(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211008458.2 (22)申请日 2022.08.22 (71)申请人 中国神华能源股份有限公司哈尔乌 素露天煤矿 地址 010300 内蒙古自治区鄂 尔多斯市准 格尔旗薛家湾镇 (72)发明人 武国平　张琦　叶军　李志军　 李昊　吉日格勒 　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 霍文娟 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/776(2022.01) (54)发明名称 传送带跑偏的检测方法、 检测装置和处 理器 (57)摘要 本申请提供了一种传送带跑偏的检测方法、 检测装置和处理器。 该方法包括： 获取传送带的 历史图像数据； 构建神经网络模型； 获取传送带 的当前图像数据； 采用神经网络模 型对当前图像 数据进行检测， 确定传送带是否跑偏。 该方案中， 构建了新的神经网络模型， 模型的计算效率更 高， 采用新的神经网络模型对传送带的边缘进行 检测， 可以适应复杂的环境， 比传统的算法计算 能力更强， 且精确地较高， 传送带的边缘的连通 性更好， 进而在实际的环境中， 可 以稳定地对传 动带的边缘进行检测， 通过检测到的边缘准确地 确定传送带是否跑偏， 从而提高了检测传送带是 否跑偏的效率。 权利要求书2页 说明书14页 附图4页 CN 115410150 A 2022.11.29 CN 115410150 A 1.一种传送带 跑偏的检测方法， 其特 征在于， 包括： 获取传送带的历史图像数据， 其中， 所述历史图像数据是图像采集设备采集到的， 所述 图像采集设备安装在所述传送带的上 方； 构建神经网络模型， 其中， 所述神经网络是使用多组训练数据训练得到的， 所述多组训 练数据中的每一组训练数据均包括所述历史图像数据以及所述历史图像数据对应的所述 传送带的相关信息； 获取所述传送带的当前图像数据； 采用所述神经网络模型对所述当前图像数据进行检测， 确定所述传送带 是否跑偏。 2.根据权利要求1所述的方法， 其特 征在于， 构建神经网络模型， 包括： 获取目标区域中的目标像素点和非 目标像素点， 所述目标像素点是指所述目标区域中 的中心的像素点， 所述非目标像素点是指所述目标区域中除所述目标像素点以外的像素 点， 所述目标区域是指 历史图像中包括所述传送带的边 缘的区域； 确定第一区域和第 二区域， 所述第 一区域是指所述目标像素点和所述非 目标像素点之 间的亮度差值大于或者等于亮度阈值的区域， 所述第二区域是指所述目标像素点和所述 非 目标像素点之间的所述亮度差值小于所述亮度阈值的区域； 分别将所述第 一区域的图像数据和所述第 二区域的图像数据与核函数进行运算， 得到 第一亮度数据和第二亮度数据； 将所述第一亮度数据和所述第二亮度数据输入至高斯投影的径向基神经网络模型中 进行运算， 其中， 所述高斯投影的径向基神经网络模型中包括输入层、 展开层、 隐藏层和输 出层， 所述输入层用于接收输入 数据， 所述展开层用于对相 邻两个所述输入数据进 行作差， 所述隐藏层用于对作差后的输入数据与高斯函数进行计算， 所述输出层用于输出计算结 果， 其中， 所述输入数据是 所述第一亮度数据和所述第二亮度数据的乘积的绝对值。 3.根据权利要求2所述的方法， 其特征在于， 在构建神经网络模型之后， 所述方法还包 括： 确定中心点， 所述中心点是指所述神经网络模型的所述隐藏层的所述输入数据； 获取所述输入数据的像素值的最大值和最小值， 以及所述输入数据的像素点的个数； 根据所述像素值的最大值、 所述像素值的最小值以及所述像素点的个数， 并采用隐函 数确定方差； 采用最小二乘法计算所述神经网络模型的输出权值， 所述输出权值是指所述隐藏层的 输出数据在所述输出层的所述计算结果中所占的权 重值。 4.根据权利要求1所述的方法， 其特征在于， 在构建神经网络模型之后， 所述方法还包 括： 获取标准图像数据； 计算所述神经网络模型输出的计算结果与所述标准图像数据的误差值； 在所述误差值小于误差阈值的情况 下， 确定所述神经网络模型已训练结束； 在所述误差值大于或者等于所述误差阈值的情况下， 确定所述神经网络模型需重新进 行训练， 并重新对所述神经网络模型进行训练。 5.根据权利要求1所述的方法， 其特征在于， 采用所述神经网络模型对所述当前图像数 据进行检测， 确定所述传送带 是否跑偏， 包括：权　利　要　求　书 1/2 页 2 CN 115410150 A 2采用所述神经网络模型确定所述当前图像数据的第一 边缘位置和第二 边缘位置； 获取所述传送带的标准中线位置， 所述标准中线位置是指所述传送带没有跑偏时的中 线的位置； 根据所述第一边缘位置、 所述第二边缘位置和所述标准中线位置， 确定所述传送带是 否跑偏。 6.根据权利要求5所述的方法， 其特征在于， 根据所述第一边缘位置、 所述第二边缘位 置和所述标准中线位置， 确定所述传送带 是否跑偏， 包括： 实时计算所述第一 边缘位置和所述标准中线位置的第一 位置差值； 实时计算所述第二 边缘位置和所述标准中线位置的第二 位置差值； 在所述第一位置差值小于或者等于位置 阈值、 或者所述第 二位置差值小于或者等于所 述位置阈值的情况 下， 确定所述传送带已经 跑偏； 在所述第一位置差值大于所述位置 阈值、 且所述第 二位置差值大于所述位置 阈值的情 况下， 确定所述传送带没有跑偏。 7.根据权利要求1至6中任意一项所述的方法， 其特征在于， 在确定所述传送带已经跑 偏的情况 下， 所述方法还 包括： 生成报警信息， 所述报警信息用于提 示所述传送带已经 跑偏； 控制所述传送带暂停工作。 8.一种传送带 跑偏的检测装置， 其特 征在于， 包括： 第一获取单元， 用于获取传送带的历史图像数据， 其中， 所述历史图像数据是图像采集 设备采集到的， 所述图像采集设备安装在所述传送带的上 方； 构建单元， 用于构建神经网络模型， 其中， 所述神经网络是使用多组训练数据训练得到 的， 所述多组训练数据中的每一组训练数据均包括所述历史图像数据以及所述历史图像数 据对应的所述传送带的相关信息； 第二获取 单元， 用于获取 所述传送带的当前图像数据； 检测单元， 用于采用所述神经网络模型对所述当前图像数据进行检测， 确定所述传送 带是否跑偏。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程序， 其中， 所述 程序执行权利要求1至7中任意 一项所述的方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115410150 A 3