CN106276132A - 一种基于线激光图像的输送带纵向撕裂在线检测方法 - Google Patents
一种基于线激光图像的输送带纵向撕裂在线检测方法 Download PDFInfo
- Publication number
- CN106276132A CN106276132A CN201610619487.0A CN201610619487A CN106276132A CN 106276132 A CN106276132 A CN 106276132A CN 201610619487 A CN201610619487 A CN 201610619487A CN 106276132 A CN106276132 A CN 106276132A
- Authority
- CN
- China
- Prior art keywords
- image
- conveyer belt
- longitudinal tear
- belt longitudinal
- line laser
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于线激光图像的输送带纵向撕裂在线检测方法,属于无损检测领域。解决输送带纵向撕裂在线检测的速度和准确性问题。本发明基于输送带及其纵向撕裂时线激光图像的特点,利用最大值法提取激光条纹骨架、领域差分确定断点位置、二阶导数确定波动异常位置,从而检测并标识出输送带纵向撕裂故障区域。本发明可以快速、准确的在线检测输送带纵向撕裂故障,在工业应用中具有良好的使用价值。
Description
技术领域
本发明属于无损检测领域,具体涉及输送带无损检测中一种基于线激光图像的纵向撕裂在线检测方法。
背景技术
输送带在使用过程中,由于被废钢铁或煤矸石等异物或障碍物划伤、皮带输送机的安装调整不当、转载点处落料位置不正造成的负载不均匀等原因,经常产生纵向撕裂故障。该故障具有突发性和隐蔽性,由于得不到及时检测和处理,纵向撕裂事故时有发生,造成停产、运输物料的损耗、设备的损坏和人员伤亡,严重影响安全生产[1-3]。
对输送带的纵向撕裂的检测,目前除人工检测外,研究者们还提出了通过压力、电磁等传感器检测输送带的物料泄露和橡胶脱落等状态判断纵向撕裂的方法,以及基于X光或机器视觉图像进行检测的方法[1-10]。其中基于机器视觉图像进行检测的方法,具有图像显示直观、非接触检测、对人体无害等优点,近年来得到了越来越多的关注。本发明主要针对线激光图像,利用机器视觉技术实现输送带纵向撕裂的在线检测。
参考文献:
[1]张明敏.基于机器视觉的矿用输送带纵向撕裂检测系统研究[D].北京:中国矿业大学(北京),2014.
[2]黄民,魏任之.矿用钢绳芯带式输送机实时工况监测与故障诊断技术[J].煤炭学报,2005,30(2):245-250.
[3]毛君,赵永生,王淑娇.矿用输送带纵向撕裂原因分析及其预防[J].煤矿机械.2007,28(10):182-183.
[4]滕永青,李仰军,周承仙.基于机器视觉和虚拟仪器技术的传送带监测系统[J].煤矿机械,2008,29(4):125-127.
[5]祁隽燕,彦海峰,谭超,张燕杰.基于LabVIEW的胶带撕裂机器视觉检测系统研究[J].煤炭工程,2009,(9):123-125.
[6]张晞,叶涛,刘鸿鹏,陈永冉.基于ARM9的输送带纵向撕裂检测系统研究[J].煤炭科学技术,2011,39(12):102-104,107.
[7]胡明明.基于虚拟仪器的机器视觉技术在输送带纵向撕裂检测应用中的研究[D].太原:太原理工大学,2013.
[8]张安宁,孙宇坤,尹中会.带式输送机防纵撕保护研究现状及趋势[J].煤炭科学技术,2007,35(12):77-79.
[9]刘广胜.强力带式输送机输送带纵向撕裂机理研究[J].矿山机械,2012,40(6):56-59.
[10]苗长云,杨彦利,李现国,李杰,仲为亮,沈庆磊.基于机器视觉的输送带纵向撕裂自动检测方法:中国,201110351015.9[P].2011-11-9.
发明内容
本发明的目的是提出一种基于线激光图像的输送带纵向撕裂在线检测方法,解决输送带纵向撕裂在线检测的速度和准确性问题。本发明所采用的技术方案,具体包含如下操作步骤:
步骤1,读取一幅通过面阵相机采集获得的输送带线激光图像I;
步骤2,图像裁减,去除图像I中的冗余区域,得到裁减后的图像C;
步骤3,图像分量提取,得到灰度图像G;
步骤4,对图像G进行中值滤波,得到去除图像噪声后的图像Gu;
步骤5,对图像Gu,采用最大值法提取激光条纹骨架,即通过每一列像素值的最大值确定激光条纹骨架的坐标值,得到一个一维数组L,数组元素值为激光条纹骨架的纵坐标值;
步骤6,对一维数组L执行邻域差分,和阈值T1比较,检测断点,确定断点位置Pd;
步骤7,对一维数组L执行均值滤波,计算二阶导数值,和阈值T2比较,检测激光条纹波动,确定波动异常位置Pb;
步骤8,利用Pd和Pb,确定纵向撕裂位置,在图像G上标识出故障区域,得到结果图像O。
本发明的效果和益处是,测试表明,本发明可以在线检测输送带纵向撕裂故障,在工业应用中具有良好的使用价值。本发明技术有以下几个优势:
(1)本发明操作简便、算法简单,计算量小、执行效率高、速度快。
(2)本发明涉及的算法可以在图像采集的嵌入式硬件上实现,如通过DSP、ARM或FPGA实现,以进一步提高运算速率,也可通过上位机软件实现。
(3)本发明方法,不局限于输送带纵向撕裂检测,还可应用于其它基于线激光图像的物件表面缺陷或故障的检测。
附图说明
图1是本发明方法的操作流程图;
图2是面阵相机采集获得的一幅输送带线激光图像;
图3是使用本发明方法得到的输送带纵向撕裂检测结果图像。
具体实施方式
以下结合附图和实施例详细叙述本发明的具体实施。
本发明提出的方法的整体操作流程如附图1所示。本发明的目的是提出一种基于线激光图像的输送带纵向撕裂在线检测方法,解决输送带纵向撕裂在线检测的速度和准确性问题。本发明所采用的技术方案,具体包含如下操作步骤:
步骤1,读取一幅通过面阵相机采集的输送带线激光图像I,面阵相机采集获得的一幅输送带线激光图像如附图2所示,图像大小为800×600像素,由附图2可看出输送带及其纵向撕裂时线激光图像的激光条纹是有一定宽度的亮条,输送带纵向撕裂处条纹出现断点和波动;
步骤2,图像裁减,去除图像I中的冗余区域,得到裁减后的图像C;
步骤3,图像分量提取,本实施例用的是红色线激光图像,则提取图像I的R分量,得到灰度图像G;
步骤4,中值滤波,使用3×3的滤波器对图像G进行中值滤波,去除图像噪声,得到图像Gu;
步骤5,对图像Gu,通过每一列像素值的最大值确定激光条纹骨架的坐标值,得到一个一维数组L,数组元素值为激光条纹骨架的纵坐标值;
步骤6,对一维数组L执行邻域差分,和阈值T1比较,检测断点,确定断点位置Pd;
步骤7,对一维数组L执行1×5的均值滤波,计算二阶导数值,和阈值T2比较,检测激光条纹波动,确定波动异常位置Pb;
步骤8,利用Pd和Pb,确定四个边界点的坐标值,从而确定出纵向撕裂位置,并在图像G上标识出故障区域,得到结果图像O。对于附图2所示的原始图像,其输送带纵向撕裂检测结果图像如附图3所示。附图3中,条纹中心的黑色骨架线是步骤5得到的激光条纹骨架线;白色矩形框是根据步骤6和步骤7分别获得的pb和pd值,由步骤8确定并标识出的故障区域。
由附图3可以明显的看出,本发明所提出的方法,有效检测出了激光条纹骨架、纵向撕裂位置,并准确标识出了故障区域。Visual Studio环境下编写的代码,在Intel Core2 Duo CPU T5470@1.6GHz主频、2GB内存的PC上运行,执行时间低于60ms,执行效率高、速度快。
测试表明,本发明可以快速、准确的在线检测输送带纵向撕裂故障,在工业应用中具有良好的使用价值。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (3)
1.一种基于线激光图像的输送带纵向撕裂在线检测方法,其特征在于,该方法包含如下步骤:
步骤1,读取一幅通过面阵相机采集的输送带线激光图像I;
步骤2,图像裁减,去除输送带线激光图像I中的冗余区域,得到裁减后的图像C;
步骤3,对裁减后的图像C进行图像分量提取,得到灰度图像G;
步骤4,对灰度图像G进行中值滤波,得到去除图像噪声后的图像Gu;
步骤5,对去除图像噪声后的图像Gu,提取激光条纹骨架,得到一个一维数组L,数组元素值为激光条纹骨架的纵坐标值;
步骤6,对一维数组L执行邻域差分,和阈值T1比较,检测断点,确定断点位置Pd;
步骤7,对一维数组L执行均值滤波,计算二阶导数值,和阈值T2比较,检测激光条纹波动,确定波动异常位置Pb;
步骤8,利用Pd和Pb,确定纵向撕裂位置,在灰度图像G上标识出故障区域,得到结果图像O。
2.如权利要求1所述的一种基于线激光图像的输送带纵向撕裂在线检测方法,其特征在于,在步骤5中所述的提取激光条纹骨架:利用最大值法,通过每一列像素值的最大值确定激光条纹骨架的坐标值,提取激光条纹骨架。
3.如权利要求1所述的一种基于线激光图像的输送带纵向撕裂在线检测方法,其特征在于,在步骤6中所述的检测激光条纹波动:利用二阶导数值,和阈值T2比较,检测激光条纹波动,确定波动异常位置Pb。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610619487.0A CN106276132A (zh) | 2016-07-28 | 2016-07-28 | 一种基于线激光图像的输送带纵向撕裂在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610619487.0A CN106276132A (zh) | 2016-07-28 | 2016-07-28 | 一种基于线激光图像的输送带纵向撕裂在线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106276132A true CN106276132A (zh) | 2017-01-04 |
Family
ID=57663780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610619487.0A Pending CN106276132A (zh) | 2016-07-28 | 2016-07-28 | 一种基于线激光图像的输送带纵向撕裂在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106276132A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109335575A (zh) * | 2018-11-23 | 2019-02-15 | 河北省机电体化中试基地 | 一种用于大型输送皮带纵向撕裂检测装置及方法 |
CN110171691A (zh) * | 2019-06-20 | 2019-08-27 | 天津市三特电子有限公司 | 带式传输机皮带撕裂状态检测方法及检测系统 |
CN110427952A (zh) * | 2019-07-30 | 2019-11-08 | 华东师范大学 | 一种逐点生长的平面图形骨架提取方法 |
CN111348396A (zh) * | 2020-03-18 | 2020-06-30 | 山西安数智能科技有限公司 | 长距离负载皮带损伤定位方法 |
CN111661590A (zh) * | 2020-06-08 | 2020-09-15 | 天地(常州)自动化股份有限公司 | 矿用带式输送机输送带撕裂损伤检测方法 |
CN112014407A (zh) * | 2020-09-03 | 2020-12-01 | 浙江长芯光电科技有限公司 | 一种集成电路晶圆表面缺陷检测的方法 |
CN114348581A (zh) * | 2022-01-29 | 2022-04-15 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
CN114890090A (zh) * | 2022-06-08 | 2022-08-12 | 扎鲁特旗扎哈淖尔煤业有限公司 | 一种皮带纵向撕裂检测方法及装置 |
CN115159027A (zh) * | 2022-07-22 | 2022-10-11 | 山东省科学院激光研究所 | 一种皮带撕裂监测方法 |
CN116188459A (zh) * | 2023-04-23 | 2023-05-30 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
-
2016
- 2016-07-28 CN CN201610619487.0A patent/CN106276132A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109335575A (zh) * | 2018-11-23 | 2019-02-15 | 河北省机电体化中试基地 | 一种用于大型输送皮带纵向撕裂检测装置及方法 |
CN110171691A (zh) * | 2019-06-20 | 2019-08-27 | 天津市三特电子有限公司 | 带式传输机皮带撕裂状态检测方法及检测系统 |
CN110427952A (zh) * | 2019-07-30 | 2019-11-08 | 华东师范大学 | 一种逐点生长的平面图形骨架提取方法 |
CN111348396B (zh) * | 2020-03-18 | 2021-01-01 | 山西安数智能科技有限公司 | 长距离负载皮带损伤定位方法 |
CN111348396A (zh) * | 2020-03-18 | 2020-06-30 | 山西安数智能科技有限公司 | 长距离负载皮带损伤定位方法 |
CN111661590A (zh) * | 2020-06-08 | 2020-09-15 | 天地(常州)自动化股份有限公司 | 矿用带式输送机输送带撕裂损伤检测方法 |
CN112014407A (zh) * | 2020-09-03 | 2020-12-01 | 浙江长芯光电科技有限公司 | 一种集成电路晶圆表面缺陷检测的方法 |
CN114348581A (zh) * | 2022-01-29 | 2022-04-15 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
CN114348581B (zh) * | 2022-01-29 | 2024-04-12 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
CN114890090A (zh) * | 2022-06-08 | 2022-08-12 | 扎鲁特旗扎哈淖尔煤业有限公司 | 一种皮带纵向撕裂检测方法及装置 |
CN115159027A (zh) * | 2022-07-22 | 2022-10-11 | 山东省科学院激光研究所 | 一种皮带撕裂监测方法 |
CN115159027B (zh) * | 2022-07-22 | 2024-03-22 | 山东省科学院激光研究所 | 一种皮带撕裂监测方法 |
CN116188459A (zh) * | 2023-04-23 | 2023-05-30 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
CN116188459B (zh) * | 2023-04-23 | 2023-09-15 | 合肥金星智控科技股份有限公司 | 一种用于皮带撕裂检测的线激光快速识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106276132A (zh) | 一种基于线激光图像的输送带纵向撕裂在线检测方法 | |
CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
CN107764839A (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
Xianguo et al. | Laser-based on-line machine vision detection for longitudinal rip of conveyor belt | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
Li et al. | Detection of surface crack defects on ferrite magnetic tile | |
Yang et al. | Longitudinal tear early-warning method for conveyor belt based on infrared vision | |
CN107043000A (zh) | 一种基于机器视觉的皮带运输机安全智能保障系统 | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN104280397B (zh) | 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 | |
CN104794720A (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
WO2021185010A1 (zh) | 一种辊压机辊面缺陷识别方法和装置 | |
CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测系统 | |
CN105692122A (zh) | 一种基于激光线的输送带纵向撕裂检测方法 | |
CN102519990B (zh) | 基于纹理规则性分析的钢丝绳芯输送带故障在线检测方法 | |
Zeng et al. | The research of coal mine conveyor belt tearing based on digital image processing | |
CN103776383B (zh) | 一种矿用皮带输送机托辊外管磨损度在线非接触式检测方法 | |
JP2016206071A (ja) | 検査装置及び検査方法 | |
JP2009294033A (ja) | パンタグラフのホーン監視装置 | |
CN107492093A (zh) | 基于图像处理的轴承异常检测方法 | |
CN204150634U (zh) | 一种矿用输送带纵向撕裂保护装置 | |
CN111273136A (zh) | 一种基于图像处理的在线接触网拉弧检测系统及方法 | |
CN116135744A (zh) | 带式输送机输送带磨损的检测方法及装置 | |
JP6825548B2 (ja) | トロリー線の異常診断方法、トロリー線の異常診断装置及び電動移動体 | |
CN105021630A (zh) | 输送带表面破损自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |