开云优惠体育网页版入口

专利名称：基于工业视觉的智能输送皮带及视觉控制方法

专利类型：发明专利

专利申请号：CN202410617916.5

专利申请（专利权）人：湖北华武重工集团有限公司
权利人地址：湖北省鄂州市碧石渡镇

专利发明（设计）人：发明人:陈学,陈建华,付岑瑶,易娟娟

专利摘要：本发明公开基于工业视觉的智能输送皮带及视觉控制方法，涉及智能输送皮带技术领域，包括流动式工业视觉控制模块和输送皮带本体，所述流动式工业视觉控制模块包括直线运动单元、环形支架、环形运动单元和工业视觉控制器。本发明采用流动式工业视觉控制模块来实现对输送皮带本体的输送物料和底部的破损特征，工业视觉控制器采集输送皮带本体的输送速度，采用跟随式的拍摄检测方式，减少了拍摄时的相对速度，提高了拍摄视觉画面的质量；采用环形支架配合环形运动单元来驱动工业视觉控制器同步作环绕运动，实现对输送皮带本体的输送皮带上下面多角度的拍摄，通过与常见的破损视觉特征进行特征匹配的方式及时发现皮带破损特征。

主权利要求：
1.基于工业视觉的智能输送皮带，其特征在于：包括流动式工业视觉控制模块和输送皮带本体（100），所述流动式工业视觉控制模块包括直线运动单元（1）、环形支架（2）、环形运动单元（3）和工业视觉控制器，所述直线运动单元（1）包括直线轨道部（11）、直线运动滑块部（12）和直线运动滑块驱动部（13），所述直线轨道部（11）可拆卸安装在输送皮带本体（100）的输送皮带（101）下方，并位于输送皮带本体（100）相邻两个底部支撑架（102）之间，直线运动滑块驱动部（13）驱动直线运动滑块部（12）沿着直线轨道部（11）进行直线运动，所述环形支架（2）的底部可拆卸安装在直线运动滑块部（12）上，并位于输送皮带本体（100）的输送皮带（101）外围，所述环形运动单元（3）包括环形轨道部（31）、环形运动滑块（32）和环形运动滑块驱动部（33），所述环形轨道部（31）的外侧壁可拆卸安装在环形支架（2）的内圈壁上，所述环形运动滑块（32）位于环形轨道部（31）内侧移动，所述工业视觉控制器安装在环形运动滑块（32）上，向内环绕式拍摄输送皮带本体（100）的输送皮带（101）环绕视觉画面，基于视觉特征匹配算法分析输送皮带（101）上物料的异常物占比和输送皮带（101）底部的破损特征，当判断物料的异常物占比大于设定阈值时控制报警，当判断输送皮带（101）底部存在破损特征时控制输送皮带本体（100）停机并报警；
工业视觉控制器包括视觉相机（41）和工业控制器（42），所述视觉相机（41）可拆卸安装在环形运动滑块（32）上，镜头朝向环形支架（2）的中心点，当环形运动滑块（32）运动到输送皮带（101）上方时，多角度拍摄输送皮带（101）上物料画面，当环形运动滑块（32）运动到输送皮带（101）下方时，多角度拍摄输送皮带（101）背面画面，多角度物料画面和多角度输送皮带背面画面组成环绕视觉画面，工业控制器（42）包括视觉分析芯片（421）、控制芯片（422）和视觉数据存储器（423），所述视觉数据存储器（423）与视觉相机（41）通信连接交互环绕视觉画面，所述视觉分析芯片（421）调取环绕视觉画面分析物料的异常物占比和输送皮带（101）底部破损特征，并与控制芯片（422）通信交互分析结果，所述控制芯片（422）分别控制直线运动单元（1）、环形运动单元（3）和输送皮带本体（100）的执行动作；
工业视觉控制器还包括声光报警器（43），所述声光报警器（43）通过支架安装在输送皮带本体（100）的一侧，所述控制芯片（422）控制声光报警器（43）的执行动作；
流动式工业视觉控制模块的数量是多个，输送皮带本体（100）相邻两个底部支撑架（102）之间的输送皮带（101）是一个输送段，流动式工业视觉控制模块的数量与输送皮带本体（100）的输送段数量一致；
采用工业视觉控制器分别控制直线运动单元（1）、环形运动单元（3）和输送皮带本体（100）的执行动作：
初始状态时多个流动式工业视觉控制模块的直线运动滑块部（12）位于端部，控制芯片（422）采集输送皮带本体（100）的输送方向和速度，输送速度记为Va，控制芯片（422）分别控制多个流动式工业视觉控制模块的直线运动滑块驱动部（13）动作，驱动直线运动滑块部（12）与输送皮带本体（100）的输送方向一致，输送速度为Vb，Vb=Va?x，x是恒定速度差值，
0.1m/s≤x≤0.5m/s；
运动过程中控制芯片（422）分别控制多个流动式工业视觉控制模块的环形运动滑块驱动部（33）驱动环形运动滑块（32）动作，运行速度是Vc，设相连相邻两个底部支撑架（102）间距是d，设视觉相机（41）所在环的直径是e， ；
设定间隔时间t， ；f是拍照密度系数，为2到10的偶数；
控制芯片（422）分别控制多个流动式工业视觉控制模块的视觉相机（41）每隔时间t拍摄画面，并与视觉数据存储器（423）交互拍摄画面数据；
视觉分析芯片（421）基于视觉特征匹配算法分析输送皮带（101）上物料的异常物占比和输送皮带（101）底部的破损特征，设异常物占比阈值是g，分析得到的异常物占比是h，当h＞g时，控制芯片（422）控制声光报警器（43）报警；
当输送皮带（101）的视觉特征检测到与常见破损特征匹配成功时判断存在破损特征，控制芯片（422）控制声光报警器（43）报警同时控制输送皮带本体（100）停机；
当视觉分析芯片（421）判断h＞g时，控制芯片（422）控制输送皮带本体（100）的输送速度减半。
2.根据权利要求1所述的基于工业视觉的智能输送皮带，其特征在于：工业视觉控制器还包括补光灯（44），所述补光灯（44）安装在环形运动滑块（32）上，位于视觉相机（41）的一侧。
3.根据权利要求2所述的基于工业视觉的智能输送皮带，其特征在于：环形支架（2）包括安装部（21）和一对半环支架部（22），所述安装部（21）的底部可拆卸安装在直线运动滑块部（12）顶部，一对半环支架部（22）的一端分别可拆卸安装在安装部（21）的顶部，另一端接后形成环形，环形的中心点位于输送皮带（101）顶面的中轴线上。
4.根据权利要求3所述的基于工业视觉的智能输送皮带，其特征在于：直线运动单元（1）是电动直线滑台，电动直线滑台的直线轨道是直线轨道部（11）、电动直线滑台的滑块是直线运动滑块部（12），电动直线滑台的驱动电机是直线运动滑块驱动部（13）。
5.根据权利要求4所述的基于工业视觉的智能输送皮带，其特征在于：环形运动单元（3）是环形电动导轨，环形电动导轨的环形轨道是环形轨道部（31），环形电动导轨的滑块是环形运动滑块（32），环形电动导轨的驱动电机是环形运动滑块驱动部（33）。 说明书 : 基于工业视觉的智能输送皮带及视觉控制方法技术领域[0001] 本发明涉及智能输送皮带技术领域，尤其是涉及基于工业视觉的智能输送皮带及视觉控制方法。背景技术[0002] 输送皮带是常见的输送机，特别是在矿业领域，输送皮带是矿业生产中不可或缺的组成部分，它承担着将矿石从开采区域运输到加工区域的重要任务。[0003] 在使用过程中，输送皮带的上输送的目标矿石一般都有不少的杂物，这些杂物会影响到后续生产，还可能对输送皮带造成损坏，目前对于这些杂物的检测主要依赖人工巡检或抽检，检测效率低且不能量化的形成杂物比例的检测结果；对于输送皮带底部的破损风险检测也基本依靠人工巡检，由于皮带的破损从出现撕裂等特征到完全破损过程较短，如果采用人工巡检无法及时发现破损风险，输送皮带的破裂导致的物料掉落是严重的生产事故。发明内容[0004] 为了解决上述输送皮带的技术问题，本发明提供基于工业视觉的智能输送皮带及视觉控制方法。采用如下的技术方案：[0005] 基于工业视觉的智能输送皮带，包括流动式工业视觉控制模块和输送皮带本体，所述流动式工业视觉控制模块包括直线运动单元、环形支架、环形运动单元和工业视觉控制器，所述直线运动单元包括直线轨道部、直线运动滑块部和直线运动滑块驱动部，所述直线轨道部可拆卸安装在输送皮带本体的输送皮带下方，并位于输送皮带本体相邻两个底部支撑架之间，直线运动滑块驱动部驱动直线运动滑块部沿着直线轨道部进行直线运动，所述环形支架的底部可拆卸安装在直线运动滑块部上，并位于输送皮带本体的输送皮带外围，所述环形运动单元包括环形轨道部、环形运动滑块和环形运动滑块驱动部，所述环形轨道部的外侧壁可拆卸安装在环形支架的内圈壁上，所述环形运动滑块位于环形轨道部内侧移动，所述工业视觉控制器安装在环形运动滑块上，向内环绕式拍摄输送皮带本体的输送皮带环绕视觉画面，基于视觉特征匹配算法分析输送皮带上物料的异常物占比和输送皮带底部的破损特征，当判断物料的异常物占比大于设定阈值时控制报警，当判断输送皮带底部存在破损特征时控制输送皮带本体停机并报警。[0006] 通过采用上述技术方案，采用流动式工业视觉控制模块来实现对输送皮带本体的输送物料和底部的破损特征，具体的直线运动滑块驱动部驱动直线运动滑块部沿着直线轨道部进行直线运动，工业视觉控制器可以采集输送皮带本体的输送速度，为了不影响物料的正常输送采用跟随式的拍摄检测方式，例如可以采用控制直线运动滑块部比输送皮带本体的输送速度小的速度来跟随前进，这样减少了拍摄时的相对移动速度，提高了拍摄视觉画面的质量；同时采用环形支架配合环形运动单元来驱动工业视觉控制器同步作环绕运动，就可以实现对输送皮带本体的输送皮带上下面多角度的拍摄，在满足输送物料异常物视觉检测的同时还可以对输送皮带本体底面进行视觉画面拍摄，通过与常见的破损视觉特征进行特征匹配的方式及时发现皮带破损特征，当判断物料的异常物占比大于设定阈值时控制报警提醒工作人员及时关注；[0007] 但当判断输送皮带底部存在破损特征时必须控制输送皮带本体停机并报警，工作人员必须立即介入检修避免安全事故。[0008] 可选的，工业视觉控制器包括视觉相机和工业控制器，所述视觉相机可拆卸安装在环形运动滑块上，镜头朝向环形支架的中心点，当环形运动滑块运动到输送皮带上方时，多角度拍摄输送皮带上物料画面，当环形运动滑块运动到输送皮带下方时，多角度拍摄输送皮带背面画面，多角度物料画面和多角度输送皮带背面画面组成环绕视觉画面，工业控制器包括视觉分析芯片、控制芯片和视觉数据存储器，所述视觉数据存储器与视觉相机通信连接交互环绕视觉画面，所述视觉分析芯片调取环绕视觉画面分析物料的异常物占比和输送皮带底部破损特征，并与控制芯片通信交互分析结果，所述控制芯片分别控制直线运动单元、环形运动单元和输送皮带本体的执行动作。[0009] 通过采用上述技术方案，工业视觉控制器的视觉数据来源主要是视觉相机，视觉相机可以是双目视觉相机，可以设置定时拍摄也可以是其它拍摄形式，能实现多角度拍摄输送皮带上方的物料画面和输送皮带底部画面，这些画面组合成环绕视觉画面，视觉数据存储器内存储物料特征数据和常见皮带底面破损特征数据，视觉分析芯片主要采用视觉特征匹配的方式进行视觉分析，例如输送物料是方铅矿，视觉分析芯片先读取视觉数据存储器内存储的方铅矿特征数据，基于方铅矿特征数据对物料画面提取特征相似度大于设定阈值的区域定义为方铅矿区域，其它区域定义为异常物区域，计算异常物区域占整个画面的比例即为物料的异常物占比，这个异常物占比反映了输送物料中异常物的比例，比例过大证明输送物料不符合标准需要报警提醒工作人员介入；[0010] 同样的对于多角度输送皮带背面画面的分析也采用视觉特征匹配算法，这个特征匹配的原则是存在相似度大于设定阈值的底部破损特征的匹配结果就需要进行报警和输送皮带本体的停机动作联动，这时需要人工介入检修，避免生产安全事故。[0011] 可选的，工业视觉控制器还包括声光报警器，所述声光报警器通过支架安装在输送皮带本体的一侧，所述控制芯片控制声光报警器的执行动作。[0012] 通过采用上述技术方案，声光报警器可以更好地通知工作人员。[0013] 可选的，工业视觉控制器还包括补光灯，所述补光灯安装在环形运动滑块上，位于视觉相机的一侧。[0014] 通过采用上述技术方案，补光灯可以实现对视觉相机拍摄目标进行统一打光，有效提升后续视觉分析的准确性。[0015] 可选的，环形支架包括安装部和一对半环支架部，所述安装部的底部可拆卸安装在直线运动滑块部顶部，一对半环支架部的一端分别可拆卸安装在安装部的顶部，另一端接后形成环形，环形的中心点位于输送皮带顶面的中轴线上。[0016] 通过采用上述技术方案，为了便于安装，采用半环分体式结构，方便布置安装。[0017] 可选的，直线运动单元是电动直线滑台，电动直线滑台的直线轨道是直线轨道部、电动直线滑台的滑块是直线运动滑块部，电动直线滑台的驱动电机是直线运动滑块驱动部。[0018] 可选的，环形运动单元是环形电动导轨，环形电动导轨的环形轨道是环形轨道部，环形电动导轨的滑块是环形运动滑块，环形电动导轨的驱动电机是环形运动滑块驱动部。[0019] 通过采用上述技术方案，电动直线滑台可以高精度地实现直线运动单元的直线运动，环形电动导轨高精度地实现环形运动单元的环形运动。[0020] 可选的，流动式工业视觉控制模块的数量是多个，输送皮带本体相邻两个底部支撑架之间的输送皮带是一个输送段，流动式工业视觉控制模块的数量与输送皮带本体的输送段数量一致。[0021] 通过采用上述技术方案，矿业领域的输送皮带一般较长，输送距离长达几十甚至几百米，相邻两个底部支撑架的间距一般为6米或更长，在相邻两个底部支撑架之间设置一个流动式工业视觉控制模块可以对这一个输送段实现视觉检测，采用多个流动式工业视觉控制模块可以实现长输送皮带的整体视觉覆盖检测。[0022] 基于工业视觉的智能输送皮带视觉控制方法，采用基于工业视觉的智能输送皮带的工业视觉控制器分别控制直线运动单元、环形运动单元和输送皮带本体的执行动作：[0023] 初始状态时多个流动式工业视觉控制模块的直线运动滑块部位于端部，控制芯片采集输送皮带本体的输送方向和速度，输送速度记为Va，控制芯片分别控制多个流动式工业视觉控制模块的直线运动滑块驱动部动作，驱动直线运动滑块部与输送皮带本体的输送方向一致，输送速度为Vb，Vb＝Va?x，x是恒定速度差值，0.1m/s≤x≤0.5m/s；[0024] 运动过程中控制芯片分别控制多个流动式工业视觉控制模块的环形运动滑块驱动部驱动环形运动滑块动作，运行速度是Vc，设相连相邻两个底部支撑架间距是d，设视觉相机所在环的直径是e，[0025] 设定间隔时间t， f是拍照密度系数，为2到10的偶数；[0026] 控制芯片分别控制多个流动式工业视觉控制模块的视觉相机每隔时间t拍摄画面，并与视觉数据存储器交互拍摄画面数据；[0027] 视觉分析芯片基于视觉特征匹配算法分析输送皮带上物料的异常物占比和输送皮带底部的破损特征，设异常物占比阈值是g，分析得到的异常物占比是h，当h＞g时，控制芯片控制声光报警器报警；[0028] 当输送皮带的视觉特征检测到与常见破损特征匹配成功时判断存在破损特征，控制芯片控制声光报警器报警同时控制输送皮带本体停机。[0029] 通过采用上述技术方案，驱动直线运动滑块部与输送皮带本体的输送方向一致，并低于速度为Vb，0.1m/s?0.5m/s的速度差前进，这样就使相对速度为0.1m/s?0.5m/s，可以保障视觉画面可被正常分析，当直线运动滑块部运动到另一端后，需要以最高速度返回到初始位，实现持续的视觉检测。[0030] 可选的，当视觉分析芯片判断h＞g时，控制芯片控制输送皮带本体的输送速度减半。[0031] 通过采用上述技术方案，当出现异常物占超阈值时同时对输送皮带本体的输送速度减半处理，在不停机的状态下尽量减少问题物料的输送，当然还可以进一步设置不同的阈值范围来实现不同的速度甚至同步停机设置来匹配不同的应用场景。[0032] 综上所述，本发明包括以下至少一种有益技术效果：[0033] 本发明能提供基于工业视觉的智能输送皮带及视觉控制方法，采用流动式工业视觉控制模块来实现对输送皮带本体的输送物料和底部的破损特征，工业视觉控制器采集输送皮带本体的输送速度，采用跟随式的拍摄检测方式，减少了拍摄时的相对速度，提高了拍摄视觉画面的质量；同时采用环形支架配合环形运动单元来驱动工业视觉控制器同步作环绕运动，实现对输送皮带本体的输送皮带上下面多角度的拍摄，在满足输送物料异常物视觉检测的同时还可以对输送皮带本体底面进行视觉画面拍摄，通过与常见的破损视觉特征进行特征匹配的方式及时发现皮带破损特征，当判断物料的异常物占比大于设定阈值时控制报警提醒工作人员及时关注；但当判断输送皮带底部存在破损特征时必须控制输送皮带本体停机并报警，工作人员必须立即介入检修避免安全事故。附图说明[0034] 图1是本发明基于工业视觉的智能输送皮带的结构示意图；[0035] 图2是本发明基于工业视觉的智能输送皮带的侧视结构示意图；[0036] 图3是本发明基于工业视觉的智能输送皮带的流动式工业视觉控制模块加装吸尘器的结构示意图；[0037] 图4是图3的侧视结构示意图；[0038] 图5是本发明基于工业视觉的智能输送皮带各电器件连接原理示意图。[0039] 附图标记说明：1、直线运动单元；11、直线轨道部；12、直线运动滑块部；13、直线运动滑块驱动部；2、环形支架；21、安装部；22、半环支架部；3、环形运动单元；31、环形轨道部；32、环形运动滑块；33、环形运动滑块驱动部；41、视觉相机；42、工业控制器；421、视觉分析芯片；422、控制芯片；423、视觉数据存储器；43、声光报警器；44、补光灯；451、环形壳体；452、粉尘缓释管；453、环形抽吸口；100、输送皮带本体；101、输送皮带；102、底部支撑架。具体实施方式[0040] 以下结合附图对本发明作进一步详细说明。[0041] 本发明实施例公开基于工业视觉的智能输送皮带及视觉控制方法。[0042] 参照图1－图5，实施例1，基于工业视觉的智能输送皮带，包括流动式工业视觉控制模块和输送皮带本体100，流动式工业视觉控制模块包括直线运动单元1、环形支架2、环形运动单元3和工业视觉控制器，直线运动单元1包括直线轨道部11、直线运动滑块部12和直线运动滑块驱动部13，直线轨道部11可拆卸安装在输送皮带本体100的输送皮带101下方，并位于输送皮带本体100相邻两个底部支撑架102之间，直线运动滑块驱动部13驱动直线运动滑块部12沿着直线轨道部11进行直线运动，环形支架2的底部可拆卸安装在直线运动滑块部12上，并位于输送皮带本体100的输送皮带101外围，环形运动单元3包括环形轨道部31、环形运动滑块32和环形运动滑块驱动部33，环形轨道部31的外侧壁可拆卸安装在环形支架2的内圈壁上，环形运动滑块32位于环形轨道部31内侧移动，工业视觉控制器安装在环形运动滑块32上，向内环绕式拍摄输送皮带本体100的输送皮带101环绕视觉画面，基于视觉特征匹配算法分析输送皮带101上物料的异常物占比和输送皮带101底部的破损特征，当判断物料的异常物占比大于设定阈值时控制报警，当判断输送皮带101底部存在破损特征时控制输送皮带本体100停机并报警。[0043] 采用流动式工业视觉控制模块来实现对输送皮带本体100的输送物料和底部的破损特征，具体的直线运动滑块驱动部13驱动直线运动滑块部12沿着直线轨道部11进行直线运动，工业视觉控制器可以采集输送皮带本体100的输送速度，为了不影响物料的正常输送采用跟随式的拍摄检测方式，例如可以采用控制直线运动滑块部12比输送皮带本体100的输送速度小的速度来跟随前进，这样减少了拍摄时的相对移动速度，提高了拍摄视觉画面的质量；同时采用环形支架2配合环形运动单元3来驱动工业视觉控制器同步作环绕运动，就可以实现对输送皮带本体100的输送皮带101上下面多角度的拍摄，在满足输送物料异常物视觉检测的同时还可以对输送皮带本体100底面进行视觉画面拍摄，通过与常见的破损视觉特征进行特征匹配的方式及时发现皮带破损特征，当判断物料的异常物占比大于设定阈值时控制报警提醒工作人员及时关注；[0044] 但当判断输送皮带101底部存在破损特征时必须控制输送皮带本体100停机并报警，工作人员必须立即介入检修避免安全事故。[0045] 实施例2，工业视觉控制器包括视觉相机41和工业控制器42，视觉相机41可拆卸安装在环形运动滑块32上，镜头朝向环形支架2的中心点，当环形运动滑块32运动到输送皮带101上方时，多角度拍摄输送皮带101上物料画面，当环形运动滑块32运动到输送皮带101下方时，多角度拍摄输送皮带101背面画面，多角度物料画面和多角度输送皮带背面画面组成环绕视觉画面，工业控制器42包括视觉分析芯片421、控制芯片422和视觉数据存储器423，视觉数据存储器423与视觉相机41通信连接交互环绕视觉画面，视觉分析芯片421调取环绕视觉画面分析物料的异常物占比和输送皮带101底部破损特征，并与控制芯片422通信交互分析结果，控制芯片422分别控制直线运动单元1、环形运动单元3和输送皮带本体100的执行动作。[0046] 工业视觉控制器的视觉数据来源主要是视觉相机41，视觉相机41可以是双目视觉相机，可以设置定时拍摄也可以是其它拍摄形式，能实现多角度拍摄输送皮带101上方的物料画面和输送皮带101底部画面，这些画面组合成环绕视觉画面，视觉数据存储器423内存储物料特征数据和常见皮带底面破损特征数据，视觉分析芯片421主要采用视觉特征匹配的方式进行视觉分析，例如输送物料是方铅矿，视觉分析芯片421先读取视觉数据存储器423内存储的方铅矿特征数据，基于方铅矿特征数据对物料画面提取特征相似度大于设定阈值的区域定义为方铅矿区域，其它区域定义为异常物区域，计算异常物区域占整个画面的比例即为物料的异常物占比，这个异常物占比反映了输送物料中异常物的比例，比例过大证明输送物料不符合标准需要报警提醒工作人员介入；[0047] 同样的对于多角度输送皮带背面画面的分析也采用视觉特征匹配算法，这个特征匹配的原则是存在相似度大于设定阈值的底部破损特征的匹配结果就需要进行报警和输送皮带本体100的停机动作联动，这时需要人工介入检修，避免生产安全事故。[0048] 实施例3，工业视觉控制器还包括声光报警器43，声光报警器43通过支架安装在输送皮带本体100的一侧，控制芯片422控制声光报警器43的执行动作。[0049] 声光报警器43可以更好地通知工作人员。[0050] 实施例4，工业视觉控制器还包括补光灯44，补光灯44安装在环形运动滑块32上，位于视觉相机41的一侧。[0051] 补光灯44可以实现对视觉相机41拍摄目标进行统一打光，有效提升后续视觉分析的准确性。[0052] 实施例5，环形支架2包括安装部21和一对半环支架部22，安装部21的底部可拆卸安装在直线运动滑块部12顶部，一对半环支架部22的一端分别可拆卸安装在安装部21的顶部，另一端接后形成环形，环形的中心点位于输送皮带101顶面的中轴线上。[0053] 为了便于安装，采用半环分体式结构，方便布置安装。[0054] 实施例6，直线运动单元1是电动直线滑台，电动直线滑台的直线轨道是直线轨道部11、电动直线滑台的滑块是直线运动滑块部12，电动直线滑台的驱动电机是直线运动滑块驱动部13。[0055] 实施例7，环形运动单元3是环形电动导轨，环形电动导轨的环形轨道是环形轨道部31，环形电动导轨的滑块是环形运动滑块32，环形电动导轨的驱动电机是环形运动滑块驱动部33。[0056] 电动直线滑台可以高精度地实现直线运动单元1的直线运动，环形电动导轨高精度地实现环形运动单元3的环形运动。[0057] 实施例8，流动式工业视觉控制模块的数量是多个，输送皮带本体100相邻两个底部支撑架102之间的输送皮带101是一个输送段，流动式工业视觉控制模块的数量与输送皮带本体100的输送段数量一致。[0058] 矿业领域的输送皮带一般较长，输送距离长达几十甚至几百米，相邻两个底部支撑架102的间距一般为6米或更长，在相邻两个底部支撑架102之间设置一个流动式工业视觉控制模块可以对这一个输送段实现视觉检测，采用多个流动式工业视觉控制模块可以实现长输送皮带的整体视觉覆盖检测。[0059] 实施例9，在环形运动滑块32上安装吸尘器，位于视觉相机41上方，吸尘器可以是主动式的，吸尘器包括环形壳体451、吸尘器本体、至少一个粉尘缓释管452、供电电池组和基于芯片的吸尘控制器，环形壳体451的内壁安装在环形运动滑块32上，并环绕在视觉相机41外围，朝向视觉相机41的一侧设有环形抽吸口453，另一侧设有多个粉尘出口，吸尘器本体、供电电池组和基于芯片的吸尘控制器内置安装在环形壳体451内部，且吸尘器本体的抽吸口与环形抽吸口453连通，吸尘器本体工作时通过环形抽吸口453将视觉相机41镜头附近的粉尘吸掉，粉尘缓释管452与粉尘出口连通，用于将抽吸进入的粉尘缓慢从视觉相机41背面释放掉，不采用粉尘收集盒的设计，可以不进行主动停机倒掉粉尘收集盒；[0060] 可以主动式的将视觉相机41镜头附近的粉尘吸掉，降低输送皮带作业场景内粉尘对拍摄质量的影响，吸尘控制器控制吸尘器本体间歇式工作，例如工作1分钟，停机30秒，供电电池组可以为吸尘器本体提供长时间的供电续航，采用可整体换电的设计，一个工作周期例如24小时工作人员更换一次。[0061] 实施例10，基于工业视觉的智能输送皮带视觉控制方法，采用基于工业视觉的智能输送皮带的工业视觉控制器分别控制直线运动单元1、环形运动单元3和输送皮带本体100的执行动作：[0062] 初始状态时多个流动式工业视觉控制模块的直线运动滑块部12位于端部，控制芯片422采集输送皮带本体100的输送方向和速度，输送速度记为Va，控制芯片422分别控制多个流动式工业视觉控制模块的直线运动滑块驱动部13动作，驱动直线运动滑块部12与输送皮带本体100的输送方向一致，输送速度为Vb，Vb＝Va?x，x是恒定速度差值，0.1m/s≤x≤0.5m/s；[0063] 运动过程中控制芯片422分别控制多个流动式工业视觉控制模块的环形运动滑块驱动部33驱动环形运动滑块32动作，运行速度是Vc，设相连相邻两个底部支撑架102间距是d，设视觉相机41所在环的直径是e，[0064] 设定间隔时间t， f是拍照密度系数，为2到10的偶数；[0065] 控制芯片422分别控制多个流动式工业视觉控制模块的视觉相机41每隔时间t拍摄画面，并与视觉数据存储器423交互拍摄画面数据；[0066] 视觉分析芯片421基于视觉特征匹配算法分析输送皮带101上物料的异常物占比和输送皮带101底部的破损特征，设异常物占比阈值是g，分析得到的异常物占比是h，当h＞g时，控制芯片422控制声光报警器43报警；[0067] 当输送皮带101的视觉特征检测到与常见破损特征匹配成功时判断存在破损特征，控制芯片422控制声光报警器43报警同时控制输送皮带本体100停机。[0068] 驱动直线运动滑块部12与输送皮带本体100的输送方向一致，并低于速度为Vb，0.1m/s?0.5m/s的速度差前进，这样就使相对速度为0.1m/s?0.5m/s，可以保障视觉画面可被正常分析，当直线运动滑块部12运动到另一端后，需要以最高速度返回到初始位，实现持续的视觉检测。[0069] 实施例11，当视觉分析芯片421判断h＞g时，控制芯片422控制输送皮带本体100的输送速度减半。[0070] 当出现异常物占超阈值时同时对输送皮带本体100的输送速度减半处理，在不停机的状态下尽量减少问题物料的输送，当然还可以进一步设置不同的阈值范围来实现不同的速度甚至同步停机设置来匹配不同的应用场景。[0071] 实施例12，视觉特征匹配算法可以是基于Python和OpenCV库来实现一个基本的异物识别算法。使用颜色特征来区分矿石和异物，并计算异物的占比。[0072] 代码示意如下：[0073] importcv2[0074] importnumpyasnp[0075] #读取图像[0076] image＝cv2.imread('ore_sample.jpg')[0077] #转换颜色空间到HSV[0078] hsv_image＝cv2.cvtColor(image,cv2.COLOR_BGR2HSV)[0079] #定义矿石和异常物的颜色范围[0080] #这里的值需要根据实际情况进行调整[0081] ore_lower＝np.array([0,50,50])[0082] ore_upper＝np.array([10,255,255])[0083] foreign_lower＝np.array([150,50,50])[0084] foreign_upper＝np.array([180,255,255])[0085] #创建掩模以分离矿石和异常物[0086] ore_mask＝cv2.inRange(hsv_image,ore_lower,ore_upper)[0087] foreign_mask＝cv2.inRange(hsv_image,foreign_lower,foreign_upper)[0088] #计算矿石和异常物的面积[0089] ore_area＝np.sum(ore_mask>0)[0090] foreign_area＝np.sum(foreign_mask>0)[0091] #计算异常物的占比[0092] foreign_percentage＝(foreign_area/(ore_area+foreign_area))*100[0093] #显示结果[0094] print(f'异常物占比：{foreign_percentage:2f}％')[0095] #可视化掩模[0096] ore_visual＝cv2.bitwise_and(image,image,mask＝ore_mask)[0097] foreign_visual＝cv2.bitwise_and(image,image,mask＝foreign_mask)[0098] #显示图像[0099] cv2.imshow('OriginalImage',image)[0100] cv2.imshow('OreMask',ore_visual)[0101] cv2.imshow('ForeignMatterMask',foreign_visual)[0102] cv2.waitKey(0)[0103] cv2.destroyAllWindows()[0104] 首先读取了一张矿石样本的图像，并将其转换为HSV颜色空间。然后，我们定义了矿石和异常物的颜色范围，并创建了一个掩模来分离它们。通过计算掩模中非零像素的数量，我们可以得到矿石和异常物的面积，进而计算出异常物占比的占比。[0105] 在实际应用中，还可以基于深度学习网络来提高准确性和鲁棒性。[0106] 以上均为本发明的较佳实施例，并非以此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

专利地区：湖北

专利申请日期：2024-05-17

专利公开日期：2024-10-22

专利公告号：CN118323793B