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

背景技術(shù)：

目前，國內(nèi)外針對長距離、大運量帶式輸送機的異物及皮帶撕裂檢測的諸多傳統(tǒng)監(jiān)測系統(tǒng)，傳統(tǒng)方法多采用人工巡檢的方式，勞動強度大，且存在漏檢等問題。針對目前缺乏有效的帶式輸送機異物及皮帶撕裂檢測設備和監(jiān)測手段，如何使長距離帶式輸送機異物及皮帶撕裂實時監(jiān)測，監(jiān)測保護裝置高效、可靠、穩(wěn)定地運行，是關(guān)系到帶式輸送機安全生產(chǎn)的重大問題。

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

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于機器視覺的錨桿異物及皮帶撕裂檢測系統(tǒng)，利用機器視覺技術(shù)，結(jié)合計算機圖像處理和識別技術(shù)，實現(xiàn)了帶式輸送機異物及皮帶撕裂的檢測，對于保障帶式輸送機安全運行有著重要的意義。

為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

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

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

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

帶式輸送機異物及皮帶撕裂監(jiān)測平臺，用于根據(jù)工業(yè)相機采集到的視頻圖像完成裂縫目標以及錨桿異物目標的檢測和識別；

所述帶式輸送機異物及皮帶撕裂監(jiān)測平臺包括異物識別模塊和皮帶撕裂檢測模塊；

所述的異物識別模塊包括

異物識別圖像預處理模塊，采用雙邊濾波和直方圖均衡化分別進行圖像濾波和圖像增強預處理；

異物識別圖像分割模塊，采用迭代自適應閾值分割法進行圖像二值化處理；

錨桿異物的目標識別和檢測模塊，基于連通分量外接矩形的長寬比進行錨桿異物的形狀識別，完成錨桿異物目標的檢測和識別；

所述的皮帶撕裂檢測模塊包括

皮帶撕裂圖像預處理模塊，采用雙邊濾波和分段線性變換算法分別進行圖像去噪和圖像增強預處理；

皮帶撕裂圖像分割模塊，采用迭代自適應閾值分割法進行圖像二值化處理；

皮帶裂縫目標識別和檢測模塊，基于連通分量的形態(tài)學區(qū)域特征去除小面積雜點噪聲，完成裂縫目標的檢測和識別。

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

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

本發(fā)明具有以下有益效果：

本發(fā)明融合了機器視覺技術(shù)、計算機技術(shù)、圖像處理及識別技術(shù)，能夠自動完成帶式輸送機視頻監(jiān)測圖像中的錨桿異物及皮帶撕裂檢測，為煤礦井下帶式輸送機的安全監(jiān)測提供必要的技術(shù)支持，對于保障帶式輸送機安全運行有著重要的意義，具體的：

1、本發(fā)明對帶式輸送機異物及皮帶撕裂監(jiān)測在保證準確率的前提下具有較高的效率，能夠初步實現(xiàn)基于視頻信息的異物及皮帶撕裂監(jiān)測需求。

2、依據(jù)帶式輸送機實時工況數(shù)據(jù)信息，無需操作人員利用儀器對帶式輸送機進行異物及皮帶撕裂的檢測，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的監(jiān)測水平和生產(chǎn)安全性。

附圖說明

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

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

具體實施方式

為了使本發(fā)明的目的及優(yōu)點更加清楚明白，以下結(jié)合實施例對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實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)明實施例提供了一種基于機器視覺的錨桿異物及皮帶撕裂檢測系統(tǒng)，包括帶式輸送機，還包括

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

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

帶式輸送機異物及皮帶撕裂監(jiān)測平臺，用于根據(jù)工業(yè)相機采集到的視頻圖像完成裂縫目標以及錨桿異物目標的檢測和識別；

所述帶式輸送機異物及皮帶撕裂監(jiān)測平臺包括異物識別模塊和皮帶撕裂檢測模塊；

所述的異物識別模塊包括

異物識別圖像預處理模塊，采用雙邊濾波和直方圖均衡化分別進行圖像濾波和圖像增強預處理；

異物識別圖像分割模塊，采用迭代自適應閾值分割法進行圖像二值化處理；

錨桿異物的目標識別和檢測模塊，基于連通分量外接矩形的長寬比進行錨桿異物的形狀識別，完成錨桿異物目標的檢測和識別；

所述的皮帶撕裂檢測模塊包括

皮帶撕裂圖像預處理模塊，采用雙邊濾波和分段線性變換算法分別進行圖像去噪和圖像增強預處理；

皮帶撕裂圖像分割模塊，采用迭代自適應閾值分割法進行圖像二值化處理；

皮帶裂縫目標識別和檢測模塊，基于連通分量的形態(tài)學區(qū)域特征去除小面積雜點噪聲，完成裂縫目標的檢測和識別。

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

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術(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和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開了一種基于機器視覺的錨桿異物及皮帶撕裂檢測系統(tǒng)，包括帶式輸送機、安裝在帶式輸送機上方的用于以采集帶式輸送機分別在空載和負載情況下的視頻圖像的工業(yè)相機、視頻圖像傳輸模塊、以及帶式輸送機異物及皮帶撕裂監(jiān)測平臺，該平臺采用雙邊濾波和直方圖均衡化分別進行圖像濾波和圖像增強預處理；采用迭代自適應閾值分割法進行圖像二值化處理；基于連通分量完成目標的檢測和識別。本發(fā)明融合了機器視覺技術(shù)、計算機技術(shù)、圖像處理及識別技術(shù)，能夠自動完成帶式輸送機視頻監(jiān)測圖像中的錨桿異物及皮帶撕裂檢測，為煤礦井下帶式輸送機的安全監(jiān)測提供必要的技術(shù)支持，對于保障帶式輸送機安全運行有著重要的意義。

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
受保護的技術(shù)使用者：西安科技大學
技術(shù)研發(fā)日：2017.06.15
技術(shù)公布日：2017.09.19