本文關(guān)鍵詞：基于機(jī)器視覺(jué)的輸送帶表面故障定位技術(shù)研究　出處：《天津工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 輸送帶 機(jī)器視覺(jué) 故障定位 深度學(xué)習(xí) 視覺(jué)顯著性

【摘要】：作為我國(guó)現(xiàn)代化大生產(chǎn)的一種重要運(yùn)輸設(shè)備,帶式輸送機(jī)廣泛應(yīng)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(jī)的重要部件,運(yùn)行中容易發(fā)生劃傷、縱向撕裂、破損等表面故障,嚴(yán)重危及安全生產(chǎn)。目前,機(jī)器視覺(jué)技術(shù)開(kāi)始被應(yīng)用于輸送帶的故障檢測(cè),但由于輸送帶首尾相連,循環(huán)運(yùn)行工作,即使利用機(jī)器視覺(jué)技術(shù)發(fā)現(xiàn)了故障,檢修過(guò)程中查找故障位置仍需要耗費(fèi)大量的時(shí)間、人力和物力,因此,故障定位成為輸送帶視覺(jué)監(jiān)測(cè)的一個(gè)重要技術(shù)問(wèn)題。針對(duì)輸送帶視覺(jué)檢測(cè)的表面故障定位問(wèn)題,提出了一種基于機(jī)器視覺(jué)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(biāo)記,根據(jù)數(shù)字容易被維修人員辨認(rèn)的特點(diǎn),在輸送帶上面做了數(shù)字標(biāo)記,通過(guò)對(duì)采集的輸送帶圖像進(jìn)行處理來(lái)實(shí)現(xiàn)標(biāo)記數(shù)字的定位和識(shí)別,進(jìn)而實(shí)現(xiàn)對(duì)輸送帶表面故障的定位。對(duì)于數(shù)字標(biāo)記的定位,提出了一種基于視覺(jué)顯著性和卷積神經(jīng)網(wǎng)絡(luò)的輸送帶標(biāo)記數(shù)字定位算法。該算法首先使用灰度線性變換增強(qiáng)帶標(biāo)記輸送帶圖像的對(duì)比度,再用譜殘差算法提取帶標(biāo)記輸送帶圖像的顯著圖;然后用一種改進(jìn)的直方圖閾值分割算法對(duì)帶標(biāo)記的輸送帶顯著圖進(jìn)行分割,實(shí)現(xiàn)對(duì)數(shù)字標(biāo)記的初步定位;再用卷積神經(jīng)網(wǎng)絡(luò)對(duì)初步定位出的圖像進(jìn)行分類,以區(qū)分出標(biāo)記數(shù)字區(qū)域和非數(shù)字區(qū)域。實(shí)驗(yàn)結(jié)果表明,該算法可以很好的定位輸送帶圖像上的標(biāo)記數(shù)字。對(duì)于數(shù)字標(biāo)記的識(shí)別,提出了 一種基于深度學(xué)習(xí)的輸送帶標(biāo)記數(shù)字識(shí)別算法,該算法對(duì)AlexNet模型進(jìn)行改進(jìn),設(shè)計(jì)了適用于輸送帶標(biāo)記圖像的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),實(shí)現(xiàn)了輸送帶標(biāo)記數(shù)字的識(shí)別。實(shí)驗(yàn)測(cè)試表明該算法具有較高的識(shí)別精度。在此基礎(chǔ)上,開(kāi)發(fā)了基于機(jī)器視覺(jué)的輸送帶表面故障定位模塊。利用實(shí)驗(yàn)室開(kāi)發(fā)的輸送帶視覺(jué)在線監(jiān)測(cè)系統(tǒng)對(duì)該定位模塊進(jìn)行了測(cè)試,實(shí)驗(yàn)室測(cè)試結(jié)果表明該模塊具有較高的可靠性。
【學(xué)位授予單位】：天津工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TH222;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙燕飛;楊彥利;王麗娟;;基于顯著性和深度卷積神經(jīng)網(wǎng)絡(luò)的輸送帶表面故障定位[J];工礦自動(dòng)化;2016年12期

2 崔巖;;CAN總線長(zhǎng)距離膠帶輸送機(jī)故障定位系統(tǒng)[J];儀器儀表標(biāo)準(zhǔn)化與計(jì)量;2015年01期

3 姜維;盧朝陽(yáng);李靜;劉曉佩;姚超;;基于視覺(jué)顯著性與文字置信圖的場(chǎng)景文字的背景抑制方法[J];電子學(xué)報(bào);2015年01期

4 余永維;殷國(guó)富;殷鷹;杜柳青;;基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識(shí)別方法[J];儀器儀表學(xué)報(bào);2014年09期

5 龔丁禧;曹長(zhǎng)榮;;基于卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分類[J];計(jì)算機(jī)與現(xiàn)代化;2014年04期

6 高學(xué);王有旺;;基于CNN和隨機(jī)彈性形變的相似手寫(xiě)漢字識(shí)別[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

7 馮禹;孟國(guó)營(yíng);張妙恬;杜巖;張博;;帶式輸送機(jī)故障定位技術(shù)的應(yīng)用現(xiàn)狀與技術(shù)探討[J];煤炭工程;2013年11期

8 王駿;王士同;鄧趙紅;應(yīng)文豪;;面向小目標(biāo)圖像的快速核密度估計(jì)圖像閾值分割算法[J];自動(dòng)化學(xué)報(bào);2012年10期

9 姜慧研;馮銳杰;;基于改進(jìn)的變分水平集和區(qū)域生長(zhǎng)的圖像分割方法的研究[J];電子學(xué)報(bào);2012年08期

10 楊彥利;苗長(zhǎng)云;亢伉;;基于機(jī)器視覺(jué)的礦用輸送帶在線監(jiān)測(cè)技術(shù)[J];礦山機(jī)械;2012年08期

，

本文編號(hào)：1331426