[发明专利]输送机皮带检测方法、装置、系统、电子设备及介质

说明书

本发明公开一种输送机皮带检测方法、装置、系统、电子设备及介质，属于自动化、立体视觉以及卷积神经网络技术领域，特别涉及一种输送机皮带检测方法，包括：对输送机皮带分别采集三维点云数据和二维图像；对所述三维点云数据构建三维点云模型，根据所述三维点云模型检测存在缺陷时，生成并保存第一类缺陷结果；对所述二维图像进行图像识别，得到二维图像识别结果，根据所述二维图像识别结果判定存在裂纹缺陷时，生成并保存第二类缺陷结果。本发明通过采用二维图像与三维点云两种缺陷检测方式，提高对皮带表面不同类型缺陷的识别率。利用性能较好的yolo‑v3网络对二维图像进行自学习检测，实现对与正常皮带存在较大差异但高度差较小缺陷的检测。

技术领域

本发明属于自动化、立体视觉以及卷积神经网络技术领域，特别涉及一种输送机皮带检测方法、装置、系统、电子设备及介质。

背景技术

带式输送机是重要的散装物料输送设备，可广泛应用于煤炭、冶金、矿石、化工、食品加工等领域。由于带式输送机负荷较大且长期服役，极易造成磨损。一旦磨损严重就会造成皮带断裂，影响企业的正常生产进度。特别是针对长距离运输或由多级输送带组合而成的运输系统，一旦出现问题，故障排查较为困难，难以进行及时修复。所以，运输系统故障能够及时、准确的定位，可减少维护时间，对运输效率的提高具有较大意义。目前很多企业主要通过加强检修对输送带进行保护，但是并不能做到实时监控，进而造成工作效率低下，工作成本高。

发明内容

为了至少解决上述技术问题，本发明提供了一种输送机皮带检测方法、装置、系统、电子设备及介质。

根据本发明第一方面，提供了一种输送机皮带检测方法，包括：

对输送机皮带分别采集三维点云数据和二维图像；

对所述三维点云数据构建三维点云模型，根据所述三维点云模型检测存在缺陷时，生成并保存第一类缺陷结果；

对所述二维图像进行图像识别，得到二维图像识别结果，根据所述二维图像识别结果判定存在裂纹缺陷时，生成并保存第二类缺陷结果。

进一步的，所述采集三维点云数据，包括：

对输送机皮带采集二维图像，并进行图像预处理，对预处理得到的图像进行光条中心线提取，并通过计算将三维坐标保存为三维点云数据。

进一步的，所述对输送机皮带采集二维图像，并进行图像预处理，对预处理得到的图像进行光条中心线提取，并通过计算将三维坐标保存为三维点云数据，包括：

在对皮带表面进行拍照时，对得到的二维图像进行图像滤波和平滑处理，提高图像质量，并抑制噪声，以克服现场环境的光源对拍摄的图像产生影响；

采用高斯滤波算法对图像进行滤波，利用图像差分对图像相似部分进行削弱，以凸显由于物体高度变化而发生调制的激光条纹图案，为后续激光条纹的中心线提取提供有效可靠的图像来源；

经过图像差分算法处理后的图像，找到每列中最亮的像素点位置，即为激光条纹中心所在位置；

在图像遍历完成后，用Hough直线检测算法，将检测到的每列中的最亮的像素点连接成一条直线，得到激光条纹的中心线，同时提取每一张图像上的条纹中心线上的点在图像坐标系下的像素坐标；

对相机进行标定，建立图像平面坐标系、世界坐标系与相机平面坐标系之间的几何位置关系，即确定三维空间中任意一点的位置与其对应在图像中点之间的相互关系，得到三维点云数据。

进一步的，所述对所述三维点云数据构建三维点云模型，根据所述三维点云模型检测存在缺陷时，生成并保存第一类缺陷结果，包括：

将三维点云数据与标准的无缺陷皮带数据对齐、做差，得到的差值与预先设定的阈值进行比较，在差值大于阈值时，判定存在缺陷；在差值小于等于阈值时，判定不存在缺陷。