一种大型运载皮带跑偏故障智能检测方法

    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

    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。

    一种基于深度图像的筛板故障智能监测方法

    公开(公告)号:CN110926737A

    公开(公告)日:2020-03-27

    申请号:CN201911186854.2

    申请日:2019-11-28

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于深度图像的筛板故障智能监测方法,包括如下步骤:步骤1、根据筛板的工位,以及相机自身的内部参数,确定深度相机安装的矩阵排布;步骤2、对原始数据进行维度转换;步骤3、将维度转换后的数据中的无效数据进行处理;步骤4、对无效数据处理后的数据进行伪彩色渲染;步骤5、在深度图像中根据每块筛板的工位,划分出子图像,对每块子图像单独分析、判断工况;步骤6、获取相机捕获图像的信号强度数据,并和正常运行时的信号强度数据进行对比,以此判断筛板上面是否有煤,进一步判断原煤漏斗是否发生堵塞。本方法较现有方法检测速度快,检测精度高,无需人工干预,是一种非介入性的监测方法,不影响正常生产。

    一种基于深度图像的筛板故障智能监测方法

    公开(公告)号:CN110926737B

    公开(公告)日:2021-06-04

    申请号:CN201911186854.2

    申请日:2019-11-28

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于深度图像的筛板故障智能监测方法,包括如下步骤:步骤1、根据筛板的工位,以及相机自身的内部参数,确定深度相机安装的矩阵排布;步骤2、对原始数据进行维度转换;步骤3、将维度转换后的数据中的无效数据进行处理;步骤4、对无效数据处理后的数据进行伪彩色渲染;步骤5、在深度图像中根据每块筛板的工位,划分出子图像,对每块子图像单独分析、判断工况;步骤6、获取相机捕获图像的信号强度数据,并和正常运行时的信号强度数据进行对比,以此判断筛板上面是否有煤,进一步判断原煤漏斗是否发生堵塞。本方法较现有方法检测速度快,检测精度高,无需人工干预,是一种非介入性的监测方法,不影响正常生产。

    一种大型运载皮带跑偏故障智能检测方法

    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

    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。

    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

    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

    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。

    超小自聚焦多模光纤内窥镜检测系统和检测方法

    公开(公告)号:CN118347981A

    公开(公告)日:2024-07-16

    申请号:CN202410539848.5

    申请日:2024-04-30

    Applicant: 上海大学

    Abstract: 一种超小自聚焦多模光纤内窥镜检测系统,包括光源系统、多模光纤束、光学成像单元、图像采集单元及图像处理单元。本发明结合了EMCCD微光相机、彩色相机和OCT系统,可同时获取三种包含不同信息的图像,极大地减小了手术风险。本发明通过解调干涉信号的方法,提出了一个多层结构反射率重建公式,可以有效地重建目标的二维层析图。本发明可实现在暗环境下对狭小环境进行内窥探测;本发明操作步骤简单易行,适合在多种复杂情况下使用,单人亦可操作。综上,本发明光纤内窥镜结合微光夜视技术,可以减小光纤束整体直径,同时结合荧光成像技术和OCT系统,提高了对早期癌变组织检测和层析组织分析的精确率。

Patent Agency Ranking