一种皮带鼓包检测方法与检测系统与流程

1.本发明属于皮带运输机技术领域，涉及一种皮带鼓包检测方法与检测系统，特别是一种基于5g和cv预训练大模型的皮带鼓包检测方法与系统。


背景技术：

2.皮带运输机是港口、冶金、矿山、化工、石油、电厂、建材等诸多领域企业运输物料的重要运输设备。由于技术的进步，皮带运输机在速度、规模和传输距离等方面不断提高。现在的钢铁企业在生产的散料运输过程中有大量物品需要皮带输送机长时间、高负载的运送，涉及范围很广。因此输送带的鼓包成为衡量输送机皮带安全与否的重要指标，研究一种可以持续检测皮带鼓包状态和变化的检测系统，精确及时的发出报警，最大程度的降低因皮带鼓包对生产过程造成的影响，具有巨大的经济效益和社会效益。
3.第五代移动通信技术（5th generation mobile communication technology，简称5g）是新一代宽带移动通信,具有高速率、低时延和大连接特点;不仅解决人与人通信，而且解决人与物、物与物通信问题，满足工业控制和智能制造等领域的通讯需求。5g的峰值速率当前可以达到11gbit/s以上，满足高清视频等大数据量传输，空中接口时延低至1ms，满足实时监测和控制的需求；同时具备百万连接/平方公里的设备连接能力，满足物联网通信的需求。针对港口、冶金、矿山、化工等复杂环境，5g通讯的使用比传统布线方式极大地降低了部署难度，缩短了时间。
4.ai大模型就是foundation model（基础模型），指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型。预训练大模型的出现，是人工智能与大数据、大算力结合的必然结果，是人工智能迈向通用智能的里程碑技术。ai大模型面向实际任务，建模前在海量通用数据上进行预先训练，基于有监督类神经网络和自监督类神经网络自动从通用数据中学习知识，然后再针对具体场景，基于少量专用数据进行，解决工业领域ai模型通用数据激增与专用数据匮乏的矛盾，大幅提升ai的泛化性、通用性、实用性。cv预训练大模型是基于海量图像数据训练的视觉ai大模型。


技术实现要素：

5.本发明旨在提供一种基于5g和cv预训练大模型的皮带鼓包检测方法及其检测系统，提高鼓包的识别精准度，从而准确的识别皮带的鼓包，并及时告警和提示工作人员操作。
6.本发明通过以下技术方案来实现上述目的：一种皮带鼓包检测方法，包括以下步骤：s1打开防尘摄像模块，获取皮带面现场图像数据；s2.通过5g传输模块将图像传输至视频服务模块进行视频处理和存储；s3.模型识别模块拉取实时视频流，并按照设定频率进行取帧，送至皮带鼓包检测模型，进行检测识别；
s4.系统基于抽取图像，循环智能判别检测结果是否为鼓包，若检测结果为鼓包，则发送鼓包异常消息，包括异常图片、鼓包坐标、大小等到告警模块； 若检测结果不为鼓包，则不发送鼓包异常消息。
7.s5.告警模块自主判别鼓包是否为无变化的原有鼓包：若检测结果为新鼓包，则进行告警，提醒工作人员按照规范操作；若检测结果为原有鼓包，则不进行告警。
8.进一步的方案：所述步骤s2中，5g传输模块包括5g cpe，5g cpe将前端摄像模块采集的视频数据转换为5g无线信号进行快速传输；进一步的方案：所述步骤s3中，还包括图片处理模块，所述的图片处理模块包括：图像区域选择，将原图像按照设定区域进行裁剪，只选取皮带面部分的图像，减少计算量，并避免周边环境图像造成的误识别和告警；图像增强，将图像通过直方图均衡改善图像亮度和对比度，提高图像质量。
9.进一步的方案：所述步骤s3中，鼓包识别模型步骤包括：创建cv大模型预训练数据集、创建模型学习数据集，使用数据集训练、搭建模型；其中模型搭建的步骤包括：先从现场收集大量皮带正常状态和少量皮带鼓包状态的数据集进行本地存储，并上传到云端模型训练模块；采用图像分类方法，对正常和异常图像进行特征抽取，其特征包括大小、形状、灰度值、rgb值等信息，区分出正常图像和异常图像；采用faster r-cnn目标检测方法，对异常图像进行特征提取，其特征包括大小、形状、灰度值、rgb值等信息，并为目标区域添加目标边框，并给出识别置信度。
10.进一步的方案：所述步骤s3中，皮带鼓包模型检测识别的结果包括：系统对皮带机鼓包状态的识别和决策；对于从摄像模块传来的图片数据，经皮带鼓包识别模型识别后根据准确率结果对系统进行决策：准确率在90%以上判断为鼓包，则向告警模块发送鼓包异常消息，包括异常图片、鼓包坐标、大小；若检测结果不是鼓包，则不发送异常消息.进一步的方案：所述步骤s5中，告警模块包括是否为无变化的原有鼓包识别和决策：采用循环比较的方法，基于鼓包坐标和皮带速度判断是否为同一位置鼓包，再对鼓包大小进行比较，判断同一鼓包是否发生变化，若两个条件都成立，则进行告警提示；否则，则不进行告警提示。
11.进一步的方案：所述步骤s5中，所述将判断为新鼓包的图片存储为边学边用数据集图片，包括采用边学边用的方法将皮带鼓包状态的图像数据存入本地，将人工确认非鼓包异常图片进行收集，并上传到云端训练模块进行模型学习更新，并将更新后的模型在线下发到本地模型识别模块。
12.一种皮带鼓包检测系统，包括：数据采集模块，采用防尘摄像模块，获取皮带机现场图像数据；5g传输模块，采用5g进行大带宽无线快速图像传输至视频服务模块进行图像处理和存储；视频服务模块，提供对前端摄像模块的接入、管理和数据存储的功能，支持对摄像模块进行统一分组管理，包括接入、重启等。通过摄像模块分组管理，可以大大提升工作效率；并基于流媒体的连续性、实时性、时序性提供容错机制，保障数据存储的高可靠；
云端模型训练模块，创建皮带正常和鼓包状态数据集，通过cv预训练大模型训练皮带鼓包识别模型；本地模型识别模块，使用在模型训练模块得到的皮带鼓包识别模型对实时皮带图像进行鼓包状态识别，并对得出的结果进行相关决策；告警决策模块，通过对新发送异常消息中鼓包数据与原有鼓包数据的比较，对是否为无变化原有鼓包进行决策，若是无变化原有鼓包则不发送告警提示，否则则通过报警器发出警报。
13.数据采集模块通过有线网络连接到5g传输模块；5g传输模块将数据通过无线网络传输到5g基站；5g基站通过有线网络与视频服务模块进行连接；视频服务模块、本地模型识别模块、云端模型训练模块和告警决策模块之间通过网络进行连接。
14.本发明的有益效果是：通过训练得到的皮带鼓包识别模型可以自动区分是否为正常皮带，学习皮带鼓包的特征，并通过系统的决策机制实时更新、迭代模型，提高鼓包的识别精准度，从而准确的识别皮带的鼓包，并及时告警和提示工作人员操作。
附图说明
15.图1为本发明流程示意图。
16.图2为本发明系统模块示意图。
17.图3为本发明现场结构示意图。
18.图中：1.皮带机，2.防尘摄像模块，3.视频服务模块，4.模型识别模块，5.告警模块，6.云端训练模块。
具体实施方式
19.下面结合附图对本发明作进一步说明：参阅图1～图 3，一种基于5g和cv预训练大模型的皮带鼓包检测方法，包括以下步骤:s1:打开防尘摄像模块（2），获取皮带面（1）现场图像数据；s2:通过5g传输模块将图像传输至视频服务模块（3）进行视频处理和存储；s3:模型识别模块(4)拉取实时视频流，并按照设定频率进行取帧，送至皮带鼓包检测模型，进行检测识别；s4:系统基于抽取图像，循环智能判别检测结果是否为鼓包；若检测结果为鼓包，则发送鼓包异常消息，包括异常图片、鼓包坐标、大小等到告警模块（5）； 若检测结果不为鼓包，则不发送鼓包异常消息；s5.告警模块自主判别鼓包是否为无变化的原有鼓包：若检测结果为新鼓包，则进行告警，提醒工作人员按照规范操作；若检测结果为原有鼓包，则不进行告警。
20.在本发明实施例中，所述步骤s2中，5g传输模块包括：5g cpe，5g是第五代移动通信技术，具有高速率、低时延和大连接特点，允许用户基于无线连接的方式进行快速图像传输，5g cpe将前端摄像模块采集的视频数据转换为5g无线信号，进行快速传输，不用铺设光纤，大幅降低了复杂工业环境下的部署难度和时间。
21.在本发明实施例中，所述步骤s3中，还包括图片处理模块，其步骤包括：图像区域
选择，将原图像按照设定区域进行裁剪，只选取皮带面部分的图像，减少计算量，并避免周边环境图像造成的误识别和告警；图像增强，将图像通过直方图均衡改善图像亮度和对比度，提高图像质量。
22.在本发明实施例中，所述步骤s3中，鼓包识别模型步骤包括：创建cv大模型预训练数据集、创建模型学习数据集，使用数据集训练、搭建模型；其中，模型搭建的步骤包括：先从现场收集大量皮带正常状态和少量皮带鼓包状态的数据集进行本地存储，并上传到云端模型训练模块；采用图像分类方法，对正常和异常图像进行特征抽取，其特征包括大小、形状、灰度值、rgb值等信息，区分出正常图像和异常图像；采用faster r-cnn目标检测方案，对异常图像进行特征提取，其特征包括大小、形状、灰度值、rgb值等信息，并为目标区域添加目标边框，并给出识别置信度。
23.在本发明实施例中，所述步骤s3中，皮带鼓包模型检测识别的结果包括：系统对皮带机鼓包状态的识别和决策；对于从摄像模块传来的图片数据，经皮带鼓包识别模型识别后根据准确率结果对系统进行决策：准确率在90%以上判断为鼓包，则向告警模块发送鼓包异常消息，包括异常图片、鼓包坐标、大小等；若检测结果不是鼓包，则不发送异常消息。
24.在本发明实施例中，所述步骤s5中，告警模块包括是否为无变化的原有鼓包识别和决策：采用循环比较的方法，基于鼓包坐标和皮带速度判断是否为同一位置鼓包，再对鼓包大小进行比较，判断同一鼓包是否发生变化，若两个条件都成立，则进行告警提示；否则，则不进行告警提示。
25.在本发明实施例中，所述步骤s5中，所述将判断为新鼓包的图片存储为边学边用数据集图片，其步骤包括：采用边学边用的方法，将皮带鼓包状态的图像数据存入本地，将人工确认非鼓包异常图片进行收集，并上传到云端训练模块进行模型学习更新，并将更新后的模型在线下发到本地模型识别模块。
26.参阅图1～图3，一种基于5g和cv预训练大模型的皮带鼓包检测系统，包括：数据采集模块，采用防尘摄像模块（2），获取皮带机（1）现场图像数据；5g传输模块，采用5g进行大带宽无线快速图像传输至视频服务模块（3）进行图像处理和存储；视频服务模块，提供对前端摄像模块的接入、管理和数据存储的功能，支持对摄像模块进行统一分组管理，包括接入、重启等。通过摄像模块分组管理，可以大大提升工作效率；并基于流媒体的连续性、实时性、时序性提供容错机制，保障数据存储的高可靠。
27.云端模型训练模块，创建皮带正常和鼓包状态数据集，通过cv预训练大模型训练皮带鼓包识别模型。
28.本地模型识别模块，使用在模型训练模块得到的皮带鼓包识别模型对实时皮带图像进行鼓包状态识别，并对得出的结果进行相关决策：决策结果为鼓包，则发送异常消息，决策结果为否，则不发送。
29.告警决策模块，通过对新发送异常消息中鼓包数据与原有鼓包数据的比较，对是否为无变化原有鼓包进行决策；若是无变化原有鼓包，则不发送告警提示；否则，则通过报警器发出警报。
30.数据采集模块通过有线网络连接到5g传输模块；5g传输模块将数据通过无线网络传输到5g基站；5g基站通过有线网络与视频服务模块进行连接；视频服务模块、本地模型识
别模块、云端模型训练模块和告警决策模块之间通过网络进行连接。
31.工作原理：通过采用防尘摄像相机采集现场图像，用一种cv预训练大模型训练皮带正常和鼓包的图像，通过输出实时图像对目标图像进行鼓包识别。

技术特征：
1.一种皮带鼓包检测方法，其特征在于包括以下步骤：s1打开防尘摄像模块，获取皮带面现场图像数据；s2.通过5g传输模块将图像传输至视频服务模块进行视频处理和存储；s3.模型识别模块拉取实时视频流，并按照设定频率进行取帧，送至皮带鼓包检测模型，进行检测识别；s4.系统基于抽取图像，循环智能判别检测结果是否为鼓包，若检测结果为鼓包，则发送鼓包异常消息包括异常图片、鼓包坐标、大小信息到告警模块； 若检测结果不为鼓包，则不发送鼓包异常消息；s5.告警模块自主判别鼓包是否为无变化的原有鼓包：若检测结果为新鼓包，则进行告警，提醒工作人员按照规范操作；若检测结果为原有鼓包，则不进行告警。2. 根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s2中，5g传输模块包括5g cpe，5g cpe将前端摄像模块采集的视频数据转换为5g无线信号进行快速传输。3.根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s3中，还包括图片处理模块；所述的图片处理模块包括：图像区域选择，将原图像按照设定区域进行裁剪，只选取皮带面部分的图像，减少计算量，并避免周边环境图像造成的误识别和告警；图像增强，将图像通过直方图均衡改善图像亮度和对比度，提高图像质量。4.根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s3中，鼓包识别模型步骤包括：创建cv大模型预训练数据集、创建模型学习数据集，使用数据集训练、搭建模型；其中模型搭建的步骤包括：先从现场收集大量皮带正常状态和少量皮带鼓包状态的数据集进行本地存储，并上传到云端模型训练模块；采用图像分类方法，对正常和异常图像包括大小、形状、灰度值、rgb值信息进行特征抽取，区分出正常图像和异常图像；采用faster r-cnn目标检测方法，对异常图像包括大小、形状、灰度值、rgb值信息进行特征提取，并为目标区域添加目标边框，并给出识别置信度。5.根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s3中，皮带鼓包模型检测识别的结果包括系统对皮带机鼓包状态的识别和决策：对于从摄像模块传来的图片数据，经皮带鼓包识别模型识别后，准确率在90%以上判断为鼓包，则向告警模块发送鼓包异常消息，包括异常图片、鼓包坐标、大小；若检测结果不是鼓包，则不发送异常消息。6.根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s5中，告警模块包括是否为无变化的原有鼓包识别和决策：采用循环比较的方法，基于鼓包坐标和皮带速度判断是否为同一位置鼓包，再对鼓包大小进行比较，判断同一鼓包是否发生变化，若两个条件都成立，则进行告警提示；否则，则不进行告警提示。7.根据权利要求1所述的一种皮带鼓包检测方法，其特征在于：所述步骤s5中，所述将判断为新鼓包的图片存储为边学边用数据集图片，包括采用边学边用的方法将皮带鼓包状态的图像数据存入本地，将人工确认非鼓包异常图片进行收集并上传到云端训练模块进行模型学习更新，并将更新后的模型在线下发到本地模型识别模块。8.一种皮带鼓包检测系统，其特征在于该检测系统包括：
数据采集模块，采用防尘摄像模块，获取皮带机现场图像数据；5g传输模块，采用5g进行大带宽无线快速图像传输至视频服务模块进行图像处理和存储；视频服务模块，提供对前端摄像模块的接入、管理和数据存储的功能，支持对摄像模块进行统一分组管理，包括接入、重启；云端模型训练模块，创建皮带正常和鼓包状态数据集，通过cv预训练大模型训练皮带鼓包识别模型；本地模型识别模块，使用在模型训练模块得到的皮带鼓包识别模型对实时皮带图像进行鼓包状态识别，并对得出的结果进行相关决策；告警决策模块，通过对新发送异常消息中鼓包数据与原有鼓包数据的比较，对是否为无变化原有鼓包进行决策；数据采集模块通过有线网络连接到5g传输模块；5g传输模块将数据通过无线网络传输到5g基站；5g基站通过有线网络与视频服务模块进行连接；视频服务模块、本地模型识别模块、云端模型训练模块和告警决策模块之间通过网络进行连接。

技术总结
一种皮带鼓包检测方法与检测系统，特别是一种基于5G和CV预训练大模型的皮带鼓包检测方法与系统，检测系统包括数据采集模块、5G传输模块、视频服务模块、云端模型训练模块、本地模型识别模块、告警决策模块。检测方法包括以下步骤：打开防尘摄像模块，获取皮带面现场图像数据；通过5G传输模块将图像传输至视频服务模块进行视频处理和存储；模型识别模块拉取实时视频流进行检测识别；系统基于抽取图像，循环智能判别检测结果是否为鼓包或不鼓包；告警模块自主判别鼓包是否为无变化的原有鼓包，若检测结果为新鼓包，则进行告警否则不进行告警。本发明对皮带鼓包进行精准识别并对其变化进行持续监测，减小因皮带鼓包对生产过程造成的影响。的影响。的影响。


技术研发人员：喻维纲 郭理宏 冯波涌 何炜 彭敦向 龙忠义 王博 江一兵
受保护的技术使用者：湖南华菱湘潭钢铁有限公司
技术研发日：2023.04.23
技术公布日：2023/7/18