一种基于机器视觉的滚筒乱绳检测方法及装置制造方法及图纸

本公开是关于一种基于机器视觉的滚筒乱绳检测方法及装置。该方法包括：获取滚筒区域的图像；根据所述图像判断滚筒是否处于转动状态；若所述滚筒处于转动状态，则利用预先训练的图像识别模型识别所述图像中的滚筒边帮和乱绳的边界框；统计与滚筒边帮的边界框的距离不在预设范围内的乱绳的数量；若所述乱绳的数量超过设定数量，则发出报警。本公开提供的方案，能实现滚筒乱绳异常现象的智能感知，并实时发出报警，以便及时进行停机处理，大大提高了设备运行的可靠性。

【技术实现步骤摘要】
一种基于机器视觉的滚筒乱绳检测方法及装置
本公开涉及机器视觉及设备检测领域，尤其涉及一种基于机器视觉的滚筒乱绳检测方法及装置。
技术介绍
提升钢丝绳是指连接提升容器和传递提升机动力用的钢丝绳索。它是钢丝绳提升设备的一个重要组成部分。钢丝绳作为立井提升机是最为重要的连接部分，一旦出现乱绳咬绳等现象，会加快钢丝绳的磨损和变形，进而导致钢丝绳失去稳定的提升和牵引功能，影响生产任务的正常完成情况，造成巨大的经济损失，甚至可能会关系到人员的生命安全。所以，在生产过程中，及时发现乱绳现象，可根据乱绳等异常发生的频次执行减速、停止、更换和维护等相应正确操作，而且与此同时，还可以得出钢丝绳的使用情况和当前质量。目前市面上针对立井提升机钢丝绳的监测检修，有很多种相应的方法，有利用重量感知的，看钢丝绳此时末端承受的重力和现在的拉力是否一致，如果不一致超过一定阈值说明有失常(拉力过大或钢丝绳不受力)的可能，还有看钢丝绳运动速度与滚筒转动速度是否一致的方法，还有观测钢丝绳滚筒在出绳位置(入绳位置)的角度等是否在一定阈值范围内等的方法，但这些方法普遍是在提升机钢丝绳因为乱绳等情况已经慢速直至停下来后才能发现，并且反应的时间较长，效果显现的较慢，并且一旦出现一些场景的变更，则方法不一定仍然奏效。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种基于机器视觉的滚筒乱绳检测方法及装置，能够及时发现滚筒钢丝绳存在乱绳而发出报警，减少因乱绳导致的停机的情况。根据本公开实施例的第一方面，提供一种基于机器视觉的滚筒乱绳检测方法，包括：获取滚筒区域的图像；根据所述图像判断滚筒是否处于转动状态；若所述滚筒处于转动状态，则利用预先训练的图像识别模型识别所述图像中的滚筒边帮和乱绳的边界框；统计与滚筒边帮的边界框的距离不在预设范围内的乱绳的数量；若所述乱绳的数量超过设定数量，则发出报警。进一步，所述根据所述图像判断滚筒是否处于转动状态，具体包括：根据相隔预设时长的两帧图像之间的差值与预设阈值的比较结果判断滚筒是否处于转动状态。进一步，所述图像识别模型采用目标检测算法或图像分割算法。进一步，该方法还包括：计算第一次出现与滚筒边帮的边界框的距离不在预设范围内的乱绳的持续时间；若所述乱绳的持续时间超过设定时间，且滚筒处于停止状态，则发出报警。根据本公开实施例的第二方面，提供一种基于机器视觉的滚筒乱绳检测装置，包括：图像获取模块，用于获取滚筒区域的图像；状态判断模块，用于根据所述图像判断滚筒是否处于转动状态；图像识别模块，用于若所述状态判断模块判断所述滚筒处于转动状态，则利用预先训练的图像识别模型识别所述图像中的滚筒边帮和乱绳的边界框；数量统计模块，用于统计与滚筒边帮的边界框的距离不在预设范围内的乱绳的数量；报警模块，用于若所述数量统计模块统计的所述乱绳的数量超过设定数量，则发出报警。进一步，所述状态判断模块，具体用于：根据相隔预设时长的两帧图像之间的差值与预设阈值的比较结果判断滚筒是否处于转动状态。进一步，所述图像识别模型采用目标检测算法或图像分割算法。进一步，该装置还包括：计时模块，用于计算第一次出现与滚筒边帮的边界框的距离不在预设范围内的乱绳的持续时间；所述报警模块，还用于若所述计时模块计算的所述乱绳的持续时间超过设定时间，且滚筒处于停止状态，则发出报警。根据本公开实施例的第三方面，提供一种终端设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。根据本公开实施例的第四方面，提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。本公开的实施例提供的技术方案可以包括以下有益效果：通过对滚筒区域图像的实时智能分析，能够实现滚筒乱绳异常现象的智能感知，并实时发出报警，以便及时进行停机处理，大大提高了设备运行的可靠性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。图1是根据本公开一示例性实施例示出的一种基于机器视觉的滚筒乱绳检测方法的流程示意图；图2为本公开提供的滚筒乱绳检测的处理流程图；图3为AI业务模型对乱绳识别结果的处理过程的流程图；图4是yolo算法进行乱绳目标识别的效果图；图5是yolact算法进行乱绳目标识别的效果图；图6是乱绳在滚筒边帮处的示意图；图7是根据本公开一示例性实施例示出的一种基于机器视觉的滚筒乱绳检测装置的结构框图；图8是根据本公开一示例性实施例示出的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本公开可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。申请人发现，在乱绳发生之初，其实已经多有征兆，如搭绳扭转、松散等，通过识别这些征兆，就可以在由于乱绳导致停机之前，及时接近钢丝绳的缠绕问题。基于以上考虑，本公开提供了一种基于机器视觉的滚筒乱绳检测方法，通过针对性建立和训练AI视频识别模型，并基于摄像机对滚筒的转动情况进行监测，直接获取乱绳本身的图像，对滚筒上的钢丝绳缠绕情况实时甄别，当出现乱绳、松散等的情况发生时，获取到的图片和已有数据库中的图片进行比对，并输出报警信息。图2为本公开提供的滚筒乱绳检测的处理流程图。如图2所示，可采用高速摄像机来采集滚筒区域的视频数据，必要时可采用深度摄像机，这样对于滚筒上的钢丝绳出现扭转等情本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的滚筒乱绳检测方法，其特征在于，包括：/n获取滚筒区域的图像；/n根据所述图像判断滚筒是否处于转动状态；/n若所述滚筒处于转动状态，则利用预先训练的图像识别模型识别所述图像中的滚筒边帮和乱绳的边界框；/n统计与滚筒边帮的边界框的距离不在预设范围内的乱绳的数量；/n若所述乱绳的数量超过设定数量，则发出报警。/n

【技术特征摘要】
1.一种基于机器视觉的滚筒乱绳检测方法，其特征在于，包括：
获取滚筒区域的图像；
根据所述图像判断滚筒是否处于转动状态；
若所述滚筒处于转动状态，则利用预先训练的图像识别模型识别所述图像中的滚筒边帮和乱绳的边界框；
统计与滚筒边帮的边界框的距离不在预设范围内的乱绳的数量；
若所述乱绳的数量超过设定数量，则发出报警。


2.根据权利要求1所述的方法，其特征在于，所述根据所述图像判断滚筒是否处于转动状态，具体包括：
根据相隔预设时长的两帧图像之间的差值与预设阈值的比较结果判断滚筒是否处于转动状态。


3.根据权利要求1所述的方法，其特征在于，所述图像识别模型采用目标检测算法或图像分割算法。


4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
计算第一次出现与滚筒边帮的边界框的距离不在预设范围内的乱绳的持续时间；
若所述乱绳的持续时间超过设定时间，且滚筒处于停止状态，则发出报警。


5.一种基于机器视觉的滚筒乱绳检测装置，其特征在于，包括：
图像获取模块，用于获取滚筒区域的图像；
状态判断模块，用于根据所述图像判断滚筒是否处于转动状态；
图像识别模块，用于若所述状态判断模块判断所述滚筒处于转动状态，则利用预先训练的图像识别...

【专利技术属性】
技术研发人员：李园园，杜亭玉，朱晓宁，
申请(专利权)人：精英数智科技股份有限公司，
类型：发明
国别省市：山西;14