[发明专利]一种基于机器视觉的翻板阀状态识别方法和系统

说明书

本发明属于图像处理技术领域，特别涉及一种基于机器视觉的翻板阀状态识别方法和系统，所述方法包括：实时获取翻板阀监控图像，并基于训练好的阀柄分割模型生成阀柄掩膜图集；基于所述阀柄掩膜图集，结合质心法计算当前帧翻板阀阀柄开合角度；统计连续时间段内阀柄的开合角度变化，判定翻板阀状态是否异常。本发明通过监控图像的智能分析，能够全天候监测翻板阀阀柄角度变化，从而定位翻板阀异常状态并进行报警。解决了现有翻板阀人工巡检成本高、效率低的问题；对不同监控场景和光照条件的鲁棒性高、泛化能力强。并且对于模型输出的阀柄掩膜图集，自动区分了不同的阀柄区域，避免产生连通域粘连等复杂的后处理问题。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于机器视觉的翻板阀状态识别方法和系统。

背景技术

在水泥行业中，工业现场烧制水泥时，翻板阀通常用于控制预热器中每层原料的下落过程。当阀体内部有原料通过时，阀柄会按一定角度打开；反之，当阀体内部无原料通过时，阀柄会闭合。在生产过程中，伴随着原料断断续续的通过阀体，翻板阀阀柄会持续的进行开闭运动。这时，一旦翻板阀阀柄呈长时间、大角度静止的打开状态，则表示翻板阀内部可能出现堵塞。由于预热器内部为高温环境，只能进行停产检修，极大的增加了生产成本。

由此可见，及时发现并定位翻板阀的异常状态是有必要的。现有的翻板阀检修方法是人为巡检，通过技术人员在厂区内巡逻，对翻板阀逐一排查，来确定相关故障。这种方式效率低、并行度差，无法及时发现故障问题，且会耗费较多的人力成本。

因此，针对现有的水泥行业，急需一种无人的、全天候适应的智能翻板阀状态监测方法，以解决生产过程中问题发现晚、故障难以定位等问题。从而避免生产延误，并降低故障检修成本。

发明内容

针对上述问题，一方面，本发明公开了一种基于机器视觉的翻板阀状态识别方法，所述方法包括：

实时获取翻板阀监控图像，并基于训练好的阀柄分割模型生成阀柄掩膜图集；

基于所述阀柄掩膜图集，结合质心法计算当前帧翻板阀阀柄开合角度；

统计连续时间段内阀柄的开合角度变化，判定翻板阀状态是否异常。

进一步的，执行所述方法之前还包括以下步骤：

调整并固定监控相机的视角，通过所述监控相机采集并输出待检测翻板阀的阀柄运动区域的ROI图像；

基于所述ROI图像，获取轴心c和阀柄运动区域的ROI图像的位置，分别记作和，建立并训练阀柄分割模型；

其中，所述ROI图像是RGB彩色图像，、分别表示轴心c在所述监控图像中的横、纵坐标。、分别为所述ROI图像左上角顶点的横、纵坐标，和分别表示所述ROI图像的像素宽度和高度。

进一步的，所述阀柄分割模型包括基干网络和上采样网络；

所述阀柄分割模型的输入为所述ROI图像，尺寸定义为；

所述阀柄分割模型的输出为翻板阀阀柄的掩膜图集，尺寸定义为；

其中，和分别表示ROI图像进行尺寸缩放后的宽度和高度，、和分别表示掩膜图集的宽度、高度和通道数。

进一步的，所述基干网络包括若干个基于Resnet-18模型的残差单元，设为

所述残差单元的输入为所述ROI图像，尺寸为，每个残差单元对应的输出为特征图, ,尺寸设为。

进一步的，所述上采样网络包括上采样单元和预测头单元Head；

所述上采样单元包括若干个，每个的输出为特征图，；所述上采样单元的每个的输入为和，且j=i；

当j=n-1时，所述的输入为；