一种人工智能视频识别皮带跑偏的监测方法与流程

本发明属于皮带运输监测领域，具体涉及一种人工智能视频识别皮带跑偏的监测方法。

背景技术：

输送煤皮带机是煤矿运输物料的主要设备。在皮带机长时间运行过程中，皮带跑偏是经常发生的故障。当皮带跑偏达到一定程度时，皮带会触发用于防偏的急停装置，造成作业系统停机，影响生产进程；造成设备主要部件的非正常损坏；容易形成安全隐患；由于皮带严重跑偏，造成皮带翻卷物料，致使皮带单侧受力超过皮带纵向拉断力，从而引起皮带横向撕裂等安全隐患，因此皮带跑偏的及时发现及处理显的极为重要。

目前业内主要皮带跑偏检测手段通过跑偏开关传感器，跑偏保护装置来确定跑偏并对跑偏进行处理。井工开采多为地下作业，皮带的工作环境复杂传统传感器存在主要问题：相互干扰受相邻传感器磁性或静电容量的影响，输出处于不稳定的状态；保护传感器因电路的运行而有少量的电流泄漏,因此，会发生负载内残留少量电流（负载残留电压），负载的复位不良；根据检测物体的材料不同，其检测距离有着显著的差别，一般检测物体为非磁性金属（例如铝等），那么检测距离会变小；皮带跑偏开关与保护装置需要人员定期进行校对和测试，对传感器进行校对检测影响生产作业效率，且井下路途一般较远，费时费力，对人力和时间成本都是负担；传感器容易受污渍、油、水等影响,生产环境相对复杂容易出现误检。

技术实现要素：

为了克服现有技术费时费力且安全性及稳定性弱的缺陷，本发明提出了一种省时省力且能够实时监测皮带跑偏的人工智能视频识别皮带跑偏的监测方法。

本发明为了实现上述目的所采用的技术方案是:

一种人工智能视频识别皮带跑偏的监测方法，包括以下步骤：先在皮带两侧框选不少于两个托辊作为两个以上的跟踪目标，再通过矿用高清防爆摄像机实时采集跟踪目标视频，矿用高清防爆摄像机通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标被遮档，检测是否是皮带遮挡了跟踪目标，检测结果是皮带造成的遮挡确定皮带跑偏，检测结果不是皮带造成的遮挡不判定为皮带跑偏。

优选的，所述跟踪目标为皮带两侧框选不少于两个托辊外侧末端。

进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带上的两个以上跟踪目标作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标被遮挡，使用目标检测器去检测跟踪目标视频下一帧预测位置是否是跟踪目标，然后使用新检测结果去更新训练集进而更新目标检测器。

优选的，所述跟踪目标遮挡时间为1-10s。

进一步地，所述检测是否是皮带遮挡了跟踪目标采用以下步骤：一个跟踪目标被遮档或两个以上跟踪目标同时被遮挡，服务器会提取遮挡锚点周围半径100px-300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标物体是否为皮带，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。

进一步地，所述跟踪目标依照框选区域的大小分为跟踪目标安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。

优选的，所述矿用高清防爆摄像机安装于运输斜井巷道顶部处于皮带正上方，朝向迎头位置，能够拍摄整个皮带运行区域且画面水平。

进一步地，所述服务器还与报警器连接。在皮带跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带跑偏。

本发明旨在利用人工智能技术解决皮带运行检测问题，在皮带运行过程出现皮带跑偏现象及时发现和报警，适用于各种皮带运输场景，减少人工对现有检测传感器的定时效对操作，从而确保煤矿作业安全，同时减少人力、时间的浪费。

附图说明

现在参考附图对本发明作进一步描述，其中：

图1为矿用高清防爆摄像头安装俯视图；

图2为跟踪目标取景示意图；

图3为皮带正常运行示意图；

图4为皮带预警示意图；

附图标记说明：1、矿用高清防爆摄像机，2、皮带，3、托辊，4、跟踪目标。

具体实施方式

实施例1

如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。

优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。

进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。

优选的，所述跟踪目标遮挡时间为1s。

进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径100px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。

进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。

优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。

进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。

实施例2

如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3外侧末端作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。

优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。

进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。

优选的，所述跟踪目标遮挡时间为5s。

进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径200px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。

进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。

优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。

进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。

实施例3

如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3外侧末端作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。

优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。

进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。

优选的，所述跟踪目标遮挡时间为10s。

进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。

进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。

优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。

进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。