输送带纵向撕裂故障在线检测方法
【技术领域】
[0001] 本发明属于无损检测领域，具体涉及基于机器视觉的输送带无损检测中纵向撕裂 故障的在线检测方法。
【背景技术】
[0002] 带式输送机是一种现代化生产中连续运输设备，具有运量大、运距远、能耗小、运 费低、效率高、运行平稳、装卸方便、适合于散料运输等优点，与汽车、火车一起成为三大主 力工业运输工具，已广泛应用于煤炭、矿山、港口、电力、冶金、化工等领域。输送带是带式输 送机的牵引和承载的关键部件 [1]。由于输送带使用环境复杂，因此在使用过程中经常产生 故障，如果故障得不到及时检测和处理，断带或纵向撕裂等重大安全事故时有发生，造成停 产、运输物料的损耗、设备的损坏和人员伤亡、巨大经济损失，严重影响安全生产。因此，在 我国输送带运输系统设计时，安全规程要求对输送带进行实时检测 [2]。
[0003] 输送带纵向撕裂的检测方法有通过压力、电磁等传感器检测输送带的物料泄露和 钢丝绳或橡胶脱落等状态，判断纵向撕裂故障，其主要检测设备包括漏料检测装置、渔线式 检测装置、测振式检测装置、金属线圈检测器、磁性橡胶检测器、压辊式检测器等，均存在准 确性和可靠性差、易损坏等缺点 [38]。机器视觉技术是近年来发展起来的一种无损检测技 术，已成为研究的热点。该技术是用计算机来模拟人的视觉功能，从客观事物的图像中提取 信息，进行处理和分析，实现对其表面状况的检测和测量 [911]。利用该技术检测和测量不仅 可以排除人的主观因素的影响，而且还能够对检测的性能指标进行定量描述，减小人为检 测的劳动强度，提高了检测效率和精度。由于该技术具有对事物表面状况检测和测量的特 性，因此能够用于对输送带纵向撕裂故障进行检测。本发明在机器视觉技术的基础上提出 了一种输送带纵向撕裂故障在线检测的新方法。
[0004] 参考文献：
[0005] [1]黄琳.带式输送机的输送带特性研究及选用[J].机电产品开发与创新，2014， 27(6) :32-33,12.
[0006] [2]国家安全生产监督管理局，国家煤矿安全监察局.煤矿安全规程[M].北京： 煤炭工业出版社，2011 :201，328.
[0007] [3]刘学颖.基于虚拟仪器的输送带撕裂诊断系统的研究[D].秦皇岛：燕山大 学，2011.
[0008] [4]张晞，顾歆，齐悦.胶带输送机胶带纵向撕裂连通域图像识别技术研究[J].煤 炭工程，2009,（I) :104-107.
[0009] [5]徐如强，林福严，苗长青.基于载荷谱的输送带纵向撕裂监测方法探讨[J].煤 炭科学技术，2009,37(8):81-83，123·
[0010] [6]赵令令，吴景红，赵红梅，孟国营，滕文伟.新型带式输送机胶带纵向撕裂监测 仪开发[J]·煤炭工程，2010,（10) :105-107.
[0011] [7]陈义强，何继兰.带式输送机常见纵向撕裂的预防措施的探讨[J].煤炭工程， 2008,（12) :86-88.
[0012] [8]刘广胜·强力带式输送机输送带纵向撕裂机理研究[J]·矿山机械，2012， 40(6) :56-59.
[0013] [9]Peng K，Singhose W，Bhaumik P. Using Machine Vision and Hand-Motion Control to Improve Crane Operator Performance[J]. IEEE Transactions on Systems, Man and Cybernetics, Part A ：Systems and Humans,2012,42(6) :1496-1503.
[0014] [10]Rosati G，Boschetti G，Biondi A，et al. Real-time defect detection on highly reflective curved surfaces [J]. Optics and Lasers in Engineering，2009,47 : 379-384.
[0015] [11]张谦，裴海龙，史步海，赵运基.无纺布成品表面污渍机器视觉检测系统的设 计[J].华南理工大学学报（自然科学版），2012,40 (3) :81-87.
【发明内容】
[0016] 本发明的目的是提出一种输送带纵向撕裂故障在线检测方法，提高检测的速度和 准确性。
[0017] 本发明所采用的技术方案，具体包含如下步骤：
[0018] 步骤1，通过CXD线阵摄像机采集并组成一幅二维输送带表面图像I (X，y)，通过 千兆以太网传输给运行在远程计算机上的输送带纵向撕裂故障在线检测系统；
[0019] 步骤2,取特征元素
，求图像I (X，y)的灰度值 形态学梯度Im(x，y);
[0020] 步骤3,采用灰度值形态学梯度和单尺度Retinex(SSR)算法的输送带图像去雾增 强算法对采集到的输送带图像进行去雾增强处理，获取较高质量的输送带图像；
[0021] 步骤4,对处理好的输送带图像进行纵向撕裂故障预判，采用纵向撕裂故障预判方 法判断出疑似具有纵向撕裂故障的输送带图像；
[0022] 步骤5,对疑似具有纵向撕裂故障的输送带图像进行阈值分割处理，采用灰度平均 法的改进遗传算法的阈值分割算法对疑似具有纵向撕裂故障的输送带图像进行阈值分割， 该方法通过编码、初始群体的生成、适应度函数、选择运算、交叉运算、变异和终止条件等步 骤找出最佳阈值，然后根据最佳阈值分割输送带图像；
[0023] 步骤6,采用几何特征统计法对分割后的图像进行特征提取，获得由区域面积 Area，细长度SR和矩形度rectratio组成的特征向量vRip = (Area，SR，rectratio);
[0024] 步骤7,采用纵向撕裂故障分类识别方法对特征向量vRip进行分类识别，确定是 否发生了纵向撕裂故障，如果确定发生了纵向撕裂故障，则发出报警信号。
[0025] 本发明的效果和益处是，实际应用表明，本发明可以提高输送带纵向撕裂故障在 线检测的可靠性和实时性，有效解决了输送带纵向撕裂故障在线检测的漏判和误判问题， 在工业应用中具有良好的使用价值。本发明技术有以下几个优势：
[0026] (1)本发明中的灰度值形态学梯度和SSR算法的输送带图像去雾增强算法实时性 好，处理后的图像质量高，便于后续的故障检测。
[0027] (2)本发明采用纵向撕裂故障预判方法对经过处理后的高质量输送带图像进行纵 向撕裂故障预判，这种方法算法复杂度低，计算量小的方法，这样可以将明显不具备纵向撕 裂故障特征的图像排除掉，有效的提高了整个输送带故障检测的实时性。
[0028] (3)本发明采灰度平均法的改进遗传算法的阈值分割算法是一种算法复杂度低， 计算量小的获取最佳阈值的方法。
[0029] (4)根据纵向撕裂故障特征的特点，本发明采用几何特征统计法，提取特征向量， 有效的反映了纵向撕裂故障的特征。
[0030] (5)本发明采用纵向撕裂故障分类识别算法对提取到的特征向量进行分类识别， 具有算法执行效率高，准确性高的特点。
【附图说明】
[0031] 图1是本发明输送带纵向撕裂故障在线检测算法的流程图；
[0032] 图2是未使用本发明方法处理的具有纵向撕裂特征的输送带图像；
[0033] 图3是使用本发明中的灰度值形态学梯度和SSR算法的输送带图像去雾增强算法 处理后的具有纵向撕裂特征的输送带图像；
[0034] 图4是使用本发明中采用灰度平均法的改进遗传算法的阈值分割算法分割后的 具有纵向撕裂特征的输送带图像。
【具体实施方式】
[0035] 以下结合附图和实施例详细叙述本发明的具体实施。
[0036] 本发明提出的方法的总体流程如附图1所示，在具体实施时一般分成3部分实现 分别为输送带图像采集、输送带图像处理、输送带故障检测与报警。
[0037] 输送带图像采集的实现：
[0038] 运行在计算机端的输送带纵向撕裂故障在线检测系统需向线阵CCD摄像机发送 采集参数和采集命令。线阵CCD摄像机根据接收到的参数和命令采集输送带图像数据，并 整合成一幅二维图像通过千兆以太网发送给输送带纵向撕裂故障在线检测系统。实现步骤 如下：
[0039] 步骤1，输送带纵向撕裂故障在线检测系统建立与线阵CCD摄像机的连接；
[0040] 步骤2,输送带纵向撕裂故障在线检测系统向线阵CCD摄像机发送行频、曝光时 间、一幅图像包含的帧数等采集参数；
[0041] 步骤3,如果参数设置成功，输送带纵向撕裂故障在线检测系统给线阵CCD摄像机 发送开始采集命令；
[0042] 步骤4,线阵CCD摄像机开始采集图像数据并将采集到的数据组合成一幅图像传 送给输送带纵向撕裂故障在线检测系统。
[0043] 附图2为线阵CCD摄像机发送给输送带纵向撕裂故障在线检测系统的具有纵向撕 裂特征的输送带图像。
[0044] 输送带图像处理的实现：
[0045] 输送带图像处理包括灰度值形态学梯度和SSR算法的输送带图像去雾增强算法 和灰度平均法的改进遗传算法的阈值分割算法。这两种算法均在输送带纵向撕裂故障在线 检测系统中实现。
[0046] 灰度值形态学梯度和SSR算法的输送带图像去雾增强算法实现步骤如下：
[0047] 步骤1，取特征元素
，计算输送带表面图像 I (X，y)的灰度值形态学梯度Im (X，y);
[0048] 步骤2,将I (X，y)分为边缘区域If3 (X，y)和非边缘区域If (X，y);
[0049] 步骤 3,建立高斯滤波函数 G(x，y)，利用 Ie(x，y) = I (X，y) · Im(x，y)、If(x，y)= I (X，y)-Ie(x，y)和7) = (U，7) + r) ? CU, 7)估计亮度分量 L(X，y);
[0050] 步骤 4,根据式 log(R(x，y)) = log(I