基于多道线性激光的带式输送机纵向撕裂检测

煤矿井下环境昏暗、潮湿、粉尘大,采集的监控视频图像模糊,导致输送带纵向撕裂识别难度大,且现有研究成果仅关注有无纵向撕裂,未涉及撕裂损伤定位及趋势跟踪。提出一种基于多道线性激光的带式输送机纵向撕裂检测方法:采用矿用本安型结构光发射器向输送带表面投射多道线性激光、矿用本安型工业相机拍摄线性激光条纹图像,通过提取激光条纹中心线并分析其特征,判断单帧图像是否存在纵向撕裂损伤,存在损伤时搜索损伤边界点并计算损伤宽度、深度特征值;融合多帧图像检测结果及速度传感器数据,计算完整纵向撕裂损伤长度、平均宽度、平均深度;通过检测输送带上的标志物位置定位撕裂损伤纵向位置,求取损伤起点在输送带上的位宽占比定位横向位置,并基于纵向位置实现损伤趋势跟踪。设置输送带纵向撕裂损伤长度分别为0.73,0.95m,平均宽度为0.01m,平均深度为0.008m,采样速率为25帧/s,对该方法进行测试,结果表明该方法能够准确检测带式输送机有无纵向撕裂,损伤长度计算误差平均值为0.06m,损伤平均宽度、平均深度计算误差平均值为0.001m,纵向定位误差不超过0.1m,并可准确判断纵向撕裂发展趋势。     

基于支持向量机红外图像分割的输送带纵向撕裂检测方法

针对现有输送带纵向撕裂检测方法存在检测精度低、无法消除煤矿井下复杂环境的影响问题,提出了一种基于支持向量机红外图像分割的输送带纵向撕裂检测方法。该方法首先采集输送带纵向撕裂红外图像,然后利用支持向量机对红外图像进行分割,最后通过计算撕裂像素点数目,准确检测出输送带纵向撕裂或预测纵向撕裂趋势。试验测试结果表明,采用该方法实现图像分割时间短,检测精度可达99.1%。     

改进YOLOv4的输送带纵向撕裂检测

输送带纵向撕裂检测是煤矿安全生产的重要问题之一.针对矿用输送带纵向撕裂检测存在因数据量不足、损伤形态多样化、极致宽高比而导致的检测精度不足、存在误检与漏检等问题,本文提出一种改进YOLOv4的输送带纵向撕裂检测算法.首先,通过数据增强的方式扩充现有数据,构建输送带纵向撕裂数据集.其次,在主干网络之中添加可变形卷积,增强模型对多样化损伤形态的特征提取能力.最后,在特征融合阶段,引入跨阶段局部网络(CSPNet)结构,提升模型对极致宽高比的纵向撕裂检测性能,进一步降低模型的漏检与误检.实验结果表明,输送带纵向撕裂检测准确率达到92.5%, F1分数达到93.1%,基本满足输送带纵向撕裂检测要求.     

基于狮群优化二维Otsu算法的输送带撕裂检测方法

基于传统二维Otsu分割算法的输送带撕裂检测方法采用穷尽搜索式的阈值选取方式,图像分割时间长、实时性差,不能同时满足撕裂检测精度与速度要求。针对上述问题,提出了一种基于狮群优化二维Otsu算法的输送带撕裂检测方法。首先通过输送带撕裂检测装置采集输送带图像,采用中值滤波和直方图均衡化对采集到的图像进行去噪和增强处理,突出撕裂部位;然后采用狮群优化二维Otsu算法对预处理过的图像求取接近实际的分割阈值,用该阈值对输送带图像进行分割处理;最后通过计算分割后图像中黑色像素点的数量进行撕裂诊断。仿真结果表明,该方法比基于传统二维Otsu算法的检测方法寻优能力更强,输送带分割效果更好,可以准确地从输送带图像中分割出裂痕,撕裂识别的正确率为98.2%,提高效率的同时缩短了运行时间,可以满足输送带撕裂检测的准确性和实时性要求。     

基于超声波的带式输送机多点煤流量监测系统设计

针对高带速、大运量矿用带式输送机煤炭瞬时流量难以实时准确测量的问题,设计了一种基于超声波的带式输送机多点煤流量监测系统,介绍了系统硬件、软件及煤流量检测算法设计。该系统利用超声波传感器和速度传感器获取带式输送机高速运行下的煤高、煤堆截面积、输送带速率等参数信息,并利用煤流量检测算法对数据进行拟合分析,计算出煤流量。测试结果表明,该系统能对输送带煤流量进行准确测量,测量精度达到91%。     

基于Hough变换的输送带纵向撕裂检测方法

针对现有输送带纵向撕裂检测方法存在敏感度低、操作不便、非可视化等问题,提出了一种基于Hough变换的输送带纵向撕裂检测方法。该方法使用线光源辅助照射,利用CCD实时采集输送带下表面图像,通过Hough变换提取图像斜率差特征来判断输送带是否发生纵向撕裂。测试结果验证了该方法的有效性。     

煤矿输送带纵向撕裂检测装置的研究

首先介绍目前煤矿输送带使用的主要情况,分析了输送带在使用过程中产生纵向撕裂的原因及现有的几种输送带纵向撕裂检测系统,提出一种新的输送带纵向撕裂振动检测的新方案.     

带式输送机故障巡检机器人系统设计

针对现有带式输送机故障检测方法劳动强度大、可靠性较差等问题,提出了一种带式输送机故障巡检机器人系统设计方案。首先分析了带式输送机常见的输送带和托辊故障类型及其原因,包括输送带横向断裂、纵向撕裂、打滑、跑偏及堆煤,托辊磨损和转动卡死等;然后针对不同故障类型,选定了系统传感器,包括激光雷达、单目相机、烟雾传感器、声音传感器和温度传感器,并提出了相应的故障检测算法;最后给出了系统上位机和下位机软件流程。     

用于输送带纵向撕裂检测的新型视觉传感器

针对现有输送带纵向撕裂视觉检测存在采集图像不清晰的问题,提出了一种基于红外与可见光图像融合的新型视觉传感器。该视觉传感器采用分光棱镜将从同一镜头入射的同轴光分别投射至红外CCD和可见光CCD,红外CCD和可见光CCD同时采集目标同一点的红外图像和可见光图像,利用像素级融合方法获得融合图像。实验结果表明,该视觉传感器所采集的融合图像具有清晰的撕裂信息和详细的背景信息,满足输送带图像高质量采集的要求。     

矿用带式输送机智能监测系统研究

针对矿用带式输送机运行过程中存在的托辊、滚筒等关键部件与输送带摩擦发热,钢丝绳芯输送带内部损伤与撕裂,运行功耗大等问题,设计了一种矿用带式输送机智能监测系统。该系统包括基于弱磁检测法的钢丝绳芯输送带损伤监测系统、基于红外热成像温度检测法的带式输送机关键部件故障诊断与预警系统和基于视觉检测法的煤流监测、异物监测、胶带撕裂监测及人员安全监测系统,详细介绍了各系统的实现原理。对钢丝绳芯输送带内部损伤识别及带式输送机关键部件故障诊断预警进行了实验验证,结果表明该系统对钢丝绳芯输送带损伤识别的准确率约为98%,且可准确识别带式输送机关键部件故障并发出预警。