基于圖像識別的煤礦帶式輸送機自適應調(diào)速系統(tǒng)設計

張文科，郭 瑜，趙 輝

(1.焦作煤業(yè)(集團)有限責任公司，河南 焦作 454003；2.焦作市華飛電子電器股份有限公司，河南 焦作 454003)

目前，帶式輸送機是煤礦生產(chǎn)的主要運輸設備，其特點是運輸距離長、運輸能力大、功率消耗高，帶式輸送機及設備損耗占總機電設備損耗比重很大[1]。近年來，礦井帶式輸送機運輸系統(tǒng)雖然引入了變頻器，但在煤炭運輸過程中沒有發(fā)揮變頻器調(diào)速功能，當煤流較小或無煤時仍以額定速度運行，造成了電能浪費以及輸送帶和托輥的磨損加快。其主要原因在于缺乏煤流量信息，速度控制系統(tǒng)沒有形成閉環(huán)。在主運帶式輸送機系統(tǒng)中引入檢測傳感器以獲取煤流信息，進而控制輸送帶運行速度可以有效解決上述問題[2-4]。

早期主要采用以皮帶秤為代表的接觸式測量手段[4]，其機械操作反應速度不夠快，計量結(jié)果不夠精確，同時機械部分需要定期檢修。現(xiàn)在煤流檢測方法主要以超聲波、激光掃描、激光雷達、圖像識別為代表的非接觸式方法[5]。文獻[5]設計了一種基于超聲波的煤流檢測方法，通過超聲波測量煤流截面高度，進而計算出煤流截面積，由于超聲波存在誤差致使測量精度不夠高。文獻[6]采用激光掃描和攝像機配合方式設計了一種煤流檢測系統(tǒng)，主要措施是將激光照射在輸送帶上，對煤流形成一條橫截面曲線，然后用攝像機拍攝到曲線并進行面積計算，問題是激光在煤流上面形成的曲線較細，攝像機成像時容易斷開。文獻[7-9]采用先進的激光紅外掃描儀直接獲取截面信息，進而計算得到截面積，激光雷達測量精度高，均取得了較好效果。文獻[10]采用激光掃描方式對刮板運輸機煤流進行掃描獲得點云，再進一步計算煤量。文獻[11-17]采用圖像識別方法對帶式輸送機上的煤流寬度或煤流面積進行識別，進而估算煤流大小，再根據(jù)煤流量大小對帶式輸送機速度進行調(diào)節(jié)。文獻[13，14]采用常規(guī)圖像處理方法對煤流寬度進行計算，再進一步估算煤量。常規(guī)方法計算量小、計算高效，但基于寬度的煤流計算方法誤差較大。文獻[15-17]采用卷積神經(jīng)網(wǎng)絡方法實現(xiàn)煤流區(qū)域面積的計算，進而估算煤流量。相比常規(guī)圖像處理方法，卷積神經(jīng)網(wǎng)絡需要制作訓練集，訓練成本高，部署硬件條件要求高。同時，這幾種圖像處理方法都是對煤流的平面區(qū)域面積計算，由于煤流高度分布不均，通過該方法計算出的煤流體積誤差較大。相比之下，依據(jù)激光雷達掃描得到的煤流橫截面曲線計算煤流體積更為準確。文獻[18]采用卷積神經(jīng)網(wǎng)絡將激光雷達圖像和自然光圖像進行融合來獲取煤流區(qū)域。文獻[19]將激光照射在煤流上，然后用攝像機拍攝激光輪廓來獲得煤流截面邊緣，該方法獲取煤流橫截面面積，相比從正面獲取煤流邊界更準確。但攝像機拍攝的激光輪廓容易斷裂，對邊緣識別和面積計算帶來不便。

本研究將激光雷達法和圖像識別法的優(yōu)點結(jié)合，設計出一套煤礦帶式輸送機自適應調(diào)速系統(tǒng)。主要思想是將燈光照射在橫杠上，在煤流上形成一投影，用普通攝像機拍攝該投影得到煤流橫截面的輪廓。設計的主要內(nèi)容包括帶式輸送機自適應調(diào)速系統(tǒng)整體結(jié)構(gòu)、煤流檢測部分方案及實現(xiàn)。

1 帶式輸送機自適應調(diào)速系統(tǒng)組成

典型的煤礦帶式輸送機調(diào)速系統(tǒng)由輸送帶、電機和變頻器組成，由于缺乏煤流檢測系統(tǒng)，使得變頻器在電機啟動時僅當作軟啟動器使用，一方面造成了電能浪費，另一方面使得變頻器功能未正常發(fā)揮。鑒于此，引入煤流檢測系統(tǒng)使得調(diào)速系統(tǒng)形成閉環(huán)，設計的整體結(jié)構(gòu)如圖1所示。

圖1 帶式輸送機自適應調(diào)速系統(tǒng)結(jié)構(gòu)Fig.1 Structural diagram of adaptive speed control system for belt conveyor

煤流檢測系統(tǒng)由普通攝像機、橫杠、光源組成，橫杠、光源組成的平面與煤流平面垂直，攝像機與兩者成45°安裝。當光源照射在橫杠上，在煤流上形成的曲線正是其橫截面上部曲線，通過攝像機獲取到圖像并檢測出曲線，再對輸送帶無煤時檢測出下部曲線，兩者圍起來的區(qū)域即為煤流的橫截面積。普通攝像機通過交換機與計算機相連，計算機獲取圖像后對其進行處理計算得到煤流大小，然后將指令發(fā)送到變頻器，變頻器控制電機轉(zhuǎn)速進而調(diào)整帶式輸送機速度。在此基礎(chǔ)上還可以將帶式輸送機和煤流檢測裝置增加，根據(jù)各帶式輸送機系統(tǒng)中的關(guān)系建立數(shù)學模型，形成多個子系統(tǒng)的協(xié)同控制系統(tǒng)。

2 煤流橫截面檢測與計算

基于圖像識別的煤流檢測主要思路與過程為分別檢測無煤投影曲線和有煤投影曲線，將兩者合并起來形成一個閉合區(qū)域，將該區(qū)域作為煤流的橫截面積。再采用蒙特卡洛法計算閉合區(qū)域的面積，在標定過程中建立實際煤流和橫截面積的對應關(guān)系，從而根據(jù)面積計算得到煤流數(shù)據(jù)。

由于煤礦井下環(huán)境復雜，從攝像機獲取的視頻信息需經(jīng)過分幀處理、圖像預處理、二值化、輪廓檢測、蒙特卡洛法計算面積等一系列過程，具體步驟如圖2所示。其中帶式輸送機無煤時僅計算一次，然后將其輪廓進行存儲。為了消除系統(tǒng)偏差，可在每次開機運行時計算一次。

圖2 煤流量面積測算過程Fig.2 Calculation process of coal quantity area

2.1 圖像預處理與二值化

煤礦井下獲取的視頻干擾大清晰度差，檢測煤流橫截面的曲線信息之前，需要對圖像進行預處理。圖像預處理包括將視頻分幀為圖片、興趣區(qū)域提取、圖片灰度化、低通濾波、直方圖均衡化、二值化操作這幾個步驟。

據(jù)圖2所示過程，需要先對無煤圖片和煤流圖像都要進行預處理。首先對原始視頻進行分幀處理，按照帶式輸送機速度為1.2 m/s，攝像機幀率為25 f/s，從每秒視頻中抽取6 f。則兩幀圖像的煤流移動為0.2 m，滿足系統(tǒng)要求。

煤流橫截面曲線原圖如圖3所示，圖3(a)對應為空載時分幀圖像，圖3(b)為載煤時分幀圖像。然后根據(jù)橫杠和投影曲線特征，建立興趣區(qū)域，采用模板匹配法定位出投影曲線區(qū)域，如圖4所示。

圖3 煤流橫截面曲線原圖Fig.3 The curve for intersecting surface of coal flow

圖4 提取興趣區(qū)域Fig.4 Extraction of interested area

2.2 閉合區(qū)域輪廓檢測

在提取出興趣區(qū)域后，再對圖4獲取的圖像進行灰度化、低通濾波、直方圖均衡化實現(xiàn)圖像噪聲點的去除和對比度的增強，為獲取清晰輪廓奠定基礎(chǔ)。再此基礎(chǔ)上進行OTSU二值化得到圖5所示。

圖5 二值化圖像橫截面曲線Fig.5 The curve for intersecting surface of binary image

對圖5獲取的兩幅圖像疊加合成一幅圖像得到圖6(a)所示的閉合區(qū)域圖像，然后對其進行外輪廓檢測得到圖6(b)所示圖像，接下來的任務時計算出綠色曲線圍成的區(qū)域面積。

圖6 閉合區(qū)域及其輪廓Fig.6 Closed area and its contour

圖像的輪廓檢測實際上是將區(qū)域邊界灰度值相等或接近的點連接起來，本文使用OpenCV的find_Contours函數(shù)檢測圖像輪廓。

2.3 蒙特卡羅法計算區(qū)域面積

由于獲得的煤流橫截面為不規(guī)則形狀，計算不規(guī)則圖形面積的一種典型方法是蒙特卡羅法[20]。蒙特卡羅方法是一種采用計算機實現(xiàn)統(tǒng)計模擬以獲得問題的近似解的方法，該方法基于大數(shù)定理，求面積時向需要檢測的區(qū)域投射大量無規(guī)則的點，之后檢測輪廓內(nèi)的點占所有點的比例，之后用這個比例乘以所有區(qū)域的面積即可得到被測區(qū)域面積。

具體到本文任務中，如圖7所示，所求面積為不規(guī)則曲線圍成的區(qū)域面積，采用一個能包圍該區(qū)域的矩形將其置于其中，假設矩形的長和寬分別為a和b，則矩形面積S=a×b。在向矩形內(nèi)隨機撒m個點，根據(jù)曲線坐標和隨機點的坐標關(guān)系，可以求出封閉區(qū)域中點的個數(shù)n，則封閉區(qū)域面積為Sc=a×b×n/m。

圖7 蒙特卡羅法計算橫截面區(qū)域面積Fig.7 Monte Carlo method for calculating intersecting surface area

2.4 煤流分級標定

根據(jù)實際生產(chǎn)任務需求，需要將帶式輸送機上煤流分為三個等級，分別為少、中、多。在每種等級情況下，建立實際煤流與封閉區(qū)域面積之間的對應關(guān)系表。建表時采集多種工況下的視頻數(shù)據(jù)進行多組測量。理論上煤流的橫截面積只能將煤流三維圖截取下來獲得，本研究將攝像機設定到斜向45°方向會存在一些誤差，然而根據(jù)實際煤流數(shù)據(jù)對建立煤流與面積關(guān)系表后，該誤差可以消除掉。

在實際使用過程中，僅需要記錄下煤流最多時對應的面積So，每次測量時用本次面積Sx和最多面積So的比值β=Sx/So來確定煤流等級。當0<β<0.20時定義為等級少，當0.20≤β<0.7時定義為等級中，當β≥0.7時定義為等級多。

2.5 試驗結(jié)果

本試驗采用Python語言和OpenCV圖像處理函數(shù)編程實現(xiàn)。試驗數(shù)據(jù)集使用某煤礦井下真實拍攝的生產(chǎn)過程中帶式輸送機視頻，視頻大小為1280×720，幀率為25 f/s。一次實時運行結(jié)果如圖8所示，圖8(a)對應煤流少情況，圖8(b)對應煤流多情況。綠色框中的黑色曲線為檢測目標。通過計算檢測視頻中的黑色曲線與空帶中的曲線圍成的區(qū)域面積得到煤流橫截面數(shù)值。

圖8 檢測效果Fig.8 Schematic diagram of detection results

用蒙特卡羅法計算面積時，撒點數(shù)量不同會影響計算的準確度和運行時間。不同撒點數(shù)情況下對應的計算結(jié)果和運行時間見表1，從中可以看出比例值隨著點數(shù)增多變得越來越準確，同時點數(shù)越多運行時間越長。當點數(shù)為500時，比例接近1000個點和2000個點，而時間占有明顯優(yōu)勢。因此，綜合考慮準確度和運行時間，計算面積時選取500作為撒點數(shù)量。在此基礎(chǔ)上，每處理一幀圖像約為127 ms，每秒可處理8 f圖像。

表1 蒙特卡羅法計算面積實驗結(jié)果Table 1 Experimental results of calculating area using Monte Carlo method

為了體現(xiàn)本文算法在檢測性能和運行時間上的優(yōu)越性，與現(xiàn)有算法進行對比實驗。由于本文方法所需的視頻采集設備與文獻[13-15]一致，因此與這三種方法進行對比。文獻[13，14]采用常規(guī)圖像處理方法，文獻[15]采用卷積神經(jīng)網(wǎng)絡方法。試驗數(shù)據(jù)集來源于某煤礦真實生產(chǎn)過程中帶式輸送機的監(jiān)控視頻。按照煤炭采掘生產(chǎn)需求，對煤流運輸分為三種情況，分別為少煤、中煤、多煤。對每類情況分別截取100個視頻，視頻長度為10 s，視頻幀大小為1280×720，幀率為25 f/s。本文方法與三種算法的對比數(shù)據(jù)見表2。

表2 檢測性能與運行時間對比Table 2 Comparison of detection performance and running time

從表2中可以看出本文方法在計算時間和準確率方面均具有突出優(yōu)勢。文獻[13]、文獻[14]均為對圖像煤流區(qū)域進行分割，容易受到光線不均勻的影響，當少煤但分布較松散時容易計算得到寬區(qū)域。同時，該方法需要經(jīng)常性標定。文獻[15]采用卷積神經(jīng)網(wǎng)絡方法，訓練成本高，計算效率低，設備升級成本高、周期長。同時，由于需要樣本訓練數(shù)據(jù)大，本文數(shù)據(jù)集煤流光照不均勻，中煤和多煤容易混淆情況下，文獻[15]的檢測時間最為耗時，準確率相比文獻[13][14]提升明顯。由于本文方法拍攝的橫杠投影對光照條件要求低，在常規(guī)條件下就能獲得煤流橫截面的清晰輪廓。相比較前幾種方法實現(xiàn)了最高的檢測準確率和最快的檢測速度。

3 結(jié) 語

本研究設計了一種煤礦帶式輸送機自適應調(diào)速系統(tǒng)，能夠根據(jù)煤流量大小自動調(diào)整系統(tǒng)運轉(zhuǎn)速度，實現(xiàn)節(jié)能目的。給出了自適應調(diào)速系統(tǒng)的整體結(jié)構(gòu)圖，并設計了一種基于常用攝像機的煤流檢測系統(tǒng)。該系統(tǒng)采用橫杠和光源替代激光雷達，大大節(jié)約了經(jīng)濟成本。同時，圖像識別效果達到甚至超過采用激光雷達和攝像機組合方法。整個系統(tǒng)基于OpenCV開發(fā)實現(xiàn)，試驗結(jié)果也證明了各項指標都達到了預期。同時，只需改動一些參數(shù)，系統(tǒng)就可以擴展到多條帶式輸送機協(xié)同運輸工況，具備改造簡單、維護容易、環(huán)境適應性強等特點。