[发明专利]皮带运输机的撒料检测方法和装置

说明书

本发明提供了一种皮带运输机的撒料检测方法和装置，边缘计算服务器获取多个摄像头采集的皮带运输机的输料现场的多个样本信息；基于多个样本信息确定是否存在异常样本信息；如果存在异常样本信息，确定采集异常样本信息的目标摄像头；基于目标摄像头的位置和异常样本信息执行告警操作。可以自动检测撒料情况，无需工作人员随时监控，降低了工作人员的劳动强度且提高传输物料工作效率；可以通过边缘计算服务器统一进行多个摄像机的撒料检测，模型更新简单易操作，对摄像头安装位置没有特殊要求，内在的模型算法优化可以使模型算法具有较高的准确度，一台AI服务器可以并行处理多台摄像头的图像结果，降低模型的维护成本。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种皮带运输机的撒料检测方法和装置。

背景技术

企业矿产输送主要依靠皮带机，特别是对于大企业使用的大型皮带机，每小时输送量可达数千吨，有些皮带价值数百上千万元。如果遇到皮带跑偏和皮带撕裂蒙受巨大损失，许多企业都有相关事故发生。为了解决以往皮带机皮带输送机维护难、成本过高的问题，可以着重对皮带生产使用过程中进行实时监控并及时发现皮带撒料的异常，需要工作人员现场确认是皮带跑偏引起的撒料还是皮带撕裂造成的漏料，避免事态进一步扩大直至出现严重矿料损失和设备损坏。从而达到保证正常生产、减少财产损失的目的。

目前，现有技术对于皮带运输机撒料检测主要有3种：第一种是将电缆绳装置安装于皮带下方，皮带漏下大块料时，切断电缆绳，产生告警故障。第二种使用射线传感器，射线检测到落料，发出告警故障。第三种使用摄像头进行检测。

然而，第一种检测方法和第二种撒料检测方法都存在偶然性，需要恰巧落料点就在检测点上，而且还需要足够大足够多的落料才能检测。对于数千米长的皮带运输机上使用第一种检测方法和第二种撒料检测方法，需要数量极大的检测点，安装和维护都是大难题。

此外，第三种检测方法一般采用的是将算法嵌入相机内部的方案，存在数千米长的皮带运输机难以覆盖的问题以及模型更新复杂等问题。一旦出现某个地方的相机内的模型没有更新成功就存在有遗漏点，而且，第三种检测方法没有考虑现场环境导致的相机拍摄的图像不清楚等导致模型失效的问题。

发明内容

有鉴于此，本发明的目的在于提供一种皮带运输机的撒料检测方法和装置，可以自动检测撒料情况，无需工作人员随时监控，降低了工作人员的劳动强度且提高传输物料工作效率；可以通过边缘计算服务器统一进行多个摄像机的撒料检测，模型更新简单易操作，无需在相机内设置模型，精度较高且不存在模型失效的问题。

第一方面，本发明实施例提供了一种皮带运输机的撒料检测方法，应用于撒料检测系统，撒料检测系统包括：边缘计算服务器和多个摄像头，方法包括：边缘计算服务器获取多个摄像头采集的皮带运输机的输料现场的多个样本信息；边缘计算服务器基于多个样本信息确定是否存在异常样本信息；其中，异常样本信息表征皮带运输机上的物料存在异常情况，异常情况包括：物料在皮带运输机上不居中、物料脱离皮带运输机和多个物料堆积在皮带运输机上；如果存在异常样本信息，边缘计算服务器确定采集异常样本信息的目标摄像头；边缘计算服务器基于目标摄像头的位置和异常样本信息执行告警操作。

在本申请可选的实施例中，上述多个摄像头基于预设的距离间隔设置于皮带运输机上。

在本申请可选的实施例中，上述边缘计算服务器基于多个样本信息确定是否存在异常样本信息的步骤，包括：边缘计算服务器基于预先设置的检测模型确定多个样本信息的图像质量；如果目标样本信息的图像质量小于预设的质量阈值，确定目标样本信息为异常样本信息。

在本申请可选的实施例中，上述检测模型基于正常和异常样本通过分割网络模型进行训练，检测模型基于评价函数、用于人工标注的图像、筛选和选择的规则进行自动更新；当新场景发生时，检测模型基于历史数据判断是否使用新场景数据；如果是，将预处理的图像发给标注人员进行标注；基于标注后的图像自动更新检测模型。