本申请提供了一种夜间环境的托辊检测方法、装置和托辊检测系统，该方法包括：获取第一夜间托辊图像，并对第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，将第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像；将第三夜间托辊图像输入检测模型进行识别检测，得到目标托辊的位置信息；在位置信息对应的位置框内提取目标托辊的轮廓图像，位置框为目标托辊的边界框；在满足第一预定条件和/或第二预定条件的情况下，确定目标托辊出现故障，第一预定条件为轮廓图像与标准托辊轮廓图像的重合度小于预定重合度，第二预定条件为位置信息对应的位置与预定位置的距离大于预定距离，解决了夜间环境的托辊检测方法的故障检测准确度低的问题。测准确度低的问题。测准确度低的问题。
【技术实现步骤摘要】
夜间环境的托辊检测方法、装置和托辊检测系统
[0001]本专利技术涉及视觉检测
，具体而言，涉及一种夜间环境的托辊检测方法、装置、计算机可读存储介质和托辊检测系统。
技术介绍
[0002]随着机器学习、深度学习，计算机计算硬件及计算机视觉处理技术的发展，基于目标数据学习的方法和表达学习的方法，为整个领域提供了良好的技术背景。目前，随着电子信息技术的发展，借助无线传感器、计算机、信号传输技术的优势对现代煤矿进行监控已经较为成熟。跟过去相比，这些技术使得煤矿事故大幅减少，提高了煤矿的安全系数。
[0003]随着生产规模的扩大，综合机械能力提高，自动巡检的煤矿监控系统运用原来越多。煤矿输送带在煤矿生产中，发生故障的次数也频繁，尤其输送带裂缝，皮带撕裂、跑偏、打滑等故障，破坏性极强。此类事故不仅影响煤矿生产量，而且影响工作的进度，甚至威胁到工人的安全；同时也给企业带来巨大经济损失。托辊主要用于输送带的重要组成部分之一，托辊直接影响输送带的性能与使用寿命，托辊状态事关煤炭运输安全，对托辊状态检测势在必行。
[0004]夜间检测在提供稳定的人工光照条件下，减弱了白天不同时间段光强不同和光照不均匀对托辊识别的影响，这为夜间机器人的应用提供了技术支撑。夜间物体识别研究存在以下难点:夜间光照少，物体的识别率较低；夜间识别方法步骤复杂，采用多阶段人工特征提取方法，不适合大样本数据集，识别效果有待进一步提升；目前，夜间物体识别方法效率不高。此外，一些研究表明，采用的检测方法受限于温度、设备成本、拍摄角度等因素，导致检测成本和复杂性升高。因此，研究煤矿机器人夜间巡检，精准识别与定位托辊位置，这将具有一定的理论意义和工程应用价值。
技术实现思路
[0005]本申请的主要目的在于提供一种夜间环境的托辊检测方法、装置、计算机可读存储介质和托辊检测系统，以至少解决现有技术中夜间环境的托辊检测方法的故障检测准确度低的问题。
[0006]为了实现上述目的，根据本申请的一个方面，提供了一种夜间环境的托辊检测方法，其特征在于，包括：获取第一夜间托辊图像，并对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，将所述第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像，其中，所述第一夜间托辊图像为在夜间环境下目标托辊的图像，所述第二夜间托辊图像的亮度大于所述第一夜间托辊图像的亮度；将所述第三夜间托辊图像输入检测模型进行识别检测，得到所述目标托辊的位置信息，所述检测模型为通过训练数据组对Des
‑
YOLO v3深度卷积神经网络进行训练得到的，所述训练数据组包括带有位置标注信息的托辊灰度图像，所述训练托辊灰度图像为在环境亮度大于预定环境亮度的场景下采集的托辊图像对应的灰度图像；在所述位置信息对应的位置框内提取所述目标托辊的轮廓图像，所述位置框
为所述第三夜间托辊图像中所述目标托辊的边界框；在满足第一预定条件和/或第二预定条件的情况下，确定所述目标托辊出现故障，所述第一预定条件为所述轮廓图像与标准托辊轮廓图像的重合度小于预定重合度，所述第二预定条件为所述位置信息对应的位置与预定位置的距离大于预定距离，所述预定位置为所述目标托辊的安装位置。
[0007]可选地，对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，包括：将所述第一夜间托辊图像的格式转换为HSV格式，得到第四夜间托辊图像；根据所述第四夜间托辊图像确定所述第四夜间托辊图像的亮度信息、色调信息和饱和度信息；采用Gamma函数对所述亮度信息进行矫正，得到矫正亮度信息，使得矫正亮度信息对应的亮度大于所述亮度信息对应的亮度；根据所述矫正亮度信息、所述色调信息和所述饱和度信息合成HSV格式的所述第二夜间托辊图像。
[0008]可选地，将所述第一夜间托辊图像的格式转换为HSV格式，得到第四夜间托辊图像，包括：将所述第一夜间托辊图像的格式转换为RGB格式，得到第五夜间托辊图像；将所述第五夜间托辊图像的格式转换为HSV格式，得到所述第四夜间托辊图像。
[0009]可选地，将所述第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像，包括：将所述第二夜间托辊图像的格式转换为RGB格式，得到第六夜间托辊图像；将所述第六夜间托辊图像转换为灰度图像，得到所述第三夜间托辊图像。
[0010]可选地，将所述第三夜间托辊图像输入检测模型进行识别检测，得到所述目标托辊的位置信息，包括：依次对所述第三夜间托辊图像进行多组卷积处理、多组批量归一化处理和多组激活函数处理，得到多个第一特征图；对多个所述第一特征图进行池化处理，得到多个第二特征图；对多个所述第二特征图进行一次密集连接卷积处理和三次残差卷积处理，得到所述位置信息，所述密集连接卷积处理为采用密集连接卷积网络DenseNet的卷积层进行的卷积处理，所述残差卷积处理为将所述卷积层的输出值修改为所述卷积层的输出值和输入值之和。
[0011]可选地，对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，包括：采用AE自动曝光算法对所述第一夜间托辊图像进行处理，得到所述第二夜间托辊图像。
[0012]可选地，在满足第一预定条件和/或第二预定条件的情况下，确定所述目标托辊出现故障之后，所述方法还包括：发出报警信号，所述报警信号用于提示检修人员对所述目标托辊进行故障维修。
[0013]根据本申请的另一方面，提供了一种夜间环境的托辊检测装置，包括：处理单元，用于获取第一夜间托辊图像，并对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，将所述第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像，其中，所述第一夜间托辊图像为在夜间环境下目标托辊的图像，所述第二夜间托辊图像的亮度大于所述第一夜间托辊图像的亮度；检测单元，用于将所述第三夜间托辊图像输入检测模型进行识别检测，得到所述目标托辊的位置信息，所述检测模型为通过训练数据组对Des
‑
YOLO v3深度卷积神经网络进行训练得到的，所述训练数据组包括带有位置标注信息的托辊灰度图像，所述训练托辊灰度图像为在环境亮度大于预定环境亮度的场景下采集的托辊图像对应的灰度图像；处理单元，用于在所述位置信息对应的位置框内提取所述目标托辊的轮廓图像，所述位置框为所述第三夜间托辊图像中所述目标托辊的边界框；确定单元，用于在满足第一预定条件和/或第二预定条件的情况下，确定所述目标托辊出现故障，所述第一预定条
件为所述轮廓图像与标准托辊轮廓图像的重合度小于预定重合度，所述第二预定条件为所述位置信息对应的位置与预定位置的距离大于预定距离，所述预定位置为所述目标托辊的安装位置。
[0014]根据本申请的再一方面，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，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述方法。
[0015]根据本申请的又一方面，提供了一种托辊检测系统，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，并且被配置本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种夜间环境的托辊检测方法，其特征在于，包括：获取第一夜间托辊图像，并对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，将所述第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像，其中，所述第一夜间托辊图像为在夜间环境下目标托辊的图像，所述第二夜间托辊图像的亮度大于所述第一夜间托辊图像的亮度；将所述第三夜间托辊图像输入检测模型进行识别检测，得到所述目标托辊的位置信息，所述检测模型为通过训练数据组对Des
‑
YOLO v3深度卷积神经网络进行训练得到的，所述训练数据组包括带有位置标注信息的托辊灰度图像，所述托辊灰度图像为在环境亮度大于预定环境亮度的场景下采集的托辊图像对应的灰度图像；在所述位置信息对应的位置框内提取所述目标托辊的轮廓图像，所述位置框为所述第三夜间托辊图像中所述目标托辊的边界框；在满足第一预定条件和/或第二预定条件的情况下，确定所述目标托辊出现故障，所述第一预定条件为所述轮廓图像与标准托辊轮廓图像的重合度小于预定重合度，所述第二预定条件为所述位置信息对应的位置与预定位置的距离大于预定距离，所述预定位置为所述目标托辊的安装位置。2.根据权利要求1所述的方法，其特征在于，对所述第一夜间托辊图像的亮度进行矫正，得到第二夜间托辊图像，包括：将所述第一夜间托辊图像的格式转换为HSV格式，得到第四夜间托辊图像；根据所述第四夜间托辊图像确定所述第四夜间托辊图像的亮度信息、色调信息和饱和度信息；采用Gamma函数对所述亮度信息进行矫正，得到矫正亮度信息，使得矫正亮度信息对应的亮度大于所述亮度信息对应的亮度；根据所述矫正亮度信息、所述色调信息和所述饱和度信息合成HSV格式的所述第二夜间托辊图像。3.根据权利要求2所述的方法，其特征在于，将所述第一夜间托辊图像的格式转换为HSV格式，得到第四夜间托辊图像，包括：将所述第一夜间托辊图像的格式转换为RGB格式，得到第五夜间托辊图像；将所述第五夜间托辊图像的格式转换为HSV格式，得到所述第四夜间托辊图像。4.根据权利要求1所述的方法，其特征在于，将所述第二夜间托辊图像转换为灰度图像，得到第三夜间托辊图像，包括：将所述第二夜间托辊图像的格式转换为RGB格式，得到第六夜间托辊图像；将所述第六夜间托辊图像转换为灰度图像，得到所述第三夜间托辊图像。5.根据权利要求1至4任一项所述的方法，其特征在于，将所述第三夜间托辊图像输入检测模型进行识别检测，得到所述目标托辊的位置信息，包括：依次对所述第三夜间托辊图像进行多组卷积处理、多组批量归一化处理和多组激活函数处理，得到多个第一特征图；对多个所...
【专利技术属性】
技术研发人员：吕胜，孟宪军，李林林，刘伯鸿，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：
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。