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。     

图像识别在煤仓维护自动检测中的应用

目前煤仓的检测主要依赖于人工巡检，不仅效率低、精度差，而且存在一定的安全隐患。为了提高煤仓检测的自动化程度，提出了一种采用电缆驱动并联机构和图像识别单元的煤仓维护自动检测系统。针对不锈钢衬板的反射特性，以及在图像采集过程中由相机运动导致图像亮度不均匀、焦距不等的问题，采用了基于改进模板匹配算法的漫反射光源下非等距故障检测方法。提出了一种利用相机实时空间几何位置识别和定位故障的自动检测算法。实验结果表明：该系统能够高效地检测煤仓衬板多种故障类型。相比于现有的人工检测方法，该系统不仅具有良好的检测精度，而且极大地缩短了检测用时。     

基于统计特征的钢丝绳芯输送带故障自动检测

根据钢丝绳芯输送带X光图像呈规律性变化的特点,提出一种基于统计特征的自动检测故障的方法。对输入图像进行归一化和规范化后,逐行扫描、计算每个像素点的MRB（Modified Regular Bands）参数值,与整幅图像的MRB参数值的均值相减,再用差值和训练阶段得到的阈值比较,判断出有无故障并从故障图像中检测出故障区域。通过对常见的4类故障的检测,结果表明：该方法检测准确性高、操作简单、运行速度快,适于在线检测;与均值和方差相比,MRB参数对故障更敏感,能检测出细小的故障,图像对比度高、能更好地凸显出故障区域,且检测出的故障区域更接近于故障的外形。     

一种基于图像处理的提升机弦绳振动算法改进

针对煤矿矿井提升系统中钢丝绳图像边缘提取及振动检测问题,改进了边缘提取算法及弦绳振动检测方法。首先利用相机采集悬绳段钢丝绳灰度图像,设置感兴趣区域(ROI),然后通过编写的Matlab图像处理程序,结合Sobel算法和数学形态学理论的合理利用对ROI区域进行二值化处理。再通过相机标定获取相机内外参数,对世界坐标系和相机坐标系进行合理设定,进行坐标转换和矩阵运算,直接获取弦绳的世界坐标,最后通过Labview与Matlab程序嵌套实现对弦绳振动位移的实时检测。经实验验证,改进后的方法能够快速、准确的实现钢丝绳边缘提取及弦绳的非接触振动检测。     

一种基于图像处理的提升机弦绳振动算法改进

针对煤矿矿井提升系统中钢丝绳图像边缘提取及振动检测问题，改进了边缘提取算法及弦绳振动检测方法。首先利用相机采集悬绳段钢丝绳灰度图像，设置感兴趣区域(ROI)，然后通过编写的Matlab图像处理程序，结合Sobel算法和数学形态学理论的合理利用对ROI区域进行二值化处理。再通过相机标定获取相机内外参数，对世界坐标系和相机坐标系进行合理设定，进行坐标转换和矩阵运算，直接获取弦绳的世界坐标，最后通过Labview与Matlab程序嵌套实现对弦绳振动位移的实时检测。经实验验证，改进后的方法能够快速、准确的实现钢丝绳边缘提取及弦绳的非接触振动检测。     

基于视觉显著性的煤矿井下关键目标对象实时感知研究

随着煤矿智能化技术发展,井下关键设备目标对象视觉感知应用需求日益增强。井下复杂场景,特别是生产工况综采工作面,人员及设备目标频繁交错呈现。基于监控视觉画面实时检测、提取人员及关键设备目标对象,对实现井下关键设备目标对象智能监控,生产场景智能感知与安全生产管理意义重大,因此需要研究井下关键目标对象实时感知方法。基于视觉注意机制的显著目标检测和分割是复杂场景关键目标对象感知的有效方法之一,但是显著性检测和目标分割过程计算复杂度高、耗时长,难以达到工程应用的实时性要求。基于此,在分析图像视觉特征的基础上,特别是煤矿井下图像视觉特征,提出一种基于随机采样区域对比度计算的实时显著性检测方法,引入随机采样策略对原图像像素进行采样后利用Efficient Graph-based Segmentation方法将图像分割为若干区域,然后计算区域对比度获得区域显著性,实现了实时显著性检测;在显著性区域或者目标分割过程中,提出一种自适应的前景背景阈值迭代方法,基于Shared Sample Matting方法实现显著目标的实时分割提取。基于公共数据集进行试验分析,结果表明,该方法不仅提高了显著性目标的检测分...     

基于机器视觉的矿用带式输送机堆煤故障监控系统研究

针对带式输送机的堆煤故障设计了一套基于机器视觉的煤矿带式输送机监控系统,该系统通过工业相机拍摄图像,对图像进行分析、处理并做出判断,确保带式输送机安全运行,实现非接触式可视化远程监控与测量。同时克服了传统接触式堆煤传感器易受环境影响、可靠性差等缺点,实现带式输送机堆煤实时检测,而且能够在堆煤形成初期提前预警,并为地面监控中心提供监控数据和监控视频,为带式输送机安全运行提供了有力的保障。     

形态学与区域增长相结合的煤粒检测

突破煤粒检测的传统方法局限,提出了一种结合形态学和区域增长算法的煤粒图像检测方法。该方法在对图像完成滤波、二值化、取反等预处理的基础上,先应用形态学的腐蚀算法对图像进行分割获得种子点,之后利用种子对原始图像进行区域增长完成目标识别。在对粘连煤粒判断和处理问题上,找到了一种快速获得粘连点的方法。结果表明,本方法能有效实现煤粒图像的分割,获得煤粒数据,实现煤粒数据检测。     

带式输送机输送带纵向撕裂线激光辅助视觉检测方法

为了能够准确、及时地判断出带式输送机输送带纵向撕裂故障,提出线激光辅助视觉检测方法。将一字线激光发射器与CCD相机安装在带式输送机上方,输送带上物料的形状对线激光条纹起到调制的作用。当输送带发生纵向撕裂,表面物料形状因漏料发生变化时,其上的线激光条纹也随之发生变化,通过CCD相机采集线激光条纹,并对图像进行处理、拟合及故障特征提取,以极值点个数作为诊断判据,即可实现带式输送机输送带纵向撕裂故障的检测。通过试验表明,该方法可对带式输送机输送带纵向撕裂故障作出准确、有效的诊断。     

斗齿检测系统在露天煤矿WK-35采煤电铲上的应用

露天煤矿采用电铲进行采煤生产,电铲斗齿脱落导致破碎机损坏的问题时常存在,为解决该问题,在WK-35采煤电铲上设计安装“红外热成像相机+计算机视觉技术”的斗齿检测设备。斗齿检测设备由热像仪读取模块、视屏存储模块、斗齿缺失检测模块、报警模块组成。通过采用Viola-Jones Haar级联分类器对采集图像的斗齿行进行检测和卷积神经网络进行二分类的深度学习算法,判断斗齿是否缺失。斗齿检测设备的应用可达到斗齿完整性的自动检测识别和报警的目的。