基于圖像處理的輸送帶跑偏故障在線檢測技術(shù)研究

楊林順，董志勇

(1.山西焦煤西山煤電(集團(tuán))有限公司屯蘭選煤廠，山西 古交 030206；2.山西焦煤集團(tuán)有限責(zé)任公司技術(shù)中心，山西 太原 030024)

帶式輸送機(jī)作為選煤廠重要的煤炭運輸設(shè)備，是保證選煤廠連續(xù)穩(wěn)定生產(chǎn)的重要因素。輸送帶是帶式輸送機(jī)中最薄弱的環(huán)節(jié)，由于其主要依靠摩擦力來傳遞動力，因而容易出現(xiàn)故障，其中輸送帶跑偏是帶式輸送機(jī)最為常見的故障之一[1，2]。帶式輸送機(jī)輸送帶跑偏[3，4]主要是由于在長距離運輸過程中，滾筒中心線、兩側(cè)托輥支架和帶式輸送機(jī)運行方向中心線不垂直，從而給輸送帶帶來一個側(cè)向運動的力，導(dǎo)致輸送帶出現(xiàn)傾斜現(xiàn)象。發(fā)生跑偏時，不僅將降低運輸效率，物料灑落，而且嚴(yán)重時容易導(dǎo)致輸送機(jī)電機(jī)燒毀，機(jī)械傷人等事故[5]。

選煤廠煤炭運輸帶式輸送機(jī)具有環(huán)境噪聲大、光線暗、粉塵多、運輸距離長，機(jī)械部件復(fù)雜等特點，當(dāng)前多采用人工定期巡檢的方法檢測故障，普遍存在危險性高，效率低，巡檢工勞動強度大，不具備實時檢測功能，當(dāng)人工發(fā)現(xiàn)故障時，往往已經(jīng)造成了較為嚴(yán)重的損失等缺點。針對上述問題，本文研究了基于圖像處理技術(shù)的輸送帶跑偏故障在線檢測方法，提出了一種基于導(dǎo)向濾波和最大類間方差法(OTSU)的改進(jìn)型Canny算子邊緣檢測方法，同時利用Hough變換提取到邊緣直線特征并進(jìn)行分析處理，最終實現(xiàn)了對輸送帶跑偏故障的在線檢測和分級故障報警。

1 系統(tǒng)基本組成

本文研究的基于圖像處理技術(shù)的輸送帶跑偏故障在線檢測系統(tǒng)主要有圖像采集裝置、圖像處理方法以及上位機(jī)人機(jī)交互界面組成。圖像檢測系統(tǒng)工作過程為：首先利用圖像采集裝置拍攝輸送帶一側(cè)邊緣，然后對采集到的圖片綜合運用圖像預(yù)處理、邊緣檢測、霍夫變換等技術(shù)，提取跑偏故障特征信息，識別出輸送帶是否存在跑偏故障以及故障等級，并進(jìn)行相應(yīng)的故障報警。系統(tǒng)技術(shù)路線如圖1所示。

圖1 檢測系統(tǒng)技術(shù)路線圖

2 輸送帶跑偏檢測算法

2.1 圖像預(yù)處理

在采用圖像處理方法進(jìn)行跑偏故障分析時，由于輸送帶本身是正規(guī)矩形，因此，采集其一側(cè)圖像即可，本文采集的是輸送帶左側(cè)邊緣。采集到的圖像為彩色圖像，為了更好地進(jìn)行邊緣檢測，首先要進(jìn)行灰度化處理，見式(1)。

Gray=0.23R+0.59G+0.11B

(1)

式中，Gray為灰度值，R為紅色分量，G為綠色分量，B為藍(lán)色分量。

對原始彩色圖像進(jìn)行灰度化處理后如圖2所示，圖2中白色部分即為輸送帶左邊緣。

圖2 灰度化后的輸送帶正常狀態(tài)下邊緣圖像

2.2 基于改進(jìn)Canny算子的輸送帶圖像邊緣檢測

輸送帶跑偏檢測主要是對拍攝到的輸送帶的邊緣進(jìn)行特征提取和直線度判斷，因而實現(xiàn)邊緣檢測和相關(guān)特征提取至關(guān)重要[6，7]。邊緣檢測的實質(zhì)是采用某種算法，提取目標(biāo)與背景之間的邊界線。Canny算子以其魯棒性好，不容易受噪聲干擾，能夠檢測到真正的弱邊緣的優(yōu)點在邊緣檢測領(lǐng)域得到了廣泛的應(yīng)用[8，9]。傳統(tǒng)的Canny算子實現(xiàn)邊緣檢測主要包含以下幾個步驟：①采用高斯濾波器對圖像進(jìn)行平滑處理；②采用一階偏導(dǎo)的有限差分計算平滑后圖像的梯度幅值和方向；③采用非極大值抑制的方法保留局部梯度最大值；④采用雙閾值處理來消除虛假邊緣并連接斷續(xù)邊緣，最終獲得完整的邊緣。

在Canny算子運行過程中，主要存在兩個問題：①高斯濾波器的本質(zhì)是一種線性平滑濾波，采用像素鄰域的加權(quán)均值來代替該點的像素值，因此容易在一定程度上降低邊界的灰度差異性，造成邊緣模糊，不利于下一步的邊緣檢測；②雙閾值法的高、低閾值對檢測到的邊緣的質(zhì)量具有重要意義，需要手動預(yù)先設(shè)定，當(dāng)圖像采集現(xiàn)場的光照、環(huán)境等發(fā)生變化時，預(yù)選設(shè)定的閾值往往無法適應(yīng)變化，從而導(dǎo)致提取到的邊緣間斷及不完整。針對上述問題，本文提出了一種基于導(dǎo)向濾波和最大類間方差法(OTSU)的改進(jìn)型Canny算子邊緣檢測方法。

導(dǎo)向濾波技術(shù)[10，11]是在局部線性模型的基礎(chǔ)上發(fā)展而來的，其原理為在圖像上的一點與其相鄰近部分可構(gòu)成一個線性模型，那么整體圖像的濾波函數(shù)就可以采用多個局部線性模型來表示，某一點的像素灰度均值采用所有包含該點的局部線性模型的均值，可以實現(xiàn)任意方向的濾波。在導(dǎo)向濾波過程中，圖像中的一個像素點濾波輸出灰度值可表示為：

qi=∑jWi，j(I)pj

(2)

式中，i和j表示像素點；qi是輸出圖像的像素值；I為導(dǎo)向圖像；p為輸入圖像；Wi，j是導(dǎo)向圖像I和輸入圖像p的核函數(shù)。

定義ωk為像素k的濾波窗口，則輸出圖像q和導(dǎo)向圖像I之間的局部線性模型模型可表示為：

qi=akIi+bk，?i∈ωk

(3)

對上式兩邊取梯度：

q=aI

(4)

進(jìn)一步的對窗口ωk進(jìn)行最小化處理：

從而計算出a和b的數(shù)值：

最大類間方差法(OTSU)[12，13]是一種自適應(yīng)閾值確定的方法，其原理是用灰度閾值T來劃分圖片前景和背景，讓兩者之間的類間方差最大。針對目標(biāo)圖像I(x，y)，屬于前景即目標(biāo)的像素點數(shù)占整幅圖像的比例ω1=N1/M×N，背景像素點數(shù)占整幅圖像的比例為ω2=N2/M×N，其中N1+N2=M×N，ω1+ω2=1。設(shè)μ1為目標(biāo)像素點的平均灰度，μ2為背景像素點的平均灰度，則圖像總平均灰度μ可表示為：

μ=μ1×ω1+μ2×ω2

(7)

最大類間方差為：

g=ω1×(μ-μ1)2+ω2×(μ-μ2)2

(8)

當(dāng)最大類間方差g值最大時，也就意味著前景和背景的差異最大，此時的灰度閾值T即為最佳閾值。將最佳閾值T設(shè)置為Canny算子的高閾值Th，經(jīng)試驗，低閾值Tl設(shè)置為高閾值的0.4倍最佳，即Tl=0.4Th。

采用OTSU算法改進(jìn)Canny算子中閾值設(shè)定方法，由人工設(shè)定改為自動計算，從而保證Canny算子對輸送帶圖像邊緣檢測時，能夠在不同環(huán)境和條件下獲得完整的邊緣點，增強了算法的適應(yīng)能力。采用傳統(tǒng)Canny算子和上述基于導(dǎo)向濾波和OTSU的改進(jìn)型Canny算子邊緣檢測結(jié)果分別如圖3(a)和(b)所示，圖中兩條白色直線即為檢測到的邊緣點，從圖3(a)中可以看到采用傳統(tǒng)Canny算子檢測到了一些虛假邊緣，邊緣不整齊，檢測效果不理想。相比之下，圖3(b)采用改進(jìn)的Canny算子邊緣檢測到的直線整齊，檢測效果更好，也更有利于下一步的特征提取和直線度分析。

圖3 邊緣檢測結(jié)果

2.3 基于霍夫變換的輸送帶邊緣直線特征提取

霍夫(Hough)變換是在圖像處理過程中對圖像中幾何圖形進(jìn)行特征識別的一種方法，可以從二值化圖像中檢測直線部分，具有抗噪能力強、魯棒性好等優(yōu)點[14，15]?；舴蜃儞Q所實現(xiàn)的是一種從從圖像空間到參數(shù)空間的映射關(guān)系，對于平面中的一條直線，常用笛卡爾坐標(biāo)系下的表示方式y(tǒng)=ax+b，其中a表示斜率，b表示截距，但是當(dāng)輸送帶正常狀態(tài)運行即直線接近垂直X軸時，直線的斜率無窮大。因此在Hough變換中采用的是極坐標(biāo)系下的直線表示方式：

ρ=xcosθ+ysinθ

(9)

式中，ρ為原點到直線的距離；θ為ρ與X軸的夾角。

本文將Hough變換應(yīng)用到輸送帶邊緣檢測后的直線特征信息提取中。即首先根據(jù)上述改進(jìn)的Canny算子檢測到的輸送帶邊緣，然后利用Hough變換對邊緣進(jìn)行直線檢測，變換過程及檢測結(jié)果如圖4所示。其中圖4(a)為變換后的Hough空間，圖4(b)為Hough變換檢測到的兩條直線，紅色為輸送帶左邊緣左側(cè)直線，綠色為右側(cè)直線。

圖4 霍夫變換直線檢測

進(jìn)一步地，圖像邊緣采用Hough變換檢測到的直線像素點值見表1，繪制得到的直線如圖5所示。

表1 Hough變換提取到的直線參數(shù)(正常狀態(tài)下)

圖5 繪制邊緣直線

從圖4和圖5中可以發(fā)現(xiàn)，輸送帶左側(cè)邊緣檢測到的兩條直線為平行關(guān)系，因此為了簡化運算，本文在后續(xù)跑偏識別中，可僅選擇最左側(cè)即圖4(b)中紅色直線作為識別輸送帶跑偏狀態(tài)的依據(jù)。

3 跑偏故障識別和現(xiàn)場應(yīng)用情況

通過上述一系列圖像處理方法最終得到的邊緣直線特征可以發(fā)現(xiàn)，當(dāng)輸送帶發(fā)生跑偏時，檢測到的直線與輸送帶運行方向的夾角即為跑偏角。通過對直線特征提取計算得到跑偏角θp，同時設(shè)置兩個角度閾值θ1和θ2且θ1<θ2，當(dāng)輸送帶正常運行過程中允許發(fā)生的輕微可控的偏移范圍，即|θp|<θ1時，即認(rèn)為輸送帶未發(fā)生跑偏，當(dāng)θ1≤|θp|≤θ2時，即認(rèn)為輸送帶發(fā)生輕微跑偏故障，當(dāng)|θp|>θ2時則認(rèn)為輸送帶已發(fā)生嚴(yán)重跑偏故障。此時系統(tǒng)自動在上位機(jī)檢測界面彈出分級報警提示，并在現(xiàn)場皮帶走廊發(fā)出聲光報警，提醒相關(guān)人員及時到現(xiàn)場進(jìn)行維護(hù)檢修。經(jīng)過試驗及現(xiàn)場調(diào)試，最終確定θ1=4°，θ2=7°。

輸送帶發(fā)生跑偏時的圖像處理過程和識別結(jié)果如圖6所示，其中圖6(a)為跑偏狀態(tài)下輸送帶左側(cè)邊緣原始圖像，圖6(b)為采用改進(jìn)的Canny算子檢測到的輸送帶左側(cè)的兩個邊緣，圖6(c)為采用Hough變換檢測到的邊緣直線。進(jìn)一步對直線進(jìn)行像素點特征提取見表2，從表2中可以發(fā)現(xiàn)得到的兩條直線與x軸的夾角分別為-7.5°和-8°，表明此時已檢測到輸送帶發(fā)生嚴(yán)重跑偏，系統(tǒng)發(fā)出相應(yīng)的報警提示。

圖6 輸送帶跑偏狀態(tài)下檢測結(jié)果

表2 Hough變換提取到的直線參數(shù)(跑偏狀態(tài)下)

西山煤電屯蘭礦選煤廠708帶式輸送機(jī)主要用于將選煤廠分選后的矸石運往矸石山上，一旦該輸送帶發(fā)生嚴(yán)重故障將直接影響礦廠正常生產(chǎn)，進(jìn)而造成巨大的經(jīng)濟(jì)損失，因此，該輸送機(jī)連續(xù)穩(wěn)定運行對于保障廠礦的連續(xù)穩(wěn)定生產(chǎn)具有重要意義。該系統(tǒng)應(yīng)用于708帶式輸送機(jī)，試驗檢測效果及模型識別精度對比見表3，在采用改進(jìn)Canny算子和Hough變換相結(jié)合的識別模型進(jìn)行輸送帶跑偏故障檢測時，輕微跑偏和嚴(yán)重跑偏故障工況識別準(zhǔn)確率有了明顯的提升，系統(tǒng)實現(xiàn)了對輸送帶跑偏故障的自動檢測和分級報警提醒，應(yīng)用效果良好。

表3 模型識別精度對比

4 結(jié) 論

本文研究了一種基于圖像處理的輸送帶跑偏故障在線檢測技術(shù)，綜合運用了圖像濾波、邊緣檢測、霍夫變換等圖像處理方法，提出了一種基于導(dǎo)向濾波和最大類間方差法(OTSU)的改進(jìn)型Canny算子邊緣檢測方法，利用Hough變換提取到邊緣直線特征，設(shè)置合理的夾角閾值，最終實現(xiàn)了對輸送帶跑偏故障的在線檢測和分級故障報警，并在屯蘭礦選煤廠成功應(yīng)用。系統(tǒng)具有非接觸、檢測精度高、實時性好等優(yōu)點，保障了帶式輸送機(jī)連續(xù)高效運行，為實現(xiàn)選煤廠帶式輸送機(jī)無人值守奠定了基礎(chǔ)。