基于機器視覺的輸送帶表面故障定位技術研究.pdf

1、作為我國現(xiàn)代化大生產的一種重要運輸設備，帶式輸送機廣泛應用于煤炭、冶金、礦山、港口、化工等眾多行業(yè)，而輸送帶是輸送機的重要部件，運行中容易發(fā)生劃傷、縱向撕裂、破損等表面故障，嚴重危及安全生產。目前，機器視覺技術開始被應用于輸送帶的故障檢測，但由于輸送帶首尾相連，循環(huán)運行工作，即使利用機器視覺技術發(fā)現(xiàn)了故障，檢修過程中查找故障位置仍需要耗費大量的時間、人力和物力，因此，故障定位成為輸送帶視覺監(jiān)測的一個重要技術問題。
　　針對輸送帶視

2、覺檢測的表面故障定位問題，提出了一種基于機器視覺的輸送帶表面故障定位方法。該方法是在輸送帶上下表面的邊緣烙上標記，根據(jù)數(shù)字容易被維修人員辨認的特點，在輸送帶上面做了數(shù)字標記，通過對采集的輸送帶圖像進行處理來實現(xiàn)標記數(shù)字的定位和識別，進而實現(xiàn)對輸送帶表面故障的定位。
　　對于數(shù)字標記的定位，提出了一種基于視覺顯著性和卷積神經網絡的輸送帶標記數(shù)字定位算法。該算法首先使用灰度線性變換增強帶標記輸送帶圖像的對比度，再用譜殘差算法提取帶標記

3、輸送帶圖像的顯著圖;然后用一種改進的直方圖閾值分割算法對帶標記的輸送帶顯著圖進行分割，實現(xiàn)對數(shù)字標記的初步定位;再用卷積神經網絡對初步定位出的圖像進行分類，以區(qū)分出標記數(shù)字區(qū)域和非數(shù)字區(qū)域。實驗結果表明，該算法可以很好的定位輸送帶圖像上的標記數(shù)字。
　　對于數(shù)字標記的識別，提出了一種基于深度學習的輸送帶標記數(shù)字識別算法，該算法對AlexNet模型進行改進，設計了適用于輸送帶標記圖像的網絡結構參數(shù)，實現(xiàn)了輸送帶標記數(shù)字的識別。實驗測