煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)研究

摘? 要：在進(jìn)行煤炭開采作業(yè)時，對煤炭資源進(jìn)行運(yùn)輸作業(yè)的主要設(shè)備就是礦用皮帶式的運(yùn)輸機(jī)。基于不斷改進(jìn)與工業(yè)發(fā)展需要的背景，這種運(yùn)輸機(jī)械逐漸具備了更復(fù)雜、更大型以及更高速等明顯特征。但在復(fù)雜的工作環(huán)境下，煤礦井下皮帶運(yùn)輸機(jī)其自身的承載能力以及運(yùn)輸距離不足，同時這種設(shè)備所用的皮帶還有著昂貴的價格。在進(jìn)行物資運(yùn)輸時，經(jīng)常會出現(xiàn)各種異物，為皮帶帶來一定傷害，從而造成不必要的經(jīng)濟(jì)損失。因此，必須對皮帶運(yùn)輸異物進(jìn)行全面檢測，分析有可能會發(fā)生的問題，同時在第一時間進(jìn)行預(yù)警處理，盡最大可能降低危險(xiǎn)發(fā)生概率與其所帶來的影響程度。

關(guān)鍵詞：礦井;運(yùn)輸異物檢測;關(guān)鍵技術(shù);研究分析

中圖分類號：TD528.1? ? ? ?文獻(xiàn)標(biāo)識碼：A

分析皮帶保護(hù)這一系統(tǒng)，現(xiàn)階段采用的保護(hù)系統(tǒng)具備的故障檢測功能往往只能夠進(jìn)行皮帶機(jī)檢測。同時在事故發(fā)生以后，開展人為控制，而在檢測井下位置皮帶當(dāng)中的異物時，則有人工檢測、金屬檢測與雷達(dá)檢測這幾種方式。人工檢測是其中效率最低的一種，同時人工在探測過程中也會出現(xiàn)一定的危險(xiǎn)隱患;金屬檢測則具有一定的部署難問題;雷達(dá)檢測雖然有著較高精度，但同時也有著較高的維護(hù)成本。且絕大部分煤礦企業(yè)在探測過程中，雷達(dá)探測技術(shù)應(yīng)用普遍度不高。因此，需要分析目前的運(yùn)輸現(xiàn)狀，將計(jì)算機(jī)井下皮帶異物檢測進(jìn)行改良，使其能夠具備高效、安全性。同時，發(fā)展前景廣闊，延長皮帶使用壽命，降低皮帶損壞頻率。

1煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)

1.1視頻跟蹤技術(shù)

分析視頻跟蹤技術(shù)，利用數(shù)字圖像處理模式，視頻防抖技術(shù)是其熱門領(lǐng)域。近年來，研究視頻防抖技術(shù)，可以將拍攝抖動畫面進(jìn)行集中處理，以減少在原視頻圖像損失情況下出現(xiàn)的數(shù)據(jù)丟失問題。目前，對于視頻防抖技術(shù)，我國進(jìn)行相關(guān)研究，結(jié)合國外的穩(wěn)定算法以及圖像重組，實(shí)現(xiàn)突破。例如，在分析時，可以將防抖速度規(guī)劃為每秒30幀，且1精度為1像素單元。在視頻防抖技術(shù)中，借助VS8902型電子穩(wěn)像器，借助于對特征點(diǎn)設(shè)置電子防抖算法，體現(xiàn)出高精度、高魯棒性以及高穩(wěn)定性等優(yōu)勢。借助于視頻防抖技術(shù)當(dāng)中的核心，為視頻矩陣特征提取計(jì)算值，實(shí)現(xiàn)有效匹配[1]。在運(yùn)輸異物檢測時，可以對掉落異物以及運(yùn)輸皮帶的正常運(yùn)轉(zhuǎn)進(jìn)行拍攝對比，以便能夠更好的分析該異物的大小以及速度。同時，通過視頻拍攝，分析該異物為何種異物，借助內(nèi)部智能庫進(jìn)行匹配，決定是否進(jìn)行及時維修。

1.2 圖像集中處理技術(shù)

分析圖像集中處理技術(shù)，可以更好的將其應(yīng)用至故障監(jiān)測以及圖像分割處理技術(shù)中。在相似性標(biāo)準(zhǔn)中，可以將圖像劃分為不同區(qū)域。在圖像融合中，對物體監(jiān)測場景分析，能夠進(jìn)行預(yù)處理，通過傳統(tǒng)的圖像分割方法，展開區(qū)域邊界測量工作。其圖像紋理一般就是指按照特定規(guī)則與形式不斷出現(xiàn)的，包含了豐富的圖像特征信息。在圖像分割中，起到非常重要的決定性作用。同時分割紋理圖像還必須確定單一像素的實(shí)際紋理類型，在針對紋理特征完成提取之后，紋理分割還要結(jié)合特征向量，對不同分離進(jìn)行區(qū)分。在對煤礦井下運(yùn)輸異物監(jiān)測關(guān)鍵技術(shù)中，可以將歐式距離當(dāng)做側(cè)重點(diǎn)，將像素點(diǎn)之間的灰度值差異作為圖像分割要素，借助于固定閾值這種分割技巧，完善當(dāng)前存在的各種缺陷。對這一問題來說，可以比較區(qū)域之間的特征差，判斷兩個區(qū)域之間是否出現(xiàn)一定程度的分裂問題[2]。在煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)中，圖像集中處理技術(shù)速度以及性能與以往相比實(shí)現(xiàn)全面優(yōu)化，且可以有效解決分割邊界模糊、丟失等問題。

1.3 目標(biāo)跟蹤技術(shù)

對目標(biāo)跟蹤技術(shù)進(jìn)行分析，目標(biāo)跟蹤技術(shù)是煤礦井下運(yùn)輸異物檢測的關(guān)鍵。利用計(jì)算機(jī)技術(shù)，可以實(shí)現(xiàn)目標(biāo)跟蹤，如監(jiān)控以及分析。在皮帶運(yùn)輸中，可以簡單的分析皮帶圖像，并分析皮帶圖像圍繞一周時的軌跡進(jìn)行預(yù)估。在出現(xiàn)異物時，分析異物與皮帶之間的動作，使異物能夠進(jìn)行及時辨別。借助計(jì)算機(jī)內(nèi)部數(shù)據(jù)庫，分析該異物為何種異物。從而對異物進(jìn)行目標(biāo)跟蹤，我國針對于目標(biāo)跟蹤技術(shù)，從框架以及樣本中，學(xué)習(xí)其相應(yīng)特征，將相應(yīng)的圖像跟蹤模式應(yīng)用全新的研究方向。根據(jù)圖像關(guān)鍵關(guān)鍵點(diǎn)附近的梯度信息，得出圖像尺度特征，并在異物檢測中借助于RGB變換前后所形成的矩陣計(jì)算方式，有效對比目標(biāo)異物及背景。借助于閾值，分析構(gòu)成目標(biāo)，進(jìn)一步提取CNN特征提取模式。在深度學(xué)習(xí)中，實(shí)現(xiàn)圖像識別領(lǐng)域的選擇，在目標(biāo)檢測領(lǐng)域中，深度學(xué)習(xí)各場景均能取得良好性能。分析對深度學(xué)習(xí)等方面的應(yīng)用以及分析，深度學(xué)習(xí)框架具備極高的優(yōu)勢。同時，以基礎(chǔ)框架為目標(biāo)，在大數(shù)據(jù)分析時，能夠展現(xiàn)出良好性能。在煤礦皮帶運(yùn)輸中，針對異物檢測模型，可以進(jìn)行識別，根據(jù)全新的檢測算法進(jìn)行處理。

2 局部特征描述提取算法

在煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)中，利用局部特征描述提取算法，可以更好的實(shí)現(xiàn)特征值描述。例如，可以構(gòu)建尺寸空間。首先，計(jì)算機(jī)可以對同一幅圖上的尺寸空間進(jìn)行構(gòu)造分析，并在構(gòu)造過程中對需要融合的數(shù)據(jù)進(jìn)行選擇。將其分析為自定義公式，在構(gòu)造尺度這一空間內(nèi)部，借助于構(gòu)造完成的尺度空間，為圖像建設(shè)更加新穎的金字塔結(jié)構(gòu)。檢測DOG尺度空間極值。在此層次中，建設(shè)相鄰區(qū)域，且具有相同尺度。在采樣結(jié)束之后，所有尺度或和尺度相鄰的點(diǎn)位，都能夠在同一個算法層次中均有各自的位置。因此，基于此技術(shù)可以對異物進(jìn)行提取，解決不良特點(diǎn)。為優(yōu)化匹配效率與整體的正確率，還可以在固定檢測設(shè)備當(dāng)中將不對稱DOG局部像素直接取出，從而得到更優(yōu)質(zhì)的特點(diǎn)模式。且特征點(diǎn)由128維方向參數(shù)，如直方圖對其特征進(jìn)行描述，并確定該特征點(diǎn)的方向。為了讓描述具備旋轉(zhuǎn)不變性，需要為每個關(guān)鍵點(diǎn)構(gòu)成同一個方向。在關(guān)鍵點(diǎn)描述中，解決目前的旋轉(zhuǎn)不變性以及光照不變性的問題。在獲取梯度方向主題后，進(jìn)行進(jìn)一步的規(guī)劃處理，獲取全新的新向量，以便能夠得到魯棒性特征。根據(jù)向量匹配點(diǎn)，對關(guān)鍵的距離進(jìn)行計(jì)算，同時利用等值分析這一關(guān)鍵點(diǎn)的匹配程度，最終得到有效值匹配點(diǎn)。在定義特征點(diǎn)中，以金字塔結(jié)構(gòu)為例[3]。在皮帶運(yùn)輸異物檢測中，對特征點(diǎn)利用矩陣處置之后，對不同層次之間的融合點(diǎn)進(jìn)行分析，而后對比與之相鄰所有像素點(diǎn)，從而更好的對不同像素點(diǎn)間最大與最小值進(jìn)行判斷。若像素點(diǎn)與其他像素點(diǎn)之間的等值過大，則繼續(xù)尋找下一特征點(diǎn)進(jìn)行比對。同時，將過大的像素點(diǎn)進(jìn)行標(biāo)記，在全部尋找完畢后，進(jìn)行處理分析，以判斷該點(diǎn)是否為異物圖像。

3 進(jìn)制描述子特征提取算法

分析二進(jìn)制描述子特征提取算法，將二進(jìn)制子特征提取算法應(yīng)用至視頻圖像處理過程中，可以更好的設(shè)定描述值特征點(diǎn)，將其使用常見的二進(jìn)制算法進(jìn)行表示，提高計(jì)算過程的便捷性，減少消耗時間，從根本上優(yōu)化了視頻處理的整體速度。在算法計(jì)算時，可以采取高斯濾波進(jìn)行圖像處理，從而降低噪聲干擾，將特征值設(shè)定為中心等級，重復(fù)相關(guān)步驟，可得到一個合理的二進(jìn)制編碼串隨機(jī)應(yīng)用。在大窗口內(nèi)部，采用子窗口來開展二進(jìn)制的負(fù)值計(jì)算，并保留其最終的結(jié)構(gòu)，以完成二進(jìn)制的編碼特征值目的，由該編碼進(jìn)行描述[4]。通過執(zhí)行特征值，匹配在每一幅圖片中特征點(diǎn)，都將得到全新的二進(jìn)制模式。通過二進(jìn)制圖，分析相同元素，就特征匹配以及快速提取特征算法、整個基礎(chǔ)模式可通過改進(jìn)特征值描述，得到檢測特征值。通過對比像素，找到關(guān)鍵點(diǎn)，分析其差異值是否在某一范圍內(nèi)。若差異值過大，則關(guān)鍵點(diǎn)在采樣模式中受人眼識別原理啟發(fā)，而提出其采樣模式。類似于BriSK算法，根據(jù)算法圖每一個原點(diǎn)，代表某個采樣點(diǎn)，每個圓圈則表達(dá)的是某個感應(yīng)圈。為有效降低影響，可以利用高斯模糊這種處理方式針對圖片不同部分進(jìn)行處理，同時借助于圓的半徑來表示高斯模糊當(dāng)中的標(biāo)準(zhǔn)差。相較于常規(guī)算法來說，這種算法更加注重重疊，獲取更多精準(zhǔn)信息，構(gòu)建全新的人體視網(wǎng)膜。在特征方向內(nèi)部，為了不改變原有算法的方向特性，還需要添加特定的信息到所有方向點(diǎn)上。分析相鄰區(qū)域的采樣格式，通過全新的特征值算法，對其產(chǎn)量梯度進(jìn)行計(jì)算。

4 基于局部特征提取防抖算法

基于局部特征值防抖算法，在礦煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)中，需要就視頻防抖一般流程進(jìn)行研究，消除異物檢測過程中出現(xiàn)環(huán)境不穩(wěn)定或人為抖動等因素，對視頻防抖技術(shù)進(jìn)行分析，其具備高效、方便、快捷的特點(diǎn)。將視頻防抖技術(shù)應(yīng)用至模糊圖像與視頻序列幀處理，其主要過程可包含兩方面。主要包含運(yùn)動評估以及運(yùn)動補(bǔ)償，在視頻預(yù)處理中，所使用的圖像均為煤礦井下攝像機(jī)收集。在拍攝過程中，將來自環(huán)境中的噪音干擾進(jìn)行解決，提升其圖像清晰度，使計(jì)算機(jī)能夠進(jìn)行有效識別。在噪聲干擾中，其有可能會導(dǎo)致圖像出現(xiàn)退化。如圖像模糊或圖像特征淹沒，因此需要進(jìn)一步分析圖像，以獲取精準(zhǔn)的實(shí)驗(yàn)數(shù)據(jù)，避免影響實(shí)驗(yàn)最終結(jié)果。直接提取以及匹配圖像特征，使其能夠更好的保障圖像能夠更符合目前的特征值，實(shí)現(xiàn)匹配。在圖像預(yù)處理方法中，根據(jù)運(yùn)動估計(jì)視頻防抖技術(shù)，可以對視頻抖動參數(shù)圖像處理參數(shù)等進(jìn)行提前準(zhǔn)備，確保幀率運(yùn)動的合理性。可以運(yùn)用不同的方法對視頻幀率進(jìn)行適量計(jì)算，不同的視頻防抖技術(shù)差異點(diǎn)在于不同運(yùn)動補(bǔ)償算法，二者更好的分析該方法不同所產(chǎn)生的效果。在全新的算法中，采用特征點(diǎn)匹配算法，采用合理的補(bǔ)償方式，對視頻幀進(jìn)行修復(fù)。在運(yùn)動補(bǔ)償完畢后，對視頻幀進(jìn)行反向運(yùn)動補(bǔ)償，以確保輸出合理的圖像順序。

5基于平穩(wěn)方向?yàn)V波概率圖模型紋理圖像分割方法

基于整個平穩(wěn)方向?yàn)V波概率圖紋理圖像分割方法，將其作為全新的技術(shù)。根據(jù)圖像強(qiáng)度以及紋理等數(shù)項(xiàng)信息，將圖像切割為不同區(qū)域。在圖像紋理中，根據(jù)某種規(guī)則或重復(fù)形式，實(shí)現(xiàn)紋理元素的組合。在紋理中，包含豐富的圖像特征信息。從遙感圖上到醫(yī)學(xué)圖像紋理分析，在圖像分析切割中起了非常重要的作用。針對于煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)，利用此種檢測方法，構(gòu)建全新的小波系數(shù)，統(tǒng)計(jì)分析模式。該模式可以對圖像進(jìn)行去噪，集持久性特點(diǎn)。通過全新的融合模型，對不同尺度下的分割結(jié)果進(jìn)行融合，構(gòu)建具有監(jiān)督性質(zhì)的圖像分割模式。在圖形中，不同類型的圖像模塊進(jìn)行手動選擇，在無監(jiān)督情況下，通過聚類方法進(jìn)行分隔。通過模糊C均值等級算法，就小波變換的一維變換理論、多尺度幾何分析理論進(jìn)行處理。與小波變換相似，該方法對于紋理的分析具有自己獨(dú)特要求。在相關(guān)的工作模式中，其可以搭載平穩(wěn)變換技術(shù)，描述圖像中的方向信息可以更好的對異物捕捉特點(diǎn)進(jìn)行融合，使其能夠完成圖像渠道以及圖層壓縮。利用捕捉到的圖像紋理特征，可以獲取豐富的方向信息，組成全新的平穩(wěn)小波變換頻率。建立一個具有變換等值的基礎(chǔ)，為了克服方向的相互作用，可以延續(xù)同一方向進(jìn)行延伸。在紋理SAR圖像強(qiáng)度分布情況下，不同的圖像具有不同的分布特性。如圖像D為SAR圖像，兩幅圖像的強(qiáng)度具有不同的分布模式。因此，必須找到同時滿足這兩幅圖像的分布模型。通過顯示圖像直方圖比較，可以發(fā)現(xiàn)這些圖像的SD系數(shù)直方圖，其數(shù)量分布意味著大小系數(shù)均勻性以及合理性。由于SD過程采用了非采樣方式，因此在圖像的原始信息中變換更加合理。且絕大部分圖像的SD系數(shù)均包含了中間模式，其相關(guān)的重要信息也較少，包含大數(shù)據(jù)的SD系數(shù)。一般儲存較多信息，例如圖像中的強(qiáng)邊緣。此外，剩余中間值，則可以表示圖像中的周邊信息與構(gòu)思分布相比，SD系統(tǒng)的分布函數(shù)在零點(diǎn)以及緯度通過混合模型進(jìn)行估計(jì)。

6 結(jié)語

綜上所述，針對于煤礦井下運(yùn)輸異物檢測關(guān)鍵技術(shù)進(jìn)行分析研究，可以得知針對于異物檢測，需要提供全新的流程以及觀察模式，以便更好的對整個圖像進(jìn)行處理。結(jié)合工業(yè)實(shí)際問題，解決視頻抖動、圖像分割等技術(shù)缺陷，進(jìn)行改進(jìn)研究。且基于平穩(wěn)方向?qū)y理圖像進(jìn)行切割，提出理解方案，以便能夠更加有效的解釋圖像，建立全新的模型。在跟蹤算法中，提出方法，可以針對義務(wù)的形狀、特征使用全新的融合方式，并對生成對象的顏色特征等進(jìn)行表示。隨后，該方法可以不斷學(xué)習(xí)以及更新結(jié)構(gòu)，優(yōu)化這一過程，使整個算法更加高級，取得更加合理的進(jìn)展。確保煤礦井下運(yùn)輸異物檢測能夠提供自身的優(yōu)勢，解決有可能會出現(xiàn)的事故，做出及時的預(yù)警處理。

參考文獻(xiàn)

[1]趙曉東.礦井輔助運(yùn)輸關(guān)鍵技術(shù)及應(yīng)用研究[J].中國石油和化工標(biāo)準(zhǔn)與質(zhì)量，2019，39（6）：197-198.

[2]袁曉明，郝明銳.煤礦輔助運(yùn)輸機(jī)器人關(guān)鍵技術(shù)研究[J].工礦自動化，2020，46（8）：8-14.

[3]王躍.無極繩絞車彎道安全運(yùn)輸?shù)年P(guān)鍵技術(shù)研究[J].煤炭技術(shù)，2019，38（8）：162-164.

[4]蔣衛(wèi)良，王興茹，劉冰，等.煤礦智能化連續(xù)運(yùn)輸系統(tǒng)關(guān)鍵技術(shù)研究[J].煤炭科學(xué)技術(shù)，2020，48（7）：134-142.

收稿日期：2021-08-04

作者簡介：王希（1990—），男，貴州福泉人，本科，工程師，研究方向：機(jī)械設(shè)計(jì)制造及自動化。