一种基于CV算法的刮板输送机部件故障识别方法及装置与流程

技术特征：
1.一种基于cv算法的刮板输送机部件故障识别方法，其特征在于，包括：采集刮板输送机的图像；将采集的图像输入预先训练的智能分割模型，得到刮板输送机部件的实例分割结果；根据所述实例分割结果判断所述刮板输送机部件是否存在故障。2.根据权利要求1所述的方法，其特征在于，所述智能分割模型的训练过程，具体包括：采集刮板输送机部件的图像数据，并对采集的图像数据进行预处理，组成数据集，构建用于训练神经网络的大数据库；利用处理好的图像数据库构建像素级别的识别刮板输送机部件的智能分割模型，并初始化智能分割模型进行训练；训练完成后，将测试图像输入到所述智能分割模型中，计算测试的平均准确度及预测误差，判断是否满足要求，若满足，则保存所述智能分割模型及权重参数。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述分割结果判断所述刮板输送机部件是否存在故障，具体包括：对实例分割提取的像素坐标对应的二维数组值进行遍历；遍历完成后，若图像中未存在断裂的像素点，则表示所述刮板输送机部件未断裂，否则表示存在断裂。4.根据权利要求3所述的方法，其特征在于，还包括：统计表示断裂像素的连通长度，以识别刮板输送机部件的断裂程度。5.一种基于cv算法的刮板输送机部件故障识别装置，其特征在于，包括：图像采集模块，用于采集刮板输送机的图像；实例分割模块，用于将采集的图像输入预先训练的智能分割模型，得到刮板输送机部件的实例分割结果；故障判断模块，用于根据所述实例分割结果判断所述刮板输送机部件是否存在故障。6.根据权利要求5所述的装置，其特征在于，还包括模型训练模块，具体包括：图像采集及预处理单元，用于采集刮板输送机部件的图像数据，并对采集的图像数据进行预处理，组成数据集，构建用于训练神经网络的大数据库；模型训练单元，用于利用处理好的图像数据库构建像素级别的识别刮板输送机部件的智能分割模型，并初始化智能分割模型进行训练；模型测试及保存单元，用于训练完成后，将测试图像输入到所述智能分割模型中，计算测试的平均准确度及预测误差，判断是否满足要求，若满足，则保存所述智能分割模型及权重参数。7.根据权利要求5或6所述的装置，其特征在于，所述故障判断模块，具体包括：像素遍历单元，用于对实例分割提取的像素坐标对应的二维数组值进行遍历；断裂判断单元，用于遍历完成后，若图像中未存在断裂的像素点，则表示所述刮板输送机部件未断裂，否则表示存在断裂。8.根据权利要求7所述的装置，其特征在于，还包括：断裂程度识别单元，用于统计表示断裂像素的连通长度，以识别刮板输送机部件的断裂程度。9.一种终端设备，其特征在于，包括：
处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-4中任一项所述的方法。10.一种非暂时性机器可读存储介质，其上存储有可执行代码，其特征在于，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-4中任一项所述的方法。

技术总结
本发明是关于一种基于CV算法的刮板输送机部件故障识别方法及装置。该方法包括：采集刮板输送机的图像；将采集的图像输入预先训练的智能分割模型，得到刮板输送机部件的实例分割结果；根据实例分割结果判断刮板输送机部件是否存在故障。本发明提供的方案，通过现有摄像机实时监控刮板状态，通过基于实例分割算法对刮板输送机部件进行定位识别，再对实例分割结果进行分析，检测是否发生故障，并且可以定位故障位置，实现实时、高效、精准的监测，降低人力成本；无需对现有的刮板输送机做硬件改动，降低了改造成本，仅需保证实时监控设备运行良好，不会过度依赖各类硬件的运行状态，具有识别率高、观测直观、成本低廉等优点。成本低廉等优点。成本低廉等优点。


技术研发人员：刘志 李忠义 马晓雨 常浩
受保护的技术使用者：精英数智科技股份有限公司
技术研发日：2022.01.04
技术公布日：2022/3/22