本发明涉及视觉识别应用,尤其涉及一种基于视觉技术的皮带打褶状态自动检测方法、系统及设备。
背景技术:
1、由于目前的传统技术不能自主检测皮带打褶状态,一旦出现皮带打褶,机器不能主动识别,需进行人力探查,费时又耗力,且有时在传送带行进过程中皮带的状态难以辨认,无法及时发现皮带破损会造成难以估量的损失。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有存在的问题,提出了本发明。
3、因此,本发明提供了一种基于视觉技术的皮带打褶状态自动检测方法、系统及设备,能够解决人力探查费时又耗力,且有时在传送带行进过程中皮带的状态难以辨认,无法及时发现皮带破损会造成难以估量的损失的问题。
4、为解决上述技术问题,本发明提供如下技术方案,一种基于视觉技术的皮带打褶状态自动检测方法,包括:
5、收集监控图像数据,并对所述数据进行预处理;
6、根据预处理后的数据建立样本数据训练模型;
7、训练模型中的数据经过校验后构成新算法模型,并由新算法模型输出结果。
8、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述预处理包括,判断收集到的监控数据是否为新数据;
9、若为新数据,则对新数据进行数据清洗,完成数据清洗后对数据进行自动标注;
10、若为已有数据,则直接从样本库中取出数据,所述数据直接生成训练数据,导入样本数据训练模型中。
11、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述标注包括,对排查出现异常的数据标红处理,对排查未出现异常的数据标灰处理。
12、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述建立样本数据训练模型包括,依据所述训练数据经皮带打褶检测算法、yolov4算法测算后生成训练模型。
13、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述yolov4算法包括,通过主要的算法框架,提升运算的运行速度和准确度,并且在正负样本定义阶段采用了跨邻域网格的匹配策略,从而得到更多的正样本。
14、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述皮带打褶检测算法包括,若数据标注为红色,则在算法中转录为1;
15、若数据标注为灰色,则在算法中转录为0;
16、算法中的一组数据自上一组数据结束后的第一位数起,结束于数字1,每组数据为一个周期t,第i组数据为周期ti。
17、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述皮带打褶检测算法还包括,当每个周期结束时,即算法中出现1时,系统发出预警响应,对工作人员进行故障示警。
18、作为本发明所述的基于视觉技术的皮带打褶状态自动检测方法的一种优选方案,其中:所述训练模型中的数据经过校验后构成新算法模型包括,
19、训练模型通过加入测试数据对模型进行测试,测试是否能得到反馈结果;
20、若能够得到反馈结果,则根据反馈结果构成新算法模型;
21、若不能得到反馈结果,则从样本库中取出数据,自生成训练数据流程开始进行重新运算,直至得到反馈结果。
22、所述训练模型包括,训练模型的训练流程为对大数据进行处理和训练,完成大数据训练后依据数据进行网络调参优化,并根据最终的优化结果建立训练模型。
23、作为本发明所述的基于视觉技术的皮带打褶状态自动检测系统的一种优选方案,其中:包括,
24、图像采集模块,用于采集监控图像数据;
25、数据处理模块,用于对采集到的数据进行处理;
26、训练模型,用于对数据进行训练;
27、新算法模型,用于输出最终结果。
28、作为本发明所述的基于视觉技术的皮带打褶状态自动检测设备的一种优选方案,其中:所述处理器执行所述计算机程序时实现基于视觉技术的皮带打褶状态自动检测方法及系统的步骤。
29、本发明的有益效果:本发明基于视觉技术的自动检测方法,得到了样本数据训练模型和新算法模型,样本数据训练模型和新算法模型可以通过数据测算、数据增强来达到皮带打褶状态自动检测的技术效果,本发明支持整套的算法定制服务,并且数据标定,算法训练均需在线下而非在云端进行,从而保证数据的安全可靠,保证模型训练的速度及结果、精度的一致性。
1.一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:包括,
2.如权利要求1所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述预处理包括,判断收集到的监控数据是否为新数据;
3.如权利要求2所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述标注包括,对排查出现异常的数据标红处理,对排查未出现异常的数据标灰处理。
4.如权利要求3所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述建立样本数据训练模型包括,依据所述训练数据经皮带打褶检测算法、yolov4算法测算后生成训练模型。
5.如权利要求4所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述yolov4算法包括,通过主要的算法框架,提升运算的运行速度和准确度,并且在正负样本定义阶段采用了跨邻域网格的匹配策略,从而得到更多的正样本。
6.如权利要求5所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述皮带打褶检测算法包括,若数据标注为红色,则在算法中转录为1;
7.如权利要求6所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述皮带打褶检测算法还包括,当每个周期结束时,即算法中出现1时,系统发出预警响应,对工作人员进行故障示警。
8.如权利要求7所述的一种基于视觉技术的皮带打褶状态自动检测方法,其特征在于:所述训练模型中的数据经过校验后构成新算法模型包括,
9.一种基于视觉技术的皮带打褶状态自动检测系统,其特征在于:包括,
10.一种基于视觉技术的皮带打褶状态自动检测设备,包括存储器和处理器,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。