一种基于灰度特征和边缘检测的堵煤检测算法的制作方法

1.本发明属于计算机视觉技术领域，具体的说是一种基于灰度特征和边缘检测的堵煤检测算法。


背景技术：

2.堵煤检测模块是输煤系统中重要的组成部分之一，主要用于实现在皮带落煤管、导料槽等处因落煤不畅、造成堵塞时的安全保护措施。因此皮带堵煤检测方法的选择和是否适用都极大的影响输煤系统整体工作的可靠性，进而影响到设备的安全运行。
3.现有的皮带堵煤检测预防措施主要分为以下两类：1、利用物理装置进行干预，通过在皮带上方安装楔形块，当煤流量过大时，煤原料在输煤传送带的作用下推动楔形块在限位滑杆上向输煤传送带两侧移动，达到堵煤监测保护的功能，但这种装置本身的死角就会造成煤原料的堵塞，长期下去反而会因装置本身造成皮带堵煤事件发生；2、视觉方式，通过在堵煤检测的视频流中选择特定的特征点，记录发现该特征点的不同时刻，并以此估算运动距离，从而判断是否发生堵煤。但若是特定的特征点被遮挡住，又或是皮带未曾输煤停止运行，导致该方式存在很大漏误检风险。
4.综上所述，本技术根据输煤皮带下料口定点摄像头的视频数据，从机器视觉角度出发，基于灰度特征和边缘检测进行皮带堵煤检测，能有效避免现有堵煤检测方式的局限情况。


技术实现要素：

5.为了弥补现有技术的不足，针对目前常见的堵煤检测物理装置自身结构原因造成堵煤风险，以及现有的视觉检测方式需利用特定的特征点方式，具有较大的漏误报风险，为了解决上述的技术问题；本发明提出了一种基于灰度特征和边缘检测的堵煤检测算法。
6.本发明解决其技术问题所采用的技术方案是：一种基于灰度特征和边缘检测的堵煤检测算法，包括以下步骤：s1：通过在输煤皮带下料口安装摄像装置进行视频检测，并截取特定图像信息，输出视频数据；s2：利用图像处理方法对视频数据进行处理，提升图像对比度和亮度，并进行图像降噪处理；s3：对经过图像处理方法处理后的视频信息利用canny算子进行轮廓边缘提取，提取包含皮带边缘在内的所有轮廓边缘信息，随后再根据根据梯度值与高低阈值之间的关系，得到强边缘与虚边缘；再根据虚边缘与强边缘的是否连接，筛选出边缘；s4：利用利用直线检测方法筛选出门帘边缘对应的直线；并通过计算门帘高度推算煤流量；s5：当煤流量达到堵煤的阙值时，将实时的视频帧进行存储，当检测到连续20帧
时，启动报警器向维护人员报警。
7.优选的，步骤s1中的摄像装置装置采用带有roi功能的定点摄像头。
8.优选的，在步骤s2中所述图像处理方法包括以下步骤：a、首先利用线性变换方法对所述摄像装置输出的视频数据进行灰度特征处理，提升图像对比度和亮度；b、随后利用滤波方法对图像降噪处理，提高图像质量，便于目标边缘提取。
9.优选的，上述步骤a中采用的线性变换方法采用加权的方式进行灰度特征处理。
10.优选的，上述步骤b中的滤波方法采用高斯滤波方法，并利用高斯滤波器对图像数据进行噪声消除。
11.优选的，步骤s4中的直线检测方法采用基于hough变换的直线检测方法。
12.综上，本发明针对输煤皮带下料口定点摄像头的视频数据，从机器视觉角度出发，由于输煤皮带下料口靠近窗口，受光线影响较大，特征不断变换，通过选定检测范围截取图像，降低外界环境的影响。对截取的图像利用线性变换进行灰度特征处理，提升图像对比度和目标物亮度，利用高斯模糊降低图像噪声对轮廓特征的干扰，再提取图像中的轮廓特征，对轮廓特征进行对比分析，进行皮带堵煤检测。
13.本发明的有益效果如下：1.本发明所述的一种基于灰度特征和边缘检测的堵煤检测算法，通过采用定点摄像头进行实时视频采集，硬件开销少，并且相比现有的皮带堵煤检测方式，具有无干扰优势，且有效降低现有视觉方式利用特定特征点的漏误报情况。
14.2.本发明所述的一种基于灰度特征和边缘检测的堵煤检测算法，在采集的图像数据的传递处理过程中，通过视频处理方法，显著提高图像资料的对比度和亮度，从而改善图像的色泽和清晰度，得到新的像素值；同时也要对图像资料中的噪声进行消除处理，提高图像数据的质量，从而提高整个堵煤监测算法的准确程度。
附图说明
15.下面结合附图对本发明作进一步说明。
16.图1是本发明中算法的流程图。
具体实施方式
17.面将结合本发明实施例中附图所示，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。
18.实施例一：一种基于灰度特征和边缘检测的堵煤检测算法，如说明书附图中图1所示，包括以下步骤：s1：通过在输煤皮带下料口安装摄像装置进行视频检测，并截取特定图像信息，输出视频数据；s2：利用图像处理方法对视频数据进行处理，提升图像对比度和亮度，并进行图像
降噪处理；s3：对经过图像处理方法处理后的视频信息利用canny算子进行轮廓边缘提取，提取包含皮带边缘在内的所有轮廓边缘信息，随后再根据根据梯度值与高低阈值之间的关系，得到强边缘与虚边缘；再根据虚边缘与强边缘的是否连接，筛选出边缘；s4：利用利用直线检测方法筛选出门帘边缘对应的直线；并通过计算门帘高度推算煤流量；s5：当煤流量达到堵煤的阙值时，将实时的视频帧进行存储，当检测到连续20帧时，启动报警器向维护人员报警。
19.具体工作流程：首先启动安装在输煤皮带下料口所安装的摄像装置，在输煤皮带工作的同时，即时的对输煤皮带下料口的输煤情况进行拍摄，在适当的截取特定范围的图像资料后，将其传输到计算机中进行处理；并且在工作过程中，需要注意设置灯光照明设施，为摄像装置的工作提供适应的亮度条件；为了使得图像资料的目标边缘更加方便提取，需要通过视频处理方法，显著提高图像资料的对比度和亮度，从而改善图像的色泽和清晰度，得到新的像素值；同时也要对图像资料中的噪声进行消除处理，提高图像数据的质量；在此过程中能够发挥上述技术效果的相关软件设备均可适用于本发明；在经过图像处理方法的处理后，将视频信息利用canny算子进行轮廓边缘提取，根据图像实际情况，得出canny算子的最佳双阈值参数，提取包含皮带边缘在内的所有轮廓边缘信息；canny算子主要分为三大步：梯度计算、非极大值抑制、确定边缘。
20.（1）梯度计算：梯度的方向与边缘的方向是垂直的，通常就近取值为水平（左、右）、垂直（上、下）、对角线（右上、左上、左下、右下）等 8 个不同的方向。
21.边缘检测算子返回水平方向的gx和垂直方向的gy。计算梯度时，可得到梯度的幅度和角度（代表梯度的方向）两个值，梯度的幅度和方向（用角度值表示）为：式中，atan2(
•
)表示具有两个参数的 arctan 函数。
22.（2）非极大值抑制：非极大值抑制是边缘细化的过程。在获得了梯度的幅度和方向后，遍历图像中的像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，并根据判断结果决定是否抑制该点，去除所有非边缘的点。
23.（3）确定边缘：上述步骤一般可得到包含虚边缘在内的所有边缘信息。需要根据梯度值与高低阈值之间的关系，得到强边缘与虚边缘；再根据虚边缘与强边缘的是否连接，划分为强边缘的像素点已经被确定为边缘，因为它们是从图像中的真实边缘中提取出来的，由此筛选出边缘；最后采用直线检测方法，利用相关的算法软件，使得图像数据中的散点汇聚并变成一条条直线，若散点共线，直线必能相交于一点，从而能够筛选出门帘边缘对应的直线；
并且在视频检测过程中，当没有检测到煤流上侧的门帘时，直接将视频资料存储到储存设置中；当检测到到煤流上侧的门帘时，正常运行，筛选出门帘边缘对应的直线；如此通过实时读取视频流，进行门帘区域提取，计算出门帘的高度，从而推算当前煤流量，当煤流量达到预先设定的阙值时，存储对应的视频帧，当对应的视频帧连续出现超过20帧时，说明可能即将发生或者已经发生的堵煤问题，应当立即采取措施，当发生堵煤时，因此需要及时上传至服务器，发出警告，通知相关负责维护的员工及时对输煤皮带上的煤原料进行处理，如此进行堵煤算法监测，在节省人力的同时，提高了检测结果的准确可靠程度，并且能够有效降低现有视觉方式利用特定特征点的漏误报情况，减少堵煤发生的事故，提高了输煤传输带的工作效率。
24.实施例二：在实施例一的基础上，如说明书附图中图1所示，步骤s1中的摄像装置采用带有roi功能的定点摄像头；通过采用定点摄像头，能够实现稳定的拍摄角度和监测平台，有效提高图像检测过程中对图像采集的稳定性，保证了所采集的图像数据的可靠；并且应当安排维护人员定时维护作为摄像装置装置的定点摄像头镜头部位，保证其拍摄图像资料的清晰度，避免输煤过程中扬起的煤灰烟尘对镜头的污染，影响视频监测的准确度；并且，带有roi功能的定点摄像头，其中搭配的roi功能模块能够迅速从采集的图像中选择的特定的一个图像区域，这个区域就是你的图像分析所关注的重点，圈定该区域，针对性的采集该区域内的图像数据，可以减少处理时间，增加精度，以便于进行进一步的处理；在本技术中就是针对性的选定图像中位于输煤皮带下料口部位的图像数据，并进行采集输出，而舍弃其它重要性交底部位，可以减少后续处理时间。
25.实施例三：在实施例二的基础上，如说明书附图中图1所示，在步骤s2中所述图像处理方法包括以下步骤：a、首先利用线性变换方法对所述摄像装置输出的视频数据进行灰度特征处理，提升图像对比度和亮度；b、随后利用滤波方法对图像降噪处理，提高图像质量，便于目标边缘提取。
26.进一步的，在步骤a中采用的线性变换方法采用加权的方式进行灰度特征处理。
27.具体的，在对摄像装置所输出的图像视频数据利用图像处理方法进行处理时，首先通过线性变换方法对视频数据进行灰度特征处理，并且不同于常见的直接线性变换，本次采用加权的方式进行灰度特征处理，计算图像像素均值，与当前像素值进行加权计算，得到新的像素值，提升图像对比度和亮度，便于后续处理；另外，因为在工作过程中的噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块，并且通常以无用的信息形式出现，扰乱图像的可观测信息，导致图形数据的准确度受到干扰；因此为了提高图像的数据的准确程度，需要对其进行降噪处理，在图像数据的降噪处理方法中，常见的方法是滤波降噪方法，能够将视频数据信息中的干扰噪声有效的过滤消除，提高数据的准确程度，从而提高整个堵煤监测算法的工作效果。
28.实施例四：在实施例三的基础上，如说明书附图中图1所示，上述步骤b中的滤波方法采用高斯滤波方法，并利用高斯滤波器对图像数据进行噪声消除；高斯滤波器是一类根据高斯函
数的形状来选择权值的线性平滑滤波器，就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到；因此适用于消除高斯噪声，广泛应用于图像处理的减噪过程；利用高斯滤波可以对图像降噪处理，提高图像质量，便于后期对视频数据中图像的目标边缘提取；对于灰度变换后的图像数据，利用高斯滤波器进行噪声消除；高斯滤波是是一种加权平均滤波，其卷积核带有一个系数用于实现平均。矩阵中所有数值之和的倒数即为卷积核的系数。在实际滤波中，对图像进行遍历，以图像中某一点作为卷积核中心，利用卷积核对该像素点周围邻域像素作加权平均，计算结果作为当前像素点的新像素值；最终实现对图像的高斯滤波去躁，为后续roi提取与特征点检测提供高质量图像数据；高斯分布可根据高斯函数选择权重，函数的均值μ=0时的一维形式和二维形式如公式所示。其中σ为正态分布的标准偏差，其值决定了函数的衰减快慢；μ=0时的一维形式：μ=0时的二维形式：实施例五：在实施例四的基础上，如说明书附图中图1所示，步骤s4中的直线检测方法采用基于hough变换的直线检测方法；hough变换是一种检测、定位直线和解析曲线的有效方法。是把二值图变换到hough参数空间，在参数空间用极值点的检测来完成目标的检测和分割；首先在图像中建立笛卡尔坐标系，而一条笛卡尔坐标系的直线可以用数学表达式或者表示；而在霍夫空间坐标系对应为一个横坐标为k,纵坐标为b的点。反之，一点(x,y)在霍夫空间坐标系则对应为一条斜率为-x，纵坐标截距为y的直线。
29.利用hough变换进行直线检测，主要是将图像笛卡尔坐标系中的所有散点转换到霍夫空间，这些散点变成一条条直线，若散点共线，霍夫空间里的直线必能相交于一点；霍夫直线检测就是霍夫空间选择由尽可能多的线相交而成的点，该点就对应了我们要在笛卡尔坐标系里找的直线，并筛选出门帘边缘对应的直线；这样方便通过实时读取视频流，进行门帘区域提取，从而推算当前煤流量，进行堵煤算法监测，当发生堵煤时，及时上传至服务器，通知员工对输煤皮带上的煤原料进行处理。
30.以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。