[發明專利]一種基于AI智能分析的輸送皮帶撕裂檢測系統及檢測方法

有效

• 申請號: 202010128986.6
• 申請日: 2020-02-28
• 公開（公告）號: CN111289529B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 馬鑫;馬剛;黃守柱
• 申請（專利權）人: 瑞思特（珠海）科技有限責任公司;鞍山市紅盾安全報警器材有限公司
• 主分類號: G01N21/89
• 分類號: G01N21/89;G01B11/02;G01B11/04;G06T7/00
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 吳芳

1.一種基于AI智能分析的輸送皮帶撕裂檢測系統，其特征在于，包括補光燈、AI傳感器、AI智能分析終端、網絡交換機、后臺數據操作終端、聯動輸出控制裝置、報警設備和停機保護裝置，所述的補光燈、AI傳感器、AI智能分析終端為兩路，分別分布在輸送皮帶的左右兩側，并列運行，AI智能分析終端和聯動輸出控制裝置采用光纖或者WIFI連接到網絡交換機，通過網絡交換機與后臺數據操作終端通訊，聯動輸出控制裝置連接報警設備和停機保護裝置，AI智能分析終端和聯動輸出控制裝置，都安裝在皮帶通廊附近；

所述的AI智能分析終端包括視頻圖像輸入處理模塊、AI芯片、識別推理模塊和輸出結果模塊，其中所述AI芯片脫離深度學習服務器，所述AI芯片預先通過以下步驟進行部署：預先收集皮帶撕裂的各種狀況的多個視頻圖像，組成訓練數據集，利用深度學習算法對原始神經網絡模型進行離線訓練，調整模型內部參數以獲得對輸送皮帶圖像具有表征與分析能力的神經網絡模型，形成受訓后的皮帶撕裂特征碼，并將受訓后的皮帶撕裂特征碼部署在所述AI芯片上，所述皮帶撕裂特征碼包括邊緣分層特征碼、邊緣潰爛特征碼、反復開裂特征碼、鋼絲帶深度劃傷特征碼、鋼絲外漏特征碼、接頭縫隙特征碼、密集型劃痕特征碼、裙邊帶邊緣撕裂特征碼和纖維帶邊緣大尺度分層特征碼；

其中，所述深度學習算法的流程包括：訓練機在TensorFlow環境下，使用數據流圖技術來進行數值計算，利用開源框架，搭建深度學習的訓練模型，形成訓練后的神經網絡模型；訓練后的神經網絡模型采用TensorFlow架構，連接到BMNNSDK的輸入模式接口，在BMNNSDK上進行編譯神經網絡，生成視頻圖像特征模型，形成BModel模型；在訓練機ADE作用下，對BModel模型進行分層處理集成到軟件中，經過多次深度學習，再次集成，與訓練機內部署的神經網絡模型相比較后，形成最終的視頻圖像的皮帶撕裂特征碼；

AI智能分析終端實時采集AI傳感器的視頻圖像，經過視頻圖像輸入處理模塊根據視頻圖像的像素分布和亮度、顏色轉換為數字化信號，并進行運算來抽取目標的特征，經過AI智能分析后形成皮帶檢測結果，包括與AI芯片皮帶撕裂的特征碼大數據推理分析，經過識別推理模塊和輸出結果模塊，識別推理出皮帶撕裂的寬度和長度；

預先設置報警閾值、報警級別，通過網絡交換機把皮帶檢測結果傳輸到后臺數據操作終端，并根據皮帶撕裂檢測結果，輸出報警信號和停機保護信號，包括：若皮帶撕裂的寬度或長度超過設置范圍，則通過聯動輸出控制裝置切斷托輥電機電源，以使皮帶機停機；對沒有達到報警級別的可容忍撕裂狀況不報警；

所述補光燈根據所述AI傳感器的視頻圖像的明暗度參數實現自動開關，包括：按照上午10點、12點、下午2點劃分三個時間段，每個時間段分三次，每次間隔10秒測試，關閉補光燈，AI芯片分析視頻圖像的明暗度，若連續三次在補光燈關閉情況下的視頻圖像的明暗度滿足設定閾值，則關閉所述補光燈。

2.根據權利要求1所述的一種基于AI智能分析的輸送皮帶撕裂檢測系統，所述的補光燈，安裝在AI傳感器附近。

3.根據權利要求1所述的一種基于AI智能分析的輸送皮帶撕裂檢測系統，所述的AI傳感器包括攝像機、低畸變高清攝像頭、刷灰器。

4.根據權利要求1所述的一種基于AI智能分析的輸送皮帶撕裂檢測系統，所述的AI智能分析終端通過網絡接口實時接收AI傳感器視頻信號。

5.根據權利要求1所述的一種基于AI智能分析的輸送皮帶撕裂檢測系統，所述的AI芯片采用BM1880。

6.根據權利要求1所述的一種基于AI智能分析的輸送皮帶撕裂檢測系統，所述的后臺數據操作終端包括計算機主板、觸摸屏、UPS電源和皮帶撕裂檢測軟件。