[发明专利]传送带的异物检测方法、装置、存储介质和处理器

说明书

本申请提供了一种传送带的异物检测方法、装置、存储介质和处理器，该方法包括：包括：获取第一图像，第一图像为当前时刻传送带的第一清晰度的图像，传送带在当前时刻处于运动状态；将第一图像输入去除模型，得到第二图像，去除模型为对U‑Net网络模型进行训练得到的模型，去除模型用于将第一清晰度的图像还原为第二清晰度的图像，第二清晰度高于第一清晰度；将第二图像输入异物检测模型，确定第二图像中是否存在异物，异物检测模型为对改进后的YOLOX模型进行训练得到的模型，且异物检测模型至少用于确定图像中是否存在异物。该方法解决了现有技术中深度学习模型对于运动模糊的图像异物识别能力差的问题。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种传送带的异物检测方法、传送带的异物检测装置、存储介质、处理器和电子设备。

背景技术

煤矿安全问题是我国重点关注问题之一，运煤过程中如铁片、钢筋大型异物混入传送带，易造成传送带撕裂等故障，是引发事故的因素之一。

目前检测传送带异物的主要手段是人眼、射线以及视频识别，前两种成本高昂，且人眼识别对于工人的专注度要求较高，局限性较大，因此视频识别凭借其低廉的成本、较高的识别率及较为简易的部署方式，成为目前应用最为广泛的传送带异物检测方法。

传统的基于视频图像进行异物识别的方法流程可概括为：1、收集传送带异物图像作为训练数据；2、搭建深度学习网络；3、通过训练数据训练好搭建的深度学习网络；4、按帧抽取视频中的图像，通过训练好的网络识别视频中抽取的图像是否存在异物。

然而，当传送带运动速度过快时，实时监测视频中抽取的图像会有运动模糊的问题存在，训练好的深度学习模型对于运动模糊的图像，会存在异物识别能力变差，检测性能下降的问题。

发明内容

本申请的主要目的在于提供一种传送带的异物检测方法、传送带的异物检测装置、存储介质、处理器和电子设备，以至少解决现有技术中深度学习模型对于运动模糊的图像异物识别能力差的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种传送带的异物检测方法，所述方法包括：获取第一图像，所述第一图像为当前时刻传送带的第一清晰度的图像，所述传送带在所述当前时刻处于运动状态；将所述第一图像输入去除模型，得到第二图像，所述去除模型为对U-Net网络模型进行训练得到的模型，所述去除模型用于将所述第一清晰度的图像还原为第二清晰度的图像，所述第二清晰度高于所述第一清晰度；将所述第二图像输入异物检测模型，确定所述第二图像中是否存在异物，所述异物检测模型为对改进后的YOLOX模型进行训练得到的模型，且所述异物检测模型至少用于确定图像中是否存在所述异物。

可选的，所述异物检测模型还用于在图像中标注出所述异物的边界框，且还用于确定图像中的所述异物的类型，在将所述第二图像输入异物检测模型，确定所述第二图像中是否存在异物之后，所述方法还包括：在所述第二图像中存在所述异物的情况下，在像素坐标系下确定所述异物的所述边界框是否在预设区域内；在所述边界框在所述预设区域内的情况下，获取所述异物的类型；在所述异物的类型为第一预设类型的情况下，生成第一告警信息，所述第一告警信息用于表征所述第一预设类型的所述异物威胁所述传送带安全的信息，所述第一预设类型至少包括以下之一：锚杆和槽钢。

可选的，在获取所述异物的类型之后，所述方法还包括：在所述异物的类型为第二预设类型的情况下，确定异物面积，所述异物面积为所述异物的所述边界框的面积，所述第二预设类型至少包括以下之一：矸石；在所述异物面积大于预设面积的情况下，生成第二告警信息，所述第二告警信息用于表征所述第二预设类型的所述异物威胁所述传送带安全的信息。