强力输送带接头点识别算法

针对新型的强力输送带以接头点为基准参考点进行故障实时检测,存在接头定位困难问题,提出了一种基于统计学和图像处理技术相结合的接头点检测识别算法。该算法首先把图像每一列看成一个样本总体;然后根据每一列的样本均值以及该列中的每一个像素的方差计算出该像素点的平滑度,根据一定的平滑度阈值来找到接头点区域,通过对接头点区域应用图像处理技术中的腐蚀、膨胀等运算,使其形成一个矩形区域。利用该矩形区域像素值的方差以及矩形区域的宽高比这两个特征,来达到对接头点的识别。实验表明该算法能够有效地识别出接头点。     

强力输送带接头抽动检测算法研究

针对现有的强力输送带接头检测算法存在效率低、实时性差、精度不高的问题,提出一种基于迭代阈值法图像分割的接头抽动检测算法。由于X射线图像由不同的探测板传回的数据组成,该算法首先采用迭代法对X射线图像进行阈值分割;然后根据接头的特征,在接头与背景交接处通过Y-差分算法进行接头检测;最后根据接头相邻距离进行匹配,并计算匹配点之间的垂直距离实现接头抽动检测。实验结果表明,该算法检测精度高、速度快,满足实际应用要求,为煤矿安全运输提供了保障。     

强力输送带接头抽动检测算法研究

针对现有的强力输送带接头检测算法存在效率低、实时性差、精度不高的问题,提出一种基于迭代阈值法图像分割的接头抽动检测算法。由于X射线图像由不同的探测板传回的数据组成,该算法首先采用迭代法对X射线图像进行阈值分割;然后根据接头的特征,在接头与背景交接处通过Y-差分算法进行接头检测;最后根据接头相邻距离进行匹配,并计算匹配点之间的垂直距离实现接头抽动检测。实验结果表明,该算法检测精度高、速度快,满足实际应用要求,为煤矿安全运输提供了保障。     

基于X光检测的强力输送带故障定位方法

强力输送带的无损检测是工业生产中的重大问题,通过分析基于X光的强力输送带无损检测系统检测到的强力输送带图像的阅读、处理,特别是故障的定位,系统设置了能够真实反映输送带实际尺寸的垂直标尺和水平标尺;经理论分析和现场测试证实,不仅能够对检测到的强力输送带图像进行观察和处理,而且实现了准确估算输送带接头伸长尺寸、通过图像快捷准确地定位输送带上的故障,具有很高的实用价值。     

强力输送带接头抽动检测方法

针对强力输送带由于抖动、跑偏、速度变化等导致的接头抽动计算不准确问题,提出了一种基于接头图像配准的抽动检测方法。对二次采集的接头图像进行配准,用Y差分法定位配准图像中的接头点,计算所有接头点的距离并与参考图像比对,得出接头抽动距离,根据抽动距离可得到所有接头的变化趋势。实验结果表明,该方法检测精度高,可满足实际应用要求。     

钢丝绳芯输送带接头抽动检测方法

针对目前钢丝绳芯输送带接头抽动检测方法存在准确率低、自适应差等问题,提出了一种基于X射线图像的钢丝绳芯输送带接头抽动检测方法。首先采用基于Retinex理论的图像增强方法对钢丝绳芯输送带X射线图像进行增强,然后利用Sobel边缘检测算子检测接头边缘并提取接头边缘的质心作为接头点,接着对分层后的接头点进行直线拟合,最后根据相邻接头之间夹的钢丝绳根数对当前采集图像与参考图像的接头进行匹配,比较匹配接头点到各自联合拟合直线的距离,若距离差大于一定的阈值则表明接头抽动。测试结果表明,该方法接头识别率高,能够精确检测出接头抽动。     

基于显著性和深度卷积神经网络的输送带表面故障定位

提出了一种基于显著性和深度卷积神经网络的输送带表面故障定位方法。该方法在输送带上、下表面的边缘烙上数字,利用图像处理技术检测输送带图像中的数字来间接定位输送带表面故障。首先,将采集的输送带图像进行高斯滤波、灰度线性变换等预处理,以提高图像质量、增强背景与目标的对比度;然后根据谱残差理论对预处理后的图像进行视觉显著性处理,获取包含数字区域的视觉显著图;最后,运用卷积神经网络对显著图进行分类,以区分出数字区域和非数字区域。实验结果表明,该方法可以很好地检测输送带图像上的数字,进而实现对输送带表面故障的定位。     

输送带跑偏检测方法研究

基于机器视觉的输送带跑偏检测方法检测的输送带边缘特征中包含伪边缘,现有研究难以识别伪边缘,且多场景适应性差。针对该问题,对输送带监控图像提取感兴趣区域（ROI）并进行归一化,采用较大阈值区间的Canny算法提取边缘特征点,以提高算法的场景适应性,并采用形态学滤波方法处理部分杂质及伪边缘;对于Canny算法无法检测到有效边缘的图像,对提取的ROI进行伽马变换和45,135°方向的梯度滤波,以增强边缘特征,之后进行基于Canny算法的特征点提取和形态学滤波。以边缘点像素值关系、邻域特征、紧密性特征,以及边缘线长度、相对位置、斜率等作为约束条件,采用基于分治搜索思想的直线筛选排序算法对提取的边缘特征点进行筛选及拟合,得到输送带实时边缘。将实时边缘的像素值与未发生跑偏时边缘像素值做差,得到当前跑偏的像素值。试验结果表明,针对多种场景下的输送带监控图像,基于Canny算法和直线筛选排序的输送带跑偏检测方法检测误差小于3个像素值,百张图像检测时间为6.945 1 s,边缘计算机处理4路视频图像的CPU占有率为132%,满足现场输送带边缘检测的准确性、实时性要求。     

钢丝绳芯输送带X射线检测系统图像分析算法

提出了一种在线分析和离线分析相结合的图像分析算法:在线分析阶段采用支持向量机检测出接头图像,采用显著图法检测出有损伤的输送带图像;离线分析阶段采用细化、区域分析等图像处理方法检测接头抽动,并对各种损伤情况进行分类。该算法使得检测系统具备针对输送带X图像实时分析的能力,而且损伤检测准确率非常高。实验分析和现场实践验证了本文所提算法的有效性。     

钢丝绳芯输送带X射线检测系统图像分析算法

提出了一种在线分析和离线分析相结合的图像分析算法：在线分析阶段采用支持向量机检测出接头图像,采用显著图法检测出有损伤的输送带图像;离线分析阶段采用细化、区域分析等图像处理方法检测接头抽动,并对各种损伤情况进行分类。该算法使得检测系统具备针对输送带X图像实时分析的能力,而且损伤检测准确率非常高。实验分析和现场实践验证了本文所提算法的有效性。     

基于声音阵列和图像处理的皮带机跑偏检测系统

针对传统的皮带机跑偏检测系统无法准确获得跑偏位置而导致在检测过程中存在识别速率慢和识别精度差的问题,提出一种基于声源定位和图像处理的皮带机故障检测系统。麦克风阵列拾取皮带声音信号并进行预处理,鉴频器进行鉴频识别,得到故障声后采用卷积神经网络(CNN)算法获取故障声位置。上位机系统收到异常声源的位置信息后,调控工业摄像机对异常位置进行照片拍摄,并将照片发送至上位机系统进行预处理,随后采用灰度平均法进行图像分割,同时提取边缘特征,利用跑偏角和偏移量计算皮带机跑偏的阈值范围,结合支持向量机(SVM)来判断皮带是否跑偏和跑偏的严重程度,并将判断结果发送至报警系统。仿真结果表明,该系统具有较好的故障声源识别和定位功能。     

带式输送机故障定位系统网关的设计

以带式输送机故障定位系统为应用背景,提出了一种基于STM32F103VE微处理器的CAN总线与Profibus-DP总线网关的设计方案。该网关在CAN网络中作为一个CAN通信节点,在Profibus-DP网络中作为一个从站;带式输送机沿线分布若干个CAN检测节点,每个节点负责检测其段内的4种传感器设备采集的实时数据,如果检测到故障信息,CAN检测节点就会向网关发送故障信息报文,网关接收CAN检测节点发送的报文并进行存储;当网关与Profibus-DP主站连通后,作为Profibus-DP从站的网关可以通过查询方式把故障信息报文传送到Profibus-DP主站中,从而实现故障定位功能。实际应用表明,该网关运行稳定、可靠,实现了带式输送机故障定位系统中CAN总线及Profibus-DP总线的互联。     

一种带式输送机故障诊断方法

针对传统浅层神经网络用于带式输送机故障诊断时存在故障状态样本数据不足、准确率不高等问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度置信网络(DBN)的带式输送机故障诊断方法.该方法利用SMOTE生成带式输送机故障状态样本数据,克服样本数据分布不平衡现象;将样本数据输入DBN,利用无监督逐层训练方式提取数据中的故障特征,并通过有监督微调来优化故障诊断能力,实现带式输送机故障精确诊断.仿真结果表明,该方法提高了带式输送机故障诊断准确率.     

基于煤矿井下传送带空载检测

煤矿井下传送带在无煤或煤量较少的状态下长时间高速运转,会耗费大量的电能.为了节省井下传送带造成的电能损耗,本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载判定方法.通过边缘结构相似算法将结构特征和边缘特征相融合,每相邻10帧比较图片的相似度,连续比较3次判断传送带的运行状态.若传送带运行,则运用自适应锚框机制的YOLOv3模型,检测传送带上的煤量,最后判断传送带是否空载.实验结果表明,该方法可以有效准确的判断传送带的空载状态,检测准确率达到96.85%.     

智能控制技术在煤矿井下带式输送机中的应用价值分析

煤矿井下带式输送机从驱动、运行到井下故障检测和检修,都需要实时实地监测,以保障系统的顺利运行。煤矿井下带式输送机本身就作为一种重要设备,实现煤矿运送货物的便捷化通道。该文针对传统煤矿井下输送机的弊端,提出了应用智能化控制技术,实现设备集约型、安全性、便捷性等价值优势。     

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。     

皮带输送机故障监控器的设计

针对皮带运输机故障点多、故障检测分散且不便于集中监控的特点,设计了一种由多个传感器和控制器相结合的故障检测系统。简要分析了皮带输送机故障产生的原因,并给出了故障的检测方法;详细介绍了以单片机为核心的监控器硬件电路和软件设计。实际使用表明,所设计的监控器安全可靠、通用性较强,可对皮带输送机的打滑、跑偏、过负荷、撕裂、轴断裂等故障进行自动检测和声光报警。     

模糊信息融合在带式输送机故障诊断中的应用

针对带式输送机故障诊断过程中单个传感器获得的信息具有不确定性和局部性的问题,提出了一种基于多传感器模糊信息融合的故障诊断方法。该方法将温度、粉尘和烟雾传感器所获得的带式输送机信息模糊化,经过融合中心的合成运算和决策规则将其融合,从而得到精确的带式输送机状态估计与判断。实验结果表明,该方法提高了带式输送机故障诊断的准确性和可靠性。