基于视觉技术的皮带打褶状态自动检测方法、系统及设备技术方案

本发明专利技术公开了基于视觉技术的皮带打褶状态自动检测方法、系统及设备包括，本方法首先收集监控图像数据，并对所述数据进行预处理，再根据预处理后的数据建立样本数据训练模型，最后通过训练模型中的数据经过校验后构成新算法模型，并由新算法模型输出结果。本方法主要用于对输煤皮带因为传送带速度差、系统迟滞等原因引起的皮带打褶，进行检测和预警，以解决传统技术不能及时检测皮带打褶而引发的故障问题。障问题。障问题。

【技术实现步骤摘要】
基于视觉技术的皮带打褶状态自动检测方法、系统及设备


[0001]本专利技术涉及视觉识别应用
，尤其涉及一种基于视觉技术的皮带打褶状态自动检测方法、系统及设备。

技术介绍

[0002]由于目前的传统技术不能自主检测皮带打褶状态，一旦出现皮带打褶，机器不能主动识别，需进行人力探查，费时又耗力，且有时在传送带行进过程中皮带的状态难以辨认，无法及时发现皮带破损会造成难以估量的损失。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题，提出了本专利技术。
[0005]因此，本专利技术提供了一种基于视觉技术的皮带打褶状态自动检测方法、系统及设备，能够解决人力探查费时又耗力，且有时在传送带行进过程中皮带的状态难以辨认，无法及时发现皮带破损会造成难以估量的损失的问题。
[0006]为解决上述技术问题，本专利技术提供如下技术方案，一种基于视觉技术的皮带打褶状态自动检测方法，包括：
[0007]收集监控图像数据，并对所述数据进行预处理；
[0008]根据预处理后的数据建立样本数据训练模型；
[0009]训练模型中的数据经过校验后构成新算法模型，并由新算法模型输出结果。
[0010]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述预处理包括，判断收集到的监控数据是否为新数据；
[0011]若为新数据，则对新数据进行数据清洗，完成数据清洗后对数据进行自动标注；
[0012]若为已有数据，则直接从样本库中取出数据，所述数据直接生成训练数据，导入样本数据训练模型中。
[0013]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述标注包括，对排查出现异常的数据标红处理，对排查未出现异常的数据标灰处理。
[0014]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述建立样本数据训练模型包括，依据所述训练数据经皮带打褶检测算法、YOLOV4算法测算后生成训练模型。
[0015]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述YOLOV4算法包括，通过主要的算法框架，提升运算的运行速度和准确度，并且在正负样本定义阶段采用了跨邻域网格的匹配策略，从而得到更多的正样本。
[0016]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述皮带打褶检测算法包括，若数据标注为红色，则在算法中转录为1；
[0017]若数据标注为灰色，则在算法中转录为0；
[0018]算法中的一组数据自上一组数据结束后的第一位数起，结束于数字1，每组数据为一个周期T，第i组数据为周期T
i
。
[0019]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述皮带打褶检测算法还包括，当每个周期结束时，即算法中出现1时，系统发出预警响应，对工作人员进行故障示警。
[0020]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案，其中：所述训练模型中的数据经过校验后构成新算法模型包括，
[0021]训练模型通过加入测试数据对模型进行测试，测试是否能得到反馈结果；
[0022]若能够得到反馈结果，则根据反馈结果构成新算法模型；
[0023]若不能得到反馈结果，则从样本库中取出数据，自生成训练数据流程开始进行重新运算，直至得到反馈结果。
[0024]所述训练模型包括，训练模型的训练流程为对大数据进行处理和训练，完成大数据训练后依据数据进行网络调参优化，并根据最终的优化结果建立训练模型。
[0025]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测系统的一种优选方案，其中：包括，
[0026]图像采集模块，用于采集监控图像数据；
[0027]数据处理模块，用于对采集到的数据进行处理；
[0028]训练模型，用于对数据进行训练；
[0029]新算法模型，用于输出最终结果。
[0030]作为本专利技术所述的基于视觉技术的皮带打褶状态自动检测设备的一种优选方案，其中：所述处理器执行所述计算机程序时实现基于视觉技术的皮带打褶状态自动检测方法及系统的步骤。
[0031]本专利技术的有益效果：本专利技术基于视觉技术的自动检测方法，得到了样本数据训练模型和新算法模型，样本数据训练模型和新算法模型可以通过数据测算、数据增强来达到皮带打褶状态自动检测的技术效果，本专利技术支持整套的算法定制服务，并且数据标定，算法训练均需在线下而非在云端进行，从而保证数据的安全可靠，保证模型训练的速度及结果、精度的一致性。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0033]图1为本专利技术一个实施例提供的一种基于视觉技术的皮带打褶状态自动检测方法流程示意图；
[0034]图2为本专利技术一个实施例提供的一种基于视觉技术的皮带打褶状态自动检测方法
和系统的算法模型流程示意图。
[0035]图3为本专利技术一个实施例提供的一种基于视觉技术的皮带打褶状态自动检测系统的流程示意图。
具体实施方式
[0036]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护的范围。
[0037]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。
[0038]其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0039]本专利技术结合示意图进行详细描述，在详述本专利技术实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本专利技术保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0040]同时在本专利技术的描述中，需要说明的是，术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：包括，收集监控图像数据，并对所述数据进行预处理；根据预处理后的数据建立样本数据训练模型；训练模型中的数据经过校验后构成新算法模型，并由新算法模型输出结果。2.如权利要求1所述的一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：所述预处理包括，判断收集到的监控数据是否为新数据；若为新数据，则对新数据进行数据清洗，完成数据清洗后对数据进行自动标注；若为已有数据，则直接从样本库中取出数据，所述数据直接生成训练数据，导入样本数据训练模型中。3.如权利要求2所述的一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：所述标注包括，对排查出现异常的数据标红处理，对排查未出现异常的数据标灰处理。4.如权利要求3所述的一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：所述建立样本数据训练模型包括，依据所述训练数据经皮带打褶检测算法、YOLOV4算法测算后生成训练模型。5.如权利要求4所述的一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：所述YOLOV4算法包括，通过主要的算法框架，提升运算的运行速度和准确度，并且在正负样本定义阶段采用了跨邻域网格的匹配策略，从而得到更多的正样本。6.如权利要求5所述的一种基于视觉技术的皮带打褶状态自动检测方法，其特征在于：所述皮带打褶检测算法包括，若数据标注为红色，则在算法中转录为1；若数据标...

【专利技术属性】
技术研发人员：郑安，张集，杨立勇，李广山，李刚，巴特尔，姜楠，孙佰明，包永胜，朱勇，赵坤，贾莉，程仁静，
申请(专利权)人：华能伊敏煤电有限责任公司，
类型：发明
国别省市：