技术摘要：
本发明属于皮带损伤识别相关技术领域，并具体公开了一种皮带纵向撕裂检测方法及装置。该方法包括如下步骤：采集待测皮带的实时图像并进行传输和保存；对实时图像依次进行灰度转化、二位图转化、背景过滤、局部扫描和区域提取处理，进而得到该实时图像的核心区域；利用  全部
背景技术：
皮带运输机是工业生产中常见的运输设备，它的平稳运行和安全管理对于保障运 输安全至关重要。随着交通运输业规模的不断扩大，对皮带运输机的运载规模、速度和距离 的要求不断提高。由于工作负载大、运行长，皮带运输机容易发生各种故障，给安全运输造 成很大的威胁。 皮带撕裂是一种常见且危害性强的故障类型，并且撕裂常常表现为皮带的纵向撕 裂(调查显示，纵向撕裂占皮带撕裂事故的90％)。由于皮带的造价昂贵，若未及时发现皮带 的撕裂而造成整条皮带撕裂，将造成物料倾洒，损坏减速机，甚至损毁机架结构，造成很大 的经济损失且严重威胁运输的安全。 针对皮带的纵向撕裂进行检测与预防已成为皮带运输机健康管理的一大课题。目 前，利用信息技术、传感器技术、图像识别技术进行皮带机运行状态的监测，已成为一种可 靠的方式。其中，基于机器视觉的故障检测是一种全新的检测理论，能够对皮带纵向撕裂进 行高效、自动检测。
技术实现要素：
针对现有技术的上述缺点和/或改进需求，本发明提供了一种皮带纵向撕裂检测 方法及装置，其中通过无接触测量的方式采集待测皮带的实时图像，将对工作现场的影响 降到最小；然后通过一系列的预处理以提取核心区域，进而有效提高识别效率和识别精度； 同时本发明采用卷积神经网络对图像信息进行快速准确的识别和分类，有效提高了皮带纵 向撕裂的检测精度，实现了皮带纵向撕裂的实时监测。 为实现上述目的，按照本发明的一方面，提供了一种皮带纵向撕裂检测方法，该方 法包括如下步骤： S1采集待测皮带的实时图像并进行传输和保存； S2对所述实时图像依次进行灰度转化、二位图转化、背景过滤、局部扫描和区域提 取处理，进而得到该实时图像的核心区域； S3利用预先训练的卷积神经网络对所述核心区域进行识别，以此得到所述待测皮 带有无纵向撕裂的检测结果。 作为进一步优选的，步骤S1中，利用工业相机由下至上实时拍摄所述待测皮带的 下表面图像，以此获得所述实时图像。 作为进一步优选的，步骤S2包括如下子步骤： S21对所述实时图像进行灰度转化，获得灰度图像； S22将所述灰度图像转化为二位图，便于后续操作； 3 CN 111591715 A 说　明　书 2/5 页 S23对所述二位图进行局部处理，进而筛掉背景信息并保留皮带区域图像； S24基于正常皮带图像训练卷积核，并利用该卷积核遍历所述皮带区域图像，以此 识别出非正常区域皮带图像； S25将所述非正常区域皮带图像中与正常图像差异最大的区域进行提取保存，以 此获得所述实时图像的核心区域。 作为进一步优选的，步骤S24中，所述卷积核的长宽比不大于1:4。 作为进一步优选的，步骤S3包括如下子步骤： S31将所述实时图像的核心区域输入所述预先训练的卷积神经网络中，利用卷积 层进行特征提取得到图像特征； S32利用池化层对所述图像特征进行特征选择和信息过滤，以此得到所述待测皮 带有无纵向撕裂的检测结果。 作为进一步优选的，步骤S3中，利用Soft-max分类器得到所述待测皮带有无纵向 撕裂的检测结果。 按照本发明的另一方面，提供了一种利用上述方法进行皮带纵向撕裂检测的装 置，该装置包括图像采集单元、图像处理单元和控制单元，其中所述图像采集单元用于采集 待测皮带的实时图像并进行传输和保存；所述图像处理单元用于获取所述实时图像的核心 区域，并基于卷积神经网络对其进行识别，以此获得所述待测皮带有无纵向撕裂的检测结 果；所述控制单元用于根据所述检测结果控制所述皮带的运行状况。 作为进一步优选的，所述图像采集单元包括图像采集传感器和图像采集卡，所述 图像采集传感器用于采集待测皮带的实时图像，所述图像采集卡用于传输和保存所述实时 图像。 总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的 技术优点： 1 .本发明提供的皮带纵向撕裂检测方法通过无接触测量的方式采集待测皮带的 实时图像，将对工作现场的影响降到最小；然后通过一系列的预处理以提取核心区域，进而 有效提高识别效率和识别精度；同时本发明采用卷积神经网络对图像信息进行快速准确的 识别和分类，有效提高了皮带纵向撕裂的检测精度，基于机器视觉技术实现了皮带纵向撕 裂的实时监测，减少了皮带纵向撕裂事故造成的经济损失，提高了皮带机运行的可靠性，有 利于提高企业的生产效率和经济效益； 2.尤其是，本发明通过对实时图像的处理过程进行优化，能够有效提高皮带纵向 撕裂检测的稳定性和鲁棒性； 3.此外，本发明还提供了一种皮带纵向撕裂检测装置，该装置利用机器视觉技术 对皮带进行检测，能够保证不接触、不改变被测对象，具有稳定的检测特性并且易于维护， 拥有自动化程度高、信息集成度高、稳定性和鲁棒性良好的特点。 附图说明 图1是本发明提供的皮带纵向撕裂检测方法的流程图； 图2是本发明提供的皮带纵向撕裂检测装置的示意图； 图3是本发明优选实施例中采集实时图像的流程示意图； 4 CN 111591715 A 说　明　书 3/5 页 图4是本发明优选实施例中不同状态下待测皮带的实时图像，其中(a)为正常状 态，(b)为纵向撕裂状态，(c)为点损状态，(d)为横向撕裂状态； 图5是本发明优选实施例中提取核心区域的流程图，其中(a)为纵向撕裂样本，(b) 为点损样本，(c)为横向撕裂样本，(d)为正常样本； 图6是本发明优选实施例中利用卷积神经网络进行识别的示意图。