输送带表面破损自动检测方法
【技术领域】
[0001] 本发明涉及一种输送带表面破损自动检测方法，具体地涉及一种基于机器视觉的 输送带表面破损自动检测方法，属于设备状态监测领域。
【背景技术】
[0002] 输送带是在矿山、冶金、火力发电、建材、化工、工业码头等工业领域中广泛使用的 连续运输设备。输送带在运行过程中由于受坚硬异物划伤、与机架摩擦、表面积水引起胶质 变硬老化等因素影响，输送带表面往往会出现边缘分层、溃烂、缺损与开裂、孔洞、覆盖胶鼓 包或起皮、大面积磨损、深度划伤等破损。严重表面破损是产生撕裂的前兆，若不及时进行 处理，破损会生长、扩展，最后发生破坏性撕裂。目前，输送带的表面破损检修，是在低速空 载运行状态下由专门的技术人员靠人眼检测承载面，无法检测非承载面，检修时频繁开停 机，机械磨损增加，检修质量和效率很难得到保证。目前基于机器视觉的输送带监控技术还 处在实验室研发阶段，很多关键问题还有待解决，特别是实时快速检测输送带的表面破损 是有待突破的关键技术。
【发明内容】
[0003] 本发明的目的是为了解决利用机器视觉识别输送带表面破损的技术问题，提供一 种基于机器视觉的实时快速识别表面破损的自动检测方法。
[0004] 本发明解决技术问题所采用的技术方案是：
[0005] 1、根据线阵摄像机特性，建立图像快速分割模型。
[0006] 线阵摄像机在输送带宽度方向所感受的光强一般是不均匀的。由于机械摩擦，输 送带表面在长度方向上一般都有轻微带状划痕，运行时输送带中间抖动幅度小，两侧抖动 幅度大，造成输送带在宽度方向光的反射强度不同。另外宽度方向所受检测系统的光照很 难到达均匀，特别是呈弧形的上皮带。因此输送带图像在行向上灰度分布往往是很不均匀 的。
[0007] 根据线阵摄像机一帧图像中同一列所感受光强的一致性，图像每一列灰度的平均 值与该列所受平均光强成正比关系。一般情况，待测对象对光强的响应比较大，非待测对象 相对比较小，因此可认定对光强的一半以上有响应的是与待测对象有关的部分，否则就是 非待测对象。图像每一列中灰度值大于该列灰度平均值一半的认为是与待测对象有关的部 分，否则是非待测对象。基于以上原理，建立图像分割模型。
[0008] 对输送带的数字图像f(i，j)，i<H，j<W，取图像每列均值：
[0009]
[0010] 将每列均值一半作为阈值，进行图像分割：
[0011] Iout(i，j) = 0? 5-0. 5sgn[f(i，j)-0. 5mc(j)+e)]
[0012] 其中，e为任意大于零的极小值，为了避免均值和该列每个灰度值都是零，这时 1。的不为0,而是〇? 5〇
[0013] 2、采用行向标准差，抑制图像各列光强之间的相互干扰。
[0014] 若图像每列灰度分布不均匀，还需考虑各列之间光强的相互干扰。每列灰度分布 均匀程度可用该列灰度方差进行表示。
[0015] 图像每列方差：
[0016]
[0017] 图像每列灰度分布评价函数：
[0018] z(j) =sgn[ 8 c(j)]
[0019] 若方差Se(j)为零，z(j) = 〇,代表本列灰度分布均匀，无需考虑列向量间干扰影 响；若Se(j)不为零，z(j) = 1，代表该列灰度分布不太均匀，需要考虑列向量间干扰影响。
[0020] 这里引入行向标准差，反映图像行向灰度起伏变化，若此值越大，说明图像行向灰 度起伏较大，列间干扰越强。
[0021] 图像行向标准差：
[0024] 将行向标准差的一半作为阈值的一部分引入图像分割阈值表达式，图像分割阈值 为：
[0025] T(j) = 0. 5mc(j)-0. 5z(j) ?RMSE
[0026] 分割后的图像为：
[0027] Iout(i,j) = 0. 5-0. 5sgn[f(i,j)-T(j)+e)]
[0028] 其中，e为任意大于零的极小值，为了避免阈值和该列每个灰度值都是零，这时 1。的不为〇,而是〇? 5〇
[0029] 3、据行向量、列向量均值曲线的最大极值，对破损进行初步诊断。
[0030] 分割后图像的灰度平均值：
[0031] 行向量均值曲线：
[0032] 列向量均值曲线：
[0033] 行向量均值曲线的最大极值：Rmax=max(|mR(i) |)
[0034] 列向量均值曲线的最大极值：Cmax=max(|mc(j) |)
[0035] 若max(R_，Cmax) > 255 ?a，则认定有破损，需进行下一步处理。否则无破损，不 需进行下一步处理。其中aG(〇, 1)，优先选择aG[0. 2,0. 5]。
[0036] 4、对行向量、列向量均值曲线进行边缘保真去噪，突显最大极值两侧边缘
[0037] 用y;，i= 1，2*"N表示行向量、列向量均值曲线的通用符号，当i取3~N-2时， 在 的附近取二个时窗：wia=(yi2,py;)，wi>2=(yipy;，yi+1)，Wi,3=(yyi+1，yi+2)， 计算yi与每个时窗均值!!!,的偏差（k为时窗编号，k= 1，2,3):
[0038]
[0039] 选择偏差最小时的窗平均值，作为第i点的输出值y。#
[0040] 对于信号左右两侧取值如下：
[0041]
[0042] 若 y彳!；，且y。^〉y 「Th时，yyi，其中Th = 0 .maxCly」），0G(〇，1)，优先选择 0G[0.3,0.5]〇
[0043] 5、表面破损识别。
[0044] 经边缘保真去噪后，计算行向量均值曲线中最大极值点两侧的边缘距离，就是破 损长度Ld;计算列向量均值曲线中最大极值点两侧的边缘距离，就是破损宽度Wd。
[0045] 提取表面破损特征信息，包括破损长度Ld，破损对角线长度
[0046] 最后，进行表面破损识别，识别准则为：破损长度Ld>y: ?H，y:G[0. 05,0. 1]， 破损对角线长度
y2G[0.05,0. 1]。
[0047] 本发明的有益效果是：
[0048] 本发明的方法能从输送带图像中自动检测表面破损，具有智能检测功能，可替代 现场表面破损的人工检查，避免输送带频繁启停，降低机械磨损，提高检测质量和效率。该 方法具有较强的实时性、抗噪性、鲁棒性，适合矿山、电力发电、冶金等不同应用场合下的输 送带表面破损在线检测。
【附图说明】
[0049] 图1为本发明的输送带表面破损自动检测方法流程图；
[0050] 图2为本发明的表面破损检测实例图；
[0051] 图3为本发明的图像分割后行向量均值分析实例图；
[0052] 图4为本发明的图像分割后列向量均值分析实例图。
【具体实施方式】
[0053] 为了更好的说明本发明的目的和优点，下面结合附图作进一步的详细说明。
[0054] 输送带表面破损自动检测方法，其总体技术方案如图1所示，具体包括如下步骤：
[0055] 步骤1，对输送带的数字图像f(i，j)，i<H，j<W，计算列向量的均值mdj)、方 差5e(j)、灰度分布评价函数z(j)和行向量标准差Rmse;
[0056] 所述的列向量的均值me(j)、方差Se(j)、