機器視覺在煤機裝備中的應(yīng)用現(xiàn)狀與趨勢

鄭智元

（中煤張家口煤礦機械有限責(zé)任公司 河北 張家口 075025）

引言

機器視覺技術(shù)是由計算機科學(xué)、圖像處理、模式識別、人工智能等多學(xué)科交叉的一門技術(shù)，近年來隨著人工智能、圖像處理技術(shù)的發(fā)展，在工業(yè)上的應(yīng)用范圍越來越廣泛。機器視覺技術(shù)與其他傳感技術(shù)相比具有信息量豐富、不改變被測物體原有狀態(tài)的優(yōu)點；與人眼相比具有長時間穩(wěn)定工作、在惡劣環(huán)境下適應(yīng)性強、有較寬光譜響應(yīng)范圍的優(yōu)勢。煤機裝備在運行時產(chǎn)生的粉塵、振動以及噪聲對于長期處于一線的工人的身體健康有較大的威脅，將機器視覺用于煤機裝備并使其實現(xiàn)少人化、無人化運行，可有效改善工作環(huán)境，降低勞動強度并提高作業(yè)效率。

1 基于機器視覺技術(shù)的礦用輸送帶故障監(jiān)測研究現(xiàn)狀與趨勢

強力輸送帶在煤礦中被大量使用，往往由于鋼鐵異物、老化以及接頭不規(guī)范等造成斷帶、劃傷、撕裂、跑偏等故障。近年來，機器視覺技術(shù)已經(jīng)成為輸送帶縱向撕裂識別及定位問題的熱門研究方向之一。通過采用FAST角點檢測完成一級檢測，通過基于Hough變換完成二級檢測，有效降低了輸送帶縱向撕裂識別及定位的誤檢率和漏檢率。針對輸送帶跑偏的工況，設(shè)計了基于視覺檢測的糾偏系統(tǒng)，先由視覺檢測裝置檢測出偏離距離，再由控制系統(tǒng)通過可編程控制器以脈沖個數(shù)為信號來控制減速機，從而實現(xiàn)輸送帶的糾偏。將圖像識別與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合實現(xiàn)了強力輸送帶的輸煤量與跑偏故障同時檢測[1]。

實際應(yīng)用中圖像的采集與識別只有同時進行才能滿足故障檢測的實時性要求，受傳輸距離的限制，圖像的傳輸速度與傳輸質(zhì)量達不到要求。隨著計算機科學(xué)、人工智能算法以及圖像壓縮技術(shù)的發(fā)展，機器視覺技術(shù)用于輸送帶故障檢測的圖像處理效率與實時性將會得到有效提高，滿足了無人監(jiān)視的條件，并可對由人為因素所造成的漏檢、誤檢情況進行改善[2]。

2 基于機器視覺技術(shù)的掘進機位姿檢測研究現(xiàn)狀與趨勢

目前，煤礦井下普遍使用激光指向儀及其投射在巷道斷面上的光斑顯示巷道基準(zhǔn)，因此，有研究人員將攝像機與激光指向儀剛性聯(lián)接傳遞測量基準(zhǔn)。利用與激光指向儀剛性聯(lián)接的攝像機采集掘進機上光靶的圖像，建立攝像機成像模型，解算出光靶在攝像機坐標(biāo)系下的位姿，進而確定出掘進機在巷道基準(zhǔn)下的位姿。以兩平行激光束與水平激光束為測量基準(zhǔn)，提出利用隨機Hough變換以及高斯曲面擬合等算法的掘進機機機身位姿測量方法。通過安裝在掘進機機身后面的攝像機采集位于掘進機機械臂上矩形標(biāo)靶圖像，利用隔振裝置以及相機前的濾鏡來降低噪聲的影響，最后通過工控機進行位姿解算，得到掘進機截割頭的位姿[3]。

3 基于機器視覺技術(shù)的液壓支架位姿檢測研究現(xiàn)狀與趨勢

傳統(tǒng)的液壓支架位姿檢測通過角度傳感器以及位移傳感器實現(xiàn)支架組件的相對位姿測量。這些接觸式測量傳感器受環(huán)境影響易損壞且不易更換，利用視覺傳感器實現(xiàn)液壓支架的位姿測量可有效避免接觸測量所帶來傳感器易損壞的問題，同時借助防爆計算機對圖像實時處理和位姿解算，有效滿足了實時性要求。

在液壓支架的位姿以及直線度測量方法中，利用基于4個共面特征點的機器視覺測量算法，解算標(biāo)靶相對于攝像機的位姿并結(jié)合先驗信息完成了液壓支架位姿檢測以及直線度的測量。液壓支架的高度參數(shù)可為采煤機的搖臂高度調(diào)控提供參考，避免采煤機截割時與頂板相互碰撞。對支架圖像進行邊緣檢測以及直線提取，得到液壓支架邊緣直線，通過計算直線斜率解算液壓支架的高度[4]。

4 基于機器視覺技術(shù)的采煤機位姿測量研究現(xiàn)狀與趨勢

采煤機記憶截割是實現(xiàn)綜采工作面智能化開采的關(guān)鍵技術(shù)，包括采煤機定位、記憶截割與安全感知等關(guān)鍵技術(shù)，其中采煤機定位是實現(xiàn)記憶截割的基礎(chǔ)。近年來將機器視覺應(yīng)用于采煤機的位姿檢測從而實現(xiàn)準(zhǔn)確定位成為了研究熱點。專利中結(jié)合機器視覺技術(shù)以及慣導(dǎo)技術(shù)完成采煤機的位姿檢測，其中采煤機的位置坐標(biāo)通過雙攝像頭對激光圖像采集以及跟蹤并通過立體匹配算法得到，姿態(tài)矩陣通過慣導(dǎo)單元測量獲得，最后通過卡爾曼濾波實現(xiàn)位姿信息的融合。該方法的優(yōu)點是結(jié)合視覺傳感器信息獲取方便以及慣導(dǎo)系統(tǒng)的高精度，但同時雙目視覺的立體匹配困難、標(biāo)定步驟復(fù)雜以及采煤工作面上激光指向儀受粉塵、水霧的復(fù)雜環(huán)境影響，檢測精度以及實時性有待進一步研究。提出了一種采煤機搖臂角度非接觸測量的方法，對圖像增強算法進行了改進，提出了基于導(dǎo)向濾波多尺度加權(quán)平均Retinex圖像增強算法。專利中提出了一種基于機器視覺的采煤機機身位姿檢測方法，在工作面順槽巷道頂部安裝兩平行激光束與水平激光束，由剛性聯(lián)接在采煤機機身的攝像機采集兩平行、一垂直激光束圖像，通過Retinex多尺度圖像增強算法、K-means均值聚類邊緣檢測、Hough變換直線檢測，得到3條直線方程，進而建立位姿解算模型并解算該模型，得到采煤機機身的位姿[5]。

5 結(jié)語

（1）針對煤礦井下低照度、煤塵遮蔽、物體遮擋、空間狹長的工況，機器視覺技術(shù)要得到實際應(yīng)用，應(yīng)提高惡劣條件下高清視頻特征信息提取能力以及在具有智能去塵、去霧、去噪功能的本安型智能視覺傳感器的方向上實現(xiàn)突破；（2）隨著人工智能算法與圖像處理技術(shù)的發(fā)展，機器視覺技術(shù)在煤礦井下設(shè)備的定位、測量、導(dǎo)航，人員的定位、跟蹤，故障的檢測與災(zāi)害的監(jiān)控方面將得到巨大的發(fā)展。