[发明专利]一种基于卷积神经网络的烧结皮带异物监测方法及系统

权利要求书

1.一种基于卷积神经网络的烧结皮带异物监测方法，其特征在于，包括：

S1、基于实时获取的皮带的监控视频信息，获取多帧异常检测图像；

S2、针对所述多帧异常检测图像中的每一帧异常检测图像进行预处理，获取预处理后的异常检测图像；

S3、针对所述预处理后的异常检测图像进行预先设定区域提取，获取第一检测图片；

其中所述第一检测图片只含预先设定区域的图片；

其中所述预先设定区域为第一检测图片中的皮带区域；

S4、采用第一深度卷积神经网络模型对所述第一检测图片进行分类，获取分类结果；

所述分类结果包括：正常生产图片或包含异物图片；

所述第一深度卷积神经网络模型为预先经过第一预先设定的图片训练样本训练过的深度卷积神经网络模型；

其中所述第一预先设定的图片训练样本包括：预先采集的皮带运输过程中的出现异物的图片。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

S5、采用第二深度卷积神经网络模型对分类结果为包含异物图片的第一检测图片进行处理，获取相应的第二检测图片；

其中所述第二检测图片为具有方框的分类结果为包含异物图片的第一检测图片；

其中所述方框位于所述分类结果为包含异物图片的第一检测图片中异物的位置；

所述第二深度卷积神经网络模型为预先经过第二预先设定的图片训练样本训练过的深度卷积神经网络模型；

其中所述第二预先设定的图片训练样本包括预先设定标签的预先采集的皮带运输过程中的出现异物的图片；

所述标签为图片中异物的位置的信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

S6、基于预先设定数量的连续相邻的第一检测图片的分类结果，确定最终结果；

若所述先设定数量的连续相邻的第一检测图片的分类结果均为包含异物图片，则确定所述最终结果为异常，并进行声光报警。

4.根据权利要求3所述的方法，其特征在于，所述S1具体包括：

S11、针对皮带的实时监控视频信息采用定时取帧方式获取多帧初步异常检测图像；

其中所述定时取帧方式的周期为200ms；

S12、针对所述初步异常检测图像进行压缩获取异常检测图像；

其中所述异常检测图像的格式为560*282。

5.根据权利要求4所述的方法，其特征在于，所述S2中的预处理具体包括：图像去雾处理、图像降噪处理、特征增强处理。

6.根据权利要求5所述的方法，其特征在于，所述S3具体包括：

S31、针对所述预处理后的异常检测图像进行皮带边缘提取，确定预处理后的异常检测图像中皮带的边缘；

S32、基于所述预处理后的异常检测图像中皮带的边缘，确定所述预处理后的异常检测图像中的皮带区域，并将所述所述预处理后的异常检测图像中的皮带区域作为第一检测图片。

7.根据权利要求6所述的方法，其特征在于，所述步骤S31具体包括：

S311、针对所述预处理后的异常检测图像采用Sobel算子进行皮带边缘提取处理，获取Sobel算子皮带边缘提取处理后的图像；

S312、针对所述Sobel算子皮带边缘提取处理后的图像采用Hough直线检测，确定所述Sobel算子皮带边缘提取处理后的图像中的皮带边缘，并设置皮带边缘跟踪算子。

8.根据权利要求7所述的方法，其特征在于，所述S6中所述预先设定数量为3。

9.根据权利要求8所述的方法，其特征在于，

所述第二深度卷积神经网络模型为Faster R-CNN模型。

10.一种基于卷积神经网络的烧结皮带异物监测系统，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至9任一所述的一种基于卷积神经网络的烧结皮带异物监测方法。