数字图像处理在输送带撕裂视觉检测中的应用

针对煤炭生产中输送带易于产生纵向撕裂的背景,构建了基于数字图像处理和机器视觉技术的输送带撕裂检测系统。将数字图像处理技术应用于输送带撕裂的裂纹边缘信息的检测,对采集的裂纹图像进行预处理、边缘检测以及特征抽取。该方法具有实时动态显示输送带状况的优点,识别精度高。     

基于机器视觉的大块异物识别在线监测系统的应用

为实现对皮带煤流中大块异物的识别与预警,提出了一种基于机器视觉的大块异物识别方法,介绍了大块异物识别在线监测系统的整体架构以及图像处理算法框架与实现,并在高阳煤矿进行了实践应用。     

输送带表面图像快速分割技术研究

快速图像处理是基于机器视觉的输送带在线状态监测系统的关键技术。针对输送带表面图像的分割,提出了一种快速阈值分割算法。该算法基于图像的灰度信息,具有简单、实时性好等特点。文章通过用实际图像对快速阈值分割算法与其它几种算法进行了对比,结果验证了该算法的有效性。     

基于Otsu算法的输送带撕裂视觉检测系统研究

煤炭生产中输送带发生纵向撕裂造成巨大损失的背景下,利用机器视觉的方法,设计了一套基于Otsu算法的输送带撕裂检测系统,从处理时间和效果方面深入研究了Otsu算法在处理输送带表面撕裂图像的优越性。实验结果表明,系统可以快速、准确检测到运行状态下输送带撕裂痕迹,为输送带纵向撕裂视觉检测系统进一步发展奠定了基础。     

基于数字图像处理的输送带跑偏状态实时监测技术

跑偏是带式输送机常见的运行故障之一,在实际生产中大多通过跑偏传感器和纠偏装置对其进行监测和纠正。随着煤矿智能化建设的进一步深入,对带式输送机的智能化水平也提出了更高的要求。提出了一种基于数字图像处理的带式输送机运行状态监测技术,通过Hough变换对输送带边缘直线特征进行提取和处理,进而实现对跑偏状态的判断以及可视化在线监测。该技术充分利用了机器视觉的非接触无阻无损测量、精度高等特点,为带式输送机运行状态的智能化监测提供了技术方案。     

输送带运输物料双视点测量方法研究

为了提升带式输送机输送物料流量测量的准确性,提出一种线光源辅助工业CCD相机的物料截面立体视觉测量方法;基于非接触视觉检测理论,通过研究瞬时截面面积的优化算法,利用同一测量面中上、下两视点的相机采集到的图像中激光线的轮廓特征,计算物料流的瞬时横截面积,实现输送带输送物料流量的测量。测试结果表明,测量准确率为96%以上。     

输送带故障检测多视点图像自适应增强方法

为提高矿用输送带故障检测的准确性,针对输送带故障检测采集的图像存在光照不均、图像质量差、影响故障检测与识别的问题,提出输送带故障检测多视点图像自适应增强方法。采用具有尺度自适应功能的多尺度Retinex法对图像光照分量进行提取,再根据提取的光照分量,利用针对多视点线阵相机采集图像特性改进的自适应伽马函数,完成对多视点图像的非均匀光照校正,最后进行图像细节对比度的增强。实验结果表明:该方法可去除非均匀光照、井下恶劣环境等对图像质量的影响,使不同视点不同光照环境条件下线阵相机采集图像的平均亮度具有一致性,压缩图像动态范围,提高对比度,使得图像中阴暗区域的细节更加明显,提高故障检测准确性,适合于矿用输送带故障在线检测。     

基于机器视觉的零件尺寸检测的研究

利用机器视觉技术对圆形零部件直径测量的算法进行研究。在实验室自制的三自由度机器人试验平台上,通过机器视觉处理的3个阶段,各选择2种效果较好、适用性较强的图像处理算法,利用正交试验表得到4种算法组合,并分析得出一组测量精度较高的算法组合。所得的结果具有简单、容易实现及成本低的优点。该算法组合能够满足一般零部件的测量精度要求,实验结果表明其精度达到0.1 mm。     

矿井提升机钢丝绳损伤在线检测方法研究

针对矿井提升钢丝绳损伤检测的难题,提出了一种漏磁检测技术与机器视觉检测法相结合的在线检测方法,解决单一检测方法漏检或误检的问题。为了验证漏磁检测方法的有效性,对钢丝绳断丝漏磁信号进行小波降噪,提取断丝信号峰值、峰峰值和波形面积特征,用遗传算法优化的 BP 神经网络对其进行定量识别。结果表明：钢丝绳断丝定量识别的最大相对误差为 5.23%。为了验证机器视觉检测法的有效性,对钢丝绳损伤图像进行滤波、灰度等预处理,以及图像分割和边缘检测处理,实现了损伤面积的准确定量识别。     

基于机器视觉的输送带纵向撕裂智能检测

针对煤炭生产中输送带易于产生纵向撕裂的工程背景,用机器视觉技术构建了输送带纵向撕裂检测的虚拟仪器。充分利用计算机在快速和准确等方面的巨大优势,对输送带纵向撕裂提出了一种全新的非接触式智能检测方案,并详细叙述了系统软硬件结构。     

基于机器视觉的输送带撕裂在线检测系统研究

针对电厂煤炭输送带运行过程中时常产生的撕裂或断裂问题,结合输送带的工作环境和检测要求,设计制造了一套基于机器视觉的在线检测系统。该系统选用亮度大的网格状线激光作为结构光照射输送带下表面,并通过高分辨率的工业相机实时捕捉输送带下表面图像,利用图像中的网格特征识别撕裂痕迹,整个过程用时仅40ms,识别准确率高达96%,误报率仅为2%,相比于传统的检测方法,时间大大缩短,检测过程中输送带不需停机,在保证安全高效生产的同时实现对输送带运行状态实时监测,有效降低输送带运行事故率。     

基于视觉检测带式输送机输送带纠偏系统

输送带跑偏是大型带式输送机长期以来存在的问题,针对该问题,提出以机器视觉为检测装置的带式输送机输送带纠偏系统。检测装置利用视觉系统检测输送带运行状态,判断其是否存在跑偏趋势,预警跑偏方向;纠偏部分采用两级相结合的模式,一级纠偏小幅度纠偏,二级纠偏大幅度纠偏。本系统在线监测,响应时间小于5 s,能够及时预警输送带跑偏并自动纠偏,纠偏过程输送带运转平稳。     

新型矿井输送机输送带纵向撕裂检测方法

针对矿井输送机纵向撕裂检测方面的难点,即检测过程中漏检或者误检的概率比较高,提出了一种新型的检测方案。该检测方案通过在输送机输送带内部置入双环导线回路,并依据电磁感应原理得到检测信号,最后交由单片机对信息进行处理分析。由于导线内嵌于输送带内部,电磁感应的非接触方式,使该检测方案能够有效地减小外部干扰,达到提高检测精度的效果。     

基于机器视觉的矿用输送带在线监测技术

在带式输送机运行过程中,输送带容易出现划伤、撕裂和跑偏等故障。机器视觉技术应用于矿用输送带的在线监测,可以提高故障检测效率和精度,受到了广泛关注。研究了基于机器视觉的矿用输送带监测技术的发展现状;分析了输送带视觉监测系统的构成;详细综述了基于机器视觉的输送带纵向撕裂、跑偏和表面损伤等故障检测技术的研究进展;指出了输送带机器视觉监测技术的发展方向,以供读者参考。     

矿用输送带防护中的机器视觉技术

输送带撕裂、损伤和跑偏等故障是矿用带式输送机容易出现的三类严重故障,基于机器视觉的输送带防护具有更高的可靠性和准确性,已经成为输送带防护的重要发展方向.本文分析了机器视觉技术在矿用输送带的撕裂、损伤和跑偏故障检测中的一些典型应用.     

基于机器视觉的悬臂式掘进机机身位姿检测系统

针对矿井巷道自动掘进的需求,为矿用悬臂式掘进机构建了一套机身位姿实时检测系统。该系统以十字激光器与激光标靶为信息来源,通过对标靶上十字光线成像特征的分析,建立了掘进机机身位姿空间解算模型。该模型利用机身与十字激光面的空间关系,使用空间矩阵变换方法,得到机身相对于巷道的三轴倾角以及在巷道断面上的偏离位移,实现了掘进机机身位姿的自动实时检测。最终,在实验室条件下,搭建了机身位姿自动检测试验平台,模拟掘进机在巷道内的姿态,试验结果表明:测量范围在2~100 m时,系统的角度测量误差在0.5°范围内,位移的检测误差小于20 mm,能够满足巷道施工过程中掘进机机身位姿自动、精确、实时测量的要求。     

基于目标提取与SVM的排洪隧洞裂缝视觉检测算法研究

尾矿库排洪隧洞裂缝病害会对隧洞的正常运行造成安全隐患,对其进行自动检测具有重要意义。针对排洪隧洞场景特点,研制了隧洞衬砌表面图像采集系统,设计了预处理算法与两级滤波算法完成目标提取,其中利用背景滤波减少了处理时间。通过支持向量机分类判断目标区域是否为真实的裂缝,提高了裂缝检测的精度。在真实的隧洞环境中对整套系统进行测试和验证,对于裂缝图像的识别率达到90%,证实了硬件系统与算法的有效性。     

开放场景下筛上杂物目标检测算法研究

针对选煤厂脱泥筛上杂物检测问题,提出了一种开放场景下筛上杂物目标检测方法,针对不同类型的筛上杂物图像,基于目前成熟的目标检测网络框架构建筛上杂物检测模型,并通过定量实验分析,验证了方法的有效性;在此基础上,通过定性分析,探究了不同光照条件对模型检测效果的影响,并针对图像中存在的局部亮斑,引入滤波锐化算法缓解由于图像过曝产生的模型误检和漏检等问题。     

煤矿输送带视觉在线监测系统研究

针对矿用带式输送机输送带运行中易于出现表面损伤和撕裂等故障,利用线阵CCD摄像机和千兆以太网络技术,开发了一种输送带视觉在线状态监测系统,可达到每秒钟300 MB位图格式图像数据的在线采集和实时处理。该监测系统经实验室测试结果,可以实现输送带运行状态的实时监测。     

基于机器视觉的轮齿缺陷检测研究

针对传统的人工检测齿轮缺陷方法效率低、精度不高的问题,提出采用机器视觉的方法对齿轮轮齿进行检测。提出了一种图像模板的制作方法,实现了对齿轮轮齿的分割。并针对单个轮齿的磨损检测问题,分别采用轮齿面积、轮齿周长作为判断单个轮齿磨损的依据。结果表明采用轮齿面积作为检测标准效果更好,能够满足轮齿缺陷检测的需要,此方法是可行的。