文献类型：期刊文章

作　　者：毕东月[1]

BI Dongyue(Pera Corporation Ltd.,Beijing 100025,China)

机构地区：[1]安世亚太科技股份有限公司,北京100025

出　　处：《中国安全生产科学技术》

年　　份：2021

卷　　号：17

期　　号：8

起止页码：84-90

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了更好地检测皮带跑偏、撕裂和异物干扰等严重影响皮带安全运行的故障状态,围绕相关问题产生的原因及检测方法开展深入研究,通过对纵/横向裂缝、异物的检测分析、实验,提高基于视觉的检测精度。提出基于Canny边缘检测算法的皮带跑偏检测算法;基于深度学习的横向与纵向撕裂检测,尤其对于裂缝与纵向纹理区分不明显情况,提出一种红光透射的判别方式;基于最小距离分类算法将识别异物转换为分类问题,利用机器学习的方法对样本进行训练并建立无异物阈值,通过提取特征,最后利用最小距离分类算法得到有无异物的结果。研究结果表明:提出的视觉检测系统可以实时高效地检测出输煤皮带常见的3种故障,可进一步保障运输系统安全运行。

关 键 词：带式输送机 输煤皮带 故障  深度学习  视觉检测

分 类 号：TD528] X936[安全科学与工程类]