[发明专利]一种基于语义分割的皮带偏移检测算法

说明书

本发明公开了一种基于语义分割的皮带偏移检测算法，包括以下步骤：读取或绘制偏移限制区域；读取网路摄像头图像帧；图像预处理(尺寸调整、转tensor数据等)；预测神经网络；皮带位置预测；提取皮带位置和形状特征；计算皮带边缘与偏移限制区域的相对位置；皮带是否偏移否，(是)偏移计数，超过15次报警；(否)返回读取网路摄像头图像帧步骤进行循环。该基于语义分割的皮带偏移检测算法，只需采用云台摄像头进行实时视频采集，硬件开销少，稳定高、环境要求低并且相比现有的皮带偏移检测方法，可实时调整检测区域，操作方便；且实时显示皮带边缘位置，给客户直观的感受；当发生偏移时还能及时通知员工，对皮带采取相应的处理措施。

技术领域

本发明涉及计算机视觉检测技术领域，具体为一种基于语义分割的皮带偏移检测算法。

背景技术

现有的皮带偏移检测，主要有传统机械升降式压轮机固定、荧光检测、红外传感器检测，传统的视觉算法等方式，其中一机械升降式压轮机固定，传统机械升降式压轮机固定的检测方式加大了传送部件间的摩擦，同时在限制左右偏移时也会增加皮带的磨损，降低皮带传送效率；二荧光检测，虽然减少了外部可能对传送带进行磨损的可能性，但是当物料不均、物件偏移甚至有些传送时出现的沙尘遮挡等均会影响检测效果，从而出现遗漏或误报；三红外传感器检测，通过在皮带两侧边缘处放置检测装置，利用红外线传感器进行皮带偏移检测，但这种方法也会受安装位置和外力等影响，不便于根据现场情况实时调整；四传统视觉算法：对摄像头的分辨率要求非常高，对光照条件要求苛刻，不同的生产环境都要进行特定调整，部署繁琐。

综上所述，目前常见的皮带偏移检测方法，大多会借助于额外的接触式设备或者传感器，无法做到无接触式无人值守检测，且调整设备会比较繁琐。少数通过传统视觉算法的方案，对设备和生产环境要求苛刻，不利于部署。

所以我们提出了一种基于语义分割的皮带偏移检测算法，以便于解决上述中提出的问题。

发明内容

本发明的目的在于提供一种基于语义分割的皮带偏移检测算法，以解决上述背景技术提出的目前市场上的问题。

为实现上述目的，本发明提供如下技术方案：一种基于语义分割的皮带偏移检测算法，包括以下步骤：读取或绘制偏移限制区域；读取网路摄像头图像帧；图像预处理(尺寸调整、转tensor数据等)；预测神经网络；皮带位置预测；提取皮带位置和形状特征；计算皮带边缘与偏移限制区域的相对位置；皮带是否偏移否；(是)偏移计数，超过15次报警；(否)返回读取网路摄像头图像帧步骤进行循环。

优选的，所述读取或绘制偏移限制区域采用的平台为X86平台PC，读取网路摄像头图像帧采用的是监控摄像头。

优选的，所述皮带位置预测采用以下流程进行：训练的数据准备；训练神经网络的搭建；数据的预处理；训练网络模型；数据迭代和损失计算；得到网络模型。

优选的，所述神经网络采用mobilenet作为backbone，mobilenet+Unet的语义分割模型，神经网络预测到皮带位置后提取出皮带特征，最后通过计算皮带边缘的位置判断皮带是否发生偏移。

优选的，所述Unet模型使用轻量级更快速的MobileNet网络。

优选的，所述Unet语义分割，采用一种对称的结构；首先通过卷积池化进行特征提取，然后经过上采样进行重构；其主要采用3x3的卷积核和relu激活函数进行特征提取，使用2x2的最大值池化进行下采样进行压缩；上采样时，使用了邻近插值，没有使用转置卷积；在每个上采样后进行跳跃连接，使用了concat操作，将特征在channel维度拼接在一起，形成更厚的特征，将全局特征和局部特征进行结合，而不是简单的相加；随后使用卷层进行channel维度压缩；跳跃连接时，将大图裁小，对全局的补充，辅助位置矫正。