基于機(jī)器視覺的輸送帶破損檢測(cè)算法

李澤潭，苗長(zhǎng)云，李現(xiàn)國(guó)，曾慶鍇

（1.天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津 300387；2.中山大學(xué) 信息科學(xué)與技術(shù)學(xué)院，廣州 510006）

基于機(jī)器視覺的輸送帶破損檢測(cè)算法

李澤潭1，苗長(zhǎng)云1，李現(xiàn)國(guó)1，曾慶鍇2

（1.天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津 300387；2.中山大學(xué) 信息科學(xué)與技術(shù)學(xué)院，廣州 510006）

針對(duì)礦用輸送帶運(yùn)行過程中容易出現(xiàn)表面損傷的工程背景，利用機(jī)器視覺技術(shù)法，提出了一種基于多結(jié)構(gòu)元素的改進(jìn)抗噪形態(tài)學(xué)輸送帶破損檢測(cè)算法.該算法通過引入矢量邊緣檢測(cè)法和多結(jié)構(gòu)元素相結(jié)合的方法，能夠有效地檢測(cè)破損的灰度圖像邊緣，且具有良好的抗噪性能.實(shí)驗(yàn)結(jié)果驗(yàn)證了該檢測(cè)方法的有效性.

輸送帶；形態(tài)學(xué)濾波；破損故障；機(jī)器視覺；破損檢測(cè)

輸送帶是繼輪胎之后的第二大橡膠工業(yè)產(chǎn)品，是帶式傳輸機(jī)牽引和運(yùn)載的重要部件，運(yùn)行過程中由于老化、載荷量增加、接頭硫化不好、被障礙物劃傷等原因而發(fā)生故障.如果輸送帶故障得不到及時(shí)的檢測(cè)和處理，將造成重大斷帶或縱向撕裂等安全事故，導(dǎo)致停產(chǎn)、運(yùn)輸物料的損耗、設(shè)備的損壞和人員傷亡，嚴(yán)重影響安全生產(chǎn)[1-4].而破損故障是輸送帶主要故障形式之一，因此對(duì)輸送帶破損故障的實(shí)時(shí)檢測(cè)具有重要經(jīng)濟(jì)效益.由于機(jī)器視覺技術(shù)具有數(shù)字化和非接觸等特點(diǎn)，基于視覺技術(shù)的輸送帶狀態(tài)檢測(cè)開始受到關(guān)注[5-9].利用機(jī)器視覺技術(shù)對(duì)輸送帶進(jìn)行檢測(cè)既可以降低勞動(dòng)強(qiáng)度，又可以提高檢測(cè)效率，有助于企業(yè)安全高效的運(yùn)轉(zhuǎn)[10-11].本文主要研究輸送帶表面破損故障的機(jī)器視覺在線檢測(cè)方法，提出了一種基于多結(jié)構(gòu)元素的改進(jìn)抗噪形態(tài)學(xué)輸送帶破損檢測(cè)算法.

1 輸送帶破損圖像的特性分析

輸送帶的鋪設(shè)長(zhǎng)度大，特別是在井下，工作條件差，很容易引起損壞.常見的損壞形式有多種邊緣分層、潰爛、缺損與開裂、長(zhǎng)距離縱向撕裂、深度劃傷、空洞、大面積磨損、覆蓋膠鼓包或起皮、接頭內(nèi)在缺陷等.而本文主要研究輸送帶潰爛、深度劃傷、空洞、大面積磨損等破損故障的檢測(cè)算法，它們的共同特點(diǎn)是破損故障處的像素點(diǎn)有明顯的梯度變化且表現(xiàn)為橫向、縱向和不規(guī)則網(wǎng)狀的方向性.但由于輸送帶本身或者外界干擾等原因不可避免地引入大量噪聲，含噪聲的像素點(diǎn)也會(huì)有明顯的梯度變化.噪聲點(diǎn)的分布是孤立的，其灰度值突變與相鄰像素點(diǎn)沒有相關(guān)性；而破損像素點(diǎn)的分布特點(diǎn)是灰度值突變且與相鄰像素點(diǎn)有較強(qiáng)相關(guān)性.因此可以用形態(tài)學(xué)中具有一定形狀的結(jié)構(gòu)元素去提取輸送帶破損故障.

2 形態(tài)學(xué)基本運(yùn)算及其圖像邊緣算子

2.1 形態(tài)學(xué)基本運(yùn)算

膨脹和腐蝕運(yùn)算是形態(tài)學(xué)的基本運(yùn)算，灰度圖像的形態(tài)學(xué)腐蝕和膨脹分別定義為[12-15]

式中：Df和Db分別為f和b的定義域.對(duì)于灰度圖像形態(tài)學(xué)開、閉運(yùn)算的表達(dá)式分別為：[12-15]

根據(jù)形態(tài)學(xué)運(yùn)算，引入形態(tài)學(xué)邊緣算子E（x，y），則按照形態(tài)學(xué)構(gòu)造的膨脹型Es（x，y）、腐蝕型Ec（x，y）、膨脹腐蝕復(fù)合運(yùn)算Esc（x，y）的圖像邊緣檢測(cè)算子（形態(tài)學(xué)梯度算子）分別為

2.2 改進(jìn)的抗噪形態(tài)學(xué)邊緣算子

抗噪型的形態(tài)學(xué)邊緣檢測(cè)算子包括：抗噪開閉膨脹型邊緣檢測(cè)算子Fd（x，y），抗噪開閉腐蝕型邊緣檢測(cè)算子Fe（x，y），抗噪開閉膨脹腐蝕型邊緣檢測(cè)算子Ff（x，y），其表達(dá)式分別為[16-17]

以上算子盡管可以有很好的抗噪性，但對(duì)于對(duì)比度比較低的輸送帶灰度圖像還是容易產(chǎn)生邊緣模糊.為了得到更加精確的輸送帶破損邊緣，對(duì)以上檢測(cè)算子進(jìn)行如下改進(jìn)：[18]

式中：max{Fd（x，y），F(xiàn)e（x，y），F(xiàn)f（x，y）}取3幅灰度圖像對(duì)應(yīng)元素的最大值；min{Fd（x，y），F(xiàn)e（x，y），F(xiàn)f（x，y）}取3幅灰度圖像對(duì)應(yīng)元素的最小值.則新的邊緣算子為

3 輸送帶破損檢測(cè)

輸送帶表面破損檢測(cè)主要包括圖像背景與目標(biāo)分割、目標(biāo)圖像濾波、多結(jié)構(gòu)元素形態(tài)學(xué)檢測(cè)、圖像二值化與破損識(shí)別等步驟，其流程圖如圖1所示.

圖1 輸送帶破損檢測(cè)流程Fig.1 Conveyor belt breakage detection process

3.1 圖像背景與目標(biāo)分割

采集到的輸送帶圖像既有含破損故障的目標(biāo)圖像，也有與故障無(wú)關(guān)的背景圖像.用本文算法進(jìn)行邊緣檢測(cè)時(shí)，目標(biāo)與背景的邊界處也會(huì)有梯度變化，這樣會(huì)對(duì)檢測(cè)結(jié)果造成影響，所以在故障檢測(cè)前用矢量邊緣檢測(cè)法[19]對(duì)兩者進(jìn)行分割得到完整單一的目標(biāo)圖像.

3.2 目標(biāo)圖像濾波

分割后的目標(biāo)圖像中含有大量的噪聲，這些噪聲會(huì)增加破損故障的識(shí)別難度.中值濾波能夠很好地濾除椒鹽白噪，而形態(tài)學(xué)中開運(yùn)算、閉運(yùn)算、閉-開運(yùn)算和開-閉運(yùn)算可以有效抑制圖像中的峰值噪聲.因此，用中值濾波和形態(tài)學(xué)濾波結(jié)合的方法能夠達(dá)到濾除亮區(qū)和暗區(qū)各種噪聲的效果.

3.3 多結(jié)構(gòu)元素形態(tài)學(xué)檢測(cè)

由于破損的類型包括橫向、縱向和不規(guī)則等情況，并且考慮到不同結(jié)構(gòu)元素對(duì)圖像邊緣的感應(yīng)能力是不同的，所以本文引入了0°、45°、90°和135°這4個(gè)方向的結(jié)構(gòu)元素，多結(jié)構(gòu)元素的方法能夠更有效地檢測(cè)出圖像不同方向的邊緣.

將4個(gè)方向的模版Bi分別按2.2節(jié)所述的修正邊緣檢測(cè)算子進(jìn)行檢測(cè)，然后將4個(gè)檢測(cè)結(jié)果進(jìn)行加權(quán)平均，得到最終的檢測(cè)結(jié)果，即為：

3.4 圖像二值化與破損識(shí)別

改進(jìn)后的邊緣檢測(cè)算子可以迭加圖像的一些邊緣細(xì)節(jié)，從而在一定程度上增強(qiáng)了圖像的邊緣.4個(gè)方向的結(jié)構(gòu)元素Bi可以檢測(cè)破損的不同方向邊緣，將處理后的灰度圖像進(jìn)行otsu閾值化得到二值圖像，這樣就可以檢測(cè)出異常區(qū)域.

異常區(qū)域確定以后，即可對(duì)該區(qū)域進(jìn)行測(cè)量，包括區(qū)域面積、周長(zhǎng)等.周長(zhǎng)可以用白像素點(diǎn)個(gè)數(shù)總和來(lái)近似，而面積可以用近似圓的面積來(lái)計(jì)算.判定異常區(qū)域是否為破損以及破損程度是否嚴(yán)重到需要報(bào)警由2個(gè)指標(biāo)來(lái)確定：①計(jì)算異常局域的面積S與預(yù)設(shè)值S0比較大小，若S≥S0則判定為破損；②計(jì)算破損面積與采集圖像的面積比SRAT與預(yù)設(shè)比值RRAT比較大小，若SRAT≥RRAT，則判定故障嚴(yán)重需要報(bào)警，否則只標(biāo)記即可.其中S0與RRAT需要根據(jù)具體的輸送帶圖像大小進(jìn)行多次實(shí)驗(yàn)來(lái)設(shè)定.

最后保存含有破損故障的輸送帶圖像及其數(shù)據(jù)分析結(jié)果，數(shù)據(jù)分析主要包括故障區(qū)域是否為破損以及破損程度是否嚴(yán)重兩方面信息，這樣便于進(jìn)行輸送帶后期的修復(fù)工作.

4 實(shí)驗(yàn)結(jié)果與比較

為了驗(yàn)證本文算法的有效性，將本文算法和未改進(jìn)的形態(tài)學(xué)算子、canny算子進(jìn)行對(duì)比，結(jié)果如圖2所示.通過對(duì)比可以發(fā)現(xiàn)，本文算法明顯優(yōu)于傳統(tǒng)邊緣檢測(cè)算法.

利用寬度1 m、運(yùn)行速度為3 m/s的輸送帶進(jìn)行實(shí)驗(yàn)測(cè)試，當(dāng)線陣相機(jī)工作在最高行頻時(shí)，圖像的大小設(shè)置為2 048×1 024，每秒鐘就會(huì)產(chǎn)生20幀圖像.經(jīng)測(cè)試發(fā)現(xiàn)，破損故障檢測(cè)系統(tǒng)可以在45 ms內(nèi)完成對(duì)圖像的處理和故障識(shí)別.由此可以看出，本文算法與其他識(shí)別算法相比，明顯具有計(jì)算量小、計(jì)算簡(jiǎn)單等優(yōu)點(diǎn)，但形態(tài)學(xué)算法依賴于高質(zhì)量的圖像，當(dāng)圖像本身的質(zhì)量較差時(shí)，可能會(huì)影響識(shí)別結(jié)果，這就需要對(duì)破損故障識(shí)別方法進(jìn)行下一步改進(jìn).

圖2 與其他3種邊緣檢測(cè)算法的比較Fig.2 Compared with the other three kinds of edge detection algorithms

5 結(jié)束語(yǔ)

本文針對(duì)輸送帶破損故障檢測(cè)的工程背景，綜合形態(tài)學(xué)的基本運(yùn)算提出了一種基于多結(jié)構(gòu)元素的改進(jìn)抗噪型形態(tài)學(xué)輸送帶破損檢測(cè)算法.它能夠更好地突出輸送帶圖像破損邊緣，同時(shí)又能有較好的抗噪性，克服了傳統(tǒng)形態(tài)學(xué)及梯度算法對(duì)噪聲敏感的缺陷.實(shí)驗(yàn)證實(shí)，該算法準(zhǔn)確可行，計(jì)算量小，計(jì)算簡(jiǎn)單，明顯優(yōu)于傳統(tǒng)邊緣檢測(cè)算法.

[1] 李允旺，苗運(yùn)江，張高舉，等.帶式輸送機(jī)斷帶事故的預(yù)防和保護(hù)[J].煤礦安全，2006，37（6）：57-59.

[2]張文軍.基于X射線成像的輸送帶內(nèi)部鋼絲故障診斷系統(tǒng)[J].煤炭科學(xué)技術(shù)，2010，38（9）：68-72.

[3] 高毓麟，程紅，趙書江.鋼絲繩芯輸送帶X射線無(wú)損檢測(cè)[J].煤礦機(jī)電，1996（4）：15-16.

[4] 滕永青，李仰軍，周承仙.基于機(jī)器視覺和虛擬儀器技術(shù)的傳送帶監(jiān)測(cè)系統(tǒng)[J].煤礦機(jī)械，2008，29（4）：125-127.

[5] 祁雋燕，譚超，李浩.基于數(shù)字圖像處理的皮帶縱向撕裂視覺識(shí)別[J].煤炭技術(shù)，2006，25（11）：15-17.

[6]祁雋燕，彥海峰，譚超，等.基于LabVIEW的膠帶撕裂機(jī)器視覺檢測(cè)系統(tǒng)研究[J].煤炭工程，2009（9）：123-125.

[7] 魏濤.煤炭輸送帶裂紋檢測(cè)技術(shù)研究[D].太原：中北大學(xué)，2010：48-49.

[8] 滕永青，李仰軍，周承仙.基于機(jī)器視覺和虛擬儀器技術(shù)的傳送帶監(jiān)測(cè)系統(tǒng)[J].煤礦機(jī)械，2008，29（4）：125-127.

[9] 魏濤，王召巴，金永.煤炭輸送帶表面裂紋自動(dòng)檢測(cè)技術(shù)研究[J].煤礦機(jī)械，2010，31（2）：211-213.

[10]崔佳，汪劍鳴，王興波，等.基于機(jī)器視覺技術(shù)的藥片灌裝自動(dòng)計(jì)數(shù)系統(tǒng)的設(shè)計(jì)[J].天津工業(yè)大學(xué)學(xué)報(bào)，2008，27（1）：61-63.

[11]CANNY J F.A computational approach to edge detection[J]. IEEE Trans Pattern Analysis Machine Intelligence，1986（6）：679-698.

[12]張英琦，何洪濤.一種基于數(shù)學(xué)形態(tài)學(xué)的灰度圖像邊緣檢測(cè)算法[J].西南交通大學(xué)學(xué)報(bào)，1996（5）：555-559.

[13]楊述斌，彭復(fù)員，張?jiān)龀?多尺度自適應(yīng)加權(quán)形態(tài)邊緣檢測(cè)方法[J].華中科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2002（10）：87-89.

[14]劉循，游志勝.多尺度形態(tài)學(xué)圖像邊緣檢測(cè)方法[J].光電工程，2003（3）：56-58.

[15]肖梅，韓崇昭，張雷.基于多尺度輪廓結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)[J].西安交通大學(xué)學(xué)報(bào)，2005（6）：659-660.

[16]姚敏.數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2006：245-246.

[17]王益艷.基于多結(jié)構(gòu)元素的形態(tài)學(xué)邊緣檢測(cè)算法[J].四川文理學(xué)院學(xué)報(bào)，2009，19（5）：21-22.

[18]羅小剛，劉婷，彭承琳，等.基于多結(jié)構(gòu)元素的醫(yī)學(xué)圖像形態(tài)學(xué)邊緣檢測(cè)修正算法[J].生物醫(yī)學(xué)工程學(xué)雜志，2009，26（1）：178-179.

[19]楊彥利.基于機(jī)器視覺的輸送帶在線狀態(tài)檢測(cè)關(guān)鍵技術(shù)的研究[D].天津：天津工業(yè)大學(xué)，2012.

Conveyor belt breakage detection algorithm based on machine vision

LI Ze-tan1，MIAO Chang-yun1，LI Xian-guo1，ZENG Qing-kai2
（1.School of Electronic and Information Engineering，Tianjin Polytechnic University，Tianjin 300387，China；2.School of Information Science and Technology，Sun Yat-sen University，Guangzhou 510006，China）

For the engineering background of mine conveyor belt prone to damage the surface in running process，an improved noise morphology conveyor belt breakage detection algorithm based on multiple structure elements is developed with machine vision technology.By introducing the vector edge detection algorithm and combining with multiple structure elements，the algorithm can effectively detect the damaged gray image edge，and has good noise resistance.The experimental results verify the effectiveness of the proposed detection method.

conveyor belt；morphological filtering；broken fault；machine vision；breakage detection

TP277

A

1671-024X（2014）03-0066-03

2013-09-04

國(guó)家自然科學(xué)基金資助項(xiàng)目（51274150）；天津市自然科學(xué)基金重點(diǎn)資助項(xiàng)目（12JCZDJC27800）；天津市高等學(xué)校科技發(fā)展基金計(jì)劃項(xiàng)目（20130708）

李澤潭（1987—），男，碩士研究生.

苗長(zhǎng)云（1962—），男，教授，博士生導(dǎo)師.Email：miaochangyun@tjpu.edu.cn