[发明专利]一种基于机器视觉的传送带跑偏诊断方法和系统

说明书

本发明一种基于机器视觉的传送带跑偏诊断方法和系统，根据安装在皮带上方的摄像机构实时抓拍皮带运动的照片后，提取图片中胶带上绿色激光线，根据其位置移动，从而判断皮带是否跑偏。本发明通过在皮带上方增加的激光发射器，利用高清摄像头实时抓拍皮带运行的场景图片，对所抓拍图片，运用图像分割、特征化提取等算法，并通过支持向量机对特征样本进行训练、标定，完成皮带运动场景的训练学习，从而实时检测出激光线在图像中的移动位移，也就是胶带的移动位移，并判断出皮带是否跑偏、以及跑偏的方向。

技术领域

本发明涉及图像处理技术领域。更具体地说，本发明涉及一种基于机器视觉的传送带跑偏诊断方法和系统。

背景技术

在火电厂中，带式传送机是输送煤的主要设备，但是在带式传送机的使用过程中，当传送带上的物料分布不均匀受力或受到其他外力作用时，传送带容易发生跑偏的现象。因此一些厂商便会使用一些放置传送带跑偏的设备来防止传送带发生跑偏，但是在实际使用过程中，这些设备的使用效果都不好。

发明内容

本发明的目的是提供一种基于机器视觉的传送带跑偏诊断方法和系统，根据安装在皮带上方的摄像机构实时抓拍皮带运动的照片后，提取图片中胶带上绿色激光线，根据其位置移动，从而判断皮带是否跑偏。

为了实现根据本发明的这些目的和其它优点，提供了一种基于机器视觉的传送带跑偏诊断方法，包括以下步骤:

S1、在传送带上方利用激光发生器沿传送带的宽度方向发射激光光线，同时，利用摄像机构在激光线的前方或后方对准激光线拍摄，以获取激光线和传送带的实时图像信息；

S2、收集传送带上不同负载的情况下所述摄像机构拍摄的多张图片，将其中传送带未发生偏移的图片贴上有效标签，传送带发生偏移的图片贴上无效标签；

S3、提取所有图片的特征值；

S4、建立训练集和测试集，所述训练集和测试集内均包括多张贴有有效标签的图片和多张贴有无效标签的图片；

S5、使用所述训练集中的图片的标签和所对应的特征值建立SVM分类预测模型；

S6、以惩罚因子C和核函数r为待优化的SVM参数，对S5中建立的SVM分类预测模型进行参数寻优；

S7、利用S6中寻优得到的惩罚因子C和核函数r对所述训练集中图片进行SVM分类预测模型进行验证训练，得到SVM模型；

S8、向S7中得到的SVM模型导入所述测试集中的图片，对所述SVM模型进行分类预测，以验证所述SVM模型；

S9、将摄像机构拍摄的所述激光线和传送带的实时图像作为待测试图片，利用S8中验证后的模型对所述待测试图片进行比对测试，将其标定为有效或无效，从而判断所述待测试图片中传送带是否发生偏移。

优选的是，所述的一种基于机器视觉的传送带跑偏诊断方法中，S3中首先将所述图片分割为多个区块，并所述区块的特征值，并将所述图片对应的多个所述区块的特征值作为所述图片的特征值。

优选的是，所述的一种基于机器视觉的传送带跑偏诊断方法中，S3中通过成对几何直方图提取所述区块的特征值。

优选的是，所述的一种基于机器视觉的传送带跑偏诊断方法中，S3中通过两条沿所述传送带长度方向的分割线将所述图片分隔为三个区块，其中两条所述分割线分别经过所述图片中所述激光线的两端，将所述激光线的两端分别定位为A点和B点，所述图片的三个区块分别为激光线A侧区、皮带区和激光线B侧区。

优选的是，所述的一种基于机器视觉的传送带跑偏诊断方法中，S3中通过均值漂移算法将所述图片分隔为三个区块。

优选的是，所述的一种基于机器视觉的传送带跑偏诊断方法中，所述摄像机构的摄像头为高清摄像头。