[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

本申請實施例公開了基于卷積神經網絡的皮帶機表面狀態檢測方法及裝置，先采集大量的皮帶撕裂、磨損及正常表面圖像，對采集到的皮帶表面圖像進行圖像預處理，再為預處理后的皮帶表面圖像添加人工標簽，隨機抽取較多一部分皮帶表面圖像作為訓練集輸入到建立的殘差神經網絡中執行磨損或撕裂的特征提取，根據提取到的多維特征值矩陣，將不斷輸入的皮帶表面圖像特征載入分類器中進行分類得到分類結果，根據分類結果與人工標簽進行對比返回錯誤率和損失函數運算結果到殘差神經網絡中。將測試集輸入，得到最終神經網絡模型。利用該模型可以對實時拍攝到的皮帶表面圖像執行磨損或撕裂的識別操作，通過測試集進行測試去除誤檢，提升異常狀態識別準確率。

技術領域

本申請實施例涉及物料運輸設備檢測技術領域，特別涉及基于卷積神經網絡的皮帶機表面狀態檢測方法及裝置。

背景技術

皮帶運輸機是一種通過摩擦驅動的方式連續運輸物料的機械，物料可從供料點一端沿皮帶輸送方向運動至皮帶的另一端，最終到達卸料點完成物料輸送過程。皮帶運輸機的主要構成部件中，皮帶既是物料的承載部件、又提供了物料移動的摩擦力，因此皮帶表面質量直接影響了物料運輸效果。

皮帶運輸機在輸送物料的過程中，物料、雜質或金屬件很容易對皮帶表面造成磨損，長期下來，皮帶表面容易出現局部撕裂，不僅容易造成物料在運輸中掉落、降低運輸效率，嚴重時還容易造成皮帶斷裂，導致整個裝置停機，整個皮帶都需要更換，這不僅影響了物料運輸的作業效率，還給工廠帶來巨額的經濟損失。

為了防止皮帶斷裂造成的損失，現有技術中通常采用安裝機械裝置對皮帶表面進行檢測，通過對皮帶發生撕裂的部位檢測落料時產生的壓力值，進而判斷皮帶當前狀態是否可繼續工作，如果不能繼續工作則停機報警。然而，該方法僅對已經造成撕裂的部位檢測有效，無法避免物料已經存在一定的損失，具有一定的遲滯性；并且，該方法無法檢測皮帶未發生撕裂部位的磨損狀態，從而不能有效實施皮帶斷裂預測與及時修補。

發明內容

本申請提供了基于卷積神經網絡的皮帶機表面狀態檢測方法，以解決現有方法無法對皮帶表面狀態實施實時檢測、以及無法對皮帶斷裂預測等問題，并且本申請提供的基于卷積神經網絡的皮帶機表面狀態檢測方法能及時有效的在皮帶產生磨損時發出預警，以對皮帶進行及時的補救，延長皮帶的使用壽命，降低工廠的經濟損失。

第一方面，本申請提供了基于卷積神經網絡的皮帶機表面狀態檢測方法，所述方法包括以下步驟：

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。

在一些實施例中，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。

在一些實施例中，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。