基于圖像處理技術(shù)的輸送帶跑偏移動監(jiān)測系統(tǒng)設(shè)計

張 飛，朱 鋒，田圣彬，葛 陽

洛陽中重自動化工程有限責(zé)任公司 河南洛陽 471039

帶式輸送機作為一種常用的連續(xù)運輸設(shè)備，具有結(jié)構(gòu)簡單、功耗低、運行時間長和輸送距離遠(yuǎn)等優(yōu)點，廣泛應(yīng)用于煤礦井和港口等行業(yè)[1]。然而，帶式輸送機在實際使用過程中，往往會因為安裝誤差、輸送帶松弛、運行振動、滾筒或托輥粘料，以及輸送帶上物料分布不均等因素導(dǎo)致輸送帶跑偏[2]，如果不能及時處理會造成物料拋灑浪費，同時污染環(huán)境，嚴(yán)重時甚至導(dǎo)致輸送帶和滾筒損壞，直接影響輸送設(shè)備的使用壽命和效率；而且檢修也會造成人工和時間成本的浪費，降低了帶式輸送機的運行效率[3]。因此，輸送帶跑偏監(jiān)測技術(shù)對保障帶式輸送機高效和安全運行尤為重要。

1 現(xiàn)有輸送帶跑偏監(jiān)測技術(shù)

目前，輸送帶跑偏監(jiān)測技術(shù)往往是采用近距離的傳感器檢測設(shè)備，比如在托輥上安裝一套輸送帶跑偏檢測的接近開關(guān)，當(dāng)發(fā)生輸送帶跑偏時，檢測設(shè)備發(fā)出異常信號，檢修人員根據(jù)信號的位置對設(shè)備進行檢修和維護[4]。雖然這種傳統(tǒng)的檢測技術(shù)具有較高的靈敏度，但需要在每個托輥上安裝相應(yīng)的檢測設(shè)備，一條線上往往需要大量的檢測設(shè)備連接在一起，工作量大且后期維護成本較高[5]，而且當(dāng)檢測設(shè)備存在安裝誤差或者長時間未校準(zhǔn)時，還容易與輸送帶發(fā)生摩擦，導(dǎo)致設(shè)備損壞而無法正常工作，同時也會造成輸送帶損傷導(dǎo)致生產(chǎn)效率降低[6]。因此，針對上述輸送帶跑偏監(jiān)測技術(shù)存在的問題，急需一種全新的輸送帶跑偏監(jiān)測技術(shù)，能夠在線實時監(jiān)測帶式輸送機工作時輸送帶的運行狀態(tài)，對輸送帶可能出現(xiàn)的跑偏問題進行預(yù)警和提示，這將對帶式輸送機安全、高效、穩(wěn)定運行具有重大意義。

針對輸送帶跑偏的監(jiān)測問題，國內(nèi)外學(xué)者在監(jiān)測系統(tǒng)設(shè)計方面有采用計算機視覺和統(tǒng)計學(xué)方法，對輸送帶進行實時監(jiān)測，實現(xiàn)了輸送帶運行狀態(tài)的實時監(jiān)測[7]；也有采用圖像處理技術(shù)解決輸送帶跑偏的監(jiān)測問題，可有效降低事故發(fā)生率[8]。

筆者針對帶式輸送機的輸送帶跑偏問題，提出基于圖像處理技術(shù)，采用移動式線纜機器人搭載網(wǎng)絡(luò)相機，對輸送帶的運行狀態(tài)進行實時移動監(jiān)測，通過遠(yuǎn)程圖像處理技術(shù)判斷輸送帶的運行狀態(tài)，對輸送帶跑偏和可能發(fā)生的跑偏進行監(jiān)測和預(yù)警。該監(jiān)測系統(tǒng)能節(jié)省設(shè)備、人工、時間和后期維護成本，同時提高監(jiān)測效率，保障帶式輸送機能夠安全高效地穩(wěn)定運行，從而提高帶式輸送機的工作效率。

2 輸送帶跑偏監(jiān)測系統(tǒng)的組成

輸送帶跑偏監(jiān)測系統(tǒng)主要由移動式線纜機器人、網(wǎng)絡(luò)監(jiān)控相機和圖像處理主機組成。其中移動式線纜機器人由運動機構(gòu)模塊、控制系統(tǒng)與電池模塊以及光電吊艙模塊組成，如圖 1 所示。運動機構(gòu)模塊包含驅(qū)動電動機和滑輪，通過驅(qū)動電動機使機器人在鋼纜上移動；控制系統(tǒng)主要對機器人的運動進行控制，對視頻圖像信號進行轉(zhuǎn)發(fā)和處理，而電池模塊為電動機和網(wǎng)絡(luò)監(jiān)控相機提供電源動力；光電吊艙模塊搭載網(wǎng)絡(luò)監(jiān)控相機（主要包含可見光相機和紅外相機），對帶式輸送機進行圖像采集，通過三軸伺服云臺按需調(diào)整圖像采集的角度，通過圖像處理主機對采集到的圖像進行處理，分析判斷輸送帶的運行狀態(tài)。該輸送帶跑偏監(jiān)測系統(tǒng)的具體指標(biāo)參數(shù)如表 1 所列。

圖1 移動式線纜機器人Fig.1 Mobile cabled robot

表1 系統(tǒng)指標(biāo)參數(shù)Tab.1 Index parameters of system

3 技術(shù)路線

輸送帶跑偏監(jiān)測系統(tǒng)的技術(shù)路線如圖 2 所示。系統(tǒng)根據(jù)帶式輸送機的實際布置情況安裝線纜和移動式線纜機器人，然后對機器人光電吊艙模塊中的網(wǎng)絡(luò)監(jiān)控相機進行位置標(biāo)定，同時設(shè)定輸送帶跑偏分析的閾值，再利用網(wǎng)絡(luò)監(jiān)控相機對輸送帶的運行狀態(tài)進行實時監(jiān)測，形成視頻文件數(shù)據(jù)，并將數(shù)據(jù)發(fā)送到圖像處理主機，圖像處理主機進行實時的圖像處理和輸送帶跑偏分析，并將分析處理結(jié)果與輸送帶跑偏閾值進行對比，判斷是否需要發(fā)出預(yù)警信息，最后將結(jié)果反饋到顯示設(shè)備上。輸送帶跑偏監(jiān)測系統(tǒng)界面如圖 3 所示。

圖2 輸送帶跑偏監(jiān)測系統(tǒng)的技術(shù)路線Fig.2 Technological roadmap of belt deviation monitoring system

圖3 輸送帶跑偏監(jiān)測系統(tǒng)Fig.3 Belt deviation monitoring system

4 系統(tǒng)實現(xiàn)

4.1 相機位置標(biāo)定及輸送帶跑偏閾值設(shè)置

網(wǎng)絡(luò)監(jiān)控相機位置的準(zhǔn)確性直接影響到輸送帶運行狀態(tài)的判斷，因此位置標(biāo)定是該監(jiān)測系統(tǒng)的基礎(chǔ)。通過網(wǎng)絡(luò)監(jiān)控相機的位置標(biāo)定（從三維空間轉(zhuǎn)換為二維圖像上的投影關(guān)系），獲取輸送帶狀態(tài)在圖像中的像素距離與實際距離，根據(jù)預(yù)先設(shè)定的輸送帶跑偏閾值判斷輸送帶的運行狀態(tài)，該閾值與輸送帶實際正常工作狀態(tài)相關(guān)，可根據(jù)實際情況進行設(shè)置和調(diào)整。

4.2 圖像采集和數(shù)據(jù)發(fā)送

圖像采集和數(shù)據(jù)發(fā)送均由移動式線纜機器人完成，通過網(wǎng)絡(luò)監(jiān)控相機進行圖像采集，然后控制模塊將采集到的圖像數(shù)據(jù)發(fā)送到圖像處理主機。

4.3 圖像處理

圖像處理是輸送帶跑偏監(jiān)測系統(tǒng)的關(guān)鍵技術(shù)，主要包括圖像濾波和輪廓提取。網(wǎng)絡(luò)監(jiān)控相機采集到的輸送帶運行圖像通常存在一些干擾因素，容易造成關(guān)鍵特征淹沒，影響輸送帶等特征輪廓的提取，因此需要對采集到的圖像進行濾波處理。在濾波處理之前，為了更好地獲取輸送帶等目標(biāo)的位置信息，還需要對采集到的圖像進行幾何變換，其過程主要包括圖像平移、鏡像、轉(zhuǎn)置、縮放、旋轉(zhuǎn)和 ROI 位置的提取。圖像濾波過程主要采用中值濾波，通過非線性的方法將圖像中平滑脈沖噪聲濾除，主要實現(xiàn)方法為利用鄰域的中值代替圖像中某像素點的灰度值，其函數(shù)定義為[9]

式中：g（x，y）為某點灰度值；m為鄰域點的個數(shù)；f（x，y）為某鄰域點的灰度值。

筆者采用改進的基于典型區(qū)域顯著性檢測模型[10]，該模型通常首先對特征圖像進行區(qū)域劃分，然后對劃分出的區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)逐個進行顯著性檢測，并獲得各個區(qū)域的顯著值，最后依據(jù)顯著值對圖像進行適當(dāng)?shù)娜诤稀Ｔ谔卣魈崛∵^程中，由于深層引導(dǎo)網(wǎng)絡(luò)在圖像處理時對圖像的空間結(jié)構(gòu)特征處理效率較低，可能導(dǎo)致圖像顯著區(qū)域不完整，因此在輪廓提取算法中采用改進深層引導(dǎo)網(wǎng)絡(luò)的顯著檢測算法。該方法主要是在算法中增加嵌入式拓?fù)鋱D，拓?fù)鋱D通過對原始圖像進行加權(quán)分割，在保留圖像原始結(jié)構(gòu)和細(xì)節(jié)的同時，結(jié)合圖像區(qū)域的對比度和空間結(jié)構(gòu)特性，在提取高級語義特征時，通過拓?fù)鋱D體現(xiàn)結(jié)構(gòu)的局部性和完整性，進而引導(dǎo)深層網(wǎng)絡(luò)對圖像的高級語義特征進行提取。深層引導(dǎo)網(wǎng)絡(luò)的低級特征學(xué)習(xí)，可以通過高級特征的引導(dǎo)進行，能有效提高特征學(xué)習(xí)的準(zhǔn)確性和完善性，進而解決了上述深層引導(dǎo)網(wǎng)絡(luò)出現(xiàn)的圖像顯著區(qū)域不完整的問題。

提取拓?fù)鋱D過程首先需要將圖像分割，采用圖像分割法[11]將圖像分割成n個區(qū)域。為了更好地區(qū)分對象，在計算區(qū)域的對比度權(quán)重時需要考慮圖像的空間結(jié)構(gòu)特性，通過空間結(jié)構(gòu)特性優(yōu)化獲得不同的對比度權(quán)重W（x），其函數(shù)表達式為

式中：Dc（x，y）和Ds（x，y）分別為區(qū)域間 Lab 顏色的平均距離和區(qū)域像素間的平均空間距離。

為確保對比度權(quán)重的范圍在 [0，1] 之間，將中心偏差視為全局空間特性，通過式（3）進行歸一化處理，

由于空間位置的不同，需要對計算區(qū)域的絕對空間權(quán)重進行計算，權(quán)重計算方法為

式中：d（x）為圖像中心間歸一化的空間距離；σs2為空間權(quán)重強度參數(shù)，取σs2=0.2。

通過上述公式，可以計算出每個區(qū)域的拓?fù)涮卣麝P(guān)系為

最后對拓?fù)潢P(guān)系進行標(biāo)準(zhǔn)化，范圍為 [0，1]。拓?fù)涮卣鞑捎枚S表達方式，將原始圖像和拓?fù)鋱D同時輸入到卷積神經(jīng)網(wǎng)絡(luò)中，通過拓?fù)鋱D可以保留圖像區(qū)域的結(jié)構(gòu)特性，進而提高了邊緣輪廓的監(jiān)測效率。

4.4 輸送帶跑偏分析

根據(jù)提取到的特征輪廓信息，對托輥最高點線段進行篩選，提取托輥最高點和輸送帶邊沿特征，然后計算輸送帶邊沿與托輥最高點的像素距離（見圖4），通過坐標(biāo)轉(zhuǎn)換為實際距離，計算實際距離與標(biāo)準(zhǔn)正常運行狀態(tài)的距離偏差值，將這個偏差值與提前設(shè)定的閾值進行對比，進而判斷出輸送帶的運行狀態(tài)。在帶式輸送機正常工作過程中，當(dāng)距離偏差值小于閾值時，表明輸送帶運行正常；當(dāng)距離偏差值大于閾值時，則表明輸送帶開始跑偏，同時系統(tǒng)發(fā)出預(yù)警信息。

圖4 輸送帶跑偏分析過程Fig.4 Belt deviation analysis process

5 工程實例

煙臺某貨運港口通過轉(zhuǎn)運帶式輸送機（機長 3 km）將煤礦石從碼頭貨船上轉(zhuǎn)運至堆場。在日常工作過程中，帶式輸送機通常會因為卷筒與托輥粘連物料、卸料時物料在輸送帶上分布不均勻，以及帶式輸送機的異常振動等原因，導(dǎo)致輸送帶發(fā)生跑偏，造成輸送帶上的物料掉落至回程輸送帶上，發(fā)生輸送帶撕裂等嚴(yán)重事故，影響了生產(chǎn)效率。在采用筆者提出的輸送帶跑偏監(jiān)測系統(tǒng)后，通過移動式線纜機器人和圖像處理技術(shù)，對輸送帶的運行狀態(tài)進行實時監(jiān)測和分析，輸送帶跑偏時可及時向系統(tǒng)發(fā)出預(yù)警信息，有效地避免了因輸送帶跑偏造成的生產(chǎn)事故。據(jù)估計，該輸送帶跑偏監(jiān)測系統(tǒng)投入使用后，每年可減少輸送帶更換次數(shù) 2 次，多轉(zhuǎn)運煤礦石 10 萬 t，增加直接經(jīng)濟效益300 萬元。該輸送帶轉(zhuǎn)運現(xiàn)場機器人實時監(jiān)測過程如圖 5 所示，軟件運行界面如圖 6 所示。

圖5 現(xiàn)場機器人實時監(jiān)測過程Fig.5 On-site robot real-time monitoring process

圖6 現(xiàn)場軟件運行界面Fig.6 On-site software operation interface

6 結(jié)語

針對帶式輸送機出現(xiàn)的輸送帶跑偏問題，采用移動式線纜機器人搭載網(wǎng)絡(luò)監(jiān)測相機對輸送帶的運行狀態(tài)進行實時監(jiān)測，基于圖像處理技術(shù)，采用改進典型的區(qū)域顯著性檢測模型對圖像特征輪廓進行提取，通過輸送帶跑偏分析判斷輸送帶的運行狀態(tài)，并對輸送帶跑偏進行實時預(yù)警。相比于傳統(tǒng)的輸送帶跑偏監(jiān)測技術(shù)，該監(jiān)測系統(tǒng)能較大地節(jié)省設(shè)備、人工和維護成本，提高了帶式輸送機在工程實際使用中的工作效率，保障了帶式輸送機安全、高效、穩(wěn)定運行。