基于深度学习的矿井提升钢丝绳智能视觉检测装置及方法与流程

1.本技术涉及钢丝绳检测技术领域，具体而言，涉及基于深度学习的矿井提升钢丝绳智能视觉检测装置及方法。

背景技术：

2.钢丝绳作为矿井提升系统的关键部件，在其长期工作过程中受到矿井复杂环境的磨损、腐蚀、撞击等各种因素的影响，不可避免的出现断丝、磨损等损伤，导致安全强度降低，使得钢丝绳发生骤断的风险逐渐升高。提升钢丝绳作为连接井上井下的“生命线”，一旦发生故障，可能造成重大经济损失，甚至发生人员伤亡等恶性事故。目前提升钢丝绳损伤检测以人工目检和手摸检查为主，然而该检测方法效率低、弊端多，受人为因素的影响难以高效检测出钢丝绳相关损伤，不利于提升钢丝绳的运行维护和安全监管。因此，开发一种基于深度学习的矿井提升钢丝绳智能视觉检测系统，以实现钢丝绳表面状态的自动化检测尤为重要。

3.现有视觉检测方法多是基于图像处理或传统机器学习算法进行损伤识别，存在精度低、效果差等问题，所以实际应用较少；矿井提升钢丝绳一般长度较长，损伤呈随机化分布，如何对损伤进行准确定位，目前尚缺乏相关特定技术和方法，不方便存储数据。

技术实现要素：

4.为了弥补以上不足，本技术提供了基于深度学习的矿井提升钢丝绳智能视觉检测装置及方法，旨在改善存在精度低、效果差等问题，所以实际应用较少；矿井提升钢丝绳一般长度较长，损伤呈随机化分布，如何对损伤进行准确定位，目前尚缺乏相关特定技术和方法，不方便存储数据的问题。

5.本技术实施例提供了基于深度学习的矿井提升钢丝绳智能视觉检测装置，包括底板，所述底板上安装有第一矩形柱，所述第一矩形柱上安装有第二矩形柱，所述第二矩形柱滑动安装在所述第一矩形柱内，所述底板上安装有调节组件，所述调节组件的一端固定安装在所述第二矩形柱的底部，所述第二矩形柱的上端安装有匚型板，所述匚型板上安装有两个对称的夹持组件，所述夹持组件之间安装有第二电动推杆，所述第二电动推杆的输出轴上安装有移动板，所述移动板上安装有移动组件，所述移动组件上安装有两个对称的t型板，两个所述t型板上分别安装有第一相机和第二相机，其中所述t型板上安装有安装架，所述安装架上安装有推杆组件；

6.所述推杆组件上安装有编码器，所述底板上安装有控制器，所述控制器通过导线与所述编码器电性连接，所述控制器的一侧安装有图像采集卡，所述控制器通过导线分别与所述第一相机和所述第二相机电性连接，所述图像采集卡通过导线连接有主机，所述主机内通过导线连接有存储器。

7.在上述实现过程中，通过调节组件调节第二矩形柱在第一矩形柱内的高度，从而调节匚型板的高度，通过夹持组件对第二电动推杆进行夹持，通过第二电动推杆方便调节

移动板的水平移动位置，通过移动板内安装的移动组件，根据钢丝绳的位置调节两个t型板上的第一相机和第二相机之间的距离，通过安装架上的推杆组件方便将编码器接触到钢丝绳上，采用编码器方便对钢丝绳进行损伤定位，进一步与视频信息进行融合，采用第一相机和第二相机方便对钢丝绳的数据进行图像采集，通过存储器有利于大容量视频数据进行储存，提高了检测的精度和效果。

8.在一种具体的实施方案中，所述调节组件包括第一推杆和支架，所述第一推杆固定安装在所述底板上，所述支架的一侧安装在所述第二矩形柱上，所述第一推杆的输出端安装在所述支架上。

9.在上述实现过程中，通过第一推杆调节输出轴的伸缩长度，从而带动支架调节第二矩形柱的高度。

10.在一种具体的实施方案中，所述夹持组件包括v型夹块和锁紧螺钉，所述锁紧螺钉螺纹连接在所述匚型板上，所述锁紧螺钉通过轴承转动安装在所述v型夹块上。

11.在上述实现过程中，通过锁紧螺钉带动v型夹块水平移动，方便对第二电动推杆进行夹持，方便安装。

12.在一种具体的实施方案中，所述v型夹块上安装有两个对称的导向杆，所述导向杆的一端滑动安装在所述匚型板上。

13.在上述实现过程中，通过导向杆有利于提高v型夹块移动的稳定性。

14.在一种具体的实施方案中，所述移动组件包括丝杆、伺服电机和两个滑块，所述丝杆通过轴承转动安装在所述移动板上，所述两个滑块均螺纹连接在所述丝杆上，所述伺服电机固定安装在所述移动板上，所述伺服电机的输出端通过联轴器与所述丝杆传动连接，两个所述滑块的螺纹方向相反。

15.在上述实现过程中，伺服电机的输出端通过联轴器带动丝杆转动，从而带动两个滑块在移动板上相对移动。

16.在一种具体的实施方案中，所述推杆组件包括第三推杆和安装块，所述第三推杆固定安装在所述安装架上，所述安装块固定安装在所述第三推杆的输出端上，所述编码器安装在所述安装块上。

17.在上述实现过程中，通过调节第三推杆的伸缩长度，从而方便调节安装块上编码器与钢丝绳的接触位置。

18.在一种具体的实施方案中，所述第一相机和所述第二相机上均设置有led灯。

19.在上述实现过程中，通过led灯有利于对钢丝绳进行光照，提高检测的精度。

20.在一种具体的实施方案中，所述控制器与所述主机上均安装有蓝牙模块。

21.在上述实现过程中，通过安装的两个蓝牙模块方便数据的传输。

22.基于深度学习的矿井提升钢丝绳智能视觉检测方法，包括以下步骤：

23.步骤一，将容器放到井底，所有设备通电，通过调节组件调节第二矩形柱在第一矩形柱内的高度，从而调节匚型板的高度，通过夹持组件对第二电动推杆进行夹持，通过第二电动推杆调节移动板的水平移动位置，通过移动板内安装的移动组件，根据钢丝绳的位置调节两个t型板上的第一相机和第二相机之间的距离，通过安装架上的推杆组件将编码器接触到钢丝绳上；

24.步骤二，钢丝绳运动时，一方面带动编码器转动，编码器通过蓝牙模块将数据传到

主机，另一方面，触发第一相机和第二相机分别采集图像数据，数据流通过图像采集卡到主机，第一相机采集到钢丝绳左半面数据，第二相机采集到钢丝绳右半面数据，在钢丝绳运动时，位置数据和视频流数据为同一时刻采集，便于将位置信息和图像信息进行融合，当容器到达井口时，钢丝绳全绳数据采集完成，主机将得到容器从矿井底部到顶部的全部位置信息，深度按照时间逐渐增加，第一相机和第二相机得到的视频流信息通过存储器的文件夹进行逐帧存储；

25.步骤三，钢丝绳运动时，当容器到达井口时，关闭系统，编码器与钢丝绳脱离，

26.步骤四，调用目标检测算法依次对第一相机和第二相机的视频进行损伤检测计算，并将检测结果保存至检测结果数据库。

27.步骤五，采用统计方法对检测结果进行统计，用柱状图进行显示，横坐标为钢丝绳深度，纵坐标为损伤数；或采用曲线图进行显示，横坐标为钢丝绳深度位置信息，纵坐标为损伤类型；或采用饼状图进行统计，按深度区间统计损伤类型及数量，设计视频回放功能，便于视察损伤处损伤。

28.在一种具体的实施方案中，所述目标检测算法为yolov5钢丝绳损伤检测算法。

29.有益效果：

30.该基于深度学习的矿井提升钢丝绳智能视觉检测装置中，通过调节组件调节第二矩形柱在第一矩形柱内的高度，从而调节匚型板的高度，通过夹持组件对第二电动推杆进行夹持，通过第二电动推杆方便调节移动板的水平移动位置，通过移动板内安装的移动组件，根据钢丝绳的位置调节两个t型板上的第一相机和第二相机之间的距离，通过安装架上的推杆组件方便将编码器接触到钢丝绳上，采用编码器方便对钢丝绳进行损伤定位，进一步与视频信息进行融合，采用第一相机和第二相机方便对钢丝绳的数据进行图像采集，通过存储器有利于大容量视频数据进行储存，提高了检测的精度和效果。

附图说明

31.为了更清楚地说明本技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

32.图1是本技术实施方式提供的结构示意图之一；

33.图2是本技术实施方式提供的结构示意图之二；

34.图3是本技术实施方式提供的结构示意图之三；

35.图4为图3中a处局部放大图。

36.图中：1、底板；2、第一矩形柱；3、第二矩形柱；4、调节组件； 41、第一推杆；42、支架；5、匚型板；6、夹持组件；61、v型夹块；62、锁紧螺钉；7、第二电动推杆；8、移动板；9、移动组件；91、丝杆；92、滑块；93、伺服电机；10、t型板；11、第一相机；12、第二相机；13、安装架；14、推杆组件；141、第三推杆；142、安装块； 15、编码器；16、控制器；17、图像采集卡；18、主机；19、导向杆；20、led灯；21、蓝牙模块；22、存储器。

具体实施方式

37.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。

38.为使本技术实施方式的目的、技术方案和优点更加清楚，下面将结合本技术实施方式中的附图，对本技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本技术一部分实施方式，而不是全部的实施方式。基于本技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本技术保护的范围。

39.因此，以下对在附图中提供的本技术的实施方式的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施方式。基于本技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本技术保护的范围。

40.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

41.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。

42.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

43.在本技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。

44.在本技术中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

45.请参阅图1-4，基于深度学习的矿井提升钢丝绳智能视觉检测装置，包括底板1，底板1上安装有第一矩形柱2，第一矩形柱2上安装有第二矩形柱3，第二矩形柱3滑动安装在第一矩形柱2内，底板1上安装有调节组件4，调节组件4包括第一推杆41和支架42，第一推杆41 固定安装在底板1上，支架42的一侧安装在第二矩形柱3上，第一推杆41的输出端安装在支架42上，通过第一推杆41调节输出轴的伸缩长度，从而带动支架42调节第二矩形柱3的高度，调节组件4的一端固定安装在第二矩形柱3的底部，第二矩形柱3的上端安装有匚型板5，

匚型板5上安装有两个对称的夹持组件6，夹持组件6包括v型夹块 61和锁紧螺钉62，锁紧螺钉62螺纹连接在匚型板5上，锁紧螺钉62 通过轴承转动安装在v型夹块61上，通过锁紧螺钉62带动v型夹块 61水平移动，方便对第二电动推杆7进行夹持，方便安装，夹持组件6 之间安装有第二电动推杆7，第二电动推杆7的输出轴上安装有移动板 8，移动板8上安装有移动组件9，移动组件9包括丝杆91、伺服电机 93和两个滑块92，丝杆91通过轴承转动安装在移动板8上，两个滑块 92均螺纹连接在丝杆91上，伺服电机93固定安装在移动板8上，伺服电机93的输出端通过联轴器与丝杆91传动连接，两个滑块92的螺纹方向相反，伺服电机93的输出端通过联轴器带动丝杆91转动，从而带动两个滑块92在移动板8上相对移动，移动组件9上安装有两个对称的t型板10，两个t型板10上分别安装有第一相机11和第二相机 12，其中t型板10上安装有安装架13，安装架13上安装有推杆组件 14，推杆组件14包括第三推杆141和安装块142，第三推杆141固定安装在安装架13上，安装块142固定安装在第三推杆141的输出端上，编码器15安装在安装块142上，通过调节第三推杆141的伸缩长度，从而方便调节安装块142上编码器15与钢丝绳的接触位置，编码器15 为现有技术，采用型号为dbs36编码器，第一相机11和第二相机12 均为现有技术，采用型号为m2st500-h高速相机；

46.推杆组件14上安装有编码器15，底板1上安装有控制器16，控制器16通过导线与编码器15电性连接，控制器16的一侧安装有图像采集卡17，控制器16通过导线分别与第一相机11和第二相机12电性连接，图像采集卡17通过导线连接有主机18，主机18内通过导线连接有存储器22，通过调节组件4调节第二矩形柱3在第一矩形柱2内的高度，从而调节匚型板5的高度，通过夹持组件6对第二电动推杆7 进行夹持，通过第二电动推杆7方便调节移动板8的水平移动位置，通过移动板8内安装的移动组件9，根据钢丝绳的位置调节两个t型板 10上的第一相机11和第二相机12之间的距离，通过安装架13上的推杆组件14方便将编码器15接触到钢丝绳上，采用编码器15方便对钢丝绳进行损伤定位，进一步与视频信息进行融合，采用第一相机11和第二相机12方便对钢丝绳的数据进行图像采集，通过存储器22有利于大容量视频数据进行储存，提高了检测的精度和效果，控制器16为现有技术，采用型号为cqm1plc控制器，存储器22为现有技术，采用型号为yottamasterps200u3存储器。

47.在本技术方案中，v型夹块61上安装有两个对称的导向杆19，导向杆19的一端滑动安装在匚型板5上，通过导向杆19有利于提高v 型夹块61移动的稳定性。

48.在一种具体的实施方案中，第一相机11和第二相机12上均设置有 led灯20，通过led灯20有利于对钢丝绳进行光照，提高检测的精度。

49.在本实施例中，控制器16与主机18上均安装有蓝牙模块21，通过安装的两个蓝牙模块21方便数据的传输。

50.基于深度学习的矿井提升钢丝绳智能视觉检测方法，包括以下步骤：

51.步骤一，将容器放到井底，所有设备通电，通过调节组件4调节第二矩形柱3在第一矩形柱2内的高度，从而调节匚型板5的高度，通过夹持组件6对第二电动推杆7进行夹持，通过第二电动推杆7调节移动板8的水平移动位置，通过移动板8内安装的移动组件9，根据钢丝绳的位置调节两个t型板10上的第一相机11和第二相机12之间的距离，通过安装架13上的推杆组件14将编码器15接触到钢丝绳上；

52.步骤二，钢丝绳运动时，一方面带动编码器15转动，编码器15 通过蓝牙模块21将数据传到主机18，另一方面，触发第一相机11和第二相机12分别采集图像数据，数据流通过

图像采集卡17到主机18，第一相机11采集到钢丝绳左半面数据，第二相机12采集到钢丝绳右半面数据，在钢丝绳运动时，位置数据和视频流数据为同一时刻采集，便于将位置信息和图像信息进行融合，当容器到达井口时，钢丝绳全绳数据采集完成，主机18将得到容器从矿井底部到顶部的全部位置信息，深度按照时间逐渐增加，第一相机11和第二相机12得到的视频流信息通过存储器22的文件夹进行逐帧存储；

53.步骤三，钢丝绳运动时，当容器到达井口时，关闭系统，编码器 15与钢丝绳脱离，

54.步骤四，调用目标检测算法依次对第一相机11和第二相机12的视频进行损伤检测计算，并将检测结果保存至检测结果数据库。

55.步骤五，采用统计方法对检测结果进行统计，用柱状图进行显示，横坐标为钢丝绳深度，纵坐标为损伤数；或采用曲线图进行显示，横坐标为钢丝绳深度位置信息，纵坐标为损伤类型；或采用饼状图进行统计，按深度区间统计损伤类型及数量，设计视频回放功能，便于视察损伤处损伤。

56.在具体设置时，目标检测算法为yolov5钢丝绳损伤检测算法。

57.该基于深度学习的矿井提升钢丝绳智能视觉检测装置及方法的工作原理：使用时，所有设备通电，通过调节组件4调节第二矩形柱3 在第一矩形柱2内的高度，从而调节匚型板5的高度，通过夹持组件6 对第二电动推杆7进行夹持，通过第二电动推杆7调节移动板8的水平移动位置，通过移动板8内安装的移动组件9，根据钢丝绳的位置调节两个t型板10上的第一相机11和第二相机12之间的距离，通过安装架13上的推杆组件14将编码器15接触到钢丝绳上，钢丝绳运动时，一方面带动编码器15转动，编码器15通过蓝牙模块21将数据传到主机18，另一方面，触发第一相机11和第二相机12分别采集图像数据，数据流通过图像采集卡17到主机18，第一相机11采集到钢丝绳左半面数据，第二相机12采集到钢丝绳右半面数据，在钢丝绳运动时，位置数据和视频流数据为同一时刻采集，便于将位置信息和图像信息进行融合，当容器到达井口时，钢丝绳全绳数据采集完成，主机18将得到容器从矿井底部到顶部的全部位置信息，深度按照时间逐渐增加，第一相机11和第二相机12得到的视频流信息通过存储器22的文件夹进行逐帧存储。

58.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

59.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。技术特征：

1.基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，包括底板(1)，所述底板(1)上安装有第一矩形柱(2)，所述第一矩形柱(2)上安装有第二矩形柱(3)，所述第二矩形柱(3)滑动安装在所述第一矩形柱(2)内，所述底板(1)上安装有调节组件(4)，所述调节组件(4)的一端固定安装在所述第二矩形柱(3)的底部，所述第二矩形柱(3)的上端安装有匚型板(5)，所述匚型板(5)上安装有两个对称的夹持组件(6)，所述夹持组件(6)之间安装有第二电动推杆(7)，所述第二电动推杆(7)的输出轴上安装有移动板(8)，所述移动板(8)上安装有移动组件(9)，所述移动组件(9)上安装有两个对称的t型板(10)，两个所述t型板(10)上分别安装有第一相机(11)和第二相机(12)，其中所述t型板(10)上安装有安装架(13)，所述安装架(13)上安装有推杆组件(14)；所述推杆组件(14)上安装有编码器(15)，所述底板(1)上安装有控制器(16)，所述控制器(16)通过导线与所述编码器(15)电性连接，所述控制器(16)的一侧安装有图像采集卡(17)，所述控制器(16)通过导线分别与所述第一相机(11)和所述第二相机(12)电性连接，所述图像采集卡(17)通过导线连接有主机(18)，所述主机(18)内通过导线连接有存储器(22)。2.根据权利要求1所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述调节组件(4)包括第一推杆(41)和支架(42)，所述第一推杆(41)固定安装在所述底板(1)上，所述支架(42)的一侧安装在所述第二矩形柱(3)上，所述第一推杆(41)的输出端安装在所述支架(42)上。3.根据权利要求2所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述夹持组件(6)包括v型夹块(61)和锁紧螺钉(62)，所述锁紧螺钉(62)螺纹连接在所述匚型板(5)上，所述锁紧螺钉(62)通过轴承转动安装在所述v型夹块(61)上。4.根据权利要求3所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述v型夹块(61)上安装有两个对称的导向杆(19)，所述导向杆(19)的一端滑动安装在所述匚型板(5)上。5.根据权利要求1所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述移动组件(9)包括丝杆(91)、伺服电机(93)和两个滑块(92)，所述丝杆(91)通过轴承转动安装在所述移动板(8)上，所述两个滑块(92)均螺纹连接在所述丝杆(91)上，所述伺服电机(93)固定安装在所述移动板(8)上，所述伺服电机(93)的输出端通过联轴器与所述丝杆(91)传动连接，两个所述滑块(92)的螺纹方向相反。6.根据权利要求5所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述推杆组件(14)包括第三推杆(141)和安装块(142)，所述第三推杆(141)固定安装在所述安装架(13)上，所述安装块(142)固定安装在所述第三推杆(141)的输出端上，所述编码器(15)安装在所述安装块(142)上。7.根据权利要求6所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述第一相机(11)和所述第二相机(12)上均设置有led灯(20)。8.根据权利要求1所述的基于深度学习的矿井提升钢丝绳智能视觉检测装置，其特征在于，所述控制器(16)与所述主机(18)上均安装有蓝牙模块(21)。9.基于深度学习的矿井提升钢丝绳智能视觉检测方法，其特征在于，包括以下步骤：步骤一，将容器放到井底，所有设备通电，通过调节组件(4)调节第二矩形柱(3)在第一

矩形柱(2)内的高度，从而调节匚型板(5)的高度，通过夹持组件6对第二电动推杆(7)进行夹持，通过第二电动推杆(7)调节移动板(8)的水平移动位置，通过移动板(8)内安装的移动组件(9)，根据钢丝绳的位置调节两个t型板(10)上的第一相机(11)和第二相机(12)之间的距离，通过安装架13上的推杆组件(14)将编码器(15)接触到钢丝绳上；步骤二，钢丝绳运动时，一方面带动编码器(15)转动，编码器(15)通过蓝牙模块(21)将数据传到主机(18)，另一方面，触发第一相机(11)和第二相机(12)分别采集图像数据，数据流通过图像采集卡(17)到主机(18)，第一相机(11)采集到钢丝绳左半面数据，第二相机(12)采集到钢丝绳右半面数据，在钢丝绳运动时，位置数据和视频流数据为同一时刻采集，便于将位置信息和图像信息进行融合，当容器到达井口时，钢丝绳全绳数据采集完成，主机(18)将得到容器从矿井底部到顶部的全部位置信息，深度按照时间逐渐增加，第一相机(11)和第二相机(12)得到的视频流信息通过存储器(22)的文件夹进行逐帧存储；步骤三，钢丝绳运动时，当容器到达井口时，关闭系统，编码器(15)与钢丝绳脱离，步骤四，调用目标检测算法依次对第一相机(11)和第二相机(12)的视频进行损伤检测计算，并将检测结果保存至检测结果数据库。步骤五，采用统计方法对检测结果进行统计，用柱状图进行显示，横坐标为钢丝绳深度，纵坐标为损伤数；或采用曲线图进行显示，横坐标为钢丝绳深度位置信息，纵坐标为损伤类型；或采用饼状图进行统计，按深度区间统计损伤类型及数量，设计视频回放功能，便于视察损伤处损伤。10.根据权利要求9所述的基于深度学习的矿井提升钢丝绳智能视觉检测方法，其特征在于，所述目标检测算法为yolov5钢丝绳损伤检测算法。

技术总结

本申请提供了基于深度学习的矿井提升钢丝绳智能视觉检测装置，属于钢丝绳检测技术领域。包括底板，所述底板上安装有第一矩形柱，所述第一矩形柱上安装有第二矩形柱，所述第二矩形柱滑动安装在所述第一矩形柱内，所述底板上安装有调节组件，所述调节组件的一端固定安装在所述第二矩形柱的底部，所述第二矩形柱的上端安装有匚型板，所述匚型板上安装有两个对称的夹持组件，所述夹持组件之间安装有第二电动推杆，采用编码器方便对钢丝绳进行损伤定位，进一步与视频信息进行融合，采用第一相机和第二相机方便对钢丝绳的数据进行图像采集，通过存储器有利于大容量视频数据进行储存，提高了检测的精度和效果。检测的精度和效果。检测的精度和效果。

技术研发人员：朱法和 周坪 王虎 周公博

受保护的技术使用者：淮北矿业股份有限公司

技术研发日：2022.01.06

技术公布日：2022/5/17