礦用煤流安檢雜物預報篩撿機器人關鍵技術研究

范紅斌張 坤

（1.山西潞安環(huán)保能源開發(fā)股份有限公司常村煤礦，山西 長治 046102；2.遼寧工程技術大學工商管理學院，遼寧 葫蘆島 125105）

近年來國家一直強調設備的機械化、自動化、信息化、智能化的改造，大多礦企將實現(xiàn)“機械化換人、自動化減人”作為轉型升級的重要措施[1]。因此，提出礦用煤流安檢雜物預報篩撿機器人關鍵技術[1-6]，將高清攝像和成像技術應用于煤礦開采領域，通過有針對性的圖像、大數(shù)據(jù)分析實現(xiàn)煤流雜物的識別、篩選、預警及機器人指令驅動[7-10]，解決煤礦開采運輸過程（簡稱“煤流”）中出現(xiàn)的嚴重影響安全生產的一系列問題，在實際應用中具有非常重要的意義和必要性。

1 國內外研究現(xiàn)狀

目前國內外煤炭開采的過程中，僅有巡查、巡檢類的機器人開始試用，而開采的煤炭經過順槽破碎機的一次破碎后很難保證炭塊、雜物等物料的體積滿足運輸、轉載過程中不出現(xiàn)卡口、撕裂膠帶現(xiàn)象的要求，經常發(fā)生各種嚴重影響安全生產的問題，且煤流中也會混入大塊木料、鐵器等物品。導致以上問題發(fā)生的根本原因是運輸沿線沒有很好的探測預報裝備，僅靠人為的看護和簡單的控制裝置不能辨識是煤炭還是雜物。

因為諸多不確定因素，適合煤礦井下使用的智能機器人一直處于空白，雖然近兩年在試驗射線式撿矸機器人，但采用射線式存在諸多問題。同時，使用環(huán)境惡劣，粉塵、瓦斯?jié)舛雀?，對系統(tǒng)的防護等級提出了更高的要求，適應煤礦的“防爆化”要求，也是一項新的技術挑戰(zhàn)。另外，由于煤流中雜物的多樣性、特殊性，對系統(tǒng)的識別能力和指令是一項重大挑戰(zhàn)。再則，煤礦的生產能力、運輸速度不斷提升，相應的篩選物料任務也在增大，對系統(tǒng)提出了更高的要求。

為了能夠實現(xiàn)雜物篩選操作，本文首次提出將國際上成熟的、先進的高清攝像和成像技術應用于煤礦開采領域，使其具有獲取外部圖像信息的能力，增強其自適應性以滿足篩選種類繁多的雜物要求，通過有針對性的圖像、大數(shù)據(jù)分析并應用于煤流雜物識別、篩選、預警、機器人指令驅動等控制技術中。此研究是一次煤礦開采技術的提升，并且可推廣應用于煤礦開采技術的其他機器人中。

2 研究關鍵技術

綜合考慮理論及實際情況，選擇機器視覺識別+神經網(wǎng)絡技術+AI 算法+預警信號的方案，根據(jù)現(xiàn)場皮帶運轉情況，用煤流安檢雜物預報篩檢機器人對雜物進行識別，將識別后的雜物通過機械動作裝置篩選至雜物倉，實現(xiàn)煤流的清理工作。

（1）將抓拍成像技術和卷積神經網(wǎng)絡應用于技術中，對物料進行深度識別，將煤流中的大塊雜物去除，提升煤質，減少雜物堆積而引起的設備故障。

（2）將識別后的物料通過預警裝置預報，預留接口可與機械動作裝置進行線路連接，并發(fā)出驅動機械裝置對物料的轉移和定位等指令，有效實現(xiàn)物料分離的智能效果，且通訊能力滿足調度一體化需要和信息傳輸，具備升級改造條件。

3 方案設計

3.1 識別硬件

（1）工業(yè)相機。工業(yè)相機是圖像采集環(huán)節(jié)中重要的視覺傳感器，相較于其他相機，其具備更強的穩(wěn)定性及抗干擾能力，其與光學鏡配合一起構成了圖像獲取的單元，在視覺篩選作業(yè)中，工業(yè)相機捕捉圖像幀然后送至工業(yè)控制計算機處理。

（2）光學鏡頭。光學鏡頭的主要作用在于調制光束，通過折射將成像目標物體的光線照射到視覺傳感器的感光面上，進而將光信號轉換成電信號，最終產生數(shù)字圖像。

（3）照明光源。在機器視覺系統(tǒng)中，光源照明方案的選取直接影響到目標的成像效果，進而影響到視覺算法的設計和系統(tǒng)運行的穩(wěn)定性，一般情況下，光源配備有相應的光源控制器。

3.2 系統(tǒng)軟件設計

本系統(tǒng)設計基于機器視覺的工業(yè)機器人雜物篩選系統(tǒng)總體方案，系統(tǒng)的主要組成部分包括基于廣數(shù)機器人的篩選抓取子系統(tǒng)和圖像獲取分析子系統(tǒng)。通過網(wǎng)口從相機端采集圖像并完成目標與識別得到位置信息，傳遞給機器人控制器繼而控制機器人完成抓取，系統(tǒng)結構如圖1。

圖1 視覺篩選系統(tǒng)軟件結構圖

4 方案實施

4.1 硬件選取

（1）工業(yè)相機和光學鏡頭。采集圖像的相機和光學鏡頭的選取原則基于HALCON 軟件數(shù)據(jù)庫的攝像機標定實驗進行確認。選用元件檢測、識別和引導能力出色的光譜識別相機，能夠在雜物表面附著煤粉的情況下準確分辨雜物。

（2）照明光源。由于照明方案不具有普適性，根據(jù)現(xiàn)場相應情況提出諸多方案，進行多次雜物和煤的視覺識別測試，基于自然光照條件照射下圖像中不同物體的不同灰度進行識別，克服了以往機器視覺對自然光敏感的情況，使得所形成的圖像質量高，幾乎不含噪聲。

4.2 方案實施過程

系統(tǒng)視覺采用國際先進的HOLCON 視覺算法進行計算。其以最新的計算機圖像處理和計算機視覺技術為基礎，擁有強大的集成開發(fā)工具HDevelop，節(jié)約程序開發(fā)時間。HOLCON 圖像處理過程如圖2。

圖2 HOLCON 圖像處理過程

Step1：工業(yè)相機首先對圖像進行預處理，通過卷積神經網(wǎng)絡對原始數(shù)據(jù)提取特征、降低維度、特征分類并輸出結果，有效降低了由于工作環(huán)境和數(shù)據(jù)傳輸存在干擾而導致的噪聲，提升了圖像質量，增強了可用的目標特征。Deep ID 模型如圖3。

圖3 DeepID 模型

Step2：采用Canny 算法對預處理后的圖像進行邊緣檢測；Canny 算法較高的信噪比和定位精度適用于不同環(huán)境下的邊緣檢測，明晰了雜物之間位置關系，剔除了目標識別中不相關信息，提高了后續(xù)圖像處理的精度和性能。

Step3：雜物特征提取及識別?；谛螤畹妮喞卣魈岢瞿繕俗R別與定位算法，并通過實驗驗證該算法具有較好的適應性，且具有良好的抗噪性及平移、旋轉和尺度不變性，對非線性形變也具有一定的魯棒性。如圖4。

圖4 基于模型目標識別方法原理

Step4：雜物位置測定。光譜設備識別雜物后，傳遞給3D 相機測定數(shù)據(jù)通過高速通訊傳遞給雜物抓取設備，從而實現(xiàn)雜物的篩選和拾取，如圖5。

圖5 相機標定流程圖

Step5：機器人控制系統(tǒng)，如圖6。PC 機通過向圖像采集卡控制CCD 相機進行目標物的圖像信息采集，經過PC 機的計算和圖像處理得到目標位置的信息，并計算出SCARA 機器人運動位姿，通過運動控制卡向驅動器發(fā)出脈沖指令，控制電機運轉并帶動機械臂運動到相應位姿對雜物進行拾取。

圖6 機器人控制系統(tǒng)流程圖

5 方案結果

（1）雜物識別分類測試。基于輪廓特征提出的目標識別與定位算法，有效地克服了雜物發(fā)生線性形變而造成形狀不同時的影響，將雜物歸為正確的類別，還可在一定范圍內包容非線性形變。同時在多種煤和雜物互相堆積干擾、煤粉覆蓋的情況下，光譜識別仍可以有效識別雜物和煤，擺脫干擾。

（2）相機標定測試。通過視覺標定求取出圖像中的像素坐標點與其在世界坐標系中三維幾何位置之間的轉換關系，能夠準確地標定雜物位置。

6 結論

煤流安檢雜物篩選預報機器人的應用填補了煤礦開采的一項空白，對提升開采技術、降低人工投入和勞動強度、減少人員以及提升煤礦智能化開采水平有著積極作用，是煤礦開采裝備智能化技術的巨大提升。

（1）經濟效益

煤流安檢雜物篩選預報機器人的應用，將極大程度上加快煤炭無人化開采的進程。機器人不受溫度和環(huán)境的影響，能適應多種人為不適應的惡劣工作環(huán)境，運用范圍更廣，效率相較人工也大幅提升。在煤流雜物篩撿時有效地克服了人工作業(yè)看護時的弊端，極大提升了礦井的經濟效益。

（2）安全和社會效益

煤流安檢雜物篩選預報機器人的應用消除了安全隱患，提升了煤炭開采自動化水平，減少了設備易損壞的可能，提高了設備使用和生產保障效率，減輕了操作人員操作的勞動強度，提升了煤礦安全管理水平和少人化、無人化開采的技術水平。