CN117495858A - 皮带偏移的检测方法、系统、设备和介质 - Google Patents
皮带偏移的检测方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN117495858A CN117495858A CN202311857576.5A CN202311857576A CN117495858A CN 117495858 A CN117495858 A CN 117495858A CN 202311857576 A CN202311857576 A CN 202311857576A CN 117495858 A CN117495858 A CN 117495858A
- Authority
- CN
- China
- Prior art keywords
- belt
- edge point
- edge
- row
- line
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009046 primary transport Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000007 visual 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及提供一种皮带偏移的检测方法、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，所述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；对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；根据横向绝对偏移距离检测皮带是否发生偏移。解决了现有技术中无法准确检测皮带是否发生偏移的问题。
Description
技术领域
本发明涉及图像检测领域，特别涉及一种皮带偏移的检测方法、系统、设备和介质。
背景技术
皮带运输机是工业领域中的主要运输设备。在运输作业过程中，皮带跑偏可能会导致撒料、皮带撕边甚至是设备损坏，从而影响生产进度。随着视频监控的普及，基于视觉的皮带跑偏检测技术受益与成本低、效率高等优点收到了广泛的关注。
目前，主流的皮带跑偏视觉检测技术主要有两种：一种是基于激光或托辊等辅助构件的方法，通过分析激光线变化或检测托辊数量进行跑偏识别；另一种是基于图像处理技术的方法，通过提取皮带边缘线进行跑偏分析。第一种方法精度尚可，但对于设备安装环境要求较高，反光、相机距离过远等因素易导致辅助构件漏检。第二种方法部署简单，无需依赖额外设备，但目前基于传统图像处理方法的皮带边缘提取技术对于皮带划痕、光照不足或烟尘等干扰的鲁棒性较差，易造成误报漏检。因此，需要提供一种皮带偏移的检测方法、系统、设备和介质。
发明内容
本发明提供一种皮带偏移的检测方法。以解决现有技术中无法准确检测皮带是否发生偏移的问题。
本发明提供的一种皮带偏移的检测方法，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，所述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；对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；根据横向绝对偏移距离检测皮带是否发生偏移。
在本发明的另一方面，还提供了一种皮带偏移的检测系统，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，所述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；最外侧边缘点识别模块，用于对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；偏移距离获取模块，用于获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；偏移判断模块，用于根据横向绝对偏移距离检测皮带是否发生偏移。
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偏移的检测方法。
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偏移的检测方法。
本发明提出的一种皮带偏移的检测方法、系统、设备和介质，将皮带图像输入至掩膜提取模型，获取掩膜图，使用掩膜提取模型可以准确地区分皮带和背景，从而实现高精度的边缘识别，有效克服了传统边缘提取方法在复杂环境下的鲁棒性不足问题。对掩膜图进行逐行检测，并通过提取边缘点，允许对皮带的边缘进行更详细的分析，从而能够更加精确地了解皮带的形状和位置。通过对边缘点集合进行线性拟合，最终获得最外侧边缘点，根据最外侧边缘点和基准边缘线的横向绝对偏移距离，提供了一种定量的方式来评估皮带的偏移情况，从而能够更加准确的判断皮带是否发生偏移。当皮带图像是通过监控视频获取时，本发明所述的方法能够实时监测皮带的运行状态，及时判断皮带是否发生偏移，从而有效提升了车间的安全效率。
附图说明
图1为本发明实施例提供的皮带偏移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横向绝对偏移距离的示意图
图5显示为本发明一实施例提供的皮带偏移的检测系统的结构框图；
图6显示为本发明皮带偏移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偏移的检测方法，通过采用先进的语义分割技术来提取皮带边缘，有效克服了传统边缘提取方法在复杂环境下的鲁棒性不足问题。设计了一套皮带跑偏的定量分析算法，不仅能够在皮带发生偏离时及时报警，而且能够实时反映皮带的偏离程度，提供了比传统触发边界报警更为详细和精确的监控手段。因此，本发明在提高皮带监控系统的准确性和效率方面具有显著的优势。这不仅有助于及时发现和解决皮带跑偏的问题，还能为设备的维护和管理提供更加可靠的数据支持。
请参见图1，皮带偏移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，所述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、对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；
S5、获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；
S6、根据横向绝对偏移距离检测皮带是否发生偏移。
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，从而实时监测皮带的位置是否发生偏移，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，所述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、对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点。
对边缘点集合内的各边缘点进行线性拟合，以找到最佳的拟合直线，作为拟合线，使得拟合线上的点与实际各边缘点之间的总距离最小。获取拟合线后，从中提取拟合线的斜率，由于斜率是直线倾斜程度的量化，对于边缘检测来说，斜率的变化可能指示皮带的位置变动或形状变化。然后根据拟合线的斜率以及边缘点的位置，为每个边缘点生成相应的直线方程。利用这些直线方程，可以从边缘点集合中识别出最外侧的边缘点。这些点是皮带边缘在视觉上最显著的部分，对于监测皮带的位置和状态尤为重要。
具体地，在本发明一实施例中，所述对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点，包括：
基于最小二乘法，对各边缘点进行线性拟合，获得拟合线；
基于所述拟合线，提取所述拟合线对应的斜率；
根据各边缘点在所述掩膜图的位置，建立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，从所述边缘点集合的各边缘点中筛选出最外侧边缘点。
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。根据该斜率/>，对左侧边缘点集内的每个边缘点：计算该边缘点所在的直线方程，每条直线方程可表示为：y=kleftx+c，其中，c为该直线方程在纵坐标轴的截距。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/>。类似地，可通过上述方式获取皮带右侧最外侧边缘点，记为/>。
S5、获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离。
请参见图3和图4，获取到皮带两侧的最外侧边缘点和/>后，根据公式（2）、（3）计算横向绝对偏移距离：
（2）
（3）
其中，为左侧绝对偏移距离，/>为右侧绝对偏移距离，/>为左侧基准边缘线的纵坐标与左侧最外侧边缘点的纵坐标/>相同时，对应的横坐标，/>为左侧最外侧边缘点的横坐标，/>为右侧最外侧边缘点的横坐标，/>右侧基准边缘线的纵坐标与右侧最外侧边缘点的纵坐标/>相同时，对应的横坐标。/>为最大值函数，表示仅考虑皮带向外侧偏移距离。其中，皮带向外侧偏移是指：皮带的左边缘位于左侧基准边缘线的左侧，或，皮带的右边缘位于右侧基准边缘线的右侧。其中，基准边缘线是基于基准图像获取，其具体获取过程可参见后续说明。
S6、根据横向绝对偏移距离检测皮带是否发生偏移。
获取皮带左侧的横向绝对偏移距离以及右侧的横向绝对偏移距离后，即可对皮带进行偏移检测。原则上，只要横向绝对偏移距离为正数，即可视为皮带发生偏移。但考虑到误差存在，在本发明一实施例中，所述根据横向绝对偏移距离检测皮带是否发生偏移之后，还包括：
获取横向绝对偏移距离和皮带宽度的比值，作为跑偏比例；
根据所述跑偏比例所在的区间范围，进行分级预警。
将横向绝对偏移距离与其所在行的皮带宽度进行比值计算，并将比值结果作为跑偏比例。可预设有多个区间范围，每个区间范围对应不同的预警等级。当跑偏比例落入对应的区间范围内时，触发对应的预警等级。示例性地，预警等级包括一级、二级及三级预警，其中一级预警对应的皮带跑偏比例为20%，二级预警对应的皮带跑偏比例为12%，三级预警对应的皮带跑偏比例为8%。利用上述步骤计算出当前帧皮带的跑偏比例，并根据跑偏比例所处区间对皮带跑偏进行分级预警。以使工作人员可根据分级预警的内容，适应性对皮带进行调整。其中，皮带宽度是基于基准图像获取的，具体获取过程参见后续说明。
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，所述获取横向绝对偏移距离和皮带宽度的比值，作为跑偏比例，包括：
获取左侧横向绝对偏移距离与其所在行的皮带宽度的比值，作为左侧跑偏比例；
获取右侧横向绝对偏移距离与其所在行的皮带宽度的比值，作为右侧跑偏比例；
选择所述左侧跑偏比例和所述右侧跑偏比例的较大者作为最终的跑偏比例。
由于皮带具有左右两侧，为精确检测皮带是否发生偏移，本发明中，会同时计算皮带的右侧跑偏比例和左侧跑偏比例，并根据同一行的右侧跑偏比例和左侧跑偏比例，从中选择较大的一者作为该行最终的跑偏比例，具体计算方式如公式（4）至（6）所示：
（4）
（5）
（6）
其中，为左侧横向绝对偏移距离，/>为/>所在行的皮带宽度，/>为左侧横向绝对偏移距离，/>为/>所在行的皮带宽度，p为该行最终的偏移距离。通过上述计算，可以得到皮带区域在每一行的最终偏移距离/>，一旦某行的偏移距离/>达到预警等级，即刻发出预警信息。
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。
请参见图3，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。在本发明一实施例中，左侧基准边缘线和所述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、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（7）所示：
（7）
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，该皮带偏移的检测系统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、最外侧边缘点识别模块140、偏移距离获取模块150、偏移判断模块160。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，所述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。最外侧边缘点识别模块140用于对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点。偏移距离获取模块150用于获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离。偏移判断模块160用于根据横向绝对偏移距离检测皮带是否发生偏移。
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，例如皮带偏移的检测程序。
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，例如皮带偏移的检测的代码等，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（例如皮带偏移的检测程序等），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偏移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、最外侧边缘点识别模块140、偏移距离获取模块150、偏移判断模块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偏移的检测方法的部分功能。
综上所述，本发明公开的一种皮带偏移的检测方法。针对现有技术中，皮带边缘提取的方法鲁棒性较低，在皮带划痕、光照不足或烟尘等干扰环境下易发生误报漏检，本发明采用语义分割技术提取皮带边缘，有效解决了传统方法鲁棒性低的问题。针对现有技术中进行皮带偏移检测时，大都是基于辅助构件的方法，严重依赖于辅助设备和安装环境，且这种方式依赖于报警边界设定，缺少皮带跑偏的定量分析功能。本发明设计了一套皮带跑偏定量分析算法，能够实时反应皮带偏离程度，而不仅仅是触发边界报警，从而有效帮助工作人员进行设备维护调度。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 (10)
1.一种皮带偏移的检测方法，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，所述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；
对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；
获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；
根据横向绝对偏移距离检测皮带是否发生偏移。
2.根据权利要求1所述的皮带偏移的检测方法，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。
3.根据权利要求1所述的皮带偏移的检测方法，其特征在于，所述对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点，包括：
基于最小二乘法，对各边缘点进行线性拟合，获得拟合线；
基于所述拟合线，提取所述拟合线对应的斜率；
根据各边缘点在所述掩膜图的位置，建立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，从所述边缘点集合的各边缘点中筛选出最外侧边缘点。
4.根据权利要求1所述的皮带偏移的检测方法，其特征在于，所述根据横向绝对偏移距离检测皮带是否发生偏移之后，还包括：
获取横向绝对偏移距离和皮带宽度的比值，作为跑偏比例；
根据所述跑偏比例所在的区间范围，进行分级预警。
5.根据权利要求4所述的皮带偏移的检测方法，其特征在于，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，所述获取横向绝对偏移距离和皮带宽度的比值，作为跑偏比例，包括：
获取左侧横向绝对偏移距离与其所在行的皮带宽度的比值，作为左侧跑偏比例；
获取右侧横向绝对偏移距离与其所在行的皮带宽度的比值，作为右侧跑偏比例；
选择所述左侧跑偏比例和所述右侧跑偏比例的较大者作为最终的跑偏比例。
6.根据权利要求5所述的皮带偏移的检测方法，其特征在于，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。
7.根据权利要求6所述的皮带偏移的检测方法，其特征在于，所述左侧基准边缘线和所述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。
8.一种皮带偏移的检测系统，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，所述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；
最外侧边缘点识别模块，用于对所述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，根据所述斜率生成各边缘点的直线方程，并基于各直线方程从所述边缘点集合中识别出最外侧边缘点；
偏移距离获取模块，用于获取最外侧边缘点相对于基准边缘线的横向绝对偏移距离；
偏移判断模块，用于根据横向绝对偏移距离检测皮带是否发生偏移。
9.一种电子设备，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7中任一项所述皮带偏移的检测方法。
10.一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7中任一项所述皮带偏移的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311857576.5A CN117495858B (zh) | 2023-12-29 | 2023-12-29 | 皮带偏移的检测方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311857576.5A CN117495858B (zh) | 2023-12-29 | 2023-12-29 | 皮带偏移的检测方法、系统、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117495858A true CN117495858A (zh) | 2024-02-02 |
| CN117495858B CN117495858B (zh) | 2024-06-11 |
Family
ID=89685399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311857576.5A Active CN117495858B (zh) | 2023-12-29 | 2023-12-29 | 皮带偏移的检测方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117495858B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019107141A1 (ja) * | 2017-11-30 | 2019-06-06 | 日本電産サンキョー株式会社 | 画像処理装置および画像処理方法 |
| CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
| CN113378952A (zh) * | 2021-06-22 | 2021-09-10 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机跑偏检测方法、系统、介质和终端 |
| CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
| CN114581447A (zh) * | 2022-05-07 | 2022-06-03 | 合肥金星智控科技股份有限公司 | 一种基于机器视觉的运输皮带跑偏识别方法和装置 |
| CN115018869A (zh) * | 2022-05-31 | 2022-09-06 | 南京北新智能科技有限公司 | 皮带偏移检测方法 |
| CN115171051A (zh) * | 2022-09-06 | 2022-10-11 | 合肥金星智控科技股份有限公司 | 一种运输皮带边缘撕裂的在线检测方法及系统 |
| CN115661707A (zh) * | 2022-10-24 | 2023-01-31 | 陕西鸿泰华控智能科技有限公司 | 一种基于巡检机器人的皮带跑偏识别算法 |
| CN116188459A (zh) * | 2023-04-23 | 2023-05-30 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
| CN116573366A (zh) * | 2023-07-07 | 2023-08-11 | 江西小马机器人有限公司 | 基于视觉的皮带跑偏检测方法、系统、设备及存储介质 |
-
2023
- 2023-12-29 CN CN202311857576.5A patent/CN117495858B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019107141A1 (ja) * | 2017-11-30 | 2019-06-06 | 日本電産サンキョー株式会社 | 画像処理装置および画像処理方法 |
| CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
| CN113378952A (zh) * | 2021-06-22 | 2021-09-10 | 中冶赛迪重庆信息技术有限公司 | 一种皮带机跑偏检测方法、系统、介质和终端 |
| CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
| CN114581447A (zh) * | 2022-05-07 | 2022-06-03 | 合肥金星智控科技股份有限公司 | 一种基于机器视觉的运输皮带跑偏识别方法和装置 |
| CN115018869A (zh) * | 2022-05-31 | 2022-09-06 | 南京北新智能科技有限公司 | 皮带偏移检测方法 |
| CN115171051A (zh) * | 2022-09-06 | 2022-10-11 | 合肥金星智控科技股份有限公司 | 一种运输皮带边缘撕裂的在线检测方法及系统 |
| CN115661707A (zh) * | 2022-10-24 | 2023-01-31 | 陕西鸿泰华控智能科技有限公司 | 一种基于巡检机器人的皮带跑偏识别算法 |
| CN116188459A (zh) * | 2023-04-23 | 2023-05-30 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
| CN116573366A (zh) * | 2023-07-07 | 2023-08-11 | 江西小马机器人有限公司 | 基于视觉的皮带跑偏检测方法、系统、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| JINGBO WANG ETC: ""Belt vision localization algorithm based on machine vision and belt conveyor deviation detection"", 《2019 34RD YOUTH ACADEMIC ANNUAL CONFERENCE OF CHINESE ASSOCIATION OF AUTOMATION (YAC)》, 8 June 2019 (2019-06-08) * |
| 杨林顺;董志勇;: "基于图像处理的输送带跑偏故障在线检测技术研究", 煤炭工程, no. 10, 20 October 2020 (2020-10-20) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117495858B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8422759B2 (en) | Image processing method and image processing device | |
| WO2018010391A1 (zh) | 一种板卡的检测方法及装置 | |
| US20010028732A1 (en) | Method and system for detecting defects on a printed circuit board | |
| CN109829911B (zh) | 一种基于轮廓超差算法的pcb板表面检测方法 | |
| CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
| US7352901B2 (en) | Contour inspection method and apparatus | |
| JP6197340B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN109829910B (zh) | 一种基于邻域查找的pcb缺陷检测方法 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
| CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
| CN117571721B (zh) | 一种电路板焊盘表面缺陷检测方法、装置及存储介质 | |
| KR101604528B1 (ko) | 구멍 검사 장치 | |
| JP2007248051A (ja) | 対象物表面の欠陥検査方法 | |
| CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
| CN117495858B (zh) | 皮带偏移的检测方法、系统、设备和介质 | |
| US9443165B2 (en) | Blob-encoding | |
| JP2019003575A (ja) | 画像分析装置及び鉄道設備部品の保守管理方法 | |
| CN112419225A (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
| KR102227341B1 (ko) | 위치 어긋남량 취득 장치, 검사 장치, 위치 어긋남량 취득 방법 및 검사 방법 | |
| CN117495857B (zh) | 皮带撕边的检测方法、系统、设备和介质 | |
| CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
| CN108871226B (zh) | 一种积雪深度的测量方法、装置及系统 | |
| US20150355105A1 (en) | Inspection Apparatus | |
| JP2008203229A (ja) | 電子部品の端子位置検出方法 | |
| CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 |
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 |