一种基于计算机视觉的档皮外翻自动检测的方法和系统

技术领域

本发明涉及计算机视觉技术领域，特别是一种基于计算机视觉的档皮外翻自动检测的方法。

背景技术

在皮带运行过程中，皮带的档皮外翻一直是机械运行过程中的主要故障来源，但皮带档皮外翻总是基于各种原因产生的，很难进行固定化的察觉或是预测，因此传统方法皮带运行中只能根据摄像头监控，对于已经档皮外翻的皮带进行调整与修理，很难做到及时调整，与短时间的修复，会造成机械能力与设备维护的损失。

因此需要进行基于计算机视觉技术，实现对皮带边沿的自动检测，根据用户实际需求绘制皮带边沿正常区域，根据检测到的皮带边沿若不在正常区域内部，即判定为档皮外翻。实现能够容忍的不同程度的皮带档皮外翻自动检测，最终实现皮带档皮外翻状态在线智能监测。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有的基于计算机视觉的档皮外翻自动检测的方法中存在的问题，提出了本发明。

因此，本发明所要解决的问题在于如何提供一种基于计算机视觉的档皮外翻自动检测的方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于计算机视觉的档皮外翻自动检测的方法，其包括，

皮带中间区域设置为激光区，在皮带机运行过程中，激光区线性激光设备发射激光到运行中的皮带上；

图像采集设备进行激光照射时的实时数据采集，并做预处理；

数据预处理后传输到图像处理总控台；

总控台接受信息后进行数据处理反馈到PLC系统中；

PLC系统接受反馈后进行针对性的皮带机动作操控。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述图像实时采集是通过ROI提取技术进行图像采集，通过先验知识或者明显特征利用图像剪切手段迅速排除无效区域的信息干扰，从而简化图像处理难度，降低识别时间；

所述图像预处理是进行图像降噪处理；

所述图像去噪处理是通过中值滤波器进行处理，中值滤波器处理过程为将s步窗区域内所有图像像素点按序列排序，将最中间的像素值替换sxy窗区域中心像素点(x，y)的像素值。中值滤波可以剔除窗函数内“突变”的像素值，使窗函数内像素值趋于平缓，从而达到滤波效果。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述激光照射到皮带上进行数据提取过程中，需要进行激光条纹的分割算法；

所述激光条纹的分割算法是利用洛伦兹信息测度的线性加权Ostu分割算法，其信息测度的计算方式是

先假设图像f(x，y)拥有N个灰度级别，其中h＝r(i)：{i＝0，1，···，N-1}是图像f(x，y)的灰度直方图，直方图中r(i)是灰度级i的像素个数，图像信息测度NPIM

其中M(f)是图像f(x，y)的像素总数，pi是概率，θ(k)是标识q(i)的前k个最大值，因此总结可得

0＝NPIM

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述线性加权Ostu分割算法中线性加权公式为

p

因此激光经过加权公式计算后，最佳的分割阈值选取在

其中σ代表离散程度，ψ(t)代表波函数。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述总控台接受信息后进行数据处理反馈到PLC系统中是通过以太网进行数据传输，将以太网数据转化为光纤信息再传递到总控制台。

鉴于上述和/或现有的基于计算机视觉的档皮外翻自动检测的系统中存在的问题，提出了本发明。

因此，本发明所要解决的问题在于如何提供一种基于计算机视觉的档皮外翻自动检测的系统。

为解决上述技术问题，本发明提供如下技术方案：一种基于计算机视觉的档皮外翻自动检测的系统，其包括，图像采集模块，线性激光模块，传输处理模块，总控制台模块；

所述图像采集模块用于图像采集；

所述线性激光模块由设备支架，激光设备与遮拦防护设备组成，其中设备支架用于固定激光设备，遮拦防护设备用于防止光照对激光作业的影响；

所述传输处理模块用于数据传输与格式转换，从原有的激光处理数据传化为光纤信息数据；

所述总控制台模块用于接受光纤信息后，针对性的进行皮带机工作操控。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述传输处理模块是使用OPC通讯协议进行数据处理，利用以太网方式远程连接到皮带控制系统的标签点上，实现数据的处理与传输。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述总控制台模块在进行光纤信息接收后，需要进行是否皮带档皮外翻判断，

当发现未发生档皮外翻时，显示未发生外翻结果，不进行皮带机工作处理；

当发现发生档皮外翻时，根据档皮外翻结果进行分级报警，并将检测结果显示在总控制台模块的显示界面中。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述档皮外翻结果的分级报警分为四级，皮带档皮外翻检测可以做到100ms速度识别一帧画面，以皮带机5/s状态下进行匀速运动时，分级报警机制分为C1-C4，分别情况是

当未检测到档皮外翻时，皮带机正常运行无报警行为；

当检测到1帧图像符合档皮外翻时属于C1情况，系统记录保存数据，不进行报警行为；

当检测到2帧图像符合档皮外翻时属于C2情况，系统记录保存数据，总控制台界面警报并闪烁警示灯；

当检测到3帧图像符合档皮外翻时属于C3情况，系统记录保存数据，总控制台界面警报指示灯闪烁提示，总控制台报警音提示。

当检测到连续4帧图像符合档皮外翻时属于C4情况，系统保存数据，总控制台界面警报指示灯闪烁提示，总控制台报警音提示，同时向皮带控制系统传递停机信号，根据皮带机惯性停机数据，给出档皮外翻大致位置、外翻长度和外翻原因，方便操作人员快速查找档皮外翻位置和档皮外翻原因。

作为本发明所述基于计算机视觉的档皮外翻自动检测的方法的一种优选方案，其中：所述图像采集模块根据现场条件将网络摄像头架设在皮带机上方调整至合适的角度，并将摄像头连接网络能够实时获取到皮带机上运输情况。

本发明有益效果为通过分级报警机制可以极大程度上控制误报率和漏报率，同时方便实时分析当前皮带状况。通过独特精确地识别算法和分级报警机制，可以保证基于视觉技术的皮带档皮外翻检测系统的漏报率小于0.1％，误报率小于1％；同时确保皮带运输机发生皮带档皮外翻后2米内发出停机信号并报警存盘。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为实施例1中基于计算机视觉的档皮外翻自动检测的方法的场景图。

图2为实施例2中基于计算机视觉的档皮外翻自动检测的系统的结构图。

图3为实施例3中基于计算机视觉的档皮外翻自动检测的方法的现场安装图。

图4为实施例3中基于计算机视觉的档皮外翻自动检测的方法的图像采集装置。

图5为实施例3中基于计算机视觉的档皮外翻自动检测的方法的线性激光装置。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

实施例1

参照图1，为本发明第一个实施例，该实施例提供了一种基于计算机视觉的档皮外翻自动检测的方法，基于计算机视觉的档皮外翻自动检测的方法包括

皮带中间区域设置为激光区，在皮带机运行过程中，激光区线性激光设备发射激光到运行中的皮带上；

图像采集设备进行激光照射时的实时数据采集，并做预处理；

数据预处理后传输到图像处理总控台；

总控台接受信息后进行数据处理反馈到PLC系统中；

PLC系统接受反馈后进行针对性的皮带机动作操控。

图像实时采集是通过ROI提取技术进行图像采集，通过先验知识或者明显特征利用图像剪切手段迅速排除无效区域的信息干扰，从而简化图像处理难度，降低识别时间；图像预处理是进行图像降噪处理，所示图1未图像处理结构。

图像去噪处理是通过中值滤波器进行处理，中值滤波器处理过程为将s歩窗区域内所有图像像素点按序列排序，将最中间的像素值替换sxy窗区域中心像素点(x，y)的像素值。中值滤波可以剔除窗函数内“突变”的像素值，使窗函数内像素值趋于平缓，从而达到滤波效果。

激光照射到皮带上进行数据提取过程中，需要进行激光条纹的分割算法；

激光条纹的分割算法是利用洛伦兹信息测度的线性加权Ostu分割算法，其信息测度的计算方式是

先假设图像f(x，y)拥有N个灰度级别，其中h＝r(i)：{i＝0，1，···，N-1}是图像f(x，y)的灰度直方图，直方图中r(i)是灰度级i的像素个数，图像信息测度NPIM

其中M(f)是图像f(x，y)的像素总数，pi是概率，θ(k)是标识q(i)的前k个最大值，因此总结可得

0＝NPIM

线性加权Ostu分割算法中线性加权公式为

p

因此激光经过加权公式计算后，最佳的分割阈值选取在

其中σ代表离散程度，ψ(t)代表波函数。

总控台接受信息后进行数据处理反馈到PLC系统中是通过以太网进行数据传输，将以太网数据转化为光纤信息再传递到总控制台。

实施例2

参照图2，为本发明第二个实施例，其不同于第一个实施例的是：还包括。在上一个实施例中，基于计算机视觉的档皮外翻自动检测的系统包括

结构如图2所示，图像采集模块100用于图像采集；线性激光模块200由设备支架，激光设备与遮拦防护设备组成，其中设备支架用于固定激光设备，遮拦防护设备用于防止光照对激光作业的影响；传输处理模块300用于数据传输与格式转换，从原有的激光处理数据传化为光纤信息数据；总控制台模块400用于接受光纤信息后，针对性的进行皮带机工作操控。

传输处理模块300是使用OPC通讯协议进行数据处理，利用以太网方式远程连接到皮带控制系统的标签点上，实现数据的处理与传输。

总控制台模块400在进行光纤信息接收后，需要进行是否皮带档皮外翻判断，

当发现未发生档皮外翻时，显示未发生外翻结果，不进行皮带机工作处理；

当发现发生档皮外翻时，根据档皮外翻结果进行分级报警，并将检测结果显示在总控制台模块400的显示界面中。

档皮外翻结果的分级报警分为四级，皮带档皮外翻检测可以做到100ms速度识别一帧画面，以皮带机5/s状态下进行匀速运动时，分级报警机制分为C1-C4，分别情况是

当未检测到档皮外翻时，皮带机正常运行无报警行为；

当检测到1帧图像符合档皮外翻时属于C1情况，系统记录保存数据，不进行报警行为；

当检测到2帧图像符合档皮外翻时属于C2情况，系统记录保存数据，总控制台界面警报并闪烁警示灯；

当检测到3帧图像符合档皮外翻时属于C3情况，系统记录保存数据，总控制台界面警报指示灯闪烁提示，总控制台报警音提示。

当检测到连续4帧图像符合档皮外翻时属于C4情况，系统保存数据，总控制台界面警报指示灯闪烁提示，总控制台报警音提示，同时向皮带控制系统传递停机信号，根据皮带机惯性停机数据，给出档皮外翻大致位置、外翻长度和外翻原因，方便操作人员快速查找档皮外翻位置和档皮外翻原因。

实施例3

参照图3到图5，为本发明第三个实施例，其不同于前两个实施例的是：

皮带档皮外翻检测系统设备在实验现场安装位置示意图如图3所示。实验皮带运输机BD7-2位于上位设备总控制台(15号变电室)西北方向，直线距离大概100米。由于检测设备传输容量较大，每秒可达200M左右，并且六类的以太网络最大传输距离为80米，所以以太网无法完成数据传输任务，需要铺设光纤网络。实验现场皮带运输机BD7-2到15号变电室需要经过线槽和桥架，铺设光纤长度为200米，考虑到光纤传输的稳定性和以后设备扩容或者损坏，此次现场铺设光纤选用的是河北一舟电子科技有限公司的单模四芯光缆。

图像采集设备如图4所示，结构光激光设备如图5所示。

在基于机器视觉的皮带档皮外翻检测系统在试验场地安装完成后，进行了一系列测试和实际运行检测。在现场皮带运输机的皮带上根据皮带纵撕规律和特征，仿制了皮带纵撕场景，测试检测系统的准确性。经过现场实际测试，皮带档皮外翻检测系统能够完全将仿制皮带纵撕特征识别出来，识别准确率为100％。

经过一段时间的现场仿真和真实档皮外翻数据测试，在不同的时间段、天气等环境下进行测试，通过检测软件分析和现场人员确认，做如下统计分析，如表1所示。

现场仿制和真实档皮外翻数据测试阶段，检测系统采集识别图片数量约为64892张，正常图片64722张，4122张被误检为档皮外翻图片，识别正确率为93.63％；档皮外翻图片170张，全部成功识别检测，识别正确率为100％。经过分析，误识别图片均为粉尘、阴影、水珠附着皮带、剧烈振动产生拖影或皮带表面浅表性划痕等影响检测，这些误识别帧数据均可以被分级报警机制剔除，检测系统只会存盘保留数据，不会影响皮带运输机正常工作。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。