基于紅外視覺的輸送帶縱向撕裂預警方法

韓 斌

（山西寧武大運華盛南溝煤業有限公司，山西 寧武 036700）

引言

皮帶輸送機廣泛應用于各種礦山現場，如從工作面的煤炭長距離運輸到加工廠。輸送帶是帶式輸送機的核心部件，其狀態直接影響到輸送機的安全穩定運行。在采煤過程中，輸送帶可能會被片巖、金屬螺栓等硬雜質所撕裂。此外，皮帶的縱向撕裂比水平撕裂更經常發生。一旦皮帶縱向撕裂，可能會造成嚴重的經濟損失，威脅到工人的安全。輸送帶的損壞通常是由多種因素造成的。研究人員提出了各種方法來模擬輸送帶的應力和應變條件。例如，Taraba 建立了一個數學模型來模擬動力對輸送帶應力和應變條件的影響[1-2]。Marasová 建立模型，模擬輸送帶覆蓋層在動力作用下的損傷[3]。Grincova 提出了一種測量各種沖擊載荷對皮帶影響的方法，但上述方法主要是模擬各種因素對輸送機的影響帶[4]。

然而，上述方法不能對皮帶撕裂進行預警。為解決這一問題，喬還提出了一種可見光與紅外相結合的實時系統視覺用于皮帶的縱向撕裂檢測[5-7]。該系統根據紅外圖像的直方圖和固定的閾值檢測皮帶撕裂。然而，由于工作環境和運行時間等因素，閾值可能會發生變化，從而導致該方法的通用性較差。

通常，帶式輸送機運行在塵土飛揚和光線較暗的環境中，導致很難捕捉到清晰可見的輸送帶圖像。因此，基于可見圖像的淚液檢測系統在這種情況下不能很好地工作。然而，紅外攝像機在這種工作條件下仍然可以獲得高質量的紅外圖像。

本文提出一種基于紅外視覺的皮帶縱向撕裂預警方法。該方法首先利用紅外攝像機進行圖像采集。然后對紅外圖像進行高斯濾波、圖像二值化、形態學處理等操作。最后，在二值化圖像中檢測連通分量，根據被連接部件的檢測結果，確定是否需要發出撕裂預警。

1 預警方法的提出

由于傳送帶是黑色的，其工作環境通常布滿灰塵，很難用可見光相機捕捉清晰的傳送帶撕裂圖像。但是如果傳送帶受到尖銳堅硬物體的摩擦，傳送帶摩擦部分的溫度會顯著升高，而這種現象是可以通過紅外攝像機捕捉到的，可以方便地進行撕裂預警，因此可以基于紅外視覺進行撕裂預警。輸送帶和縱向撕裂的紅外圖像分別如圖1 所示。從圖1 可以看出，正常帶紅外圖像的灰度值沒有明顯差異。而輸送帶摩擦部分在紅外圖像上形成了明顯的亮帶，其灰度值明顯大于紅外圖像中其他區域。在上述分析的基礎上，提出了一種基于紅外視覺的輸送帶撕裂實時預警方法。

圖1 正常撕裂帶和縱向撕裂帶的紅外圖像

2 預警方法理論分析

本文所提出的方法主要包括以下幾個環節：紅外圖像采集、圖像平滑化、圖像二值化、圖像形態學處理、連通分量檢測和撕裂預警判定。

最初，紅外圖像是由傳送帶下的紅外攝像機捕獲的。為了減輕噪聲對紅外圖像的影響，對紅外圖像進行高斯濾波平滑處理。為了減少算法的運行時間，提高算法的性能，根據紅外圖像的垂直投影提取圖像的感興趣區域。然后，通過本文所提出的算法對ROI 區域進行二值化。為了消除小尺寸的孤立區域，對二值化后的圖像進行形態學處理。然后，在二值化后的圖像上檢測連通分量。最終，是否發出撕裂預警取決于連接組件的檢測結果。如果出現皮帶撕裂預警，輸送機將立即停機。

紅外攝像機采集的皮帶紅外圖像可能受到噪聲污染。為了減輕噪聲的影響，對紅外圖像進行了二維高斯濾波平滑處理。

二值化圖像是連通組件檢測的前提。二值化閾值對圖像二值化有重要影響。OTSU 是一種應用廣泛的灰度圖像自動閾值選擇方法。但是OTSU 是根據當前灰度圖像的直方圖來計算閾值的，并沒有考慮圖像之間的相關性。為了進一步提高閾值計算的速度，提高紅外圖像二值化的質量，本文提出了一種簡單的紅外圖像二值化自動閾值選擇算法。該方法基于當前圖像的灰度直方圖計算一個閾值，并使用該閾值對下一個相鄰圖像進行二值化。換句話說，該方法是根據相鄰的前一幅圖像計算當前圖像的二值化閾值。

3 實驗平臺搭建和結果分析

為了評價該方法的性能和有效性，在實驗室進行了輸送帶縱向撕裂實驗。

3.1 實驗裝置

如圖2 所示，實驗室安裝了輸送帶縱向撕裂實驗裝置。實驗裝置包括一條輸送帶，輸送帶寬度為0.8 m，長度為12 m。輸送機的速度為3 m/s，接近煤礦實際使用的速度。傳送帶由一根鋼棒摩擦來模擬傳送帶被煤中的尖銳物體摩擦的場景。腰帶下方安裝紅外攝像頭，獲取分辨率為320*256@30fps的紅外圖像。紅外圖像通過Eth-傳輸到PC機，CPU為i7-8550u，內存為16g，ssd為240g并采用基于Win10、QT5.6、OpenCV 開發的方法進行處理。紅外攝像機與鋼棒的安裝位置如圖3 所示。

圖2 輸送帶縱向撕裂實驗裝置

圖3 紅外攝像機和鋼棒的安裝位置

3.2 實驗結果與討論

首先評估ROI 操作對方法性能的影響，拍攝了兩段三分鐘的紅外視頻，分別是皮帶正常工作和鋼棍摩擦皮帶。然后分別對紅外視頻進行有ROI 操作和無ROI 操作的處理。為了得到公平的結果，上述過程重復了三次，實驗結果見表1。

表1 該方法進行了有ROI 操作和無ROI 操作的實驗

從表1 可以看出，當皮帶工作正常時有ROI 操作的方法和沒有ROI 操作的方法具有相似的檢測精度。然而，當皮帶被鋒利的鋼棍摩擦時，有ROI 操作的方法比沒有ROI 操作的方法檢測精度更高。對ROI的處理，有ROI 操作的方法比沒有ROI 操作的方法需要更多的時間，但兩種方法的時間差非常小。實驗結果表明，ROI 操作需要一定的時間，但可以顯著提高輸送帶撕裂預警的檢測精度。因此，方法采用ROI 操作，并在輸送帶撕裂預警檢測之前進行。

本文提出了一種新穎、簡單的紅外圖像二值化閾值自動選擇算法。為了評估該方法的有效性，分別用OTSU 方法和自動閾值選擇算法進行了皮帶撕裂預警實驗。實驗結果見表2。

表2 基于OTSU 方法和基于閾值自動選擇算法的實驗結果

從表2 可以看出，該算法的平均檢測精度達到了99.22%，優于基于OTSU的平均檢測精度為99.09%的方法。同樣，在傳送帶正常工作的測試場景中也給出了這一事實?？傊褂瞄撝颠x擇算法的方法不僅比OTSU 方法具有更好的檢測精度，而且該方法比OTSU 方法需要更少的時間。實驗結果證明了該方法的有效性。

在本節中，評估了ROI 操作和自動閾值選擇算法對所提方法性能的影響。實驗結果表明，ROI 處理可以有效提高本方法的撕裂預警精度。紅外圖像二值化自動閾值選擇算法不僅比OTSU 算法工作速度快，而且表現出比OTSU 算法更好的性能。

4 結語

與以往的方法不同，本文提出的輸送帶縱向撕裂預警方法，只需要一臺紅外攝像機采集圖像，并對紅外圖像進行分析，就可以確定是否需要發布輸送帶撕裂預警。實驗結果證明所提出的方法的性能和有效性，以及所提出的方法能夠滿足實時系統的要求。