CN118183225A - 一种基于机器视觉的皮带输送机智能煤流控制系统 - Google Patents
一种基于机器视觉的皮带输送机智能煤流控制系统 Download PDFInfo
- Publication number
- CN118183225A CN118183225A CN202410620222.7A CN202410620222A CN118183225A CN 118183225 A CN118183225 A CN 118183225A CN 202410620222 A CN202410620222 A CN 202410620222A CN 118183225 A CN118183225 A CN 118183225A
- Authority
- CN
- China
- Prior art keywords
- belt conveyor
- real
- coal flow
- time
- flow
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 166
- 238000001514 detection method Methods 0.000 claims abstract description 113
- 230000005540 biological transmission Effects 0.000 claims description 51
- 238000009826 distribution Methods 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
-
- 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
-
- 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
- B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
- B65G47/22—Devices influencing the relative position or the attitude of articles during transit by conveyors
-
- 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
- B65G2203/0208—Control or detection relating to the transported articles
-
- 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)
- B65G2203/0275—Damage on the load carrier
-
- 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
- B65G2203/041—Camera
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Conveyors (AREA)
Abstract
本发明提供一种基于机器视觉的皮带输送机智能煤流控制系统,涉及皮带输送机领域,包括:图像获取模块,用于获取皮带输送机煤流图像;流量识别模块,用于根据皮带输送机煤流图像,确定实时运输流量;速度调节模块,用于根据实时运输流量,调节实时运输速度;异物识别模块,用于根据皮带输送机煤流图像,进行实时异物检测;跑偏检测模块,用于根据皮带输送机煤流图像,进行实时跑偏检测;撕裂检测模块,用于在皮带输送机的实时运输流量小于预设流量阈值时,进行实时皮带撕裂检测;煤流控制模块,用于根据实时异物检测结果、实时跑偏检测结果及实时皮带撕裂检测结果,进行煤流控制,具有对皮带输送机的运行进行调控,保证煤流的安全输送的优点。
Description
技术领域
本发明涉及皮带输送机领域,特别涉及一种基于机器视觉的皮带输送机智能煤流控制系统。
背景技术
在煤炭行业,皮带输送机已经成为主要的原煤生产运输的设备,皮带输送机承担将井下采掘面原煤运往地面储煤仓的重任,但是由于煤矿开采的不均衡性,使得皮带输送机的煤矿运量不能保持稳定,导致皮带输送机常常处于“大马拉小车”的非最优运行状态,造成大量电能消耗。因此,根据煤量优化皮带输送机的转速成为迫切需要解决的问题,而解决这一问题的关键和前提是实现皮带输送机煤量的检测,目前对于输送带物料的输送,一般都是在输送前或输送后进行测重,直接在输送带上进行测重施工难度太大且造价昂贵,维护调校复杂以及易损坏等问题。并且,在运输煤炭过程中,常掺杂大块煤矸、锚索等异物,极易造成皮带输送机上的煤流卡阻、堆煤、胶带撕裂,影响煤矿生产。
因此,需要提供一种基于机器视觉的皮带输送机智能煤流控制系统,用于对皮带输送机的运行进行调控,保证煤流的安全输送。
发明内容
本发明提供一种基于机器视觉的皮带输送机智能煤流控制系统,包括:图像获取模块,用于在煤流输送过程中,获取皮带输送机煤流图像;流量识别模块,用于根据所述皮带输送机煤流图像,确定所述皮带输送机的实时运输流量,具体包括,根据在所述皮带输送机煤流图像,获取煤流截面的各位置的高度信息,确定所述皮带输送机的实时运输流量;速度调节模块,用于根据所述皮带输送机的实时运输流量,调节所述皮带输送机的实时运输速度;异物识别模块,用于根据所述皮带输送机煤流图像,进行实时异物检测,具体包括,建立并训练异物识别模型,通过训练后的异物识别模型根据所述皮带输送机煤流图像,确定异物类型及异物位置;跑偏检测模块,用于根据所述皮带输送机煤流图像,进行实时跑偏检测,具体包括,根据所述皮带输送机煤流图像,确定皮带边缘位置,进行实时跑偏检测;撕裂检测模块,用于在所述皮带输送机的实时运输流量小于预设流量阈值时,进行实时皮带撕裂检测;煤流控制模块,用于根据实时异物检测结果、实时跑偏检测结果及实时皮带撕裂检测结果,进行煤流控制。
进一步地,所述流量识别模块根据所述皮带输送机煤流图像,确定所述皮带输送机的实时运输流量,包括:对于每个图像采集时间点,通过激光测距组件,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第一高度信息;根据在所述图像采集时间点获取的皮带输送机煤流图像,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第二高度信息;基于所述煤流截面的各位置的第一高度信息和所述煤流截面的各位置的第二高度信息,计算所述图像采集时间点对应的高度信息可靠性参数;当所述高度信息可靠性参数满足预设可靠性要求时,基于所述煤流截面的各位置的第一高度信息和所述煤流截面的各位置的第二高度信息,计算所述图像采集时间点对应的煤流截面的各位置的第三高度信息,根据所述第三高度信息,确定所述图像采集时间点对应的单点运输流量;根据多个连续的图像采集时间点对应的单点运输流量,计算流量波动参数,当流量波动参数小于预设流量波动参数阈值时,基于多个连续的图像采集时间点对应的单点运输流量,确定所述皮带输送机的实时运输流量。
进一步地,基于以下公式计算流量波动参数:;其中,为流量波动参数,/>为第t个图像采集时间点对应的单点运输流量,/>为一个流量检测周期内包括的图像采集时间点的总数。
进一步地,所述速度调节模块根据所述皮带输送机的实时运输流量,调节所述皮带输送机的实时运输速度,包括:对于多个连续的图像采集时间点中的每个,基于所述图像采集时间点对应的煤流截面的各位置的第三高度信息,计算所述图像采集时间点对应的截面高度波动参数;根据多个连续的图像采集时间点对应的煤流截面的各位置的第三高度信息,计算每个位置对应的位置高度波动参数;基于每个所述图像采集时间点对应的截面高度波动参数和每个位置对应的位置高度波动参数,确定实时煤流分布均匀度;根据所述皮带输送机的实时运输流量和实时煤流分布均匀度,确定所述皮带输送机的最优实时运输速度;根据所述皮带输送机的最优实时运输速度,调节所述皮带输送机的实时运输速度。
进一步地,基于以下公式计算实时煤流分布均匀度,包括:;其中,为实时煤流分布均匀度,/>为截面高度波动参数均值,为位置高度波动参数均值,/>和/>为预设权重,/>和/>均大于0,且,/>和/>为预设参数,且/>和/>均大于0,/>为第t个图像采集时间点对应的截面高度波动参数,/>为一个流量检测周期内包括的图像采集时间点的总数,/>为第i个位置对应的位置高度波动参数,/>为煤流截面的位置的总数,/>为第t个图像采集时间点对应的煤流截面的第i个位置的第三高度信息,/>为第t个图像采集时间点对应的煤流截面的第/>个位置的第三高度信息,/>为第i个位置在第t个图像采集时间点的第三高度信息,/>为第i个位置在第t+1个图像采集时间点的第三高度信息。
进一步地,所述异物识别模块根据所述皮带输送机煤流图像,进行实时异物检测,包括:建立并训练异物识别模型;通过训练后的异物识别模型根据所述皮带输送机煤流图像,确定异物类型及异物位置。
进一步地,所述跑偏检测模块根据所述皮带输送机煤流图像,进行实时跑偏检测,包括:根据所述皮带输送机的实时煤流分布均匀参数和实时运输速度,确定跑偏检测频率;根据所述跑偏检测频率,对多帧皮带输送机煤流图像进行抽样,获取多帧抽样图像;对于每帧所述抽样图像,确定所述抽样图像对应的皮带边缘位置,计算所述抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值;基于所述多帧抽样图像中的每一帧对应的跑偏值,确定跑偏均值及跑偏波动参数,具体的,对多帧抽样图像中的每一帧对应的跑偏值求均值,获取跑偏均值;根据所述跑偏均值及跑偏波动参数,判断所述皮带输送机是否发生跑偏;根据以下公式计算跑偏波动参数:,其中,/>为跑偏波动参数,/>为第e帧抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值,/>为抽样图像的总数;当跑偏均值大于预设均跑偏均值阈值且跑偏波动参数大于预设跑偏波动参数阈值,判断皮带输送机发生跑偏。
进一步地,所述速度调节模块还用于:根据所述跑偏均值及跑偏波动参数,调节所述皮带输送机的实时运输速度。
进一步地,所述撕裂检测模块包括均匀设置的撕裂检测灯,还包括运输机状态监测组件,其中,所述撕裂检测灯设置在所述皮带输送机的内部,所述撕裂检测灯用于将光线由下至上照射在所述皮带输送机的皮带上,所述运输机状态监测组件设置在所述皮带输送机上,所述运输机状态监测组件用于采集所述皮带输送机的运行状态;所述撕裂检测模块进行实时皮带撕裂检测,包括:根据所述实时异物检测结果和所述多个运输机状态监测组件采集的所述皮带输送机的运行状态,判断所述皮带输送机的撕裂风险区域;基于所述皮带输送机的撕裂风险区域,动态调整所述皮带输送机的实时运输速度,进行实时皮带撕裂检测,其中,所述皮带输送机在对所述撕裂风险区域进行皮带撕裂检测的实时运输速度小于在对非撕裂风险区域进行皮带撕裂检测的实时运输速度。
进一步地,所述撕裂检测模块进行实时皮带撕裂检测,包括:获取皮带输送机的撕裂检测图像;确定所述带输送机的撕裂检测图像中的每个像素的透光参数;根据所述带输送机的撕裂检测图像中的每个像素的透光参数,确定所述皮带输送机撕裂检测图像中的目标像素;计算任意两个目标像素之间的像素距离;根据任意两个目标像素之间的像素距离,对所述皮带输送机撕裂检测图像中的目标像素进行第一次聚类,确定多个像素聚类簇;根据每个所述像素聚类簇包括的目标像素的数量,确定目标像素聚类簇;对于每个目标像素聚类簇,根据所述目标像素聚类簇中的每个像素的透光参数,对所述目标像素聚类簇中的目标像素进行第二次聚类,确定所述目标像素聚类簇的多个像素聚类子簇,根据每个所述像素聚类子簇包括的目标像素的数量,确定所述目标像素聚类簇的目标像素聚类子簇;对于每个目标像素聚类簇,根据所述目标像素聚类簇的目标像素聚类子簇包括的每个目标像素的透光参数,确定每个所述目标像素聚类子簇对应的透光参数,根据所述目标像素聚类簇的每个所述目标像素聚类子簇对应的透光参数,计算所述目标像素聚类簇的透光波动参数,当所述目标像素聚类簇的透光波动参数符合预设条件时,判断所述带输送机发生撕裂,根据每个所述目标像素聚类子簇对应的透光参数,确定边缘像素聚类子簇,根据所述边缘像素聚类子簇包括的像素的位置,确定所述带输送机的撕裂情况。
相比于现有技术,本发明提供的一种基于机器视觉的皮带输送机智能煤流控制系统,至少具备以下有益效果:
1、在煤流输送过程中,获取皮带输送机煤流图像,基于皮带输送机煤流图像,实现更准确、更灵敏地发现皮带输送机的异常变化,能够比人工巡检更早的发现皮带输送机的运行问题,避免皮带输送机的缺陷隐患的进一步扩大,减少因皮带输送机故障造成的损失;还可以对锚杆、钢管等异物进行检测,提高皮带输送机的撕裂检测的准确度,保障系统可靠运行和煤炭安全生产;还可以根据煤量大小对皮带输送机的实时运输流量进行调控,节能效益显著,实现了对皮带输送机的运行进行自动化调控,保证煤流的安全输送。
2、实时煤流分布均匀度越小,说明皮带输送机的各个位置的荷载分布越不均匀,当皮带输送机的速度增加时,物料在皮带上的冲击力和惯性力也会相应增大。如果物料分布不均匀,这些力可能会导致皮带在局部区域受到过大的压力或拉力,从而引发皮带跑偏的现象,为了尽量避免皮带跑偏,需要根据皮带输送机的实时运输流量和实时煤流分布均匀度,综合确定皮带输送机的最优实时运输速度,实现节能的同时,对皮带输送机进行有效保护。
3、一个目标像素聚类簇对应一个撕裂区域,对于撕裂区域,不同位置的像素的透光参数满足不同的特征,例如,撕裂区域的边缘的透光参数较低,撕裂区域的中心区域的透光参数较高,可以通过目标像素聚类簇的透光波动参数反应。当目标像素聚类簇的透光波动参数满足预设透光波动参数范围时,判断带输送机发生撕裂,进而根据每个目标像素聚类子簇对应的透光参数,确定边缘像素聚类子簇,根据边缘像素聚类子簇包括的像素的位置,确定较为准确的带输送机的撕裂情况。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种基于机器视觉的皮带输送机智能煤流控制系统的模块示意图;
图2是根据本说明书一些实施例所示的确定皮带输送机的实时运输流量的流程示意图;
图3是根据本说明书一些实施例所示的进行实时跑偏检测的流程示意图;
图4是根据本说明书一些实施例所示的进行实时皮带撕裂检测的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
图1是根据本说明书一些实施例所示的一种基于机器视觉的皮带输送机智能煤流控制系统的模块示意图,如图1所示,一种基于机器视觉的皮带输送机智能煤流控制系统包括图像获取模块、流量识别模块、速度调节模块、异物识别模块、跑偏检测模块、撕裂检测模块及煤流控制模块。
图像获取模块可以用于在煤流输送过程中,获取皮带输送机煤流图像。
具体的,图像获取模块可以包括设置在皮带输送机上方的图像采集装置,该图像采集装置用于获取皮带输送机煤流图像。
流量识别模块可以用于根据皮带输送机煤流图像,确定皮带输送机的实时运输流量。
图2是根据本说明书一些实施例所示的确定皮带输送机的实时运输流量的流程示意图,如图2所示,在一些实施例中,流量识别模块根据皮带输送机煤流图像,确定皮带输送机的实时运输流量,包括:
对于每个图像采集时间点,通过激光测距组件,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第一高度信息;
根据在图像采集时间点获取的皮带输送机煤流图像,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第二高度信息;
基于煤流截面的各位置的第一高度信息和煤流截面的各位置的第二高度信息,计算图像采集时间点对应的高度信息可靠性参数;
当高度信息可靠性参数满足预设可靠性要求时,基于煤流截面的各位置的第一高度信息和煤流截面的各位置的第二高度信息,计算图像采集时间点对应的煤流截面的各位置的第三高度信息,根据第三高度信息,确定图像采集时间点对应的单点运输流量,其中,预设可靠性要求可以为高度信息可靠性参数大于预设高度信息可靠性参数阈值;
根据多个连续的图像采集时间点对应的单点运输流量,计算流量波动参数,当流量波动参数小于预设流量波动参数阈值时,基于多个连续的图像采集时间点对应的单点运输流量,确定皮带输送机的实时运输流量。
具体的,激光测距组件可以包括沿着皮带输送机的宽度方向排列成一行的多个激光测距器,煤流截面的各位置即多个激光测距器的激光投射至皮带输送机的位置。
流量识别模块可以基于以下公式计算高度信息可靠性参数:
;
其中,为高度信息可靠性参数,/>为煤流截面的第i个位置的第一高度信息,/>为煤流截面的第i个位置的第二高度信息,/>为煤流截面的位置的总数,/>为预设参数,且/>大于0。
对于每个位置,流量识别模块可以对该位置对应的第一高度信息和第二高度信息进行加权求和,作为该位置的第三高度信息。
流量识别模块可以建立第一多元非线性模型,其中,第一多元非线性模型的因变量为单点运输流量,第一多元非线性模型的自变量可以包括煤流截面的各位置的第三高度信息。将煤流截面的各位置的第三高度信息输入至该第一多元非线性模型,该第一多元非线性模型输出图像采集时间点对应的单点运输流量。
流量识别模块可以基于以下公式计算流量波动参数:
;
其中,为流量波动参数,/>为第t个图像采集时间点对应的单点运输流量,为一个流量检测周期内包括的图像采集时间点的总数。
流量识别模块可以建立第二多元非线性模型,其中,第二多元非线性模型的因变量为皮带输送机的实时运输流量,第二多元非线性模型的自变量可以包括多个连续的图像采集时间点对应的单点运输流量。将多个连续的图像采集时间点对应的单点运输流量输入至该第二多元非线性模型,该第二多元非线性模型输出皮带输送机的实时运输流量。
速度调节模块可以用于根据皮带输送机的实时运输流量,调节皮带输送机的实时运输速度。
在一些实施例中,速度调节模块根据皮带输送机的实时运输流量,调节皮带输送机的实时运输速度,包括:
对于多个连续的图像采集时间点中的每个,基于图像采集时间点对应的煤流截面的各位置的第三高度信息,计算图像采集时间点对应的截面高度波动参数;
根据多个连续的图像采集时间点对应的煤流截面的各位置的第三高度信息,计算每个位置对应的位置高度波动参数;
基于每个图像采集时间点对应的截面高度波动参数和每个位置对应的位置高度波动参数,确定实时煤流分布均匀度;
根据皮带输送机的实时运输流量和实时煤流分布均匀度,确定皮带输送机的最优实时运输速度;
根据皮带输送机的最优实时运输速度,调节皮带输送机的实时运输速度。
具体的,速度调节模块可以基于以下公式计算实时煤流分布均匀度,包括:
;
其中,为实时煤流分布均匀度,/>为截面高度波动参数均值,/>为位置高度波动参数均值,/>和/>为预设权重,/>和/>均大于0,且,/>和/>为预设参数,且/>和/>均大于0,/>为第t个图像采集时间点对应的截面高度波动参数,/>为一个流量检测周期内包括的图像采集时间点的总数,/>为第i个位置对应的位置高度波动参数,/>为煤流截面的位置的总数,为第t个图像采集时间点对应的煤流截面的第i个位置的第三高度信息,/>为第t个图像采集时间点对应的煤流截面的第/>个位置的第三高度信息,/>为第i个位置在第t个图像采集时间点的第三高度信息,/>为第i个位置在第/>个图像采集时间点的第三高度信息。
实时煤流分布均匀度越小,说明皮带输送机的各个位置的荷载分布越不均匀,当皮带输送机的速度增加时,物料在皮带上的冲击力和惯性力也会相应增大。如果物料分布不均匀,这些力可能会导致皮带在局部区域受到过大的压力或拉力,从而引发皮带跑偏的现象,为了尽量避免皮带跑偏,需要根据皮带输送机的实时运输流量和实时煤流分布均匀度,综合确定皮带输送机的最优实时运输速度。
例如,速度调节模块可以基于以下公式计算皮带输送机的最优实时运输速度:
;
其中,为皮带输送机的最优实时运输速度,/>为皮带输送机的实时运输流量,/>为预设运输流量,/>为预设煤流分布均匀度,/>为预设运输速度,/>和/>为预设权重,/>和/>均大于0,且/>。
异物识别模块可以用于根据皮带输送机煤流图像,进行实时异物检测。
具体包括:
建立并训练异物识别模型;
通过训练后的异物识别模型根据皮带输送机煤流图像,确定异物类型及异物位置。
具体的,通过训练后的异物识别模型根据皮带输送机煤流图像,确定异物类型及异物位置的工作原理包括以下几个步骤:
S1、数据预处理,对输入的皮带输送机煤流图像进行预处理,如缩放、归一化等,以便于训练后的异物识别模型进行后续的特征提取。
S2、特征提取,训练后的异物识别模型利用卷积神经网络(Convolutional NeuralNetwork,CNN)等深度神经网络结构,从预处理后的皮带输送机煤流图像中提取出与异物相关的特征。
S3、分类与定位,在提取的异物相关的特征基础上,使用分类器和边框回归器等算法,对异物进行分类和定位。
跑偏检测模块可以用于根据皮带输送机煤流图像,进行实时跑偏检测。
图3是根据本说明书一些实施例所示的进行实时跑偏检测的流程示意图,如图3所示,在一些实施例中,跑偏检测模块根据皮带输送机煤流图像,进行实时跑偏检测,包括:
根据皮带输送机的实时煤流分布均匀参数和实时运输速度,确定跑偏检测频率,具体的,实时煤流分布均匀参数越小,和/或实时运输速度越大,跑偏检测频率越高;
根据跑偏检测频率,对多帧皮带输送机煤流图像进行抽样,获取多帧抽样图像,其中,跑偏检测频率越高,抽取的抽样图像的数量越多;
对于每帧抽样图像,确定抽样图像对应的皮带边缘位置,计算抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值;
基于多帧抽样图像中的每一帧对应的跑偏值,确定跑偏均值及跑偏波动参数;
根据跑偏均值及跑偏波动参数,判断皮带输送机是否发生跑偏。
具体的, 可以基于以下公式计算跑偏检测频率:
;
其中,为跑偏检测频率,/>和/>为预设权重,/>和/>均大于0,且,/>为预设参数,且/>大于0,/>为预设跑偏检测频率。
对多帧抽样图像中的每一帧对应的跑偏值求均值,获取跑偏均值。
根据以下公式计算跑偏波动参数:
;
其中,为跑偏波动参数,/>为第e帧抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值,/>为抽样图像的总数。
当跑偏均值大于预设均跑偏均值阈值且跑偏波动参数大于预设跑偏波动参数阈值,判断皮带输送机发生跑偏。
在一些实施例中,速度调节模块还可以用于:根据跑偏均值及跑偏波动参数,调节皮带输送机的实时运输速度。
例如,判断皮带输送机发生跑偏时,降低皮带输送机的实时运输速度,获取实时运输速度降低后的皮带输送机的跑偏均值及跑偏波动参数,判断皮带输送机的实时运输速度降低后的皮带输送机发生是否仍然发生跑偏,若是,则再次降低皮带输送机的实时运输速度,获取实时运输速度降低后的皮带输送机的跑偏均值及跑偏波动参数,判断皮带输送机的实时运输速度降低后的皮带输送机发生是否仍然发生跑偏,直至根据跑偏均值及跑偏波动参数,判断皮带输送机不再发生跑偏。若皮带输送机的实时运输速度小于预设实时运输速度阈值,皮带输送机仍发生跑偏,则控制皮带输送机停止运行。
撕裂检测模块可以用于在皮带输送机的实时运输流量小于预设流量阈值时,进行实时皮带撕裂检测。
在一些实施例中,撕裂检测模块包括均匀设置的撕裂检测灯,还包括运输机状态监测组件,其中,撕裂检测灯设置在皮带输送机的内部,撕裂检测灯的数量和间距可以基于皮带输送机的皮带的长度和宽度设置,撕裂检测灯用于将光线由下至上照射在皮带输送机的皮带上,运输机状态监测组件设置在皮带输送机上,运输机状态监测组件用于采集皮带输送机的运行状态,运输机状态监测组件用于采集皮带输送机的运行状态(例如,温度、振动、声音等);
撕裂检测模块进行实时皮带撕裂检测,包括:
根据实时异物检测结果和多个运输机状态监测组件采集的皮带输送机的运行状态,判断皮带输送机的撕裂风险区域;
基于皮带输送机的撕裂风险区域,动态调整皮带输送机的实时运输速度,进行实时皮带撕裂检测,其中,皮带输送机在对撕裂风险区域进行皮带撕裂检测的实时运输速度小于在对非撕裂风险区域进行皮带撕裂检测的实时运输速度。
具体的,撕裂风险区域可以为皮带输送机上的皮带存在较大概率发生撕裂的区域。例如,将检测到异物的区域和/或根据多个运输机状态监测组件采集的皮带输送机的运行状态,检测道运行异常的区域作为撕裂风险区域。
图4是根据本说明书一些实施例所示的进行实时皮带撕裂检测的流程示意图,如图4所示,在一些实施例中,撕裂检测模块进行实时皮带撕裂检测,包括:
获取皮带输送机的撕裂检测图像;
确定带输送机的撕裂检测图像中的每个像素的透光参数;
根据带输送机的撕裂检测图像中的每个像素的透光参数,确定皮带输送机撕裂检测图像中的目标像素,例如,将透光参数大于预设透光参数阈值且与该像素之间的距离小于预设像素距离的像素的数量大于预设像素阈值的像素,作为目标像素;
计算任意两个目标像素之间的像素距离;
根据任意两个目标像素之间的像素距离,对皮带输送机撕裂检测图像中的目标像素进行第一次聚类,确定多个像素聚类簇,例如,通过K均值聚类算法根据任意两个目标像素之间的像素距离,对皮带输送机撕裂检测图像中的目标像素进行第一次聚类,将像素距离较近的像素聚类至同一个像素聚类簇;
根据每个像素聚类簇包括的目标像素的数量,确定目标像素聚类簇,例如,将包括的目标像素的数量大于第一预设目标像素数量阈值的像素聚类簇作为目标像素聚类簇;
对于每个目标像素聚类簇,根据目标像素聚类簇中的每个像素的透光参数,对目标像素聚类簇中的目标像素进行第二次聚类,确定目标像素聚类簇的多个像素聚类子簇,根据每个像素聚类子簇包括的目标像素的数量,确定目标像素聚类簇的目标像素聚类子簇,例如,对于每个目标像素聚类簇,通过K均值聚类算法根据目标像素聚类簇中的每个像素的透光参数,对目标像素聚类簇中的目标像素进行第二次聚类,将透光参数接近的目标像素聚类至同一个像素聚类子簇,并将包括的目标像素的数量大于第二预设目标像素数量阈值的像素聚类子簇作为目标像素聚类子簇;
对于每个目标像素聚类簇,根据目标像素聚类簇的目标像素聚类子簇包括的每个目标像素的透光参数,确定每个目标像素聚类子簇对应的透光参数,根据目标像素聚类簇的每个目标像素聚类子簇对应的透光参数,计算目标像素聚类簇的透光波动参数,当目标像素聚类簇的透光波动参数符合预设条件时,判断带输送机发生撕裂,根据每个目标像素聚类子簇对应的透光参数,确定边缘像素聚类子簇,根据边缘像素聚类子簇包括的像素的位置,确定带输送机的撕裂情况,其中,撕裂情况可以包括撕裂面积及撕裂位置。
具体的,对于每个目标像素聚类子簇,可以将目标像素聚类子簇包括的目标像素的透光参数的均值作为目标像素聚类子簇对应的透光参数。
可以基于以下公式计算目标像素聚类簇的透光波动参数:
;
其中,为第k个目标像素聚类簇的透光波动参数,/>为第k个目标像素聚类簇包括的第g个目标像素聚类子簇对应的透光参数,/>为第k个目标像素聚类簇包括的目标像素聚类子簇的总数。
可以理解的,一个目标像素聚类簇对应一个撕裂区域,对于撕裂区域,不同位置的像素的透光参数满足不同的特征,例如,撕裂区域的边缘的透光参数较低,撕裂区域的中心区域的透光参数较高,可以通过目标像素聚类簇的透光波动参数反应。当目标像素聚类簇的透光波动参数满足预设透光波动参数范围时,判断带输送机发生撕裂。
撕裂检测模块可以将对应的透光参数小于预设透光参数阈值的目标像素聚类子簇作为边缘像素聚类子簇。
煤流控制模块可以用于根据实时异物检测结果、实时跑偏检测结果及实时皮带撕裂检测结果,进行煤流控制。
例如,根据实时异物检测结果,进行后续的异物处理的提示。又例如,根据实时跑偏检测结果,降低该皮带输送机的煤流速度或停止煤流运输。又例如,根据实时皮带撕裂检测结果,判断皮带输送机发生撕裂时,停止该皮带输送机的煤流运输。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,包括:
图像获取模块,用于在煤流输送过程中,获取皮带输送机煤流图像;
流量识别模块,用于根据所述皮带输送机煤流图像,确定所述皮带输送机的实时运输流量,具体包括,根据在所述皮带输送机煤流图像,获取煤流截面的各位置的高度信息,确定所述皮带输送机的实时运输流量;
速度调节模块,用于根据所述皮带输送机的实时运输流量,调节所述皮带输送机的实时运输速度;
异物识别模块,用于根据所述皮带输送机煤流图像,进行实时异物检测,具体包括,建立并训练异物识别模型,通过训练后的异物识别模型根据所述皮带输送机煤流图像,确定异物类型及异物位置;
跑偏检测模块,用于根据所述皮带输送机煤流图像,进行实时跑偏检测,具体包括,根据所述皮带输送机煤流图像,确定皮带边缘位置,进行实时跑偏检测;
撕裂检测模块,用于在所述皮带输送机的实时运输流量小于预设流量阈值时,进行实时皮带撕裂检测;
煤流控制模块,用于根据实时异物检测结果、实时跑偏检测结果及实时皮带撕裂检测结果,进行煤流控制。
2.根据权利要求1所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述流量识别模块根据所述皮带输送机煤流图像,确定所述皮带输送机的实时运输流量,包括:
对于每个图像采集时间点,通过激光测距组件,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第一高度信息;
根据在所述图像采集时间点获取的皮带输送机煤流图像,获取煤流截面的各位置的高度信息,称为煤流截面的各位置的第二高度信息;
基于所述煤流截面的各位置的第一高度信息和所述煤流截面的各位置的第二高度信息,计算所述图像采集时间点对应的高度信息可靠性参数;
当所述高度信息可靠性参数满足预设可靠性要求时,基于所述煤流截面的各位置的第一高度信息和所述煤流截面的各位置的第二高度信息,计算所述图像采集时间点对应的煤流截面的各位置的第三高度信息,根据所述第三高度信息,确定所述图像采集时间点对应的单点运输流量;
根据多个连续的图像采集时间点对应的单点运输流量,计算流量波动参数,当流量波动参数小于预设流量波动参数阈值时,基于多个连续的图像采集时间点对应的单点运输流量,确定所述皮带输送机的实时运输流量。
3.根据权利要求2所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,基于以下公式计算流量波动参数:
;
其中,为流量波动参数,/>为第t个图像采集时间点对应的单点运输流量,/>为一个流量检测周期内包括的图像采集时间点的总数。
4.根据权利要求2或3所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述速度调节模块根据所述皮带输送机的实时运输流量,调节所述皮带输送机的实时运输速度,包括:
对于多个连续的图像采集时间点中的每个,基于所述图像采集时间点对应的煤流截面的各位置的第三高度信息,计算所述图像采集时间点对应的截面高度波动参数;
根据多个连续的图像采集时间点对应的煤流截面的各位置的第三高度信息,计算每个位置对应的位置高度波动参数;
基于每个所述图像采集时间点对应的截面高度波动参数和每个位置对应的位置高度波动参数,确定实时煤流分布均匀度;
根据所述皮带输送机的实时运输流量和实时煤流分布均匀度,确定所述皮带输送机的最优实时运输速度;
根据所述皮带输送机的最优实时运输速度,调节所述皮带输送机的实时运输速度。
5.根据权利要求4所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,基于以下公式计算实时煤流分布均匀度,包括:
;
其中,为实时煤流分布均匀度,/>为截面高度波动参数均值,为位置高度波动参数均值,/>和/>为预设权重,/>和/>均大于0,且,/>和/>为预设参数,且/>和/>均大于0,/>为第t个图像采集时间点对应的截面高度波动参数,/>为一个流量检测周期内包括的图像采集时间点的总数,/>为第i个位置对应的位置高度波动参数,/>为煤流截面的位置的总数,/>为第t个图像采集时间点对应的煤流截面的第i个位置的第三高度信息,/>为第t个图像采集时间点对应的煤流截面的第/>个位置的第三高度信息,/>为第i个位置在第t个图像采集时间点的第三高度信息,/>为第i个位置在第/>个图像采集时间点的第三高度信息。
6.根据权利要求4所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述跑偏检测模块根据所述皮带输送机煤流图像,进行实时跑偏检测,包括:
根据所述皮带输送机的实时煤流分布均匀参数和实时运输速度,确定跑偏检测频率;
根据所述跑偏检测频率,对多帧皮带输送机煤流图像进行抽样,获取多帧抽样图像;
对于每帧所述抽样图像,确定所述抽样图像对应的皮带边缘位置,计算所述抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值;
基于所述多帧抽样图像中的每一帧对应的跑偏值,确定跑偏均值及跑偏波动参数,具体的,对多帧抽样图像中的每一帧对应的跑偏值求均值,获取跑偏均值;
根据所述跑偏均值及跑偏波动参数,判断所述皮带输送机是否发生跑偏;
根据以下公式计算跑偏波动参数:
;
其中,为跑偏波动参数,/>为第e帧抽样图像对应的皮带边缘位置和预设皮带边缘位置之间的跑偏值,/>为抽样图像的总数;
当跑偏均值大于预设均跑偏均值阈值且跑偏波动参数大于预设跑偏波动参数阈值,判断皮带输送机发生跑偏。
7.根据权利要求6所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述速度调节模块还用于:
根据所述跑偏均值及跑偏波动参数,调节所述皮带输送机的实时运输速度。
8.根据权利要求2或3所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述撕裂检测模块包括均匀设置的撕裂检测灯,还包括运输机状态监测组件,其中,所述撕裂检测灯设置在所述皮带输送机的内部,所述撕裂检测灯用于将光线由下至上照射在所述皮带输送机的皮带上,所述运输机状态监测组件设置在所述皮带输送机上,所述运输机状态监测组件用于采集所述皮带输送机的运行状态;
所述撕裂检测模块进行实时皮带撕裂检测,包括:
根据所述实时异物检测结果和所述多个运输机状态监测组件采集的所述皮带输送机的运行状态,判断所述皮带输送机的撕裂风险区域;
基于所述皮带输送机的撕裂风险区域,动态调整所述皮带输送机的实时运输速度,进行实时皮带撕裂检测,其中,所述皮带输送机在对所述撕裂风险区域进行皮带撕裂检测的实时运输速度小于在对非撕裂风险区域进行皮带撕裂检测的实时运输速度。
9.根据权利要求8所述的一种基于机器视觉的皮带输送机智能煤流控制系统,其特征在于,所述撕裂检测模块进行实时皮带撕裂检测,包括:
获取皮带输送机的撕裂检测图像;
确定所述带输送机的撕裂检测图像中的每个像素的透光参数;
根据所述带输送机的撕裂检测图像中的每个像素的透光参数,确定所述皮带输送机撕裂检测图像中的目标像素;
计算任意两个目标像素之间的像素距离;
根据任意两个目标像素之间的像素距离,对所述皮带输送机撕裂检测图像中的目标像素进行第一次聚类,确定多个像素聚类簇;
根据每个所述像素聚类簇包括的目标像素的数量,确定目标像素聚类簇;
对于每个目标像素聚类簇,根据所述目标像素聚类簇中的每个像素的透光参数,对所述目标像素聚类簇中的目标像素进行第二次聚类,确定所述目标像素聚类簇的多个像素聚类子簇,根据每个所述像素聚类子簇包括的目标像素的数量,确定所述目标像素聚类簇的目标像素聚类子簇;
对于每个目标像素聚类簇,根据所述目标像素聚类簇的目标像素聚类子簇包括的每个目标像素的透光参数,确定每个所述目标像素聚类子簇对应的透光参数,根据所述目标像素聚类簇的每个所述目标像素聚类子簇对应的透光参数,计算所述目标像素聚类簇的透光波动参数,当所述目标像素聚类簇的透光波动参数符合预设条件时,判断所述带输送机发生撕裂,根据每个所述目标像素聚类子簇对应的透光参数,确定边缘像素聚类子簇,根据所述边缘像素聚类子簇包括的像素的位置,确定所述带输送机的撕裂情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410620222.7A CN118183225B (zh) | 2024-05-20 | 2024-05-20 | 一种基于机器视觉的皮带输送机智能煤流控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410620222.7A CN118183225B (zh) | 2024-05-20 | 2024-05-20 | 一种基于机器视觉的皮带输送机智能煤流控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118183225A true CN118183225A (zh) | 2024-06-14 |
CN118183225B CN118183225B (zh) | 2024-07-12 |
Family
ID=91400296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410620222.7A Active CN118183225B (zh) | 2024-05-20 | 2024-05-20 | 一种基于机器视觉的皮带输送机智能煤流控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118183225B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6211470B1 (en) * | 1999-11-22 | 2001-04-03 | Westvaco Corporation | Height measurement apparatus for determining the volume/density of wood chips on a conveyor |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
KR101918498B1 (ko) * | 2018-08-24 | 2018-11-15 | 부산신항만주식회사 | 컨테이너의 검사 시스템 |
CN113306991A (zh) * | 2021-04-16 | 2021-08-27 | 北京伟景智能科技有限公司 | 基于立体视觉的煤炭运输机监测管理系统 |
CN115272980A (zh) * | 2022-09-22 | 2022-11-01 | 常州海图信息科技股份有限公司 | 一种基于机器视觉的运输皮带表面检测方法及系统 |
-
2024
- 2024-05-20 CN CN202410620222.7A patent/CN118183225B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6211470B1 (en) * | 1999-11-22 | 2001-04-03 | Westvaco Corporation | Height measurement apparatus for determining the volume/density of wood chips on a conveyor |
CN107176432A (zh) * | 2017-06-15 | 2017-09-19 | 西安科技大学 | 一种基于机器视觉的锚杆异物及皮带撕裂检测系统 |
KR101918498B1 (ko) * | 2018-08-24 | 2018-11-15 | 부산신항만주식회사 | 컨테이너의 검사 시스템 |
CN113306991A (zh) * | 2021-04-16 | 2021-08-27 | 北京伟景智能科技有限公司 | 基于立体视觉的煤炭运输机监测管理系统 |
CN115272980A (zh) * | 2022-09-22 | 2022-11-01 | 常州海图信息科技股份有限公司 | 一种基于机器视觉的运输皮带表面检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118183225B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113658136B (zh) | 一种基于深度学习的传送带缺陷检测方法 | |
CN106829393B (zh) | 带式输送机自动调速方法 | |
US20020000723A1 (en) | Control system for a wind power plant | |
US8224476B2 (en) | Closed-loop monitoring and identification of CD alignment for papermaking processes | |
WO2023155598A1 (zh) | 基于物料动态计量的转载点溜槽堵塞检测系统 | |
CN112938408B (zh) | 皮带煤量自动调速平衡保护方法 | |
US4863009A (en) | Control system for an endless belt conveyor train | |
CN106228580B (zh) | 一种基于视频分析的物料检测、节能方法及系统 | |
CN118183225B (zh) | 一种基于机器视觉的皮带输送机智能煤流控制系统 | |
CN113772364B (zh) | 一种皮带输送机跑偏检测装置的自动调整方法 | |
CN104307886B (zh) | 一种复合轧机包覆轧制的大时滞agc控制方法 | |
CN112040174A (zh) | 一种用于井下的煤流量视觉检测方法 | |
CN113184449B (zh) | 一种用于金属粉末制品的智能输送管理调控系统 | |
CN116177146A (zh) | 一种基于ai与激光监测技术的输送皮带检测系统及方法 | |
CN118155113A (zh) | 一种运输带工况检测方法、系统、电子设备及存储介质 | |
KR100752124B1 (ko) | 벨트 컨베이어의 전체 계량 제어장치 | |
CN104841699A (zh) | 热连轧厚度的具有增益分段控制的agc控制方法 | |
CN113998369B (zh) | 一种采煤调速系统及调速方法 | |
CN115504187A (zh) | 一种矿用皮带智能调速和保护系统及控制方法 | |
CN217756105U (zh) | 锂电池涂布错位纠偏系统及锂电池涂布设备 | |
CN114345536B (zh) | 一种破碎机挤满给矿的检测控制方法、系统及装置 | |
CN117775643B (zh) | 一种煤矿主煤流皮带输送控制系统 | |
Duffy et al. | On the industrial plant performance & operating point drifting phenomenon | |
CN115116010B (zh) | 基于图像处理的皮带防跑偏视觉识别系统 | |
CN118270490B (zh) | 一种带式输送机智能调速系统及方法 |
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 |