[发明专利]一种输送皮带机溢料监测方法与系统

权利要求书

1.一种输送皮带机溢料监测方法，其特征在于，包含以下步骤：

步骤1：实时采集输送皮带机的设备运行数据，所述设备运行数据包含所述输送皮带机的启停状态数据、输出电流数据；

步骤2：依据所述启停状态数据判断所述输送皮带机的启停状态，若为停机状态，则执行步骤1，若为启动状态则执行步骤3；

步骤3：根据所述输出电流数据判断所述输送皮带机的输出电流是否负载，若空载，则执行步骤1，若负载则执行步骤4；

步骤4：实时采集所述输送皮带机的视频流图像数据；

步骤5：根据所述视频流图像数据判断所述输送皮带机是否溢料，若未溢料则执行步骤1，若溢料则执行步骤6；

步骤6：进行溢料报警。

2.如权利要求1所述的一种输送皮带机溢料监测方法，其特征在于，步骤3中将所述输出电流数据输入至电流负载模型中判断所述输出电流是否负载，所述电流负载模型的构建方法如下：

获取所述输送皮带机的历史运行电流数据；

采用高斯混合模型的最大期望聚类算法对所述历史运行电流数据进行所述电流负载模型的创建。

3.如权利要求2所述的一种输送皮带机溢料监测方法，其特征在于，所述历史运行电流数据包含所述输送皮带机的历史启停状态数据与历史输出电流数据；

将所述输出电流数据输入至所述电流负载模型中判断所述输出电流是否在期望均值±方差的范围内，若在则为负载，若不在则为空载。

4.如权利要求1-3任一项所述的一种输送皮带机溢料监测方法，其特征在于，步骤5中将所述视频流图像数据输入至溢料识别模型中进行判断所述输送皮带机是否溢料，所述溢料识别模型的构建方法如下：

获取所述输送皮带机的历史运行溢煤视频数据；

对所述历史运行溢煤视频数据进行图像预处理，得到每张图像特性一致的图像数据；

对所述图像数据进行溢料特征提取；

通过卷积神经网络对所述溢料特征进行提取并建立所述溢料识别模型。

5.如权利要求4所述的一种输送皮带机溢料监测方法，其特征在于，采用识别模块通过深度学习卷积神经算法对所述溢料识别模型进行训练。

6.如权利要求5所述的一种输送皮带机溢料监测方法，其特征在于，所述溢料特征包含溢料点与特征点，当所述溢料识别模块未检测到所述溢料点或所述特征点时，判断所述输送皮带机未溢料，当所述溢料识别模块检测到所述溢料点或所述特征点时，判断所述输送皮带机溢料。

7.一种输送皮带机溢料监测系统，其特征在于，包含数据获取模块、启停状态判断模块、负载判断模块、视频采集模块、溢料判断数据；

所述数据获取模块用于实时采集输送皮带机的设备运行数据，所述设备运行数据包含所述输送皮带机的启停状态数据、输出电流数据；

所述启停状态判断模块用于依据所述启停状态数据判断所述输送皮带机的启停状态，若为停机状态，并生成反馈至所述数据获取模块或所述负载判断模块的启停状态数据；

所述负载判断模块用于接收所述启停状态数据后依据所述输出电流数据判断所述输送皮带机的输出电流是否负载，并声称传输至所述数据获取模块或所述视频采集模块的负载数据；

所述视频采集模块用于接收所述负载数据后实时采集所述输送皮带机的视频流图像数据；

所述溢料判断数据用于根据所述视频流图像数据判断所述输送皮带机是否溢料，并声称传输至所述数据获取模块或所述报警模块的溢料数据；

所述数据获取模块还用于接收所述启停状态数据或所述负载数据或所述溢料数据后实时采集输送皮带机的所述设备运行数据；

所述报警模块用于接收所述进行溢料报警。

8.如权利要求7所述的一种输送皮带机溢料监测系统，其特征在于，所述负载判断模块内置有电流负载模型创建模块，所述电流负载模型创建模块用于获取所述输送皮带机的历史运行电流数据并采用高斯混合模型的最大期望聚类算法对所述历史运行电流数据进行所述电流负载模型的创建。