CN116946645A - 一种基于图像识别的检测皮带撕裂情况的方法及系统 - Google Patents

Abstract

一种基于图像识别的检测皮带撕裂情况的方法及系统，其中方法包括以下步骤：获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；裁剪出运行图像中每一帧的ROI区域的原始图像；对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；获取撕裂可疑点组与其相邻的像素点的曲率，统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。本发明通过图像识别来对皮带的撕裂情况进行智能的检测，相较于现有技术通过人工确定皮带的撕裂程度，能够有效提高度量皮带撕裂的准确性，对皮带断裂作出及时的预警。

Description

一种基于图像识别的检测皮带撕裂情况的方法及系统

技术领域

本发明涉及图像识别技术领域，特别是一种基于图像识别的检测皮带撕裂情况的方法及系统。

背景技术

皮带运输机作为诸多领域企业运输物料的重要运输设备，在生产中占据重要的地位，该领域包括港口、冶金、矿山、化工、石油、电厂以及建材等，而传输皮带主要材料为橡胶以及纤维芯胶带、普通帆布芯胶带或钢绳芯胶带等不同材质芯绳，而传输皮带在不断运行过程中，容易出现撕裂的情况。

当皮带在运输过程中发生断裂时，运输的材料在掉落时有可能会造成物料倾洒、损毁减速器和电动机等设备。而皮带由于价格的原因，并不能在皮带出现一丝撕裂的情况时就对皮带进行更换。再者断裂变化是实时发生的，采用定时检测的方式无法有效预测出皮带是何时需要进行更换，只有实时的检测才能对皮带的撕裂情况进行实时的检测。但是在运输的过程中位于运输机上方的皮带通常装载着货物，影响工人对皮带的观察，造成最终确定皮带撕裂程度的准确性较低。位于运输机上方的皮带由于位置关系，工人难以在下方对皮带进行检测，故一种能够自动识别出皮带撕裂情况的方法亟待出现。

发明内容

针对上述缺陷，本发明的目的在于提出一种基于图像识别的检测皮带撕裂情况的方法及系统，实现皮带撕裂的自动识别以及撕裂长度计算，解决人工难以观察运行中皮带撕裂的问题。

为达此目的，本发明采用以下技术方案：一种基于图像识别的检测皮带撕裂情况的方法，包括以下步骤：

步骤S1：使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

步骤S2：裁剪出运行图像中每一帧的ROI区域的原始图像；

步骤S3：对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

步骤S4：通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

步骤S5：获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

步骤S6：统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

优选的，所述步骤S3的具体步骤如下：

步骤S1：使用cv2.medianBlur函数对原始图像进行中值滤波；

步骤S2：对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；

步骤A3：对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

步骤S4：对最大的激光区域进行边缘检测，获取激光轮廓；

步骤S5：对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

优选的，所述步骤S4的具体步骤如下：

步骤S41：对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

步骤S42：对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

步骤S43：获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

优选的，所述步骤S5的具体步骤如下：

步骤S51：分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

步骤S52：构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵，其中第一矩阵如下所示：

步骤S53：通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

步骤S54：通过系数向量a₁与a₂获取该可疑点组的像素点的曲率，其中曲率的获取公式如下：其中b₁＝a₁+2a₂x₂，b₂＝2a₂，其中x2为其中一相邻像素点的横坐标值；

步骤S55：判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

优选的，步骤S6的具体步骤如下：

当当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度；

其中撕裂的长度计算公式如下：S＝n*v/e，其中n为撕裂点出现次数，v为皮带的速度，e为帧数。

一种基于图像识别的检测皮带撕裂情况的系统，使用所述一种基于图像识别的检测皮带撕裂情况的方法，包括：选区模块、裁剪模块、拟合模块、判断模块、确定模块以及长度计算模块；

所述选区模块用于使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

所述裁剪模块用于裁剪出运行图像中每一帧的ROI区域的原始图像；

所述拟合模块用于对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

所述判断模块用于通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

所述确定模块用于获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

所述长度计算模块用于统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

优选的，所述拟合模块包括第一处理子模块、第二处理子模块、第三处理子模块、第四处理子模块和第五处理子模块；

所述第一处理子模块用于使用cv2.medianBlur函数对原始图像进行中值滤波；

所述第二处理子模块用于对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；

所述三处理子模块用于对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

所述第四处理子模块用于对最大的激光区域进行边缘检测，获取激光轮廓；

所述第五处理子模块用于对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

优选的，所述判断模块包括遍历子模块、分组子模块以及差值计算子模块；

所述遍历子模块用于对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

所述分组子模块用于对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

差值计算子模块用于获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

优选的，确定模块包括第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块和第五计算子模块；

所述第一计算子模块用于分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

所述第二计算子模块用于构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵；

所述第三计算子模块用于通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

所述第四计算子模块用于通过系数向量a₁与a₂获取该可疑点组的像素点的曲率；

所述第五计算子模块用于判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

优选的，所述长度计算模块包括第一分析子模块和第二分析子模块；

所述用于在当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

所述第二分析子模块用于判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度。

上述技术方案中的一个技术方案具有如下优点或有益效果：本发明通过图像识别来对皮带的撕裂情况进行智能的检测，相较于现有技术通过人工确定皮带的撕裂程度，能够有效提高度量皮带撕裂的准确性，对皮带断裂作出及时的预警。

附图说明

图1是本发明方法的一个实施例的流程图。

图2是本发明方法的一个实施例中获取撕裂长度的流程图。

图3是本发明的一个实施例中选取包含激光的ROI区域示意图。

图4是本发明的一个实施例中上边界与下边界的示意图。

图5是本发明的一个实施例中获取左右两侧像素点的示意图。

图6是本发明系统的一个实施例的结构示意图。

具体实施方式

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的实施方式的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

如图1～5所示，一种基于图像识别的检测皮带撕裂情况的方法，包括以下步骤：

步骤S1：使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

步骤S2：裁剪出运行图像中每一帧的ROI区域的原始图像；

步骤S3：对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

步骤S4：通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

步骤S5：获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

步骤S6：统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

为了解决现有技术中无法使用人工对皮带的撕裂情况作出检测的问题。为此，本发明设计出能够代替人工检测的方式。如图3所示，首先在运输机的下方设置有发射出激光的机器，该激光机发出的激光对准皮带，然后通过摄像机对皮带在运行中的图像进行获取，得到运行图像。而摄像机、激光机以及皮带三者的位置相对固定，所以激光机在运行图像中的位置也是固定不变的，故在获取到运行图像后，可以通过人工的方式开选定出含有激光的ROI区域。在后续的计算中只需要裁剪出ROI区域，并对ROI区域内的图像进行处理即可，能够大大减少图像处理量，从而提高图像的处理速度。

当皮带存在撕裂时，皮带撕裂的地方与皮带本体之间的颜色会存在变化，在激光的扫描下更加能区别出撕裂地方与皮带本体，然后可以通过二值化等手段区分出撕裂地方与皮带，而激光具有一定的厚度，在获取到ROI区域后，需要对ROI区域进行拟合，得到激光的上边界与下边界，如图4所示，图4中央黑色的两天边分别为上边界与上边界。而在二值化的作用下，撕裂区域与上边界或与下边界在图像上会以一个整体进行呈现，所以通过上边界与下边界之间的高度差值，判断出存在高度差值的地方是否为撕裂点。但是由于在实际使用的过程中，皮带是凹凸不平整的，在机器上拍摄一般呈现出中间宽，两边细的情况，只利用高度很容易出现失误，所以利用上边界与下边界之间的高度差判断得出的只是撕裂可疑点组。然后本发明中还会对撕裂可疑点组进行曲率的求算，曲率是描述曲线弯曲程度的物理量。在二维平面上的曲线上，可以通过计算曲线上某一点的曲率来了解这个点处曲线的弯曲程度，在皮带撕裂后，基于皮带的材质结构，撕裂时是会拉伸变形，所以此时撕裂点的曲率是相对较大的，通过曲率的怕段可以从而进一步判断拿出该上边界与下边界之间的高度差是由撕裂而引起还是应为摄像的原因所引起。

进一步的，在进行每一次的撕裂点的判断时是通过每一帧的图像材料进行判断，当在范围内内重复出现的撕裂点可以判断为同一个皮带撕裂，而皮带的运行速度是固定的，通过皮带的运行速度、帧数以及该撕裂点的出现次数，即可得到该撕裂的长度。

本发明通过图像识别来对皮带的撕裂情况进行智能的检测，相较于现有技术通过人工确定皮带的撕裂程度，能够有效提高度量皮带撕裂的准确性，对皮带断裂作出及时的预警。

优选的，所述步骤S3的具体步骤如下：

步骤S1：使用cv2.medianBlur函数对原始图像进行中值滤波；以去除噪声和细节，同时保留边缘信息。

步骤S2：对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；具体根据实际情况选择合适的阈值进行二值化，然后通过使用cv2.threshold函数对滤波后的原始图像进行二值化处理。

步骤A3：对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

具体的在进行区域生长或连通区域处理时，可以通过find_max_region函数来实现。

步骤S4：对最大的激光区域进行边缘检测，获取激光轮廓；具体的，可以使用cv2.findContours函数来实现边缘检测。

步骤S5：对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

优选的，在进行曲线拟合算法前可以对激光轮廓进行如平滑、插值等处理，便于后续的曲线拟合，而所述曲线拟合算法可以为最小二乘法。

优选的，所述步骤S4的具体步骤如下：

步骤S41：对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

步骤S42：对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

步骤S43：获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

具体的，在获取到上边界与下边界后，分别获取上、下边界中像素点的坐标，并根据所述横坐标进行分组，得到多个判断点组，然后判断点组中的两个像素点之间的纵坐标进行相减，得到两者之间的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则说明在该横坐标下的上、下边界之间的差距相对较大，可能是撕裂点。故将大于差值阈值的该判断点组设为撕裂可疑点组。

需要注意的是，在计算上、下边界高度差时，还需要考虑到像素之间的实际尺度关系。通常情况下，可以根据图像采集设备的像素大小以及物体在图像中的实际尺寸，计算出像素与实际长度之间的转换关系，并将其应用于高度差的计算过程中，以确保得到的差值阈值是符合判断的需求。

优选的，所述步骤S5的具体步骤如下：

步骤S51：分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

如图5所示，(x1，y1)为撕裂可疑点组中的上边界的像素点，而(x0，y0)和(x2，y2)分别为撕裂可疑点组中的上边界像素点左右两侧的像素点。而由于在撕裂的末端只有某一边界的曲率是大于阈值的，所以在本发明中是需要同时获取撕裂可疑点组中两个像素点的曲率，只要其中一个像素点的曲率是大于曲率阈值的，就可以认定该撕裂可疑点组为撕裂点。

步骤S52：构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵，其中第一矩阵如下所示：

步骤S53：通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

具体的，可以通过三个可疑点组其中一像素点与其左右两侧像素点的坐标进行计算，其中求解时的公式如下：在通过对应的像素点坐标代入后即可获取得到系数向量a₀、a₁与a₂的具体数值；

步骤S54：通过系数向量a₁与a₂获取该可疑点组的像素点的曲率，其中曲率的获取公式如下：其中b₁＝a₁+2a₂x₂，b₂＝2a₂，其中x2为其中一相邻像素点的横坐标值；

步骤S55：判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

优选的，步骤S6的具体步骤如下：

当当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度；

其中撕裂的长度计算公式如下：S＝n*v/e，其中n为撕裂点出现次数，v为皮带的速度，e为帧数。

例如，在当前帧中首次出现了撕裂点A与撕裂点B，并分别标记撕裂点A和撕裂点B为A1与A2，创建出A1与A2的出现次数记录表，并分别记录A1与A2的出现次数为1；

随后对下一帧的图像进行识别，若此时出现了撕裂点C，则需要将撕裂点C的横坐标分别与撕裂点A、撕裂点B的横坐标进行差值运算，并判断横坐标的差值是否大于宽度范围，若宽度范围为3，撕裂点A的横坐标为2，撕裂点A的横坐标为10，撕裂点C的横坐标为3，此时撕裂点A与撕裂点C的横坐标差值为1，并且小于宽度范围3，此时就可以认为撕裂点C与撕裂点A是出于同一条撕裂的，然后将撕裂点C标记为A1，并更新增加A1的出现次数，使其变为2。而撕裂点A与撕裂点C的横坐标差值为7，是大于宽度范围3的。则不增加A2的出现次数，并根据A2的出现次数计算出A2的撕裂长度。若宽度范围为3，撕裂点A的横坐标为15，撕裂点B的横坐标为10，撕裂点C的横坐标为3，则此时撕裂点A与撕裂点B分别与撕裂点C的横坐标的差值都大于宽度范围，则此时标记撕裂点C为A3，记录A3的出现次数为1，并同时根据A1和A2的出现次数分别计算出A1和A2的撕裂长度。

一种基于图像识别的检测皮带撕裂情况的系统，使用所述一种基于图像识别的检测皮带撕裂情况的方法，包括：选区模块、裁剪模块、拟合模块、判断模块、确定模块以及长度计算模块；

所述选区模块用于使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

所述裁剪模块用于裁剪出运行图像中每一帧的ROI区域的原始图像；

所述拟合模块用于对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

所述判断模块用于通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

所述确定模块用于获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

所述长度计算模块用于统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

优选的，所述拟合模块包括第一处理子模块、第二处理子模块、第三处理子模块、第四处理子模块和第五处理子模块；

所述第一处理子模块用于使用cv2.medianBlur函数对原始图像进行中值滤波；

所述第二处理子模块用于对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；

所述三处理子模块用于对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

所述第四处理子模块用于对最大的激光区域进行边缘检测，获取激光轮廓；

所述第五处理子模块用于对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

优选的，所述判断模块包括遍历子模块、分组子模块以及差值计算子模块；

所述遍历子模块用于对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

所述分组子模块用于对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

差值计算子模块用于获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

优选的，确定模块包括第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块和第五计算子模块；

所述第一计算子模块用于分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

所述第二计算子模块用于构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵；

所述第三计算子模块用于通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

所述第四计算子模块用于通过系数向量a₁与a₂获取该可疑点组的像素点的曲率；

所述第五计算子模块用于判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

优选的，所述长度计算模块包括第一分析子模块和第二分析子模块；

所述用于在当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

所述第二分析子模块用于判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。

Claims (10)

1.一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，包括以下步骤：

步骤S1：使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

步骤S2：裁剪出运行图像中每一帧的ROI区域的原始图像；

步骤S3：对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

步骤S4：通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

步骤S5：获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

步骤S6：统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

2.根据权利要求1所述一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，所述步骤S3的具体步骤如下：

步骤S1：使用cv2.medianBlur函数对原始图像进行中值滤波；

步骤S2：对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；

步骤A3：对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

步骤S4：对最大的激光区域进行边缘检测，获取激光轮廓；

步骤S5：对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

3.根据权利要求1所述一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，所述步骤S4的具体步骤如下：

步骤S41：对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

步骤S42：对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

步骤S43：获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

4.根据权利要求1所述一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，所述步骤S5的具体步骤如下：

步骤S51：分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

步骤S52：构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵，其中第一矩阵如下所示：

步骤S53：通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

步骤S54：通过系数向量a₁与a₂获取该可疑点组的像素点的曲率，其中曲率的获取公式如下：其中b₁＝a₁+2a₂x₂，b₂＝2a₂，其中x2为其中一相邻像素点的横坐标值；

步骤S55：判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

5.根据权利要求1所述一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，步骤S6的具体步骤如下：

当当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度；

其中撕裂的长度计算公式如下：S＝n*v/e，其中n为撕裂点出现次数，v为皮带的速度，e为帧数。

6.一种基于图像识别的检测皮带撕裂情况的系统，使用权利要求1～5任一项所述一种基于图像识别的检测皮带撕裂情况的方法，其特征在于，包括：选区模块、裁剪模块、拟合模块、判断模块、确定模块以及长度计算模块；

所述选区模块用于使用激光对皮带进行扫描，获取皮带的运行图像，并在运行图像中设定选取包含激光的ROI区域；

所述裁剪模块用于裁剪出运行图像中每一帧的ROI区域的原始图像；

所述拟合模块用于对原始图像的每一帧的ROI区域进行拟合，得到激光的上边界下边界；

所述判断模块用于通过上边界与下边界之间的高度差值，获取得到撕裂可疑点组；

所述确定模块用于获取撕裂可疑点组与其相邻的像素点的曲率，判断撕裂可疑区点组的曲率是否满足曲率阈值，若满足，则将该点作为撕裂点；

所述长度计算模块用于统计宽度范围内获取撕裂点在运行图像出现的次数，并通过运行皮带的运行速度与撕裂点出现的帧数获取皮带的撕裂长度。

7.根据权利要求6所述的一种基于图像识别的检测皮带撕裂情况的系统，其特征在于，所述拟合模块包括第一处理子模块、第二处理子模块、第三处理子模块、第四处理子模块和第五处理子模块；

所述第一处理子模块用于使用cv2.medianBlur函数对原始图像进行中值滤波；

所述第二处理子模块用于对滤波后的原始图像进行二值化处理，得到原始图像中的激光大致轮廓；

所述三处理子模块用于对激光大致轮廓进行区域生长或连通区域处理，获取最大的激光区域；

所述第四处理子模块用于对最大的激光区域进行边缘检测，获取激光轮廓；

所述第五处理子模块用于对激光轮廓使用曲线拟合算法，得到激光的上边界与下边界。

8.根据权利要求7所述的一种基于图像识别的检测皮带撕裂情况的系统，其特征在于，所述判断模块包括遍历子模块、分组子模块以及差值计算子模块；

所述遍历子模块用于对所述上边界与下边界进行遍历，将遍历后上边界与下边界的像素点坐标分别存储在两个坐标表内；

所述分组子模块用于对两个坐标表中同一横坐标的两个像素点作为一组判断点组；

差值计算子模块用于获取判断点组中两个像素点的纵坐标差值，若两个像素点之间的纵坐标差值大于差值阈值，则将该判断点组设为撕裂可疑点组。

9.根据权利要求8所述的一种基于图像识别的检测皮带撕裂情况的系统，其特征在于，确定模块包括第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块和第五计算子模块；

所述第一计算子模块用于分别获取撕裂可疑点组中两个像素点左右两侧的相邻像素点，并分别获取两个相邻像素点到可疑点组中像素点的距离t_a和距离t_b；

所述第二计算子模块用于构建一个二次函数模型：y＝a₀+a₁x+a₂x²；

使用距离t_a和距离t_b构建出第一矩阵；

所述第三计算子模块用于通过所述第一矩阵与一个二次函数模型共同算求出系数向量a₀、a₁与a₂的具体数值；

所述第四计算子模块用于通过系数向量a₁与a₂获取该可疑点组的像素点的曲率；

所述第五计算子模块用于判断可疑点组中任一像素点的曲率是否大于曲率阈值，若大于，则将该可疑区点组标记为撕裂点。

10.根据权利要求9所述的一种基于图像识别的检测皮带撕裂情况的系统，其特征在于，所述长度计算模块包括第一分析子模块和第二分析子模块；

所述用于在当前帧首次出现撕裂点后，对撕裂点进行标记，并设置标记后的撕裂点出现次数为1；

所述第二分析子模块用于判断下一帧是否出现撕裂点，若出现有撕裂点，则逐一获取该帧的撕裂点横坐标与上一帧所有被标记撕裂点横坐标的差值，判断横坐标的差值是否大于宽度范围，若所有的横坐标的差值大于宽度范围，则将该撕裂点进行标记，并置标记后的撕裂点出现次数为1，若存在有横坐标的差值小于宽度范围，则增加宽度范围内被标记撕裂点的出现次数，若没有出现有撕裂点，则判断撕裂点出现次数是否存在更新，若出现次数没有存在更新，则计算出撕裂的长度。