传送带的检测方法、装置和电子设备制造方法及图纸

本申请提供了一种传送带的检测方法、装置和电子设备。该方法包括：获取传送带的历史图像；对历史图像进行压缩处理和还原处理得到历史重构图像，并根据历史图像和历史重构图像构建重构模型；获取传送带的当前图像，将当前图像输入至重构模型中进行压缩处理和还原处理，得到当前重构图像；比较当前重构图像和当前图像的相似度，根据相似度确定传送带是否异常。该方案中，提出一种无异常样本进行训练的传送带的检测方案，可以通过获取到的正常工作的传送带的图像实现异常检测工作，而不需要异常样本参与训练模型，由于传送带处于正常状态下的样本是可以获取到的并且也是可以实现的，因此，可以保证传送带的检测的准确率较高。可以保证传送带的检测的准确率较高。可以保证传送带的检测的准确率较高。

【技术实现步骤摘要】
传送带的检测方法、装置和电子设备


[0001]本申请涉及煤炭传送带检测领域，具体而言，涉及一种传送带的检测方法、装置、计算机可读存储介质和电子设备。

技术介绍

[0002]煤炭产业是我国重要的基础产业，煤炭产业的可持续发展关系国民经济健康发展和国家能源安全。在煤矿采集的过程中，有时会发生传送带跑偏、大型异物混入造成传送带撕裂等故障，易引发安全事故及造成重大经济损失。
[0003]目前针对传送带异常的检测方法主要包括人工法检测、射线法检测以及视频图像检测。其中，人工检测法需要专属工人全天候关注传送带情况是否异常，需要较高的人力成本；射线检测法需要专业的设备来识别异物，需要较高的成本投入以及维护，且无法解决传送带跑偏的问题；视频图像检测方法可以通过计算机视觉相关知识，利用摄像头拍摄的传送带视频来实时监测传送带，当遇到异常情况时会自动输送警报信息，所需求的人力成本及经济投入成本较低，是目前应用最为广泛的传送带异常检测方法。
[0004]基于视频图像检测的识别方法主要包括人工设计图像特征以及深度学习自动提取特征两种方式。由于人工提取特征存在着设计复杂等局限性，目前深度学习方法自动提取特征方式应用较广。然而，在煤炭采集过程中，传送带异常会造成大量的经济损失，因此为了收集异常样本训练模型而让传送带处于异常状态下是不现实的，因此，目前较难采集传送带处于异常状态下的异常样本，导致传送带的检测准确率较低。

技术实现思路

[0005]本申请的主要目的在于提供一种传送带的检测方法、装置、计算机可读存储介质和电子设备，以解决现有技术中较难采集传送带处于异常状态下的异常样本，导致传送带的检测准确率较低的问题。
[0006]根据本专利技术实施例的一个方面，提供了一种传送带的检测方法，包括：获取传送带的历史图像，所述历史图像是图像采集设备采集得到的；对所述历史图像进行压缩处理和还原处理得到历史重构图像，并根据所述历史图像和所述历史重构图像构建重构模型；获取所述传送带的当前图像，将所述当前图像输入至所述重构模型中进行压缩处理和还原处理，得到当前重构图像；比较所述当前重构图像和所述当前图像的相似度，根据所述相似度确定所述传送带是否异常。
[0007]可选地，在根据所述历史图像和所述历史重构图像构建重构模型的过程中，所述方法还包括：构建编码器模块和解码器模块，其中，所述编码器模块由第一数量的卷积神经网络层构成，所述解码器模块由第二数量的卷积神经网络层构成，所述编码器模块用于将第一尺寸的所述历史图像压缩为第二尺寸的所述历史图像，所述解码器模块用于将所述第二尺寸的所述历史图像还原为所述第一尺寸的所述历史重构图像，其中，所述第一尺寸大于所述第二尺寸；获取所述编码器模块的第一映射信息，获取所述解码器模块的第二映射
信息，所述第一映射信息是指所述第一尺寸的所述历史图像与所述第二尺寸的所述历史图像的映射关系，所述第二映射信息是指所述第二尺寸的所述历史图像与所述第一尺寸的所述历史重构图像的映射关系；根据所述历史图像、所述第一映射信息和所述第二映射信息，确定所述重构模型的损失函数。
[0008]可选地，在根据所述历史图像、所述第一映射信息和所述第二映射信息，确定所述重构模型的损失函数之后，所述方法还包括：获取多个第一损失函数，所述第一损失函数是所述第一映射信息对应的所述损失函数，多个所述第一损失函数是将第三数量的所述历史图像作为训练集，输入至所述重构模型中得到的；获取多个第二损失函数的平均值，所述第二损失函数是所述第二映射信息对应的所述损失函数，多个所述第二损失函数是将第四数量的所述历史图像作为验证集，输入至所述重构模型中得到的；确定与所述平均值的差值最小的所述第一损失函数为目标损失函数，并确定目标损失函数对应的所述第一映射信息为目标映射信息。
[0009]可选地，根据所述相似度确定所述传送带是否异常，包括：在所述相似度大于或者等于相似度阈值的情况下，确定所述传送带正常；在所述相似度小于所述相似度阈值的情况下，获取所述当前图像中的第一区域和第二区域，所述第一区域是指所述传送带所在的区域，所述第二区域是指非所述传送带所在的区域；根据目标区域所处的位置确定所述传送带是否异常，所述目标区域是指所述当前图像与所述当前重构图像的所述相似度小于所述相似度阈值的区域。
[0010]可选地，获取所述当前图像中的第一区域和第二区域，包括：获取多个预定坐标点，所述预定坐标点是所述当前图像中用于标注所述第一区域的位置坐标点；确定多个所述预定坐标点围成的区域为所述第一区域；确定所述当前图像中除所述第一区域之外的区域为所述第二区域。
[0011]可选地，根据目标区域所处的位置确定所述传送带是否异常，包括：在所述目标区域处于所述第一区域内的情况下，确定所述传送带异常；在所述目标区域处于所述第二区域内的情况下，确定所述传送带正常；在所述目标区域有部分处于所述第一区域内、有部分处于所述第二区域内的情况下，确定所述传送带异常。
[0012]可选地，在根据所述相似度确定所述传送带是否异常之后，所述方法还包括：在确定所述传送带异常的情况下，根据所述当前图像和所述当前重构图像，确定所述传送带的异常原因。
[0013]根据本专利技术实施例的另一方面，还提供了一种传送带的检测装置，包括：第一获取单元，用于获取传送带的历史图像，所述历史图像是图像采集设备采集得到的；处理单元，用于对所述历史图像进行压缩处理和还原处理得到历史重构图像，并根据所述历史图像和所述历史重构图像构建重构模型；第二获取单元，用于获取所述传送带的当前图像，将所述当前图像输入至所述重构模型中进行压缩处理和还原处理，得到当前重构图像；检测单元，用于比较所述当前重构图像和所述当前图像的相似度，根据所述相似度确定所述传送带是否异常
[0014]根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
[0015]根据本专利技术实施例的再一方面，还提供了一种电子设备，包括：一个或多个处理
器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
[0016]在本专利技术实施例中，首先获取传送带的历史图像，之后对历史图像进行压缩处理和还原处理得到历史重构图像，并根据历史图像和历史重构图像构建重构模型，之后获取传送带的当前图像，将当前图像输入至重构模型中进行压缩处理和还原处理，得到当前重构图像，最后比较当前重构图像和当前图像的相似度，根据相似度确定传送带是否异常。该方案中，提出一种无异常样本进行训练的传送带的检测方案，可以通过获取到的正常工作的传送带的图像实现异常检测工作，而不需要异常样本参与训练模型，由于传送带处于正常状态下的样本是可以获取到的并且也是可以实现的，因此，可以保证传送带的检测的准确率较高。
附图说明
[0017]构成本申请的一部分的说明书附图用来提供对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传送带的检测方法，其特征在于，包括：获取传送带的历史图像，所述历史图像是图像采集设备采集得到的；对所述历史图像进行压缩处理和还原处理得到历史重构图像，并根据所述历史图像和所述历史重构图像构建重构模型；获取所述传送带的当前图像，将所述当前图像输入至所述重构模型中进行压缩处理和还原处理，得到当前重构图像；比较所述当前重构图像和所述当前图像的相似度，根据所述相似度确定所述传送带是否异常。2.根据权利要求1所述的方法，其特征在于，在根据所述历史图像和所述历史重构图像构建重构模型的过程中，所述方法还包括：构建编码器模块和解码器模块，其中，所述编码器模块由第一数量的卷积神经网络层构成，所述解码器模块由第二数量的卷积神经网络层构成，所述编码器模块用于将第一尺寸的所述历史图像压缩为第二尺寸的所述历史图像，所述解码器模块用于将所述第二尺寸的所述历史图像还原为所述第一尺寸的所述历史重构图像，其中，所述第一尺寸大于所述第二尺寸；获取所述编码器模块的第一映射信息，获取所述解码器模块的第二映射信息，所述第一映射信息是指所述第一尺寸的所述历史图像与所述第二尺寸的所述历史图像的映射关系，所述第二映射信息是指所述第二尺寸的所述历史图像与所述第一尺寸的所述历史重构图像的映射关系；根据所述历史图像、所述第一映射信息和所述第二映射信息，确定所述重构模型的损失函数。3.根据权利要求2所述的方法，其特征在于，在根据所述历史图像、所述第一映射信息和所述第二映射信息，确定所述重构模型的损失函数之后，所述方法还包括：获取多个第一损失函数，所述第一损失函数是所述第一映射信息对应的所述损失函数，多个所述第一损失函数是将第三数量的所述历史图像作为训练集，输入至所述重构模型中得到的；获取多个第二损失函数的平均值，所述第二损失函数是所述第二映射信息对应的所述损失函数，多个所述第二损失函数是将第四数量的所述历史图像作为验证集，输入至所述重构模型中得到的；确定与所述平均值的差值最小的所述第一损失函数为目标损失函数，并确定目标损失函数对应的所述第一映射信息为目标映射信息。4.根据权利要求1所述的方法，其特征在于，根据所述相似度确定所述传送带是否异常，包括：在所述相似度大于或者等于相似度阈值的情况下，确定所述传送带正常；在所述相似度...

【专利技术属性】
技术研发人员：贾尚峰，刘安重，王鹏飞，张琦，王凯雄，吉日格勒，
申请(专利权)人：神华准格尔能源有限责任公司，
类型：发明
国别省市：