[發明專利]一種皮帶撕裂檢測方法

在審

• 申請號: 202010965954.1
• 申請日: 2020-09-15
• 公開（公告）號: CN112633052A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 李政謙;徐楠楠
• 申請（專利權）人: 北京華電天仁電力控制技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01N21/88
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 張浩;趙卿

1.一種基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于，包括以下步驟：

步驟1，通過設置在皮帶周圍的多個現場攝像設備獲取正常皮帶圖片和異常皮帶圖片，形成皮帶撕裂檢測數據集；

步驟2，對皮帶撕裂檢測數據集中的皮帶圖片進行標注，異常部分包括皮帶被異物穿透導致皮帶出現撕裂、裂縫、重疊、漏煤、帶寬變窄及異常跑偏的異常情況；按照設定的比例，將皮帶撕裂檢測數據集的全部圖片隨機劃分為訓練集和測試集；

步驟3，使用訓練集訓練卷積神經網絡模型，使用測試集檢測每一代訓練后卷積神經網絡模型，篩選獲得皮帶撕裂檢測模型；

步驟4，基于步驟3得到的皮帶撕裂檢測模型對所述多個現場攝像設備監控區域內皮帶撕裂情況進行實時檢測。

2.根據權利要求1所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟1中，通過設置在皮帶正上方及前后左右四個方向布置的五個現場攝像設備獲取正常皮帶圖片和已撕裂異常皮帶圖片。

3.根據權利要求2所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟1中的現場攝像設備角度為45度，設置在皮帶正上方的攝像設備包括光源。

4.根據權利要求1所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟1具體包括：

步驟1.1，獲取現場監控皮帶的設置在皮帶周圍的多個現場攝像設備的歷史視頻數據；

步驟1.2，使用OpenCV將視頻數據轉化為圖片數據，OpenCV是指開源計算機視覺庫；

步驟1.3，通過篩選將圖片劃分為正常皮帶圖片和異常皮帶圖片。

5.根據權利要求4所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟2具體包括：

步驟2.1，對皮帶撕裂檢測數據集中的異常皮帶圖片進行標注，標注部分為正樣本，未標注部分為負樣本；

步驟2.2，獲取每個標注對象的類別及檢測框，生成對應的類別及檢測框文件；

步驟2.3，生成存儲皮帶撕裂檢測數據集對應的全部類別及檢測框文件路徑的數據集文件；

步驟2.4，隨機分配步驟2.3中存儲在數據集文件內存有標注內容的文本文件，將其以8：2的比例分為訓練集與測試集。

6.根據權利要求5所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟3具體包括：

步驟3.1，將訓練集中的圖片數據統一調整至卷積神經網絡模型的輸入圖片尺寸；

步驟3.2，將統一尺寸的圖片數據進行圖像增強處理；

步驟3.3，設置迭代次數、每一批訓練的圖片數據張數、初始學習率和學習率更新規則；

步驟3.4，使用步驟3.2中圖像增強后的圖片數據訓練卷積神經網絡模型；

步驟3.5，使用測試集檢測每一代訓練后卷積神經網絡模型的mAP，選取其中mAP最高的卷積神經網絡模型作為皮帶撕裂檢測模型。

7.根據權利要求6所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟3.1中，將訓練集中的圖片數據統一調整至416*416像素。

8.根據權利要求6或7所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟4具體包括：

步驟4.1，獲取現場監控皮帶的設置在皮帶周圍的多個現場攝像設備的實時視頻數據；

步驟4.2，使用OpenCV將設定時間間隔的視頻數據轉化為圖片數據，OpenCV是指開源計算機視覺庫；

步驟4.3，將采集到的圖片輸入模型進行檢測，判斷檢測區域的皮帶是否存在撕裂；

步驟4.4，實時展示經過皮帶撕裂檢測模型標注后的圖片。

9.根據權利要求8所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟4.2中，將間隔0.02s的視頻數據轉化為圖片數據。

10.根據權利要求8所述的基于卷積神經網絡的皮帶撕裂檢測方法，其特征在于：

步驟4.3還包括，如果檢測發現皮帶存在撕裂，發出警報并將對應的監控視頻輸出。