【技術(shù)實現(xiàn)步驟摘要】
本申請涉及煤炭輸送帶的跑偏檢測，具體是涉及一種基于yolov8算法的煤炭輸送帶跑偏檢測方法、系統(tǒng)及裝置。
技術(shù)介紹
1、輸送帶是現(xiàn)代礦山自動化生產(chǎn)的重要組成部分，廣泛應(yīng)用于煤礦井下的皮帶運輸系統(tǒng)、露天煤礦物料傳輸以及選煤廠物料輸送線的狀態(tài)監(jiān)測。傳統(tǒng)的輸送帶監(jiān)測技術(shù)主要依賴人工巡檢和固定式傳感器。人工巡檢雖然可以發(fā)現(xiàn)一些明顯的故障，但由于效率低下且受主觀因素影響較大，難以滿足現(xiàn)代化礦山連續(xù)作業(yè)的需求。固定式傳感器則因其固定的安裝位置，難以全面覆蓋復(fù)雜的工作環(huán)境，特別是在光照條件不佳的情況下，檢測精度受限，導(dǎo)致誤報頻發(fā)。
2、現(xiàn)有的解決方案通常采用紅外傳感器或超聲波測距等手段來監(jiān)測輸送帶的跑偏情況。這些方法通過設(shè)定固定閾值來判斷輸送帶是否偏離正常軌道。紅外傳感器利用紅外光束檢測物體的距離，而超聲波測距則是通過發(fā)射超聲波并測量回波的時間差來確定距離。這兩種方法都能在一定程度上實現(xiàn)對輸送帶跑偏的初步檢測。此外，還有結(jié)合圖像檢測技術(shù)對于煤炭輸送帶進行偏移檢測的技術(shù)，但現(xiàn)有的圖像檢測技術(shù)抗干擾能力較弱，容易受到環(huán)境中灰塵、水分以及光照燈環(huán)境因素的影響，導(dǎo)致誤報頻繁，且由于它們基于固定的閾值判斷，無法適應(yīng)輸送帶上煤炭負載變化等實時工況變化引起的輕微偏差，從而降低了系統(tǒng)的可靠性和適用性。因此，亟需一種更為精準(zhǔn)可靠的跑偏檢測方法來解決這些問題。
技術(shù)實現(xiàn)思路
1、為了實現(xiàn)在考慮煤炭輸送帶實時工況以及環(huán)境等因素條件，利用圖像檢測方法完成更為精準(zhǔn)的跑偏檢測，本申請?zhí)峁┮环N基于yolov8算法
2、第一方面，本申請?zhí)峁┮环N基于yolov8算法的煤炭輸送帶跑偏檢測方法，包括：
3、實時采集獲取煤炭輸送帶圖像并進行預(yù)處理；
4、利用yolov8算法對煤炭輸送帶圖像中的煤炭輸送帶進行邊緣檢測；結(jié)合獲取的煤炭輸送帶的邊緣坐標(biāo)，按照第一跑偏計算步驟進行跑偏計算，獲得第一跑偏參數(shù)；所述第一跑偏計算步驟包括：針對檢測獲取的煤炭輸送帶左右邊緣坐標(biāo)分別進行邊緣線條軌跡擬合，利用擬合后的左右邊緣線條軌跡計算中心線軌跡并與預(yù)設(shè)煤炭輸送帶中心線軌跡進行比對，計算第一跑偏參數(shù)，包括偏移量與傾斜角度；
5、實時采集煤炭輸送帶的工況數(shù)據(jù)與煤炭輸送帶周邊的環(huán)境數(shù)據(jù)；利用第一跑偏參數(shù)自適應(yīng)閾值調(diào)整機制，獲取實時采集的工況數(shù)據(jù)與環(huán)境數(shù)據(jù)對應(yīng)的第一跑偏參數(shù)閾值調(diào)整數(shù)值；所述第一跑偏參數(shù)自適應(yīng)閾值調(diào)整機制選擇通過歷史不同工況數(shù)據(jù)與環(huán)境數(shù)據(jù)條件下，經(jīng)過閾值調(diào)整后且與歷史實際第一跑偏參數(shù)相似度大于預(yù)設(shè)相似度的歷史第一跑偏參數(shù)對應(yīng)的歷史第一跑偏參數(shù)閾值調(diào)整數(shù)值擬合的第一跑偏參數(shù)自適應(yīng)閾值調(diào)整函數(shù)或訓(xùn)練的第一跑偏參數(shù)自適應(yīng)閾值調(diào)整模型；
6、利用獲取的第一跑偏參數(shù)閾值調(diào)整數(shù)值調(diào)整第一跑偏參數(shù)預(yù)設(shè)閾值，判斷計算的第一跑偏參數(shù)是否超出閾值調(diào)整后的第一跑偏參數(shù)預(yù)設(shè)閾值，以實時獲取跑偏與否的第一結(jié)果并對應(yīng)生成煤炭輸送帶跑偏提示信息。
7、通過采用上述方案，利用yolov8算法對煤炭輸送帶圖像中的煤炭輸送帶進行邊緣檢測，精確識別輸送帶的左右邊緣坐標(biāo)，并結(jié)合第一跑偏計算步驟準(zhǔn)確獲得第一跑偏參數(shù)；同時實時采集工況數(shù)據(jù)與環(huán)境數(shù)據(jù)，并通過自適應(yīng)閾值調(diào)整機制動態(tài)調(diào)整跑偏參數(shù)判斷閾值，避免由工況與環(huán)境因素引起的檢測偏差，提升了檢測的精度，增強適應(yīng)能力和可靠性。
8、優(yōu)選的，還包括：
9、預(yù)先獲取攝像裝置覆蓋的煤炭輸送帶的位置范圍并進行區(qū)域劃分，獲得煤炭輸送帶直線區(qū)域與煤炭輸送帶曲線區(qū)域；針對煤炭輸送帶的劃分區(qū)域類型對應(yīng)匹配預(yù)設(shè)長度，并利用匹配的預(yù)設(shè)長度對于煤炭輸送帶左右邊緣坐標(biāo)進行分段處理，獲得煤炭輸送帶左右邊緣坐標(biāo)若干分段集合；
10、按照每個煤炭輸送帶左右邊緣坐標(biāo)分段集合，分別對檢測獲取的煤炭輸送帶左右邊緣坐標(biāo)進行線條軌跡擬合，分段利用擬合后的左右邊緣線條軌跡計算中心線軌跡并與預(yù)設(shè)煤炭輸送帶中心線軌跡進行比對，計算獲得若干分段對應(yīng)的第一跑偏參數(shù)；
11、分段獲取煤炭輸送帶左右邊緣線條軌跡對應(yīng)煤炭輸送帶的位置范圍內(nèi)工況數(shù)據(jù)與環(huán)境數(shù)據(jù)，對應(yīng)獲取第一跑偏參數(shù)閾值調(diào)整數(shù)值并分段生成閾值調(diào)整后的跑偏參數(shù)預(yù)設(shè)閾值；
12、分段判斷實時計算的第一跑偏參數(shù)是否超出對應(yīng)分段的閾值調(diào)整后的第一跑偏參數(shù)預(yù)設(shè)閾值，針對超出閾值調(diào)整后第一跑偏參數(shù)預(yù)設(shè)閾值的第一跑偏參數(shù)生成煤炭輸送帶跑偏提示信息。
13、通過采用上述方案，對煤炭輸送帶的不同區(qū)域進行分段處理，并結(jié)合各分段的實際工況與環(huán)境數(shù)據(jù)，實現(xiàn)了更加精準(zhǔn)的跑偏參數(shù)計算與閾值調(diào)整，從而有效減少了誤報和漏報現(xiàn)象。
14、優(yōu)選的，還包括：
15、利用yolov8算法對煤炭輸送帶圖像中的煤炭輸送帶上承載的煤炭進行邊緣檢測，獲取煤炭的邊緣坐標(biāo)與第二置信度；結(jié)合獲取的煤炭的邊緣坐標(biāo)，按照第二跑偏計算步驟進行跑偏計算，獲得第二跑偏參數(shù)；所述第二跑偏計算步驟包括：針對檢測獲取的煤炭邊緣坐標(biāo)進行輪廓擬合，計算煤炭區(qū)域的質(zhì)心位置，并與預(yù)設(shè)煤炭輸送帶承載的煤炭質(zhì)心位置進行比對，計算第二跑偏參數(shù)，包括：偏移量；
16、實時采集煤炭輸送帶上承載的煤炭的基礎(chǔ)信息數(shù)據(jù)，包括：類型、重量；利用第二跑偏參數(shù)自適應(yīng)閾值調(diào)整機制，獲取實時采集的工況數(shù)據(jù)、環(huán)境數(shù)據(jù)及煤炭的基礎(chǔ)信息數(shù)據(jù)對應(yīng)的第二跑偏參數(shù)閾值調(diào)整數(shù)值；所述第二跑偏參數(shù)自適應(yīng)閾值調(diào)整機制選擇通過歷史不同工況數(shù)據(jù)、環(huán)境數(shù)據(jù)及煤炭的基礎(chǔ)信息數(shù)據(jù)條件下，經(jīng)過閾值調(diào)整后且與歷史實際第二跑偏參數(shù)相似度大于預(yù)設(shè)相似度的歷史第二跑偏參數(shù)對應(yīng)的歷史第二跑偏參數(shù)閾值調(diào)整數(shù)值擬合的第二跑偏參數(shù)自適應(yīng)閾值調(diào)整函數(shù)或訓(xùn)練的第二跑偏參數(shù)自適應(yīng)閾值調(diào)整模型；
17、利用獲取第二跑偏參數(shù)閾值調(diào)整數(shù)值調(diào)整第二跑偏參數(shù)預(yù)設(shè)閾值，判斷計算第二跑偏參數(shù)是否超出閾值調(diào)整后的第二跑偏參數(shù)預(yù)設(shè)閾值，以實時獲取跑偏與否的第二結(jié)果；
18、于利用yolov8算法對煤炭輸送帶圖像中的煤炭輸送帶進行邊緣檢測時獲得第一置信度；根據(jù)第一置信度與第二置信度加權(quán)計算綜合置信度，并設(shè)置置信度閾值；比較綜合置信度與置信度閾值，若綜合置信度大于置信度閾值，且第一結(jié)果與第二結(jié)果中任一結(jié)果為存在跑偏，則對應(yīng)生成煤炭輸送帶跑偏提示信息以替代直接根據(jù)第一結(jié)果對應(yīng)生成煤炭輸送帶跑偏提示信息。
19、通過采用上述方案，利用yolov8算法對煤炭輸送帶圖像中的煤炭輸送帶上承載的煤炭進行邊緣檢測，結(jié)合第二跑偏計算步驟準(zhǔn)確獲得第二跑偏參數(shù)；同時結(jié)合采集工況數(shù)據(jù)、環(huán)境數(shù)據(jù)以及煤炭基礎(chǔ)數(shù)據(jù)，并通過自適應(yīng)閾值調(diào)整機制動態(tài)調(diào)整跑偏參數(shù)預(yù)設(shè)閾值，從而準(zhǔn)確獲取跑偏檢測的結(jié)果；且從煤炭輸送帶的本身以及煤炭輸送帶上承載的煤炭等多個目標(biāo)檢測角度出發(fā)，設(shè)置綜合置信度并進行協(xié)同分析，綜合判斷跑偏檢測結(jié)果的準(zhǔn)確性，避免了單一檢測結(jié)果帶來的不確定性，提高了報警的準(zhǔn)確性。
20、優(yōu)選的，所述根據(jù)第一置信度與第二置信度加權(quán)計算綜合置信度中第一置信度與第二置信度對應(yīng)的權(quán)重比例根據(jù)工況數(shù)據(jù)、環(huán)境本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
3.根據(jù)權(quán)利要求1所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求3所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，所述根據(jù)第一置信度與第二置信度加權(quán)計算綜合置信度中第一置信度與第二置信度對應(yīng)的權(quán)重比例根據(jù)工況數(shù)據(jù)、環(huán)境數(shù)據(jù)及煤炭的基礎(chǔ)信息數(shù)據(jù)動態(tài)調(diào)整，第一置信度與第二置信度對應(yīng)的權(quán)重比例獲取包括：
5.根據(jù)權(quán)利要求1所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
6.根據(jù)權(quán)利要求1所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
7.根據(jù)權(quán)利要求3所述的基于YOLOv8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
8.一種基于YOLOv8算法的煤炭輸送帶跑偏檢測系統(tǒng)，其特征在于，包括：
9.一種煤炭輸送帶裝置
10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質(zhì)所在設(shè)備執(zhí)行如權(quán)利要求1至7中任意一項所述的方法。
...【技術(shù)特征摘要】
1.一種基于yolov8算法的煤炭輸送帶跑偏檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于yolov8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
3.根據(jù)權(quán)利要求1所述的基于yolov8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求3所述的基于yolov8算法的煤炭輸送帶跑偏檢測方法，其特征在于，所述根據(jù)第一置信度與第二置信度加權(quán)計算綜合置信度中第一置信度與第二置信度對應(yīng)的權(quán)重比例根據(jù)工況數(shù)據(jù)、環(huán)境數(shù)據(jù)及煤炭的基礎(chǔ)信息數(shù)據(jù)動態(tài)調(diào)整，第一置信度與第二置信度對應(yīng)的權(quán)重比例獲取包括：
5.根據(jù)權(quán)利要求1所述的基于yolov8算法的煤炭輸送帶跑偏檢測方法，其特征在于，還包括：
6.根據(jù)權(quán)利要求1所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：司志良，趙德忠，黃美玲，張罡，賈蒙蒙，丁子峰，曹幫，王可可，張國旗，
申請(專利權(quán))人：安徽恒泰電氣科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。