一种基于视频的皮带运行状态检测方法与流程

技术特征：
1.一种基于视频的皮带运行状态检测方法，其特征在于：包括如下步骤：s1、在皮带输送装置的皮带附近布设相应的视频摄像模组和各类传感器，在皮带输送装置的近端或远端布设视频处理计算机组件；s2、结合布设的装置及传感器，搭建皮带运行状态的系统架构，配置检测系统的运行环境，建设皮带运行状态检测系统；s3、启用基于视频的皮带运行状态检测装置，对皮带输送装置的运行状态进行实时监控；s4、基于实时摄录的视频数据，通过ai智能分析技术、图像识别技术及神经网络学习方法，对皮带输送装置的设备运行状态、异常故障情况进行检测识别；s5、结合各类传感器实时采集的状态参数，对皮带输送装置的运行状态进行准确判断，并依据预设的评分标准，对判识出的异常情况对设备运行安全性能的影响程度进行打分；s6、针对可能出现的异常的皮带运行状态，设定相应的安全保护机制，当皮带输送装置出现异常情况，则按照预设程序执行安全保护机制的措施，及时输出报警信号，并针对检修作业进行调度安排。2.根据权利要求1所述的基于视频的皮带运行状态检测方法，其特征在于：所述s1中，在皮带输送装置附近布设的视频摄像模组包括但不限于：视野覆盖皮带输送装置整体的高清摄像头、以一定俯角安装于皮带上方处针对皮带进行拍摄的高清摄像头、安装于驱动电机附近针对驱动电机进行拍摄且附带录音功能的高清摄像头等；在皮带输送装置附近布设的各类传感器包括但不限于：分别安装于皮带输送装置头尾两端的料流检测装置、分别安装于皮带输送装置头尾两端的速度传感器、分别安装于皮带输送装置头尾两端端承重托辊下部的称重传感器、与驱动电机电性连接的电压检测装置等；计算机组件包括但不限于：处理器、显示器、网络交换机、云服务器、视频/图像识别程序模块、ai智能分析终端等。3.根据权利要求1所述的基于视频的皮带运行状态检测方法，其特征在于：所述s2中，皮带运行状态检测系统包括：视频处理模块、监控检测模块、判识评分模块和信号输出模块；视频处理模块的信号输出端与监控检测模块的信号输入端连接，监控检测模块的信号输出端与判识评分模块的信号输入端连接，判识评分模块的信号输出端与信号输出模块的信号输入端连接；其中：视频处理模块用于对皮带输送装置的整体及皮带、驱动电机等各部件的运行情况进行实时的视频摄录及存储；监控检测模块用于对摄录的视频、从视频中截取的图像进行识别，筛选出存在异常情况的特征视频并传入判识评分模块；判识评分模块用于根据异常情况的特征视频，通过神经网络方法判识异常情况的类型，并按照预设的评分规则对该异常类型对皮带输送装置运行过程安全性能的影响程度进行打分评估；信号输出模块用于输出检测出的异常情况及其评分数据，执行预设的安全保护机制并输出报警信号。4.根据权利要求3所述的基于视频的皮带运行状态检测方法，其特征在于：视频处理模块还包括视频采集子模块、视频传输子模块和视频存储子模块；视频采集子模块的信号输出端与视频传输子模块的信号输入端连接，视频传输子模块的信号输出端与视频存储子模
块的信号输入端连接；视频采集子模块用于通过布设在皮带输送装置附近的视频摄像模组实时摄录其视野内皮带运行状况的视频；视频传输子模块用于通过有线/无线的传输技术将实时摄录的视频传输至处理器进行处理；视频存储子模块用于将原始视频数据及处理识别出的异常视频传输至本地/云端存储中进行存储；其中，视频存储子模块为本地存储或云端存储。5.根据权利要求3所述的基于视频的皮带运行状态检测方法，其特征在于：监控检测模块还包括ai智能分析子模块、图像识别子模块和传感数据管理子模块；ai智能分析子模块、图像识别子模块与传感数据管理子模块依次通过网络通信连接且并列运行；ai智能分析子模块用于通过ai智能分析技术对视频流进行分析，检测出皮带运行状况存在异常情况的视频；图像识别子模块用于通过图像识别技术，截取存在异常情况的视频中的图像进行进一步的识别判断；传感数据管理子模块用于获取各传感器采集的状态参数，对传感参数进行整理、统计、分析及存储管理。6.根据权利要求3所述的基于视频的皮带运行状态检测方法，其特征在于：判识评分模块还包括神经网络算法子模块、状态判识子模块和安全影响评分子模块；神经网络算法子模块的信号输出端与状态判识子模块的信号输入端连接，状态判识子模块的信号输出端与安全影响评分子模块的信号输入端连接；神经网络算法子模块用于采用神经网络方法，对视频中可通过肉眼识别的皮带运行异常情况进行监测判断；状态判识子模块用于结合与皮带异常情况同一时间点的传感数据，对皮带输送装置的运行状态进行判识，并可粗略分析皮带出现异常的原因；安全影响评分子模块用于依据预先设定的评分规则，对上述判识出的皮带异常情况对皮带输送装置运行安全性能的影响程度进行评估打分。7.根据权利要求3所述的基于视频的皮带运行状态检测方法，其特征在于：信号输出模块还包括安全机制子模块、警报信号子模块和检修调度子模块；安全机制子模块、警报信号子模块与检修调度子模块依次通过网络通信连接且并列运行；安全机制子模块用于根据皮带输送装置运行过程中可能出现的异常类型及异常情况对安全性能的影响程度，设定相应的包括停机在内的安全保护机制，并在达到预设条件时自动执行安全保护程序；警报信号子模块用于在检测到皮带输送装置出现异常的运行状况时，通过多种方式发出报警信号；检修调度子模块用于按照一定的规则或顺序对异常的运行状况进行检修维护的调度安排。8.根据权利要求1所述的基于视频的皮带运行状态检测方法，其特征在于：所述s4中，通过图像识别技术对图像进行识别时，需要对目标图像进行降维、彩色二值化、图像分割等预处理，其采用的方法及相关算法如下：图像降维采用pca降维算法，其步骤如下：输入：训练样本集，低维空间维数；算法过程：step1、对所有样本进行中心化，即去均值操作：；step2、计算样本的协方差矩阵；step3、对协方差矩阵做特征值分解；step4、取最大的个特征值所对应的特征向量；
step5、将原样本矩阵与投影矩阵相乘：，即为降维后的数据集，其中为维，为维；输出：降维后的数据集；彩色二值化处理采用大津阈值法，其算法表达式如下：对于图像，前景（即目标）和背景的分割阈值记作t，属于前景的像素点数占整幅图像的比例记为，其平均灰度；背景像素点数占整幅图像的比例为，其平均灰度为；图像的总平均灰度记为，类间方差记为g；假设图像的背景较暗，并且图像的大小为，图像中像素的灰度值小于阈值t的像素个数记作，像素灰度大于阈值t的像素个数记作，则有：；；；；；；将式（5）代入式（6），得到等价公式：；式（7）为类间方差，采用遍历的方法得到时类间方差g最大的阈值t，即为所求；图像分割处理采用分水岭算法，其算法表达式如下：；；；其中，自下而上的模拟泛洪过程是一个递归过程，式（1）属于递归过程的初始条件，使图像i中灰度值为最小值的像素点；式（2）是一个递归过程；式中，h表示灰度值的范围，为灰度值范围最小值，为灰度值范围最大值；是灰度值及海拔高度为上的所有像素点，表示此点属于新产生盆地最小值点，即在此海拔高度又产生了新的盆地；表示点与点相交，为点所在的盆地，故点为点与点同在一个盆地的点；通过此递归过程，将图像i中的所有像素点划分盆地。9.根据权利要求1所述的基于视频的皮带运行状态检测方法，其特征在于：所述s4中，皮带输送装置的异常故障情况包括但不限于：驱动电机故障、皮带跑偏、皮带撕裂、大块料障碍、金属杂物磨损等。
10.根据权利要求1所述的基于视频的皮带运行状态检测方法，其特征在于：所述s5中，皮带输送装置的运行状态包括但不限于：启动/停止、空载、带载、过载、撒料、输送速度过快/过慢、料流源/尾位置变化、带载启动等。

技术总结
本发明涉及皮带机维管技术领域，具体地说，涉及一种基于视频的皮带运行状态检测方法。包括布设摄像模组、传感器和计算机组件；搭建系统架构并建设检测系统；对皮带输送装置进行实时监控；基于视频数据对皮带输送装置的设备运行状态、异常故障情况进行检测识别；对运行状态进行判断，并对异常情况对设备运行安全性能的影响程度进行打分；设定安全保护机制，出现异常情况时执行安全保护措施，输出报警信号，并进行检修调度等步骤。本发明设计以监控视频为基础，实时检测、判识皮带输送装置的运行状态；评估异常情况的影响程度，准确评估皮带机运行状态，提高检测效率并减少疏忽错漏；可以有效降低生产安全隐患，减少浪费，保证生产安全运行。产安全运行。产安全运行。


技术研发人员：王乔晨 王飞 何丹 孙晓峰
受保护的技术使用者：中建材信云智联科技有限公司 博瑞夏信息技术（北京）有限公司
技术研发日：2021.12.10
技术公布日：2022/3/4