[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

本申請公開了一種皮帶撕裂檢測方法，包括獲取皮帶正常情況與撕裂情況圖片，形成皮帶撕裂檢測數據集；對皮帶撕裂檢測數據集進行標注，并將其隨機劃分為訓練集與測試集；使用訓練集訓練卷積神經網絡模型，得到皮帶撕裂檢測模型；基于皮帶撕裂檢測模型對監控區域內皮帶撕裂情況進行實時檢測。本申請基于卷積神經網絡模型實現皮帶撕裂實時檢測，可適應現場的復雜場景并提高了皮帶撕裂檢測準確率，有助于提高皮帶工作效率，幫助現場的生產有序開展。

技術領域

本發明屬于智能視頻監控安全技術領域，更具體地，涉及一種皮帶撕裂檢測方法。

背景技術

目前，企業生產中采用的帶式運輸機運行速度普遍較高，穩定運行速度可達5米/秒以上，由于其帶動電機功率較大，在皮帶發生撕裂以后如果不能及時通知控制系統停機或者通知現場工作人員及時消除撕裂源，將會導致皮帶運輸機發生貫穿性撕裂。如果整條皮帶撕裂，會造成物料傾灑、損毀減速器和電動機等設備，情況嚴重時甚至還會損毀機架結構，威脅現場人員的人身安全。皮帶發生撕裂會對企業整個生產流程產生極大的影響，降低企業生產效率，甚至威脅企業生產和員工人身安全。因此企業需要一種實時的皮帶撕裂檢測方法來保證人員安全并提高生產效率。

一般的目標檢測方法僅需在圖片上判斷是否存在檢測目標，并獲得目標數量，標記目標位置。對于皮帶撕裂檢測算法，在此基礎上還要求針對動態視頻實時識別、深度優化，達到較高的識別跟蹤精度。近年來，研究人員在基于傳感器與基于圖像處理等兩種檢測方式上對皮帶撕裂檢測做了很多具有創新性的研究工作。但由于定位精度不高、測速度慢、準確率低等問題使得其不適用于復雜性較高的實際現場，無法達到皮帶撕裂檢測實際需求，基于深度學習的檢測算法依靠其網絡簡單、檢測速度快準確性高等特點超過傳統檢測算法，成為當前皮帶撕裂檢測方面的主流算法。

發明內容

為解決現有技術中存在的不足，本發明的目的在于，提供一種基于卷積神經網絡的皮帶撕裂檢測方法，基于卷積神經網絡模型實現皮帶撕裂實時檢測，可適應現場的復雜場景并提高了皮帶撕裂檢測準確率，有助于提高皮帶工作效率，幫助現場的生產有序開展。

本發明采用如下的技術方案。一種基于卷積神經網絡的皮帶撕裂檢測方法，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。

優選地，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。

優選地，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。

優選地，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。

優選地，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；