【技术实现步骤摘要】
本专利技术涉及在线皮带跑偏检测，具体为一种基于机器视觉技术的皮带跑偏检测系统及方法。
技术介绍
1、现如今，安全作业成为了各企业最为重视的一环，随着现代化的发展及工业智能制造的需求，安全作业也越来越成为各个企业中最为重要的环节。
2、皮带运输机是一种运用皮带的无极运动运输货物和材料的机械，广泛应用于港口、电力、冶金等行业，具有使用方便、效率高、自动化程度和效率高的特点，对运输煤矿石、铁矿石和其他大宗商品、食品、化肥和其他散装材料起着非常重要的作用；其工作原理是当驱动装置带动传动辊筒回转时，使得传动辊于胶带之间产生摩擦力带动皮带运行，物料由给料装置加到皮带机上被运行的胶带输送到卸料装置时被卸出；皮带本身无动力，需要靠动力装置提供的摩擦力使得皮带按照既定的方向运动，其运行长度从几米到几千米不等。
3、在日常运行过程中，常常会出现各种故障问题，其中皮带跑偏是非常常见和危害极高的故障；当皮带运行时，可能直接冲击皮带机反偏转器，导致皮带机运输停止，不能正常运行，也有可能因为跑偏导致设备重要零部件的损坏，如辊轮的轴向负载显著增加，对辊筒造成破坏；更严重的是，在皮带机的运输过程中，皮带运行跑偏使得传送的物料掉落至回程皮带上，造成皮带划伤，撕裂等危害，影响皮带设备的使用寿命，但皮带偏移总是基于各种原因产生的，很难进行固定化的察觉或是预测。
4、目前针对皮带跑偏这一现象的监测设备大多是采用接触开关或其他近距离测距装置，因此每个托辊上都需要安装相应的检测设备，并且很容易因为与皮带产生摩擦导致设备损坏而无法正常工作
5、传统检测方式需要在每个托辊上安装接近开关，在跑偏现象发生时，通过皮带边沿接触接近开关而产生预警方式，该种方式虽然灵敏度高，但由于皮带与开关经常接触容易导致接近开关损坏，而且一条线上往往需要成百上千个接近开关连接，安装维护十分不便，因此，有必要提出一种基于及其视觉技术的皮带跑偏检测系统来解决上述提出的问题。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种安全可靠且操作便捷的基于机器视觉技术的皮带跑偏检测系统及方法。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于机器视觉技术的皮带跑偏检测系统及方法，包括：
3、监控相机和图像采集模块：监控相机需要采集一定数量的图片供给模型训练，模型训练使模型具备智能检测识别的能力；模型完成生成pt模型，pt模型部署在服务器端，检测系统运行时，由监控相机实时采集图像传送到模型中进行识别检测；
4、算法检测识别模块：主要选用深度学习目标侦测模型，利用模型同时进行皮带检测识别和托辊检测识别；
5、坐标系转换模块：在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型就是相机参数，相机标定中所要确定的几何模型参数分为内参和外参，相机内参的作用是确定相机从三维空间到二维图像的投影关系，相机外参的作用是确定相机坐标与世界坐标系之间的相对位置关系，通过标定确定图像中的皮带边沿位置的变化量(像素)与实际度量(长度单位)的对应关系，为算法执行提供理论计算基础；
6、报警模块：若连续数次的检测结果超过设定的安全范围阈值，进行语音报警，若全部正常，则继续实时监测；
7、智能纠偏模块：当系统检测到跑偏时，将检测计算出的偏移量与偏移方向发送给纠偏装置，配合纠偏装置实现自动纠偏，使皮带回到正常运行位置。
8、一种基于机器视觉技术的皮带跑偏检测方法中深度学习目标侦测模型，包括以下步骤：
9、步骤1：通过成像设备采集运行皮带在不同环境下的视频数据；
10、步骤2：将成像设备采集的视频流分别进行关键帧提取，获取后续模型训练的图片数据集；
11、步骤3：采用语义分割的数据标注方法对采集到的皮带数据进行标注，生成训练数据集；标注类别共两类，皮带边缘和托辊边缘；
12、步骤4：采用马赛克数据增强方法对标注数据进行扩充增强，提高数据复杂度：模型泛化能力；
13、步骤5：语义分割模型在增强后的训练数据上进行训练，生成分割模型；
14、步骤6：将步骤5生成的模型部署在服务器端；
15、步骤7：读取成像设备的实时数据流，输入给语义分割模型；分割模型会对图中的皮带边缘和托辊边缘进行分割；
16、步骤8：提取到皮带边缘和托辊边缘之后，计算皮带中心位置和托辊中心位置之间的距离，判断是否跑偏。
17、进一步，步骤4所述马赛克数据增强方法为，从数据中随机挑选4张图像，将这四张图像进行上下左右的拼接后得到的训练图像。
18、一种基于机器视觉技术的皮带跑偏检测方法中相机从三维空间到二维图像的投影关系，包括以下步骤：
19、步骤1：使用黑白棋盘标定板在相机视野范围内拍摄多张图像；
20、步骤2：根据图像计算相机的外参，结合相机的内参构建平面校正矩阵；
21、步骤3：根据步骤2得到的矩阵对图像进行校正；
22、步骤4：在步骤3校正后的图像中选择标定物，测量其在图像中的尺寸与实际尺寸；
23、步骤5：根据步骤4取得的尺寸信息计算出像素与测量单位的比例关系。
24、一种基于机器视觉技术的皮带跑偏检测方法中实现自动纠偏，包括以下步骤：
25、步骤1、当偏移量超过设定的阈值时，将偏移量数据发送给纠偏装置；
26、步骤2、纠偏装置获取到数据后进行纠偏，将皮带调整到安全范围内，防止跑偏。
27、进一步，所述算法检测识别模块还包括：皮带检测识别、托辊检测识别。
28、进一步，所述步骤1中的成像设备采集运行皮带在不同环境下的视频图像是指采集光照强度不一致的或采集不同背景下的或采集不同气候下的或采集皮带表面有油渍、花斑等困难正常样本或采集多样化的异常缺陷样本。
29、进一步，所述步骤二中的预处理：去掉不包含目标、特征模糊、背景杂乱的图片。
30、进一步，所述步骤6中的通过hmi客户端将检测结果反馈指通过hmi终端显示与步骤7中的服务器端采用以太网方式通讯。
31、与现有技术相比，本申请的技术方案具备以下有益效果：
32、该基于机器视觉技术的皮带跑偏检测系统及方法，通过设置监控相机模块、图像采集模块、软法检测模型识别模块、报警模块、坐标系转换模块和智能纠偏模块，这几个模块的组成主要是对作业过程中皮带或者托辊是否偏移超出安全区域进行检测，通过深度学习与硬件的结合，实现了24小时不间断实时监测皮带运行状态，实现了智能化的管理，实时化对皮带和托辊的监测，极大的预防了生产安全事故的发生，保障了机械设施的安全性，提高设备使用寿命，从而本文档来自技高网...
【技术保护点】
1.一种基于机器视觉技术的皮带跑偏检测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中深度学习目标侦测模型，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：步骤4所述马赛克数据增强方法为，从数据中随机挑选4张图像，将这四张图像进行上下左右的拼接后得到的训练图像。
4.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中相机从三维空间到二维图像的投影关系，其特征在于，包括以下步骤：
5.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中实现自动纠偏，其特征在于，包括以下步骤：
6.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：所述算法检测识别模块还包括：皮带检测识别、托辊检测识别。
7.根据权利要求2所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：所述步骤1中的成像设备采集运行皮带在不同环境下的视频图像是指采集光照强度不一致的或采集不同背景下的
8.根据权利要求书2所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：所述步骤二中的预处理：去掉不包含目标、特征模糊、背景杂乱的图片。
9.根据权利要求2所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：所述步骤6中的通过HMI客户端将检测结果反馈指通过HMI终端显示与步骤7中的服务器端采用以太网方式通讯。
...【技术特征摘要】
1.一种基于机器视觉技术的皮带跑偏检测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中深度学习目标侦测模型，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种基于机器视觉技术的皮带跑偏检测系统及方法，其特征在于：步骤4所述马赛克数据增强方法为，从数据中随机挑选4张图像，将这四张图像进行上下左右的拼接后得到的训练图像。
4.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中相机从三维空间到二维图像的投影关系，其特征在于，包括以下步骤：
5.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测方法中实现自动纠偏，其特征在于，包括以下步骤：
6.根据权利要求1所述的一种基于机器视觉技术的皮带跑偏检测系...
【专利技术属性】
技术研发人员：宋俊，崔超，邢云生，肖鑫豪，迪丽胡玛·安外尔，
申请(专利权)人：上海研视信息科技有限公司，
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。