技术摘要：
本发明提出一种激光辅助传送带撕裂检测装置，包括激光投射装置、视频检测装置和微型计算机，激光投射装置、视频检测装置分别与微型计算机通信连接，激光投射装置设置在传送带上方或下方，用于向传送带上表面或下表面投射条形激光，所述条形激光横向贯穿传送带表面；视  全部
背景技术：
在钢厂、矿山和港口的生产线上，以及在机场、地铁和部分工厂，现用于物品传输 的设备大都采用传送带进行运输。人工智能深度学习的算法能够非常灵敏的检测传送带的 撕裂，但有时传送带上存在不同颜色的痕迹，这些痕迹不是撕裂，但看上去与撕裂相近，此 时人工智能的算法就会产生误报，导致误报率高、停机率高，严重影响正常运行。 目前，传送带具有巨大的市场容量，全球皮带机维护市场价值约18000亿元/年，中 国皮带机维护市场价值约6000亿元/年，因此，这一领域的研究具有良好的市场前景和经济 效益。
技术实现要素：
本发明所解决的技术问题在于提供一种激光辅助传送带撕裂检测装置及方法，通 过采集投射在传送带上的激光图像结合检测算法，实现灵敏准确地检测传送带是否发生撕 裂，避免对传送带上不同颜色的痕迹产生误报警。 实现本发明目的的技术解决方案为： 一种激光辅助传送带撕裂检测装置，包括激光投射装置、视频检测装置和微型计 算机，激光投射装置、视频检测装置分别与微型计算机通信连接，所述激光投射装置设置在 传送带上方或下方，用于向传送带上表面或下表面投射条形激光，所述条形激光横向贯穿 传送带表面；视频检测装置对准传送带上的条形激光设置，用于实时跟踪获取条形激光的 位置及其形状并发送至微型计算机；微型计算机根据实时条形激光的的位置及其形状判断 传送带是否发生撕裂和偏离。 进一步的，本发明的激光辅助传送带撕裂检测装置，所述微型计算机内置卷积神 经网络加速器或图像信号处理器。 进一步的，本发明的激光辅助传送带撕裂检测装置，所述微型计算机内置检测算 法模块，所述检测算法模块用于比对实时条形激光的形状与预存的条形激光的形状，通过 判断其相似度来判断传送带的是否发生撕裂并当判断发生撕裂时确定其撕裂位置、撕裂宽 度、撕裂长度，同时用于根据实时条形激光的横向条纹位置获取传送带的宽度边缘位置信 息，从而判断传送带在运动过程中是否偏离中心位置。 进一步的，本发明的激光辅助传送带撕裂检测装置，所述预设的条形激光的形状 包括横向条纹、纵向条纹、与横向条纹成45度的斜向条纹。 进一步的，本发明的激光辅助传送带撕裂检测装置，所述微型计算机内置人工智 能深度学习算法模块，所述人工智能深度学习算法模块包括神经网络模型，所述神经网络 模型为卷积神经网络模型。 一种基于上述任一的激光辅助传送带撕裂检测装置的检测方法，激光投射装置向 3 CN 111717617 A 说　明　书 2/5 页 运动的传送带表面投射条形激光，所述条形激光横向贯穿传送带表面，视频检测装置实时 跟踪获取条形激光及其形状并发送至微型计算机，微型计算机的检测算法模块比对实时条 形激光的形状与预存的条形激光的形状，若一致，则传送带未发生撕裂，若不一致，则传送 带发生撕裂。 进一步的，本发明的激光辅助传送带撕裂检测方法，预存的条形激光的形状包括 横向条纹、纵向条纹、与横向条纹成45度的斜向条纹，使得对于传送带各方向的撕裂都会与 至少一条激光近似垂直相交，撕裂与所述近似垂直相交的激光的夹角为67.5°～122.5°。 进一步的，本发明的激光辅助传送带撕裂检测方法，检测算法模块通过分析摄像 机实时拍摄传送带上的条形激光图案与预存的条形激光图案的偏差，计算两者的相似度， 若相似度小于预设阈值，则判断传送带发生撕裂同时发出报警信号，并判定其撕裂的具体 位置以及其长度、宽度等信息，否则判断传送带未发生撕裂，所述阈值为50％、80％或95％。 进一步的，本发明的激光辅助传送带撕裂检测方法，检测算法模块通过分析实时 条形激光的横向条纹位置与预存的条形激光的横向条纹位置的偏差，并计算传送带的宽度 边缘位置偏差，若偏差大于预设的安全阈值，则判断传送带发生偏离同时发出报警信号，否 则判断传送带未发生偏离，所述安全阈值为5％、30％或50％。 本发明采用以上技术方案与现有技术相比，具有以下技术效果： 1、本发明的激光辅助传送带撕裂检测装置利用激光投射和视频检测相结合，抗干 扰性强，大大降低了误报率，也降低了停机检查的次数。 2、本发明的激光辅助传送带撕裂检测装置检测精度高，能够有效区别撕裂痕迹与 其他痕迹。 3、本发明的激光辅助传送带撕裂检测方法通过算法检测激光形状来准确地识别 传送带的撕裂情况，识别精度高。 附图说明 图1是本发明的激光辅助传送带撕裂检测装置的结构示意图。 图2是本发明的激光辅助传送带撕裂检测方法的流程图。