一种基于双波段红外图像的矿用胶带损伤检测方法与流程
本发明涉及矿用胶带检测技术领域，更具体的说，它涉及一种基于双波段红外图像的实时矿用胶带损伤检测方法。
背景技术：
矿用胶带广泛应用于煤炭生产过程中，承担着安全稳定的运输任务。在日常生产中，常会有矸石或者金属等异物夹杂在煤炭中，与煤炭从落料口落在矿用胶带上，极易造成胶带的纵向撕裂；撕裂事故一旦发生，将会损坏煤炭生产和运输的设备，造成巨大的经济损失，更严重的是可能造成人员伤亡，因此对矿用胶带进行实时和可靠的纵向撕裂安全检测显得极为重要。
在矿用胶带检测领域，存在许多现有的矿用胶带安全检测方法，用机械装置检测胶带上下落的煤块方法存在检测精度不高、不能实时检测等问题；在矿用胶带上安装电磁圈的方法安装过程繁琐，增加煤炭运输机的运输功率；运用x光检测胶带损伤的方法装置造价高昂，同时会对现场工作人员的健康造成一定伤害，所以亟需一种准确率高、易于实现、非接触式的检测方法。
技术实现要素：
针对现有技术存在的不足，本发明的目的在于提供一种基于双波段红外图像的实时矿用胶带损伤检测方法，该发明主要用于矿用胶带纵向撕裂实时检测。
为实现上述目的，本发明提供了如下技术方案：
一种基于双波段红外图像的矿用胶带损伤检测方法，包括以下步骤：
s10.使用双波段红外探测模块采集矿用胶带红外图像，并使用中值滤波对采集的原始图像进行平滑处理。
s20.利用分割阈值将滤波后的图像进行二值化处理，其中分割阈值的确定使用自动阈值迭代方法，所述自动阈值迭代方法包括：
s21.统计前一帧滤波图像各个灰度级的像素个数ni（i=1,2,3…l），其中l代表最高灰度级；对于第一帧图像，将其像素点按照灰度级从小到大排列，阈值t（i）取灰度级中间值；
s22.根据每个像素点的亮度，计算图像分割阈值t（i）：
s23.使用分割阈值t（i）对下一帧图像进行二值化处理：
其中
s30.对经过二值化处理的图像进行检测，根据检测结果判断矿用胶带是否存在潜在风险。
s40.根据潜在风险结果，确定矿用胶带是否撕裂。
进一步，步骤s30中确定矿用胶带是否存在风险方法包括：
s31.对经过二值化处理的图像进行直线检测，统计检测出的直线数量n；
s32.根据直线检测图像中的直线数量n判断矿用胶带是否存在潜在风险，直线检测方法采用霍夫算法处理图像，
进一步，步骤s40中确定矿用胶带是否撕裂方法包括：
s41.在中波段红外图像的基础上，确定图像中灰度的最大值和最小值；
s42.将s41中灰度的最大值和最小值的差值g与阈值t进行比较，确定矿用胶带的状态，
进一步，双波段红外探测模块安装在上胶带和下胶带之间，通过连接支架固定在胶带大架上，双波段红外探测模块采集上胶带下表面的图像信息。
综上所述，发明具有以下有益效果：
1、本发明使用一种自动阈值迭代方法进行图像阈值分割，通过统计前一帧图像灰度信息确定下一帧图像的分割阈值，可实现各帧图像的有效分割，避免因外界干扰造成使用固定阈值时的图像分割效果不理想。
2、本发明使用双波段红外检测方法，相比于其他检测方法，能够实现在线检测。
3、本发明通过检测中波段图像像素最大亮度和最小亮度差值，能更有效的识别矿用胶带的撕裂和划痕，准确率高。
附图说明
图1是本发明的流程图；
图2是红外探测模块安装示意图；
图3是胶带撕裂与背景胶带红外辐射对比度；
图4是胶带划痕与背景胶带红外辐射对比度；
图5为矿用胶带发生撕裂时的长波段红外图像；
图6为矿用胶带发生撕裂时的长波段红外图像直线检测结果；
图7为矿用胶带发生撕裂时的中波段红外图像；
图8为矿用胶带发生撕裂时的中波段红外图像直线检测结果；
图9为矿用胶带正常时的红外图像。
图中：1-连接支架，2-胶带大架，3-下胶带，4-红外探测模块，5-上胶带。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明一种基于红外图像的矿用胶带损伤检测方法,使用双波段红外探测模块4完成，如图1所示，双波段红外探测模块4安装在上胶带5和下胶带3之间，通过连接支架1固定在胶带大架2上，双波段红外探测模块4采集上胶带5下表面图像信息；所用双波段红外探测模块4的基本信息为：长波段红外探测模块像素为336×256，模块焦距为15cm，采集图像帧频为30hz，成像波段为8~12um；中波段红外探测模块像素为640×512,模块焦距为15cm，采集图像帧频为30hz，成像波段为3.6~5.5um。
本发明一种基于红外图像的矿用胶带损伤检测方法，包括以下步骤：
s10.使用双波段红外探测模块4采集矿用胶带红外图像，并使用中值滤波对采集的原始图像进行平滑处理；中值滤波器是一种非线性空间滤波器，滤波器的响应以滤波器包围的图像区域中所包含的像素排序为基础，使用统计排序结果决定的值代替中心像素的值；由于图像在形成和传输过程中会产生许多以黑白点形式叠加在图像上的噪声，即脉冲噪声，中值滤波对脉冲噪声十分有效，由于噪声面积不大，通过一系列实验表明，滤波窗口锁定为7×7方形窗口，图像平滑效果最佳。
s20.利用分割阈值将滤波后的图像进行二值化处理，其中分割阈值的确定使用自动阈值迭代方法，所述自动阈值迭代方法包括：
s21.统计前一帧滤波图像各个灰度级像素个数ni（i=1,2,3…l），其中l代表最高灰度级；对于第一帧图像，将其像素点按照灰度级从小到大排列，阈值t（i）取灰度级中间值；
s22.根据每个像素点的亮度，计算图像分割阈值t（i）：
s23.使用分割阈值t（i）对下一帧图像进行二值化处理：
其中
s30.对经过二值化处理的图像进行检测，根据检测结果确定矿用胶带是否存在风险。
其中，确定矿用胶带是否存在风险方法包括：
s31.对经过二值化处理的图像进行直线检测，统计检测出的直线数量n；
s32.根据直线检测图像中的直线数量n判断矿用胶带是否存在潜在风险，所述直线检测方法采用霍夫算法处理图像，
霍夫线变换利用图像空间和霍夫参数空间的点-线对偶性，把图像空间的检测问题转换到参数空间，霍夫线变换将图像空间内具有一定关系的像元进行聚类，在参数空间内寻找累加器峰值；霍夫直线检测的过程：
1.提取直角坐标系中灰度值为255像素点的坐标值xi和yi（i=1,2,3……n），其中n代表像素点个数的最大值；
2.将每个点的坐标带入到相应的极坐标系中，其中直角坐标系中的点对应极坐标系中的一段曲线；
ρ=xicosθ+yisinθ；
3.在极坐标系中重合在一点的曲线个数到达一定峰值时，则说明在直角坐标系中有直线存在；读取极坐标系中那一点对应的ρ0和θ0，在直角坐标系中表示为：
本发明采用渐进概率霍夫变换，这种算法没有对平面中的每一个可能点进行累积，只累积其中的一部分，在峰值足够高的位置，只花很少的时间就能够获得结果；统计经过霍夫算法处理后图像中直线的数量，当矿用胶带没有被尖锐物体摩擦时，红外探测模块采集的图像经过处理后不会有直线产生；当有风险发生时通过图像处理可以检测出直线，如图6和图8所示，因此通过计算直线数量n能够判断矿用胶带是否存在潜在的风险。
s40.根据潜在风险结果，确定矿用胶带是否撕裂。
其中，s40中确定矿用胶带是否撕裂方法包括：
s41.在中波段红外图像的基础上，确定图像中灰度的最大值和最小值；胶带撕裂时胶带表面温度高达500k以上，胶带划伤时胶带表面温度处于343k，背景胶带温度为305k，如图3所示，胶带撕裂处比背景胶带在中波段红外辐射量多很多，曲线峰值较大，相应的图像像素亮度值也大；如图4所示，胶带划伤处与背景胶带在中波段红外辐射量差别不大，曲线波峰峰值较小，相应的图像像素亮度值较小。本专利通过比较图像像素亮度最大差值区分这两种胶带状态；设置一个指针变量，以从上到下从左到右的顺序遍历图像每一个像素点，选择传回像素点的灰度值与前一个灰度值比较结果中较大的一个，遍历完成后即可获得灰度的最大值；以相同的方法获取灰度的最小值；
s42.将s41中灰度的最大值和最小值的差值g与阈值t进行比较，确定矿用胶带的状态，将灰度直方图中亮度最大值定为maxh（i），亮度最小值定为minh（i），预先设置差值的阈值t，亮度差值g=maxh（i）-minh（i），当亮度差值小于阈值t时，被判定为划痕否则被判定为撕裂，即可表示为：
根据胶带撕裂和划痕在中波段红外图像像素点亮度不同设置阈值t，胶带撕裂处温度较高，图像像素亮度值高，胶带划痕处温度比撕裂处的温度低，图像像素亮度值低，因此，根据背景胶带像素亮度与胶带的撕裂和划痕亮度差值的不同区别撕裂与划痕，撕裂的亮度差值比划痕高，两个亮度差值稳定在一定范围内，由此为基础设置阈值t，能够准确判断胶带是否撕裂。
本发明采用双波段红外探测模块采集矿用胶带红外图像，长波段红外图像中无论时胶带划伤处还是胶带撕裂处比背景胶带灰度值高，易于和正常皮带做区分；中波段图像中胶带撕裂处和背景胶带的灰度值相差比较大，撕裂处比在长波段中的更容易显现，易于区分胶带撕裂与划痕，划痕与撕裂都是对胶带损伤，撕裂对皮带的危害更大，在后续的胶带处理中，撕裂需要更换胶带，划伤则由工作人员根据具体情况进行处理。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！