本發(fā)明涉及異物及皮帶撕裂檢測(cè)系統(tǒng)，具體涉及一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)。

背景技術(shù)：

目前，國(guó)內(nèi)外針對(duì)長(zhǎng)距離、大運(yùn)量帶式輸送機(jī)的異物及皮帶撕裂檢測(cè)的諸多傳統(tǒng)監(jiān)測(cè)系統(tǒng)，傳統(tǒng)方法多采用人工巡檢的方式，勞動(dòng)強(qiáng)度大，且存在漏檢等問題。針對(duì)目前缺乏有效的帶式輸送機(jī)異物及皮帶撕裂檢測(cè)設(shè)備和監(jiān)測(cè)手段，如何使長(zhǎng)距離帶式輸送機(jī)異物及皮帶撕裂實(shí)時(shí)監(jiān)測(cè)，監(jiān)測(cè)保護(hù)裝置高效、可靠、穩(wěn)定地運(yùn)行，是關(guān)系到帶式輸送機(jī)安全生產(chǎn)的重大問題。

機(jī)器視覺技術(shù)是用計(jì)算機(jī)來模擬人的視覺功能，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。機(jī)器視覺技術(shù)最大的特點(diǎn)是速度快、信息量大、功能多。經(jīng)研究發(fā)現(xiàn)，利用機(jī)器視覺技術(shù)有望在帶式輸送機(jī)運(yùn)行期間發(fā)現(xiàn)存在的安全隱患，在第一時(shí)間進(jìn)行處理，起到預(yù)警作用，從而減少或避免帶式輸送機(jī)事故的發(fā)生。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)，利用機(jī)器視覺技術(shù)，結(jié)合計(jì)算機(jī)圖像處理和識(shí)別技術(shù)，實(shí)現(xiàn)了帶式輸送機(jī)異物及皮帶撕裂的檢測(cè)，對(duì)于保障帶式輸送機(jī)安全運(yùn)行有著重要的意義。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)，包括帶式輸送機(jī)，還包括

工業(yè)相機(jī)，安裝在所述帶式輸送機(jī)上方，用于以采集帶式輸送機(jī)分別在空載和負(fù)載情況下的視頻圖像；

視頻圖像傳輸模塊，用于將工業(yè)相機(jī)采集到的帶式輸送機(jī)視頻圖像傳輸?shù)綆捷斔蜋C(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)；

帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)，用于根據(jù)工業(yè)相機(jī)采集到的視頻圖像完成裂縫目標(biāo)以及錨桿異物目標(biāo)的檢測(cè)和識(shí)別；

所述帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)包括異物識(shí)別模塊和皮帶撕裂檢測(cè)模塊；

所述的異物識(shí)別模塊包括

異物識(shí)別圖像預(yù)處理模塊，采用雙邊濾波和直方圖均衡化分別進(jìn)行圖像濾波和圖像增強(qiáng)預(yù)處理；

異物識(shí)別圖像分割模塊，采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；

錨桿異物的目標(biāo)識(shí)別和檢測(cè)模塊，基于連通分量外接矩形的長(zhǎng)寬比進(jìn)行錨桿異物的形狀識(shí)別，完成錨桿異物目標(biāo)的檢測(cè)和識(shí)別；

所述的皮帶撕裂檢測(cè)模塊包括

皮帶撕裂圖像預(yù)處理模塊，采用雙邊濾波和分段線性變換算法分別進(jìn)行圖像去噪和圖像增強(qiáng)預(yù)處理；

皮帶撕裂圖像分割模塊，采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；

皮帶裂縫目標(biāo)識(shí)別和檢測(cè)模塊，基于連通分量的形態(tài)學(xué)區(qū)域特征去除小面積雜點(diǎn)噪聲，完成裂縫目標(biāo)的檢測(cè)和識(shí)別。

其中：在帶式輸送機(jī)空載情況下，利用工業(yè)相機(jī)采集的皮帶視頻圖像中存在的裂縫，調(diào)用皮帶撕裂檢測(cè)模塊：采用雙邊濾波和直方圖均衡化分別進(jìn)行圖像濾波和圖像增強(qiáng)預(yù)處理；采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；基于連通分量的形態(tài)學(xué)區(qū)域特征去除小面積雜點(diǎn)噪聲，完成裂縫目標(biāo)的檢測(cè)和識(shí)別。

其中：在輸送機(jī)負(fù)載情況下，利用工業(yè)相機(jī)采集的皮帶圖像中存在的錨桿異物，調(diào)用異物識(shí)別模塊：采用雙邊濾波和分段線性變換算法分別進(jìn)行圖像去噪和圖像增強(qiáng)預(yù)處理；采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；基于連通分量外接矩形的長(zhǎng)寬比進(jìn)行錨桿異物的形狀識(shí)別，完成錨桿異物目標(biāo)的檢測(cè)和識(shí)別。

本發(fā)明具有以下有益效果：

本發(fā)明融合了機(jī)器視覺技術(shù)、計(jì)算機(jī)技術(shù)、圖像處理及識(shí)別技術(shù)，能夠自動(dòng)完成帶式輸送機(jī)視頻監(jiān)測(cè)圖像中的錨桿異物及皮帶撕裂檢測(cè)，為煤礦井下帶式輸送機(jī)的安全監(jiān)測(cè)提供必要的技術(shù)支持，對(duì)于保障帶式輸送機(jī)安全運(yùn)行有著重要的意義，具體的：

1、本發(fā)明對(duì)帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)在保證準(zhǔn)確率的前提下具有較高的效率，能夠初步實(shí)現(xiàn)基于視頻信息的異物及皮帶撕裂監(jiān)測(cè)需求。

2、依據(jù)帶式輸送機(jī)實(shí)時(shí)工況數(shù)據(jù)信息，無需操作人員利用儀器對(duì)帶式輸送機(jī)進(jìn)行異物及皮帶撕裂的檢測(cè)，改善了生產(chǎn)環(huán)境。

3、本發(fā)明具良好的交互性和操作性，有效提升了帶式輸送機(jī)的監(jiān)測(cè)水平和生產(chǎn)安全性。

附圖說明

圖1為本發(fā)明實(shí)施例一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)的結(jié)構(gòu)框圖。

圖2為本發(fā)明實(shí)施例一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)的工作流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，本發(fā)明實(shí)施例提供了一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)，包括帶式輸送機(jī)，還包括

工業(yè)相機(jī)，安裝在所述帶式輸送機(jī)上方，用于以采集帶式輸送機(jī)分別在空載和負(fù)載情況下的視頻圖像；

視頻圖像傳輸模塊，用于將工業(yè)相機(jī)采集到的帶式輸送機(jī)視頻圖像傳輸?shù)綆捷斔蜋C(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)；

帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)，用于根據(jù)工業(yè)相機(jī)采集到的視頻圖像完成裂縫目標(biāo)以及錨桿異物目標(biāo)的檢測(cè)和識(shí)別；

所述帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)包括異物識(shí)別模塊和皮帶撕裂檢測(cè)模塊；

所述的異物識(shí)別模塊包括

異物識(shí)別圖像預(yù)處理模塊，采用雙邊濾波和直方圖均衡化分別進(jìn)行圖像濾波和圖像增強(qiáng)預(yù)處理；

異物識(shí)別圖像分割模塊，采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；

錨桿異物的目標(biāo)識(shí)別和檢測(cè)模塊，基于連通分量外接矩形的長(zhǎng)寬比進(jìn)行錨桿異物的形狀識(shí)別，完成錨桿異物目標(biāo)的檢測(cè)和識(shí)別；

所述的皮帶撕裂檢測(cè)模塊包括

皮帶撕裂圖像預(yù)處理模塊，采用雙邊濾波和分段線性變換算法分別進(jìn)行圖像去噪和圖像增強(qiáng)預(yù)處理；

皮帶撕裂圖像分割模塊，采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；

皮帶裂縫目標(biāo)識(shí)別和檢測(cè)模塊，基于連通分量的形態(tài)學(xué)區(qū)域特征去除小面積雜點(diǎn)噪聲，完成裂縫目標(biāo)的檢測(cè)和識(shí)別。

如圖2所示，在帶式輸送機(jī)空載情況下，利用工業(yè)相機(jī)采集的皮帶視頻圖像中存在的裂縫，調(diào)用皮帶撕裂檢測(cè)模塊：采用雙邊濾波和直方圖均衡化分別進(jìn)行圖像濾波和圖像增強(qiáng)預(yù)處理；采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；基于連通分量的形態(tài)學(xué)區(qū)域特征去除小面積雜點(diǎn)噪聲，完成裂縫目標(biāo)的檢測(cè)和識(shí)別；在輸送機(jī)負(fù)載情況下，利用工業(yè)相機(jī)采集的皮帶圖像中存在的錨桿異物，調(diào)用異物識(shí)別模塊：采用雙邊濾波和分段線性變換算法分別進(jìn)行圖像去噪和圖像增強(qiáng)預(yù)處理；采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；基于連通分量外接矩形的長(zhǎng)寬比進(jìn)行錨桿異物的形狀識(shí)別，完成錨桿異物目標(biāo)的檢測(cè)和識(shí)別。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開了一種基于機(jī)器視覺的錨桿異物及皮帶撕裂檢測(cè)系統(tǒng)，包括帶式輸送機(jī)、安裝在帶式輸送機(jī)上方的用于以采集帶式輸送機(jī)分別在空載和負(fù)載情況下的視頻圖像的工業(yè)相機(jī)、視頻圖像傳輸模塊、以及帶式輸送機(jī)異物及皮帶撕裂監(jiān)測(cè)平臺(tái)，該平臺(tái)采用雙邊濾波和直方圖均衡化分別進(jìn)行圖像濾波和圖像增強(qiáng)預(yù)處理；采用迭代自適應(yīng)閾值分割法進(jìn)行圖像二值化處理；基于連通分量完成目標(biāo)的檢測(cè)和識(shí)別。本發(fā)明融合了機(jī)器視覺技術(shù)、計(jì)算機(jī)技術(shù)、圖像處理及識(shí)別技術(shù)，能夠自動(dòng)完成帶式輸送機(jī)視頻監(jiān)測(cè)圖像中的錨桿異物及皮帶撕裂檢測(cè)，為煤礦井下帶式輸送機(jī)的安全監(jiān)測(cè)提供必要的技術(shù)支持，對(duì)于保障帶式輸送機(jī)安全運(yùn)行有著重要的意義。

技術(shù)研發(fā)人員：毛清華;馬宏偉;楊文娟;王川偉;馬琨;薛旭升;張旭輝;劉鵬;夏晶;尚萬峰;田海波;楊林;王巖;張璞;夏偉
受保護(hù)的技術(shù)使用者：西安科技大學(xué)
技術(shù)研發(fā)日：2017.06.15
技術(shù)公布日：2017.09.19