公开(公告)号：CN109969736B

公开(公告)日：2020-12-15

申请号：CN201910041877.8

申请日：2019-01-17

Applicant: 上海大学

Inventor： 彭晨 ,  谢斌 ,  杨明锦 ,  周文举 ,  张帅帅

IPC: B65G43/02

Abstract: 本发明涉及一种基于动态图像的大型运载皮带跑偏故障智能检测方法，先针对大型运载皮带运输系统，确定运载皮带正常运行时离两边缘的坐标值；再确定某一皮带边缘智能相机的安装位置；将皮带正常运行时离皮带架边缘的距离有效值d1和d2转换成在图像中的像素值，标定横坐标像素值分别为f1和f2；再通过图像处理，确定皮带两边缘直线的横坐标值s1和s2。若p1＜|s1‑f1|≤p2或p1＜|s2‑f2|≤p2，皮带实际跑偏距离为c1～c2，判别为二级故障；若|s1‑f1|＞p2或|s2‑f2|＞p2，皮带实际跑偏距离大于c3，判别为一级故障。与现有技术相比，本发明具有智能识别跑偏故障、不用人工干预的优点，用三个智能相机就能精确地自动判别L(大于700)米长、W(大于1)米宽的大型运载皮带是否发生跑偏故障。

公开(公告)号：CN110111303A

公开(公告)日：2019-08-09

申请号：CN201910268327.X

申请日：2019-04-04

Applicant: 上海大学

Inventor： 彭晨 ,  谢斌 ,  张帅帅 ,  周文举 ,  王玉龙

IPC: G06T7/00 ,  G06T7/136 ,  G06T7/62 ,  G06T5/00

Abstract: 本发明涉及一种基于动态图像的大型运载皮带撕裂故障智能检测方法，包括：步骤1、针对大型运载皮带运输系统，确定智能高速工业相机的安装位置；步骤2、对所述相机采集的皮带运行图像进行预处理；步骤3、对皮带撕裂图像进行分割；步骤4、对皮带撕裂图像特征参数进行提取；步骤5、计算皮带撕裂图像的连通域面积 ，根据工业现场的皮带撕裂面积进行故障等级划分，获得皮带撕裂的阈值 ，且 ，当 对应运载皮带实际撕裂面积为，判别为二级故障；当 对应运载皮带实际撕裂面积大于，判别为一级故障。确定皮带的撕裂面积和撕裂故障等级。与现有技术相比，本发明具有检测精度高、实时性强，无需人工干预等优点。

公开(公告)号：CN109969736A

公开(公告)日：2019-07-05

申请号：CN201910041877.8

申请日：2019-01-17

Applicant: 上海大学

Inventor： 彭晨 ,  谢斌 ,  杨明锦 ,  周文举 ,  张帅帅

IPC: B65G43/02

Abstract: 本发明涉及一种基于动态图像的大型运载皮带跑偏故障智能检测方法，包括，步骤1、针对大型运载皮带运输系统，确定运载皮带正常运行时离两边缘的坐标值；步骤2、确定某一皮带边缘智能相机的安装位置。将皮带正常运行时离皮带架边缘的距离有效值和转换成在图像中的像素值，标定横坐标像素值分别为和；步骤3、通过图像处理，确定皮带两边缘直线的横坐标值和。若或，皮带实际跑偏距离为c1～c2，判别为二级故障；若或，皮带实际跑偏距离大于c3，判别为一级故障。与现有技术相比，本发明具有智能识别跑偏故障、不用人工干预的优点，用三个智能相机就能精确地自动判别L（大于700）米长、W（大于1）米宽的大型运载皮带是否发生跑偏故障。