[发明专利]传送带异常变形检测方法、装置、设备及存储介质在审
申请号: | 202110430309.4 | 申请日: | 2021-04-21 |
公开(公告)号: | CN113192016A | 公开(公告)日: | 2021-07-30 |
发明(设计)人: | 张浩;邵新庆;刘强;徐明 | 申请(专利权)人: | 深圳力维智联技术有限公司;南京中兴力维软件有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06K9/32;G06K9/38;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 深圳市恒程创新知识产权代理有限公司 44542 | 代理人: | 张小容 |
地址: | 518061 广东省深圳市南*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 传送带 异常 变形 检测 方法 装置 设备 存储 介质 | ||
1.一种传送带异常变形检测方法,其特征在于,所述方法包括以下步骤:
获取传送带的表面图像,其中,所述传送带的表面设置有按照预设规律排布的预设样式的标记;
对所述表面图像进行图像检测得到所述表面图像中符合所述预设样式的目标标记;
通过检测各所述目标标记的排布是否符合所述预设规律得到所述传送带的异常变形检测结果。
2.如权利要求1所述的传送带异常变形检测方法,其特征在于,所述对所述表面图像进行图像检测得到所述表面图像中符合所述预设样式的目标标记的步骤包括:
采用神经网络模型对所述表面图像进行图像检测,得到所述表面图像中符合所述预设样式的目标标记,其中,所述神经网络模型预先采用训练数据集训练得到,所述训练数据集中包括多张带有所述预设样式标记的样本图像和表示各所述样本图像中标记所处位置的标注数据。
3.如权利要求1或2所述的传送带异常变形检测方法,其特征在于,所述通过检测各所述目标标记的排布是否符合所述预设规律得到所述传送带的异常变形检测结果的步骤包括:
检测各所述目标标记的排布是否符合所述预设规律;
若符合,则得到所述传送带上所述表面图像所对应的区域正常未变形的检测结果;
若不符合,则得到所述传送带上所述表面图像所对应的区域已异常变形的检测结果。
4.如权利要求3所述的传送带异常变形检测方法,其特征在于,所述预设规律为标记以矩形网格点的形式排布,且矩形的一条边平行于传送带侧边,所述检测各所述目标标记的排布是否符合所述预设规律的步骤包括:
基于各所述目标标记在所述表面图像中的位置,分别计算各所述目标标记与各标准直线之间的距离,得到各所述目标标记分别对应的多个距离值,其中,各所述标准直线为所述传送带正常未变形时的图像中标记所在矩形网格上与传送带侧边平行的各条网格线;
若所有所述目标标记对应的所述多个距离值中都存在一个小于第一预设阈值的距离值,则确定各所述目标标记的排布符合所述预设规律。
5.如权利要求4所述的传送带异常变形检测方法,其特征在于,所述分别计算各所述目标标记与各标准直线之间的距离,得到各所述目标标记分别对应的多个距离值的步骤之后,还包括:
若存在至少一个所对应的所述多个距离值都大于第二预设阈值的目标标记,则确定各所述目标标记的排布不符合所述预设规律。
6.如权利要求3所述的传送带异常变形检测方法,其特征在于,所述检测所述目标标记的排布是否符合所述预设规律的步骤包括:
将各所述目标标记在所述表面图像中的位置数据输入分类网络模型进行分类,得到用于表示所述目标标记的排布是否符合所述预设规律的分类结果,其中,所述分类网络模型预先采用正样本集和负样本集训练得到,正样本集包括多组排布符合所述预设规律的位置数据,负样本集包括多组排布不符合所述预设规律的位置数据。
7.如权利要求3所述的传送带异常变形检测方法,其特征在于,所述预设规律为各标记与对应预设的参照物之间的距离处于一个或有限个数的多个预设数值范围中的其中一个范围之内,
所述检测各所述目标标记的排布是否符合所述预设规律的步骤包括:
基于各所述目标标记在所述表面图像中的位置,检测是否所有所述目标标记与对应的所述参照物之间的距离都处于其中一个所述预设数值范围内;
若是,则确定各所述目标标记的排布符合所述预设规律;
若否,则确定各所述目标标记的排布不符合所述预设规律。
8.一种传送带异常变形检测装置,其特征在于,所述装置包括:
获取模块,用于获取传送带的表面图像,其中,所述传送带的表面设置有按照预设规律排布的预设样式的标记;
第一检测模块,用于对所述表面图像进行图像检测得到所述表面图像中符合所述预设样式的目标标记;
第二检测模块,用于通过检测所述目标标记的排布是否符合所述预设规律得到所述传送带的异常变形检测结果。
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深圳力维智联技术有限公司;南京中兴力维软件有限公司,未经深圳力维智联技术有限公司;南京中兴力维软件有限公司许可,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/202110430309.4/1.html,转载请声明来源钻瓜专利网。