一种基于视频监视图像识别的自动化插板位置监测方法与流程

1.本发明涉及煤矿自动化管理技术领域，具体涉及一种基于视频监视图像识别的自动化插板位置监测方法。


背景技术：

2.煤矿用皮带输送机主要是指在煤炭采掘、生产、转运、加工过程中使用的皮带输送机，煤矿用皮带输送机具有运输量大、工作环境复杂、承载能力强、以及运输距离较长等特点。插板作为输煤皮带中较为重要的零部件之一，其安装在输煤皮带的头部或尾部，起到一定的固定作用，而在输煤皮带长时间的运输下插板会向插板底座外部移动，若插板件完全脱落，则会对输煤皮带的正常输送造成影响。但是，由于输煤皮带是自动化设备，没有专门的员工进行看守，插板脱落也不能及时发现；而随着工业设备的自动化、智能化运用越来越广泛，这一问题便可通过视频监视图像监测的方法进行处理。
3.因此，急需提供一种基于视频监视图像识别的自动化插板位置监测方法。


技术实现要素：

4.本发明的目的是克服现有技术的不足和缺陷，提供一种基于视频监视图像识别的自动化插板位置监测方法，可通过视频监视自动化处理，有效确定插板与插板底座之间的位置关系，方便员工及时进行设备维护工作。
5.本发明的目的是通过以下技术方案来实现的：
6.一种基于视频监视图像识别的自动化插板位置监测方法，包括如下步骤：
7.s1、模型训练流程，通过ai检测算法对大数据进行处理创建训练模型；
8.s2、位置监测流程，通过对视频监视插板图像进行模型检测得出结果；
9.s3、后处理判断流程，对不同的结果进行处理判断，得出插板当前位置发送至平台。
10.进一步地，所述模型训练流程，包括如下步骤：
11.s11、对大数据样本进行标注；
12.s12、利用ai检测算法采用数据增强手段对标注的大数据进行处理；
13.s13、对处理后的大数据训练ai检测算法；
14.s14、将训练后的大数据进行网络调参优化；
15.s15、得到训练模型。
16.进一步地，步骤s11中所述大数据样本为不同常态下的插板数据。
17.进一步地，所述ai算法采用旋转目标检测算法。
18.进一步地，步骤s12中所述数据增强手段包括数据噪声模糊、数据裁剪、数据上下翻转、数据左右翻转。
19.进一步地，所述位置监测流程，包括如下步骤：
20.s21、通过视频监视获得插板图像；
21.s22、对插板图像进行预处理；
22.s23、将处理后的插板图像导入所述训练模型；
23.s24、得到检测结果。
24.进一步地，所述后处理判断流程，包括如下步骤：
25.s31、对所述检测结果进行判断，是否检测出两个目标长度，若是，则执行下一步操作；若否，则跳过后续步骤，识别下一帧；
26.s32、计算长度百分比，所述长度百分比定义为x；
27.s33、判断长度百分比是否满足x≤20％，若长度百分比x满足，则向平台上报“短”；若长度百分比x不满足，则执行下一步操作；
28.s34、判断长度百分比是否满足20％《x《80％，若长度百分比x满足，则向平台上报“中”；若长度百分比x不满足，则向平台上报“长”。
29.进一步地，步骤s31中所述两个目标长度分别为突出长度、底座长度，且将所述突出长度定义为a，所述底座长度定义为b。
30.进一步地，所述长度百分比x为突出长度a占底座长度b的百分比，通过下述公式计算长度百分比x：
[0031][0032]
与现有技术相比，本发明具有如下的有益效果：
[0033]
本发明通过采用旋转目标检测算法对不同常态下的插板数据进行处理训练，从而得到训练模型，同时也使得位置预测中视频监视所获取的图片，能够更快更准确地获取突出长度和底座长度，从而更精准地判断插板所处位置并上报给平台，方便员工及时进行设备维护工作，也大大降低插板脱落对输煤皮带输送的影响。
附图说明
[0034]
图1为本发明的流程顺序图。
[0035]
图2为本发明的模型训练流程示意图。
[0036]
图3为本发明的位置监测流程示意图。
[0037]
图4为本发明的后处理判断流程流程示意图。
具体实施方式
[0038]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0039]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0040]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具
体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0041]
如图1-4所示，本发明的具体实施过程如下：一种基于视频监视图像识别的自动化插板位置监测方法，包括：
[0042]
s1、模型训练流程，通过ai检测算法对大数据进行处理创建训练模型，具体步骤如下：
[0043]
s11、对大数据样本进行标注；
[0044]
优选地，选择的大数据样本为不同常态下的插板数据，由于所监测的是插板在插板底座上的位置，因此，选用不同常态下的插板数据来创建训练模型，从多方面多角度进行训练，有利于提高后续根据图像检测结果的准确性。
[0045]
s12、利用ai检测算法采用数据增强手段对标注的大数据进行处理，所述数据增强手段包括数据噪声模糊、数据裁剪、数据上下翻转、数据左右翻转；
[0046]
s13、对处理后的大数据训练ai检测算法；
[0047]
优选地，采用旋转目标检测算法作为ai检测算法，其中，旋转目标检测方法的类型有多种，例如two-stage检测算法，其基本思想是由粗到精，首先从图像中获取一系列的目标候选区域，然后将每个候选区域做尺寸缩放或特征对齐，最后通过类别分类器确定该候选区域对应的具体标签，同时精细化回归检测框坐标。利用其算法的优点通过大量的不同常态的插板数据训练旋转目标检测算法，得到的检测模型所计算出来的结果会更加精准。
[0048]
s14、将训练后的大数据进行网络调参优化；
[0049]
优选地，通过对训练后的数据进行网络调参优化，得出的训练模型在进行训练检测时，可确保网络能够正常连接，且提高检测的速度以及准确率。
[0050]
s15、得到训练模型。
[0051]
s2、位置监测流程，通过对视频监测插板图像进行模型检测得出结果，具体步骤如下：
[0052]
s21、通过视频监视获得插板图像；
[0053]
s22、对插板图像进行预处理；
[0054]
s23、将处理后的插板图像导入训练模型；
[0055]
s24、得到检测结果。
[0056]
s3、后处理判断流程，对不同的结果进行处理判断，得出插板当前位置发送至平台，具体步骤如下：
[0057]
s31、对所述检测结果进行判断，是否检测出两个目标长度，若是，则执行下一步操作；若否，则跳过后续步骤，识别下一帧；
[0058]
s32、计算长度百分比，所述长度百分比定义为x；
[0059]
s33、判断长度百分比是否满足x≤20％，若长度百分比x满足，则向平台上报“短”；若长度百分比x不满足，则执行下一步操作；
[0060]
s34、判断长度百分比是否满足20％《x《80％，若长度百分比x满足，则向平台上报“中”；若长度百分比x不满足，则向平台上报“长”[0061]
优选地，所述两个目标长度分别为突出长度、底座长度，且将所述突出长度定义为a，所述底座长度定义为b。由于插板安装在输煤皮带的头部或尾部，选择这两个长度作为目
标长度，更加直接地确定插板在插板底座上所处的位置。
[0062]
优选地，所述长度百分比x为突出长度a占底座长度b的百分比，通过下述公式计算长度百分比x：
[0063][0064]
通过将两个目标长度通过百分比形式进行计算，计算简单且更加容易识别判断，减少出错率。
[0065]
本发明公布了一种基于视频监视图像识别的自动化插板位置监测方法，采用旋转目标检测算法对不同常态下的插板数据进行处理训练，从而得到训练模型，在位置预测中对视频监视所获取的插板图片进行识别，从而确认插板与插板底座的位置关系，利用自动化方式大大减少人工成本，同时也更加方便员工及时进行设备维护，避免插板脱落对输煤皮带的运行造成影响。
[0066]
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。