一种智能皮带撕裂检测方法及装置与流程

本发明涉及故障检测领域，具体涉及一种智能皮带撕裂检测方法及装置。

背景技术：

皮带运输机作为连续散装物料的运输装置，是生产环境中非常常见又重要的运输设备之一。皮带运输机工作时在电机的驱动下通过托辊与运输带之间的摩擦力和张紧力使运输带运行，从而完成物料的运载工作。皮带运输机皮带撕裂事故大致可划分为纵向撕裂与横向撕裂两大类，其中纵向撕裂占据皮带撕裂故障总数的90％以上一旦发生撕裂故障将给安全生产带来巨大经济损失。常用的皮带撕裂检测方法有红外成像监控技术、超声波检测技术、x光透视检测技术、钢丝绳式检测技术和漏矿检测技术等。经分析发现上述技术均存在容易出现误报、结构复杂、维护成本高、准确率低等问题。

技术实现要素：

针对上述技术问题，本发明提供一种智能皮带撕裂检测方法及装置。

本发明解决上述技术问题的技术方案如下：一种智能皮带撕裂检测方法，执行主体为处理器，该方法包括：

接收透过皮带裂痕的光线的光强度测量值；

根据所述光强度测量值判断皮带是否撕裂。

本发明的有益效果是：当皮带撕裂产生裂隙而发生透光时，处理器可以根据透过皮带裂隙的光线的光强度测量值快速、准确地检测出皮带撕裂，具有实用、可靠、适应能力广泛、以及部署灵活等特点。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述根据光强度测量值判断皮带是否撕裂，具体包括：

计算光强度测量值的第一马氏距离，并判断计算得到的第一马氏距离是否超过第一预设阈值，若超过则判断皮带撕裂，否则判断皮带未撕裂。

进一步，所述计算光强度测量值的第一马氏距离，具体包括：

根据当前的光强度测量值以及上一次计算的均值和方差计算第二马氏距离，其中，均值和方差的初始值采用fast-mcd算法计算得到；

响应于所述第二马氏距离小于或者等于第二预设阈值，根据所述当前的光强度测量值和上一次计算的均值和方差计算本次的均值和方差，并根据所述当前的光强度测量值以及所述本次的均值和方差计算所述当前的光强度测量值的第一马氏距离；

响应于所述第二马氏距离大于所述第二预设阈值，将所述第二马氏距离作为当前的光强度测量值的第一马氏距离。

采用上述进一步方案的有益效果是，实现了对于马氏距离的稳健估计和用以计算马氏距离的均值和方差的实时化更新，提高了系统的适应性和计算的准确性，并且更新计算本次的均值和方差时利用的是当前的光强度测量值和上一次计算的均值和方差，不必应用从起始时刻到当前时刻的所有数据来进行更新，从而大大减少了数据存储的需求。

进一步，该方法还包括：

接收光线透过皮带裂痕形成的投影的影像；

根据所述影像判断皮带的撕裂程度。

进一步，所述根据所述影像判断皮带的撕裂程度，具体包括：

对所述影像进行增强操作；

采用预先训练的语义分割模型对经过增强操作的影像进行语义分割，获取影像中的裂痕区域；

确定包围所述裂痕区域的最小梯形，将所述最小梯形的两个底边中较长者的长度作为裂痕的宽度，将所述最小梯形的两个腰中较长者的长度作为裂痕的长度；

根据所述裂痕的宽度和长度来判断皮带的撕裂程度。

进一步，该方法还包括：

判断透过皮带裂痕的光线的颜色是否正确；

所述根据所述光强度测量值判断皮带是否撕裂，具体包括：

根据所述光线的颜色的判断结果和光强度测量值判断皮带是否撕裂。

进一步，所述根据所述光线的颜色的判断结果和光强度测量值判断皮带是否撕裂，具体包括：

计算光强度测量值的第一马氏距离，并判断计算得到的第一马氏距离是否超过第一预设阈值，若所述第一马氏距离超过第一预设阈值并且光线的颜色正确，则判断皮带撕裂，否则判断皮带未撕裂。

为实现上述发明目的，本发明还提供一种智能皮带撕裂检测装置，包括光发射器、光强度传感器和处理器，所述光强度传感器设置在所述光发射器的照射方向上，所述光发射器和所述光强度传感器均与所述处理器连接。

本发明的有益效果是：通过光发射器对皮带一侧表面进行照射，当皮带撕裂产生裂隙而发生透光时，处理器可以根据皮带另一侧设置在光发射器的照射方向上的光强度传感器测量的光强度测量值快速、准确地检测出皮带撕裂，具有实用、可靠、适应能力广泛、以及部署灵活等特点。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，还包括感光板和图像采集装置，所述感光板设置在所述光发射器的照射方向上，所述图像采集装置与所述处理器连接。

采用上述进一步方案的有益效果是：当皮带撕裂产生裂隙时，透过裂隙的光线可在感光板上产生投影，处理器可以根据图像采集装置采集的该投影的影像来判断皮带的撕裂程度，以便于采取进一步的处理。

进一步，还包括告警装置、显示器和/或存储器，

所述告警装置、显示器和存储器均与所述处理器连接。

附图说明

图1为本发明实施例提供的一种智能皮带撕裂检测装置的结构示意图；

图2为光强度的检测值和预测值的时间序列图；

图3为本发明实施例提供的另一种智能皮带撕裂检测装置的结构示意图；

图4为本发明实施例提供的一种智能皮带撕裂检测方法的流程图；

图5为光强度的时间序列图；

图6为包围裂隙的最小梯形的示意图；

图7为本发明实施例提供的一种智能皮带撕裂检测方法的具体流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

图1为本发明实施例提供的一种智能皮带撕裂检测装置的结构示意图，如图1所示，该装置包括光发射器1、光强度传感器2和处理器3，所述光强度传感器2设置在所述光发射器1的照射方向上，所述光发射器1和所述光强度传感器2均与所述处理器3连接。

具体的，皮带撕裂的具体现象主要表现在皮带表面出现裂缝，煤面甚至煤块从皮带上掉落。基于此现象，本实施例中，可在皮带一侧上方的中间部位安装一个光发射器，可采用100w大功率照明激光射灯工程防爆型，光发射器使用强光照射皮带一侧的表面，在皮带另一侧的对应位置设置光强度传感器，光强度传感器可每10毫秒采集一次光强度，处理器实时地对收到的光强度(单位：lm，流明)，使用机器学习模型进行预测，当模型预测值与实际值偏差大于某阈值时触发警示。如图2所示，横坐标为时间序列，纵坐标为光强度值，单位流明，其中实线为传感器真实值，虚线为机器学习模型预测值。这里所述机器学习模型可以是异常点检测和时间序列等经典算法，这样，当皮带局部变薄或者发生撕裂时，光将透过皮带投射到皮带另一侧，光强度传感器检测的光强度会突然变大，进一步，由处理器根据光强度的测量值的变化，即可判断皮带是否撕裂，因为光强度是随着时间变化的，这个问题也转化成时间序列的异常检测问题。现在关于数据异常检测或者时间序列异常检测的模型和算法有很多，例如，可选用基于马氏距离的最小协方差行列式方法。

综上所述，本发明实施例提供的一种智能皮带撕裂检测装置，对皮带的撕裂形态无要求，可同时对横向和纵向撕裂进行检测，当皮带撕裂产生裂隙而发生透光时，可以快速、准确地检测出皮带撕裂，延时小于30ms，撕裂检测精度可达毫米级，具有实用、可靠、适应能力广泛、以及部署灵活等特点。

当处理器检测出皮带撕裂后，需要更进一步判断皮带撕裂伤口的规模和形状，以便于采取下一步的措施。可选地，在该实施例中，如图3所示，该装置还包括感光板4和图像采集装置5。

所述感光板4，设置在沿所述光发射器1的照射方向在皮带另一侧的位置，用于投影皮带撕裂产生裂痕时光线通过所述裂痕而形成的影像；所述图像采集装置5，与处理器3连接，用于采集所述感光板4上的影像并发送至所述处理器3；所述处理器3，用于根据所述图像采集装置5采集的所述影像判断皮带的撕裂程度。

具体的，光强度传感器2可内置在感光板4中，同时，如图3所示，感光板4表面可以作为幕布，用于对撕裂处投出的光进行成像，感光板4倾斜一定角度，以便图像采集装置5从一侧对感光板4表面的投影进行拍摄，图像采集装置5可采用高速网络摄像机，实时地对感光板的图像进行采集，高速相机的帧率不小于30fps(帧每秒)，然后通过rtsp流实时传递给处理器3，处理器3采用语义分割模型对图像进行语义分割，获取其中的裂痕区域后，计算出裂痕的长度和宽度，从而判断皮带的撕裂程度。

另外，光发射器1和感光板4的高度和角度可以根据现场环境进行动态调整，并且位置可以上下调换(如：光源在下，感光板在上)。

可选地，在该实施例中，如图3所示，该装置还包括告警装置6、显示器7和/或存储器8，所述告警装置6、显示器7和存储器8均与所述处理器3连接。

具体的，告警装置6用于在处理器3判断皮带撕裂时触发告警，告警方式包括：声光报警、通过网络向监控室相关工作人员发信息以及触发控制自动停止皮带工作。

显示器7用于实时地对处理器3生成的裂隙识别结果及光强度分析的结果等信息进行显示。

存储设备8用于对图像采集装置5生成的历史视频及异常取证视频进行存储，供业务查询分析使用。

图4为本发明实施例提供一种智能皮带撕裂检测方法的流程图，该方法的执行主体为处理器，如图4所示，该方法包括：

s11、接收透过皮带裂痕的光线的光强度测量值；

s12、根据所述光强度测量值判断皮带是否撕裂。

具体的，皮带撕裂的具体现象主要表现在皮带表面出现裂缝，煤面甚至煤块从皮带上掉落。基于此现象，本实施例中，可在皮带一侧上方的中间部位安装一个光发射器，光发射器使用强光照射皮带一侧的表面，在皮带另一侧的对应位置设置光强度传感器，光强度传感器可每10毫秒采集一次光强度，处理器实时地对收到的光强度测量值,这样，当皮带局部变薄或者发生撕裂时，光将透过皮带投射到皮带另一侧，光强度传感器检测的光强度会突然变大，进一步，由处理器根据光强度测量值的变化，即可判断皮带是否撕裂，因为光强度是随着时间变化的，这个问题也转化成时间序列的异常检测问题。现在关于数据异常检测或者时间序列异常检测的模型和算法有很多，例如，可选用基于马氏距离的最小协方差行列式方法。

可选地，在该实施例中，步骤s12具体包括：

s121、计算光强度测量值的第一马氏距离；

s122、判断计算得到的第一马氏距离是否超过第一预设阈值，若超过则判断皮带撕裂，否则判断皮带未撕裂。

具体的，当数据维度p>2时，因为视觉上的原因，不易检查出数据集中的离群点。现在有很多基于马氏距离的离群点检测方法，设随机向量x∈rp的n次观测x＝{x1,x2,…xi…xn}，则xi的马氏距离定义为:

其中，为样本均值向量，为样本协方差矩阵，设用于判断离群点的预设阈值为按照下面的方法判断样本是否为离群点：

可选地，在该实施例中，步骤s121具体包括：

s1211、根据当前的光强度测量值以及上一次计算的均值和方差计算第二马氏距离，其中，均值和方差的初始值采用fast-mcd算法计算得到；

s1212、响应于所述第二马氏距离小于或者等于第二预设阈值，根据所述当前的光强度测量值和上一次计算的均值和方差计算本次的均值和方差，并根据所述当前的光强度测量值以及所述本次的均值和方差计算所述当前的光强度测量值的第一马氏距离；

s1213、响应于所述第二马氏距离大于所述第二预设阈值，将所述第二马氏距离作为当前的光强度测量值的第一马氏距离。

具体的，上一实施例中基于马氏距离的皮带撕裂判别方法存在两个方面的问题：

1、maskingproblem:即异常的光照强度不一定有大的马氏距离，因为可能存在异常值参与了协方差矩阵和均值向量的估计。

2、swampingproblem:即马氏距离大的样本不一定是时间序列的异常值，即皮带撕裂。

基于以上问题，因此需要考虑马氏距离的稳健估计，其中一种便是最小协方差行列式(minimumcovariancedeterminant，mcd)。mcd方法的主要思想是从n个样本中选取h个样本，使得用这h样本估计的协方差矩阵的行列式最小，其中n/2≤h<n。因为其计算复杂度很高，并且受限于当时的计算水平，在当时提出时并没有得到广泛的应用，直到后来提出的fast-mcd算法，才解决了mcd方法的计算问题。这里介绍fast-mcd方法最重要的一步：c-step。令：

接下来取这样的集合h2，满足：

{d1(i):i∈h2}:＝{(d1)1：n，…，(d1)1:n}

其中(d1)1:n≤(d1)2:n≤,…,≤(d1)n:n，接下来基于h2计算t2,s2，满足：

det(s2)≤det(s1)

当且仅当t1＝t2,s1＝s2时，等号成立。具体的证明过程见参考文献。下面以具体场景数据为例，来展示具体实现过程。

如图5所示，很明显在t＝200和t＝800时刻，存在异常值，采用fast-mcd算法，以t＝1,2,…,500数据来构建协方差和均值，t＝501，…，1000数据来进行测试，计算结果如下：

μ＝89.51644151，σ²＝0.08154002

用来判断数据是否为异常值的阈值为

此时马氏距离的计算公式为：

经过计算，可以将t＝501，…，1000数据中的异常值识别出来。

因为光照强度数据是时序数据，为了利用新的数据带来的信息，需要对均值和方差进行更新。随着时间的积累，数据规模会大大增加，如果应用从起始时刻到当前时刻的所有数据来进行更新参数，需要存储大量的数据，为了解决这一问题，本实施例中，可利用如下两个公式来更新参数：

其中，前n个样本为x1，x2，…，xn，第n+1个样本为xn+1，和分别为前n个样本的均值和方差，这样，就可以采用前n个样本的均值和方差来更新第n+1个样本的均值和方差，而不必存储所有的数据。具体原理如下：

本实施例中，采用fast-mcd方法来计算前n个光强度测量值的均值和方差，能够有效减少个别离散点对马氏距离的计算结果的影响，实现了马氏距离的稳定估计，再对后续获取的光强度测量值进行判断时，还可利用最新数据实时更新用于计算马氏距离的均值和方差，提高了系统的适应性和计算的准确性，并且更新计算本次的均值和方差时利用的是当前的光强度测量值和上一次计算的均值和方差，不必应用从起始时刻到当前时刻的所有数据来进行更新，从而大大减少了数据存储的需求。

可选地，作为本发明的一个实施例，该方法还包括：

s13、接收光线透过皮带裂痕形成的投影的影像；

s14、根据所述影像判断皮带的撕裂程度。

可选地，在该实施例中，步骤s14具体包括：

s141、对所述影像进行增强操作；

具体的，因为关于具体场景的图像数据有限，并且裂缝的形状有限，因此先对图像进行增强操作，比如：

1.旋转(rotation)：将图像按顺时针或逆时针方向随机旋转一定角度；

2.翻转(flip)：将图像沿水平或垂直方法随机翻转一定角度；

3.缩放(zoomin/out)：将图像放大或缩小一定比例；

4.平移(shift)：将图像沿水平或垂直方法平移一定步长；

5.加噪声(noise)：加入随机的高斯噪声。

s142、采用预先训练的语义分割模型对经过增强操作的影像进行语义分割，获取影像中的裂痕区域；

具体的，当对数据进行增强后，使用labelme对图像进行语义标注，构建模型的训练集。在对图像进行语义分割时，可选取了现阶段soat的语义分割网络mask-rcnn，通过对比可知，mask-rcnn在faster-rcnn的基础之上加入了maskbranch(fcn)用于生成物体的掩模(objectmask),同时把roipooling修改成为了roialign，用于处理mask与原图中物体不对齐的问题。将mask-rcnn应用到语义分割任务中。

s143、确定包围所述裂痕区域的最小梯形，将所述最小梯形的两个底边中较长者的长度作为裂痕的宽度，将所述最小梯形的两个腰中较长者的长度作为裂痕的长度；

具体的，如图6所示，虚线框为确定的最小梯形abcd，两底边为ad和bc，两腰为ab和cd，裂隙的长度选取ab和cd中较长者，宽度选取ad和bc中较长者。

s144、根据所述裂痕的宽度和长度来判断皮带的撕裂程度。

一般地，可按照裂痕的宽度或者长度的范围确定相应的撕裂程度，例如较轻、轻度、中度、较重、重度等，在确定皮带的撕裂程度后，处理器可生成相应指令，例如在撕裂达到严重时控制皮带运输机停机。

可选地，作为本发明的一个实施例，该方法包括：

s21、接收透过皮带裂痕的光线的光强度测量值；

s22、判断透过皮带裂痕的光线的颜色是否正确；

s23、根据所述光线的颜色的判断结果和光强度测量值判断皮带是否撕裂。

具体的，在进行皮带是否撕裂的判断时，除考虑光强度测量值之外，为避免矿灯白光的干扰，还需要考虑光线的颜色，光发射器采用可以发出红色或者绿色光栅的射灯，以便于处理器过滤矿灯白光的干扰。只有当识别到的光的颜色与预设相符时才能确认光的颜色正确。

可选地，在该实施例中，步骤s23具体包括：

计算光强度测量值的第一马氏距离，并判断计算得到的第一马氏距离是否超过第一预设阈值，若所述第一马氏距离超过第一预设阈值并且光线的颜色正确，则判断皮带撕裂，否则判断皮带未撕裂。

如图7所示，首先对智能皮带撕裂检测装置进行系统初始化操作，当初始化成功后，则进行光强度分析和光颜色分析，若初始化失败则生成错误日志，当光强度分析和光颜色分析确认同时异常时，则说明皮带发生了撕裂，进一步对摄像机采集的感光板上的裂隙投影的视频帧进行图像检测，对识别结果计进行记录、输出并存储在本地。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述系统实施例中的模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。