文献类型：期刊文章

作　　者：郭砚秋[1] 苗长云[1] 刘意[2,3]

GUO Yanqiu;MIAO Changyun;LIU Yi(School of Electronics&Information Engineering,Tiangong University,Tianjin 300387,China;School of Mechanical Engineering,Tiangong University,Tianjin 300387,China;Engineering Teaching Practice Training Center,Tiangong University,Tianjin 300387,China)

机构地区：[1]天津工业大学电子与信息工程学院,天津300387 [2]天津工业大学机械工程学院,天津300387 [3]天津工业大学工程教学实习训练中心,天津300387

出　　处：《工矿自动化》

基　　金：国家自然科学基金面上项目(NSFC51274150);天津市重点研发计划科技支撑项目(18YFZCGX00930)。

年　　份：2023

卷　　号：49

期　　号：10

起止页码：52-60

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、DOAJ、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对目前带式输送机巡检机器人搭载红外采集设备移动受限,存在不能实时进行数据采集、数据处理并上传至监控终端,无法完成远程故障检测,续航能力不足等问题,提出了一种基于热红外图像的带式输送机托辊故障检测方法。带式输送机巡检机器人搭载托辊故障检测器及红外热像仪,红外热像仪将采集的托辊热红外图像序列与温度数据传输给托辊故障检测器进行托辊故障检测,检测结果由托辊故障检测器内置的WH-L101无线传输模块发送给上位机。提出了一种带式输送机托辊故障检测算法:利用YOLOv5s目标检测算法提取托辊热红外图像的感兴趣区域(ROI),采用维纳滤波和自适应中值滤波算法对ROI图像进行滤波,利用自适应直方图均衡化和图像锐化算法对滤波后的ROI图像进行增强,采用基于形态学的Otsu图像分割算法对增强后的ROI图像进行图像分割,得到待检测的托辊图像,利用Harris角点检测算法提取托辊图像特征,获得托辊位置信息,提取相应位置的温度信息,并采用基于相对温差法的托辊故障检测算法判定托辊故障。实验结果表明:①YOLOv5s网络模型提取托辊ROI的目标检测结果平均准确率为99.12%。②提出的托辊故障检测算法对托辊故障(无故障、轴承锈蚀、托辊卡转、筒体磨穿)检测的平均准确率为97.625%,帧率为16帧/s。③将检测结果通过无线传输模块传送至上位机,可显示故障类型及关键区域温度,并进行报警。

关 键 词：带式输送机 托辊故障检测  热红外图像  YOLOv5s网络模型  带式输送机巡检机器人  

分 类 号：TD634.1]