一种皮带跑偏检测方法、装置及电子设备制造方法及图纸

本申请提供了一种皮带跑偏检测方法、装置及电子设备，该方法包括：获取待检测图像，并将所述待检测图像输入至皮带边缘检测模型中，以输出所述待检测图像对应的皮带边缘区域图像；对所述皮带边缘区域图像进行特征提取，以获取皮带边缘线；获取正常皮带边缘线；根据所述皮带边缘线与所述正常皮带边缘线，计算所述皮带边缘线和所述正常皮带边缘线之间的距离；根据所述距离，检测皮带是否跑偏。本申请基于深度学习算法，可以自动对皮带跑偏进行检测，增强了皮带跑偏检测过程中的适应性和鲁棒性，提高了皮带跑偏检测的精度和效率。了皮带跑偏检测的精度和效率。了皮带跑偏检测的精度和效率。

【技术实现步骤摘要】
一种皮带跑偏检测方法、装置及电子设备


[0001]本申请涉及皮带跑偏检测
，尤其涉及一种皮带跑偏检测方法、装置及电子设备。

技术介绍

[0002]带式输送机是煤炭运输的主要设备之一，采矿作业通常是由带式运输机将开采的煤矿从工作面运输到加工厂，带式输送机在长时间运行过程中，由于冲击疲劳和输送带表面应力不均匀等各种外界因素影响，会产生偏离，导致物料溢出，运输设备损坏，甚至人员受伤，极大地影响了生产安全和生产效率。特别地，如何准确地对带式输送机皮带跑偏进行检测是主要的研究方向之一。
[0003]相关技术中，在试图检测皮带跑偏时，往往采用机械检测装置、接触式传感器、图像处理等方式，然而前述方法在检测皮带跑偏时，无法实现精准检测，由此，如何合理、准确地检测皮带跑偏，进而提高检测皮带跑偏的精度，已成为了亟待解决的问题。

技术实现思路

[0004]本申请提供了一种皮带跑偏检测方法、装置及电子设备，本申请基于深度学习算法，可以自动对皮带跑偏进行检测，增强了皮带跑偏检测过程中的适应性和鲁棒性，提高了对皮带跑偏检测的精度和效率。
[0005]根据本申请的第一方面，提供了一种皮带跑偏检测方法，包括：获取待检测图像，并将所述待检测图像输入至皮带边缘检测模型中，以输出所述待检测图像对应的皮带边缘区域图像；对所述皮带边缘区域图像进行特征提取，以获取皮带边缘线；获取正常皮带边缘线；根据所述皮带边缘线与所述正常皮带边缘线，计算所述皮带边缘线和所述正常皮带边缘线之间的距离；根据所述距离，检测皮带是否跑偏。
>[0006]另外，根据本申请上述实施例的一种皮带跑偏检测方法，还可以具有如下附加的技术特征：
[0007]根据本申请的一个实施例，所述方法，还包括：获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像；将所述训练样本输入所述皮带边缘检测模型中，由所述皮带边缘检测模型，根据所述样本图像和所述样本参考图像生成所述样本图像的皮带边缘区域图像；获取所述皮带边缘区域图像的边缘区域，并基于所述边缘区域调整所述皮带边缘检测模型的模型参数，直至满足训练结束条件，将最后一次调整所述模型参数后的所述皮带边缘检测模型确定为目标皮带边缘检测模型。
[0008]根据本申请的一个实施例，所述基于所述边缘区域调整所述皮带边缘检测模型的模型参数，包括：响应于所述边缘区域超过预设边缘区域阈值，获取交叉熵损失函数，并根据所述交叉熵损失函数调整所述皮带边缘检测模型的所述模型参数。
[0009]根据本申请的一个实施例，所述对所述皮带边缘区域图像的边缘线进行特征提取，以获取皮带边缘线，包括：根据黑塞矩阵，获取所述皮带边缘区域图像中光条纹的法线
方向；在所述法线方向上，基于泰勒公式，获取所述光条纹的亚像素位置；根据所述亚像素位置，获取所述皮带边缘线。
[0010]根据本申请的一个实施例，所述根据所述皮带边缘线和所述正常皮带边缘线，计算所述皮带边缘线与所述正常皮带边缘线之间的距离，包括：对所述皮带边缘线进行分段，确定分段后的皮带边缘线对应的每一段与所述正常皮带边缘线之间的距离平均值；根据所述距离平均值，获取所述皮带边缘线与所述正常皮带边缘线之间的距离。
[0011]根据本申请的一个实施例，所述根据所述距离，检测皮带是否跑偏，包括：获取皮带跑偏阈值；响应于所述距离大于所述皮带跑偏阈值，确定所述皮带跑偏。
[0012]根据本申请的一个实施例，所述方法，还包括：确定所述皮带跑偏后，则生成针对皮带跑偏的预警信息。
[0013]根据本申请的第二方面，提供了一种皮带跑偏检测装置，包括：第一获取模块，用于获取待检测图像，并将所述待检测图像输入至皮带边缘检测模型中，以输出所述待检测图像对应的皮带边缘区域图像；第二获取模块，用于对所述皮带边缘区域图像进行特征提取，以获取皮带边缘线；第三获取模块，用于获取正常皮带边缘线；计算模块，用于根据所述皮带边缘线与所述正常皮带边缘线，计算所述皮带边缘线和所述正常皮带边缘线之间的距离；检测模块，用于根据所述距离，检测皮带是否跑偏。
[0014]另外，根据本申请上述实施例的一种皮带跑偏检测装置，还可以具有如下附加的技术特征：
[0015]根据本申请的一个实施例，所述装置，还用于：获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像；将所述训练样本输入所述皮带边缘检测模型中，由所述皮带边缘检测模型，根据所述样本图像和所述样本参考图像生成所述样本图像的皮带边缘区域图像；获取所述皮带边缘区域图像的边缘区域，并基于所述边缘区域调整所述皮带边缘检测模型的模型参数，直至满足训练结束条件，将最后一次调整所述模型参数后的所述皮带边缘检测模型确定为目标皮带边缘检测模型。
[0016]根据本申请的一个实施例，所述装置，还用于：响应于所述边缘区域超过预设边缘区域阈值，获取交叉熵损失函数，并根据所述交叉熵损失函数调整所述皮带边缘检测模型的所述模型参数。
[0017]根据本申请的一个实施例，所述第二获取模块，还用于：根据黑塞矩阵，获取所述皮带边缘区域图像中光条纹的法线方向；在所述法线方向上，基于泰勒公式，获取所述光条纹的亚像素位置；根据所述亚像素位置，获取所述皮带边缘线。
[0018]根据本申请的一个实施例，所述计算模块，还用于：对所述皮带边缘线进行分段，确定分段后的皮带边缘线对应的每一段与所述正常皮带边缘线之间的距离平均值；根据所述距离平均值，获取所述皮带边缘线与所述正常皮带边缘线之间的距离。
[0019]根据本申请的一个实施例，所述检测模块，还用于：获取皮带跑偏阈值；响应于所述距离大于所述皮带跑偏阈值，确定所述皮带跑偏。
[0020]根据本申请的一个实施例，所述装置，还用于：确定所述皮带跑偏后，则生成针对皮带跑偏的预警信息。
[0021]为了实现上述目的，本申请第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现前述
的皮带跑偏检测方法。
[0022]为了实现上述目的，本申请第四方面实施例提出了非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述的皮带跑偏检测方法。
[0023]为了实现上述目的，本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时，实现如上所述的皮带跑偏检测方法。
[0024]本申请实施例提供的技术方案至少包括如下有益效果：
[0025]本申请提供了一种皮带跑偏检测方法，获取待检测图像，并将待检测图像输入至皮带边缘检测模型中，以输出待检测图像对应的皮带边缘区域图像；对皮带边缘区域图像进行特征提取，以获取皮带边缘线，获取正常皮带边缘线，根据皮带边缘线与正常皮带边缘线，计算皮带边缘线和正常皮带边缘线之间的距离，根据距离，检测皮带是否跑偏。本申请基于深度学习算法，可以自动对皮带跑偏进行检测，增强了皮带跑偏检测过程中的适应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种皮带跑偏检测方法，包括：获取待检测图像，并将所述待检测图像输入至皮带边缘检测模型中，以输出所述待检测图像对应的皮带边缘区域图像；对所述皮带边缘区域图像进行特征提取，以获取皮带边缘线；获取正常皮带边缘线；根据所述皮带边缘线与所述正常皮带边缘线，计算所述皮带边缘线和所述正常皮带边缘线之间的距离；根据所述距离，检测皮带是否跑偏。2.根据权利要求1所述的方法，其中，所述方法，还包括：获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像；将所述训练样本输入所述皮带边缘检测模型中，由所述皮带边缘检测模型，根据所述样本图像和所述样本参考图像生成所述样本图像的皮带边缘区域图像；获取所述皮带边缘区域图像的边缘区域，并基于所述边缘区域调整所述皮带边缘检测模型的模型参数，直至满足训练结束条件，将最后一次调整所述模型参数后的所述皮带边缘检测模型确定为目标皮带边缘检测模型。3.根据权利要求2所述的方法，其中，所述基于所述边缘区域调整所述皮带边缘检测模型的模型参数，包括：响应于所述边缘区域超过预设边缘区域阈值，获取交叉熵损失函数，并根据所述交叉熵损失函数调整所述皮带边缘检测模型的所述模型参数。4.根据权利要求1所述的方法，其中，所述对所述皮带边缘区域图像的边缘线进行特征提取，以获取皮带边缘线，包括：根据黑塞矩阵，获取所述皮带边缘图像中光条纹的法线方向；在所述法线方向上，基于泰勒公式，获取所述光条纹的亚像素位置；根据所述亚像素位置，获取所述...

【专利技术属性】
技术研发人员：王振，杨晓辉，王洪磊，赵嘉宇，王梁，李佳城，张俊升，刘晓明，
申请(专利权)人：煤炭科学研究总院有限公司，
类型：发明
国别省市：