[发明专利]一种皮带撕裂检测方法、设备及存储介质

权利要求书

1.一种皮带纵向撕裂检测方法，其特征在于，包括如下步骤：

获取若干个撕裂皮带图像和若干个正常皮带图像；

对获取的撕裂皮带图像和正常皮带图像进行预处理，得到清晰的撕裂皮带图像和正常皮带图像后，将所述清晰的撕裂皮带图像作为正样本，将所述清晰的正常皮带图像作为负样本；

提取出所述正样本和所述负样本中的各个图像的哈尔特征，并根据所述哈尔特征构建出若干个弱分类器；

将若干个所述弱分类器进行迭代组合，得到若干个强分类器后，将若干个强分类器进行组合得到级联分类器；

采用所述级联分类器对实时采集的皮带图像进行识别，以检测出皮带是否发生纵向撕裂。

2.根据权利要求1所述的皮带纵向撕裂检测方法，其特征在于，所述对获取的撕裂皮带图像和正常皮带图像进行预处理，得到清晰的撕裂皮带图像和正常皮带图像后，将所述清晰的撕裂皮带图像作为正样本，所述清晰的正常皮带图像作为负样本的步骤包括：

对获取的撕裂皮带图像和正常皮带图像进行中值滤波降噪处理后，对处理后的图像进行对比度增强处理；

将增强处理后的图像进行裁剪，并将裁剪后的撕裂皮带图像作为正样本，将裁剪后的正常皮带图像作为负样本。

3.根据权利要求1所述的皮带纵向撕裂检测方法，其特征在于，所述哈尔特征包括哈尔特征数量和哈尔特征值。

4.根据权利要求3所述的皮带纵向撕裂检测方法，其特征在于，所述哈尔特征数量的获取方法为：

确定特征原型类型以及图像中满足预设条件的条件矩形的大小和位置，根据所述条件矩形的大小和位置计算出条件矩形的数量，以得到哈尔特征数量。

5.根据权利要求3所述的皮带纵向撕裂检测方法，其特征在于，采用积分图的方式计算图像中的哈尔特征值。

6.根据权利要求3所述的皮带纵向撕裂检测方法，其特征在于，若干个所述弱分类器的构建方法为：

计算任一哈尔特征在正样本和负样本中的哈尔特征值，并对计算出若干个哈尔特征值进行排序；

选取任一哈尔特征值，将选取的哈尔特征值和它前面的一个哈尔特征值之间的数作为所述选取的哈尔特征值的阈值；

根据选取的哈尔特征值的阈值、正样本的权重和以及负样本的权重和，计算出选取的哈尔特征值的错误率；

遍历所述哈尔特征值，选择具有最小错误率的阈值作为选取的哈尔特征的最佳阈值，并将所述最佳阈值作为所述选取的哈尔特征的弱分类器的阈值，以完成所述选取的哈尔特征的弱分类器的训练；

遍历所述哈尔特征，以完成所有哈尔特征的弱分类器的训练后，得到若干个弱分类器。

7.根据权利要求1所述的皮带纵向撕裂检测方法，其特征在于，采用AdaBoost方法对若干个弱分类器进行迭代组合，以得到若干个强分类器。

8.根据权利要求1所述的皮带纵向撕裂检测方法，其特征在于，所述级联分类器的构建方法为：

通过Cascade算法将若干个所述强分类器进行组合，以得到级联分类器。

9.一种皮带纵向撕裂检测设备，其特征在于，包括处理器和存储器；

所述处理器上存储有可被所述处理器执行的计算机可读程序；

所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的皮带纵向撕裂检测方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的皮带纵向撕裂检测方法中的步骤。