[发明专利]一种基于AI智能分析的输送皮带撕裂检测系统及检测方法

权利要求书

1.一种基于AI智能分析的输送皮带撕裂检测系统，其特征在于，包括补光灯、AI传感器、AI智能分析终端、网络交换机、后台数据操作终端、联动输出控制装置、报警设备和停机保护装置，所述的补光灯、AI传感器、AI智能分析终端为两路，分别分布在输送皮带的左右两侧，并列运行，AI智能分析终端和联动输出控制装置采用光纤或者WIFI连接到网络交换机，通过网络交换机与后台数据操作终端通讯，联动输出控制装置连接报警设备和停机保护装置，AI智能分析终端和联动输出控制装置，都安装在皮带通廊附近；

所述的AI智能分析终端包括视频图像输入处理模块、AI芯片、识别推理模块和输出结果模块，其中所述AI芯片脱离深度学习服务器，所述AI芯片预先通过以下步骤进行部署：预先收集皮带撕裂的各种状况的多个视频图像，组成训练数据集，利用深度学习算法对原始神经网络模型进行离线训练，调整模型内部参数以获得对输送皮带图像具有表征与分析能力的神经网络模型，形成受训后的皮带撕裂特征码，并将受训后的皮带撕裂特征码部署在所述AI芯片上，所述皮带撕裂特征码包括边缘分层特征码、边缘溃烂特征码、反复开裂特征码、钢丝带深度划伤特征码、钢丝外漏特征码、接头缝隙特征码、密集型划痕特征码、裙边带边缘撕裂特征码和纤维带边缘大尺度分层特征码；

其中，所述深度学习算法的流程包括：训练机在TensorFlow环境下，使用数据流图技术来进行数值计算，利用开源框架，搭建深度学习的训练模型，形成训练后的神经网络模型；训练后的神经网络模型采用TensorFlow架构，连接到BMNNSDK的输入模式接口，在BMNNSDK上进行编译神经网络，生成视频图像特征模型，形成BModel模型；在训练机ADE作用下，对BModel模型进行分层处理集成到软件中，经过多次深度学习，再次集成，与训练机内部署的神经网络模型相比较后，形成最终的视频图像的皮带撕裂特征码；

AI智能分析终端实时采集AI传感器的视频图像，经过视频图像输入处理模块根据视频图像的像素分布和亮度、颜色转换为数字化信号，并进行运算来抽取目标的特征，经过AI智能分析后形成皮带检测结果，包括与AI芯片皮带撕裂的特征码大数据推理分析，经过识别推理模块和输出结果模块，识别推理出皮带撕裂的宽度和长度；

预先设置报警阈值、报警级别，通过网络交换机把皮带检测结果传输到后台数据操作终端，并根据皮带撕裂检测结果，输出报警信号和停机保护信号，包括：若皮带撕裂的宽度或长度超过设置范围，则通过联动输出控制装置切断托辊电机电源，以使皮带机停机；对没有达到报警级别的可容忍撕裂状况不报警；

所述补光灯根据所述AI传感器的视频图像的明暗度参数实现自动开关，包括：按照上午10点、12点、下午2点划分三个时间段，每个时间段分三次，每次间隔10秒测试，关闭补光灯，AI芯片分析视频图像的明暗度，若连续三次在补光灯关闭情况下的视频图像的明暗度满足设定阈值，则关闭所述补光灯。

2.根据权利要求1所述的一种基于AI智能分析的输送皮带撕裂检测系统，所述的补光灯，安装在AI传感器附近。

3.根据权利要求1所述的一种基于AI智能分析的输送皮带撕裂检测系统，所述的AI传感器包括摄像机、低畸变高清摄像头、刷灰器。

4.根据权利要求1所述的一种基于AI智能分析的输送皮带撕裂检测系统，所述的AI智能分析终端通过网络接口实时接收AI传感器视频信号。

5.根据权利要求1所述的一种基于AI智能分析的输送皮带撕裂检测系统，所述的AI芯片采用BM1880。

6.根据权利要求1所述的一种基于AI智能分析的输送皮带撕裂检测系统，所述的后台数据操作终端包括计算机主板、触摸屏、UPS电源和皮带撕裂检测软件。