[发明专利]传送带异常变形检测方法、装置、设备及存储介质

说明书

本发明公开了一种传送带异常变形检测方法、装置、设备及存储介质，所述方法包括：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。提出了一种机器视觉应用于传送带异常检测领域的可行方法，从而提高了传送带异常变形检测的检测效率。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种传送带异常变形检测方法、装置、设备及存储介质。

背景技术

现在工业生产和日常生活中，传送带被大量应用。当发生拥堵或者阻塞时，传送带会被拉伸或挤压变形甚至断裂，产生极大的安全隐患，因此需要对传送带异常变形进行检测，规避安全隐患。目前，如果通过机器视觉方法对传送带进行异常监测，需要收集传送带正常情况下的图像和异常变形情况下的图像作为正负样本，采用正负样本对深度学习模型进行训练，采用训练得到的模型来对传送带图像进行分类或检测，以确定传送带是否异常变形。这种方法需要大量的正负样本数据来训练模型才能够获得较高的检测准确率，但是，实际应用中传送带的异常变形情况比较少，因此很难收集到足够多的负样本进行模型训练，导致机器视觉方法在传送带异常检测领域难以应用。

发明内容

本发明的主要目的在于提供一种传送带异常变形检测方法、装置、设备及存储介质，旨在解决负样本难以收集导致机器视觉方法在传送带异常检测领域难以应用的技术问题。

为实现上述目的，本发明提供一种传送带异常变形检测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。