基于線激光輔助的輸送帶撕裂視覺檢測技術研究與應用

孫 強

(潞安化工集團 王莊煤礦，山西 長治 046031)

隨著現在經濟水平的高速發展，企業生產力的日益提高，生產規模也越來越大，在礦山煤炭運輸時，對傳送機核心部分的輸送帶有著更高的要求。在實際的傳送機制造過程中，輸送帶占了總成本的40%[1-2]。煤炭遠距離傳輸過程中，時常會發生輸送帶的斷裂。而且輸送帶一般運行功率都比較大，速度也相應較高，若在此過程中傳送帶發生斷裂，并且沒有被發現，采取相關救急措施，那么帶來的后果將十分可怕，輕則使得整條輸送帶都報廢，重則可能會對膠帶架、滾筒、電機等其他設備造成損壞，從而使得整個生產流程報停，有可能還會引發安全事故，造成巨大的經濟人力資源的損失。由此，在輸送帶運輸的過程中，安裝相應的檢測保護裝置是十分必要的[3-5]。

近幾年，相關研究人員提出了一項新的檢測技術——機器視覺方法[6]。這種方法的原理是在輸送帶的下方安裝一個CCD相機，通過該相機能夠獲取輸送帶的圖像。然后將獲取的圖像傳到計算機中，由計算機對圖像進行相關的計算處理，具體處理方法有區域分割、邊緣檢測法以及差影法等。使得最終可以得到輸送帶表面的具體情況是否滿足撕裂的特點，以此來判斷輸送帶是否斷裂。

1 基于線激光輔助的輸送帶撕裂視覺檢測技術研究

1.1 激光輔助的輸送帶撕裂視覺檢測可行性分析

自從激光技術與CCD器件在20世紀60年代接連被發明出來后，計算機領域得以迅猛進步，也因此產生了機器視覺技術，廣泛運用于工業領域的無損檢測[7]。

通過對輸送帶撕裂時的情況解析，發現其表面與原本完整的表面物理形態有顯著不同，也就是在被撕裂后一定會產生可見的縫隙，或出現輸送帶跑偏，撕裂處彎曲變形、輸送帶疊加等狀況。通過對圖像的解析可以精準找出撕裂的特征，然后借助視覺技術檢查縱向撕裂。

由于在真實情況中會產生許多無法預測的干擾，或多或少影響提取圖像的過程，甚至會造成最終結果極大的偏差；并且在大量的數據收集的過程后，后續的分析處理步驟會花費大量時間，工作程序冗雜?；诖?，“一”字線激光技術被用于幫助完成視覺檢測。檢測的精確性和效率都大大增大，因為在加入了線激光后使得對圖像物理形態特征的提取轉化為線性條紋圖像的分析。

1.2 線激光輔助的輸送帶撕裂視覺檢測系統設計

利用線激光技術簡化輸送帶撕裂檢測工作的裝置如圖1所示。圖像獲取、光學檢測和保護補償3個模塊構成了此圖中的輸送帶檢測與保護裝置。

圖1 線激光的輸送帶撕裂檢測裝置原理圖

首先固定在底座上的相機和線激光器構成了第一個模塊——圖像獲取。這個模塊能隨時獲取輸送帶底部的圖像，并傳給下一模塊。激光器發射的紅色激光即為上文所提到的結構光，其波長為658.4 nm，發射激光的方向垂直于物料被傳輸的方向，這一整個裝置位于輸送帶下部。因此圖像獲取模塊可以按照不同的輸送帶規格安裝多個，從而進行探測工作。CCD相機與激光器被固定后保證了整個設備的穩定性。

圖像采集卡與控制計算機構成了第二個模塊——光學檢測。控制計算機能夠分析每一幀圖像，發現輸送帶表面是否被撕裂。這個過程就依靠了線激光器，也就是檢測激光條紋中心曲率與光強的變化。倘若產生了輸送帶撕裂，裝置會向工作人員發出警報，位于操作室的終端會顯示撕裂的初始圖像，提供給相關人員。

吹掃風機、輸送機密封罩與LED光源構成了最后一個模塊——保護補償。輸送帶的運動是非常快速的，因此要想得到清楚且穩定的圖像內容，就有賴于高速電子快門與CCD攝像機的幫助。但假若外界光照條件時常改變，圖像的清晰度和穩定性會顯著降低，對工作程序造成干擾。所以就需要密封罩遮住部分輸送機，然后利用LED光源為機器底部補充均勻的光照，在統一光照的同時防止捕捉圖像的過程中出現拖影的情況；此外煤渣、粉塵或雨雪產生的噪音對抓拍過程產生的影響也能在封閉的空間里被避免。

通過上述的輸送帶撕裂檢測裝置，能夠得到穩定清晰的圖像。但是要想完成自動檢測的全部工作還需要分析抓拍到的圖像，發現其中的特點。上文闡釋的方法可以把撕裂的物理信息轉化為圖像數據，解析特征光條圖像后，檢測的工作就完成了。

1.3 線激光輔助的輸送帶撕裂視覺檢測原理

呈“一”形狀的激光以水平的形式投放在輸送帶的底部，然后依靠著工業CCD相機每隔一段就對其形成的光像進行收錄并把這些光像輸送給專業的電腦中，并做好光像的信息采取總結出來目前的圖像。輸送帶撕裂視覺檢測流程如圖2所示。

圖2 輸送帶撕裂視覺檢測流程

1) 圖像獲取。由專門的CCD相機對圖片進行捕捉，然后通過將這些圖片以數字的形式展現出來，并傳送給專業的計算機進行信息的檢測。主要進行的檢測就是對圖像塑速率的采集，相當于快速的捕捉圖片。在本文中綜合對圖像收集的需求，然后使用30幀/s的速度收集圖像并提取圖像信息。

2) 圖像預處理。圖像預處理就是要將初始的圖像與加工之后的圖片進行比較分析，在本文中相當于要對激光中間的光線進行正確的獲取。用預處理的方法可以使得后期的獲取的工程量減少并且會變得容易許多。本文中預處理可以分為兩個模塊：對圖像去噪以及轉換圖像的模型。對有色彩的圖片中的激光光線進行討論其主要的特征，把光線的類型變成單個的灰色圖形；研究圖像的去噪處理，針對輸送帶撕裂圖像的效果圖然后判斷會保存下來的噪聲類型，選擇可靠的方法，準備好后面的分隔圖像。

3) 線激光影像區域分割。 較為正確的判斷是分隔圖像的時候也是對圖像的預處理，然后綜合本文的內容，劃分光線將會成為主要的探究內容，因此對光條分隔拿出來獨立研究。把它單獨分析，綜合檢驗出此刻的數據條件，尋求正確的圖像分隔算法，旨在利用其算法讓圖片的分割更精準、更迅速。

4) 激光條紋中心提取。因為需要獲得光線中央才能完成對輸送帶的分裂特點的獲取，所以光線中央的獲取才是整體的檢查系統實現目標的主要條件，也因此更需要科學的研究歸納各種光線中央的獲取方法來，進而選取準確的光線中央獲取方法。

5) 光條中心特征分析。通過對光線中央的特點進行歸納總結，找出運行中膠帶分裂的特征，最后判斷其檢查成果。

2 線激光影像區域分割實驗分析

利用攝像機和圖片的收集來實現獲取圖片并將圖片進行數字化轉化的方法就是機器的視覺檢測，然后再通過電腦將圖片的信息進行處理。轉化為數字的圖像所包括的數據信息量特別多，并且為了實現分割目標的不一致性，還需要利用不同的統計方法來對圖片進行處理，進而達到獲取圖片特點的目的。下面三組實驗圖像是井下典型的膠帶破損情況，第一個是裂紋，第二個是裂縫，第三個是凹陷，這時線激光射到破損的膠帶上會呈現出的不同跳躍、曲折變化，具體情況如圖3所示。

圖3 實驗原圖像

圖4是根據濾波算法得到的對比結果。依據下列圖像能夠判斷出，在所采取的算法中，通過一些方式使噪聲點得到了降低，控制噪聲后的圖像也呈現較優良的濾波效果。此外，還可得出，不同算法下的處理效果也有所不同。相對來說，選取幾何和算術的均值濾波算法得到的圖像效果較為模糊，而選取中值濾波算法得到的圖像效果較為清晰。

圖4 圖像濾波結果

基于統計準則的激光條紋閾值分割算法，如表1所示，表格中是選取不同方式得到的分割閾值。文章使用的分割算法是基于類內方差及目標面積差的計算法，通過三組實驗圖像統計閾值的分割情況可以得出，OTSU存在分割過度的情況，HOU存在分割不足的情況，而文章所用的算法最接近手動求取法，也就是說沒有嚴重的過度分割和分割不足的情況，進而保證了檢測結果的有效性和準確性。

表1 各種統計方法分割閾值結果比較

3 結 語

為了更好地檢測輸送帶撕裂的問題，以及對輸送帶進行相應的保護，文章針對這些問題進行了較為深入的分析和探討，從整體應用的角度研究了線激光輔助的輸送帶撕裂視覺檢測方法，依據檢測原理進一步分析了光調區域的分布特性。利用線激光輔助的方式來建立輸送帶撕裂視覺檢測系統，可以進一步提取和分析輸送帶底面撕裂區域的圖像，并把對圖像的分割提取轉移到對輸送帶底面圖像中激光的條紋特征上來，解決了目前存在的撕裂特征提取不準確以及在計算過程中成本高的問題，從而保證了檢測過程中檢測結果的精度和有效性。但由于處理圖像的數字化信息時數據量較大，而且輸送帶工作速度也較快，所以也會出現一些失誤的情況，為此，基于線激光輔助的輸送帶撕裂視覺檢測技術還有進一步的提升空間。