[發明專利]基于機器視覺的膠帶跑偏診斷系統及方法

在審

• 申請號: 201810623426.0
• 申請日: 2018-06-15
• 公開（公告）號: CN108584352A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 金從兵;王大兵
• 申請（專利權）人: 湖北凱瑞知行智能裝備有限公司
• 主分類號: B65G43/02
• 分類號: B65G43/02
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 胡建平;楊曉燕

1.基于機器視覺的帶式輸送機膠帶跑偏診斷系統，其特征在于，包括膠帶、第一標定板、第二標定板、高清攝像機以及圖像處理模塊，所述第一標定板、第二標定板分別安裝在靠近膠帶下表面的兩側，第一標定板、第二標定板的大小和性狀完全一樣，第一標定板、第二標定板的顏色與膠帶的顏色存在明顯的視覺差別；所述高清攝像機安裝在膠帶上方，且位于第一標定板、第二標定板的前方或后方，使得第一標定板、第二標定板和膠帶居于高清攝像機拍攝圖片的中央；所述圖像處理模塊與高清攝像機相連，用于實時檢測出第一標定板、第二標定板與膠帶之間的位置關系，從而判斷膠帶是否跑偏。

2.根據權利要求1所述的基于機器視覺的膠帶跑偏診斷系統，其特征在于，所述高清攝像機旁邊還設置補光燈。

3.根據權利要求1所述的基于機器視覺的膠帶跑偏診斷系統，其特征在于，所述第一標定板和第二標定板替換為采用一個完整的標定板，該標定板左右對稱布置在膠帶下方。

4.一種上述權利要求1～3任一項所述的基于機器視覺的膠帶跑偏診斷系統的診斷方法，其特征在于，包括如下步驟：

S1、在膠帶下方，靠近膠帶下表面的膠帶兩側分別對稱安裝大小和形狀完全一樣的第一標定板、第二標定板，第一標定板、第二標定板的顏色同膠帶本體的顏色存在明顯的視覺差別；

S2、在膠帶上方，第一標定板、第二標定板的前方或后方安裝高清攝像機，使得第一標定板、第二標定板和膠帶居于高清攝像機拍攝圖片的中央；

S3、利用高清攝像機實時抓拍膠帶運行的場景圖片，圖像處理模塊對抓拍的圖片運用圖像分割、特征化提取算法提取第一標定板和第二標定板的顏色形狀參數信息作為特征樣本，通過支持向量機對特征樣本進行訓練、標定，完成膠帶運動場景的訓練學習，從而實時檢測出第一標定板、第二標定板與膠帶之間的位置關系，從而判斷膠帶是否跑偏，并進一步分析出膠帶偏轉的方向。

5.根據權利要求1所述的基于機器視覺的膠帶跑偏診斷系統的診斷方法，其特征在于，所述步驟S3具體包括：

S31、樣本收集

根據膠帶運動場景，收集膠帶在不同負載情況下，膠帶運行的高清場景圖片；

S32、圖像分割

基于Mean Shift算法對抓拍的場景圖片進行分割，劃分出三個區塊，分別為第一標定板區、膠帶區、第二標定板區；

S33、特征化提取

采用成對幾何直方圖來對圖像形狀特征的提取和輪廓的檢索，基于直方圖的方法把若干個同質區域當做同個連接區域；

對第一標定板區、膠帶區、第二標定板區的圖像形狀特征進行提取，定義如下變量作為特征樣本：

Side_bdl：第一標定板左邊界；

Side_bdr：第二標定板右邊界；

Side_bel：膠帶左邊界；

Side_ber：膠帶右邊界；

X_AL-BEL：第一標定板左邊界Side_bdl到膠帶左邊界Side_bel的像素點；

X_BEL-BER：膠帶左邊界Side_bel到膠帶右邊界Side_ber的像素點；

X_BR-BER：膠帶右邊界Side_ber與第二標定板右邊界Side_bdr的像素點；

P_A-BELT：第一標定板區與膠帶區像素比，計算公式如下：P_A-BELT＝X_AL-BEL/X_BEL-BER；

P_B-BELT：第二標定板區與膠帶區像素比，計算公式如下：P_B-BELT＝X_BR-BER/X_BEL-BER；

通過特征化提取算法，確認第一標定板區、第二標定板區與膠帶區像素比是否正常：

在膠帶正常運行的情況下，P_A-BELT和P_B-BELT的值變化只與膠帶負載有關，在膠帶負載比較恒定的情況下，P_A-BELT和P_B-BELT的值變化是相對穩定的；

當膠帶運行過程中，如果膠帶發生偏移，P_A-BELT和P_B-BELT的值會發生明顯變化，判定膠帶運行不正常；

S34、支持向量機訓練

開始用支持向量機做訓練之前，將前面收集并處理后的特征樣本分為兩類，一類是有效圖片，即膠帶在不同負載或空載情況下第一標定板、膠帶、第二標定板三者位置關系在偏離閾值范圍內的圖片，并貼上有效標簽；另一類是無效圖片，即膠帶在不同負載或空載情況下膠帶運行方向偏向第一標定板或膠帶運行方向偏向第二標定板的圖片，并貼上無效標簽；然后從這兩類圖片中分別取出一部分用來做支持向量機模型訓練，然后另一部分用來做測試集，測試集中同樣包含有效的圖片和無效的圖片，用以驗證支持向量機模型訓練好的分類效果。

6.根據權利要求5所述的基于機器視覺的膠帶跑偏診斷系統的診斷方法，其特征在于，所述步驟S34中，根據場景圖片的特點，支持向量機模型訓練的算法參數的性能調優的關鍵因素是SVM中的懲罰因子C和核參數r，懲罰因子C用于確定樣本數據子空間中調節學習機器的置信區間范圍，不同數據子空間中最優的C是不同的，而核參數r的改變隱含改變樣本數據子空間分布的復雜程度。