基于线激光辅助的输送带撕裂视觉检测技术研究与应用

孙 强

(潞安化工集团 王庄煤矿，山西 长治 046031)

随着现在经济水平的高速发展，企业生产力的日益提高，生产规模也越来越大，在矿山煤炭运输时，对传送机核心部分的输送带有着更高的要求。在实际的传送机制造过程中，输送带占了总成本的40%[1-2]。煤炭远距离传输过程中，时常会发生输送带的断裂。而且输送带一般运行功率都比较大，速度也相应较高，若在此过程中传送带发生断裂，并且没有被发现，采取相关救急措施，那么带来的后果将十分可怕，轻则使得整条输送带都报废，重则可能会对胶带架、滚筒、电机等其他设备造成损坏，从而使得整个生产流程报停，有可能还会引发安全事故，造成巨大的经济人力资源的损失。由此，在输送带运输的过程中，安装相应的检测保护装置是十分必要的[3-5]。

近几年，相关研究人员提出了一项新的检测技术——机器视觉方法[6]。这种方法的原理是在输送带的下方安装一个CCD相机，通过该相机能够获取输送带的图像。然后将获取的图像传到计算机中，由计算机对图像进行相关的计算处理，具体处理方法有区域分割、边缘检测法以及差影法等。使得最终可以得到输送带表面的具体情况是否满足撕裂的特点，以此来判断输送带是否断裂。

1 基于线激光辅助的输送带撕裂视觉检测技术研究

1.1 激光辅助的输送带撕裂视觉检测可行性分析

自从激光技术与CCD器件在20世纪60年代接连被发明出来后，计算机领域得以迅猛进步，也因此产生了机器视觉技术，广泛运用于工业领域的无损检测[7]。

通过对输送带撕裂时的情况解析，发现其表面与原本完整的表面物理形态有显著不同，也就是在被撕裂后一定会产生可见的缝隙，或出现输送带跑偏，撕裂处弯曲变形、输送带叠加等状况。通过对图像的解析可以精准找出撕裂的特征，然后借助视觉技术检查纵向撕裂。

由于在真实情况中会产生许多无法预测的干扰，或多或少影响提取图像的过程，甚至会造成最终结果极大的偏差；并且在大量的数据收集的过程后，后续的分析处理步骤会花费大量时间，工作程序冗杂。基于此，“一”字线激光技术被用于帮助完成视觉检测。检测的精确性和效率都大大增大，因为在加入了线激光后使得对图像物理形态特征的提取转化为线性条纹图像的分析。

1.2 线激光辅助的输送带撕裂视觉检测系统设计

利用线激光技术简化输送带撕裂检测工作的装置如图1所示。图像获取、光学检测和保护补偿3个模块构成了此图中的输送带检测与保护装置。

图1 线激光的输送带撕裂检测装置原理图

首先固定在底座上的相机和线激光器构成了第一个模块——图像获取。这个模块能随时获取输送带底部的图像，并传给下一模块。激光器发射的红色激光即为上文所提到的结构光，其波长为658.4 nm，发射激光的方向垂直于物料被传输的方向，这一整个装置位于输送带下部。因此图像获取模块可以按照不同的输送带规格安装多个，从而进行探测工作。CCD相机与激光器被固定后保证了整个设备的稳定性。

图像采集卡与控制计算机构成了第二个模块——光学检测。控制计算机能够分析每一帧图像，发现输送带表面是否被撕裂。这个过程就依靠了线激光器，也就是检测激光条纹中心曲率与光强的变化。倘若产生了输送带撕裂，装置会向工作人员发出警报，位于操作室的终端会显示撕裂的初始图像，提供给相关人员。

吹扫风机、输送机密封罩与LED光源构成了最后一个模块——保护补偿。输送带的运动是非常快速的，因此要想得到清楚且稳定的图像内容，就有赖于高速电子快门与CCD摄像机的帮助。但假若外界光照条件时常改变，图像的清晰度和稳定性会显著降低，对工作程序造成干扰。所以就需要密封罩遮住部分输送机，然后利用LED光源为机器底部补充均匀的光照，在统一光照的同时防止捕捉图像的过程中出现拖影的情况；此外煤渣、粉尘或雨雪产生的噪音对抓拍过程产生的影响也能在封闭的空间里被避免。

通过上述的输送带撕裂检测装置，能够得到稳定清晰的图像。但是要想完成自动检测的全部工作还需要分析抓拍到的图像，发现其中的特点。上文阐释的方法可以把撕裂的物理信息转化为图像数据，解析特征光条图像后，检测的工作就完成了。

1.3 线激光辅助的输送带撕裂视觉检测原理

呈“一”形状的激光以水平的形式投放在输送带的底部，然后依靠着工业CCD相机每隔一段就对其形成的光像进行收录并把这些光像输送给专业的电脑中，并做好光像的信息采取总结出来目前的图像。输送带撕裂视觉检测流程如图2所示。

图2 输送带撕裂视觉检测流程

1) 图像获取。由专门的CCD相机对图片进行捕捉，然后通过将这些图片以数字的形式展现出来，并传送给专业的计算机进行信息的检测。主要进行的检测就是对图像塑速率的采集，相当于快速的捕捉图片。在本文中综合对图像收集的需求，然后使用30帧/s的速度收集图像并提取图像信息。

2) 图像预处理。图像预处理就是要将初始的图像与加工之后的图片进行比较分析，在本文中相当于要对激光中间的光线进行正确的获取。用预处理的方法可以使得后期的获取的工程量减少并且会变得容易许多。本文中预处理可以分为两个模块：对图像去噪以及转换图像的模型。对有色彩的图片中的激光光线进行讨论其主要的特征，把光线的类型变成单个的灰色图形；研究图像的去噪处理，针对输送带撕裂图像的效果图然后判断会保存下来的噪声类型，选择可靠的方法，准备好后面的分隔图像。

3) 线激光影像区域分割。 较为正确的判断是分隔图像的时候也是对图像的预处理，然后综合本文的内容，划分光线将会成为主要的探究内容，因此对光条分隔拿出来独立研究。把它单独分析，综合检验出此刻的数据条件，寻求正确的图像分隔算法，旨在利用其算法让图片的分割更精准、更迅速。

4) 激光条纹中心提取。因为需要获得光线中央才能完成对输送带的分裂特点的获取，所以光线中央的获取才是整体的检查系统实现目标的主要条件，也因此更需要科学的研究归纳各种光线中央的获取方法来，进而选取准确的光线中央获取方法。

5) 光条中心特征分析。通过对光线中央的特点进行归纳总结，找出运行中胶带分裂的特征，最后判断其检查成果。

2 线激光影像区域分割实验分析

利用摄像机和图片的收集来实现获取图片并将图片进行数字化转化的方法就是机器的视觉检测，然后再通过电脑将图片的信息进行处理。转化为数字的图像所包括的数据信息量特别多，并且为了实现分割目标的不一致性，还需要利用不同的统计方法来对图片进行处理，进而达到获取图片特点的目的。下面三组实验图像是井下典型的胶带破损情况，第一个是裂纹，第二个是裂缝，第三个是凹陷，这时线激光射到破损的胶带上会呈现出的不同跳跃、曲折变化，具体情况如图3所示。

图3 实验原图像

图4是根据滤波算法得到的对比结果。依据下列图像能够判断出，在所采取的算法中，通过一些方式使噪声点得到了降低，控制噪声后的图像也呈现较优良的滤波效果。此外，还可得出，不同算法下的处理效果也有所不同。相对来说，选取几何和算术的均值滤波算法得到的图像效果较为模糊，而选取中值滤波算法得到的图像效果较为清晰。

图4 图像滤波结果

基于统计准则的激光条纹阈值分割算法，如表1所示，表格中是选取不同方式得到的分割阈值。文章使用的分割算法是基于类内方差及目标面积差的计算法，通过三组实验图像统计阈值的分割情况可以得出，OTSU存在分割过度的情况，HOU存在分割不足的情况，而文章所用的算法最接近手动求取法，也就是说没有严重的过度分割和分割不足的情况，进而保证了检测结果的有效性和准确性。

表1 各种统计方法分割阈值结果比较

3 结 语

为了更好地检测输送带撕裂的问题，以及对输送带进行相应的保护，文章针对这些问题进行了较为深入的分析和探讨，从整体应用的角度研究了线激光辅助的输送带撕裂视觉检测方法，依据检测原理进一步分析了光调区域的分布特性。利用线激光辅助的方式来建立输送带撕裂视觉检测系统，可以进一步提取和分析输送带底面撕裂区域的图像，并把对图像的分割提取转移到对输送带底面图像中激光的条纹特征上来，解决了目前存在的撕裂特征提取不准确以及在计算过程中成本高的问题，从而保证了检测过程中检测结果的精度和有效性。但由于处理图像的数字化信息时数据量较大，而且输送带工作速度也较快，所以也会出现一些失误的情况，为此，基于线激光辅助的输送带撕裂视觉检测技术还有进一步的提升空间。