[发明专利]输送带纵向撕裂的检测方法和装置在审

专利信息
申请号: 202110268358.2 申请日: 2021-03-12
公开(公告)号: CN112991292A 公开(公告)日: 2021-06-18
发明(设计)人: 苗长云;杨彦利;李现国;李杰;张立东 申请(专利权)人: 天津工业大学;天津市恒一机电科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;B08B3/02;B08B5/02;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 李慧引
地址: 300387 *** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 输送带 纵向 撕裂 检测 方法 装置
【权利要求书】:

1.一种输送带纵向撕裂的检测方法,其特征在于,适用于输送带纵向撕裂的检测系统,所述检测系统包括用于拍摄输送带的图像采集装置,所述检测方法包括:

获得所述图像采集装置拍摄得到的至少一帧输送带图像;其中,所述图像采集装置包括至少一个本安线阵电荷耦合器件相机;

若所述图像采集装置符合图像质量检测条件,执行图像质量检测,以检测每一帧所述输送带图像是否存在图像模糊现象;

若至少一帧所述输送带图像存在图像模糊现象,控制所述图像采集装置中的清洗装置对所述图像采集装置的摄像装置进行清洗;

针对每一帧所述输送带图像,根据所述输送带图像的灰度,计算得到所述输送带图像的光照分布,并根据所述输送带图像的光照分布矫正所述输送带图像;

当所述输送带图像的数量大于1时,基于每一帧所述输送带图像的关键像素点拼接每一帧所述输送带图像,得到全局输送带图像,并对所述全局输送带图像进行压缩,得到压缩后的输送带图像;

当所述输送带图像的数量为1时,对所述输送带图像进行压缩,得到压缩后的输送带图像;

利用用于纵向撕裂检测的神经网络检测所述压缩后的输送带图像是否存在纵向撕裂;其中,所述用于纵向撕裂检测的神经网络是利用纵向撕裂样本库训练得到的卷积神经网络;所述纵向撕裂样本库包括多张存在纵向撕裂的输送带图像,和多张不存在纵向撕裂的输送带图像;

若所述压缩后的输送带图像存在纵向撕裂,输出纵向撕裂报警信号。

2.根据权利要求1所述的检测方法,其特征在于,所述若所述图像采集装置符合图像质量检测条件,执行图像质量检测,以检测每一帧所述输送带图像是否存在图像模糊现象,包括:

若前一次执行图像质量检测的时刻至当前时刻之间的时长大于质量检测阈值,确定所述图像采集装置符合图像质量检测条件,执行图像质量检测,以检测每一帧所述输送带图像是否存在图像模糊现象。

3.根据权利要求1或2所述的检测方法,其特征在于,所述清洗装置包括喷气装置和喷水装置;

其中,所述控制所述图像采集装置中的清洗装置对所述图像采集装置的摄像装置进行清洗,包括:

控制所述喷气装置向所述摄像装置喷射气流;

在喷射气流的时长达到预设的第一时长后,控制所述喷气装置停止喷射气流,并控制所述喷水装置向所述摄像装置喷射水流;

在喷射水流的时长达到预设的第二时长后,控制所述喷水装置停止喷射水流,并再次控制所述喷气装置向所述摄像装置喷射气流;

在喷射气流的时长达到预设的第三时长后,控制所述喷气装置停止喷射气流,完成对所述摄像装置的清洗。

4.根据权利要求3所述的检测方法,其特征在于,所述执行图像质量检测,以检测每一帧所述输送带图像是否存在图像模糊现象,包括:

针对每一帧所述输送带图像,提取所述输送带图像中目标物体的边界,并计算所述输送带图像的清晰度;

针对每一帧所述输送带图像,若所述输送带图像中目标物体的边界不完整,或者所述输送带图像的清晰度小于清晰度阈值,检测出所述输送带图像存在图像模糊现象。

5.根据权利要求1所述的检测方法,其特征在于,所述对所述全局输送带图像进行压缩,得到压缩后的输送带图像,包括:

从所述全局输送带图像中删除图像重叠区域的冗余数据;

识别出所述全局输送带图像中的目标区域和非目标区域;其中,所述目标区域指代所述全局输送带图像中可能存在纵向撕裂的区域;所述非目标区域指代所述全局输送图像中除所述目标区域以外的区域;

基于第一压缩比率压缩所述目标区域内的数据,并基于第二压缩比率压缩所述非目标区域的数据;其中,所述第一压缩比率小于所述第二压缩比率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津工业大学;天津市恒一机电科技有限公司,未经天津工业大学;天津市恒一机电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110268358.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top