發(fā)布時間：2017-12-25 05:01

  本文關鍵詞：基于機器視覺的輸送帶表面故障定位技術研究　出處：《天津工業(yè)大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 輸送帶 機器視覺 故障定位 深度學習 視覺顯著性

【摘要】：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(wǎng)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(wǎng)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(wǎng)絡結構參數(shù),實現(xiàn)了輸送帶標記數(shù)字的識別。實驗測試表明該算法具有較高的識別精度。在此基礎上,開發(fā)了基于機器視覺的輸送帶表面故障定位模塊。利用實驗室開發(fā)的輸送帶視覺在線監(jiān)測系統(tǒng)對該定位模塊進行了測試,實驗室測試結果表明該模塊具有較高的可靠性。
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH222;TP391.41

【參考文獻】

相關期刊論文 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網(wǎng)絡的輸送帶表面故障定位[J];工礦自動化;2016年12期

2 崔巖;;CAN總線長距離膠帶輸送機故障定位系統(tǒng)[J];儀器儀表標準化與計量;2015年01期

3 姜維;盧朝陽;李靜;劉曉佩;姚超;;基于視覺顯著性與文字置信圖的場景文字的背景抑制方法[J];電子學報;2015年01期

4 余永維;殷國富;殷鷹;杜柳青;;基于深度學習網(wǎng)絡的射線圖像缺陷識別方法[J];儀器儀表學報;2014年09期

5 龔丁禧;曹長榮;;基于卷積神經網(wǎng)絡的植物葉片分類[J];計算機與現(xiàn)代化;2014年04期

6 高學;王有旺;;基于CNN和隨機彈性形變的相似手寫漢字識別[J];華南理工大學學報(自然科學版);2014年01期

7 馮禹;孟國營;張妙恬;杜巖;張博;;帶式輸送機故障定位技術的應用現(xiàn)狀與技術探討[J];煤炭工程;2013年11期

8 王駿;王士同;鄧趙紅;應文豪;;面向小目標圖像的快速核密度估計圖像閾值分割算法[J];自動化學報;2012年10期

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

10 楊彥利;苗長云;亢伉;;基于機器視覺的礦用輸送帶在線監(jiān)測技術[J];礦山機械;2012年08期

，

本文編號：1331426