基于視頻處理的皮帶運動狀態監測系統

董計猛，宋永亮，孟彤，孫建樹

（1.山東能源兗州煤業鮑店煤礦，山東 鄒城 273513；2.北京長華宜泰科技有限公司，北京101318）

0 引 言

由于煤礦的特殊生產條件，皮帶運輸機作為煤礦生產中的重要運輸設備，在煤礦的生產中具有重要作用，它的運行狀態直接影響著煤礦的生產效率及井下作業安全。實現智能化礦用皮帶運動狀態監測，對于降低人工維護成本，提高采礦安全生產有著舉足輕重的意義。

1 問題分析

1.1 皮帶運輸機特性分析

皮帶運輸機能夠適應長距離運輸，輸送能力強，費用低，但是長距離、長時間的運行以及煤礦井下淋水、粉塵等因素，導致皮帶運輸機在使用中會出現各類運行故障，人工難以及時發現并處理皮帶運動狀態異常等故障，給煤礦企業安全管理及經濟收入造成重大影響。

1.2 研究現狀分析

現有的皮帶運動狀態監測方法，一般是基于硬件或基于視頻圖像處理技術的檢測方法，以當前兩個主要應用方式為例：

1）基于超聲波測距[1]然后得到皮帶速度及皮帶是否跑偏的邏輯數據[2]。這種基于硬件的監測方法應用于煤礦井下等較為惡劣的生產環境時，極易被煤塵、油泥等影響，易發生誤報、漏報等故障，且硬件安裝成本高[3]，需專職人員對其進行定期維護，人力成本較高。

2）在皮帶上方設置攝像頭及補光燈，并在皮帶表面及邊緣涂上多個等間隔的反光層，通過圖像對反光層的識別來實現對礦用皮帶運動狀態的確定。在實際生產中皮帶上面往往會有大量的礦料遮蓋住反光層，從而降低對其運動狀態檢測結果的準確度。

隨著計算機技術的高速發展，視頻識別技術也日臻成熟[4]，迫切需要一種采用非接觸式檢測、運行可靠、便于實施、維護成本低的皮帶運動狀態監測方法，以實現智能化礦用皮帶運動狀態監測。

2 設計方案

本系統主要基于視頻處理技術對皮帶運動狀態進行監測，設計方案的目的是通過對皮帶的實時監控視頻進行處理分析，判斷皮帶運載過程中的運動狀態并對非正常狀態進行報警，并且可以對皮帶的正常運行狀態和空載運行狀態加以判斷和區分。

對視頻幀進行預處理時，利用Background Subtractor（背景減除算法）的KNN（K-Nearest，K 最近鄰）背景分割器[5]設置陰影檢測，獲取動態前景，從而根據視頻幀的前景面積檢測運動物體；定義一個FSM（Finite State Machine，有限狀態機[6]），根據視頻中運動區域的面積設立標志位，判斷當前視頻幀中皮帶的運動狀態，繼而根據標志位和標志位的累加值判斷當前視頻幀的狀態，實現皮帶4 種運動狀態的動態轉換，從而對皮帶的運動狀態做出判斷及實時報警。本系統的實現流程圖如圖1。

圖1 系統實現流程圖

3 實現方法

本系統的實現主要分為四部分：①視頻圖像預處理；②視頻幀運動狀態判斷；③皮帶運動狀態判斷；③狀態轉換及報警。

3.1 視頻圖像預處理

本部分逐幀讀取皮帶監控視頻的實時視頻流，對視頻幀利用背景減除算法的KNN 背景分割器設置陰影檢測，進行包括圖像形態學操作在內的預處理。

在此需注意對于皮帶檢測區域，即皮帶在監控視頻幀畫面中的區域，用于參與檢測皮帶的運動狀態。本系統采用的是由鮑店礦自己選擇其關注且合適用來參與檢測的區域，因此，在對圖像進行單閾值OTSU 二值化處理、形態學處理之前，需要對視頻幀劃定一個ROI 區域，并將其作為皮帶檢測區域，示意圖如圖2。

圖2 監測區域的應用場景示意圖

因皮帶磨損后可能出現同一條皮帶顏色不一等情況，所以此處采用單閾值OTSU 對視頻幀進行二值化處理。

3.2 視頻幀運動狀態

對預處理后的視頻幀，根據前景面積檢測運動物體，根據視頻中的運動區域面積設立標志位flag，判斷當前視頻幀中皮帶的運動狀態，具體包括如下步驟：

步驟1：參數初始化，定義標志位flag 為0，臨界面積MaxArea 為50；此處MaxArea 的值為基于本系統經過多次試驗后確定的運動狀態判斷的面積閾值。

步驟2：利用contourArea，計算運動區域面積Area，判斷Area 與MaxArea 的大小；

若判斷結果是"Area≤MaxArea"，則"flag=1"，認為當前視頻幀中的皮帶為靜態；若判斷結果是"Area＞MaxArea"，則"flag=2"，認為當前視頻幀中的皮帶為動態。

3.3 皮帶運動狀態

定義一個包括皮帶4 種運動狀態的FSM（Finite State Machine，有限狀態機），皮帶4 種運動狀態包括：正常運行、空載運行、疑似空載運行和停止運行；根據標志位flag 及標志位的累加值countFlag，判斷當前視頻幀的狀態。

圖3 FSM 的狀態判斷

此處除了標志位，還采用標志位的累加值作為一個判斷條件，是因為皮帶在運送貨物時，可能是不連續運送，有間隔。設定一個標志位的累加值，可使在以前研究中較難區分的“正常運行”狀態和“空載運行”狀態得以較好的區分。

具體FSM 的狀態判斷的結構如圖3 所示。

3.4 狀態轉換及報警

運行FSM，每5 幀判斷一次狀態變化，以實現皮帶四種運動狀態的動態轉換，從而對皮帶的運動狀態做出判斷并實時報警。具體包括如下步驟：

步驟1：FSM 處于“正常運行”狀態時，運行皮帶運動檢測過程，若連續十次狀態變化判斷的flag 都為2，即"countFlag＞50"，則認為FSM 進入“疑似空載運行”狀態，反之狀態不變。

步驟2：FSM 處于“疑似空載運行”狀態時，運行皮帶運動檢測過程，空載計時器開始從0 計數。具體包括如下步驟：

首先進行參數初始化，分別定義第一系統時間fTime、第二系統時間sTime 和第三系統時間tTime 為0；然后判斷fTime 是否等于零，再判斷tTime 與sTime 的差值與80s 的大小關系：若差值＜80s，則認為皮帶在這段時間為“疑似空載運行”狀態，空載計時器累加當前tTime 與sTime 的差值；若差值≥80s，則認為皮帶在這段時間為“正常運行”狀態，空載計時器unMoveTime 和fTime 重新置為0。

最后查看空載計時器，判讀其累計時間是否超過預設的空載運行時間閾值：若累計時間超過預設的空載運行時間閾值，則認為FSM 進入“空載運行”狀態，進行實時報警并顯示報警狀態信息，將空載計時器重置為0，重新開始計時；若累計時間沒有超過預設的空載運行時間閾值，則狀態不變。

圖4 FSM 的變換機制

步驟3：FSM 處于“停止運行”狀態時，運行皮帶運動檢測過程，若下一次狀態變化的"flag=2"，即當前視頻幀中的皮帶從靜止狀態轉變為運動狀態，則認為FSM 進入“正常運行”狀態，反之狀態不變。

步驟4 以此類推，每5 幀運行1 次上述FSM 過程，完成1 次判斷。

具體FSM 的變換機制的結構如圖4 所示。

4 結 論

本系統主要用于皮帶運輸機的工作狀態監測場景，基于視頻圖像處理技術，采用比較完善的狀態機變換機制，實時分析監控視頻流，監測皮帶的運動狀態并對非正常運動狀態進行實時報警，實現了對皮帶的無接觸檢測，并且可以對皮帶的正常運行狀態和空載運行狀態加以判斷和區分，通過加強空載管理實現節能運行。

鮑店煤礦依托機器視覺技術搭建的智能視頻監控平臺，在保證監測結果準確度的情況下，不需要激光發射器以及硬件設備的支持，降低了監測皮帶運動狀態的實施成本，既方便了操作人員，也使生產過程中出現的各種險情得以及時排除，對提升輸煤系統安全、提高節能管理水平發揮了積極作用。