本發(fā)明屬于無損檢測領(lǐng)域，具體涉及輸送帶無損檢測中一種基于線激光圖像的縱向撕裂在線檢測方法。

背景技術(shù)：

輸送帶在使用過程中，由于被廢鋼鐵或煤矸石等異物或障礙物劃傷、皮帶輸送機的安裝調(diào)整不當(dāng)、轉(zhuǎn)載點處落料位置不正造成的負載不均勻等原因，經(jīng)常產(chǎn)生縱向撕裂故障。該故障具有突發(fā)性和隱蔽性，由于得不到及時檢測和處理，縱向撕裂事故時有發(fā)生，造成停產(chǎn)、運輸物料的損耗、設(shè)備的損壞和人員傷亡，嚴重影響安全生產(chǎn)^[1-3]。

對輸送帶的縱向撕裂的檢測，目前除人工檢測外，研究者們還提出了通過壓力、電磁等傳感器檢測輸送帶的物料泄露和橡膠脫落等狀態(tài)判斷縱向撕裂的方法，以及基于X光或機器視覺圖像進行檢測的方法^[1-10]。其中基于機器視覺圖像進行檢測的方法，具有圖像顯示直觀、非接觸檢測、對人體無害等優(yōu)點，近年來得到了越來越多的關(guān)注。本發(fā)明主要針對線激光圖像，利用機器視覺技術(shù)實現(xiàn)輸送帶縱向撕裂的在線檢測。

參考文獻：

[1]張明敏.基于機器視覺的礦用輸送帶縱向撕裂檢測系統(tǒng)研究[D].北京：中國礦業(yè)大學(xué)(北京)，2014.

[2]黃民，魏任之.礦用鋼繩芯帶式輸送機實時工況監(jiān)測與故障診斷技術(shù)[J].煤炭學(xué)報，2005，30(2)：245-250.

[3]毛君，趙永生，王淑嬌.礦用輸送帶縱向撕裂原因分析及其預(yù)防[J].煤礦機械.2007，28(10)：182-183.

[4]滕永青，李仰軍，周承仙.基于機器視覺和虛擬儀器技術(shù)的傳送帶監(jiān)測系統(tǒng)[J].煤礦機械，2008，29(4)：125-127.

[5]祁雋燕，彥海峰，譚超，張燕杰.基于LabVIEW的膠帶撕裂機器視覺檢測系統(tǒng)研究[J].煤炭工程，2009，(9)：123-125.

[6]張晞，葉濤，劉鴻鵬，陳永冉.基于ARM9的輸送帶縱向撕裂檢測系統(tǒng)研究[J].煤炭科學(xué)技術(shù)，2011，39(12)：102-104，107.

[7]胡明明.基于虛擬儀器的機器視覺技術(shù)在輸送帶縱向撕裂檢測應(yīng)用中的研究[D].太原：太原理工大學(xué)，2013.

[8]張安寧，孫宇坤，尹中會.帶式輸送機防縱撕保護研究現(xiàn)狀及趨勢[J].煤炭科學(xué)技術(shù)，2007，35(12)：77-79.

[9]劉廣勝.強力帶式輸送機輸送帶縱向撕裂機理研究[J].礦山機械，2012，40(6)：56-59.

[10]苗長云，楊彥利，李現(xiàn)國，李杰，仲為亮，沈慶磊.基于機器視覺的輸送帶縱向撕裂自動檢測方法：中國，201110351015.9[P].2011-11-9.

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提出一種基于線激光圖像的輸送帶縱向撕裂在線檢測方法，解決輸送帶縱向撕裂在線檢測的速度和準(zhǔn)確性問題。本發(fā)明所采用的技術(shù)方案，具體包含如下操作步驟：

步驟1，讀取一幅通過面陣相機采集獲得的輸送帶線激光圖像I；

步驟2，圖像裁減，去除圖像I中的冗余區(qū)域，得到裁減后的圖像C；

步驟3，圖像分量提取，得到灰度圖像G；

步驟4，對圖像G進行中值濾波，得到去除圖像噪聲后的圖像Gu；

步驟5，對圖像Gu，采用最大值法提取激光條紋骨架，即通過每一列像素值的最大值確定激光條紋骨架的坐標(biāo)值，得到一個一維數(shù)組L，數(shù)組元素值為激光條紋骨架的縱坐標(biāo)值；

步驟6，對一維數(shù)組L執(zhí)行鄰域差分，和閾值T1比較，檢測斷點，確定斷點位置Pd；

步驟7，對一維數(shù)組L執(zhí)行均值濾波，計算二階導(dǎo)數(shù)值，和閾值T2比較，檢測激光條紋波動，確定波動異常位置Pb；

步驟8，利用Pd和Pb，確定縱向撕裂位置，在圖像G上標(biāo)識出故障區(qū)域，得到結(jié)果圖像O。

本發(fā)明的效果和益處是，測試表明，本發(fā)明可以在線檢測輸送帶縱向撕裂故障，在工業(yè)應(yīng)用中具有良好的使用價值。本發(fā)明技術(shù)有以下幾個優(yōu)勢：

(1)本發(fā)明操作簡便、算法簡單，計算量小、執(zhí)行效率高、速度快。

(2)本發(fā)明涉及的算法可以在圖像采集的嵌入式硬件上實現(xiàn)，如通過DSP、ARM或FPGA實現(xiàn)，以進一步提高運算速率，也可通過上位機軟件實現(xiàn)。

(3)本發(fā)明方法，不局限于輸送帶縱向撕裂檢測，還可應(yīng)用于其它基于線激光圖像的物件表面缺陷或故障的檢測。

附圖說明

圖1是本發(fā)明方法的操作流程圖；

圖2是面陣相機采集獲得的一幅輸送帶線激光圖像；

圖3是使用本發(fā)明方法得到的輸送帶縱向撕裂檢測結(jié)果圖像。

具體實施方式

以下結(jié)合附圖和實施例詳細敘述本發(fā)明的具體實施。

本發(fā)明提出的方法的整體操作流程如附圖1所示。本發(fā)明的目的是提出一種基于線激光圖像的輸送帶縱向撕裂在線檢測方法，解決輸送帶縱向撕裂在線檢測的速度和準(zhǔn)確性問題。本發(fā)明所采用的技術(shù)方案，具體包含如下操作步驟：

步驟1，讀取一幅通過面陣相機采集的輸送帶線激光圖像I，面陣相機采集獲得的一幅輸送帶線激光圖像如附圖2所示，圖像大小為800×600像素，由附圖2可看出輸送帶及其縱向撕裂時線激光圖像的激光條紋是有一定寬度的亮條，輸送帶縱向撕裂處條紋出現(xiàn)斷點和波動；

步驟2，圖像裁減，去除圖像I中的冗余區(qū)域，得到裁減后的圖像C；

步驟3，圖像分量提取，本實施例用的是紅色線激光圖像，則提取圖像I的R分量，得到灰度圖像G；

步驟4，中值濾波，使用3×3的濾波器對圖像G進行中值濾波，去除圖像噪聲，得到圖像Gu；

步驟5，對圖像Gu，通過每一列像素值的最大值確定激光條紋骨架的坐標(biāo)值，得到一個一維數(shù)組L，數(shù)組元素值為激光條紋骨架的縱坐標(biāo)值；

步驟6，對一維數(shù)組L執(zhí)行鄰域差分，和閾值T1比較，檢測斷點，確定斷點位置Pd；

步驟7，對一維數(shù)組L執(zhí)行1×5的均值濾波，計算二階導(dǎo)數(shù)值，和閾值T2比較，檢測激光條紋波動，確定波動異常位置Pb；

步驟8，利用Pd和Pb，確定四個邊界點的坐標(biāo)值，從而確定出縱向撕裂位置，并在圖像G上標(biāo)識出故障區(qū)域，得到結(jié)果圖像O。對于附圖2所示的原始圖像，其輸送帶縱向撕裂檢測結(jié)果圖像如附圖3所示。附圖3中，條紋中心的黑色骨架線是步驟5得到的激光條紋骨架線；白色矩形框是根據(jù)步驟6和步驟7分別獲得的pb和pd值，由步驟8確定并標(biāo)識出的故障區(qū)域。

由附圖3可以明顯的看出，本發(fā)明所提出的方法，有效檢測出了激光條紋骨架、縱向撕裂位置，并準(zhǔn)確標(biāo)識出了故障區(qū)域。Visual Studio環(huán)境下編寫的代碼，在Intel Core 2 Duo CPU T5470@1.6GHz主頻、2GB內(nèi)存的PC上運行，執(zhí)行時間低于60ms，執(zhí)行效率高、速度快。

測試表明，本發(fā)明可以快速、準(zhǔn)確的在線檢測輸送帶縱向撕裂故障，在工業(yè)應(yīng)用中具有良好的使用價值。

最后需要指出的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制。盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實施例技術(shù)方案的精神和范圍。