基于AI视觉的皮带跑偏监测调速控制装置及方法制造方法及图纸

一种基于AI视觉的皮带跑偏监测调速控制装置及方法，装置包括计算机，以及与其相连的图像采集装置和皮带控制模块，还包括安装在皮带机架上的由传动轴马达驱动的皮带传动轴。本发明专利技术方法：使用LL‑NET网络对图像进行增强和降噪，使用DeblurGAN算法对图像进行去模糊处理；对预处理后的图像采用基于结构感知的超快边线检测方法进行托辊支架、皮带和煤流边线检测，并识别边线上每个点的坐标，由边线上的点坐标估算出托辊支架中轴线、皮带中轴线和煤流面积S；最后由中轴线坐标计算出皮带跑偏量ΔL和跑偏方向，通过皮带控制模块对皮带传动轴以及皮带转轴的转速进行调节，从而实现皮带跑偏修正和煤流量大小的控制。

【技术实现步骤摘要】
基于AI视觉的皮带跑偏监测调速控制装置及方法
本专利技术涉及一种皮带跑偏调速智能控制装置及方法，具体是一种基于AI视觉的皮带跑偏监测调速控制装置及方法，属于视觉方法检测、智能控制

技术介绍
在煤矿开采中，皮带传输是最主要的运输方式，皮带运输过程中容易出现跑偏、空载、过载等问题。皮带跑偏会出现皮带磨损、皮带断裂、煤炭外洒等问题，降低了皮带的使用寿命和开采效率，甚至危及采矿人员的安全；同时皮带空载会造成资源浪费，过载则会增加皮带负荷，产生故障。因此，实时监控皮带的跑偏和煤流量，并及时进行智能修正和速度调节显得至关重要。目前，针对煤矿皮带跑偏检测，已经提出了基于视觉图像处理的皮带跑偏检测方法：在皮带非承载面显著地标记皮带中轴线，通过图像中皮带中轴线垂线与图像坐标系水平方向夹角计算皮带跑偏量，该方法受井下光线和皮带运动影响，获取的图像对比度不明显、噪声较多、具有模糊干扰；以皮带非承载面为参照标记中轴线，面对不同型号的托辊支架不具备鲁棒性；以偏移夹角计算偏移量易受视觉角度影响，降低测量准确度。对于煤流量监测，提出的使用摄像头获取煤流量数据图像，带入改进ResNet网络，训练得到煤流量图像分类的方法，在建立煤流量图像分类模型时需要大量标准的、带有煤流量标签的图像数据集，标准训练数据集的收集是一个重大难题，且模型稳定性得不到保证。综上所述，现有基于视觉方法的皮带跑偏检测和煤流量监测方法具有以下缺陷：1.获取的图像未进行预处理，干扰因素较多，测量精度低；2.检测方法只适用于固定型号的托辊支架，应用在不同型号的托辊支架上，其检测精度不能保证，鲁棒性较差；3.需要大量的训练数据集，增加了测量难度；4.无法同时检测皮带跑偏和监测煤流量；5.对于皮带跑偏无法实现实时修正。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供一种基于AI视觉的皮带跑偏监测调速控制装置及方法，对获取的图像进行预处理，无需收集大量的训练数据集即可实现煤流量检测，能够自适应不同托辊支架环境实时进行皮带跑偏检测、智能修正与调速，且能够实现同时对皮带跑偏和煤流量大小的情况进行检测，具有较高的准确性、鲁棒性和时效性。为达到以上目的，本专利技术一种基于AI视觉的皮带跑偏监测调速控制装置，包括：图像采集装置，架设在皮带正上方，用于采集皮带工作时的视频图像，并将该视频图像传送至计算机；计算机，采用LL-NET网络和DeblurGAN算法对接收到的视频图像进行预处理，然后通过基于结构感知的方法对处理后的视频图像中的托辊支架、皮带进行边线检测，同时对皮带上的煤流量进行边线检测，并将检测结果传送至皮带控制模块；皮带传动轴，与传动轴马达连接，皮带传动轴与传动轴马达均安装在皮带机架上，皮带传动轴分布在皮带左右两侧，且与皮带表面紧密接触；皮带控制模块，安装在皮带机架上，分别通过控制电路与传动轴马达以及驱动皮带转轴转动的转轴马达电连接。优选地，图像采集装置为高清摄像头，皮带控制模块为PLC控制器。一种基于AI视觉的皮带跑偏监测调速控制方法，具体步骤如下：1)图像获取：将高清摄像头架设在皮带正上方，采集皮带工作时的视频图像I，并传送至计算机进行视频图像I预处理；2)图像预处理：对高清摄像头中获取的视频图像I进行图像增强、降噪和去模糊处理；3)边线检测：基于结构感知的方法对预处理后视频图像I中的托辊支架、皮带和煤流进行边线检测，并识别边线上每个点的坐标；4)由边线上点的坐标估算出托辊支架中轴线、皮带中轴线坐标以及煤流面积S；5)根据托辊支架和皮带中轴线坐标计算出皮带跑偏量ΔL和跑偏方向，同时根据煤流面积S控制皮带转轴转速，从而调节煤流量大小：当检测到皮带跑偏时，皮带控制模块加大皮带跑偏侧的传动轴马达的转速，从而加大跑偏侧皮带传动轴转速，相应减小另一侧转动轴马达的转速，从而减小另一侧皮带传动轴的转速，同时计算皮带跑偏量ΔL的值，当ΔL＝0时，完成皮带跑偏修正；当S＞1m2时，皮带控制模块加大转轴马达的转速，从而加大皮带转轴的转速；当S≤0.5m2时，皮带控制模块减小转轴马达的转速，从而减小皮带转轴的转速；当0.5m2＜S≤1m2时，皮带控制模块不工作，皮带按照预先设定的速度运。与现有技术相比，本专利技术具有以下优点：1)本专利技术通过基于结构感知的方法进行视觉边检测建立托辊支架和皮带双中轴线方法检测皮带是否跑偏，通过托辊支架和皮带中轴线同一水平方向坐标计算皮带跑偏量和跑偏方向，避免了传统视觉方法视觉角度偏差造成的测量误差，提高了测量准确度。2)本专利技术无需通过收集大量的标准训练数据集判断煤流量大小，通过基于结构感知的方法进行视觉边检测煤流量面积，即可判断煤流量大小，判断方法更加简单、快捷。3)本专利技术实现了同时实施皮带跑偏检测和煤流量监测，解决了传统方法只能单独检测的缺陷。4)本专利技术皮带控制模块实现了同时调节皮带跑偏和皮带转轴转速的功能，不仅可以检测出皮带跑偏，还可以对皮带跑偏进行实时修正，同时还可以根据煤流量大小智能调节皮带传输速度，提高了皮带使用寿命，减少了资源浪费。附图说明图1是本专利技术方法流程图；图2是本专利技术装置结构示意图；图3是本专利技术装置托辊支架和皮带装置的主视图；图4是本专利技术装置皮带机和皮带传动轴细节图；图5是图4的仰视图。图中：1、高清摄像头，2、计算机，3、托辊支架，4、皮带，5、皮带传动轴，6、皮带控制模块，7、辊轮，8、皮带转轴，9、转轴马达，10、传动轴马达。具体实施方式下面结合附图对本专利技术作进一步说明。如图1至图5所示，一种基于AI视觉的皮带跑偏监测调速控制装置，包括：图像采集装置，架设在皮带4正上方，用于采集皮带4工作时的视频图像，并将该视频图像传送至计算机2；计算机2，采用LL-NET网络和DeblurGAN算法对接收到的视频图像进行预处理，然后基于结构感知的方法对预处理后的视频图像中的托辊支架3、皮带4进行边线检测，同时对皮带4上的煤流量进行边线检测，并将检测结果传送至皮带控制模块6；皮带传动轴5，与传动轴马达10连接，皮带传动轴5与传动轴马达10均安装在皮带4机架上，分布在皮带4左右(以图2“左侧”为“左”)两侧，且与皮带4表面紧密接触，如图2和图5所示；皮带4安装在皮带4机架上，由皮带转轴8带动其运转，皮带转轴8由转轴马达9驱动，皮带转轴8和转轴马达9均安装在皮带4机架上，皮带4机架通过辊轮7固定在托辊支架3上；皮带控制模块6，安装在皮带4机架上，分别通过控制电路与传动轴马达10以及驱动皮带转轴8转动的转轴马达9电连接；用于根据接收到的检测结果对传动轴马达10和用于控制皮带转轴8的转轴马达9的转速进行控制，从而对皮带4跑偏进行修正和智能调速。作为本专利技术的优选方式，本专利技术图像采集装置选用高清摄像头1，拍摄出来的图像更加清楚，当然也可以根据需要本文档来自技高网...

【技术保护点】
1.一种基于AI视觉的皮带跑偏监测调速控制装置，其特征在于，包括：/n图像采集装置，架设在皮带(4)正上方，用于采集皮带(4)工作时的视频图像，并将该视频图像传送至计算机(2)；/n计算机(2)，采用LL-NET网络和DeblurGAN算法对接收到的视频图像进行预处理，然后通过基于结构感知的方法对处理后的视频图像中的托辊支架(3)、皮带(4)进行边线检测，同时对皮带(4)上的煤流量进行边线检测，并将检测结果传送至皮带控制模块(6)；/n皮带传动轴(5)，与传动轴马达(10)连接，皮带传动轴(5)与传动轴马达(10)均安装在皮带(4)机架上，皮带传动轴(5)分布在皮带(4)左右两侧，且与皮带(4)表面紧密接触；/n皮带控制模块(6)，安装在皮带(4)机架上，分别通过控制电路与传动轴马达(10)以及驱动皮带转轴(8)转动的转轴马达(9)电连接。/n

【技术特征摘要】
1.一种基于AI视觉的皮带跑偏监测调速控制装置，其特征在于，包括：
图像采集装置，架设在皮带(4)正上方，用于采集皮带(4)工作时的视频图像，并将该视频图像传送至计算机(2)；
计算机(2)，采用LL-NET网络和DeblurGAN算法对接收到的视频图像进行预处理，然后通过基于结构感知的方法对处理后的视频图像中的托辊支架(3)、皮带(4)进行边线检测，同时对皮带(4)上的煤流量进行边线检测，并将检测结果传送至皮带控制模块(6)；
皮带传动轴(5)，与传动轴马达(10)连接，皮带传动轴(5)与传动轴马达(10)均安装在皮带(4)机架上，皮带传动轴(5)分布在皮带(4)左右两侧，且与皮带(4)表面紧密接触；
皮带控制模块(6)，安装在皮带(4)机架上，分别通过控制电路与传动轴马达(10)以及驱动皮带转轴(8)转动的转轴马达(9)电连接。


2.根据权利要求1所述的一种基于AI视觉的皮带跑偏监测调速控制装置，其特征在于，图像采集装置为高清摄像头(1)，皮带控制模块(6)为PLC控制器。


3.一种基于AI视觉的皮带跑偏监测调速控制方法，其特征在于，具体步骤如下：
1)图像获取：将高清摄像头(1)架设在皮带(4)正上方，采集皮带(4)工作时的视频图像I，并传送至计算机(2)进行视频图像I预处理；
2)图像预处理：对高清摄像头(1)中获取的视频图像I进行图像增强、降噪和去模糊处理；
3)边线检测：基于结构感知的方法对预处理后视频图像I中的托辊支架(3)、皮带(4)和煤流进行边线检测，并识别边线上每个点的坐标；
4)由边线上点的坐标估算出托辊支架(3)中轴线、皮带(4)中轴线坐标以及煤流面积S；
5)根据托辊支架(3)和皮带(4)中轴线坐标计算出皮带(4)跑偏量ΔL和跑偏方向，同时根据煤流面积S控制皮带转轴(8)转速，从而调节煤流量大小：
当检测到皮带(4)跑偏时，皮带控制模块(6)加大皮带(4)跑偏侧的传动轴马达(10)的转速，从而加大跑偏侧皮带传动轴(5)转速，相应减小另一侧转动轴马达(10)的转速，从而减小另一侧皮带传动轴(5)的转速，同时计算皮带(4)跑偏量ΔL的值，当ΔL＝0时，完成皮带(4)跑偏修正；
当S＞1m2时，皮带控制模块(6)加大转轴马达(9)的转速，从而加大皮带转轴(8)的转速；当S≤0.5m2时，皮带控制模块(6)减小转轴马达(9)的转速，从而减小皮带转轴(8)的转速；当0.5m2＜S≤1m2时，皮带控制模块(6)不工作，皮带(4)按照预先设定的速度运转。


4.根据权利要求3所述的一种基于AI视觉的皮带跑偏监测调速控制方法，其特征在于，图像预处理，具体步骤如下：
(2.1)使用深度学习方法LL-NET网络对视频图像I进行增强和降噪：
将待处理的较暗、带有噪音的视频图像I输入到LL-NET网络，LL-NET网络采用三层去噪自动编码器堆叠起来作为编码器，每个去噪自动编码器的损失函数为：



其中，N是斑点数，θ是模型参数矩阵，yi是没有噪声的图像，xi是有噪声的图像，λ、β是交叉验证的参数，W是每个编码层的权重，ρ是目标激活，是第j层的经验平均激活，hj(xi)是j层隐藏层的激活，KL是散度函数，由式(2)计算可得：



由此整个LL-NET网络结构的损失为：



式中，y是经过增强和降噪处理后的视频图像，L是去噪自动编码器的数量，W(l)表示堆叠深层网络中第l层的权重；
(2.2)引入PSNR性能指标，量化含有噪声图像的失真程度：



其中，I(i,j)为无噪声的单色视频图像I第(i，j)位置上像素，K(i,j)为视频图像I经增强去噪处理后的视频图像K第(i，j)位置上像素，max(I)为视频图像I的最大可能像素值，m×n为视频图像I的大小；
(2.3)使用DeblurGA...

【专利技术属性】
技术研发人员：陈朋朋，曹萍萍，刘董经典，高守婉，杨旭，李森，金于皓，许鹏，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏;32