[發明專利]基于卷積神經網絡的皮帶機表面狀態檢測方法及裝置

在審

• 申請號: 202010796712.4
• 申請日: 2020-08-10
• 公開（公告）號: CN113297885A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 周雨薔;邱立運;蔣源銘
• 申請（專利權）人: 湖南長天自控工程有限公司;中冶長天國際工程有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

1.一種基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述方法包括：

獲取皮帶機運行過程中預設區域的皮帶表面圖像；

根據建立的卷積神經網絡模型對所述皮帶表面圖像進行圖像識別，得到識別結果；所述識別結果包括正常、磨損或撕裂之中的一種。

2.根據權利要求1所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，若所述識別結果為磨損或撕裂，所述方法還包括：

生成報警信號并發送至皮帶機的控制端。

3.根據權利要求1所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述卷積神經網絡模型的建立方法包括：

建立圖像集；所述圖像集包含對于多個規格的皮帶分別在不同位置、不同時間段拍攝的預設數量的皮帶表面圖像；

對所述圖像集中全部皮帶表面圖像進行圖像預處理，得到預處理后的皮帶表面圖像；

為所有經預處理后的皮帶表面圖像添加人工標簽；所述人工標簽為正常標簽、磨損標簽或撕裂標簽之中的一種；

將所述圖像集分為訓練集和測試集；所述訓練集中的皮帶表面圖像數量大于所述測試集中的皮帶表面圖像數量；

將所述訓練集中的皮帶表面圖像輸入殘差神經網絡，得到分類結果；

將分類結果與人工標簽對比，返回錯誤率和損失函數運算結果到殘差神經網絡，更新網絡權重值和偏差；

當損失函數運算結果小于預設值時，將測試集數據輸入此時的殘差神經網絡。

4.根據權利要求3所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述將所述圖像集分為訓練集和測試集的步驟包括：

將具有相同類型人工標簽的皮帶表面圖像的80％放入到訓練集中，將剩余的皮帶表面圖像放入到測試集中。

5.根據權利要求3所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述殘差神經網絡包括殘差層、全連接層及分類器；將所述訓練集中的皮帶表面圖像輸入殘差神經網絡，得到分類結果的步驟包括：

輸入皮帶表面圖像到多個不同維度的殘差層；

在每個殘差層中，輸入的圖像先后經過一個卷積層和一個平均池化層，并輸出第一結果；

全連接層對第一結果執行標準化計算，得到第二結果；

分類器對第二結果執行分類，得到分類結果。

6.根據權利要求3所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述拍攝的預設數量的皮帶表面圖像包括：

在皮帶上方、上下皮帶之間以及回城皮帶下方分別拍攝的皮帶表面圖像；

采用相機拍攝角度垂直于皮帶表面以及左右各偏移45°時拍攝的皮帶表面圖像。

7.根據權利要求3所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述更新網絡權重值和偏差時采用隨機梯度下降法。

8.根據權利要求3所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述對所述圖像集中全部皮帶表面圖像進行圖像預處理，得到預處理后的皮帶表面圖像的步驟包括：

調整皮帶表面圖像的尺寸；

調整皮帶表面圖像的亮度；

對調整后皮帶表面圖像進行平滑去噪處理。

9.根據權利要求1所述的基于卷積神經網絡的皮帶機表面狀態檢測方法，其特征在于，所述獲取皮帶機運行過程中預設區域的皮帶表面圖像包括：

每間隔預設時長，獲取皮帶機運行過程中預設區域的皮帶表面圖像。

10.一種基于卷積神經網絡的皮帶機表面狀態檢測裝置，其特征在于，包括：相機及分析單元；所述相機設于皮帶上方、上下皮帶之間和/或回程皮帶下方，用于拍攝皮帶表面圖像，并將拍攝到的皮帶表面圖像發送至分析單元；所述分析單元用于根據接收到的皮帶表面圖像，執行如權利要求1至9中任意一項所述的方法。