本发明涉及图像数据处理领域。更具体地，本发明涉及一种基于图像处理的输送带异常监测方法及系统。
背景技术：
1、在煤矿行业中，带式输送机是关键的运输设备，其运行状态的监测对于保障煤矿生产的安全和效率至关重要。在输送带的运行过程中，由于其所承载物体、机器运转对输送带表面磨损等原因，常常发生输送带撕裂故障，这些故障若不及时检测和处理，可能会导致严重的生产事故和经济损失。
2、现有公开号为cn102621168a的中国专利申请文件公开了一种煤矿井下输送带x射线透射检测系统，其包括采集和存储子系统及数据分析和显示子系统，数据采集和存储子系统用于井下输送带数据的采集和存储；数据分析和显示子系统能够读取采集盒中存储单元的图像数据，对图像数据进行智能分析，定位皮带中的接头和钢丝异常区域，通过图像方式直观的呈现皮带内部结构信息；所述方法是：把数据采集盒与控制箱相连，启动数据采集子系统；将采集到的透射数据实时存储到数据采集盒的内部存储单元中；存储后，将数据采集盒与数据分析和显示子系统连接，传输透射数据；读取透射数据，分析透射异常，显示透射图像。
3、上述方案中通过读取透射数据，分析透射异常，获取输送带异常监测，目前利用相机捕捉光模式在物体表面的变形来计算物体的形状和位置，在对输送带进行异常监测时，具有较高的精度，能够提供详细的图像信息，但结构光技术中的数据处理和分析需要较强的计算能力，并且对于计算资源消耗较高，大量数据的处理会影响实时监测的能力。
技术实现思路
1、为解决通过结构光技术中的数据处理和分析需要较强的计算能力，从而影响实时监测的能力的问题，本发明在如下的多个方面中提供方案。
2、在第一方面中，一种基于图像处理的输送带异常监测方法，包括：根据预设间隔获取输送带输送时采样帧的表面图像并进行灰度处理，得到灰度图像，并进行边缘检测，以任一采样帧为目标帧，得到目标帧的目标边缘和其他帧图像的待检测边缘，对采样帧对应灰度图像中梯度方向差进行分级，得到每个分级的频率，以用于获取目标边缘的规则性；分别对目标边缘和待检测边缘预设标记点，将所述目标边缘的规则性作为调整因子，以用于计算目标边缘与待检测边缘之间标记点位置关系的相似度，得到最匹配边缘；将所述目标边缘与最匹配边缘每个像素点的梯度方向差、灰度差值和灰度梯度差值用于计算目标边缘与最匹配边缘的匹配度；对所述最匹配边缘按照图像帧时序对匹配度分配权重，得到目标边缘在多帧图像中的显著匹配性，，式中，表示采样帧图像的总数量，表示最匹配边缘所属帧的序号，表示目标边缘与第个采样帧中最匹配边缘的匹配度；将所述目标边缘的规则性与显著匹配性的比值作为目标边缘潜在撕裂的分值，基于分值判断输送带是否存在异常。
3、通过比较不同帧图像中的边缘特征，可以更准确地识别出输送带上的异常情况，通过计算目标边缘在多帧图像中的显著匹配性，可以量化异常的严重程度，将目标边缘的规则性与显著匹配性的比值作为潜在撕裂的分值，可以更准确地判断输送带是否存在异常。
4、在一个实施例中，所述对采样帧对应灰度图像中梯度方向差进行分级，包括：
5、获取采样帧对应灰度图像中每个像素点的梯度方向，其中，所述梯度方向的取值范围在，将方向的取值范围划分为几个区间，每个区间作为一个梯度方向的级别。
6、通过将梯度方向的取值范围划分为不同的区间，可以更细致地分析图像中的边缘特征，增强对输送带表面细节的识别能力，分级处理有助于提取输送带表面的关键特征，如纹理、裂缝、磨损等，可以减少噪声对边缘特征提取的影响，提高检测的可靠性。
7、在一个实施例中，所述获取目标边缘的规则性，包括：
8、分别计算目标边缘和待检测边缘上所有相邻像素点的梯度方向差的均值，并进行归一化处理；
9、统计每个梯度方向差的级别频率，计算每个级别频率的熵，将所述熵与归一化后的均值的乘积作为目标边缘的规则性。
10、通过规则性较高的边缘通常表示输送带表面状态正常，而规则性较低的边缘可能表明存在异常，如撕裂或损伤，熵值的大小可以区分不同边缘的特征，高熵值可能表示边缘较为复杂或不规则，而低熵值则可能表示边缘较为简单或规则。
11、在一个实施例中，所述分别对目标边缘和待检测边缘预设标记点，包括：
12、响应于目标边缘为不封闭边缘，将不封闭边缘的两个断点标记为点1和点2，将边缘中点标记为点3，将相邻两点之间的中点标记为点4和点5；
13、响应于目标边缘为封闭边缘，将封闭边缘的质心标记为点3，距离点3最远的像素点标记为点1，根据点1和点3确定一条直线，并将直线向点1反方向延伸到封闭边缘相交的点标记为点2，将相邻两点之间的中点标记为点4和点5。
14、通过在边缘上预设特定的标记点，可以更精确地定位边缘的关键特征，标记点的设置有助于提取边缘的几何特征，比较不同边缘上的标记点，同时，在边缘上预设有限数量的标记点，可以减少计算量，提高算法的执行效率。
15、在一个实施例中，所述最匹配边缘，包括：
16、计算目标边缘上每对标记点之间的距离和待检测边缘上每对标记点之间的距离差值的累加和的平均值，得到目标边缘和待检测边缘的形状相似度；计算目标边缘上的标记点在灰度图像中的位置与待检测边缘上的标记点在灰度图像中的位置的距离的平均值，得到目标边缘和待检测边缘的位置相似度；
17、将所述形状相似度和位置相似度的乘积进行归一化，将规则性的倒数作为归一化后的指数幂，得到目标边缘与待检测边缘的近似性，将所述近似性最大的待检测边缘作为与目标边缘最匹配的边缘。
18、将形状相似度和位置相似度结合起来，可以全面评估两个边缘的相似性，将规则性的倒数作为归一化后的指数幂，可以考虑到边缘的规则性对匹配的影响，提高匹配的鲁棒性，同时，适用于不同类型的边缘特征。
19、在一个实施例中，所述匹配度满足下述关系式：
20、；
21、式中，表示目标边缘与最匹配边缘的匹配度，表示目标边缘上像素点的总数量，表示目标边缘上的第个像素点与最匹配边缘上对应的第个像素点的灰度梯度方向的差，表示余弦函数，表示目标边缘上的第个像素点与最匹配边缘上对应的第个像素点的灰度值的差，表示目标边缘上的第个像素点与最匹配边缘上对应的第个像素点的灰度梯度值的差，表示归一化函数。
22、在一个实施例中，基于分值判断输送带是否存在异常，包括：
23、响应于分值大于等于预设阈值时，则输送带存在异常，目标边缘为潜在撕裂，启动线结构光技术进行检测；反之，分值小于预设阈值时，则输送带为正常。
24、第二方面，一种基于图像处理的输送带异常监测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述的基于图像处理的输送带异常监测方法。
25、本发明具有以下效果：
26、1、本发明通过对梯度方向差的分级和频率分析，可以评估边缘的规则性，从而识别出不规则的边缘，获取潜在的撕裂或损伤，分别对目标边缘与待检测边缘设置标记点，根据标记点快速获取目标边缘与待检测边缘之间的匹配度，在确定监测准确性的同时提高检测效率。
27、2、本发明通过智能算法判断存在潜在撕裂时调用成本较高的结构光技术进行详细分析，避免对所有区域进行不必要的全量处理，从而提高整体效率和成本效益，有效降低计算资源消耗。
1.一种基于图像处理的输送带异常监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，所述对采样帧对应灰度图像中梯度方向差进行分级，包括：
3.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，所述获取目标边缘的规则性，包括：
4.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，所述分别对目标边缘和待检测边缘预设标记点，包括：
5.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，所述最匹配边缘，包括：
6.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，所述匹配度满足下述关系式：
7.根据权利要求1所述的一种基于图像处理的输送带异常监测方法，其特征在于，基于分值判断输送带是否存在异常，包括：
8.一种基于图像处理的输送带异常监测系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-7任一项所述的基于图像处理的输送带异常监测方法。
