[发明专利]一种激光辅助传送带撕裂检测装置及方法在审

专利信息
申请号: 202010798471.7 申请日: 2020-08-11
公开(公告)号: CN111717617A 公开(公告)日: 2020-09-29
发明(设计)人: 朱轶;马刚;李立 申请(专利权)人: 南京毫末科技有限公司;鞍山市安泰安全技术有限公司
主分类号: B65G43/02 分类号: B65G43/02
代理公司: 南京天华专利代理有限责任公司 32218 代理人: 莫英妍;韩正玉
地址: 210000 江苏省南京*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 激光 辅助 传送带 撕裂 检测 装置 方法
【说明书】:

发明提出一种激光辅助传送带撕裂检测装置,包括激光投射装置、视频检测装置和微型计算机,激光投射装置、视频检测装置分别与微型计算机通信连接,激光投射装置设置在传送带上方或下方,用于向传送带上表面或下表面投射条形激光,所述条形激光横向贯穿传送带表面;视频检测装置对准传送带上的条形激光设置,用于实时跟踪获取条形激光的位置及其形状并发送至微型计算机;微型计算机根据实时条形激光的的位置及其形状判断传送带是否发生撕裂和偏离。本发明还提出一种激光辅助传送带撕裂检测方法。本发明通过采集投射在传送带上的激光图像结合检测算法,实现灵敏准确地检测传送带是否发生撕裂,避免对传送带上不同颜色的痕迹产生误报警。

技术领域

本发明属于工业检测领域,尤其是一种激光辅助传送带撕裂检测装置及方法。

背景技术

在钢厂、矿山和港口的生产线上,以及在机场、地铁和部分工厂,现用于物品传输的设备大都采用传送带进行运输。人工智能深度学习的算法能够非常灵敏的检测传送带的撕裂,但有时传送带上存在不同颜色的痕迹,这些痕迹不是撕裂,但看上去与撕裂相近,此时人工智能的算法就会产生误报,导致误报率高、停机率高,严重影响正常运行。

目前,传送带具有巨大的市场容量,全球皮带机维护市场价值约18000亿元/年,中国皮带机维护市场价值约6000亿元/年,因此,这一领域的研究具有良好的市场前景和经济效益。

发明内容

本发明所解决的技术问题在于提供一种激光辅助传送带撕裂检测装置及方法,通过采集投射在传送带上的激光图像结合检测算法,实现灵敏准确地检测传送带是否发生撕裂,避免对传送带上不同颜色的痕迹产生误报警。

实现本发明目的的技术解决方案为:

一种激光辅助传送带撕裂检测装置,包括激光投射装置、视频检测装置和微型计算机,激光投射装置、视频检测装置分别与微型计算机通信连接,所述激光投射装置设置在传送带上方或下方,用于向传送带上表面或下表面投射条形激光,所述条形激光横向贯穿传送带表面;视频检测装置对准传送带上的条形激光设置,用于实时跟踪获取条形激光的位置及其形状并发送至微型计算机;微型计算机根据实时条形激光的的位置及其形状判断传送带是否发生撕裂和偏离。

进一步的,本发明的激光辅助传送带撕裂检测装置,所述微型计算机内置卷积神经网络加速器或图像信号处理器。

进一步的,本发明的激光辅助传送带撕裂检测装置,所述微型计算机内置检测算法模块,所述检测算法模块用于比对实时条形激光的形状与预存的条形激光的形状,通过判断其相似度来判断传送带的是否发生撕裂并当判断发生撕裂时确定其撕裂位置、撕裂宽度、撕裂长度,同时用于根据实时条形激光的横向条纹位置获取传送带的宽度边缘位置信息,从而判断传送带在运动过程中是否偏离中心位置。

进一步的,本发明的激光辅助传送带撕裂检测装置,所述预设的条形激光的形状包括横向条纹、纵向条纹、与横向条纹成45度的斜向条纹。

进一步的,本发明的激光辅助传送带撕裂检测装置,所述微型计算机内置人工智能深度学习算法模块,所述人工智能深度学习算法模块包括神经网络模型,所述神经网络模型为卷积神经网络模型。

一种基于上述任一的激光辅助传送带撕裂检测装置的检测方法,激光投射装置向运动的传送带表面投射条形激光,所述条形激光横向贯穿传送带表面,视频检测装置实时跟踪获取条形激光及其形状并发送至微型计算机,微型计算机的检测算法模块比对实时条形激光的形状与预存的条形激光的形状,若一致,则传送带未发生撕裂,若不一致,则传送带发生撕裂。

进一步的,本发明的激光辅助传送带撕裂检测方法,预存的条形激光的形状包括横向条纹、纵向条纹、与横向条纹成45度的斜向条纹,使得对于传送带各方向的撕裂都会与至少一条激光近似垂直相交,撕裂与所述近似垂直相交的激光的夹角为67.5°~122.5°。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京毫末科技有限公司;鞍山市安泰安全技术有限公司,未经南京毫末科技有限公司;鞍山市安泰安全技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010798471.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top