【技术实现步骤摘要】
本专利技术涉及图像处理。更具体地，本专利技术涉及基于机器视觉的输送带异物识别检测系统。
技术介绍
1、矿用带式输送机具有输送量大、输送距离远和通用性强等特点，是大多数煤矿的主运输系统，在现代化煤矿生产中发挥着极其重要的作用。由于高带速、长距离、大运量、大倾角，加之钢丝绳芯的锈蚀、断裂，易造成煤矿带式输送机事故频发。一旦发生断带事故，将会摧毁煤矿主运输系统、堵塞运输巷道，造成长时间的停产和重大经济损失，甚至人员伤亡，后果极其严重。
2、输送带上的异物是导致断带事故的主要原因之一，通过对输送带上的异物进行识别和报警，能够实现对输送带撕裂前进行预防，可有效的避免撕裂的发生，实现对输送带撕裂事故的事前预防。
3、相关技术中，例如申请公布号为cn115439793a的中国专利申请文件，其公开了一种面向矿井煤流ai视频分析的异物识别系统及方法，包括：数据收集模块，采用工业相机对履带上的煤流进行实时视频监控收集；黑夜检测模块，采用改进的u-net网络结构作为模型，对底片进行预测得到rgb图片；yolov4模块，用于对rgb图片进行预测得到目标的位置和类别，使用cspdarknet53作为该模块整体网络模型的主干网络。基于此还提供了一种面向矿井煤流ai视频分析的异物识别方法，利用加入黑夜检测模块对底片进行预测得到rgb图片，解决了光线不足能见度低的问题，然后用yolov4模块对rgb进行预测得到目标的位置和类别，提高了矿井异物识别算法的检测精度和检测速度。
4、在通过识别算法对原煤运输图像进行异物识别时，为了
技术实现思路
1、为解决上述常规的超像素分割算法中没有考虑到超像素中像素点的颜色分布特征和纹理分布特征，导致根据更新后的种子点进行超像素分割的分割效果不好，影响后续对原煤运输图像进行异物识别的准确性的技术问题，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，本专利技术提供了基于机器视觉的输送带异物识别检测系统，所述系统包括以下模块：第一模块，用于采集带式输送机的原煤运输图像；第二模块，用于根据预设的种子点，通过超像素分割算法对所述原煤运输图像进行多次迭代分割，确定原煤运输图像的分割结果，所述分割结果包括多个超像素；每次迭代分割时，对种子点进行更新的过程为：对于任一种子点，根据种子点以及种子点对应的超像素的中心点的位置，将种子点对应的超像素划分为两个区域；确定两个区域的颜色一致性，所述颜色一致性与两个区域中的像素点的颜色特征的差异负相关；将种子点指向中心点的方向，作为种子点的第一更新向量的方向；通过颜色一致性对种子点和中心点之间的距离进行加权，获得种子点的第一更新向量的模长；根据种子点对应的超像素内所有像素点的梯度的分布情况，确定种子点的第二更新向量；根据第一更新向量和第二更新向量的方向以及模长，确定对种子点进行移动时的方向和距离，以便于获得更新后的种子点；第三模块，用于通过识别算法对原煤运输图像的分割结果进行异物识别，以便于对带式输送机上的非煤异物进行报警。
3、本专利技术利用超像素分割算法将原煤运输图像超像素化，除去原煤运输图像中的冗余信息，从而减少后续识别算法的模型训练时长。
4、本专利技术在每次迭代分割时，结合超像素中像素点的颜色分布特征和纹理分布特征，确定各种子点的第一更新向量和第二更新向量，根据第一更新向量和第二更新向量的方向以及模长，确定对种子点进行移动时的方向和距离，获得更新后的种子点，提高了原煤运输图像的分割效果，进而提高了后续对原煤运输图像进行异物识别的准确性。
5、优选地，所述根据种子点以及种子点对应的超像素的中心点的位置，将种子点对应的超像素划分为两个区域，包括：通过种子点的位置与种子点对应的超像素的中心点的位置之间的连线的垂直平分线，将种子点对应的超像素划分为两个区域，分别记为第一区域和第二区域。
6、优选地，所述确定两个区域的颜色一致性的方法，包括：将第一区域和第二区域中包含像素点最多的区域，记为第三区域，将另一个区域记为第四区域；根据两个区域中的像素点的颜色特征的差异，确定第四区域中与第三区域中的各像素点的颜色特征相似的像素点；则两个区域的颜色一致性满足关系式：；式中，y表示两个区域的颜色一致性，表示第三区域包含的像素点的数量，表示第四区域包含的像素点的数量，表示第四区域中与第三区域中的第m个像素点的颜色特征相似的像素点的数量。
7、优选地，所述根据两个区域中的像素点的颜色特征的差异，确定第四区域中与第三区域中的各像素点的颜色特征相似的像素点，包括：将两个像素点的颜色特征的差值的绝对值记为第一数值，将第一数值与255的比值，作为两个像素点的颜色特征的差异；对于第三区域中的第m个像素点，将第四区域中与第三区域中的第m个像素点的三个颜色特征的差异均小于预设第一阈值的像素点，记为第四区域中与第三区域中的第m个像素点的颜色特征相似的像素点；所述颜色特征包括：红色通道值r、绿色通道值g和蓝色通道值b。
8、优选地，所述种子点的第一更新向量的模长满足关系式：；式中，表示第一更新向量的模长，表示种子点和种子点对应的超像素的中心点之间的距离，y表示两个区域的颜色一致性。
9、结合超像素中像素点的颜色分布特征，确定种子点的第一更新向量，对超像素分割算法中种子点的更新方式进行改进，提高了原煤运输图像的分割效果，进而提高了后续对原煤运输图像进行异物识别的准确性。
10、优选地，所述种子点的第二更新向量具有方向和模长，确定种子点的第二更新向量的方向的方法，包括：计算种子点对应的超像素内所有像素点的梯度幅值，将梯度幅值大于预设第二阈值的像素点，作为目标像素点；根据目标像素点的位置，对所有目标像素点的位置进行线性拟合，将获得的拟合直线作为分割线；将分割线的两个垂直方向中与种子点的第一更新向量的方向的夹角最小的垂直方向，作为第二更新向量的方向。
11、本专利技术通过梯度幅值大于预设第二阈值的目标像素点的位置进行拟合，获得的拟合直线能够表示出超像素中纹理突变的位置，进而根据超像素中纹理突变的位置确定第二更新向量的方向，使得种子点沿着纹理突变的方向即分割线的垂直方向进行更新，提高了原煤运输图像的分割效果，进而提高了后续对原煤运输图像进行异物识别的准确性。
12、优选地，所述对所有目标像素点的位置进行线性拟合，包括：在对所有目标像素点的位置进行线性拟合时，将使损失函数最小的直线作为拟合直线，所述损失函数满足关系式：；式中，loss表示损失函数，n表示目标像素点的数量，表示第i个目标像素点的梯度幅值，表示第t个目标像素点的梯度幅值，表示第i个目标像素点到直线的距离。
13、优选地，所本文档来自技高网...
【技术保护点】
1.基于机器视觉的输送带异物识别检测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述根据种子点以及种子点对应的超像素的中心点的位置，将种子点对应的超像素划分为两个区域，包括：
3.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述确定两个区域的颜色一致性的方法，包括：
4.根据权利要求3所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述根据两个区域中的像素点的颜色特征的差异，确定第四区域中与第三区域中的各像素点的颜色特征相似的像素点，包括：
5.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述种子点的第一更新向量的模长满足关系式：
6.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述种子点的第二更新向量具有方向和模长，确定种子点的第二更新向量的方向的方法，包括：
7.根据权利要求6所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述对所有目标像素点的位置进行线性
8.根据权利要求6所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述种子点的第二更新向量具有方向和模长，所述种子点的第二更新向量的模长满足关系式：
9.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述根据第一更新向量和第二更新向量的方向以及模长，确定对种子点进行移动时的方向和距离，以便于获得更新后的种子点，包括：
...【技术特征摘要】
1.基于机器视觉的输送带异物识别检测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述根据种子点以及种子点对应的超像素的中心点的位置，将种子点对应的超像素划分为两个区域，包括：
3.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述确定两个区域的颜色一致性的方法，包括：
4.根据权利要求3所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述根据两个区域中的像素点的颜色特征的差异，确定第四区域中与第三区域中的各像素点的颜色特征相似的像素点，包括：
5.根据权利要求1所述的基于机器视觉的输送带异物识别检测系统，其特征在于，所述种子点的第一更新向量的模长满足...
【专利技术属性】
技术研发人员：王荣泉，宋金全，刘武，李博，
申请(专利权)人：西安重装韩城煤矿机械有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。