[发明专利]一种基于机器视觉的传送带货品智能监控方法及系统

说明书

一种基于机器视觉的传送带货品智能监控方法和系统，其方法包括：通过传送带边缘检测，自动划出有效检测区域；当需要对传送带上货品进行检测时，按时间周期连续获得当前运转货品图像数据，YOLO检测识别模型识别出所述每一帧图像上的不同货品位置和货品类别，对前后帧图像上货品的位置大小在内的特征进行对比，为帧图像上的不同类别货品分别跟踪检测，通过检测所述货品从有效检测区域沿传送带运动方向移出时，统计对应货品个数在内的实时数据。本发明对所述图像中的目标货物进行类别识别，计数统计，生产记录，从而对货品生产进行自动监控，在货物传送异常的情况能及时发布预警信息。

技术领域

本发明涉及一种智能算法在检测领域的应用，特别是一种具有机器视觉智能算法的传送带货品智能监控方法及系统。

背景技术

在工业生产中，传送带上的货品监控十分重要。例如产品的流转，包装，运输等环节，一批货品在传送带上不间断运行，需要对他们进行计数，识别，以获取数量、分类、生产效率等信息。

现有监控手段主要有：人工法、射频标签法、光电法、图像法。人工法主要通过肉眼观察传送带上的运行情况达到监测目的，缺点是耗费人力和时间，效率低下，且容易出现主观错误。射频标签法是通过射频标签贴在货品表面上，读取标签信息得到货品数量和种类数，缺点是耗材使用大，成本高，货品中途损坏无法感知。光电法通过红外线发射和接收传感器作为检测元件对货品进行计数，但无法判断货品的类别。图像法利用机器视觉的非接触性和高精度，及其计算机的高性能和稳定性等特点可解决货品识别，跟踪计数。基于视觉进行计数时，通常采用一种划线计数，当检测目标穿过预先设定的线后，添加一个流量计数。这种方式的容易出现的问题在于：针对不同场景划线位置不一，且容易受到检测结果的影响。

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统将人工智能计算机视觉算法应用于传送带货品智能监控或检测是行业发展的动态。

也就是说，目标检测是人工智能计算机视觉领域的一个基础方向，通常的目标检测属于监督学习。给定数据集和标签，分别通过预处理、特征提取、特征融合和检测等对所给数据集中包含目标的类别和位置来进行训练，从而达到可以预测训练集之外的相似图片中包含的目标类别和位置的目的。而如何将目标检测智能技术应用于传送带货品智能监测是本领域技术人员急需要解决的问题。

北京林业大学在202011026764.X提供对虾加工剥壳率检测方法、装置、电子设备及存储介质，该方法包括：将多个剥壳机加工成品对虾图片信息输入预设对虾剥壳率检测模型，得到对虾加工剥壳率信息；其中，所述预设对虾剥壳率检测模型是根据带完全剥壳文本标签的样本剥壳机加工成品对虾图片和带未完全剥壳文本标签的样本剥壳机加工成品对虾图片训练得到的。通过预设对虾剥壳率检测模型在训练时，利用针对检测场景的数据增强方法，模拟检测环境并快速扩充数据集，经过YOL0 V4算法训练得到预设对虾剥壳率检测模型，并通过该模型对剥壳机加工成品的对虾实时图像进行检测，统计完全及未完全剥壳对虾个数，从而实现剥壳机剥壳率的精准、高效检测检测。

上述并通过该模型对剥壳机加工成品的对虾实时图像进行检测，统计完全及未完全剥壳对虾个数，从而实现剥壳机剥壳率的精准、高效检测检测。但是，还是若生产线的产品多样化后，分别对每一产品进行跟踪后计算其生产效率，整个处理的效率会比较慢，但是如果用划线计数的方式，还是存在不同场景划线位置不一，且容易受到检测结果的影响的缺点。

还有，当该传送带应用在生产状态时，无法获知传送带上多个货品的实时运转情况，也不能了解实现的生产详情，更不能统计出不同货品的生产效益。

发明内容