本发明专利技术公开了一种输送皮带机溢料监测方法与系统，方法包含步骤1：实时采集输送皮带机的设备运行数据，设备运行数据包含输送皮带机的启停状态数据、输出电流数据；步骤2：依据启停状态数据判断输送皮带机的启停状态，若为停机状态，则执行步骤1，若为启动状态则执行步骤3；步骤3：根据输出电流数据判断输送皮带机的输出电流是否负载，若空载，则执行步骤1，若负载则执行步骤4；步骤4：实时采集输送皮带机的视频流图像数据；步骤5：根据视频流图像数据判断输送皮带机是否溢料，若未溢料则执行步骤1，若溢料则执行步骤6；步骤6：进行溢料报警；系统包含数据获取模块、启停状态判断模块、负载判断模块、视频采集模块、溢料判断数据。溢料判断数据。溢料判断数据。
【技术实现步骤摘要】
一种输送皮带机溢料监测方法与系统
[0001]本专利技术涉及溢料监测方法与系统，具体涉及一种输送皮带机溢料监测方法与系统。
技术介绍
[0002]图像识别技术在不同行业领域应用越来越广泛，传统的图像识别的技术解决方案，在业务应用中，图像识别准确率因为外界干扰因素的影响，很难达到100％的准确度，例如环境光线影响、图像质量、监控目标遮挡等等，仅靠图像识别彻底解决实际业务场景需求，存在识别算法误报的情况发生；
[0003]以电力行业燃料输煤皮带图像识别溢煤为例，仅通过图像识别对皮带溢煤监控时，由于受环境光线、现场粉尘烟雾、蒸汽以及输煤皮带本身特征(空皮带与载煤皮带颜色接近)等影响，很难实现对输煤皮带溢煤进行精确监控，因设备运行特性，输煤皮带一般不会全天24小时持续运行，在输煤皮带停止和空载时，因为干扰因素，会存在大量误报产生。
技术实现思路
[0004]本专利技术要解决的技术问题是现有的燃料输煤皮带图像识别溢煤为例，仅通过图像识别对皮带溢煤监控时，由于受环境光线、现场粉尘烟雾、蒸汽以及输煤皮带本身特征等影响，很难实现对输煤皮带溢煤进行精确监控，本专利技术提供一种输送皮带机溢料监测方法，本专利技术还提供一种输送皮带机溢料监测系统，能够通过该方法与系统，可以借助图像识别技术对输送皮带机溢料发生进行自动监控，该方法借助设备运行数据的分析，为溢料识别提供补充支持，可以最大限度的降低算法服务器的压力，保证系统更有效的运行，同时，针对图像识别处理过程中难以处理的场景，可以有效的避免图像识别产生的不必要误报，例如输送皮带机未运行和空载情况下可能出现的误报警，用以解决现有技术导致的缺陷。
[0005]为解决上述技术问题本专利技术提供以下的技术方案：
[0006]第一方面，一种输送皮带机溢料监测方法，其中，包含以下步骤：
[0007]步骤1：实时采集输送皮带机的设备运行数据，所述设备运行数据包含所述输送皮带机的启停状态数据、输出电流数据；
[0008]步骤2：依据所述启停状态数据判断所述输送皮带机的启停状态，若为停机状态，则执行步骤1，若为启动状态则执行步骤3；
[0009]步骤3：根据所述输出电流数据判断所述输送皮带机的输出电流是否负载，若空载，则执行步骤1，若负载则执行步骤4；
[0010]步骤4：实时采集所述输送皮带机的视频流图像数据；
[0011]步骤5：根据所述视频流图像数据判断所述输送皮带机是否溢料，若未溢料则执行步骤1，若溢料则执行步骤6；
[0012]步骤6：进行溢料报警。
[0013]上述的一种输送皮带机溢料监测方法，其中，步骤3中将所述输出电流数据输入至
电流负载模型中判断所述输出电流是否负载，所述电流负载模型的构建方法如下：
[0014]获取所述输送皮带机的历史运行电流数据；
[0015]采用高斯混合模型(GMM)的最大期望(EM)聚类算法对所述历史运行电流数据进行所述电流负载模型的创建。
[0016]上述的一种输送皮带机溢料监测方法，其中，所述历史运行电流数据包含所述输送皮带机的历史启停状态数据与历史输出电流数据；
[0017]将所述输出电流数据输入至所述电流负载模型中判断所述输出电流是否在期望均值
±
方差的范围内，若在则为负载，若不在则为空载；
[0018]单条输送皮带机的输出电流信号在皮带机开启过程中，从停止
‑
>空载
‑
>载煤
‑
>空载
‑
>停止，电流信号的变化趋势有明显变化，输送皮带机为例，输出电流为a，载煤量b，通过已知载煤量的合理区间，对电流数据样本进行筛选，筛选后的数据样本进行自回归学习(详见下面自回归公式说明)，得到载煤情况下的电流合理区间[min,max]，实时获取到的设备电流数据与合理区间进行比对，未超出合理区间则代表当前皮带机未负载情况；
[0019]自回归公式：
[0020]其中：Xt为期望值，t为数据样本的序列，c为常数项，p为p阶，为自相关系数，ε
t
被假设为平均数等于0，标准差等于σ的随机误差值；σ被假设为对于任何的t都不变。
[0021]文字叙述为：X的期望值等于一个或数个落后期的线性组合，加常数项，加随机误差。
[0022]上述的一种输送皮带机溢料监测方法，其中，步骤5中将所述视频流图像数据输入至溢料识别模型中进行判断所述输送皮带机是否溢料，所述溢料识别模型的构建方法如下：
[0023]获取所述输送皮带机的历史运行溢煤视频数据；
[0024]对所述历史运行溢煤视频数据进行图像预处理，得到每张图像特性一致的图像数据，以便得到的每张图像的表现特性尽可能一致，主要完成模式的采集、模数转换、滤波、消除模糊以及减少噪声干扰处理；
[0025]对所述图像数据进行溢料特征提取；
[0026]通过卷积神经网络对所述溢料特征进行提取并建立所述溢料识别模型。
[0027]上述的一种输送皮带机溢料监测方法，其中，采用识别模块通过深度学习卷积神经算法对所述溢料识别模型进行训练。
[0028]上述的一种输送皮带机溢料监测方法，其中，所述溢料特征包含溢料点与特征点，当所述溢料识别模块未检测到所述溢料点或所述特征点时，判断所述输送皮带机未溢料，当所述溢料识别模块检测到所述溢料点或所述特征点时，判断所述输送皮带机溢料。
[0029]第二方面，一种输送皮带机溢料监测系统，其中，包含数据获取模块、启停状态判断模块、负载判断模块、视频采集模块、溢料判断数据；
[0030]所述数据获取模块用于实时采集输送皮带机的设备运行数据，所述设备运行数据包含所述输送皮带机的启停状态数据、输出电流数据；
[0031]所述启停状态判断模块用于依据所述启停状态数据判断所述输送皮带机的启停状态，若为停机状态，并生成反馈至所述数据获取模块或所述负载判断模块的启停状态数
据；
[0032]所述负载判断模块用于接收所述启停状态数据后依据所述输出电流数据判断所述输送皮带机的输出电流是否负载，并声称传输至所述数据获取模块或所述视频采集模块的负载数据；
[0033]所述视频采集模块用于接收所述负载数据后实时采集所述输送皮带机的视频流图像数据；
[0034]所述溢料判断数据用于根据所述视频流图像数据判断所述输送皮带机是否溢料，并声称传输至所述数据获取模块或所述报警模块的溢料数据；
[0035]所述数据获取模块还用于接收所述启停状态数据或所述负载数据或所述溢料数据后实时采集输送皮带机的所述设备运行数据；
[0036]所述报警模块用于接收所述进行溢料报警。
[0037]上述的一种输送皮带机溢料监测系统，其中，所述负载判断模块内置有电流负载模型创建模块，所述电流负载模型创建模块用于获取所述输送皮带机的历史运行电流数据并采用高斯混合模型的最大期望聚类算法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种输送皮带机溢料监测方法，其特征在于，包含以下步骤：步骤1：实时采集输送皮带机的设备运行数据，所述设备运行数据包含所述输送皮带机的启停状态数据、输出电流数据；步骤2：依据所述启停状态数据判断所述输送皮带机的启停状态，若为停机状态，则执行步骤1，若为启动状态则执行步骤3；步骤3：根据所述输出电流数据判断所述输送皮带机的输出电流是否负载，若空载，则执行步骤1，若负载则执行步骤4；步骤4：实时采集所述输送皮带机的视频流图像数据；步骤5：根据所述视频流图像数据判断所述输送皮带机是否溢料，若未溢料则执行步骤1，若溢料则执行步骤6；步骤6：进行溢料报警。2.如权利要求1所述的一种输送皮带机溢料监测方法，其特征在于，步骤3中将所述输出电流数据输入至电流负载模型中判断所述输出电流是否负载，所述电流负载模型的构建方法如下：获取所述输送皮带机的历史运行电流数据；采用高斯混合模型的最大期望聚类算法对所述历史运行电流数据进行所述电流负载模型的创建。3.如权利要求2所述的一种输送皮带机溢料监测方法，其特征在于，所述历史运行电流数据包含所述输送皮带机的历史启停状态数据与历史输出电流数据；将所述输出电流数据输入至所述电流负载模型中判断所述输出电流是否在期望均值
±
方差的范围内，若在则为负载，若不在则为空载。4.如权利要求1
‑
3任一项所述的一种输送皮带机溢料监测方法，其特征在于，步骤5中将所述视频流图像数据输入至溢料识别模型中进行判断所述输送皮带机是否溢料，所述溢料识别模型的构建方法如下：获取所述输送皮带机的历史运行溢煤视频数据；对所述历史运行溢煤视频数据进行图像预处理，得到每张图像特性一致的图像数据；对所述图像数据进行溢料特征提取；通过卷积神经网络对所述溢料特征进行提取并建立所述溢料识别模型。5.如权利要求4所述的一种输送皮带机溢料监测方法，其特征在于，采用识别模块通过深度学习卷积神经算法对所述溢料识别模型进行训练。6.如权利要求5所述的一种输送皮带机溢料监测方法，其特征在于，所述溢料特征包含溢料点与特征点，当所述溢料识别模块未检测到所述溢料点或所述特征点时...
【专利技术属性】
技术研发人员：钱韫辉，高巍，
申请(专利权)人：上海擎测机电工程技术有限公司，
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。