壹合原码智慧工厂瑕疵识别平台_钢丝绳在线检测系统

申请试用

壹合原码智慧工厂瑕疵识别平台

壹合原码智慧工厂瑕疵识别平台通过计算机视觉和人工智能技术，搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统，提高检测准确度，降低工人在线的劳动强度，有效提高检测标准、避免客制化生产下，人工有可能存在的工作疏漏。

立即咨询

首页 > 产品中心 > 监控与运维 > 壹合原码智慧工厂瑕疵识别平台

场景痛点

检测点多，检验耗时长
传统的检测方法不够高效、精准和灵活，检测设备不仅占用空间，而且成本高昂。

环节复杂，易发生漏检
传统检测环节复杂，且不能对设施的内部结构和细节进行全面的观察和分析，容易遗漏或误判异常。

依靠人工，风险不可控
传统检测方法依靠人工容易受到人员素质、经验、情绪等因素，导致检测结果不可靠或不一致。人工检测不能及时发现设施的潜在问题。

效率提升有瓶颈
传统检测方法不能满足现代工业环境设施的高品质要求，难以满足工业环境的各方面参数的高精度要求

解决方案

通过计算机视觉和人工智能技术，搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统，提高检测准确度，降低工人在线的劳动强度，有效提高检测标准、避免客制化生产下，人工有可能存在的工作疏漏。

建设目标

建设目标

目标检测算法识别流程概述 icon

目标检测算法是一种计算机视觉技术，目的是在图像或视频中找出并定位需要检测的物体，并给出它们的类别和位置信息。目标检测是很多计算机视觉任务的基础，不论我们需要实现图像与文字的交互还是需要识别精细类别，它都提供了可靠的信息。

图像预处理
对图像进行对齐，降噪，去除冗余信息，选择合适的图像进行检测

图像分类
区分图像对应的设施类型，支撑后续调用对应设施的检测模型

物体检测
根据对应的检测模型，检测模型中是否出现预设的设施，并输出结果

日志记录
支持基于多张二维图像的三维重建，支撑距离测量及全面为检测

目标检测算法识别流程—图像预处理 icon

01
采集某一场景内的多个图像，从中筛选出选择合适的图像，进行算法分析检测。

02
对于钢丝绳检测，首绳+尾绳检测各一支，共2支相机进行采集，需对多张图像进行融合。

03
对于余煤检测，箕斗上方安装一支红外高清摄像机进行采集，需对多张图像进行融合。

04
对于井筒检测，罐笼四周各安装一支红外高清摄像机，4支摄像机进行采集，需对多张图像进行融合。

实现方案：多图像检测 icon

01
对每个模型采用多张图像进行检测，对检测结果进行汇总。

02
提高检测的准确性和鲁棒性，增强图像的对比度和清晰度。

03
可以利用不同的视角和信息，互相补充和验证，减少误检和漏检的可能。

04
可以包含不同的尺度、形状、纹理等特征，适应不同的光照、背景、遮挡等条件。

05
实现简单，对算力要求小，效率高。

目标检测算法识别流程—图像分类算法 icon

场景描述

根据采集的图像，调用图像分类算法，确定钢丝绳异常、井筒异常的类型，支撑后续调用对应部件的检测模型。

算法实现流程：数据标注：根据钢丝绳异常、井筒异常的类型，对图片进行标注；

图像预处理：基于多图像检测对其进行处理；

网络模型：采用CNN神经网络，实现图像分类；

算法识别：直接输出对应的类别代码；

输出结果：对钢丝绳、井筒异常分类。

钢丝绳异常检测算法

场景描述：根据预设模型，输出检测结果与模型的差异，并进行提示报警；通过目标检测算法，识别每一类模型中需要检测的钢丝绳异常；

算法实现：数据预处理，将数据转换为CNN可处理的格式；采用CNN神经网络实现目标检测并进行模型训练；对新的图像进行目标检测；与模板数据进行对比；输出检测结果。

钢丝绳张力检测算法

场景描述

根据预设模型，输出检测结果与模型的差异，并进行提示报警；通过目标检测算法，识别每一类模型中需要检测的钢丝绳的张力；算法实现：数据预处理，将数据转换为CNN可处理的格式；采用CNN神经网络实现目标检测并进行模型训练；对新的图像进行目标检测；与模板数据进行对比；输出检测结果。

井筒筒壁异常检测算法 icon

场景描述

根据预设模型，输出检测结果与模型的差异，并进行提示报警；通过目标检测算法，识别每一类模型中需要检测的筒壁的异常，包括线缆、筒壁渗水，罐道异常等现象；算法实现：数据预处理，将数据转换为CNN可处理的格式；采用CNN神经网络实现目标检测并进行模型训练；对新的图像进行目标检测；与模板数据进行对比；输出检测结果。

余煤检测算法

场景描述

根据预设模型，输出检测结果与模型的差异，并进行提示报警；通过目标检测算法，识别箕斗内每一勾，正常放煤后是否存在余煤并提供余煤百分比，现场作业人员会根据实际情况自行选择是否清理余煤；算法实现：数据预处理，将数据转换为CNN可处理的格式；采用CNN神经网络实现目标检测并进行模型训练；对新的图像进行目标检测；与模板数据进行对比；输出检测结果。

系统架构