一种基于边缘识别算法的输煤皮带溢煤检测方法与系统技术方案

本发明专利技术公开了一种基于边缘识别算法的输煤皮带溢煤检测方法与系统，方法包含以下步骤：步骤1：在输煤皮带监控区域部署高清摄像设备；步骤2：所述高清摄像设备实时采集输煤皮带的运行视频得到视频流数据；步骤3：按频率对所述视频流数据进行抽帧得到抽帧图像并进行存储；步骤4：对所述抽帧图像进行图像识别处理得到指定区域边缘特征曲线；步骤5：将所述指定区域边缘特征曲线与非溢煤特征曲线进行比对得到比对阈值；若所述比对阈值超出预设阈值，则进行报警，否则返回至步骤2。否则返回至步骤2。否则返回至步骤2。

【技术实现步骤摘要】
一种基于边缘识别算法的输煤皮带溢煤检测方法与系统


[0001]本专利技术涉及溢煤检测领域，具体涉及一种基于边缘识别算法的输煤皮带溢煤检测方法与系统。

技术介绍

[0002]在火力发电厂的实际运行过程中，输煤系统是最为关键的设备，煤经碎煤机不间断的提供满足粒度要求的燃煤，在对燃煤进行输送过程中，由于煤已经进行破碎，向上输送过程中在尾部落煤口会发生燃煤堵煤的问题，特别是煤质较湿的情况下，问题更容易发生，溢煤发生时，会从输煤皮带两侧发生落煤，燃煤滑落会卡住输煤皮带或其他机械装置，当设备被落煤卡住时就需紧急停止运行，而一旦紧急停止容易损坏设备，同时需要耗费人力进行落煤清理，产生不必要的成本投入，甚至会间接降低发电效率；
[0003]火电厂中对于燃煤输送皮带溢煤检测更多采用溢煤传感器和防爆摄像头对传输带定点实时监控，但随着人工智能的不断发展，移动式智能巡检机器人在火电厂中的应用变得更加热门。传统溢煤传感器有基于接触式检测和非接触式检测两类，但是这两种方式都容易被误碰触、或误遮挡而产生误报警现象，同时检测不具有可视化，工作人员无法进一步确认事故的真实性，影响生产效率。另一方面，接触式溢煤传感器在长时间使用条件下，不断地与设备摩擦不仅会影响检测灵敏度，而且摩擦易引起电火花，产生较大的隐患。防爆摄像头定点实时监测传输带虽然能够解决溢煤传感器对溢煤检测不具可视化的问题，但是只能在固定位置，依赖安全员责任心，执行随意性大。而现有的移动式巡检机器人虽然在一些电厂中也有应用，但是缺陷明显，巡检质量不高，存在漏巡、信息反馈存在滞后性、智能性不足。。

技术实现思路

[0004]本专利技术要解决的技术问题是在对燃煤进行输送过程中，由于煤已经进行破碎，向上输送过程中在尾部落煤口会发生燃煤堵煤的问题，特别是煤质较湿的情况下，问题更容易发生，溢煤发生时，会从输煤皮带两侧发生落煤，燃煤滑落会卡住输煤皮带或其他机械装置，当设备被落煤卡住时就需紧急停止运行，而一旦紧急停止容易损坏设备，同时需要耗费人力进行落煤清理，产生不必要的成本投入，甚至会间接降低发电效率，本专利技术提供一种基于边缘识别算法的输煤皮带溢煤检测方法，本专利技术还提供一种基于边缘识别算法的输煤皮带溢煤检测系统，能够通过对监控输煤皮带指定区域内的边缘识别变化情况，达到对输煤皮带溢煤检测的目的，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，一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，包含以下步骤：
[0007]步骤1：在输煤皮带监控区域部署高清摄像设备；
[0008]步骤2：所述高清摄像设备实时采集输煤皮带的运行视频得到视频流数据；
[0009]步骤3：按频率对所述视频流数据进行抽帧得到抽帧图像并进行存储；
[0010]步骤4：对所述抽帧图像进行图像识别处理得到指定区域边缘特征曲线；
[0011]步骤5：将所述指定区域边缘特征曲线与非溢煤特征曲线进行比对得到比对阈值；
[0012]若所述比对阈值超出预设阈值，则进行报警，否则返回至步骤2。
[0013]上述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，所述高清摄像设备为高清摄像头。
[0014]上述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，步骤4中对所述抽帧图像进行图像识别处理得到所述指定区域边缘特征曲线的具体方法如下：
[0015]步骤41：在所述抽帧图像上划定感兴趣区域图像；
[0016]步骤42：采用高通滤波对所述感兴趣区域图像进行高频信号的增强，得到增强图像；
[0017]步骤43：对所述增强图像进行边缘检测，得到包含边缘特征的二值图像；
[0018]步骤44：对所述二值图像中的边缘特征进行曲线拟合处理，得到所述指定区域边缘特征曲线。
[0019]上述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，步骤43中对所述增强图像进行边缘检测得到包含边缘特征的二值图像的具体方法如下：
[0020]采用边缘算子对所述增强图像进行边缘检测得到包含强边缘和弱边缘特征信息的综合二值图像；
[0021]采用hysteresis_threshold算子去除所述综合二值图像中的弱边缘特征得到只包含强边缘特征的所述二值图像。
[0022]上述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，步骤44中对所述二值图像中的边缘特征进行曲线拟合处理得到所述指定区域边缘特征曲线的具体方法如下：
[0023]使用skeleton算子对所述二值图像进行非极大值抑制，将非溢煤状态下的强边缘特征提取出来；
[0024]对所述强边缘特征进行关键点标注；
[0025]对标注的所述关键点进行曲线拟合，得到指定区域边缘特征曲线。
[0026]上述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其中，所述感兴趣区域图像为所述抽帧图像上具备明显边缘特征的图像；
[0027]所述高频信号为边缘特征。
[0028]第二方面，一种基于边缘识别算法的输煤皮带溢煤检测系统，其中，包含数据处理模块、图像素材缓存池、图像处理模块、对比反馈模块；
[0029]所述数据处理模块用于获取所述高清摄像设备实时采集输煤皮带的运行视频得到视频流数据；还用于按频率对所述视频流数据进行抽帧得到抽帧图像并存储至所述图像素材缓存池；
[0030]所述图像处理模块用于从所述图像素材缓存池中获取所述抽帧图像并进行图像识别处理得到指定区域边缘特征曲线；
[0031]所述对比反馈模块用于将所述指定区域边缘特征曲线与非溢煤特征曲线进行比对得到比对阈值；若所述比对阈值超出预设阈值，则发送反馈数据至所述数据处理模块进
行所述视频流数据重新获取或报警。
[0032]第三方面，一种芯片，其中，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行：如第一方面中任一项的方法。
[0033]依据上述本专利技术一种基于边缘识别算法的输煤皮带溢煤检测方法与系统
[0034]通过在监控区域部署固定高清摄像设备，进而实时采集输煤皮带运行情况视频，通过对采集的输送皮带视频利用边缘识别算法进行输送皮带边缘侧进行识别依据边缘侧图像特征的变化，进而判断输煤皮带是否存在溢煤情况的发生。
附图说明
[0035]图1为本专利技术一种基于边缘识别算法的输煤皮带溢煤检测方法的流程图。
具体实施方式
[0036]为了使专利技术实现的技术手段、创造特征、达成目的和功效易于明白了解，下结合具体图示，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。
[0037]基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘识别算法的输煤皮带溢煤检测方法，其特征在于，包含以下步骤：步骤1：在输煤皮带监控区域部署高清摄像设备；步骤2：所述高清摄像设备实时采集输煤皮带的运行视频得到视频流数据；步骤3：按频率对所述视频流数据进行抽帧得到抽帧图像并进行存储；步骤4：对所述抽帧图像进行图像识别处理得到指定区域边缘特征曲线；步骤5：将所述指定区域边缘特征曲线与非溢煤特征曲线进行比对得到比对阈值；若所述比对阈值超出预设阈值，则进行报警，否则返回至步骤2。2.如权利要求1所述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其特征在于，所述高清摄像设备为高清摄像头。3.如权利要求2所述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其特征在于，步骤4中对所述抽帧图像进行图像识别处理得到所述指定区域边缘特征曲线的具体方法如下：步骤41：在所述抽帧图像上划定感兴趣区域图像；步骤42：采用高通滤波对所述感兴趣区域图像进行高频信号的增强，得到增强图像；步骤43：对所述增强图像进行边缘检测，得到包含边缘特征的二值图像；步骤44：对所述二值图像中的边缘特征进行曲线拟合处理，得到所述指定区域边缘特征曲线。4.如权利要求3所述的一种基于边缘识别算法的输煤皮带溢煤检测方法，其特征在于，步骤43中对所述增强图像进行边缘检测得到包含边缘特征的二值图像的具体方法如下：采用边缘算子对所述增强图像进行边缘检测得到包含强边缘和弱边缘特征信息的综合二值图像；采用hysteresis_threshold算子去除所述综合二值图像中的弱边缘特征得到只包含强边缘特征的所...

【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：