CN103824304A - 传送带上矿石传送过程中故障诊断方法 - Google Patents

Abstract

本发明公开了一种传送带上矿石传送过程中故障诊断方法，首先比较相邻两帧的图像的平均灰度值，若相同说明该两幅图像没有变化，皮带静置，否则正常运行；若正常运行，则分割矿石图像，采用八链码边界追踪处理分割图像，将图像中每一个目标边缘用八链码表示，若皮带静置，则发出皮带没有运转的警报；然后计算每一个目标的几何属性和平均灰度值，设定图像的平均灰度值和几何属性的阈值，确定目标是否为杂物。根据图像左右两侧被分割的区域，确定其是皮带的边缘。这样能够准确无误的找出杂物和矿石皮带边缘，对矿石生产具有很大的帮助和最小的成本损失。

Description

传送带上矿石传送过程中故障诊断方法

技术领域

本发明涉及一种传送带过程中故障诊断的方法，尤其涉及一种传送带上矿石传送过程中故障诊断方法。

背景技术

对矿业企业传送带上输送的矿石进行故障诊断，可以减少矿石在生产过程中的不必要损失，降低破碎设备和磨矿设备的损耗，对提高生产效率有重要意义。传送带上输送的矿石经常处于高粉尘污染环境，自然光导致图像的颜色及亮度差异巨大，人工实时监测条件艰苦，并且人眼在混乱、高速的皮带运动中，不能及时的发现杂物并停止皮带运行。

随着计算机的应用扩展，图像处理逐渐应用到了矿石图像、医学图像、遥感图像的范围。矿石图像故障检测的问题是检查该设备是否在正常运行，从复杂图像中找出非矿石的异物，并及时进行处理，最后检测皮带边缘的位置，防止矿石走偏，不利于生产。由于矿石有着不规则的形状和粗糙的表面，最难和最重要的工作是准确描绘出杂物，检测皮带的边缘。

异物检测方法是在矿石粒度分割的基础上开发的，是粒度检测系统的升级。粒度检测是对所有矿石进行准确分割，并统计大小级别的矿石个数或面积比例，而异物检测系统是在所有的矿石被分割统计之后，有选择性的挑出与众不同的“矿石”，这类矿石产生的原因除了设备故障外，大部分是异物造成的。

现有技术中采用以下方法对矿石图像进行故障检测：

基于阈值的方法是常用的矿石图像异物检测方法，即采用面积阈值将矿石和杂物区分开来，依此实现对矿石的检测。但传送带上矿石重叠堆积，分割后的二值图像中多处相邻或堆积的矿石连接在一起，单一的阈值方法难以获得理想的杂质检测的效果；

基于几何属性的检测方法是矿石杂质检测的另一途径，但矿石形状各异，彼此粘连，推挤严重，造成分割形状与真实情况不吻合，单凭几何属性不能够很高效的区分出杂物。

基于平均灰度值的检测方法也可用于矿石杂质检测的，但矿石内部由于物质含量不同及爆破导致的凸凹不平，使一块矿石内部的灰度值差异很大，容易造成矿石归类为杂物；

基于几何属性和平均灰度值结合的算法适用于分割目标边缘清晰的图像，且对于目标有很大的识别能力。对于内部纹理和颜色不均匀的矿石，可以综合考虑其几何属性，避免导致严重的错分类问题。对于几何属性严重不达标时，可以考虑其内部平均灰度值，判断是否为图像分割出现错误，避免将矿石判定为杂物。

发明内容

本发明的目的是提供一种能对矿石图像进行准确、有效的传送带上矿石传送过程中故障诊断方法。

本发明的目的是通过以下技术方案实现的：

本发明的传送带上矿石传送过程中故障诊断方法，包括步骤：

A、摄像机连续采集皮带的视频，提取出每一帧图像，比较相邻两帧的图像的平均灰度值，若相同说明该两幅图像没有变化，皮带静置，否则正常运行；

B、若正常运行，则分割矿石图像，采用八链码边界追踪处理分割图像，将图像中每一个目标边缘用八链码表示，若皮带静置，则发出皮带没有运转的警报；

C、根据步骤B处理得到的八链码标识图像，计算每一个目标的几何属性和平均灰度值；

D、根据步骤C计算的结果判定所述图像的每一目标区域是否在正常矿石的属性范围内，若不是就用颜色标注出来，如果正常就不用处理。

E、对步骤C的图像的左右两个边缘检测，呈现面积超过设定阈值，且最小外接矩形的长大约等于图像的高的目标是皮带边缘。

由上述本发明提供的技术方案可以看出，本发明所述的传送带上矿石传送过程中故障诊断方法，由于首先采用八链码对传送带上矿石分割图像进行边界追踪；然后对标记图像进行目标属性计算，提取出每一个目标的特征，设定图像的平均灰度值和几何属性的阈值，根据这一准则，确定目标是否为杂物。根据图像左右两侧被分割的区域，确定其是皮带的边缘。这样能够准确无误的找出杂物和矿石皮带边缘，对矿石生产具有很大的帮助和最小的成本损失。

附图说明

图1为本发明的具体实施例中对载矿皮带运动状态检测的流程示意图；

图2为本发明的具体实施例中对载矿皮带上矿石中异物检测的流程示意图；

图3为本发明的具体实施例中对载矿传送带的边缘检测的流程示意图；

图4为本发明的具体实施例中对传送过程故障检测的流程示意图；

图5为本发明的具体实施例中对图像八链码的示意图；

图6为本发明的具体实施例中对图像边缘追踪的示意图；

图7为本发明的具体实施例中对图像故障检测的原始图；

图8为本发明的具体实施例中对图像故障检测的杂物标识图和边缘标识图（杂物标深色灰度值，边缘标黑色）。

具体实施方式

本发明的矿石运动故障检测诊断方法，其较佳的具体实施方式如图1至图8所示，包括步骤：

A、摄像机连续采集皮带的视频，提取出每一帧图像，比较相邻两帧的图像的平均灰度值，若相同说明该两幅图像没有变化，皮带静置，否则正常运行；

B、若正常运行，则分割矿石图像，采用八链码边界追踪处理分割图像，将图像中每一个目标边缘用八链码表示，若皮带静置，则发出皮带没有运转的警报；

C、根据步骤B处理得到的八链码标识图像，计算每一个目标的几何属性和平均灰度值；

D、根据步骤C计算的结果判定所述图像的每一目标区域是否在正常矿石的属性范围内，若不是就用颜色标注出来，如果正常就不用处理。

E、对步骤C的图像的左右两个边缘检测，呈现面积超过设定阈值，且最小外接矩形的长大约等于图像的高的目标是皮带边缘。

所述的步骤A中，所述平均灰度值average_gray是一个目标的所有像素的灰度值总和

与像素个数h*w的比值，根据下式计算：

$\mathrm{average}\_\mathrm{gray}=\underset{i=0}{\overset{i=h*w}{\mathrm{\Σ}}}{\mathrm{gray}}_i/(h*w).$

所述的步骤B中，对图像进行八链码边界追踪包括步骤：

B1、光栅扫描图像像素，当找到像素值为index时，存储像素坐标值，记为P₀；

B2、从P₀左下侧像素反时针方向处理研究P₀的8-邻接像素，第一次出现值为index的像素，记为P_k，开始k＝1，存储P₁的坐标；

B3、反时针方向从P_k-1左侧像素研究P_k的8-邻接像素，最先发现的值为index的像素记为P_k+1；

B4、当P_k=P₀而且P_k+1=P₁时，跟踪结束，将index值加1，返回步骤B1，从新扫描，否则k+1更新为k返回步骤B3。

所述的步骤C中，所述目标的几何属性和平均灰度值包括：

目标的周长、面积、圆形度、最小外接矩形、长宽比、最小外接圆、平均灰度值、灰度值方差。

所述的步骤D中，首先设定矿石的属性范围，在这些属性之外的目标都是杂质或者皮带边缘。

所述的步骤E中，检测矿石图像两侧被分割的区域，当满足灰度方差比较小，且外形类似矩形，并且面积超过给定阈值的目标，认定为皮带的边缘。

具体步骤A中，从摄像头读取得到前一帧图像与当前帧图像，计算两幅图像的平均灰度值，比较两帧之间的灰度平均值，如果相等就代表两帧之间没有变化，即该皮带没有运行。

平均灰度值average_gray就是一个目标的所有像素的灰度值总和

与像素个数h*w的比值，即：

$\mathrm{average}\_\mathrm{gray}=\underset{i=0}{\overset{i=h*w}{\mathrm{\Σ}}}{\mathrm{gray}}_i/(h*w)---\left(1\right)$

具体步骤B中，对图像进行八链码（如图2）边界追踪可以包括以下方法（也可以采用其它的方法）：

分割图像的每一个目标在分割时有其对应的标记像素值，采用八链码方法标识出每个边界像素，扫描线方法寻找分割图像还没有扫描到目标的左上角像素，依据左上角像素P₀，从左下角逆时针查找到相邻的边界像素P₁，并按照图3的关系标注出此边界像素的码值a₀，并标注其位置(x₁,y₁)。继续逆时针寻找边界像素，并编码及标注位置。直到再查找到左上角像素P₀，结束追踪，形成链表。其具体过程如下：

(1)光栅扫描图像像素，当找到像素值为index时，存储坐标(x,y)值，记为P₀。

(2)从左下侧像素(x,y)反时针方向处理研究8-邻接像素，第一次出现值为index的像素，记为P_k。开始k＝1,存储P₁的坐标

(3)反时针方向从P_k-1左侧像素研究P_k的8-邻接像素，最先发现的值为index的像素记为P_k+1；

(4)当P_k=P₀而且P_k+1=P₁时，跟踪结束,将index值加1，返回1，从新扫描。否则k+1更新为k返回第(3)步。

具体步骤C中，计算目标的属性可以包括目标的周长，面积，圆形度，最小外接矩形，长宽比，最小外接圆，平均灰度值，灰度值方差等等：

每一个分割图像中的目标，首先通过记录的八链码code计算周长c,若链码对2取余为0，周长c加1；否则周长c加2,其公式如下:

$c=\left\{\begin{array}{cc}c+1& \mathrm{if}(\mathrm{code}\%2==0)\\ c+\sqrt{2}& \mathrm{otherwise}\end{array}\right.---\left(2\right)$

每一个分割图像中的目标，通过记录的八链码code计算面积s，本发明采用像素点累计的方法（还可以用其他方法）首先，针对目标的每一个边缘节点下标leftcode，利用模板匹配找到其对应的右节点下标rightcode，该行的像素总和就计算出来了。即：

s＝rightcode-leftcode+1          (3)

同理计算所有节点所在行的像素总值，将结果加起来即为面积。

那么目标圆形度r0就可以用上述结果计算：

r0＝4*PI*s/(c*c)          （4）

计算最小外接矩形的一种方法是：（可以采用其他方法）

1）将物体的边界以每次3°左右的增量在90°范围内旋转。

2）每旋转一次记录一次其坐标系方向上的外接矩形边界点的最大和最小x、y值。

3）旋转到某一个角度后，外接矩形的面积达到最小。此即为最小外接矩形。

接下来，目标的长宽比Ratio可以利用最小外接矩形的长l和宽k来计算：

Ratio=l/k          （5）

目标平均灰度值average就是一个目标的所有像素的灰度值总和sum_gray与像素个数sum的比值，即：

average=sum_gray/sum          (6)

目标灰度值方差σ²就是一个目标平均灰度值与每一个像素值gray_i的差的平方和的平均数，其用来测度统计数据的差异程度，例如，矿石表面灰度不均匀，而铁块材料的颜色灰度很相近，根据这一特点可以判断铁块异物，其公式如下（7）：

${\mathrm{\σ}}^2=\frac{1}{N}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{(\mathrm{average}-{\mathrm{grsy}}_i)}^2$ （N为一个目标的像素总个数）    (7)

具体步骤D中，通过图像目标的各种属性，进行剔除：

由矿石的先验属性，设定一些矿石的属性范围，在这些属性之外的目标都是杂质或者皮带边缘。比如满足长宽比值大于给定属性，并且灰度方差值小于给定值的目标可以判定其为木条，满足灰度平均值比给定属性要小的，且面积大的，圆形度不接近圆形的可以判定其为铁块。

具体步骤E中，检测矿石图像两侧被分割的区域，当满足灰度方差比较小，且外形类似矩形，并且面积超过给定阈值的目标，认定为皮带的边缘，当然还有其他方法，本发明采用此种方法。

由于矿石图像受摄像器材质量和光源影响很大，且现场污染程度高，传送带运动速度快，矿石图像的亮度和清晰度差别很大，矿石的品种和粒度差异较大。本发明首先实现矿石的位置标定，并获得准确的矿石边界，能对不同光源、不同品种、不同环境下的图像能够自适应处理；并能够区分矿石和杂物区域，并去除图像中的噪声，提高生产的实时性。

下面通过具体实施例对本发明进行详细的描述：

将摄像机安装在传送带上方的封闭箱子里，在箱子下方有透明窗口以便摄像机拍摄，箱子的高度可以调节，设定摄像机的采样频率，每帧图像均作如下处理：

1、矿石图像皮带运动状态检测

在矿石图像上，如果皮带没有在运动，那么从摄像机里面采集得到的图像都是一致的，计算相邻两帧之间的平均灰度值，通过比较就可以知道是否在运动。一幅高为h，宽为w的图像，其平均灰度值average_gray的计算公式如下：

$\mathrm{average}\_\mathrm{gray}=\underset{i=0}{\overset{i=h*w}{\mathrm{\Σ}}}{\mathrm{gray}}_i/(h*w)---\left(8\right)$

式子中i为计数，gray_i为第i个像素的灰度值，

2、矿石图像分割：

扫描原始图像f(x,y)，对图像进行改进的分水岭分割，具体包括：

首先，对原始图像进行对比度拉伸的自适应增强算法，其参数是由计算机计算的，增加图像的目标与背景的对比度，得到增强图像e(x,y),同时通过边缘检测提取矿石的梯度图像g(x,y)，通过自适应二值化从增强图像中提取种子区域图像seed(x,y)，接着利用分水岭分割方法，在梯度图像g(x,y)中，由种子图像seed(x,y)生长，得到分割结果图segment(x,y)。

3、矿石图像目标特征提取：

首先，采用八链码方法标识出segment(x,y)图像中每个边界像素，扫描线方法寻找分割图像还没有扫描到目标的左上角像素，依据左上角像素P₀，从左下角逆时针查找到相邻的边界像素P₁，并按照图5的关系标注出此边界像素的码值a₀，并标注其位置(x₁,y₁)。继续逆时针寻找边界像素，并编码及标注位置。直到再查找到左上角像素P₀，结束追踪，形成链表。

然后，按照如上述介绍的计算方法计算目标的属性，包括目标的周长，面积，圆形度，最小外接矩形，长宽比，平均灰度值，最小外接圆，其计算方法是：

每一个分割图像中的目标，首先通过记录的八链码code计算周长c,若链码对2取余为0，周长c加1；否则周长c加

其公式如(2)；

每一个分割图像中的目标，通过记录的八链码code计算面积s，本发明采用像素点累计的方法（还可以用其他方法）首先，针对目标的每一个边缘节点下标leftcode，利用模板匹配找到其对应的右节点下标rightcode，该行的像素总和通过统计像素点个数就计算出来了，其公式如(3)，将所有节点所在行的像素总值累加起来即为面积。

那么目标圆形度r0利用上述两个结果计算，如公式(4)；

计算最小外接矩形的一种方法是:

1）将物体的边界以每次3°左右的增量在90°范围内旋转。

2）每旋转一次记录一次其坐标系方向上的外接矩形边界点的最大和最小x、y值。

3）旋转到某一个角度后，外接矩形的面积达到最小。此即为最小外接矩形。

利用最小外接矩形的长l和宽k计算目标的长宽比Ratio,如公式(5)；

目标平均灰度值average是描述目标的颜色亮或者暗的一个属性，利用一个目标的所有像素的灰度值总和sum_gray与像素个数sum的比值计算，如公式(6)；

目标灰度值方差σ²其用来测度统计数据的差异程度，其计算公式如下（7）：

4、矿石图像异物检测：

在每一帧图像上，每一个分割后的目标都被打上了标记，都附带着许多的属性，根据这些属性来判断是否属于矿石，本发明中设定长宽比的上限为4，一般来讲，矿石的形状是那种块状且略微有些圆形度的，而不是条形的，如果超过了本发明长宽比上限，可以判定此目标为非矿石，。

面积的阈值设定为800pixel，在矿石传送带上，如果某一个目标符合长宽比和平均灰度值，但面积大于设定阈值，可以判定其属于杂物，或者是面积比较大的矿石，此时在生产过程中，应该注意检查震动筛是否有破裂的孔洞。

在本发明中，满足长宽比值大于给定属性，并且灰度方差值小于给定值的目标可以判定其为木条，满足灰度平均值比给定属性要小的，且面积大的，圆形度不接近圆形的可以判定其为铁块。如图7所示，图中被标注的深色表示是细长的木条。

5、矿石图像皮带检测

在矿石图像上，皮带边缘颜色一般较暗，且颜色分布均匀，很容易出现在分割图像中，此时，在图像边缘两侧检测分割目标的最小外接矩形，同时检测其平均灰度值和灰度方差，当最小外接矩形的长大于矿石图像的高、平均灰度值比阈值范围（40-100）小，并且灰度方差值相对小，此条件满足判定该目标为皮带边缘。在本发明中，图8为实施结果，其标注的黑色部分为皮带的边缘。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种传送带上矿石传送过程中故障诊断方法，其特征在于，包括步骤：

A、摄像机连续采集皮带的视频，提取出每一帧图像，比较相邻两帧的图像的平均灰度值，若相同说明该两幅图像没有变化，皮带静置，否则正常运行；

B、若正常运行，则分割矿石图像，采用八链码边界追踪处理分割图像，将图像中每一个目标边缘用八链码表示，若皮带静置，则发出皮带没有运转的警报；

C、根据步骤B处理得到的八链码标识图像，计算每一个目标的几何属性和平均灰度值；

D、根据步骤C计算的结果判定所述图像的每一目标区域是否在正常矿石的属性范围内，若不是就用颜色标注出来，如果正常就不用处理。

E、对步骤C的图像的左右两个边缘检测，呈现面积超过设定阈值，且最小外接矩形的长大约等于图像的高的目标是皮带边缘。

2.根据权利要求1所述的传送带上矿石传送过程中故障诊断方法，其特征在于，所述的步骤A中，所述平均灰度值average_gray是一个目标的所有像素的灰度值总和

与像素个数h*w的比值，根据下式计算：

$\mathrm{average}\_\mathrm{gray}=\underset{i=0}{\overset{i=h*w}{\mathrm{\Σ}}}{\mathrm{gray}}_i/(h*w).$

3.根据权利要求1所述的传送带上矿石传送过程中故障诊断方法，其特征在于，所述的步骤B中，对图像进行八链码边界追踪包括步骤：

B1、光栅扫描图像像素，当找到像素值为index时，存储像素坐标值，记为P₀；

B2、从P₀左下侧像素反时针方向处理研究P₀的8-邻接像素，第一次出现值为index的像素，记为P_k，开始k＝1，存储P₁的坐标；

B3、反时针方向从P_k-1左侧像素研究P_k的8-邻接像素，最先发现的值为index的像素记为P_k+1；

B4、当P_k=P₀而且P_k+1=P₁时，跟踪结束，将index值加1，返回步骤B1，从新扫描，否则k+1更新为k返回步骤B3。

4.根据权利要求1所述的传送带上矿石传送过程中故障诊断方法，其特征在于，所述的步骤C中，所述目标的几何属性和平均灰度值包括：

目标的周长、面积、圆形度、最小外接矩形、长宽比、最小外接圆、平均灰度值、灰度值方差。

5.根据权利要求1所述的传送带上矿石传送过程中故障诊断方法，其特征在于，所述的步骤D中，首先设定矿石的属性范围，在这些属性之外的目标都是杂质或者皮带边缘。

6.根据权利要求1所述的传送带上矿石传送过程中故障诊断方法，其特征在于，所述的步骤E中，检测矿石图像两侧被分割的区域，当满足灰度方差比较小，且外形类似矩形，并且面积超过给定阈值的目标，认定为皮带的边缘。

Images