CN105083913B - 一种基于机器视觉的输送带撕裂检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的输送带撕裂检测方法，该方法包括下述步骤：采集实时图像，获取灰度图像；利用边缘检测器检测灰度图像中各对象的边缘；利用基于形状和方向性的滤波模板对边缘图像滤波，获得与输送带运行方向相同的直线型边缘图像；采用一维向量对边缘进行标记；根据已知的、输送带未撕裂时的输送带基准宽度和设定宽度阈值确定输送带是否撕裂。应用本发明，可以解决现有技术存在的稳定性及可靠性低的问题。

Description

一种基于机器视觉的输送带撕裂检测方法

技术领域

本发明属于运输设备技术领域，具体地说，是涉及一种基于机器视觉的输送带撕裂检测方法。

背景技术

通用带式输送机主要由输送带、传动滚筒、拉紧装置、托辊机架、托辊轴

以及传动装置等几部分组成。胶带绕经两端滚筒后，用胶带卡子或硫化方法，将两头接在一起，使之成为闭环结构的输送带。输送带由上、下托辊轴支承着，由拉紧装置拉紧，具有一定的张力。当主动滚筒被电动机带动而旋转时，借助于主动滚筒与输送带之间的摩擦力带着输送带连续运转，从而将装到输送带上的载货从卸载滚筒处卸载。输送带作为整个输送机的关键设备，它的安全、稳定运行直接影响到生产作业。输送带撕裂是带式输送机的最常见故障，撕裂轻则会导致撒料、影响生产进度及损害输送带和相关机械设备，重则可能会引起矿井火灾、人员伤亡等严重事故。

输送带撕裂的可能原因包括：带式输送机的结构不尽对称；输送带的落料点落差大，锐利、坚硬的超长杂质容易在落料点插入输送带；转接溜槽小，易阻碍物料及杂质通过；等等。通常，由于托辊轴的支撑作用，输送带一旦撕裂，将会向中心处合并。目前常用的方法是在输送带下方安装传感器进行撕裂检测，这种技术的缺点主要是：传感器装在输送带下方，极易受损而失效，致使检测稳定性和可靠性低。

发明内容

本发明的目的在于提供一种基于机器视觉的输送带撕裂检测方法，解决现有技术存在的稳定性及可靠性低的问题。

为达到上述发明目的，本发明采用下述技术方案予以实现：

一种基于机器视觉的输送带撕裂检测方法，包括下述步骤：

步骤a1、获取灰度图像

采集实时图像，获取实时图像的长度h、宽度w及灰度图像f₁(x,y)；(x,y)为灰度图像中像素点的位置，x∈[0,h-1]，y∈[0,w-1]；定义灰度图像中输送带的运行方向为沿灰度图像的长度方向；

步骤a2、边缘检测

利用边缘检测器检测灰度图像f₁(x,y)中包含的所有对象的边缘，获得边缘图像f₂(x,y)；

步骤a3、边缘滤波

采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)；对于给定的m和n，m＞n，(2m+1)和(2n+1)分别为滤波模板M_q(s,t)的长度和宽度，(s,t)为滤波模板M_q(s,t)的坐标位置，t∈[-n,n],s∈[-m,m]；

步骤a4、边缘标记

将直线型边缘图像f₃(x,y)中的所有边缘保持斜率不变、两端延长，使得所有边缘的长度均为h，将延长后的每条边缘均表示为一维向量，记为edgep_k(x_i)＝y_i；edgep_k表示第k段边缘，x_i表示边缘edgep_k上第i个边缘点的x坐标值，i＝1,2,…,h，y_i表示边缘edgep_k上第i个边缘点的y坐标值；

步骤a5、边缘距离计算

计算边缘标记后的任意两段边缘edgep_a、edgep_b间的距离d_ab(x_i)＝|edgep_a(x_i)-edgep_b(x_i)|，a,b∈k；

步骤a6、撕裂确定

将距离d_ab(x_i)与输送带基准宽度d(x_i)及设定宽度阈值δ(x_i)进行比较，如果存在两段边缘edgep_a、edgep_b，使得|d_ab(x_i)-d(x_i)|≤δ(x_i)，判定输送带未撕裂，否则，判断输送带撕裂；其中，输送带基准宽度d(x_i)＝|Edge1(x_i)-Edge2(x_i)|，Edge1(x_i)＝y_i为输送带基准左边缘Edge1的一维向量，Edge2(x_i)＝y_i为输送带基准右边缘Edge2的一维向量，输送带基准左边缘Edge1和输送带基准右边缘Edge2为已知的、输送带未撕裂时的输送带左边缘和右边缘。

如上所述的方法，在所述步骤a3中，采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)，具体为：

其中，若f₂(x,y)＝1，temp(x,y)＝max(temp_q(x,y))，

如上所述的方法，所述步骤a1采集的原始图像为RGB彩色图像f(x,y)＝{f_R(x,y),f_G(x,y),f_B(x,y)}，其灰度图像为f₁(x,y)＝f_R(x,y)/3+f_G(x,y)/3+f_B(x,y)/3。

如上所述的方法，在所述步骤a6之后还包括下述步骤：

步骤a7、在判定输送带撕裂时输出报警信号。

与现有技术相比，本发明的优点和积极效果是：本发明利用边缘检测器快速、准确、方便得获取实时图像中各对象的边缘；利用基于形状和方向性的滤波器滤除部分与输送带边缘无关的边缘；通过初始化处理，预先、准确获取输送带未偏离时的左、右侧边缘作为基准边缘，获得输送带的基准宽度，并设置宽度阈值，计算滤波后的任意两段边缘的距离，结合输送带的基准宽度和宽度阈值判定输送带是否撕裂。整个检测过程全部基于机器视觉获得的图像，无需安装传感器，避免了传感器检测存在的稳定性和可靠性低的问题。而且，基于机器视觉进行识别，识别准确率高、实时性强，保证了及时发现输送带的撕裂，避免因未及时、准确发现撕裂而可能引发的严重事故。

结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明基于机器视觉的输送带撕裂检测方法一个实施例的流程图；

图2是输送带未撕裂时的初始化灰度图像；

图3是标注输送带基准边缘的初始化灰度图像；

图4是输送带实时图像的灰度图像；

图5是对图4的灰度图像通过边缘检测器检测后的边缘图像；

图6是对图5的边缘图像滤波后的直线型边缘图像。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步详细的说明。

请参见图1，该图所示为本发明基于机器视觉的输送带跑偏检测方法一个实施例的流程图。

该实施例记载的基于机器视觉的输送带撕裂检测方法，具体来说是基于图像实现输送带撕裂检测，其核心技术思想是利用边缘检测器直接检测出实时图像中对象的边缘，再基于已知的、输送带未撕裂时的输送带左、右基准边缘对应的输送带基准宽度及设定的宽度阈值，对检测出来的边缘的距离进行判断，根据判断结果检测出当前输送带是否撕裂。因而，在对实时图像进行撕裂检测之前，需要预先获取输送带未撕裂时的输送带左、右基准边缘，并计算输送带基准宽度。该实施例通过对要检测的输送带进行初始化的方式获取到输送带的左、右基准边缘及输送带基准宽度。

具体来说，初始化处理包括输送带初始化(即保证输送带处于非偏离位置、且未撕裂状态)，获取初始化图像。如果以垂直和水平两个方向来定义图像的话，在水平方向定义图像宽度，垂直方向定义为图像长度，垂直方向、也即图像的长度方向是输送带运行方向，那么水平方向就是输送带的宽度方向，也是输送带运行过程中可能发生偏移的方向。在初始化图像中，输送带应该大约位于图像的中央处，占图像约1/3至2/3的宽度，保证输送带在图像中不是很大或很小。图像中像素点的坐标(x，y)以图像左上角为原点(0，0)，y坐标沿水平向右为正向(即取值增加的方向)，x坐标沿垂直向下为正向。

目前，摄像头所拍摄的图像一般多为彩色图像，用RGB三色分别表示为f_R(x,y)，f_G(x,y)和f_B(x,y)。对于彩色图像，需要将其转换为灰度图像f(x,y)。其中，(x,y)为灰度图像中像素点的位置，x∈[0,h-1]，y∈[0,w-1]。其中，h和w分别为灰度图像的长度和宽度。经灰度变换后的初始化灰度图像如图2所示。也即，图2示出了输送带未撕裂时的初始化灰度图像。

然后，获取输送带基准左边缘Edge1和输送带基准右边缘Edge2。

图像的长度h是图像在x方向取值的最大差值，宽度w是图像在y方向的最大差值。输送带基准左边缘Edge1和输送带基准右边缘Edge2分别用一维向量Edge1(x_i)＝y_i和Edge2(x_i)＝y_i表示。x_i表示边缘上第i个边缘点的x坐标值，i的取值从1开始为边缘的起始点，随着边缘向下延伸，i逐次加1，i的最大取值为边缘的长度。y_i表示边缘edgep_k上第i个边缘点的y坐标值。在该实施例中，为便于处理，输送带基准左边缘Edge1和输送带基准右边缘Edge2的长度均为h，与灰度图像的长度相同。因此，i＝1,2,…,h，而且，第i个边缘点的x坐标值与i相同。例如，Edge1(5)＝10，表示输送带基准左边缘Edge1的第5边缘点的x坐标值是5，y坐标值是10；Edge2(5)＝100，表示输送带基准右边缘Edge2的第5边缘点的x坐标值是5，y坐标值是100。标注输送带基准边缘的初始化灰度图像如图3所示。

然后，再计算输送带基准左边缘和基准右边缘的距离，获得输送带基准宽度。

输送带基准宽度用一维列向量d(x_i)表示，具体是用输送带基准左边缘与基准右边缘间的距离计算，用公式表示为：d(x_i)＝|Edge1(x_i)-Edge2(x_i)|。也即，一维列向量中，每行的元素为一个x坐标对应的差值。具体来说，这个差值是输送带基准左边缘列向量中x坐标对应的y坐标值与输送带基准右边缘列向量中x坐标对应的y坐标值的差值。譬如，如果Edge1(5)＝10、Edge2(5)＝100，则d(5)＝90。

将上述初始化过程中得到的输送带基准左边缘Edge1的一维向量Edge1(x_i)＝y_i、基准右边缘Edge2的一维向量Edge2(x_i)＝y_i及基准宽度d(x_i)＝|Edge1(x_i)-Edge2(x_i)|存储起来，以备调用。同时，设定一个大小合适的宽度阈值δ(x_i)作为设定宽度阈值，一并存储。

基于上述初始化过程，该实施例检测输送带是否撕裂的具体方法包括如下步骤：

步骤a1、获取灰度图像

采集实时图像，获取实时图像的长度h、宽度w及灰度图像f₁(x,y)。其中，(x,y)为灰度图像f₁(x,y)中像素点的位置，x∈[0,h-1]，y∈[0,w-1]。同时，定义灰度图像中输送带的运行方向为沿灰度图像的长度方向，实时图像的长度及宽度与初始化灰度图像一致。而且如前所述，摄像头所拍摄的实时图像一般均为彩色图像，因此，需要将彩色图像转换为灰度图像。将彩色图像转换为灰度图像可以采用多种不同的计算方式，在该实施例中，作为优选的实施方式，彩色图像的RGB表达式为f(x,y)＝{f_R(x,y),f_G(x,y),f_B(x,y)}，其灰度图像为f₁(x,y)＝f_R(x,y)/3+f_G(x,y)/3+f_B(x,y)/3。处理后的输送带实时图像的灰度图像f₁(x,y)如图4所示意。

步骤a2、边缘检测

利用边缘检测器检测灰度图像f₁(x,y)中包含的所有对象的边缘，获得边缘图像f₂(x,y)。在该步骤中，现有技术中能够从图像中检测出对象边缘的所有边缘检测器均可使用。作为优选的实施方式，采用Canny边缘检测器获取图像中各对象的边缘，得到边缘图像f₂(x,y)＝Edge_Canny(f₁(x,y))，以提高边缘检测的快速性和准确性。边缘图像f₂(x,y)如图5所示。

步骤a3、边缘滤波

采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)。在该实施例中，输送带运行方向沿图像的长度方向，为纵向，因此，滤波模板M_q(s,t)是具有直线型结构、且沿纵向方向上的滤波模板。通过滤波，能够滤除与输送带边缘无关的一些边缘，如横向边缘、圆弧形边缘、偏离处置方向超过45°的直线等，减少因处理这些边缘造成的速度慢、计算复杂等缺点，便于快速、准确地判断输送带是否撕裂。其中，对于给定的m和n，m＞n，(2m+1)和(2n+1)分别为滤波模板M_q(s,t)的长度和宽度，(s,t)为滤波模板M_q(s,t)的坐标位置，t∈[-n,n],s∈[-m,m]。

作为优选实施方式，采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)，具体为：

其中，若f₂(x,y)＝1，temp(x,y)＝max(temp_q(x,y))， 采用该方法滤波后的直线型边缘图像f₃(x,y)如图6所示。

步骤a4、边缘标记

将直线型边缘图像f₃(x,y)中的所有边缘保持斜率不变、两端延长，使得所有边缘的长度均为h，与初始化图像中的基准边缘保持长度一致。将延长后的每条边缘均表示为一维向量，记为edgep_k(x_i)＝y_i；edgep_k表示第k段边缘，也即不同边缘段的编号。而且，编号以边缘段起始点的x坐标最小者编号1，相同x，以y小者优先，即顺序为从左到右、自上而下。x_i表示边缘edgep_k上第i个边缘点的x坐标值，i＝1,2,…,h，而且，第i个边缘点的x坐标值与i相同。y_i表示边缘edgep_k上第i个边缘点的y坐标值。例如:edgep₂(5)＝20，表示第2段边缘的第5边缘点的x坐标值是5，y坐标值是20；edgep₂(10)＝18，表示第2段边缘的第10边缘点的x坐标值是10，y坐标值是18。

步骤a5、边缘距离计算

计算边缘标记后的任意两段边缘edgep_a、edgep_b间的距离d_ab(x_i)＝|edgep_a(x_i)-edgep_b(x_i)|，a,b∈k。也即，求两段边缘同x坐标分别对应的y坐标值的差值，所有x坐标与对应的差值形成一个列向量，该列向量表示了两段边缘间的距离。

步骤a6、撕裂确定

将距离d_ab(x_i)与初始化时存储的输送带基准宽度d(x_i)及设定宽度阈值δ(x_i)进行比较，如果存在两段边缘edgep_a、edgep_b，使得|d_ab(x_i)-d(x_i)|≤δ(x_i)，判定输送带未撕裂。否则，如果所有两段边缘edgep_a、edgep_b，均不满足|d_ab(x_i)-d(x_i)|≤δ(x_i)，则判定输送带撕裂。而且，满足|d_ab(x_i)-d(x_i)|≤δ(x_i)的两段边缘是输送带的实时左边缘和实时右边缘。

在确定出输送带撕裂后，优选还包括下述步骤：

步骤a7、输出报警信号。

上述各步骤为对一幅实时图像的处理过程，处理完之后，循环执行上述各步骤，实现对输送带的连续检测。

上述实施例通过对实时采集的原始图像进行数据分析和处理，自动判断输送带是否撕裂，当输送带发生撕裂时可启动相应报警功能，避免仅靠人工视频监视可能出现的人为失误，在及时发现故障方面更可靠、稳定、及时。

以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (3)

1.一种基于机器视觉的输送带撕裂检测方法，其特征在于，所述方法包括下述步骤：

步骤a1、获取灰度图像

采集实时图像，获取实时图像的长度h、宽度w及灰度图像f₁(x,y)；(x,y)为灰度图像中像素点的位置，x∈[0,h-1]，y∈[0,w-1]；定义灰度图像中输送带的运行方向为沿灰度图像的长度方向；

步骤a2、边缘检测

利用边缘检测器检测灰度图像f₁(x,y)中包含的所有对象的边缘，获得边缘图像f₂(x,y)；

步骤a3、边缘滤波

采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)；对于给定的m和n，m>n，(2m+1)和(2n+1)分别为滤波模板M_q(s,t)的长度和宽度，(s,t)为滤波模板M_q(s,t)的坐标位置，t∈[-n,n],s∈[-m,m]；

步骤a4、边缘标记

将直线型边缘图像f₃(x,y)中的所有边缘保持斜率不变、两端延长，使得所有边缘的长度均为h，将延长后的每条边缘均表示为一维向量，记为edgep_k(x_i)＝y_i；edgep_k表示第k段边缘，x_i表示边缘edgep_k上第i个边缘点的x坐标值，i＝1,2,…,h，y_i表示边缘edgep_k上第i个边缘点的y坐标值；

步骤a5、边缘距离计算

计算边缘标记后的任意两段边缘edgep_a、edgep_b间的距离d_ab(x_i)＝|edgep_a(x_i)-edgep_b(x_i)|，a,b∈k；

步骤a6、撕裂确定

将距离d_ab(x_i)与输送带基准宽度d(x_i)及设定宽度阈值δ(x_i)进行比较，如果存在两段边缘edgep_a、edgep_b，使得|d_ab(x_i)-d(x_i)|≤δ(x_i)，判定输送带未撕裂，否则，判断输送带撕裂；其中，输送带基准宽度d(x_i)＝|Edge1(x_i)-Edge2(x_i)|，Edge1(x_i)＝y_i为输送带基准左边缘Edge1的一维向量，Edge2(x_i)＝y_i为输送带基准右边缘Edge2的一维向量，输送带基准左边缘Edge1和输送带基准右边缘Edge2为已知的、输送带未撕裂时的输送带左边缘和右边缘；

在所述步骤a3中，采用基于形状和方向性的滤波模板M_q(s,t)对边缘图像f₂(x,y)进行滤波，得到与输送带运行方向相同的直线型边缘图像f₃(x,y)，具体为：

其中，若f₂(x,y)＝1，temp(x,y)＝max(temp_q(x,y))，

2.根据权利要求1所述的方法，其特征在于，所述步骤a1采集的原始图像为RGB彩色图像f(x,y)＝{f_R(x,y),f_G(x,y),f_B(x,y)}，其灰度图像为f₁(x,y)＝f_R(x,y)/3+f_G(x,y)/3+f_B(x,y)/3。

3.根据权利要求1或2所述的方法，其特征在于，在所述步骤a6之后还包括下述步骤：

步骤a7、在判定输送带撕裂时输出报警信号。