CN111003446A - 一种皮带跑偏检测方法 - Google Patents

Abstract

本发明提供一种皮带跑偏检测方法，该方法包括以下步骤：根据皮带长度在皮带上方安装多个摄像头；对每个所述摄像头视频图像中的皮带两侧设置电子界限和偏离级别阈值；通过网络以及RTSP协议实时获取每个所述摄像头的视频图像；对所述视频图像中的皮带两侧进行边缘提取；将提取出的边缘与预先设置的电子界限进行对比，得出偏离值；将得出的偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否跑偏以及跑偏的程度。与现有技术相比，本发明方法能够实现对皮带跑偏情况的实时智能检测，提高了检测效率和准确性，有利于生产的安全顺利进行。

Description

一种皮带跑偏检测方法

技术领域

本发明涉及皮带运输技术领域，特别涉及一种皮带跑偏检测方法。

背景技术

皮带运输***是现代工业生产中运输物料的重要手段。在皮带运输过程 中，如果出现皮带跑偏的情况，不仅影响输送物料的质量、污染环境，而且会 造成机器急停等故障，带来一定的安全隐患。

现有技术主要采用人工巡检的方式对皮带跑偏情况进行检测，巡检人员定 期对皮带进行检查，当发现皮带跑偏时，巡检人员会进行停机维修，通过手工 调整机尾轴位置来逐步调整皮带位置。然而这种巡检方式不能对皮带跑偏情况 进行实时监控，导致检测效率低，且具有一定的滞后性，难以满足现代生产的 需求。

发明内容

本发明的目的在于提供一种皮带跑偏检测方法，以实现皮带跑偏的实时智 能巡检，提高检测效率和准确性。

为解决上述技术问题，本发明的实施例提供一种皮带跑偏检测方法，包括 以下步骤：

S1、根据皮带长度在皮带上方安装多个摄像头；

S2、对每个所述摄像头视频图像中的皮带两侧设置电子界限和偏离级别阈 值；

S3、通过网络以及RTSP协议实时获取每个所述摄像头的视频图像；

S4、对所述视频图像中的皮带两侧进行边缘提取；

S5、将提取出的边缘与预先设置的电子界限进行对比，得出偏离值；

S6、将得出的偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否 跑偏以及跑偏的程度。

优选地，所述步骤S1包括：

根据皮带的长度，从皮带机头开始每隔预设间距安装一个摄像头；

调整所述摄像头的照射角度，使其与皮带的运行方向垂直。

优选地，所述步骤S4包括：

S401、在所述视频图像中通过预先生成的Mask图像掩模获取皮带区域；

S402、利用高斯平滑滤波器卷积消除噪声；

S403、利用Sobel滤波器计算梯度幅值和方向；

S404、利用非极大值抑制法进行梯度边缘细化；

S405、根据预设的滞后阈值进行边缘提取。

优选地，所述步骤S403包括：

运用以下卷积阵列分别作用于x方向和y方向：

使用以下公式计算梯度幅值和方向：

将梯度方向近似到以下四个角度之一：0°、45°、90°、135°。

优选地，所述步骤S404包括：

比较当前像素的梯度幅值和正负梯度方向其他像素的梯度幅值；

如果当前像素的梯度幅值与同方向的其他像素的梯度幅值相比较是最大， 则保留其值；否则抑制，即设为0。

优选地，所述步骤S405包括：

预设两个滞后阈值，分别为高阈值和低阈值；

如果某一像素的幅值大于高阈值，该像素保留为边缘像素；

如果某一像素的幅值小于低阈值，该像素排除；

如果某一像素的幅值在高阈值和低阈值之间，该像素仅在连接到一个幅值 大于高阈值的像素时被保留。

优选地，所述高阈值与所述低阈值的比值在2:1到3:1之间。

优选地，所述步骤S5包括：

分别计算出提取的两侧边缘的四个端点与相应的电子界限之间的距离；

选取四个距离中的最大值作为用于判断的偏离值。

优选地，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向工作人员进行报警，报警方式包括声光报警、监 控屏展示报警和移动终端信息推送报警。

优选地，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向皮带电机控制器发送指令，控制皮带电机停机或 调整运行参数。

本发明的上述技术方案的有益效果如下：

上述方案中，本发明在皮带上方安装多个摄像头实时获取皮带运输时的视 频图像，通过提取皮带边缘，将皮带边缘与预先设置的电子界限进行对比得出 偏离值，然后将偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否跑 偏以及跑偏的程度，并在判断出皮带跑偏时进行报警和设备联动，实现了对皮 带跑偏情况的实时智能检测，提高了检测效率和准确性，有利于生产的安全顺 利进行。

附图说明

图1是本发明实施例提供的皮带跑偏检测方法的流程图；

图2是本发明实施例中边缘提取结果图；

图3是本发明实施例中计算偏离值的示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附 图及具体实施例进行详细描述。

本发明的实施例提供了一种皮带跑偏检测方法，如图1所示，该方法包括 以下步骤：

S1、根据皮带长度在皮带上方安装多个摄像头；

S2、对每个所述摄像头视频图像中的皮带两侧设置电子界限和偏离级别阈 值；

S3、通过网络以及RTSP协议实时获取每个所述摄像头的视频图像；

S4、对所述视频图像中的皮带两侧进行边缘提取；

S5、将提取出的边缘与预先设置的电子界限进行对比，得出偏离值；

S6、将得出的偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否 跑偏以及跑偏的程度。

上述方案中，本发明在皮带上方安装多个摄像头实时获取皮带运输时的视 频图像，通过提取皮带边缘，将皮带边缘与预先设置的电子界限进行对比得出 偏离值，然后将偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否跑 偏以及跑偏的程度，实现了对皮带跑偏情况的实时智能检测，提高了检测效率 和准确性。

进一步地，步骤S1包括：

根据皮带的长度，从皮带机头开始每隔预设间距安装一个摄像头；

调整摄像头的照射角度，使其与皮带的运行方向垂直。

例如，从皮带机头开始每个20米安装一个摄像头，对皮带的运输情况进 行监控。其中，摄像头支持RTSP、ONVIF协议，根据摄像头拍摄的视频图像， 当皮带边缘和对应的电子界线发生左偏离或右偏离的偏离值超过偏离级别阀 值时，根据具体超过哪个级别的阀值判断皮带跑偏的严重程度。

进一步地，步骤S3中获取摄像头实时视频图像的实现算法如下：

其中，cv2是opencv库，

rtsp://admin:[email protected]:554//Streaming/Channels/1为摄像头的rtsp流媒体地址，根据实际的摄像头获取，frame为实时获取到的视频图像。

进一步地，步骤S4包括：

S401、在视频图像中通过预先生成的Mask图像掩模获取皮带区域；

S402、利用高斯平滑滤波器卷积消除噪声；

S403、利用Sobel滤波器计算梯度幅值和方向；

S404、利用非极大值抑制法进行梯度边缘细化；

S405、根据预设的滞后阈值进行边缘提取。

具体地，步骤S401通过以下算法实现：

选取感兴趣区域(这里指皮带区域)：

对视频图像中与皮带有关的区域通过预先生成一个Mask图像掩模获取感 兴趣的地方，具体算法如下：

import cv2

import numpy as np

sss＝np.zeros([1280,720],dtype＝np.uint8)

sss[600:120,1200:700]＝255

image＝cv2.add(img0,np.zeros(np.shape(img0),dtype＝np.uint8),mask＝sss)

例如，通过以上算法可生成一个1280*720大小的一个图片，填充为0， 然后在500：120，1200：700区域全部填充为255，那么这个区域就是感兴趣 区域，通过这个算法初步得到皮带区域。

进一步地，步骤S402具体包括：

使用高斯平滑滤波器卷积降噪，下面显示了一个size＝5的高斯内核示例:

高斯滤波算法实现代码如下：

进一步地，步骤S403包括：

按照Sobel滤波器的步骤，运用以下卷积阵列分别作用于x方向和y方向：

使用以下公式计算梯度幅值和方向：

将梯度方向近似到以下四个角度之一：0°、45°、90°、135°。

算法实现如下：

进一步地，步骤S404包括：

比较当前像素的梯度幅值和正负梯度方向其他像素的梯度幅值；

如果当前像素的梯度幅值与同方向的其他像素的梯度幅值相比较是最大， 则保留其值；否则抑制，即设为0。

非极大值抑制是一种边缘细化方法，通常得出来的梯度边缘不止一个像素 宽，而是多个像素宽。比如Sobel算子得出来的边缘粗大而明亮，因此这样的 梯度图还是很“模糊”。而本发明方法要求，边缘只有一个精确的点宽度。非极 大值抑制能帮助保留局部最大梯度而抑制所有其他梯度值，这意味着只保留了 梯度变化中最锐利的位置。

比如当前像素的方向指向正上方90°方向，那它需要和垂直方向，它的正 上方和正下方的像素比较。

算法实现如下：

进一步地，步骤S405包括：

预设两个滞后阈值，分别为高阈值和低阈值；

如果某一像素的幅值大于高阈值，该像素保留为边缘像素；

如果某一像素的幅值小于低阈值，该像素排除；

如果某一像素的幅值在高阈值和低阈值之间，该像素仅在连接到一个幅值 大于高阈值的像素时被保留。

优选地，高阈值与低阈值的比值在2:1到3:1之间。边缘提取结果如图2 所示。

进一步地，步骤S5包括：

分别计算出提取的两侧边缘的四个端点与相应的电子界限之间的距离；

选取四个距离中的最大值作为用于判断的偏离值。

如图3所示，粗线为预先设置的电子界线，细线为经过皮带边缘提取算法 得到的皮带两侧边缘线，分别计算出1、2、3、4处的两条线之前的距离，并 取最大值作为用于判断的偏离值与偏离级别阀值进行对比，并得出偏离级别， 从而检测出皮带是否跑偏以及跑偏的严重程度。

进一步地，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向工作人员进行报警，报警方式包括声光报警、监 控屏展示报警和移动终端信息推送报警。

进一步地，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向皮带电机控制器发送指令，控制皮带电机停机或 调整运行参数。

综上所述，与现有技术相比，本发明方法能够实现对皮带跑偏情况的实时 智能检测，提高了检测效率和准确性，并能够及时报警和进行调整，有利于生 产的安全顺利进行。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种皮带跑偏检测方法，其特征在于，包括以下步骤：

S1、根据皮带长度在皮带上方安装多个摄像头；

S2、对每个所述摄像头视频图像中的皮带两侧设置电子界限和偏离级别阈值；

S3、通过网络以及RTSP协议实时获取每个所述摄像头的视频图像；

S4、对所述视频图像中的皮带两侧进行边缘提取；

S5、将提取出的边缘与预先设置的电子界限进行对比，得出偏离值；

S6、将得出的偏离值与预先设置的偏离级别阈值进行对比，判断皮带是否跑偏以及跑偏的程度。

2.根据权利要求1所述的皮带跑偏检测方法，其特征在于，所述步骤S1包括：

根据皮带的长度，从皮带机头开始每隔预设间距安装一个摄像头；

调整所述摄像头的照射角度，使其与皮带的运行方向垂直。

3.根据权利要求1所述的皮带跑偏检测方法，其特征在于，所述步骤S4包括：

S401、在所述视频图像中通过预先生成的Mask图像掩模获取皮带区域；

S402、利用高斯平滑滤波器卷积消除噪声；

S403、利用Sobel滤波器计算梯度幅值和方向；

S404、利用非极大值抑制法进行梯度边缘细化；

S405、根据预设的滞后阈值进行边缘提取。

4.根据权利要求3所述的皮带跑偏检测方法，其特征在于，所述步骤S403包括：

运用以下卷积阵列分别作用于x方向和y方向：

使用以下公式计算梯度幅值和方向：

将梯度方向近似到以下四个角度之一：0°、45°、90°、135°。

5.根据权利要求3所述的皮带跑偏检测方法，其特征在于，所述步骤S404包括：

比较当前像素的梯度幅值和正负梯度方向其他像素的梯度幅值；

如果当前像素的梯度幅值与同方向的其他像素的梯度幅值相比较是最大，则保留其值；否则抑制，即设为0。

6.根据权利要求3所述的皮带跑偏检测方法，其特征在于，所述步骤S405包括：

预设两个滞后阈值，分别为高阈值和低阈值；

如果某一像素的幅值大于高阈值，该像素保留为边缘像素；

如果某一像素的幅值小于低阈值，该像素排除；

如果某一像素的幅值在高阈值和低阈值之间，该像素仅在连接到一个幅值大于高阈值的像素时被保留。

7.根据权利要求6所述的皮带跑偏检测方法，其特征在于，所述高阈值与所述低阈值的比值在2:1到3:1之间。

8.根据权利要求1-7中任一项所述的皮带跑偏检测方法，其特征在于，所述步骤S5包括：

分别计算出提取的两侧边缘的四个端点与相应的电子界限之间的距离；

选取四个距离中的最大值作为用于判断的偏离值。

9.根据权利要求1-7中任一项所述的皮带跑偏检测方法，其特征在于，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向工作人员进行报警，报警方式包括声光报警、监控屏展示报警和移动终端信息推送报警。

10.根据权利要求1-7中任一项所述的皮带跑偏检测方法，其特征在于，所述检测方法还包括在所述步骤S6之后进行的：

当判断出皮带跑偏时，向皮带电机控制器发送指令，控制皮带电机停机或调整运行参数。

Images