风电叶片损伤检测方法
    1.
    发明公开

    公开(公告)号:CN113960068A

    公开(公告)日:2022-01-21

    申请号:CN202111392653.5

    申请日:2021-11-23

    摘要: 本公开揭示了一种风电叶片损伤检测方法,包括:S1、针对风电机组叶片的区域设定M*N个数据采集区域,M和N为自然数;S2、依序采集所述数据采集区域的图像信息,图像信息至少包括有所述数据采集区域的序号信息;S3、针对不同的所述数据采集区域提取所述图像信息中的第一特征;S4、基于所述第一特征,基于特征匹配算法对多个所述数据采集区域的图像信息进行拼接,获得拼接图像帧;S5、针对所述拼接图像帧,进行图像识别,判断是否存在缺陷特征。本发明提供的风电叶片损伤检测方法,可通过针对风电机组叶片进行多次局部的数据采集,而后再拼接成整幅图像,对该整幅图像进行基于卷积神经网络算法模型的图像识别,即可确定出风电叶片上对应的损伤区域。

    基于计算机视觉的输煤皮带撕裂检测方法

    公开(公告)号:CN113887525A

    公开(公告)日:2022-01-04

    申请号:CN202111300263.0

    申请日:2021-11-04

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于计算机视觉的输煤皮带撕裂检测方法,包括:以第一预设频率交替给予输煤皮带工作面垂直方向的第一线性结构光,以及沿所述输煤皮带送料方向成预设夹角的第二线性结构光;采集输煤皮带工作区域的视频流;分别提取第一线性结构光对应的第一图像帧构造第一数据集,提取第二结构光对应的第二图像帧构造第二数据集;提取所述第一数据集及所述第二数据集中的相邻的两个图像帧,分别针对两帧图像进行预处理后进行图像叠加,多个叠加处理后的图像帧构造为第三数据集;针对第三数据集进行特征识别,判断是否存在撕裂区域,如是,记录对应的第一图像帧和第二图像帧并发出检测信号。

    煤仓清仓机器人
    3.
    发明公开

    公开(公告)号:CN114055493A

    公开(公告)日:2022-02-18

    申请号:CN202111397266.0

    申请日:2021-11-23

    IPC分类号: B25J11/00 B65D88/68

    摘要: 本发明公开了煤仓清仓机器人,涉及煤仓清理设备技术领域。本发明包括主架体,所述主架体上安装有将其固定在煤仓的仓壁处的固定机构。本发明通过在煤仓的仓壁处设置主架体,并通过固定机构固定,然后由伸缩机构驱动伸长,使得搅拌辊可以伸入煤堆中,并且启动驱动电机,在驱动电机的驱动下搅拌辊可以转动,在转动时将煤仓内的煤炭搅动,并且一边搅动一边驱动伸缩机构伸长,使得原有形成在煤仓底部的起拱机构破坏,在起拱机构被破坏后,煤炭可以经煤仓的出煤口输出,这种煤仓的清煤方式杜绝了人员进入操作,避免了安全问题,同时相对于空气炮,其采取的破坏起拱机构的方式,不会导致煤炭压实,进而更加难以疏通的问题。

    基于计算机视觉的输煤皮带异物识别方法

    公开(公告)号:CN114120175A

    公开(公告)日:2022-03-01

    申请号:CN202111327503.6

    申请日:2021-11-10

    摘要: 本公开涉及一种基于计算机视觉的输煤皮带异物识别方法,其特征在于,包括:S1、获取常见异物图像数据,构建训练集;S2、构建卷积神经网络算法模型,通过所述训练集对所述神经网络算法模型进行训练以获得一图像分拣器,所述图像分拣器配置为标记不同异物;S3、获取运行中的输煤皮带的视频流;S4、从所述视频流中提取一定时间间隔的多个图像帧;S5、将多个所述图像帧输入所述图像分拣器,判断所述图像帧中是否存在异物,如是,发出警示信息。本发明提供的基于计算机视觉的输煤皮带异物识别方法,可基于卷积神经网络算法模型,大大方便视频监控人员远程监测输煤皮带上的异物,降低人力投入。