【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及一种皮带撕裂检测方法、装置、设备及存储介质。
技术介绍
1、作为大型工矿企业输送的主要设备皮带传输机，一旦出现皮带撕裂、断裂事故，不仅既严重影响正常生产，还极易造成安全事故和重大财产损失。因此，及时发现皮带撕裂和采取紧急措施就显极为重要。现有的皮带撕裂检测方法一般有三种，第一种是人工检测，需工人在多个生产环境下依次逐一检查或需配置多个工人，人力成本高，效率低。第二种是使用辅助检测器检测，则需要额外的硬件成本，通过安装棒形、线型或漏料型等检测器，检测皮带撕裂情况。辅助检测器大多结构简单、可靠性差，存在误检、漏检风险。第三种是采用传统视觉处理方法来检测，但是由于不同生产环境下摄像机拍摄的图片质量差异较大，传统视觉识别鲁棒性较差，无法普及多个生产环境。
技术实现思路
1、有鉴于此，本专利技术的目的是为了克服现有技术中的不足，提供一种皮带撕裂检测方法、装置、设备及存储介质。
2、本专利技术提供如下技术方案：
3、第一方面，本申请提供了一种皮带撕裂检测方法，包括：
4、获取目标皮带样本图像，通过目标特征编码主网络提取所述目标皮带样本图像的第一特征信息，所述第一特征信息包括空间域特征信息；
5、通过目标频域分支网络提取所述目标皮带样本图像的第二特征信息，所述第二特征信息包括频域特征信息；
6、将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息；
7、将所述融合特征信息对初始分类网
8、将待测皮带图像的目标融合特征信息输入到所述最终分类网络，输出得到所述待测皮带图像的撕裂检测结果。
9、一种实施方式中，所述获取目标皮带样本图像，包括：
10、获取皮带撕裂图像和皮带正常图像，通过掩码将所述皮带撕裂图像和所述皮带正常图像进行叠加，得到所述目标皮带样本图像。
11、一种实施方式中，所述通过掩码将所述皮带撕裂图像和所述皮带正常图像进行叠加，得到所述目标皮带样本图像，包括：
12、构建初始皮带样本图像函数：
13、
14、其中，id为撕裂皮带图像、md为撕裂皮带图像对应的裂痕掩码，in为正常皮带图像，为初始皮带样本图像，即撕裂图像，⊙表示点乘计算；
15、对所述初始皮带样本图像函数进行位置与尺寸变换，得到目标皮带样本图像：
16、i＝αtpts(id⊙md)+in⊙(1-tpts(md))，
17、其中，tp、ts分别表示位置变换函数和尺寸变换函数，α∈(0,1)表示随机的透明度参数，i为目标皮带样本图像。
18、一种实施方式中，所述通过目标频域分支网络提取所述目标皮带样本图像的第二特征信息，所述第二特征信息包括频域特征信息，包括：
19、在所述目标皮带样本图像的水平方向利用一个一维的小波变换，计算得到所述目标皮带样本图像的低通和高通频率分量；
20、在所述目标皮带样本图像的垂直方向上使用另一个一维小波变换，计算得到所述频域特征信息。
21、一种实施方式中，所述将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息，包括：
22、获取第l-1层特征编码主网络输出的空间域特征信息zl-1，并获取第k层频域分支网络输出的频域特征信息z′k，其中，zl-1与z′k具有相同大小的宽高尺寸；
23、将zl-1与z′k进行拼接操作后经过卷积操作fm，最后与zl-1进行残差操作得到下一层的最终输出zl：
24、
25、一种实施方式中，所述目标特征编码主网络和所述目标频域分支网络通过以下方式进行训练得到：
26、获取训练图像，假设训练图像中的撕裂图像样本集为d，正常图像样本集为n；
27、对应的掩码图像为md，经过编码器后得到的特征为fd，则其正常区域特征为是由md下采样得到的特征掩码，其中，编码器为目标特征编码主网络或所述目标频域分支网络；
28、经过编码器后得到的特征为fn，将bd和fn分别经过全局平均池化后分别得到bd和fn；
29、计算得到背景正则化损失为：
30、
31、一种实施方式中，所述将所述融合特征信息对初始分类网络中进行训练，得到最终分类网络，包括：
32、步骤一、将所述融合特征信息输入到初始分类网络中，得到初始输出结果；
33、步骤二、判断所述初始输出结果是否为预设结果，所述预设结果包括撕裂和未撕裂；
34、步骤三、若所述初始输出结果不为预设结果，则调整所述初始分类网络的参数，得到第一分类网络；
35、步骤四、将所述融合特征信息输入到所述第一分类网络中，重复执行所述步骤一至所述步骤三，直到第n分类网络的输出结果为所述预设结果，则将所述第n分类网络作为所述最终分类网络。
36、第二方面，本申请提供了一种皮带撕裂检测装置，包括：
37、第一提取模块，用于获取目标皮带样本图像，通过目标特征编码主网络提取所述目标皮带样本图像的第一特征信息，所述第一特征信息包括空间域特征信息；
38、第二提取模块，用于通过目标频域分支网络提取所述目标皮带样本图像的第二特征信息，所述第二特征信息包括频域特征信息；
39、融合模块，用于将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息；
40、训练模块，用于将所述融合特征信息对初始分类网络中进行训练，得到最终分类网络；
41、输出模块，用于将待测皮带图像的目标融合特征信息输入到所述最终分类网络，输出得到所述待测皮带图像的撕裂检测结果。
42、第三方面，本申请提供了一种电子设备，包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施如第一方面所述的皮带撕裂检测方法。
43、第四方面，本申请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存储有计算机程序，所述计算机程序被执行时，实现如第一方面所述的皮带撕裂检测方法。
44、本专利技术的实施例具有如下有益效果：
45、本专利技术提供的皮带撕裂检测方法，采用深度学习的视觉算法，自动检测皮带的撕裂情况，利用图像的频域信息增强模型特征表示，可以得到准确的检测效果。
46、为使本专利技术的上述目的、特征和优点能更明显和易懂，下文特举较佳实施例，并配合所附附图，做详细说明如下。
本文档来自技高网...【技术保护点】
1.一种皮带撕裂检测方法，其特征在于，包括：
2.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述获取目标皮带样本图像，包括：
3.根据权利要求2所述的皮带撕裂检测方法，其特征在于，所述通过掩码将所述皮带撕裂图像和所述皮带正常图像进行叠加，得到所述目标皮带样本图像，包括：
4.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述通过目标频域分支网络提取所述目标皮带样本图像的第二特征信息，所述第二特征信息包括频域特征信息，包括：
5.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息，包括：
6.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述目标特征编码主网络和所述目标频域分支网络通过以下方式进行训练得到：
7.根据权利要求6所述的皮带撕裂检测方法，其特征在于，所述将所述融合特征信息对初始分类网络中进行训练，得到最终分类网络，包括：
8.一种皮带撕裂检测装置，其特征在于，包括：
9.一种电子设备，其特征在于
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时，实现如权利要求1至7中任意一项所述的皮带撕裂检测方法。
...【技术特征摘要】
1.一种皮带撕裂检测方法，其特征在于，包括：
2.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述获取目标皮带样本图像，包括：
3.根据权利要求2所述的皮带撕裂检测方法，其特征在于，所述通过掩码将所述皮带撕裂图像和所述皮带正常图像进行叠加，得到所述目标皮带样本图像，包括：
4.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述通过目标频域分支网络提取所述目标皮带样本图像的第二特征信息，所述第二特征信息包括频域特征信息，包括：
5.根据权利要求1所述的皮带撕裂检测方法，其特征在于，所述将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息，包括：
6.根据权利要求1所述的皮带...
【专利技术属性】
技术研发人员：郭振铭，王利平，刘瑞卿，刘瑞峰，张志成，
申请(专利权)人：内蒙古京能康巴什热电有限公司，
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。