CN114104653A - 一种输煤仓区域输煤皮带机智能巡检检测方法 - Google Patents
一种输煤仓区域输煤皮带机智能巡检检测方法 Download PDFInfo
- Publication number
- CN114104653A CN114104653A CN202111083653.7A CN202111083653A CN114104653A CN 114104653 A CN114104653 A CN 114104653A CN 202111083653 A CN202111083653 A CN 202111083653A CN 114104653 A CN114104653 A CN 114104653A
- Authority
- CN
- China
- Prior art keywords
- inspection
- training
- detection
- belt
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 96
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 239000003245 coal Substances 0.000 title claims description 32
- 230000007547 defect Effects 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 239000007789 gas Substances 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 4
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G15/00—Conveyors having endless load-conveying surfaces, i.e. belts and like continuous members, to which tractive effort is transmitted by means other than endless driving elements of similar configuration
- B65G15/30—Belts or like endless load-carriers
- B65G15/32—Belts or like endless load-carriers made of rubber or plastics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
- B65G2201/04—Bulk
- B65G2201/045—Sand, soil and mineral ore
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/042—Sensors
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种输煤仓区域输煤皮带机智能巡检检测方法,包括一套单条轨道、一台移动机器人、一套自动旋转云台、一套声音传感器、一套气体探测器及温湿度传感器、四套自主充电站、一套现场无线通信部署***、后台处理服务器。本发明有效避免了传统巡检***集成化、智能化程度低,难以实现现场各种信息的智能化处理判断尤其是现场皮带缺陷的人工智能检测;避免传统巡检依赖监控人员判读带来的主观性、滞后性以及可能造成的事故遗漏,通过皮带缺陷检测,避免因皮带以外断裂造成的重大损失。
Description
技术领域
本发明专利涉及电厂、钢铁冶金、煤炭化工等行业,特别涉及一种输煤仓区域输煤皮带机智能巡检检测方法。
背景技术
现有的式巡检***主要还是作为移动的监控平台来使用,即主要功能为以移动机器人为载体,集成相机、红外相机等传感器,实现现场环境视频,温度等的信息采集,依靠后台人员不间断人工查阅监控视频、现场返回数据等手段实现现场问题点的发现。受后台人员的主观性因素影响,可靠性低,实时性差,难以及时有效的避免安全事故的产生及响应。
现有巡检***集成化程度低,各种传感器仅仅实现信息的返回,却难以实现现场各种信息的智能化处理判断;一方面缺少智能化视频解析后台算法接入,返回的现场视频数据只能通过人工目视判断;二是因为现场工况复杂,光线变化,导致一般传统的视觉检测算法稳定性差,存在大量误报、漏报;三是对于设备泄露、皮带使用过程中的磨损、撕裂等缺陷,需采用基于深度学习的人工智能检测技术实施,技术壁垒高、难度大,难以工程化实施。
发明内容
本发明的目的是提供巡检***集成化、智能化程度高的一种输煤仓区域输煤皮带机智能巡检检测方法。
一种输煤仓区域输煤皮带机智能巡检检测方法,包括一套单条轨道、一台移动机器人、一套自动旋转云台、一套声音传感器、一套气体探测器及温湿度传感器、四套自主充电站、一套现场无线通信部署***、后台处理服务器;
一套单条轨道:通过吊架组件固定现场合适位置的顶部墙体或钢架实施,用于提供移动机器人轨道路线;
一台移动机器人:挂接在轨道上,提供传感器搭载平台以及巡检移动平台,具体包括底盘模块、安全防护模块、前端搭载模块、可见光监控***、红外热成像仪***、通信模块;
一套自动旋转云台:搭载可见光相机和红外热成像仪,实现水平方向:0~360°旋转;垂直方向:-90°~90°方向旋转;
一套声音传感器:用于采集现场异常声音;
一套气体探测器及温湿度传感器:用于有害气体检测和温湿度检测;
四套自主充电站:实现移动机器人自主充电;
一套现场无线通信部署***:为现场提供网络环境;
后台处理服务器:接收前端视频图像数据、红外图像数据、各种传感器数据,运动控制指令传输,部署后台管理软件和检测算法运行。
优选的,所述方法步骤如下:
A.轨道设计为S形,轨道沿途巡视视野覆盖甲、乙、丙三条皮带区域,巡检机器人从一端开始,巡视完成一周后,原路返回;
B.轨道每间隔两米,设定定位标签,实现机器人实时轨道位置信息反馈;
C.皮带一端设定自动充电桩,巡检机器人自带电池电量检测电路, 且可人工设置电量报警下限,电量低于设置值时则会自动停止当前巡检任务,同时发出警报,自主运行到充电点进行充电;
D.现场部署无线通信设备,实现数据传输控制指令交互;
E.软件界面可设置巡检机器人巡检模式:定时巡检、定点巡检、指定任务临时巡检、遥控巡检多种巡检方式;
F.根据巡检甲、乙、丙输送皮带位置,通过软件自动设定云台方向角度;旋转云台搭载红外热像仪、可见光高清相机,旋转云台水平方向:0~360°;垂直方向:-90°~90°;
G.日常巡检过程中,视频图像,红外图像、环境温湿度、有害气体、声音数据实时回传;
H.后台服务器接收前端数据,数据结果界面显示;
I.服务器红外图像分析检测算法实时运行,检测设备运行表面温度,异常报警,界面显示;
J.服务器声音频谱分析算法实时运行,检测现场异常声音判断设备运行异常状态;
K.巡检机器人以固定时间周期移动到甲、乙、丙皮带一端指定工位悬停,云台旋转预先设定角度,结合皮带运行一个周期时间,静止拍摄对应运行皮带视频,视频图像回传后台服务器;
L.后台服务器接收前端视频图像,皮带检测算法检测皮带表面缺陷;
M.后台软件报警,后台人员可控制机器人、云台对报警区域重点巡视排查;
N.巡检机器人采用停障***,遇到障碍会停障并报警;
O.后台界面显示机器人实时运行状态信息。
优选的,所述步骤I中设备表面温度测量方法具体为:通过红外图像获取视野内多点温度值,计算多点温度平均值,通过设定温度值阈值,实现温度最大值,平均值计算。
优选的,所述步骤J中现场异常声音检测方法具体为:现场设备正常工作时产生的工作噪声作为背景噪声,当出现故障时产生的噪声成为异常噪声,考虑异常噪声相对比较稳定的现场背景噪声来说,一般处于不同的频段,频域特征存在比较明显的差异;对返回的音频信息经过音频降噪算法后通过快速傅里叶变换进行频谱分析,得到各个频率段的频谱特征。通过背景噪声建模等手段,实现声音异常检测。
优选的,所述步骤L中皮带缺陷检测方法具体为:采用基于深度学习的人工智能检测技术,包括训练和检测两个环节;训练:现场收集对应缺陷图像,进行人工标注,在现有模型基础上通过迁移学习方式训练,得到可检测的网络模型;检测:预先加载训练好的模型到服务器GPU,对采集的图像进行检测,缺陷位置标注显示。
优选的,所述模型训练方法具体为:由于在训练时基础网络部分常常会生成比原图小数十倍的特征图,导致小的缺陷特征描述不容易被检测网络捕捉学习;结合缺陷大小,形态分布特征考虑,通过增加输入图像的尺度多样性,采用多尺度训练方式,预先定义几个固定尺度,每个epoch随机选择一个尺度进行训练一次来提升训练模型精度。
优选的,所述步骤L中模型训练方法具体为:由于前期数据缺陷样本有限,采用数据增强方式对样本进行处理后进行训练;通过数据增强,增加训练样本的数量以及多样性,增加噪声数据,提升模型鲁棒性;随机改变训练样本,降低模型对某些属性的依赖,提高模型的泛化能力;对图像进行不同方式的裁剪,让缺陷以不同的实例出现在图像的不同位置,降低模型对目标位置的敏感性;调整亮度、对比度、饱和度和色调等因素来降低模型对色彩的敏感度;
优选的,所述步骤L中的模型训练方法具体为:对于模型的训练,采用梯度下降算法进行迭代学习,对于可能产生的过拟合情况,采用迭代次数截断的方式来进行防止;即在模型对训练数据集迭代收敛之前停止迭代来实现;具体为在每个epoch结束前,计算训练精度,当训练精度经过设定迭代次数后(如10次)不再提升以及提升不明显情况下停止迭代。
优选的,所述步骤L中模型训练方法具体为:考虑到缺陷种类特点,本发明中将皮带表面缺陷如边损,撕裂等缺陷作为大类进行训练,在实际检测时,采用精确度Precision和召回率Recall作为判断模型训练评价标准。
与现有技术相比,本发明的有益之处在于:
1、能有效实现现场设备运行表面温度自动检测;
2、能有效实现现场环境、有害气体检测;
3、能有效识别皮带使用过程中产生的缺陷;
4、真正实现无人化、智能化自动巡检,客服传统人工巡检以及普通巡检机器人仅仅作为移动监控巡检的弊端。
本发明通过轨道式移动巡检机器人、多传感器融合以及人工智能技术、视觉检测技术的全天候全自动智能巡检方法,取得以下有益效果:一是能有效实现现场设备运行表面温度自动检测;二是能有效实现现场环境、有害气体检测;三是能有效识别皮带使用过程中产生的缺陷,四是真正实现无人化、智能化自动巡检,客服传统人工巡检以及普通巡检机器人仅仅作为移动监控巡检的弊端。
本发明有效避免了传统巡检***集成化、智能化程度低,难以实现现场各种信息的智能化处理判断尤其是现场皮带缺陷的人工智能检测;避免传统巡检依赖监控人员判读带来的主观性、滞后性以及可能造成的事故遗漏,通过皮带缺陷检测,避免因皮带以外断裂造成的重大损失。
附图说明
图1是本发明轨道部署图:
图2为本发明的流程示意图。
具体实施方式
如图1所示,一种输煤仓区域输煤皮带机智能巡检检测方法,包括一套单条轨道、一台移动机器人、一套自动旋转云台、一套声音传感器、一套气体探测器及温湿度传感器、四套自主充电站、一套现场无线通信部署***、后台处理服务器;
一套单条轨道:通过吊架组件固定现场合适位置的顶部墙体或钢架实施,用于提供移动机器人轨道路线;
一台移动机器人:挂接在轨道上,提供传感器搭载平台以及巡检移动平台,具体包括底盘模块、安全防护模块、前端搭载模块、可见光监控***、红外热成像仪***、通信模块;
一套自动旋转云台:搭载可见光相机和红外热成像仪,实现水平方向:0~360°旋转;垂直方向:-90°~90°方向旋转;
一套声音传感器:用于采集现场异常声音;
一套气体探测器及温湿度传感器:用于有害气体检测和温湿度检测;
四套自主充电站:实现移动机器人自主充电;
一套现场无线通信部署***:为现场提供网络环境;
后台处理服务器:接收前端视频图像数据、红外图像数据、各种传感器数据,运动控制指令传输,部署后台管理软件和检测算法运行。
上述方法步骤如下:
A.轨道设计为S形,轨道沿途巡视视野覆盖甲、乙、丙三条皮带区域,巡检机器人从一端开始,巡视完成一周后,原路返回;
B.轨道每间隔两米,设定定位标签,实现机器人实时轨道位置信息反馈;
C.皮带一端设定自动充电桩,巡检机器人自带电池电量检测电路, 且可人工设置电量报警下限,电量低于设置值时则会自动停止当前巡检任务,同时发出警报,自主运行到充电点进行充电;
D.现场部署无线通信设备,实现数据传输控制指令交互;
E.软件界面可设置巡检机器人巡检模式:定时巡检、定点巡检、指定任务临时巡检、遥控巡检多种巡检方式;
F.根据巡检甲、乙、丙输送皮带位置,通过软件自动设定云台方向角度;旋转云台搭载红外热像仪、可见光高清相机,旋转云台水平方向:0~360°;垂直方向:-90°~90°;
G.日常巡检过程中,视频图像,红外图像、环境温湿度、有害气体、声音数据实时回传;
H.后台服务器接收前端数据,数据结果界面显示;
I.服务器红外图像分析检测算法实时运行,检测设备运行表面温度,异常报警,界面显示;
J.服务器声音频谱分析算法实时运行,检测现场异常声音判断设备运行异常状态;
K.巡检机器人以固定时间周期移动到甲、乙、丙皮带一端指定工位悬停,云台旋转预先设定角度,结合皮带运行一个周期时间,静止拍摄对应运行皮带视频,视频图像回传后台服务器;
L.后台服务器接收前端视频图像,皮带检测算法检测皮带表面缺陷;
M.后台软件报警,后台人员可控制机器人、云台对报警区域重点巡视排查;
N.巡检机器人采用停障***,遇到障碍会停障并报警;
O.后台界面显示机器人实时运行状态信息。
上述步骤I中设备表面温度测量方法具体为:通过红外图像获取视野内多点温度值,计算多点温度平均值,通过设定温度值阈值,实现温度最大值,平均值计算。
上述步骤J中现场异常声音检测方法具体为:现场设备正常工作时产生的工作噪声作为背景噪声,当出现故障时产生的噪声成为异常噪声,考虑异常噪声相对比较稳定的现场背景噪声来说,一般处于不同的频段,频域特征存在比较明显的差异;对返回的音频信息经过音频降噪算法后通过快速傅里叶变换进行频谱分析,得到各个频率段的频谱特征。通过背景噪声建模等手段,实现声音异常检测。
上述步骤L中皮带缺陷检测方法具体为:采用基于深度学习的人工智能检测技术,包括训练和检测两个环节;训练:现场收集对应缺陷图像,进行人工标注,在现有模型基础上通过迁移学习方式训练,得到可检测的网络模型;检测:预先加载训练好的模型到服务器GPU,对采集的图像进行检测,缺陷位置标注显示。
上述模型训练方法具体为:由于在训练时基础网络部分常常会生成比原图小数十倍的特征图,导致小的缺陷特征描述不容易被检测网络捕捉学习;结合缺陷大小,形态分布特征考虑,通过增加输入图像的尺度多样性,采用多尺度训练方式,预先定义几个固定尺度,每个 epoch随机选择一个尺度进行训练一次来提升训练模型精度。
上述步骤L中模型训练方法具体为:由于前期数据缺陷样本有限,采用数据增强方式对样本进行处理后进行训练;通过数据增强,增加训练样本的数量以及多样性,增加噪声数据,提升模型鲁棒性;随机改变训练样本,降低模型对某些属性的依赖,提高模型的泛化能力;对图像进行不同方式的裁剪,让缺陷以不同的实例出现在图像的不同位置,降低模型对目标位置的敏感性;调整亮度、对比度、饱和度和色调等因素来降低模型对色彩的敏感度;
上述步骤L中的模型训练方法具体为:对于模型的训练,采用梯度下降算法进行迭代学习,对于可能产生的过拟合情况,采用迭代次数截断的方式来进行防止;即在模型对训练数据集迭代收敛之前停止迭代来实现;具体为在每个epoch结束前,计算训练精度,当训练精度经过设定迭代次数后(如10次)不再提升以及提升不明显情况下停止迭代。
上述步骤L中模型训练方法具体为:考虑到缺陷种类特点,本发明中将皮带表面缺陷如边损,撕裂等缺陷作为大类进行训练,在实际检测时,采用精确度Precision和召回率Recall作为判断模型训练评价标准。
以下结合附图对本发明专利进行进一步说明。
如图1所示,现场轨道布局为S形,覆盖甲乙丙三条皮带机,轨道间隔2米设定定位标签;巡检机器人从初始位置自检完成后开始日常巡检,根据巡检皮带序号软件自动设定巡检模式和云台相机位置姿态;皮带机甲和皮带机丙一侧设置充电桩A和充电桩B;巡检机器人从开始位置巡检完成后沿途返回。
皮带机甲巡检:巡检机器人初始位置待机状态下,检测后台软件程序指令,接收到对应指令后,运动模块,通信模块,电池电量等进行自检,并调整云台相机位置姿态,在驱动***作用下(如图2所示),对皮带机甲进行巡检,现场数据(视频、温度、声音、温湿度、有害气体)、机器人位置信息通过现场部署无线通信设备实时返回后台中心软件。
巡检机器人运行至充电桩A位置,自动检测电池电量,电量小于预先设定充电阈值后,自行充电;电量充足情况下则正常运行。此外,对于自动充电,通过软件可预设两种模式:固定时间和自主充电方式。固定时间模式下可直接设置挂轨巡检机器人的每日充电时间,则到达指定时间时,挂轨巡检机器人将停止当前巡检任务,自主运行至充电点充电;自主充电模式下巡检机器人本体自带电池电量检测电路,且可人工设置电量报警下限,一旦机器人检测到电池电量低于设置值时则会自动停止当前巡检任务,同时发出警报,之后自主运行到充电点进行充电。
结合输煤皮带机日常运行时间设定皮带缺陷检测周期频次,在对应时段内,机器人运行至皮带甲端测,发送指令至后台软件,确认是否进行皮带缺陷检测。收到检测指令后,悬停并开始调整云台与相机位姿,静止拍摄一个皮带运行周期视频并回传至服务器;接收到后台指令交互后继续日常巡检。服务器自行对视频进行皮带缺陷检测,为保证检测精度,采用基于深度学习的人工智能缺陷检测手段对视频进行分析,记录检测结果并提示。
后台软件根据实时返回的红外视频数据自动检测现场设备表面温度信息,对返回的声音数据自动进行频谱分析,检测异常声音;现场温湿度信息、有害气体含量后台软件同步显示。
皮带机乙巡检:软件根据机器人反馈标签信息,发送云台相机位姿调整信息,对皮带机乙进行巡检,检测流程同皮带机甲;根据皮带机乙工作时间进行皮带表面缺陷检测,流程同皮带甲。
皮带机丙巡检:软件根据机器人反馈标签信息,发送云台相机位姿调整信息,对皮带机丙进行巡检,检测流程同皮带机甲;运行至充电桩B处,自检是否需要充电;根据皮带机丙工作时间进行皮带表面缺陷检测,流程同皮带甲。
巡检机器人按照皮带机甲-皮带机乙-皮带机丙顺序正向巡检,完成后按照皮带机丙-皮带机乙-皮带机甲顺序逆向巡检。
机器人运动模块由内部齿轮和四组从动滚轮组成,现场坡度情况下最高12m/min的直行速度,机器人转弯半径≥150CM。自动升降 0-50cm;挂轨巡检机器人采用停障***,对障碍物和现场工作人员进行探测,遇到障碍会停障并报警。
如图1所示,根据现场设定巡检路径为单条轨道,巡视区域覆盖输送皮带机;轨道型材采用钢制型材,可拼接为U型弯和S型弯,可以根据现场环境进行设计,机器人轨道通过专用吊架组件固定在中合适位置的顶部墙体或钢架上,轨道吊架的安装间距:直轨1.5米安装一套,弯轨1米安装1套。
本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。
Claims (9)
1.一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,包括一套单条轨道、一台移动机器人、一套自动旋转云台、一套声音传感器、一套气体探测器及温湿度传感器、四套自主充电站、一套现场无线通信部署***、后台处理服务器;
一套单条轨道:通过吊架组件固定现场合适位置的顶部墙体或钢架实施,用于提供移动机器人轨道路线;
一台移动机器人:挂接在轨道上,提供传感器搭载平台以及巡检移动平台,具体包括底盘模块、安全防护模块、前端搭载模块、可见光监控***、红外热成像仪***、通信模块;
一套自动旋转云台:搭载可见光相机和红外热成像仪,实现水平方向:0~360°旋转;垂直方向:-90°~90°方向旋转;
一套声音传感器:用于采集现场异常声音;
一套气体探测器及温湿度传感器:用于有害气体检测和温湿度检测;
四套自主充电站:实现移动机器人自主充电;
一套现场无线通信部署***:为现场提供网络环境;
后台处理服务器:接收前端视频图像数据、红外图像数据、各种传感器数据,运动控制指令传输,部署后台管理软件和检测算法运行。
2.根据权利要求1所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述方法步骤如下:
A.轨道设计为S形,轨道沿途巡视视野覆盖甲、乙、丙三条皮带区域,巡检机器人从一端开始,巡视完成一周后,原路返回;
B.轨道每间隔两米,设定定位标签,实现机器人实时轨道位置信息反馈;
C.皮带一端设定自动充电桩,巡检机器人自带电池电量检测电路,且可人工设置电量报警下限,电量低于设置值时则会自动停止当前巡检任务,同时发出警报,自主运行到充电点进行充电;
D.现场部署无线通信设备,实现数据传输控制指令交互;
E.软件界面可设置巡检机器人巡检模式:定时巡检、定点巡检、指定任务临时巡检、遥控巡检多种巡检方式;
F.根据巡检甲、乙、丙输送皮带位置,通过软件自动设定云台方向角度;旋转云台搭载红外热像仪、可见光高清相机,旋转云台水平方向:0~360°;垂直方向:-90°~90°;
G.日常巡检过程中,视频图像,红外图像、环境温湿度、有害气体、声音数据实时回传;
H.后台服务器接收前端数据,数据结果界面显示;
I.服务器红外图像分析检测算法实时运行,检测设备运行表面温度,异常报警,界面显示;
J.服务器声音频谱分析算法实时运行,检测现场异常声音判断设备运行异常状态;
K.巡检机器人以固定时间周期移动到甲、乙、丙皮带一端指定工位悬停,云台旋转预先设定角度,结合皮带运行一个周期时间,静止拍摄对应运行皮带视频,视频图像回传后台服务器;
L.后台服务器接收前端视频图像,皮带检测算法检测皮带表面缺陷;
M.后台软件报警,后台人员可控制机器人、云台对报警区域重点巡视排查;
N.巡检机器人采用停障***,遇到障碍会停障并报警;
O.后台界面显示机器人实时运行状态信息。
3.根据权利要求2所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述步骤I中设备表面温度测量方法具体为:通过红外图像获取视野内多点温度值,计算多点温度平均值,通过设定温度值阈值,实现温度最大值,平均值计算。
4.根据权利要求2所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述步骤J中现场异常声音检测方法具体为:现场设备正常工作时产生的工作噪声作为背景噪声,当出现故障时产生的噪声成为异常噪声,考虑异常噪声相对比较稳定的现场背景噪声来说,一般处于不同的频段,频域特征存在比较明显的差异;对返回的音频信息经过音频降噪算法后通过快速傅里叶变换进行频谱分析,得到各个频率段的频谱特征。通过背景噪声建模等手段,实现声音异常检测。
5.根据权利要求2所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述步骤L中皮带缺陷检测方法具体为:采用基于深度学习的人工智能检测技术,包括训练和检测两个环节;训练:现场收集对应缺陷图像,进行人工标注,在现有模型基础上通过迁移学习方式训练,得到可检测的网络模型;检测:预先加载训练好的模型到服务器GPU,对采集的图像进行检测,缺陷位置标注显示。
6.根据权利要求5所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述模型训练方法具体为:由于在训练时基础网络部分常常会生成比原图小数十倍的特征图,导致小的缺陷特征描述不容易被检测网络捕捉学习;结合缺陷大小,形态分布特征考虑,通过增加输入图像的尺度多样性,采用多尺度训练方式,预先定义几个固定尺度,每个epoch随机选择一个尺度进行训练一次来提升训练模型精度。
7.根据权利要求5所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述模型训练方法具体为:由于前期数据缺陷样本有限,采用数据增强方式对样本进行处理后进行训练;通过数据增强,增加训练样本的数量以及多样性,增加噪声数据,提升模型鲁棒性;随机改变训练样本,降低模型对某些属性的依赖,提高模型的泛化能力;对图像进行不同方式的裁剪,让缺陷以不同的实例出现在图像的不同位置,降低模型对目标位置的敏感性;调整亮度、对比度、饱和度和色调等因素来降低模型对色彩的敏感度。
8.根据权利要求5所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述模型训练方法具体为:对于模型的训练,采用梯度下降算法进行迭代学习,对于可能产生的过拟合情况,采用迭代次数截断的方式来进行防止;即在模型对训练数据集迭代收敛之前停止迭代来实现;具体为在每个epoch结束前,计算训练精度,当训练精度经过设定迭代次数后(如10次)不再提升以及提升不明显情况下停止迭代。
9.根据权利要求5所述的一种输煤仓区域输煤皮带机智能巡检检测方法,其特征在于,所述模型训练方法具体为:考虑到缺陷种类特点,本发明中将皮带表面缺陷如边损,撕裂等缺陷作为大类进行训练,在实际检测时,采用精确度Precision和召回率Recall作为判断模型训练评价标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083653.7A CN114104653A (zh) | 2021-09-14 | 2021-09-14 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083653.7A CN114104653A (zh) | 2021-09-14 | 2021-09-14 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114104653A true CN114104653A (zh) | 2022-03-01 |
Family
ID=80441209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111083653.7A Pending CN114104653A (zh) | 2021-09-14 | 2021-09-14 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114104653A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114454139A (zh) * | 2022-03-07 | 2022-05-10 | 华夏天信(北京)机器人有限公司 | 挂轨巡检机器人*** |
CN114563179A (zh) * | 2022-03-02 | 2022-05-31 | 福建双延兴业传动科技股份有限公司 | 一种皮带轮测试机及其测试方法 |
CN114609158A (zh) * | 2022-05-12 | 2022-06-10 | 山东通广电子有限公司 | 一种基于深度学习的变电设备目标及缺陷智能检测设备 |
CN114879655A (zh) * | 2022-03-24 | 2022-08-09 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
CN116513747A (zh) * | 2023-05-29 | 2023-08-01 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3792459A (en) * | 1972-03-20 | 1974-02-12 | F Snyder | Conveyor belt rip detector |
KR20010060715A (ko) * | 1999-12-27 | 2001-07-07 | 이구택 | 벨트콘베이어 결함검출장치 |
KR100939984B1 (ko) * | 2009-06-10 | 2010-02-03 | (주)캔두 | 영상인식을 통한 마킹 제어 방법 및 시스템 |
CN107846078A (zh) * | 2017-11-15 | 2018-03-27 | 天津市普迅电力信息技术有限公司 | 一种基于电力4g数据传输的变电站内日常巡视***及其作业方法 |
CN108388194A (zh) * | 2018-03-27 | 2018-08-10 | 中铁第勘察设计院集团有限公司 | 铁路机房智能机器人巡检***及其方法 |
CN110619618A (zh) * | 2018-06-04 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 一种表面缺陷检测方法、装置及电子设备 |
CN111060514A (zh) * | 2019-12-02 | 2020-04-24 | 精锐视觉智能科技(上海)有限公司 | 缺陷检测方法、装置及终端设备 |
CN213239483U (zh) * | 2020-11-19 | 2021-05-18 | 武汉瑞丽森智能设备有限公司 | 一种输煤巡检机器人*** |
CN113023293A (zh) * | 2021-02-08 | 2021-06-25 | 精锐视觉智能科技(深圳)有限公司 | 一种皮带机的巡检方法、装置、设备及*** |
-
2021
- 2021-09-14 CN CN202111083653.7A patent/CN114104653A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3792459A (en) * | 1972-03-20 | 1974-02-12 | F Snyder | Conveyor belt rip detector |
KR20010060715A (ko) * | 1999-12-27 | 2001-07-07 | 이구택 | 벨트콘베이어 결함검출장치 |
KR100939984B1 (ko) * | 2009-06-10 | 2010-02-03 | (주)캔두 | 영상인식을 통한 마킹 제어 방법 및 시스템 |
CN107846078A (zh) * | 2017-11-15 | 2018-03-27 | 天津市普迅电力信息技术有限公司 | 一种基于电力4g数据传输的变电站内日常巡视***及其作业方法 |
CN108388194A (zh) * | 2018-03-27 | 2018-08-10 | 中铁第勘察设计院集团有限公司 | 铁路机房智能机器人巡检***及其方法 |
CN110619618A (zh) * | 2018-06-04 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 一种表面缺陷检测方法、装置及电子设备 |
CN111060514A (zh) * | 2019-12-02 | 2020-04-24 | 精锐视觉智能科技(上海)有限公司 | 缺陷检测方法、装置及终端设备 |
CN213239483U (zh) * | 2020-11-19 | 2021-05-18 | 武汉瑞丽森智能设备有限公司 | 一种输煤巡检机器人*** |
CN113023293A (zh) * | 2021-02-08 | 2021-06-25 | 精锐视觉智能科技(深圳)有限公司 | 一种皮带机的巡检方法、装置、设备及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114563179A (zh) * | 2022-03-02 | 2022-05-31 | 福建双延兴业传动科技股份有限公司 | 一种皮带轮测试机及其测试方法 |
CN114563179B (zh) * | 2022-03-02 | 2023-08-22 | 福建双延兴业传动科技股份有限公司 | 一种皮带轮测试机及其测试方法 |
CN114454139A (zh) * | 2022-03-07 | 2022-05-10 | 华夏天信(北京)机器人有限公司 | 挂轨巡检机器人*** |
CN114879655A (zh) * | 2022-03-24 | 2022-08-09 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
CN114879655B (zh) * | 2022-03-24 | 2022-12-02 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
CN114609158A (zh) * | 2022-05-12 | 2022-06-10 | 山东通广电子有限公司 | 一种基于深度学习的变电设备目标及缺陷智能检测设备 |
CN116513747A (zh) * | 2023-05-29 | 2023-08-01 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
CN116513747B (zh) * | 2023-05-29 | 2023-10-03 | 厦门力祺环境工程有限公司 | 一种基于三维仿真模型的智能一体化安全管控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114104653A (zh) | 一种输煤仓区域输煤皮带机智能巡检检测方法 | |
CN109941700B (zh) | 输煤***智能无人巡检*** | |
CN107941988B (zh) | 一种检测气体污染源的无人机设备及监测方法 | |
CN210233046U (zh) | 一种轨道式地下综合管廊巡检机器人及*** | |
CN107390676B (zh) | 隧道巡检机器人及隧道巡检*** | |
CN109961157B (zh) | 太阳能光伏发电***的巡检方法及*** | |
CN110695958A (zh) | 一种适用于化工防爆巡检机器人 | |
CN211955374U (zh) | 一种用于检测有限空间作业环境的检测装置、检测*** | |
CN112581645A (zh) | 一种电缆隧道协同巡检方法及*** | |
CN106681333A (zh) | 一种提高变电站巡检机器人稳定性的方法及*** | |
CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测*** | |
CN113023293A (zh) | 一种皮带机的巡检方法、装置、设备及*** | |
CN108566538A (zh) | 基于红外-可见光融合跟踪的圆形煤场人员安全防护与自燃的监控***及方法 | |
CN108688805A (zh) | 应用于受限空间安全探测的无人机 | |
CN111928889A (zh) | 一种智能水质监控*** | |
CN110647170A (zh) | 一种基于无人机的航标巡检装置与方法 | |
CN204408502U (zh) | 应用蓝牙定位进行自动巡逻之机器人监控*** | |
CN108155595A (zh) | 变电站电缆沟智能巡视*** | |
CN110703760A (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
CN113771053A (zh) | 一种具有智能巡检预警功能的机器人 | |
CN210835732U (zh) | 一种基于无人机的航标巡检装置 | |
CN115131937A (zh) | 一种基于传感器与深度学习的森林火情预警方法 | |
CN115562349A (zh) | 一种无人机与地面巡检机器人协同作业的巡检方法及装置 | |
CN110333320B (zh) | 粮仓漏气及三维温度的空中与仓壁无线联动检测装置和方法 | |
CN210220663U (zh) | 烧结机台车轮工作状态检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |