基于机器视觉的矿用皮带运输机故障智能检测系统

顼 熙 亮

（同煤国电同忻煤矿有限公司，山西 大同 037001）

0 引 言

煤炭安全生产是全国安全生产工作的重中之重[1]。带式输送机是一种广泛应用于煤矿井下的连续长距离运输机械，与其他运输方式相比，带式输送机系统的优点在于其连续运行能力强，运输能力强，长距离运输能力强，效率高，使用方便，易于实现自动控制等[2]。如果在生产过程中带式输送机发生事故，将严重影响煤矿安全生产，并造成较大的经济损失[3-4]。因此，采用有效的方法和技术检测皮带异常，减轻损害，甚至避免可能发生的事故，对煤矿安全生产具有重要意义[5]。本文通过回顾矿用皮带的事故原因和检测技术的技术上，提出了基于CCD 相机进行图像捕捉的矿用皮带运输机新型故障检测方案，并对其在实例煤矿中的应用进行了详细的阐述，以期对相关行业的技术发展提供借鉴。

1 煤矿皮带事故原因分析及常见检测技术综述

1.1 常见煤矿皮带事故原因分析

根据煤矿现场调查，95%以上的煤带输送机事故与皮带纵向撕裂、皮带跑偏、水煤堆积等有关。

1）皮带横向断裂。输送带在实际使用前必须连接成环形。皮带纵向撕裂传送带的一个弱点是它们对切割、撕裂和冲击的抵抗力差，这大大降低了它们的寿命。纵向撕裂是对输送带危害最大的一种破坏形式，其主要原因是输送的煤与废石、铁棒等外来重、尖物体混合在一起造成的。如果不及时控制，这些异物容易卡住划伤，渗透进输送带，造成输送带纵向撕裂。研究表明，约80%的皮带撕裂发生在加载点或附近，另有15%发生在卸载点附近。可能导致皮带撕裂的其他原因包括皮带因某种原因产生偏差、超载等，在这种情况下，输送带会被皮带轮的上盖或托架的尖锐边缘划伤。

2）带偏差。频繁的皮带跑偏故障会增加皮带的磨损，缩短皮带的使用寿命，有时会导致严重的皮带撕裂，甚至造成人员伤亡。造成皮带偏差的原因有很多。第一个原因是皮带和皮带轮质量差，在运行时造成皮带变形和偏差。滑轮、齿条等辅助设备安装质量差，不能很好地满足技术规范要求，容易造成负载不平衡和皮带偏差。

3）煤炭带水和碎煤堆积。由于地下采煤工作面突水等原因。有时煤里有很多水。当原煤含水率大于20%时，煤水混合物表现为流体粘性状态，俗称水煤。如果有太多的水煤，就很有可能引起皮带打滑，和其他事故。此外，煤传输过程中，由于水煤和皮带是低摩擦，水煤在输送机尾部累积威胁矿井安全生产。此外，碎块煤（粒度分布范围约5 毫米）与水煤一样，由于流动性强，在自身重量的作用下，容易在输送带尾部堆积，造成煤堆事故。

1.2 煤炭输送皮带监测技术综述及局限性

近几十年来，在输送带故障检测、状态监测和保护方面做了大量的工作。它们大多利用光电传感器或压力传感器来检测异常或损坏。到目前为止，凸带防带滑偏断层的技术和系统已经非常成熟，其中许多技术和系统在煤矿中得到了有效的应用。然而，目前仍没有实用可靠的解决皮带纵向撕裂事故的方法。根据工作机制，现有的技术和系统大多可分为以下两类：

1）检测输送带的外部变化。这类探测器包括煤泄漏探测器、撕裂压力探测器、条形探测器、带宽探测器等

2）检测输送带内部状态。这种探测仪采用x 射线探伤、超声波探伤、电磁感应等方法来检测皮带的内部状态，通过比较皮带可能损坏前后的内部物理变化来评估皮带的工作状态。

综上所述，现有的输送带监控保护设备和系统存在如下问题：

1）技术上，所使用的大多数技术相对落后。用于检测外部皮带变化的设备主要利用光电传感器、压力传感器等来检测漏煤或皮带宽度，进而对皮带的运行状态进行评估。这种类型的探测器的缺点是后报警和低可靠性。

2）目前，传感器的稳定性和质量仍然很低。传感器是检测数据的来源。因此，这些设备的稳定性和质量是决定检测系统可靠性的关键因素。

3）大部分检测是后检测和后报警，而不是预警。这意味着他们只能尽量减少损失，而不能避免损失。

4）有些检测系统非常昂贵。例如，电磁感应检测器被设计成将导电橡胶或光纤嵌入到带中。制造过程非常复杂和昂贵。

2 基于机器视觉的运输机故障检测系统设计和应用

2.1 系统总体设计

多年来，随着电子技术和计算机技术的进步，越来越多的凸带监控与保护领域的研究工作在非接触方向进行，特别是采用了基于机器视觉的技术。机器视觉是一门交叉学科。它通常被认为是计算机视觉的一个子领域，包括人类视觉的神经计算研究和自主机器人柔性视觉系统的开发。机器视觉可以提供与人眼相同的功能——在数千种色调中进行区分，在大范围的环境照明中提供敏锐度，以及在三维空间中感知物体，等等。通过使用可见和红外摄像机、成像扫描仪或其他传感器，计算机视觉收集数据以供机器处理。数据处理可以使用经典的图像分析程序，并可以计算模拟人类神经生理学。基于机器视觉的工具具有非接触式测量的优点，无需停止生产过程，并已成功地应用于各种工业领域，包括瓶子表面缺陷的检测等。

在分析现有煤矿输送带监控与保护技术和系统局限性的基础上，提出了一种基于机器视觉的煤矿输送带实时监控系统，并将其应用在了同煤国电同忻煤矿当中。其原理是使用专业CCD 相机来监控主要因素导致煤矿输送带纵向撕裂、横向断裂等事故，然后通过高清图像处理检测皮带可能的损坏和异常情况，如外来的大块头和尖锐的物体，水煤、碎煤的堆积等。目的是及时检测可能损坏输送带的异常情况，使系统能够正常工作根据风险等级提前预警并关闭输送系统。系统包含10 个功能模块，分别是图像采集模块、图像处理模块、图像识别模块、智能监控报警模块、数据库服务管理模块、机械桥调整模块、照明模块、同步控制器模块，电气控制箱模块，数据通信控制模块。系统的架构所提议的系统架构如图1 所示。

图1 基于机器视觉的运输机故障检测系统总体构架

2.2 图像采集模块设计及识别过程

采集高质量的图像有助于提高故障诊断的准确性，减少图像处理时间，提高视觉检测系统的实时性。配备有线阵光源的CCD 相机具有更高的分辨率，更适合于一维运动目标的检测。在运输过程中，作为输送带的上输送带通常是向上倾斜的，下输送带基本呈扁平状。相机被要求安装在上下皮带之间，以从皮带后面捕捉图像。但在工程中，上下皮带之间的距离很小，小于输送带的宽度。即使对于较低的皮带，图像采集装置的安装位置也非常小。以煤炭工业用皮带为例，上、下皮带之间的距离一般小于1m，但皮带宽度一般大于1m。此外，输送带运行速度高达5.7m/s。因此，为了可以广泛的覆盖带的表面，一般的设计需要多台相机的集中拍摄，然而，这将不可避免地导致成本的增加，另外，长距离运输带需要对多个区段进行监控，过多的相机不利于在线监控系统的运行。同煤国电同忻煤矿的实例采用多个线性光源为图像采集装置提供光源。配备5 个线性光源的单台线阵CCD相机捕捉上带表面图像，原理图如图2 所示。相机和光源均被放置的可调节方向的刚架上，与机械矫正模块相连接，以便进行方向和亮度的调节。

图2 5 个线性光源的单台线阵CCD 相机捕捉模块示意图

在有线性光源的凸带平面上，这五个线性光源布置在凹槽中，凹槽与上带的形状一致。线相机就放在带下面。当镜头的视场足够大，并将线性光源调整到合适的位置，CCD 相机就可以对整个皮带进行成像皮带图像采集完成后，进行图像处理和故障诊断，监控皮带运行状态。因此，后续图像处理和故障识别能力是检测输送带运行状态的关键。

图3 CCD 相机捕捉图像后的处理过程

图3 给出了从带图中检测故障的框图。首先图像采集模块包括从CCD 相机实时捕获和存储数字图像（如图2 所示）。高清晰度图像被发送到图像处理模块。然后，图像处理模块负责在接收到的视频帧上应用不同的图像滤波器，识别带边缘来裁剪图像，以促进异常特征识别阶段。它执行图像分析、图像分割、图像增强、降噪、几何变换等。图像识别模块负责异常和缺陷特征的识别。将带缝缺陷视为边缘和角部特征，将可能导致纵向带撕裂、尖物刺穿视为目标特征。对采集到的皮带图像进行预处理，对图像进行改进。对改进后的带图像进行分割，得到二值图像。从二值图像中提取带偏特征，识别带偏。在本系统中，对于裂缝检测，首先对二值图像进行裁剪，以避免背景噪声，canny 算子将与小波packe 分解相结合，完成边缘和角点检测任务。通过对裁剪后的图像提取撕裂特征，可以识别出带的纵向撕裂。采用高斯差分作为斑点特征检测器。

之后，智能监控报警模块根据图像识别过程的结果，根据预定义的基于异常的规则对严重性等级进行分类，系统通过外部接口模块根据风险等级进行预警和关闭输送系统。数据库服务管理模块负责连接本地和远程数据库并实现公共数据库操作。所有图像信息处理完毕图像的结果存储在数据库中。数据可以用于特征学习，将来用户还可以回顾一个特定区域经常发生的故障，并不断修正风险等级。

机械桥调整模块和光源模块负责CCD 相机和光源的方向调整准确，以确保皮带下方的CCD 相机有很好的视觉照明效果。同步控制器模块负责协调图像捕获和照明。

电气控制箱模块是为煤矿井下及IT 行业设计的,由起动器和馈线组成，用于向整个系统安全供电。

数据通信控制模块控制数据之间的传输和接收终端，如CCD 相机和计算机，以及包括全双工的通信网络通信路径。外部接口模块提供了灵活的外围设备及输送系统异步和同步访问。

2.3 系统的实际应用流程

本文设计的系统在同煤国电同忻煤矿中的具体检测过程如下：

1） 第一步是整个监控系统的初始化。带式输送机系统、CCD 像机、照明模块必须协调并同步工作。

2） CCD 摄像机拍摄实时皮带输送机工作场景的图像。

3） 将获取的实时图像发送到计算机进行图像处理。有三种图像处理的主要步骤，包括面积分析，对比度分析和渐变分析。图像处理后，就可以进行图像识别了。

4）在图像识别步骤中，识别异常和故障特征。在这种情况下，特征检测器通过模式匹配找到异常点，如图4 所示的便是同煤国电同忻煤矿中2 号巷道输送机系统识别出的一些故障。

图4 该系统在同煤国电同忻煤矿中2 号巷道输送机中识别的皮带纵向裂纹

5）智能监控报警模块接收图像发送的检测结果识别模块。然后，对检测结果的危险等级进行评估预定义基于异常的规则。评估为危险等级2，表示存在一个对皮带的潜在危害。

6）根据异常的危险程度采取响应措施。在这种情况下，警报被触发，使带式输送机操作员可以迅速注意。

3 结 论

综上，作为煤炭生产中最重要的运输设备，煤矿带式输送机常见事故原因包括纵向撕裂、偏差等。然后，介绍了目前主要的监测方法和方法对这些煤矿带式输送机事故的技术进行了分类，并对其存在的问题进行了分析和总结。为了克服现有系统的不足，提出基于机器视觉的矿用皮带运输机故障智能检测系统。该系统将有助于检测最可能出现的皮带事故，及时给予预警，从而帮助改善可能的生产损失。