Fachhochschule Nordwestschweiz FHNW

Förderbanderkennung

Zusammenfassung

Die Arbeit beschäftigt sich mit der Erkennung und Extraktion eines bewegenden Förderbandes aus einem Video. Entstanden ist ein Algorithmus, welcher verschiedene Ansätze kombiniert.

Schlüsselbegriffe

Bildsegmentation, Videoanalyse, Background Subtraction, Python, OpenCV

Zielsetzung

Ziel dieser Arbeit ist die Entwicklung eines Algorithmus, welcher auf Videos das Förderband erkennen kann. Als Input für den Algorithmus dient ein Video; der Output ist eine binäre Maske, welche die Position des Förderbands definiert.

Ausgangslage

Die EyeCon GmbH befindet sich derzeit im Aufbau einer Applikation, die darauf abzielt, die Analyse von Förderbandsystemen auf mögliche Beschädigungen zu optimieren. Hauptaugenmerk liegt hierbei auf der Erkennung von Rissen in den Förderbändern, die bisher mühsam und zeitaufwendig manuell durchgeführt werden musste. Diese manuelle Inspektion erfordert einen Stillstand der Maschinen, was zu Produktionsausfällen und zusätzlichen Kosten führt. Ein besonders gravierender Ausfall tritt ein, wenn das Förderband komplett reisst. Dies führt zu längerem Stillstand und höheren Reparaturkosten.

Die neue Applikation soll diesen Analyse-Prozess weitestgehend automatisieren und eine präzise und effiziente Überwachung ermöglichen, um potenzielle Schäden frühzeitig zu erkennen und unmittelbare Massnahmen einzuleiten. Um den Prozess der Schadensanalyse zu initiieren, wird zunächst das Förderband mithilfe einer GoPro-Kamera während des Betriebs aufgenommen. Das Video zeigt dabei das Förderband, wie es über die Förderbandtrommel läuft. Der abgebildete Ausschnitt im Video ist statisch. Dieses Videomaterial wird dann manuell in die entwickelte Applikation geladen, die daraufhin automatisch die Analyse startet. Aktuell werden die Videos in unterschiedlichen Auflösungen und mit verschiedenen Frameraten aufgenommen.

Für das Testen und Evaluieren verschiedener Ansätze hat der Kunde eigenes Videomaterial zur Verfügung gestellt. Für den Kunden steht die korrekte Erkennung des Förderbandes im Vordergrund und ist wichtiger als eine hohe Performance.

Ergebnisse

Entstanden ist ein Algorithmus, welcher grundlegend auf der Background Subtraction basiert. Background Subtraction beschreibt das Verfahren, wie Bewegung durch Vergleiche der Frames erkannt werden kann. Wir berechnen die Varianz der Pixelwerte von 30 Frames.

Weil sich nebst dem Förderband weitere Elemente bewegen - beispielsweise ein vibrierendes Gitter, ein Drahtseil oder ein Zahnrad - sind Verfahren notwendig, um diese Bewegungen zu eliminieren. Bewegungen, welche weniger stark als diejenigen des Förderbandes sind, können mit einem Schwellenwert beseitigt werden. Stärker bewegende Elemente werden mit Morphologie und Hough-Linienfindung eliminiert. Weitere Elemente wie eine Plausibilitätsprüfung und Verbesserung der Maske aufgrund von geometrischen Gegebenheiten wurden zusätzlich implementiert, um die Maske über die Videodauer zu stabilisieren und Ausreisser zu entfernen.