【技术实现步骤摘要】
一种带式输送机的滚轮轴承测温及故障预警方法及装置
[0001]本专利技术属于机器视觉故障检测
，尤其涉及一种带式输送机的滚轮轴承检测测温及故障预警装置及方法。
技术介绍
[0002]深度学习(deep learning)是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。目前已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等，已被广泛应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域。此外，深度学习也在机械故障检测领域得到广泛应用，使得检测精度得到了较大提升。
[0003]近年，对机械故障检测算法的研究，取得许多成果。例如，专利文献1(CN111947927A)提出了一种基于色度理论的滚动轴承故障检测方法，该方法根据采集到的轴承振动信息，采用色度算法计算轴承的类RGB特征，并采用支持向量数据描述算法SVDD进行分类，实现故障检测。专利文献2(CN111721535A)提出了一种基于卷积多头自注意力机制的轴承故障检测方法，该方法...
【技术保护点】
【技术特征摘要】
1.一种带式输送机的滚轮轴承测温方法，其特征在于，所述方法包括如下步骤：S1，采集所述滚轮轴承的可见光样本图像，对所述可见光样本图像进行标注，利用yolov4
‑
tiny网络训练滚轮轴承图像检测模型；S2，利用所述滚轮轴承图像检测模型检测定位滚轮轴承可见光图像，得到可见光图像中的滚轮轴承位置；S3，将所述滚轮轴承位置映射到红外图像中，利用红外测温装置对所述红外图像的映射区域的温度进行测量。2.根据权利要求1所述的带式输送机的滚轮轴承测温方法，其特征在于，对所述可见光样本图像进行标注，具体包括：将labelImg标注工具增加图像批量生成功能和标注文件镜像旋转功能，使用所述labelImg标注工具对所述可见光样本图像进行标注。3.根据权利要求1所述的带式输送机的滚轮轴承测温方法，其特征在于，将所述滚轮轴承位置映射到红外图像中，具体包括：使用空间融合法对红外图像和可见光图像进行配准和融合。4.根据权利要求1所述的带式输送机的滚轮轴承测温方法，其特征在于，还包括：所述yolov4
‑
tiny网络中，将neck部分的特征图与head部分的特征图进行融合重构。5.一种采用权利要求1
‑
4任一项所述的带式输送机的滚轮轴承测温方法的滚轮轴承故障预警方法，其特征在于，还包括：S4，通过滚轮轴承温度、检测边框大小、环境温度、目标置信度，对轴承是否存在故障进行判别，产生告警预警。6.根据权利要求5所...
【专利技术属性】
技术研发人员：闫海涛，廖剑兰，
申请(专利权)人：武汉菲舍控制技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。