，边缘点是指皮带区域和背景区域相接触的位置对应的像素点，通过边缘点，可以构建出皮带的外部轮廓。对于二值图，若皮带区域的像素点为1，背景区域的像素值为0，则边缘点是指像素从0变为1的点，或像素从1变为0的点。

具体地，请参见图2，在本发明一实施例中，所述对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合，包括：

对所述掩膜图进行连通域分析，提取所述掩膜图中的皮带区域；

对皮带区域进行裁剪，获取有效的所述掩膜图；

遍历有效的所述掩膜图的每一行，根据每一行的像素值，提取皮带区域的所有左侧边缘点和所有右侧边缘点，分别组成左侧边缘点集合和右侧边缘点集合。

考虑到掩膜提取模型生成的掩膜图，可能存在将皮带区域检为背景区域，或将背景区域检为皮带区域等误检的情形。此外，在皮带图像中可能拍摄有其他非待检的皮带，易影响后续的识别效果。为解决这一问题，本发明中，通过对掩膜图进行连通域分析，获取最大的连通域，并将最大的连通域作为皮带区域。这种方式可以有效区分待检的皮带区域和其他可能的噪声或干扰，提升后续处理的准确度。考虑到皮带图像是通过远距离拍摄的监控视频获取得到时。在这种情况下，视角和透视效应可能会导致图像远端的皮带区域在视觉上汇合，从而使得边缘识别变得困难。为解决这一问题，本发明中对皮带区域进行顶部和底部裁剪，保留中间区域作为有效的掩膜图。具体地，可基于监控场景和皮带的实际位置确定裁剪上边界和下边界/>，仅保留皮带掩膜图在上下边界内的区域，记作M’。通过这种方式，能够排除远端汇合部分，从而更容易识别和处理皮带的边缘提取。然后，对裁剪后获取的有效的掩膜图中，进行逐行的像素邻域比对，以提取皮带的两侧边缘。具体地，对于皮带的左侧边缘，从左向右逐行扫描M’，直到找到第一个像素值为1的点，这个点被标记为皮带在该行的左侧边缘点，记为/>。类似地，对于皮带的右侧边缘，从右向左逐行扫描，直到找到第一个像素值为1的点，标记为皮带在该行的右侧边缘点，记为/>。所有的左侧边缘点和右侧边缘点分别组成了整个皮带的左侧边缘点集合/>和右侧边缘点集合/>。通过这种方法，可以有效地提取出皮带在每一行的边界位置，从而构建出整个皮带的边缘轮廓。

S4、获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度。

对于边缘点集合内的每一个边缘点：将该边缘点到基准边缘线的垂直距离，作为待检皮带在该边缘点所在行的撕裂宽度，其中，边缘点所在行是指：掩膜图中该边缘点所在的具体行数。由于皮带具有左右两侧，因此，当边缘点位于待检皮带左侧时，该边缘点与基准边缘线之间的撕裂宽度即为左侧撕裂宽度；类似地，当边缘点位于待检皮带右侧时，该边缘点与基准边缘线之间的撕裂宽度即为右侧撕裂宽度。

具体地，在本发明一实施例中，所述获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度，包括：

计算所述左侧边缘点集合中各个左侧边缘点与左侧基准边缘线之间的横向距离，并将其作为撕裂宽度；或

计算所述右侧边缘点集合中各个右侧边缘点与右侧基准边缘线之间的横向距离，并将其作为撕裂宽度。

边缘点集合包括左侧边缘点集合和右侧边缘点集合，其中，左侧边缘点集合内具有多个左侧边缘点，右侧边缘点集合内具有多个右侧边缘点，且对于掩膜图中的每一行，都具有一个左侧边缘点和一个右侧边缘点。对应的，基准边缘线包括左侧基准边缘线和右侧基准边缘线，撕裂宽度也包括左侧的撕裂宽度和右侧的撕裂宽度。对于掩膜图中的每一行：可通过计算该行的左侧边缘点和左侧基准边缘线之间的横向距离，作为左侧的撕裂宽度，计算该行的右侧边缘点和右侧基准边缘线之间的横向距离，作为右侧的撕裂宽度。撕裂宽度的计算方式如公式（2）所示：

（2）

其中，表示第y行皮带图像的皮带撕裂宽度，/>表示第y行皮带边缘的横坐标，为基准边缘线在第y行的横坐标。需要计算左侧的撕裂宽度时，上述/>为第y行皮带图像的左侧的撕裂宽度，/>表示第y行皮带图像的左侧边缘点的横坐标，/>为左侧基准边缘线在第y行皮带图像的横坐标。需要计算右侧的撕裂宽度时，上述/>为第y行皮带图像的右侧的撕裂宽度，/>表示第y行皮带图像的右侧边缘点的横坐标，/>为右侧基准边缘线在第y行皮带图像的横坐标。

需要说明的是，本发明所述的基准边缘线会随获取的皮带图像变化而调整，在本发明一实施例中，所述基准边缘线是依据所述掩膜图中最外侧边缘点构建的线性方程确定的，所述最外侧边缘点是从所述皮带的边缘点集合中筛选得到。具体地，通过获取当前皮带图像的最外侧边缘点及基准图像的拟合线斜率，根据最外侧边缘点和斜率来建立线性方程，并用该线性方程去定义基准边缘线。因此，对于视频监控中获取的每一帧皮带图像，都可以利用此方法确定当前帧中皮带图像的基准边缘线位置，有助于更加准确地判断皮带是否出现撕边，并避免因皮带位置偏移导致基准边缘线位置固定而产生的误判。例如，如果皮带发生位置偏移，若基准边缘线一直保持不变，则原先设定的基准边缘线不再准确地反映皮带的当前状态，从而可能导致对皮带是否撕裂的误判。因此，本发明通过动态调整基准边缘线的位置来适应皮带的实际位置变化，以确保判断的准确性。

在本发明一实施例中，从所述皮带的边缘点集合中获取所述最外侧边缘点的过程为：

对基准图像的边缘点集合内的各边缘点进行线性拟合，获得拟合线的斜率； 其中，所述基准图像的边缘点集合为预先获取得到的；

根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点。

请参见图3，鉴于待检皮带图像中可能出现的撕边情况，仅用其边缘点进行拟合可能无法精确得到代表性的拟合线。因此，本方法采用基于基准图像生成的拟合线斜率，为皮带图像的每个边缘点建立相应的直线方程，以确保更高的表示准确性。具体地，皮带的最外侧边缘点包括左侧最外侧边缘点和右侧最外侧边缘点，以下用皮带左侧最外侧边缘点为例，说明其具体的获取过程：由于基准图像的左侧边缘点集合内的各边缘点代表了皮带左侧的轮廓，通过最小二乘法，对各边缘点进行线性拟合，从而找到一条最佳的拟合直线作为基准图像中，这些边缘点的拟合线。该拟合线最佳地代表了各边缘点的分布情况，从拟合线中获取其对应的斜率记为。然后根据该斜率/>，对于待检图像的左侧边缘点集合内的每个左侧边缘点，构建该点对应的直线方程，并基于各直线方程，从左侧边缘点集合内识别出左侧最外侧边缘点。

在本发明一实施例中，所述根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点，包括：

根据皮带图像的各边缘点在所述皮带图像的掩膜图的位置，获取皮带图像的各边缘点在所述斜率下的直线方程；

根据各直线方程的截距，从所述皮带图像的边缘点集合的各边缘点中筛选出最外侧边缘点。

从待检的皮带图像的左侧边缘点集合中，任意选择一个左侧边缘点，基于上述过程获取的斜率构建对应的直线方程，直线方程可表示为：y=k_left+c，其中，c为该直线方程在纵坐标轴的截距。所有左侧边缘点选择完毕后，比较各直线方程在纵坐标的截距，将截距最大的直线方程对应的边缘点作为皮带左侧最外侧边缘点，记为/>，并将左侧最外侧边缘点/>对应的直线方程定义为左侧基准边缘线。类似地，可通过上述方式获取皮带右侧最外侧边缘点，记为/>，并将右侧最外侧边缘点/>对应的直线方程定义为右侧基准边缘线。

S5、根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。

对于皮带边缘的每一个点：测量其到基准边缘线的垂直距离，并将这个垂直距离定义为撕裂宽度，撕裂宽度反映了皮带在该点的可能撕裂程度。使用所有测量得到的撕裂宽度数据来构建皮带的撕边轮廓，从而形成对皮带边缘可能的撕裂情况的视觉表示。可根据构建的撕边轮廓，当其在满足一定条件时，即可判断皮带发生撕边。

具体地，在本发明一实施例中，所述皮带区域的每行具有一个皮带宽度，各行的皮带宽度构成皮带宽度集合，所述根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边，包括：

获取所述掩膜图中每一行的撕裂宽度与其所在行的皮带宽度的比值，作为该行的撕裂比例；

分别判断每行的撕裂比例是否大于预设的比例阈值，并在大于所述比例阈值时将撕裂比例所在行的边缘点作为撕边轮廓点；

将各撕边轮廓点组成撕边轮廓，并判断撕边轮廓是否大于预设的撕边阈值；

若是，则判定所述皮带撕边，并发送报警信息；

若否，则判定所述皮带未撕边。

请参见图4，对于掩膜图中的每一行，分别获取该行的左侧最外侧边缘点、右侧最外侧边缘点的位置，对于左侧最外侧边缘点：计算该边缘点和左侧基准边缘线之间的垂直距离，作为该点的撕裂宽度。将该撕裂宽度与皮带宽度集合内，该行的皮带宽度进行比值计算，得到该行左侧的撕裂比例，撕裂比例的计算如公式（3）所示：

（3）

其中，为撕裂比例，/>为皮带基准宽度集合中，/>所在行的皮带宽度，/>为撕裂宽度。当撕裂比例大于预设的比例阈值时，则将该边缘点定义为撕边轮廓点，予以记录，并可进行一级预警。当左侧边缘点集合内的所有左侧边缘点均采用上述方法计算完毕后，将连续的撕边轮廓点组成撕边轮廓。若撕边轮廓的高度大于预设的撕边阈值，则判定该撕边轮廓较大，此时认为皮带发生撕边，需要进行二级预警（即撕边预警）。反之，若撕边轮廓的高度小于或等于预设的撕边阈值，则认为该撕边轮廓在容错范围内，皮带未撕边。

在本发明一实施例中，所述皮带宽度集合的获取过程包括：

遍历基准图像的掩膜图的每一行，获取左侧基准边缘线在每一行的横坐标、右侧基准边缘线在每一行的横坐标；其中，所述基准图像是通过预先获取得到的；

获取同一行中，左侧基准边缘线的横坐标和右侧基准边缘线的横坐标的差值的绝对值，作为该行的皮带宽度；

根据各行的皮带宽度，构成所述皮带宽度集合。

皮带宽度是通过基准图像获取的，其中，基准图像为皮带未跑偏的图像，通过基准图像可以获取皮带的基准信息，以便评估待检皮带是否跑偏。具体地，获取基准图像后，通过上述步骤S3可以获取到基准图像的掩膜图以及各左侧边缘点和各右侧边缘点，并分别进行最小二乘法线性拟合，得到左侧拟合线和右侧拟合线。根据左侧拟合线和右侧拟合线分别获取其对应的斜率，并通过斜率建立各边缘点的直线方程，根据直线方程的截距最终得到左侧最外侧边缘点和右侧最外侧边缘点，并基于此，建立基准图像的左侧基准边缘线和基准图像的右侧基准边缘线。在本发明一实施例中，所述基准图像的左侧基准边缘线和基准图像的右侧基准边缘线是由所述基准图像的掩膜图的左右最外侧边缘点拟合而成。具体地，将基准图像的左侧基准边缘线用左侧最外侧边缘点所在的直线方程进行表示，将基准图像的右侧基准边缘线用右侧最外侧边缘点所在的直线方程进行表示，从而得到基准图像的左侧基准边缘线、基准图像的右侧基准边缘线。根据左右两侧的基准边缘线，对于计算基准图像在边界和/>区间内的每一行：计算皮带在该行的左右侧的横坐标值，两横坐标差值的绝对值即为皮带在该纵坐标下的宽度，如公式（4）所示：

（4）

其中，和/>分别为基准边缘线纵坐标为/>下的皮带左右基准点，由上述左、右基准边缘线和/>计算获得，/>为纵坐标为/>时的皮带宽度。每一行皮带宽度获取完毕后，保存/>至/>区间内的所有行皮带宽度，记作皮带宽度集合w。可以理解的是，对于相同拍摄角度的同一皮带，先通过基准图像获取皮带宽度集合w以及左右两侧的基准边缘线，后续对于每一帧待检的皮带图像，只需要提取对应数据与先前获取的皮带宽度集合w以及左右两侧的基准边缘线进行比较即可。

请参见图5，该皮带撕边的检测系统100包括：图像获取模块110、掩膜图获取模块120、边缘点获取模块130、撕裂宽度获取模块140和撕边判断模块160。上述图像获取模块110用于获取带有背景区域的皮带图像。掩膜图获取模块120用于将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；边缘点获取模块130用于对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合。撕裂宽度获取模块140用于获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度。撕边判断模块150用于根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边。

需要说明的是，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的模块引入，但这并不表明本实施例中不存在其它的模块。

请参见图6，所述电子设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如皮带撕边的检测程序。

其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card, SMC）、安全数字（Secure Digital, SD）卡、闪存卡（Flash Card）等。进一步地，存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如皮带撕边的检测的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心（Control Unit），利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块（例如皮带撕边的检测程序等），以及调用存储在所述存储器12内的数据，以执行电子设备1的各种功能和处理数据。

所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述皮带撕边的检测方法中的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器12中，并由所述处理器13执行，以完成本申请。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成图像获取模块110、掩膜图获取模块120、边缘点获取模块130、撕裂宽度获取模块140和撕边判断模块160。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中，所述计算机可读存储介质可以是非易失性，也可以是易失性。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、计算机设备，或者网络设备等）或处理器（processor）执行本申请各个实施例所述皮带撕边的检测方法的部分功能。

综上所述，本发明公开的一种皮带撕边的检测方法，提出了一套能够对撕边尺寸进行定量分析和分级预警算法。采用语义分割技术提取皮带边缘，准确地区分图像中的皮带区域和背景区域，通过使用语义分割技术，算法可以更准确地识别皮带的边缘，有效解决了传统方法鲁棒性低的问题。本发明通过结合定量分析、分级预警以及先进的图像处理技术，提供了一种更为精确、可靠且适应性强的撕边检测方法。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (6)

1.一种皮带撕边的检测方法，其特征在于，所述方法包括：

获取带有背景区域的皮带图像；

将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；

对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；

获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；

根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边；

所述皮带区域的每行具有一个皮带宽度，各行的皮带宽度构成皮带宽度集合，所述根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边，包括：

获取所述掩膜图中每一行的撕裂宽度与其所在行的皮带宽度的比值，作为该行的撕裂比例；

分别判断每行的撕裂比例是否大于预设的比例阈值，并在大于所述比例阈值时将撕裂比例所在行的边缘点作为撕边轮廓点；

将各撕边轮廓点组成撕边轮廓，并判断撕边轮廓是否大于预设的撕边阈值；

若是，则判定所述皮带撕边，并发送报警信息；

若否，则判定所述皮带未撕边；

所述基准边缘线是依据所述掩膜图中最外侧边缘点构建的线性方程确定的，所述最外侧边缘点是从所述皮带的边缘点集合中筛选得到；

从所述皮带的边缘点集合中获取所述最外侧边缘点的过程为：

对基准图像的边缘点集合内的各边缘点进行线性拟合，获得拟合线的斜率； 其中，所述基准图像的边缘点集合为预先获取得到的；

根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点；

所述根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点，包括：

根据皮带图像的各边缘点在所述皮带图像的掩膜图的位置，获取皮带图像的各边缘点在所述斜率下的直线方程；

根据各直线方程的截距，从所述皮带图像的边缘点集合的各边缘点中筛选出最外侧边缘点。

2.根据权利要求1所述的皮带撕边的检测方法，其特征在于，所述对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合，包括：

对所述掩膜图进行连通域分析，提取所述掩膜图中的皮带区域；

对所述皮带区域进行裁剪，获取有效的所述掩膜图；

遍历有效的所述掩膜图的每一行，根据每一行的像素值，提取所述皮带区域的所有左侧边缘点和所有右侧边缘点，分别组成左侧边缘点集合和右侧边缘点集合。

3. 根据权利要求2所述的皮带撕边的检测方法，其特征在于，所述获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度，包括：

计算所述左侧边缘点集合中各个左侧边缘点与左侧基准边缘线之间的横向距离，并将其作为撕裂宽度；或

计算所述右侧边缘点集合中各个右侧边缘点与右侧基准边缘线之间的横向距离，并将其作为撕裂宽度。

4.一种皮带撕边的检测系统，其特征在于，所述系统包括：

图像获取模块，用于获取带有背景区域的皮带图像；

掩膜图获取模块，用于将所述皮带图像输入至掩膜提取模型，获取掩膜图；其中，掩膜图中背景区域和皮带区域的像素值不同；

边缘点获取模块，用于对所述掩膜图进行逐行检测，根据每一行中的像素值，提取皮带区域的所有边缘点，组成皮带的边缘点集合；

撕裂宽度获取模块，用于获取所述边缘点集合内各边缘点相对于基准边缘线的撕裂宽度；

撕边判断模块，用于根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边；

所述皮带区域的每行具有一个皮带宽度，各行的皮带宽度构成皮带宽度集合，所述根据各撕裂宽度构建撕边轮廓，并根据撕边轮廓检测皮带是否发生撕边，包括：

获取所述掩膜图中每一行的撕裂宽度与其所在行的皮带宽度的比值，作为该行的撕裂比例；

分别判断每行的撕裂比例是否大于预设的比例阈值，并在大于所述比例阈值时将撕裂比例所在行的边缘点作为撕边轮廓点；

将各撕边轮廓点组成撕边轮廓，并判断撕边轮廓是否大于预设的撕边阈值；

若是，则判定所述皮带撕边，并发送报警信息；

若否，则判定所述皮带未撕边；

所述基准边缘线是依据所述掩膜图中最外侧边缘点构建的线性方程确定的，所述最外侧边缘点是从所述皮带的边缘点集合中筛选得到；

从所述皮带的边缘点集合中获取所述最外侧边缘点的过程为：

对基准图像的边缘点集合内的各边缘点进行线性拟合，获得拟合线的斜率； 其中，所述基准图像的边缘点集合为预先获取得到的；

根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点；

所述根据所述斜率生成皮带图像的各边缘点的直线方程，并基于各直线方程从所述皮带图像的边缘点集合中识别出最外侧边缘点，包括：

根据皮带图像的各边缘点在所述皮带图像的掩膜图的位置，获取皮带图像的各边缘点在所述斜率下的直线方程；

根据各直线方程的截距，从所述皮带图像的边缘点集合的各边缘点中筛选出最外侧边缘点。

5.一种电子设备，其特征在于：所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至3中任一项所述皮带撕边的检测方法。

6.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至3中任一项所述皮带撕边的检测方法。