基于圖像處理的皮帶機(jī)上煤量體積計(jì)量

賀 杰, 王桂梅, 劉杰輝, 楊立潔

(河北工程大學(xué) 機(jī)械與裝備工程學(xué)院, 河北 邯鄲 056038)

1 引 言

我國(guó)作為煤炭生產(chǎn)的大國(guó),皮帶機(jī)輸送原煤消耗了大量能源,功耗約占煤礦礦井總功耗30%[1], 實(shí)現(xiàn)皮帶機(jī)調(diào)速控制、節(jié)能降耗的關(guān)鍵是實(shí)時(shí)煤量計(jì)量。皮帶機(jī)運(yùn)輸煤量實(shí)時(shí)煤量計(jì)量的方式主要有接觸式與非接觸式。接觸式計(jì)量有電子皮帶秤、核子秤等；非接觸計(jì)量有視頻檢測(cè)和激光儀器檢測(cè)等[2]。接觸式計(jì)量中的電子皮帶秤計(jì)量精度不僅取決于傳感器本身,還與安裝位置、振動(dòng)及運(yùn)轉(zhuǎn)工況等因素有關(guān)。而核子皮帶秤要用到放射性核源，出于環(huán)保和安全考慮，核子皮帶秤的應(yīng)用受到很多限制[3]。與接觸式計(jì)量相比，非接觸式計(jì)量的方式可以提高皮帶機(jī)煤量計(jì)量的準(zhǔn)確性和實(shí)時(shí)性。

為了進(jìn)一步提高皮帶機(jī)非接觸式煤量精準(zhǔn)度，本文提出一種基于圖像處理技術(shù)的煤量體積計(jì)量方法，通過采集皮帶上實(shí)時(shí)激光線圖像，對(duì)圖像進(jìn)行預(yù)處理，然后通過細(xì)化、膨脹提取激光線輪廓，通過實(shí)時(shí)皮帶機(jī)線激光與空載時(shí)皮帶基線相結(jié)合實(shí)現(xiàn)計(jì)量皮帶機(jī)上實(shí)時(shí)煤量體積。

2 總體方案設(shè)計(jì)

本文提出的方法主要通過圖像采集設(shè)備采集皮帶上激光線曲線，通過激光線輪廓計(jì)算煤量截面積，然后通過帶速計(jì)算皮帶上煤量，流程圖如圖1。

圖1 方案流程圖Fig.1 Schema flow chart

圖像采集使用90 幀/s的CMOS相機(jī)進(jìn)行圖像采集，通過USB接口與PC相連，采用波長(zhǎng)630 nm，扇形角75°，出瞳功率25 mW的線激光器。軟件開發(fā)工具采用Microsoft Visual Studio 2017, 實(shí)現(xiàn)對(duì)原始圖像的去噪、二值化和其它前期操作;使用OpenCV視覺庫(kù)完成對(duì)采集到的圖像進(jìn)行圖像膨脹、骨架提取、輪廓繪制、面積的計(jì)量。

3 測(cè)量原理

3.1 圖像采集

在實(shí)際的拍攝皮帶運(yùn)動(dòng)圖像時(shí)，由于帶速過快，環(huán)境光等影響需要進(jìn)行曝光時(shí)間與方式的設(shè)置。CMOS相機(jī)[4]具有逐行曝光與全局曝光2種方式，逐行曝光需要從第1行開始曝光，這種曝光方式分辨率大，但是不適用于動(dòng)態(tài)圖像的拍攝。全局曝光是對(duì)所有行同時(shí)進(jìn)行曝光，這樣曝光在拍攝運(yùn)動(dòng)物體時(shí)不出現(xiàn)偏斜，保證圖像每一行的曝光時(shí)間相同，本文選擇全局曝光。曝光時(shí)間越短，幀率越高，圖像越清晰，但是進(jìn)光量需求也會(huì)更高，因此為了在煤礦井下環(huán)境光復(fù)雜且暗淡的情況下采集到的圖像清晰沒有拖影，根據(jù)不同帶速進(jìn)行采集實(shí)驗(yàn)得出最佳曝光時(shí)間，不超過5 m/s的帶速情況下，最佳曝光時(shí)間550 ms。圖2為煤礦采集到皮帶機(jī)上有煤時(shí)的激光圖像，可以看出只顯示激光線，且沒有拖影。

圖2 煤礦采集到皮帶機(jī)上有煤時(shí)圖像Fig.2 Image of coal on belt conveyor collected by coal mine

3.2 圖像預(yù)處理

由于煤礦井下環(huán)境光復(fù)雜，采集到的圖像噪音較大，需要進(jìn)行圖像預(yù)處理，來凸顯皮帶上激光輪廓抑制背景噪音。設(shè)計(jì)預(yù)處理主要是通過圖像灰度化、圖像濾波和圖像二值化去除環(huán)境噪音。

3.2.1 圖像噪音的處理

圖像濾波是為了在抑制圖像中的噪音的同時(shí)可以保證圖像細(xì)節(jié)特征，濾波處理效果的好壞對(duì)后續(xù)圖像處理的有效性有直接的影響。根據(jù)采集的圖像特點(diǎn)，可以選擇均值濾波、中值濾波等。雖然中值濾波可以在消除圖像噪音的同時(shí)可以保留清晰的邊緣特征，但是會(huì)導(dǎo)致邊緣存在斷線，不利于后續(xù)的特征采集。均值濾波雖然會(huì)使濾波后的圖像邊緣模糊，但是經(jīng)過試驗(yàn)，驗(yàn)證使用5×5像素的模板對(duì)圖像進(jìn)行均值濾波，圖像噪音處理效果與產(chǎn)生的邊緣模糊在本設(shè)計(jì)中可以接受，濾波平滑后圖像如圖3所示。

圖3 濾波圖像Fig.3 Filtered image

3.2.2 通過灰度化增強(qiáng)圖像特征

RGB彩色圖像通常由3個(gè)通道的數(shù)值疊加而成，即紅(R)、黃(G)、藍(lán)(B)的顏色，每個(gè)通道都記錄著不同像素的亮度值[5],3個(gè)通道分為256階亮度，取值范圍為0～255。當(dāng)3個(gè)通道的值為0時(shí)，該像素點(diǎn)表現(xiàn)為黑色; 當(dāng)3個(gè)通道為的值255時(shí)，表現(xiàn)為白色;當(dāng)3個(gè)通道值相同時(shí)，則圖像變?yōu)榛疑?，這時(shí)整幅圖像中每個(gè)像素的亮度信息可由 R、G、B 中任何一個(gè)的值代表。圖像灰度化，就是將彩色圖像R、G、B這3個(gè)通道的亮度值組合為一個(gè)亮度值，稱為灰度值，并用這一亮度值反映出圖像的信息。常用的圖像灰度化方法有：分量法、最大值法、平均值法、加權(quán)平均法。加權(quán)平均法主要是根據(jù)重要性，分別賦予3個(gè)分量不同的權(quán)重進(jìn)行加權(quán)平均，得出的平均值作為灰度值，表達(dá)如式(1)所示。

(1)

式中:f(i,j)為圖像中像素點(diǎn)(i,j)經(jīng)過灰度化后得到的結(jié)果;R(i,j)、G(i,j)、B(i,j)分別為像素點(diǎn)(i,j)中R、G、B分量的值;XR、XG、XB分別為3個(gè)分量所占的權(quán)重。

通過對(duì)3通道進(jìn)行分離，觀察每個(gè)通道的圖像如圖4所示，因?yàn)椴捎玫募t色激光所以R通道圖像中激光線對(duì)比度最高，而通道G和通道B對(duì)比度較低，本文選取加權(quán)平均法，提高式(1)中XR降低XG，XB，進(jìn)行灰度化處理，灰度圖像如圖5所示。

圖4 3通道分離圖像Fig.4 Three-channel separated image

圖5 灰度圖像Fig.5 Grayscale image

3.2.3 二值化提取圖像信息

圖像的二值化[6]就是通過設(shè)定閾值T，當(dāng)像素高于閾值時(shí)就會(huì)被賦予255的像素值，而低于閾值像素值就被賦予0。因此二值化處理需要選擇合適的閾值，理想的閾值可以有效地抑制噪聲，凸顯圖像特征，同時(shí)可以提高后期圖像處理速度。二值化后的圖像只存在兩個(gè)像素，可以更好地凸顯圖像中目標(biāo)和去除背景的噪音。

由于帶速原因每幅圖片處理間隔短，因此短時(shí)間內(nèi)需要處理的圖像數(shù)量較為龐大，而每一幅圖像由于井下環(huán)境閾值的選定也不一樣，因此本文選擇自動(dòng)計(jì)算閾值的算法。自動(dòng)計(jì)算閾值的算法主要有雙峰法、迭代法、最大熵值法、最大類間方差法等[7～9]。

本文對(duì)圖像采用4種方法分別對(duì)圖像進(jìn)行二值化，如圖6所示，由此可以觀察得出雙峰法與迭代法處理效果不理想，存在斷線，而最大熵值法與最大類方間法處理效果理想。從實(shí)際皮帶運(yùn)行速度需求的角度出發(fā)，對(duì)最大類方間法與最大熵值法進(jìn)行了運(yùn)算時(shí)間的對(duì)比，對(duì)50幅皮帶上煤量圖像進(jìn)行測(cè)試，發(fā)現(xiàn)最大熵值法平均每一幅圖像處理速度為25 ms，而最大類方間法的平均處理速度為16 ms，因此本文選取最大類方間法進(jìn)行圖像的閾值劃分，生成二值化圖像，在保證處理效果的基礎(chǔ)上提高處理速度。

圖6 二值化圖像Fig.6 Binary image

3.3 骨架提取與圖像的膨脹

3.3.1 骨架提取

骨架提取能夠使圖像降維,且能夠保持原圖像相同的拓?fù)浣Y(jié)構(gòu),存于對(duì)稱軸上,減少干擾信息。對(duì)于圖像本身來說,它的整體框架和邊界信息能夠被保存下來。本文選擇文獻(xiàn)[10,11]中所述并行算法進(jìn)行細(xì)化，該并行算法對(duì)目標(biāo)圖像重復(fù)進(jìn)行2步細(xì)化，刪除不滿足要求的點(diǎn)，保證骨架在目標(biāo)圖像中心線上, 且計(jì)算快速，細(xì)化連續(xù)性好，對(duì)二值圖像無特殊要求，具有通用性。二值圖像進(jìn)行細(xì)化，定義P1像素點(diǎn)8個(gè)方向相鄰域如圖7所示，P2～P9為P1的8鄰域像素點(diǎn)。N(P1)為P1的非零鄰點(diǎn)個(gè)數(shù);A(P1)為以P2,P3,…,P9為序時(shí)這些點(diǎn)的值從0到1變化次數(shù)。。

圖7 像素點(diǎn)P1的8鄰域Fig.7 Eight Neighborhoods of Pixel Point P1

假設(shè)前景像素點(diǎn)為1，背景像素點(diǎn)為0，P1作為當(dāng)前像素點(diǎn)。

1) 對(duì)圖像所有像素點(diǎn)進(jìn)行掃描，刪除同時(shí)符合式(2)所示條件的像素點(diǎn):

(2)

2) 修改步驟1)后2個(gè)條件為:

(3)

然后進(jìn)行第2次掃描，刪除滿足這4個(gè)條件的像素點(diǎn)。通過以上2個(gè)步驟對(duì)圖像重復(fù)掃面刪除，直至沒有像素點(diǎn)被刪除為止，得到最終的細(xì)化圖像。但是通過Zhang并行細(xì)化算法處理后的圖像，存在毛刺影響后續(xù)處理，處理效果如圖8所示，骨架提取圖像中毛刺放大如圖9所示，因此本文采取圖像膨脹減少此現(xiàn)象。

圖9 骨架提取圖像中毛刺放大圖Fig.9 Burr magnification in skeleton extraction image

圖8 骨架提取Fig.8 Skeleton extraction

3.3.2 圖像的膨脹

本文通過圖像膨脹對(duì)二值化圖像進(jìn)行處理，再使用Zhang并行算法進(jìn)行骨架細(xì)化提取，可以有效的減少骨架提取后圖像中毛刺，提高算法精度，同時(shí)使激光線圖像更加平滑，提高圖像邊界識(shí)別精度和圖像處理速度。膨脹就是進(jìn)行圖像擴(kuò)張，將圖像中的高亮區(qū)域進(jìn)行放大，其運(yùn)行結(jié)果比原圖的高亮區(qū)域更大。通過結(jié)構(gòu)元素C處理圖像D使之膨脹。膨脹運(yùn)算的定義為:

C⊕D={x|(DV)x∩X≠?}

(4)

膨脹運(yùn)算的含義是：對(duì)結(jié)構(gòu)元素C進(jìn)行關(guān)于其原點(diǎn)的反射得到反射合集C,然后在目標(biāo)圖像X上將C平移x，則反射合集C平移后與目標(biāo)圖像X至少有一個(gè)非零公共元素相交時(shí)，對(duì)應(yīng)的原點(diǎn)位置所組成的集合就是膨脹運(yùn)算的結(jié)果。通過觀察經(jīng)過圖像膨脹然后進(jìn)行骨架提取的激光線處理圖10與直接進(jìn)行骨架提取的激光線圖像圖8，經(jīng)過膨脹后的圖像進(jìn)行骨架提取后圖像中毛刺現(xiàn)象減少，該處理效果本文設(shè)計(jì)能夠接受。

圖10 經(jīng)過膨脹后進(jìn)行圖像骨架提取Fig.10 Image skeleton extraction after expansion

4 煤輪廓圖像與實(shí)際煤量計(jì)量

4.1 煤輪廓圖像

經(jīng)過圖像處理后，得出皮帶上有煤時(shí)圖像，提取到無煤空載時(shí)刻的基線如圖11所示。

圖11 無煤皮帶激光線處理后Fig.11 Coal-free belt laser processing

將皮帶上實(shí)時(shí)激光線處理后的圖像與空載時(shí)基線的圖像進(jìn)行對(duì)比，形成皮帶上某一時(shí)刻的煤輪廓圖如圖12所示，并對(duì)輪廓圖進(jìn)行分割與充填如圖13所示，該圖像為二值圖像，只存在白色像素點(diǎn)(像素為255的點(diǎn))與黑色像素點(diǎn)(像素為0的點(diǎn))，然后使用OpenCV中的contourArea()函數(shù)統(tǒng)計(jì)圖像中像素為255的像素點(diǎn)，就可以計(jì)算出輪廓填充后的面積尺寸，即為煤炭截面積的像素尺寸。

圖12 皮帶上煤輪廓圖像Fig.12 Coal profile image on belt

圖13 煤輪廓充填圖像Fig.13 Coal contour filling image

4.2 像素尺寸與實(shí)際尺寸的轉(zhuǎn)換

通過圖像分析算法，所得到有煤與無煤時(shí)激光線對(duì)比形成的封閉面積以及幾何特征量都是以像素尺寸來表示，因此在計(jì)算實(shí)際尺寸時(shí)需要知道每個(gè)像素所代表的實(shí)際值。在相機(jī)鏡頭與物體距離固定的情況下，物體的實(shí)際面積與計(jì)算面積存在一定的函數(shù)關(guān)系，本文作者通過使用黑色白色相間的100 mm×100 mm硬紙板作為標(biāo)定物，在保持與巷道同樣光線昏暗復(fù)雜的環(huán)境下，使用相同相機(jī)，距離硬紙板1000mm處進(jìn)行采集圖像，然后連續(xù)取樣100幅，經(jīng)過本文算法進(jìn)行圖像處理得到每次采樣的硬紙板所包含像素量，計(jì)算出圖像(像素)面積Ns與煤流截面積As之間函數(shù)關(guān)系：

As=σNs

(5)

式中σ為關(guān)系系數(shù)。

3.3 皮帶上煤體積的計(jì)量

(6)

5 體積測(cè)量精度與穩(wěn)定性的檢測(cè)

系統(tǒng)對(duì)參數(shù)檢測(cè)的穩(wěn)定性，是測(cè)量結(jié)果可信程度的重要依據(jù)，為了驗(yàn)證本文算法是否滿足煤礦井下皮帶機(jī)實(shí)際工況需求，采用實(shí)物進(jìn)行實(shí)驗(yàn)，在皮帶機(jī)不同帶速下進(jìn)行測(cè)量，同時(shí)驗(yàn)證此算法是否可以作為皮帶機(jī)調(diào)速的基準(zhǔn)。

通過對(duì)不同帶速下進(jìn)行測(cè)量，并運(yùn)行設(shè)備1 h，通過本文算法采集在1 h內(nèi)的皮帶上煤量體積數(shù)值，與通過排水法[12]測(cè)量得到的實(shí)際煤量進(jìn)行對(duì)比，數(shù)據(jù)如表1所示。

由表1可知隨著皮帶速度的提升，測(cè)量誤差越大，其中最大誤差為4.2%，滿足目前煤炭動(dòng)態(tài)計(jì)量領(lǐng)域大約5%測(cè)量誤差要求。

表1 體積計(jì)量結(jié)果Tab.1 Volume measurement results

6 結(jié) 論

本文通過圖像處理技術(shù)計(jì)量皮帶機(jī)實(shí)時(shí)煤量，根據(jù)激光線在煤流面上的形變特性，通過皮帶機(jī)空載與實(shí)時(shí)的線激光圖像之間的深度信息計(jì)算煤量。實(shí)驗(yàn)結(jié)果證明：該方法測(cè)量最大誤差為4.2%，滿足實(shí)際生產(chǎn)需求。該方法應(yīng)用到實(shí)際生產(chǎn)中，可以實(shí)現(xiàn)煤體積量的實(shí)時(shí)計(jì)量，同時(shí)為實(shí)現(xiàn)皮帶機(jī)調(diào)速控制提供了基礎(chǔ)信息。