本發(fā)明涉及工業(yè)運輸設(shè)備的智能監(jiān)控領(lǐng)域，特別涉及一種基于視覺的如圖2所示槽式輸送機狀態(tài)檢測方法。

背景技術(shù)：

1、由于大部分自動化生產(chǎn)設(shè)備處于長時間工作狀態(tài)，在生產(chǎn)運行中機械設(shè)備不可避免的會出現(xiàn)一些運行故障，而在自動化生產(chǎn)領(lǐng)域，若設(shè)備的故障不能及時發(fā)現(xiàn)，輕則生產(chǎn)的產(chǎn)品質(zhì)量存在問題或生產(chǎn)流程發(fā)生錯誤，重則產(chǎn)生生產(chǎn)設(shè)備的損壞等生產(chǎn)安全事故。因此對自的的動規(guī)劃生產(chǎn)設(shè)備的故障狀態(tài)需要進(jìn)行監(jiān)控和檢測。

2、以水泥生產(chǎn)運輸領(lǐng)域的自動化運輸設(shè)備為例，傳統(tǒng)的方式是通過人工點檢的方式對故障進(jìn)行排查，但是人工排查受限于人力和排查周期的影響，不可能做到實時監(jiān)控，在故障時也無法準(zhǔn)確的及時的發(fā)現(xiàn)故障，因此傳統(tǒng)的人工故障監(jiān)測已經(jīng)無法滿足企業(yè)對生產(chǎn)效率的需求。

3、槽式輸送機是工業(yè)自動化領(lǐng)域常用的設(shè)備，在水泥自動化生產(chǎn)領(lǐng)域，槽式輸送機的具體結(jié)構(gòu)稱之為鏈斗式輸送機或斜式拉鏈機，鏈斗式輸送機是大型水泥廠用于輸送水泥熟料的專用設(shè)備，也是在工業(yè)生產(chǎn)領(lǐng)域普遍使用的一種運輸設(shè)備，在運輸過程中可能會出現(xiàn)跑偏、溢料、滾輪歪斜等情況，現(xiàn)有技術(shù)的人工對其運輸工程的故障進(jìn)行監(jiān)控?zé)o法滿足準(zhǔn)備及時的要求。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于視覺的鏈斗式輸送機狀態(tài)檢測方法，采用視覺的方式對鏈斗式輸送機進(jìn)行自動檢測來及時準(zhǔn)確的對跑偏溢料、滾輪歪斜等故障情況進(jìn)行檢測。

2、為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：一種基于視覺的槽式輸送機狀態(tài)檢測方法，在槽式輸送機工作場景下選擇檢測點位，在監(jiān)測點位上設(shè)置有視覺系統(tǒng)獲取視頻流數(shù)據(jù)；對獲取的視頻流數(shù)據(jù)進(jìn)行抽幀處理，獲取對應(yīng)抽幀圖像數(shù)據(jù)；對圖像處理進(jìn)行視覺處理以檢測獲取槽式輸送機狀態(tài)數(shù)據(jù)并基于狀態(tài)數(shù)據(jù)判斷當(dāng)前槽式輸送機工作狀態(tài)。

3、將采集的抽幀圖像數(shù)據(jù)利用分割框架檢測裙板邊緣特征，通過兩側(cè)裙板的邊緣掩碼圖進(jìn)行邊緣檢測，記錄裙板兩側(cè)邊緣點的坐標(biāo)，基于裙邊兩側(cè)邊緣點的擬合計算得到計算中心線及其坐標(biāo)信息；將計算中心線及其坐標(biāo)信息判斷槽式輸送機跑偏狀態(tài)。

4、建立圖像坐標(biāo)系，基于圖像坐標(biāo)系對抽幀圖像進(jìn)行處理獲取得到計算中心線及其坐標(biāo)信息；在槽式運輸機正常狀態(tài)下獲取抽幀圖像數(shù)據(jù)計算得到的標(biāo)準(zhǔn)狀態(tài)下中心線及其坐標(biāo)；

5、根據(jù)擬合的計算中心線的斜率k來判斷是否跑偏以及跑偏方向；

6、根據(jù)計算中心線和標(biāo)準(zhǔn)中心線之間的距離大小來判斷跑偏的程度。

7、在斜率k等于0時，此時不存在跑偏；在斜率k大于0則向右跑偏，在斜率k小于0則向左跑偏；計算中心線和標(biāo)準(zhǔn)中心線中所有點之間的平均距離，根據(jù)平均距離的大小與設(shè)置的距離閾值來判斷跑偏的嚴(yán)重程度。

8、對抽幀圖像進(jìn)行分割檢測，將圖像中分割為兩側(cè)裙板所在區(qū)域以及物料所在區(qū)域，計算裙板所在區(qū)域、物料所在區(qū)域的面積和；然后分別計算左右裙板區(qū)域所占面積和的比例，根據(jù)比例判斷溢料狀態(tài)。

9、對抽幀圖像進(jìn)行分割檢測后，得到裙板、物料對應(yīng)區(qū)域的mask列表值，根據(jù)mask列表中像素值，提取各個區(qū)域的輪廓坐標(biāo)；根據(jù)輪廓坐標(biāo)的橫坐標(biāo)值確定左右裙板；基于左右裙板分割將圖像分割為三個部分：左裙板、右裙板以及物料區(qū)域，然后計算三個區(qū)域的面積和并計算對應(yīng)的左右裙板區(qū)域所占比例。

10、左裙板所占比例及右裙板所占比例均大于設(shè)定比例閾值a時，則判斷未發(fā)生溢料；否則當(dāng)左裙板所占比例小于設(shè)定閾值b且右裙板所占比例大于設(shè)定閾值a，則此時判斷左裙板可能出現(xiàn)溢料；當(dāng)右裙板所占比例小于設(shè)定閾值a且左裙板所占比例大于設(shè)定閾值b，判斷此時右裙板可能存在溢料。

11、針對滾輪處采集的視頻流數(shù)據(jù)獲取滾輪對應(yīng)的抽幀圖像，對抽幀圖像應(yīng)用圖像分割和邊緣檢測方法得到滾輪的輪廓，利用檢測到的輪廓擬合出對應(yīng)的滾輪輪廓的外接圓，計算外接圓的面積，記錄外接圓的大小變化，基于外接圓面積的大小變化判斷滾輪是否偏斜。

12、擬合滾輪輪廓的最大外接圓包括：

13、獲取滾輪輪廓所包含的點，計算這組點的凸包，即包圍所有點的最小凸多邊形；擬合一個最小的圓來包圍整個凸包即可得到外接圓，并獲取圓心坐標(biāo)和半徑。

14、本發(fā)明的優(yōu)點在于：通過在不同點位安裝攝像機獲取視頻數(shù)據(jù)，開發(fā)相應(yīng)的監(jiān)測算法，從而實現(xiàn)對鏈斗式輸送機狀態(tài)的監(jiān)測，可以做到對出現(xiàn)跑偏、溢料、歪斜等情況時快速且準(zhǔn)確的進(jìn)行自動識別，從而為及時的報警解決故障提供基礎(chǔ)；本方案采用視覺方式進(jìn)行檢測，硬件成本僅需要在設(shè)定位置安裝視覺攝像頭及對應(yīng)的數(shù)據(jù)傳輸系統(tǒng)將視覺圖像傳遞至服務(wù)器中進(jìn)行分析處理即可，實現(xiàn)簡單可靠，檢測可以做到接近于實時檢測，為實時報警提高了基礎(chǔ)。

技術(shù)特征：

1.一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：在槽式輸送機工作場景下選擇檢測點位，在監(jiān)測點位上設(shè)置有視覺系統(tǒng)獲取視頻流數(shù)據(jù)；對獲取的視頻流數(shù)據(jù)進(jìn)行抽幀處理，獲取對應(yīng)抽幀圖像數(shù)據(jù)；對圖像處理進(jìn)行視覺處理以檢測獲取槽式輸送機狀態(tài)數(shù)據(jù)并基于狀態(tài)數(shù)據(jù)判斷當(dāng)前槽式輸送機工作狀態(tài)；其中槽式輸送機狀態(tài)數(shù)據(jù)包括滾輪面積、物料與裙板占比、裙板中心線數(shù)據(jù)；根據(jù)狀態(tài)數(shù)據(jù)判斷當(dāng)前槽式輸送機工作狀態(tài)包括槽式輸送機是否處于跑偏狀態(tài)、溢料狀態(tài)和滾輪歪斜狀態(tài)。

2.如權(quán)利要求1所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：將采集的抽幀圖像數(shù)據(jù)利用分割框架檢測裙板邊緣特征，通過兩側(cè)裙板的邊緣掩碼圖進(jìn)行邊緣檢測，記錄裙板兩側(cè)邊緣點的坐標(biāo)，基于裙邊兩側(cè)邊緣點的擬合計算得到計算中心線及其坐標(biāo)信息；將計算中心線及其坐標(biāo)信息判斷槽式輸送機跑偏狀態(tài)。

3.如權(quán)利要求2所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：建立圖像坐標(biāo)系，基于圖像坐標(biāo)系對抽幀圖像進(jìn)行處理獲取得到計算中心線及其坐標(biāo)信息；在槽式運輸機正常狀態(tài)下獲取抽幀圖像數(shù)據(jù)計算得到的標(biāo)準(zhǔn)狀態(tài)下中心線及其坐標(biāo)；

4.如權(quán)利要求3所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：在斜率k等于0時，此時不存在跑偏；在斜率k大于0則向右跑偏，在斜率k小于0則向左跑偏；計算中心線和標(biāo)準(zhǔn)中心線中所有點之間的平均距離，根據(jù)平均距離的大小與設(shè)置的距離閾值來判斷跑偏的嚴(yán)重程度。

5.如權(quán)利要求1所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：對抽幀圖像進(jìn)行分割檢測，將圖像中分割為兩側(cè)裙板所在區(qū)域以及物料所在區(qū)域，計算裙板所在區(qū)域、物料所在區(qū)域的面積和；然后分別計算左右裙板區(qū)域所占面積和的比例，根據(jù)比例判斷溢料狀態(tài)。

6.如權(quán)利要求5所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：對抽幀圖像進(jìn)行分割檢測后，得到裙板、物料對應(yīng)區(qū)域的mask列表值，根據(jù)mask列表中像素值，提取各個區(qū)域的輪廓坐標(biāo)；根據(jù)輪廓坐標(biāo)的橫坐標(biāo)值確定左右裙板；基于左右裙板分割將圖像分割為三個部分：左裙板、右裙板以及物料區(qū)域，然后計算三個區(qū)域的面積和并計算對應(yīng)的左右裙板區(qū)域所占比例。

7.如權(quán)利要求5所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：左裙板所占比例及右裙板所占比例均大于設(shè)定比例閾值a時，則判斷未發(fā)生溢料；否則當(dāng)左裙板所占比例小于設(shè)定閾值b且右裙板所占比例大于設(shè)定閾值a，則此時判斷左裙板可能出現(xiàn)溢料；當(dāng)右裙板所占比例小于設(shè)定閾值a且左裙板所占比例大于設(shè)定閾值b，判斷此時右裙板可能存在溢料。

8.如權(quán)利要求1所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：針對滾輪處采集的視頻流數(shù)據(jù)獲取滾輪對應(yīng)的抽幀圖像，對抽幀圖像應(yīng)用圖像分割和邊緣檢測方法得到滾輪的輪廓，利用檢測到的輪廓擬合出對應(yīng)的滾輪輪廓的外接圓，計算外接圓的面積，記錄外接圓的大小變化，基于外接圓面積的大小變化判斷滾輪是否偏斜。

9.如權(quán)利要求8所述的一種基于視覺的槽式輸送機狀態(tài)檢測方法，其特征在于：擬合滾輪輪廓的最大外接圓包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于視覺的槽式輸送機狀態(tài)檢測方法，在槽式輸送機工作場景下選擇檢測點位，在監(jiān)測點位上設(shè)置有視覺系統(tǒng)獲取視頻流數(shù)據(jù)；對獲取的視頻流數(shù)據(jù)進(jìn)行抽幀處理，獲取對應(yīng)抽幀圖像數(shù)據(jù)；對圖像處理進(jìn)行視覺處理以檢測獲取槽式輸送機狀態(tài)數(shù)據(jù)并基于狀態(tài)數(shù)據(jù)判斷當(dāng)前槽式輸送機工作狀態(tài)。本發(fā)明的優(yōu)點在于：通過在不同點位安裝攝像機獲取視頻數(shù)據(jù)，開發(fā)相應(yīng)的監(jiān)測算法，從而實現(xiàn)對鏈斗式輸送機狀態(tài)的監(jiān)測，可以做到對出現(xiàn)跑偏、溢料、歪斜等情況時快速且準(zhǔn)確的進(jìn)行自動識別，從而為及時的報警解決故障提供基礎(chǔ)。

技術(shù)研發(fā)人員：張曉光,周立,束正華,宋斌,楊元璋,陸凡凡
受保護(hù)的技術(shù)使用者：安徽智質(zhì)工程技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2