项目背景

采煤厂通常选用输煤皮带作为远距离煤炭运输的关键机械设备。在生产传输过程中，由于输煤皮带长时间运转、皮带持续受力、天气和煤炭质量等因素影响，皮带故障事故时有发生。例如皮带撕裂故障、皮带异物故障、皮带跑偏故障，一旦发生故障，往往导致整条传送皮带撕裂脱落，造成重大经济损失，影响企业的正常生产经营。

解决方案

美林数据利用人工智能算法、图像识别与边缘计算技术，采用云边协同模式构建输煤皮带裂纹识别预警解决方案，确保输煤皮带工作的安全性、可靠性及稳定性。

1、搭建“材料表面创伤及裂痕识别解析系统”：通过现场调研总结皮带裂纹的撕裂规律，综合研究现场的影响环境。同时结合环境完成整个故障识别的硬件系统搭建，利用光的漫反射和折射原理，实现图像采集功能与磁场异物检测功能。
2、搭建云边协同平台：实现边缘端对图像数据的实时处理与分析，将告警信息传输至云端，云端对边缘端进行管理和监控，并将故障识别模型下发至边缘端，减少现场视频数据直接传输至云端造成的滞后性和高带宽。
3、建立图像处理框架：采用合理的数字化图像处理技术，对待采集的图像进行图像预处理，增强对比度、对裂纹图像进行优化、去噪的同时保证裂纹轮廓的特征等等。
4、输煤异物磁场检测：利用磁场强度检测物体内部是否夹杂金属异物，实现磁场参数的图像成形，完成金属异物检测的直观表达。
5、落煤筒图像识别检测：使用灰度拉升、直方图均衡和空域滤波的增强方法，将处理后的图像进行分割处理，提取出拍摄图片中的煤炭面积，判断是否堵料。
6、皮带跑偏检测技术：基于分层式深度学习的皮带跑偏识别方法，构建基于CNN+LSTM结合残差结构的深度神经网络模型，实现精准、快速的皮带运行状态解析。
7、建立智能信息管理平台：实现皮带报警、声光报警以及报警图片上报等功能，实现对输煤皮带安全生产的整体管控。

方案亮点

1、智能化
结合深度学习、强化学习等行业内尖端技术，结合业务构建智能化模型，识别更精准。
2、自动化
通过智能模型的应用，自动识别皮带故障问题，及时预警，释放人力。
3、通用化
通过云边协同平台，可实现智能化应用快速部署，即插即用，并支持智能化应用下发、更新等。
4、低延时
边缘计算的引入，实现了数据即时处理，可完成大量智能化模型部署和数据低延时处理。

项目成果

输煤皮带裂纹识别预警解决方案能够帮助企业在生产运维管理中真正做到人力释放、成本降低、价值最大化。某企业具体项目应用成效如下：
1、皮带裂纹检测误差率低于5%。
2、可检测出1mm大小的金属物质。
3、落煤筒堵料检测误差率低于5%。
4、皮带跑偏检测误差率低于10%。