一种基于机器视觉的皮带检测算法的制作方法

1.本发明涉及皮带检测技术领域，具体为一种基于机器视觉的皮带检测算法。


背景技术：

2.工业皮带有工业传动带、汽车传动带和输送带三大类，前两种都属于传动带，传动带用于传递机械动力的胶带，包括平型传动胶带和三角传动胶带，由橡胶和增强材料构成，以多层挂胶帆布、合成纤维织物、帘线和钢丝等作抗拉层，覆合橡胶后经成型、硫化而制成。广泛用于各种的动力传动，传动带是将原动机的电机或发动机旋转产生的动力，通过带轮由胶带传导到机械设备上，故又称之为动力带，它是机电设备的核心联结部件，种类异常繁多，用途极为广泛，从大到几千千瓦的巨型电机，小到不足一个千瓦的微型电机，甚至包括家电、计算机、机器人等精密机械在内都离不开传动带。它的最大特点是可以自由变速，远近传动，结构简单，更换方便，所以，从原始机械到现代自动设备都有传动带的身影，产品历经多次演变，技术日臻成熟。
3.皮带在使用过程中会因受力过大或者老化出现撕裂，因此需要对皮带进行状态检测，以往的皮带撕裂多是用人工的方式去查看，费时又费力，对此，一般会采用机器视觉的方法去实时检测皮带的撕裂，目前市面上的主流方法有：皮带撕裂检测器、激光辅助进行视觉检测和神经网络进行目标检测，但是皮带撕裂检测器和激光辅助方法无法检测皮带底下的小撕裂，而小撕裂往往是演变成大撕裂的前置因素，所以小撕裂检测是非常关键的，而第三种方法因为样本非常小，所以误检、漏检的几率比较大，不适合工业使用。


技术实现要素：

4.本发明的目的在于提供一种基于机器视觉的皮带检测算法，具备实时准确的优点，解决了皮带撕裂检测器和激光辅助方法无法检测皮带底下的小撕裂，而小撕裂往往是演变成大撕裂的前置因素，所以小撕裂检测是非常关键的，而第三种方法因为样本非常小，所以误检、漏检的几率比较大，不适合工业使用的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于机器视觉的皮带检测算法，包括如下步骤：
6.a、首先通过摄像头读取视频帧；
7.a1、通过摄像头对皮带表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；
8.b、单独过滤出皮带、去除背景噪音；
9.b1、单独提取出运动中的皮带进行处理，对于撕裂等异常图像进行区域性识别特征，对于满足设定阈值的则认定为撕裂；
10.c、检测皮带是否存在异常区域；
11.c1、选择前面几个最有可能的模型作为背景模型，提取出背景模型后，则可以过滤出皮带进行单独的检测；
12.d、发送信号至服务端报警，并保存视频片段；
13.d1、检测到皮带撕裂区域后会发送信号至服务终端提醒操作者，并且会对皮带撕裂区域进行视频保存。
14.优选的，所述步骤a中的摄像头为rgb摄像头，且rgb摄像头的像素为1080p，步骤a通过算法区分背景和皮带，提取出背景。
15.优选的，所述步骤c中在检测到皮带存在异常时会通过步骤d发送信号至服务端报警，并保存视频片段。
16.优选的，所述步骤c中在检测到皮带不存在异常时会通过步骤a继续通过摄像头读取视频帧。
17.优选的，所述步骤a中摄像头应避免运动，尽量避免在低光照环境下检测，摄像头前不可有遮挡或过人。
18.与现有技术相比，本发明的有益效果如下：
19.1、本发明通过采用rgb摄像头进行撕裂实时检测，有效降低了硬件成本以及特殊场景下无法安装额外硬件的问题，对于神经网络可能出现的漏检情况，进行了原理性的优化，在保证实时性、精确性的情况下，对于皮带断裂预警起到了关键性的作用，基于机器视觉来定位视频帧中出现的疑似撕裂物体，对于处理速度、输出精度都会有明显提升，处理速度快、精度高，单独提取出了运动中的皮带进行处理，对于撕裂等异常图像进行区域性识别特征，对于满足设定阈值后则认定为撕裂，解决了皮带撕裂检测器和激光辅助方法无法检测皮带底下的小撕裂，而小撕裂往往是演变成大撕裂的前置因素，所以小撕裂检测是非常关键的，而第三种方法因为样本非常小，所以误检、漏检的几率比较大，不适合工业使用的问题。
附图说明
20.图1为本发明工作原理示意图。
具体实施方式
21.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.本发明的部件均为通用标准件或本领域技术人员知晓的部件，其结构和原理都为本技术人员均可通过技术手册得知或通过常规实验方法获知。
23.请参阅图1，一种基于机器视觉的皮带检测算法，包括如下步骤：
24.a、首先通过摄像头读取视频帧；
25.a1、通过摄像头对皮带表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；
26.b、单独过滤出皮带、去除背景噪音；
27.b1、单独提取出运动中的皮带进行处理，对于撕裂等异常图像进行区域性识别特征，对于满足设定阈值的则认定为撕裂；
28.c、检测皮带是否存在异常区域；
29.c1、选择前面几个最有可能的模型作为背景模型，提取出背景模型后，则可以过滤出皮带进行单独的检测；
30.d、发送信号至服务端报警，并保存视频片段；
31.d1、检测到皮带撕裂区域后会发送信号至服务终端提醒操作者，并且会对皮带撕裂区域进行视频保存。
32.通过采用rgb摄像头进行撕裂实时检测，有效降低了硬件成本以及特殊场景下无法安装额外硬件的问题，对于神经网络可能出现的漏检情况，进行了原理性的优化，在保证实时性、精确性的情况下，对于皮带断裂预警起到了关键性的作用，基于机器视觉来定位视频帧中出现的疑似撕裂物体，对于处理速度、输出精度都会有明显提升，处理速度快、精度高，单独提取出了运动中的皮带进行处理，对于撕裂等异常图像进行区域性识别特征，对于满足设定阈值后则认定为撕裂，解决了皮带撕裂检测器和激光辅助方法无法检测皮带底下的小撕裂，而小撕裂往往是演变成大撕裂的前置因素，所以小撕裂检测是非常关键的，而第三种方法因为样本非常小，所以误检、漏检的几率比较大，不适合工业使用的问题。
33.本实施例中，具体的，所述步骤a中的摄像头为rgb摄像头，且rgb摄像头的像素为1080p，步骤a通过算法区分背景和皮带，提取出背景。
34.本实施例中，具体的，所述步骤c中在检测到皮带存在异常时会通过步骤d发送信号至服务端报警，并保存视频片段。
35.本实施例中，具体的，所述步骤c中在检测到皮带不存在异常时会通过步骤a继续通过摄像头读取视频帧。
36.本实施例中，具体的，所述步骤a中摄像头应避免运动，尽量避免在低光照环境下检测，摄像头前不可有遮挡或过人。
37.实施例二：
38.在实施例一中，再加上下述实施方案：
39.一种基于机器视觉的皮带检测算法，包括如下步骤：
40.a、首先通过摄像头读取视频帧；
41.a1、通过摄像头对皮带表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；
42.b、单独过滤出皮带、去除背景噪音；
43.b1、单独提取出运动中的皮带进行处理，对于撕裂等异常图像进行区域性识别特征，对于满足设定阈值的则认定为撕裂；
44.c、检测皮带是否存在异常区域；
45.c1、选择前面几个最有可能的模型作为背景模型，提取出背景模型后，则可以过滤出皮带进行单独的检测；
46.d、发送信号至服务端报警，并保存视频片段；
47.d1、检测到皮带撕裂区域后会发送信号至服务终端提醒操作者，并且会对皮带撕裂区域进行视频保存。
48.优选的，所述步骤a中的摄像头为rgb摄像头，且rgb摄像头的像素为1080p，步骤a通过算法区分背景和皮带，提取出背景。
49.优选的，所述步骤c中在检测到皮带存在异常时会通过步骤d发送信号至服务端报警，并保存视频片段。
50.优选的，所述步骤c中在检测到皮带不存在异常时会通过步骤a继续通过摄像头读取视频帧。
51.优选的，所述步骤a中摄像头应避免运动，尽量避免在低光照环境下检测，摄像头前不可有遮挡或过人。
52.本实施例中，具体的，核心算法是区分背景和皮带，第一步就是提取出背景，其中背景图像的每一个像素分别用由k个高斯分布构成的混合高斯模型来建模：
[0053][0054]
如果检验出该像素混合高斯模型中至少有一个高斯分布gi与xt像素值匹配，那么混合高斯模型的参数更新规则为：
[0055]
对于不匹配的高斯分布，它们的均值μ和∑协方差矩阵保持不变；
[0056]
匹配的高斯分布gi的均值μ和协方差矩阵∑按下式更新：
[0057]
μ
i，t
＝(1
‑
ρ)
·
μ
i，t
‑1+ρ
·
x
t
[0058][0059]
其中ρ为：α，为参数估计的学习速率，
[0060]
如果该像素对应的混合高斯模型中没有高斯分布gi与像素值xt匹配，那么将最不可能代表背景过程的高斯分布重新赋值，即：
[0061]
ω
j，i
‑1＝w0·
μ
j，t
＝x
t
·
∑
j，t
＝v0·
i
[0062]
j＝argimin{wkt
‑
1}
[0063]
式中，wo和vo是预先给定的正值；i为一个3
×
3单位矩阵，
[0064]
然后按下式更新所有k个高斯分布在时刻的权系数：
[0065][0066]
式中，如果高斯分布gi与t时刻像素值xt匹配，则mit取值1，否则取值为0，后一式完成权重的归一化，保证权重和为1；
[0067]
最后选择前面几个最有可能的模型作为背景模型，提取出背景模型后，则可以过滤出皮带进行单独的检测，如果发现某一连通域大于阈值，则进行报警，单独提取出皮带这一方法提高了精度和处理速度，解决了皮带撕裂检测器和激光辅助方法无法检测皮带底下的小撕裂，而小撕裂往往是演变成大撕裂的前置因素，所以小撕裂检测是非常关键的，而第三种方法因为样本非常小，所以误检、漏检的几率比较大，不适合工业使用的问题。
[0068]
本申请文件中使用到的标准零件均可以从市场上购买，而且根据说明书和附图的记载均可以进行订制，各个零件的具体连接方式均采用现有技术中成熟的螺栓、铆钉、焊接等常规手段，机械、零件和设备均采用现有技术中常规的型号，控制方式是通过控制器来自动控制，控制器的控制电路通过本领域的技术人员简单编程即可实现，属于本领域的公知常识，并且本申请文主要用来保护机械装置，所以本申请文不再详细解释控制方式和电路
连接。
[0069]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0070]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。