CN105293001A - 基于图像线结构匹配的皮带纵向撕裂检测方法 - Google Patents

Abstract

本发明公开了一种基于图像线结构匹配的皮带纵向撕裂检测方法，在皮带下方安装成像系统，成像系统光轴垂直于皮带非承载面，摄取清晰皮带面图像，检测皮带图像中的线结构，计算线结构的长度，当线的长度大于设定的阈值时，判定皮带发生纵向撕裂。该方法测量精度高，灵敏度高，设备简单、成本低，易安装和维护，非接触式检测，检测设备不会遭受磨损。

Description

基于图像线结构匹配的皮带纵向撕裂检测方法

技术领域

本发明涉及一种带式输送机皮带纵向撕裂检测方法，尤其涉及一种基于图像线结构匹配的非接触式的皮带纵向撕裂检测方法。

背景技术

在煤矿生产中，带式输送机是最主要的运输工具之一，带式输送机在输送煤炭过程中皮带纵向撕裂事故时有发生，如果发现不及时，会导致整条皮带撕裂损坏，造成巨大的经济损失。目前检测皮带纵向撕裂的方法有：冲击检测法(检测皮带介质中冲击力传播)、托辊异常受力检测(分析托辊受力的异常状况)、超声波法(检测皮带介质中超声波传播)、压敏电阻法(检测皮带下方漏料情况)、嵌入法(在皮带中嵌入导电橡胶、光导纤维等)等，另外还有基于线激光的图像检测法，上述检测方法或是在原理上有一定缺陷，或是需要皮带撕裂较长才能检测到，或是成本较高，或是安装组件多、安装复杂，或是后期维护繁琐等。

需要一种解决或至少改善现有技术中固有的一个或多个问题的皮带纵向撕裂检测方法。

发明内容

因此本发明的目的在于提供一种基于图像线结构匹配的皮带纵向撕裂检测方法，该方法采用非接触式检测，检测灵敏高，成本低，设备组件少，易安装与维护。

根据一种实施例形式，提供一种基于图像线结构匹配的皮带纵向撕裂检测方法，本发明提供的技术方案如下：在皮带下方安装成像系统，成像系统光轴垂直于皮带非承载面，摄取清晰皮带面图像I，图像水平方向对应皮带宽度方向，竖直方向对应皮带轴向方向，具体步骤如下：

A1.计算每个像素点σ邻域内的张量T

$T=F_{\mathrm{\σ}}\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)=\left[\begin{array}{cc}{T}_{xx}& T_{xy}\\ T_{xy}& T_{yy}\end{array}\right]$

其中，[I_xI_y]^T表示图像I中像素点(x，y)处的梯度，F_σ表示在像素点(x，y)邻域σ内的平均操作；

A2.计算每个像素点σ邻域内的结构为线结构的置信度C；

$C=\frac{\sqrt{{(T_{xx}-T_{yy})}^2+4T_{xy}^2}}{T_{xx}+T_{yy}}$

A3.找出所有的像素点，k₀为设定的参数；

A4.计算步骤A3所述的像素点σ邻域内的结构方向

A5.计算方向的像素点的惯性张量的特征值λ

$\mathrm{\λ}=\frac{1}{2}\[(c_{20}+c_{02})+\sqrt{4c_{11}^2+{(c_{20}+c_{02})}^2}\]$

其中： $c_{ab}={\mathrm{\Σ}}_r{\mathrm{\Σ}}_s{I}_{rs}{(r-\stackrel{\‾}{x})}^a{(s-\stackrel{\‾}{y})}^b(a,b)\∈\{0,1,2\}$

$\stackrel{\‾}{x}=\frac{m_{10}}{m_{00}},\stackrel{\‾}{y}=\frac{m_{01}}{m_{00}}$ m_ab＝∑_r∑_sI_rsr^as^b

I_rs表示在像素点位置(r，s)的灰度值，为给定的参数；

A6.计算方向的像素点构成的线长度

$l=2\sqrt{\frac{\mathrm{\λ}}{m_{00}}}$

若l＞l₀判定皮带发生纵向撕裂，l₀为给定的参数。

在进一步特定的但非限制性的形式中，计算图像中像素点梯度的模板为：

p₅＝[0.0376590.2491530.4263750.2491530.037659]

d₅＝[0.109604-0.27669100.276691-0.109604]

附图说明

通过以下说明，附图实施例变得显而易见，其仅以结合附图描述的至少一种优选但非限制性实施例的示例方式给出。

图1为本发明方法的检测原理图。

具体实施方式

在皮带下方安装成像装置，成像装置光轴垂直于皮带非载物面，摄取清晰皮带图像I，图像水平方向对应皮带宽度方向，竖直方向对应皮带轴向方向。图1示出了皮带发生纵向撕裂时的示意图，对获取的皮带图像进行如下处理：

A1.计算每个像素点σ邻域内的张量T

$T=F_{\mathrm{\σ}}\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)=\left[\begin{array}{cc}{T}_{xx}& T_{xy}\\ T_{xy}& T_{yy}\end{array}\right]$

其中，[I_xI_y]^T表示图像I中像素点(x，y)处的梯度，F_σ表示在像素点(x，y)邻域σ内的平均操作。梯度操作可采用sobel算子，为了更精确地探测边方向，用如下参数的梯度模板：

p₅＝[0.0376590.2491530.4263750.2491530.037659]

d₅＝[0.109604-0.27669100.276691-0.109604]

F_σ为标准偏差为σ的高斯滤波器，σ的选择也影响边的探测精度。

A2.计算每个像素点σ邻域内的结构为线结构的置信度C

$C=\frac{\sqrt{{(T_{xx}-T_{yy})}^2+4T_{xy}^2}}{T_{xx}+T_{yy}}$

当C→1时表示其σ邻域内结构趋向线结构；

A3.找出所有的像素点，k₀为设定的参数

当皮带发生纵向撕裂时，撕裂痕呈线结构形状，因此，设定线结构置信度阈值k₀，找出所有线结构置信度在阈值k₀之上的象素点；

A4.计算所有线结构置信度在阈值之上的像素点在邻域σ内结构的方向

A5.计算方向的像素点的惯性张量的特征值λ

$\mathrm{\λ}=\frac{1}{2}\[(c_{20}+c_{02})+\sqrt{4c_{11}^2+{(c_{20}+c_{02})}^2}\]$

其中： $C_{ab}={\mathrm{\Σ}}_r{\mathrm{\Σ}}_s{I}_{rs}{(r-\stackrel{\‾}{x})}^a{(s-\stackrel{\‾}{y})}^b(a,b)\∈\{0,1,2\}$

$\stackrel{\‾}{x}=\frac{m_{10}}{m_{00}}\stackrel{\‾}{y}=\frac{m_{01}}{m_{00}}$ m_ab＝∑_r∑_sI_rsr^as^b

I_rs表示在像素点位置(r，s)的灰度值，为给定的参数；

A6.计算方向的像素点构成的线长度

$l=2\sqrt{\frac{\mathrm{\λ}}{m_{00}}};$

若l＞l₀判定皮带发生纵向撕裂，l₀为给定的参数。

Claims (2)

1.一种基于图像线结构匹配的皮带纵向撕裂检测方法，在皮带下方安装成像系统，成像系统光轴垂直于皮带非承载面，摄取清晰皮带面图像I，其特征在于包括以下步骤：

A1.计算每个像素点σ邻域内的张量T

$T=F_{\mathrm{\σ}}\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)=\left[\begin{array}{cc}{T}_{xx}& T_{xy}\\ T_{xy}& T_{yy}\end{array}\right]$

其中，[I_xI_y]^T表示图像I中像素点(x，y)处的梯度，F_σ表示在像素点(x，y)邻域σ内的平均操作；

A2.计算每个像素点σ邻域内的结构为线结构的置信度C；

$C=\frac{\sqrt{{\left(T_{xx}-T_{yy}\right)}^2+4T_{xy}^2}}{T_{xx}+T_{yy}}$

A3.找出所有的像素点，k₀为设定的参数；

A4.计算步骤A3所述的像素点在σ邻域内结构的方向

A5.计算方向的像素点的惯性张量的特征值λ

$\mathrm{\λ}=\frac{1}{2}\[(c_{20}+c_{02})+\sqrt{4c_{11}^2+{(c_{20}+c_{02})}^2}\]$

其中： $C_{ab}={\mathrm{\Σ}}_r{\mathrm{\Σ}}_s{I}_{rs}{(r-\stackrel{\‾}{x})}^a{(s-\stackrel{\‾}{y})}^b,(a,b)\∈\{0,1,2\}$

$\stackrel{\‾}{x}=\frac{m_{10}}{m_{00}},$ $\stackrel{\‾}{y}=\frac{m_{01}}{m_{00}}$ m_αb＝Σ_rΣ_sI_rsr^αs^b

I_rs表示在像素点位置(r，s)的灰度值，为给定的参数；

A6.计算方向的像素点构成的线长度

$l=2\sqrt{\frac{\mathrm{\λ}}{m_{00}}}$

若l＞l₀判定皮带发生纵向撕裂，l₀为给定的参数。

2.根据权利要求1所述方法，其特征在于步骤A1中计算像素梯度的滤波器模板为：

p₅＝[0.0376590.2491530.4263750.2491530.037659]

d₅＝[0.109604-0.27669100.276691-0.109604]。