CN105293003B - 基于机器视觉的皮带纵向撕裂检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉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，若与已知的线结构匹配，则判定皮带发生了纵向撕裂。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

基于机器视觉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，尤其涉及一种基于机器视觉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，带式输送机在输煤过程中发生纵向撕裂是国内煤矿常见事故，若不能及时控制可以造成数千米甚至整条输送带撕裂，带来巨大的直接和间接经济损失。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机器视觉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，提供一种基于机器视觉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，检测皮带图像中的线状结构，如果存在线状结构，则认为皮带发生了纵向撕裂，具体步骤如下：

A.将图像分割成小区域，计算每个区域局部模式μ为所述区域像素灰度值的均值，为所述区域结构主方向，f为所述区域几何特征；

B.给图像中每一个像素指派一个局部模式，像素的模式为其灰度值与局部模式均值最接近的局部模式；

C.将几何特征为线结构即f＞1的像素成组在一起；

D.计算线结构区域内像素的2～4阶Zernike矩，用模板匹配法判断是否为线，若匹配，则认为皮带发生纵向撕裂，否则正常；

在进一步特定的但非限制性的形式中，几何特征计算公式为：

λ₁，λ₂为圆邻域内惯性张量的特征值，

(a，b)∈{0，1，2}，

m_ab＝∑_r∑_sI_rsr^as^b，

I_rs表示在像素点位置(r，s)的灰度值，

在进一步特定的但非限制性的形式，几何结构主方向计算公式为：

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，调节成像装置使其能摄取清晰皮带面图像。当皮带发生纵向撕裂时，皮带表面会出现一条线状撕裂痕，图1为皮带发生纵向撕裂时的示意图，通过检测皮带图像上是否存在线状结构，可判断皮带是否出现了纵向撕裂，具体检测方法如下：

A.将图像分割成小区域，计算每个区域局部模式μ为所述区域像素灰度值的均值，为所述区域结构主方向，f为所述区域几何特征，具体步骤如下：

1)选择分辨率半径r；

2)选择一个像素p，定义以p为中心，半径为r的圆邻域，计算圆邻域内像素灰度值的均值μ，计算圆邻域内惯性张量(a，b)∈{0，1，2}，m_ab＝∑_r∑_sI_rsr^as^b，I_rs表示在像素点位置(r，s)的灰度值；

3)计算惯性张量T的特征值λ₁，λ₂；

4)计算圆邻域内结构几何特征f；

5)计算邻域内几何结构方向

6)标记邻域内的所有像素；

7)从一个没有标记的像素开始，重复2)，3)直到没有没标记的像素存在；

B.给图像中每一个像素指派一个局部模式，像素的模式为其灰度值与局部模式均值最接近的局部模式；

C.将几何特征为线结构即f＞1的像素成组在一起；

由于f度量了像素点p处的离心率，当f＝0时，像素p位于圆上，当0＜f＜1时，像素p位于椭圆上，当f＝1时，像素p位于抛物线上，当f＞1时，像素p位于双曲线上，因此，当像素点的f≥1时，该像素点可能位于近直线上，是否为直线可用曲率来度量，曲率度量了曲线偏离直线的程度，理想直线的曲率为0，当相邻几个点的方向变化很小时，可近似认为这几个点在一条直线上。

D.计算线结构区域内像素的2、3和4阶Zernike矩A₂₀，A₀₂，A₃₁，A₃₃，A₄₀，A₄₂，A₄₄，和已知的线结构模板比较，若匹配，则认为皮带发生纵向撕裂，否则正常。已知线结构可从已发生纵向撕裂的皮带样本中学习得来。

Claims (1)

1.一种基于机器视觉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，其特征在于包括以下步骤：

A.将图像分割成小区域，计算每个区域局部模式μ为所述区域像素灰度值的均值，为所述区域结构主方向，f为所述区域几何特征，

计算f方法为：

$f=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_1+{\mathrm{\λ}}_2}$

λ₁，λ₂为小区域内惯性张量的特征值

$\begin{array}{cc}{C}_{ab}={\Σ}_r{\Σ}_s{I}_{rs}{(r-\stackrel{\‾}{x})}^a{(s-\stackrel{\‾}{y})}^b& (a,b)\∈\{0,1,2\}\end{array}$

$\begin{array}{cc}\stackrel{\‾}{x}=\frac{m_{10}}{m_{00}},& \stackrel{\‾}{y}=\frac{m_{01}}{m_{00}}\end{array}$

m_αb＝∑_r∑_sI_rsr^αs^b

I_rs表示在像素点位置(r，s)的灰度值

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

计算方法为：

$\arctan 2(x,y)=\left\{\begin{array}{cc}\arctan \left(\frac{y}{x}\right)& ifx>0\\ \arctan \left(\frac{y}{x}\right)+\mathrm{\&pi;}sign\left(y\right)& ifx<0\\ \frac{\mathrm{\&pi;}}{2}sign\left(y\right)& ifx=0,y\&NotEqual;0\end{array}\right.$

$sign\left(z\right)=\left\{\begin{array}{ccc}+1& if& z\&GreaterEqual;0\\ -1& if& z<0\end{array}\right\};$

B.给图像中每一个像素指派一个局部模式，像素的模式为其灰度值与局部模式均值最接近的局部模式；

C.将几何特征为线结构的像素成组在一起；

D.计算线结构区域像素的2～4阶Zernike矩，用模板匹配法判断是否为线，若匹配，则认为皮带发生纵向撕裂，否则正常。