基于机器视觉的输送带表面故障定位技术研究

摘要

作为我国现代化大生产的一种重要运输设备，带式输送机广泛应用于煤炭、冶金、矿山、港口、化工等众多行业，而输送带是输送机的重要部件，运行中容易发生划伤、纵向撕裂、破损等表面故障，严重危及安全生产。目前，机器视觉技术开始被应用于输送带的故障检测，但由于输送带首尾相连，循环运行工作，即使利用机器视觉技术发现了故障，检修过程中查找故障位置仍需要耗费大量的时间、人力和物力，因此，故障定位成为输送带视觉监测的一个重要技术问题。
　　针对输送带视觉检测的表面故障定位问题，提出了一种基于机器视觉的输送带表面故障定位方法。该方法是在输送带上下表面的边缘烙上标记，根据数字容易被维修人员辨认的特点，在输送带上面做了数字标记，通过对采集的输送带图像进行处理来实现标记数字的定位和识别，进而实现对输送带表面故障的定位。
　　对于数字标记的定位，提出了一种基于视觉显著性和卷积神经网络的输送带标记数字定位算法。该算法首先使用灰度线性变换增强带标记输送带图像的对比度，再用谱残差算法提取带标记输送带图像的显著图;然后用一种改进的直方图阈值分割算法对带标记的输送带显著图进行分割，实现对数字标记的初步定位;再用卷积神经网络对初步定位出的图像进行分类，以区分出标记数字区域和非数字区域。实验结果表明，该算法可以很好的定位输送带图像上的标记数字。
　　对于数字标记的识别，提出了一种基于深度学习的输送带标记数字识别算法，该算法对AlexNet模型进行改进，设计了适用于输送带标记图像的网络结构参数，实现了输送带标记数字的识别。实验测试表明该算法具有较高的识别精度。
　　在此基础上，开发了基于机器视觉的输送带表面故障定位模块。利用实验室开发的输送带视觉在线监测系统对该定位模块进行了测试，实验室测试结果表明该模块具有较高的可靠性。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．3 主要研究内容

第二章 输送带机器视觉定位技术总体方案

2．1 输送带表面故障视觉在线监测系统

2．1．1 视觉监测系统的总体结构

2．1．2 视觉监测装置

2．2 输送带机器视觉定位方法研究

2．2．1 总体流程图

2．2．2 输送带的标记

2．2．3 带标记输送带图像的处理与分析

2．3 本章小结

第三章 带标记输送带图像的预处理

3．1 带标记输送带图像的噪声特性分析

3．2 带标记输送带图像的去嗓方法

3．2．1 均值滤波

3．2．2 中值滤波

3．2．3 高斯滤波

3．2．4 实验及结果分析

3．3 本章小结

第四章 基于视觉显著性和卷积神经网络的输送带标记定位

4．1 基于视觉显著性的输送带标记的粗定位

4．1．1 谱残差模型

4．1．2 输送带标记的谱残差视觉显著性实验与分析

4．1．3 基于谱残差显著性的输送带标记定位算法

4．1．4 输送带标记显著图的分割

4．1．5 基于谱残差显著性的输送带标记定位算法实验与分析

4．2 基于卷积神经网络的输送带标记的精确定位

4．2．1 改进的网络模型结构

4．2．2 实验相关环境及数据集

4．2．3 实验结果与分析

4．3 实验结果与分析

4．4 本章小结

第五章 基于深度学习的输送带标记识别

5．1 深度学习结构模型及其改进方法

5．2 数据集

5．3 实验结果与对比分析

5．3．1 网络相关训练参数设置

5．3．2 改进的AlexNet模型对数据集的结果与分析

5．3．3 出错样本实验分析

5．4 本章小结

第六章 基于机器视觉的输送带表面故障定位模块实验研究

6．1 系统界面

6．2 故障定位性畿测试

6．3 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

发表论文和参加科研情况

致谢