[发明专利]一种皮带撕裂检测方法

权利要求书

1.一种基于卷积神经网络的皮带撕裂检测方法，其特征在于，包括以下步骤：

步骤1，通过设置在皮带周围的多个现场摄像设备获取正常皮带图片和异常皮带图片，形成皮带撕裂检测数据集；

步骤2，对皮带撕裂检测数据集中的皮带图片进行标注，异常部分包括皮带被异物穿透导致皮带出现撕裂、裂缝、重叠、漏煤、带宽变窄及异常跑偏的异常情况；按照设定的比例，将皮带撕裂检测数据集的全部图片随机划分为训练集和测试集；

步骤3，使用训练集训练卷积神经网络模型，使用测试集检测每一代训练后卷积神经网络模型，筛选获得皮带撕裂检测模型；

步骤4，基于步骤3得到的皮带撕裂检测模型对所述多个现场摄像设备监控区域内皮带撕裂情况进行实时检测。

2.根据权利要求1所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤1中，通过设置在皮带正上方及前后左右四个方向布置的五个现场摄像设备获取正常皮带图片和已撕裂异常皮带图片。

3.根据权利要求2所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤1中的现场摄像设备角度为45度，设置在皮带正上方的摄像设备包括光源。

4.根据权利要求1所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤1具体包括：

步骤1.1，获取现场监控皮带的设置在皮带周围的多个现场摄像设备的历史视频数据；

步骤1.2，使用OpenCV将视频数据转化为图片数据，OpenCV是指开源计算机视觉库；

步骤1.3，通过筛选将图片划分为正常皮带图片和异常皮带图片。

5.根据权利要求4所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤2具体包括：

步骤2.1，对皮带撕裂检测数据集中的异常皮带图片进行标注，标注部分为正样本，未标注部分为负样本；

步骤2.2，获取每个标注对象的类别及检测框，生成对应的类别及检测框文件；

步骤2.3，生成存储皮带撕裂检测数据集对应的全部类别及检测框文件路径的数据集文件；

步骤2.4，随机分配步骤2.3中存储在数据集文件内存有标注内容的文本文件，将其以8：2的比例分为训练集与测试集。

6.根据权利要求5所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤3具体包括：

步骤3.1，将训练集中的图片数据统一调整至卷积神经网络模型的输入图片尺寸；

步骤3.2，将统一尺寸的图片数据进行图像增强处理；

步骤3.3，设置迭代次数、每一批训练的图片数据张数、初始学习率和学习率更新规则；

步骤3.4，使用步骤3.2中图像增强后的图片数据训练卷积神经网络模型；

步骤3.5，使用测试集检测每一代训练后卷积神经网络模型的mAP，选取其中mAP最高的卷积神经网络模型作为皮带撕裂检测模型。

7.根据权利要求6所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤3.1中，将训练集中的图片数据统一调整至416*416像素。

8.根据权利要求6或7所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤4具体包括：

步骤4.1，获取现场监控皮带的设置在皮带周围的多个现场摄像设备的实时视频数据；

步骤4.2，使用OpenCV将设定时间间隔的视频数据转化为图片数据，OpenCV是指开源计算机视觉库；

步骤4.3，将采集到的图片输入模型进行检测，判断检测区域的皮带是否存在撕裂；

步骤4.4，实时展示经过皮带撕裂检测模型标注后的图片。

9.根据权利要求8所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤4.2中，将间隔0.02s的视频数据转化为图片数据。

10.根据权利要求8所述的基于卷积神经网络的皮带撕裂检测方法，其特征在于：

步骤4.3还包括，如果检测发现皮带存在撕裂，发出警报并将对应的监控视频输出。