過煤量激光圖像智能監(jiān)測技術(shù)研究

楊光耀，毛開江，胡而已，，李夢雅

(1.陜煤集團榆北煤業(yè)小保當?shù)V業(yè)有限公司，陜西省榆林市，719300；2.應(yīng)急管理部信息研究院，北京市朝陽區(qū)，100029；3.中國礦業(yè)大學機電工程學院，江蘇省徐州市，221116)

0 引言

帶式輸送機承擔著礦井原煤輸送的重要任務(wù)，作為煤礦主運輸系統(tǒng)的關(guān)鍵裝備，其運行狀態(tài)和運量監(jiān)測對煤礦安全高效生產(chǎn)具有重要意義[1]。近年來，隨著煤礦智能化建設(shè)的不斷推進，主運輸系統(tǒng)智能化、無人化已成為未來技術(shù)發(fā)展的主流方向，為了實現(xiàn)帶式輸送機的狀態(tài)智能感知和運速精準調(diào)控，需要對其運輸過煤量進行實時監(jiān)測[2]，從而最大限度地避免帶式輸送機過載或空轉(zhuǎn)，做到多拉快跑、節(jié)能降耗。目前，國內(nèi)外學者針對這一問題已開展了部分基礎(chǔ)性研究[3]，但由于煤礦井下極端惡劣的工況條件，給帶式輸送機過煤量精準監(jiān)測帶來了巨大挑戰(zhàn)。

李紅偉[4]測量了主運輸煤流的寬和高這2個參數(shù)，在滿足精度的前提下使檢測方法簡單、穩(wěn)定。陳湘源[5]設(shè)計了一種基于超聲波的帶式輸送機多點煤流量監(jiān)測系統(tǒng)，利用超聲波傳感器獲取帶式輸送機高速運行下的煤高、煤堆截面積等參數(shù)信息。楊育坤[6]提出了一種基于激光測距原理的帶式輸送機煤流量檢測的設(shè)計方案，利用激光測距儀采集輸送帶表面和煤流的橫向輪廓數(shù)據(jù)，并實時計算煤流量。郭偉東等研究人員[7]提出了一種基于機器視覺的礦井輸煤系統(tǒng)優(yōu)化節(jié)能控制方法，利用實時煤流圖像來獲得瞬時煤流量。代偉等研究人員[8]利用小波變換和K-means算法分別對煤炭圖像進行增強和分割，然后通過Delaunay算法與T-S模糊推理算法計算出煤流相關(guān)信息。李克偉[9]基于激光三角測距原理對煤量測量進行了相關(guān)研究，開發(fā)了煤量測量算法。Schoch[10]設(shè)計了一種新型的基于激光三角測量的坐標測量系統(tǒng)，能夠?qū)?fù)雜形狀零件在高溫下進行整體三維測量。

綜上所述，目前針對煤流量測量的研究中涉及激光圖像處理的研究相對較少，本文采用直射式激光三角測量原理，進行了激光過煤量監(jiān)測圖像處理算法研究，并通過提前對采集的圖像進行清晰度評價，提高測量精度。

1 激光直射測量原理

激光發(fā)射器固定在被測物體正上方，激光線垂直投射于被測物體表面，相機則固定在斜上方與激光器成一定夾角。激光器射出的光線遇到被測物體反射到相機的圖像傳感器上，圖像傳感器上光點的位置與被測物體高度具有唯一的對應(yīng)關(guān)系。由幾何光學關(guān)系可知，根據(jù)圖像傳感器上光點移動的距離便可得到被測物體的深度信息。直射式激光三角測量原理如圖1所示。

圖1 直射式激光三角測量原理

圖1中，CA為激光線的入射光路，β為入射光CA與反射光AB之間的夾角，該夾角可由角度傳感器測得；h表示三維坐標系下被測物體的實際高度；H表示鏡頭中心與載物參考面之間的垂直距離；相機光軸與圖像傳感器交于O1點，OO1表示CCD相機成像中心與鏡頭之間的距離；O1C1表示CCD相機成像平面上激光點相對于基準參考圖像的光斑偏移距離，D點為C點相對OA直線的垂足點。

根據(jù)三角形相似原理，可知△BOC～ △O1OC1，則待測物體表面的激光光斑點C距離鏡頭軸線的垂直距離見式(1)：

(1)

式中：OD——垂足點D距離鏡頭的距離，m；

OA——參考平面上的激光光斑點A距離鏡頭的距離，m；

DA——垂足點D距離參考平面上激光光斑點A的距離，m。

在△ACD中，設(shè)被測物體實際高度AC=h，則有DC=h·sinβ，同理可得DA=h·sinβ。

(2)

2 實驗系統(tǒng)設(shè)計

2.1 實驗系統(tǒng)整體架構(gòu)

實驗系統(tǒng)由硬件和軟件組成，硬件主要包括相機、鏡頭、激光器等；軟件主要包括圖像處理、參數(shù)測量等?；谝曈X原理進行堆煤參數(shù)實驗測量系統(tǒng)的整體設(shè)計，設(shè)計方案框架如圖2所示。

圖2 實驗測量系統(tǒng)設(shè)計方案框架

為了保證系統(tǒng)的安全性，需要將視覺測量系統(tǒng)置于密閉性較好的隔爆殼中。相機和激光器分別固定在型材骨架的移動機構(gòu)和旋轉(zhuǎn)機構(gòu)上，便于調(diào)整相機與激光器之間的距離和激光器相對于豎直平面的角度。因?qū)嶒炇噎h(huán)境無需防爆，同時為方便實驗測量，去除防爆箱體，并采用支架代替懸掛裝置。選擇加工公司進行實驗臺架加工，最終搭建的實驗測量系統(tǒng)裝置如圖3所示。

圖3 實驗測量系統(tǒng)裝置

2.2 圖像采集裝置選型

相機的傳感器類型、數(shù)據(jù)接口、分辨率和鏡頭的焦距、光圈、景深等參數(shù)均會影響煤流參數(shù)測量的精度[11-12]。相機的傳感器類型主要有CCD與CMOS這2種，這2種傳感器各有優(yōu)點。其中，CCD相機的噪聲系數(shù)低、填充系數(shù)高，而CMOS相機的結(jié)構(gòu)簡單、數(shù)據(jù)傳輸快、讀取速度快、動態(tài)范圍大。工業(yè)相機常用的數(shù)據(jù)接口主要有GigE與USB 3.0，USB 3.0接口的相機數(shù)據(jù)傳輸速率可以達到5 Gbps，是GigE的4倍，且無需外加輔助設(shè)備，成本低、效率高。

本文研究對象為帶式輸送機上動態(tài)煤流，為了能夠更快地處理和傳輸數(shù)據(jù)，提高處理效率與檢測精度，選用CMOS傳感器、USB 3.0數(shù)據(jù)傳輸接口的相機更為合理。另外，相機分辨率越高，像素越密集、圖像越清晰、檢測精度也越高，但同時價格也更昂貴，成本更高。光學鏡頭的焦距是指鏡頭的光學中心到成像面焦點的距離，是鏡頭選型最為重要的參數(shù)指標，可根據(jù)工作距離、視角確定，但鏡頭失真現(xiàn)象隨著焦距的減小而增大，特別針對本研究中存在圖像測量工作，失真現(xiàn)象越小越好，因此不考慮選擇小于8 mm的小焦距鏡頭。

本文選擇研究運輸過程中帶式輸送機上的堆煤參數(shù)，實驗用帶式輸送機寬為80 cm，高為50～70 cm。綜合本文視覺測量系統(tǒng)需要完成對帶式輸送機上煤堆輪廓方面測量的具體情況，并根據(jù)上述硬件選型依據(jù)，選用了CMOS傳感器類型、USB3.0數(shù)據(jù)傳輸接口、分辨率為1920×1200像素的MER-230-168U3M/C面陣相機和焦距為12.5 mm、最大光圈比為1∶1.4、光圈系數(shù)可調(diào)范圍為f1.4～f16的V1214-MP鏡頭進行組合。

2.3 激光光源選型

選用合適的照明裝置是機器視覺測量系統(tǒng)的重要一步，視覺系統(tǒng)中常用的光源及其相關(guān)特性[13]見表1。

由表1可以看出，激光光源的方向性強、亮度高、平均壽命長等特點適合用于煤礦井下復(fù)雜環(huán)境。因此，本文選擇24 V的SL-660-130-S-C-45激光器作為此視覺測量系統(tǒng)的光源，其波長為660 nm。

表1 常用的光源及其相關(guān)特性

2.4 實驗系統(tǒng)軟件設(shè)計

在機器視覺的圖像處理領(lǐng)域，軟件系統(tǒng)的運行穩(wěn)定性、執(zhí)行效率、開發(fā)周期至關(guān)重要。其中，HALCON是被廣泛使用的機器視覺軟件，它提供了一些助手和可視工具以及編程提示，具有使編程和修改變得容易、開發(fā)周期短、開發(fā)成本低、穩(wěn)定性好、支持多種操作系統(tǒng)和多種編程語言等特點?；诒疚牡男枨?，軟件平臺采用HALCON算法庫進行圖像處理，利用VS2010對帶式輸送機參數(shù)的實時監(jiān)測進行人機交互界面設(shè)計。

3 激光圖像處理技術(shù)

3.1 圖像清晰度評價

在實驗過程中，由于光照不均勻等因素的影響，使得采集到的圖像質(zhì)量也好壞不一，為了提高測量精度，在進行測量前需要對采集圖片進行清晰度評價[14]。

由于清晰的聚焦圖像比模糊的離焦圖像中特征邊緣更銳利、邊緣像素的灰度變化更大，因此具有更大的梯度值，那么可以基于梯度對圖像進行清晰度評價，常見的梯度函數(shù)有EOG能量梯度函數(shù)、Tenengrad函數(shù)、Variance方差函數(shù)、拉普拉斯Laplace函數(shù)等。另外，可以將空域中的圖像轉(zhuǎn)換為頻域進行清晰度評價，頻域可以更方便地分析圖像頻率分布信息，其中DCT離散余弦變換函數(shù)是常用函數(shù)之一。基于信息熵也可構(gòu)造清晰度評價函數(shù)，因為聚焦圖像中的像素灰度分布多樣性更大，像素灰度值分布的區(qū)間更廣，即熵值更大，常用函數(shù)為entory函數(shù)?；诮y(tǒng)計學的清晰度評價函數(shù)有Range函數(shù)，是基于灰度直方圖中灰度帶的變化大小進行統(tǒng)計學分析，最終反映出圖像清晰度。

為了選擇最優(yōu)的清晰度評價函數(shù)，隨機選擇采集圖像中的9幅，通過上述7種圖像清晰度評價函數(shù)對這9幅圖像進行評價，不同函數(shù)清晰度評價結(jié)果如圖4所示，不同函數(shù)清晰度評價均值見表2。

圖4 不同函數(shù)清晰度評價結(jié)果

表2 不同函數(shù)清晰度評價均值

如圖4所示，采用Laplace函數(shù)、DCT函數(shù)和Range函數(shù)進行圖像清晰度計算的結(jié)果偏差較小、靈敏度較高。又根據(jù)表2中不同函數(shù)清晰度評價均值可知，Range函數(shù)比其他清晰度評價函數(shù)的歸一化均值都大。針對本研究的圖像模型，在7種不同的圖像清晰度評價函數(shù)中，Range函數(shù)的單峰性最好，歸一化均值最大，無偏性與靈敏度也較高，是最優(yōu)的圖像清晰度評價函數(shù)。此外，在實際計算過程中Range函數(shù)也最為簡單。綜上所述，采用Range函數(shù)對采集的所有圖像進行圖像清晰度評價。根據(jù)最終評價結(jié)果選擇最優(yōu)幀圖像進行煤流截面輪廓的測量，最優(yōu)幀圖像如圖5所示。

圖5 最優(yōu)幀圖像

3.2 圖像預(yù)處理

煤礦井下復(fù)雜的工作環(huán)境會對工業(yè)相機拍攝的照片帶來嚴重噪聲，這會嚴重影響煤堆截面激光線輪廓的清晰度，因此需要對采集的圖像進行濾波去除由環(huán)境等因素造成的模糊，提高圖像的抗干擾能力。中值濾波是一種能夠有效抑制噪聲的非線性處理技術(shù)，可以有效消除圖像中的孤立點。 濾波后圖像直方圖中的灰度值主要集中在低亮度級的一個窄區(qū)域，這對于圖像的邊緣檢測以及特征提取是及其不利的。為了提高圖像對比度，加快圖像處理的效率和提高測量精度，還需要對圖像進行圖像增強。

4 煤流截面輪廓計算

4.1 激光條紋有效區(qū)域分割

為了提高激光中心線的提取精度和效率，需要分割出包含激光中心線的有效區(qū)域，其中邊緣檢測和閾值分割是有效區(qū)域分割兩個關(guān)鍵步驟。目前，John Canny[15]提出的一種新的邊緣檢測算子被廣泛使用于圖像的邊緣檢測，通過HALCON算法庫中edges_sub_pix()算子可以實現(xiàn)，獲取的煤堆上激光線輪廓邊緣如圖6所示。

圖6 激光線輪廓邊緣

采用threshold()算子進行閾值分割，將背景與目標分離，由于光照等因素的影響使目標區(qū)域中夾雜著一些無用信息，因此需要使用connection()算子將一幅圖像分割成一組任意的、不相連的區(qū)域，然后基于區(qū)域橫縱坐標等因素剔除無效背景，僅留下激光線所在的有效區(qū)域，并通過Union1()算子合并區(qū)域，圖像分割最終效果如圖7所示。

圖7 圖像分割最終效果

4.2 激光中心線提取

采用常用的灰度重心法、Hessian矩陣法和區(qū)域骨架法這3種不同方法，分別進行中心線提取，每一種激光條紋中心線的提取算法各有利弊，考察每種算法的提取速度、提取精度、復(fù)雜度、方向性等特點，對其不同算法進行總結(jié)對比，對比結(jié)果見表3。

從表3可以看出，灰度重心法和Hessian矩陣法提取條紋中心線都比較復(fù)雜，并且灰度重心法的方向性和斷點擬合效果都比較差；Hessian矩陣法由于復(fù)雜度的影響，導(dǎo)致中心線提取的效率較低，且會丟失部分激光線的細節(jié)；區(qū)域骨架法提取激光中心線精度和效率都比較高，且算法較為簡單，因此本文采用區(qū)域骨架法來提取激光中心線。

表3 不同中心線提取結(jié)果對比

4.3 條紋斷線修補

基于區(qū)域骨架的提取算法因環(huán)境和煤塊自身特征等因素，使得打在煤堆上的激光線不可避免地發(fā)生斷裂，因此需要對斷裂處進行修補。采用三次樣條插值法和形態(tài)學處理法2種方法進行斷點修補的效果如圖8所示。

由圖8可以看出，基于形態(tài)學處理的算法很好地擬合了激光中心線的斷裂，且不改變激光條紋形狀，并兼顧了測量精度，因此本文采用形態(tài)學處理法來進行斷點修補。

圖8 不同方法斷點修補的效果

5 煤流量實驗測量

基于上述圖像處理算法和實驗系統(tǒng)布置，通過圖像系統(tǒng)獲取在帶式輸送機空轉(zhuǎn)下的激光中心線作為基準線，然后在帶式輸送機上放置煤樣并進行圖像實時采集，獲取不同幀下煤堆的中心線，并顯示在一張界面上構(gòu)成封閉圖形，堆煤輪廓線如圖9所示。

圖9 堆煤輪廓線

在實驗室環(huán)境中對帶式輸送機上堆放不同數(shù)量的煤堆分別進行三維形貌的重建，煤流輪廓三維重建效果如圖10所示。

圖10 煤流輪廓三維重建效果

由圖10可以看出，帶式輸送機上煤堆的三維重建結(jié)果和煤塊顆粒大小、煤塊顆粒的梯度以及煤塊間的間隙有關(guān)，若煤塊的梯度較大或者煤塊顆粒間的間隙較大，重建的三維輪廓無法形成無斷裂的煤堆形狀包絡(luò)線。

6 結(jié)語

基于激光三角法原理開展了煤堆截面輪廓的在線測量，取得的進展如下。

(1)根據(jù)視覺測量原理和實際工況設(shè)計了煤流多參數(shù)在線測量系統(tǒng)，針對煤堆輪廓圖像進行預(yù)處理提高圖像的對比度。

(2)針對圖像增強后的煤堆輪廓圖像進行了有效區(qū)域的分割和中心線提取操作，提高了激光中心線的提取效率。

(3)針對中心線提取過程中存在的斷裂現(xiàn)象，進行了不同的斷線修補操作，發(fā)現(xiàn)形態(tài)學處理法進行激光線斷點連接不改變激光條紋細節(jié)且擬合完整。