[发明专利]一种基于模糊PID自适应调光皮带异物检测方法与系统

说明书

本发明公开了一种基于模糊PID自适应调光皮带异物检测方法与系统，包括LED三色照度模块、模糊PID调节光照模块、图像灰度处理模块、图像采集模块、异物检测硬件模块、异物深度学习检测模型模块、分割及分拣处理模块。考虑到采集图像时，光源对图像清晰度的影响，以及井下复杂的环境，通过模糊PID调节光源照度，调节图像清晰度，确保输入高清晰度的图像，采集的图像输入基于yolo的深度学习检测模型，并对识别后的异物图像进行分割和识别，以有效提高皮带异物识别的精度。并且采用对图像进行分割的技术手段，实现对皮带异物的表面积计算，进而提高皮带异物分选、综放工作面自动化水平，减轻工人劳动强度同时保证异物分选的准确性。

技术领域

本发明涉及一种皮带异物检测方法与系统，具体为一种基于模糊PID自适应调光皮带异物检测方法与系统，属于图像处理技术领域。

背景技术

图像识别技术已经应用于皮带运输煤矿领域的异物识别的研究中，但是存在采集图像质量差，从而导致识别精度低的问题。

目前的研究，主要针对煤炭运输中的异物分选，对皮带上呈平铺状态的异物进行识别，由于种类较多，如废弃的锚杆、螺栓和木材等，给异物分选增加了难度，并且采集图像的环境较差，输入图像质量得不到保障。并且在图像采集过程中，通常没有考虑照度因素而随意设置了线性光源，或是设置了几种不同的光源，但是没有对光照照度进行调光控制。实际上不同异物决定了它们对于光照的响应特性也不同，即在不同照度下，即便是同一物体，也会在视觉上有所差异，所以目前基于图像的皮带异物识别技术存在精度差的问题。

发明内容

本发明的目的就在于为了解决问题而提供一种基于模糊PID自适应调光皮带异物检测方法与系统，以能够在考虑皮带异物照度因素影响的前提下，改善图片质量，提高皮带异物识别精确度。

本发明通过以下技术方案来实现上述目的：一种基于模糊PID自适应调光皮带异物检测方法，包括以下步骤

步骤一、光电开关传感器检测物料状态，将信息返回到控制台，开启R、G、B三色LED线型光源；

步骤二、判断图像清晰度是否满足初始设定要求；

步骤三、若图像清晰度满足初始设定要求，则启动面阵工业相机进行图像采集，采集皮带运输机上的图像；

步骤四、若图像清晰度不满足初始设定要求，则进行模糊PID控制调节照明，直至清晰度为最优清晰度时，进行图像采集；

步骤五、对满足清晰度要求的图像进行异物识别，并输出置信度信息；

步骤六、采用分水岭算法对采集得到的异物图像进行分割，根据像素点进行面积计算，并将皮带异物信息传输到分拣系统，由分拣机械手进行处理。

作为本发明再进一步的方案：所述步骤四中，用基于PID自适应调光时，在当前环境照度下采集皮带工作面图像，采用Laplacian梯度函数，确定输入图像清晰度。

对于一个M×N像素的图像，每个像素的灰度值为g(x，y)，进行滤波卷积后每个像素点值为z(x，y)，图像清晰度评价函数f：

z(x，y)＝g(x-1，y)+g(x+1，y)+g(x，y+1)-4g(x，y)

当输入图像的清晰度不满足设定的阈值时，采用模糊PID自适应调光的方式，重新输入图像，进行判断，直至满足清晰度要求。

作为本发明再进一步的方案：所述步骤六中，完成对皮带异物图像的识别和分割之后，为了进一步为工作人员后续的工作提供便利，本发明使用的上述皮带异物识别方法，还可以包括确定待处理皮带异物的表面积。该确定过程具体为：

采用公式确定待处理异物的异物表面积。