CN107730555A - 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 - Google Patents

Abstract

一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法，属于输煤皮带煤块粒度识别监控方法。在线识别系统：煤块从进料仓送到输煤皮带，经过排队机构将煤块按照单列排列；将激光发射器和体感传感器安装在输送带正上方，体感传感器位于激光发射器后方；激光发射器和体感的输出均与就地控制柜的输入端连接，就地控制柜的输出端与监控中心连接；在线识别监控方法：采用体感传感器和激光发射器，通过体感传感器相机标定、边缘提取、像素数目计算、面积计算、体积计算步骤获得煤块的面积和体积参数；离线标定阶段采用一次开方运算，在线识别阶段采用简单数学运算，利用DSP器件或工控机实时完成。优点：简单易行，为智能调控破碎机设备提供决策支持。

Description

一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法

技术领域

本发明涉及一种输煤皮带煤块粒度识别监控方法，特别是一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法。

背景技术

在热电厂、选煤厂等工矿环境中，生产装备对入料煤块尺寸具有严格的要求，否则会影响装备寿命和最终产品质量。当前主要的煤块粒度测算方法有：人工法、筛分法、显微镜法、沉降法和电感应法等。人工法通过人工统计的方式测算煤块粒度，这种方法效率低下，在选煤厂难以实时掌控通过破碎机破碎后的煤块粒度，也就无法根据这些参数实时调控破碎机参数；在热电厂，难以对磨煤机参数进行最优化。其它方法各有自己的最佳使用场景，存在一定的局限性。

近年来，基于视觉信息的技术(如图像处理技术)逐渐被利用到不同工业生产场景中。许多无法直接观察到的重要参数，可以通过数字图像处理分析后清楚掌握。图像处理技术具有非接触、可计算机快速处理的优势，进行粒度检测更为快捷、方便，结果更加准确可靠，可以获得相关的煤块粒径、面积、周长等形状参数以及一些复杂的特性参数。

近年来流行的体感传感器(如微软研制的Kinect)由于功能丰富、性能强大，具有丰富的开发接口，因此逐渐走出体感游戏领域，在一些重要领域得到了应用。体感传感器通常具有3个镜头，不但配备彩色相机，而且有红外线发射器和红外线CMOS摄影机，因此能够同时采集煤块的彩色信息、红外信息和深度信息。三维激光扫描技术可以快速获取被扫描对象的实体三维模型，进而测量被测物体的体积，动态测量被测物体的重量，利用这些数据可以进一步测量被测物体的密度。将这些先进技术应用在输煤粒度在线识别上，将大大改善当前识别方法不足和缺陷。

发明内容

本发明的目的是要提供一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法，能够在线测量热电厂、选煤厂等工矿场景中输煤皮带的煤块粒度，为智能调控破碎机等设备提供决策支持。

本发明的目的是这样实现的：输煤皮带粒度在线识别系统：煤块从进料仓输送到输煤皮带，经过排队机构将煤块按照单列排列，防止测量的时候彼此干扰，提高识别准确性；激光发射器和体感传感器安装在输送带正上方，体感传感器位于激光发射器后方；激光发射器和体感传感器的输出均与就地控制柜的输入端连接，就地控制柜的输出端与监控中心连接。

监控方法包括离线阶段和在线阶段；在离线阶段进行体感传感器的相机标定，其它设备无需标定；在线阶段的时候对煤块的面积和体积进行在线识别监控。

在离线阶段进行体感传感器的相机标定：保持输煤皮带静止，在输煤皮带上粘帖一张大小已知的方形白纸作为标定目标；开启体感相机拍摄包含标定物的输煤皮带图像，通过数学形态学运算获得标定物轮廓，然后利用漫水填充法消除标定物区域内噪声点；接下来，利用求解尺寸转换因子，其中l为标定物在图像中的边长，n为漫水填充法所填充的像素个数；根据转换因子，求解图像中每一个像素所代表的实际图像的面积大小，用a表示。

在线阶段的时候对煤块的面积和体积进行在线识别监控，具体步骤如下：

(1)利用体感传感器获取被测煤块，存储为(x,y,z,R,G,B)格式，其中(x,y,z)为像素点坐标，R,G,B分别为该像素点的红、绿、蓝颜色分量；然后通过坐标变换，将(x,y,z)坐标变换为二维深度图像，变换公式如下：

X＝(x-320)z/f

Y＝(y-240)z/f

其中，X和Y分别为深度图像中的横坐标和纵坐标，f为图像的焦距；

(2)利用索贝尔(Sobel)算子或普鲁伊特(Prewitt)算子分别提取煤块深度图像的边缘和光切面边缘；所述的光切面为激光所包围区域，在提取煤块边缘的时候，激光扫描线的亮度和颜色特征非常显著，很容易区分煤块或激光，对每一块煤块进行分别提取；

(3)统计图像边沿内的像素个数n₀和光切面内的像素个数n₁；

(4)利用A＝a×n₀计算煤块面积，利用S＝a×n₁计算光切面面积；

(5)在煤块通过的时候，体感传感器所携带的彩色相机对通过的煤块连续拍摄多张图像，利用基于三角测距法的激光三维扫描技术测量煤块的体积；然后按照下述公式计算煤块体积：

其中，v₀是输煤皮带的运动速度，n_f为体感传感器在1秒钟内拍摄的图片数量，S(i)为对被测煤块拍摄的第i张光切面面积，N_k为拍摄的被测煤块的图片总数；

(6)将在线计算的面积A和体积V作为反馈参数，提交给智能决策系统或监控人员。

有益效果，由于采用了上述方案，利用体感传感器和激光发射器，通在对体感传感器的相机进行标定后，实时拍摄需要测定粒度的煤块的彩色图像并转换为二维深度图像，进而提取煤块的边缘和光切面的边缘，随后分别估计这两个边缘内的像素个数，最终计算出煤块的面积和体积，实现煤块粒度在线识别。

优点：本发明只需要一台体感传感器和一个激光发射器，成本非常低廉，安装简单方便；同时，本发明无需接触式测量，可以完全自动化实时在线运行，大大提高了系统的工作效率和准确率，有助于企业减人提效，降低企业运营成本。

附图说明：

图1是本发明的基于视觉信息融合的输煤皮带粒度在线识别系统结构图。

图2是本发明的Sobel算子图。

图3是本发明的Prewitt算子图。

图4是本发明的煤块粒度在线识别监控方法流程。

具体实施方式

输煤皮带粒度在线识别系统：煤块从进料仓输送到输煤皮带，经过排队机构将煤块按照单列排列，防止测量的时候彼此干扰，提高识别准确性；激光发射器和体感传感器安装在输送带正上方，体感传感器位于激光发射器后方；激光发射器和体感传感器的输出均与就地控制柜的输入端连接，就地控制柜的输出端与监控中心连接。

监控方法包括离线阶段和在线阶段；在离线阶段进行体感传感器的相机标定，其它设备无需标定；在线阶段的时候对煤块的面积和体积进行在线识别监控。

采用体感传感器和激光发射器，在对体感传感器所携带的彩色相机进行标定后，再进行边缘提取、像素数目计算、面积计算、体积计算步骤获得煤块的面积和体积参数；离线标定阶段采用一次开方运算，在线识别阶段采用简单数学运算，利用专用DSP器件或工控机实时完成；当煤块经过激光发射器和体感传感器下方时，分别进行三维激光扫描和图像拍摄，获取计算煤块体积和面积所需的原始图像数据；融合体感传感器和激光发射器所采集的视觉信息，通过对所拍摄的图像处理后实现煤块粒度的在线识别。

在离线阶段进行体感传感器的相机标定：保持输煤皮带静止，在输煤皮带上粘帖一张大小已知的方形白纸作为标定目标；开启体感相机拍摄包含标定物的输煤皮带图像，通过数学形态学运算获得标定物轮廓，然后利用漫水填充法消除标定物区域内噪声点；接下来，利用求解尺寸转换因子，其中l为标定物在图像中的边长，n为漫水填充法所填充的像素个数；根据转换因子，求解图像中每一个像素所代表的实际图像的面积大小，用a表示。

在线阶段的时候对煤块的面积和体积进行在线识别监控，具体步骤如下：

(1)利用体感传感器获取被测煤块，存储为(x,y,z,R,G,B)格式，其中(x,y,z)为像素点坐标，R,G,B分别为该像素点的红、绿、蓝颜色分量；然后通过坐标变换，将(x,y,z)坐标变换为二维深度图像，变换公式如下：

X＝(x-320)z/f

Y＝(y-240)z/f

其中，X和Y分别为深度图像中的横坐标和纵坐标，f为图像的焦距；

(2)利用索贝尔(Sobel)算子或普鲁伊特(Prewitt)算子分别提取煤块深度图像的边缘和光切面边缘；所述的光切面为激光所包围区域，在提取煤块边缘的时候，激光扫描线的亮度和颜色特征非常显著，很容易区分煤块或激光，对每一块煤块进行分别提取；

(3)统计图像边沿内的像素个数n₀和光切面内的像素个数n₁；

(4)利用A＝a×n₀计算煤块面积，利用S＝a×n₁计算光切面面积；

(5)在煤块通过的时候，体感传感器所携带的彩色相机对通过的煤块连续拍摄多张图像，利用基于三角测距法的激光三维扫描技术测量煤块的体积；然后按照下述公式计算煤块体积：

其中，v₀是输煤皮带的运动速度，n_f为体感传感器在1秒钟内拍摄的图片数量，S(i)为对被测煤块拍摄的第i张光切面面积，N_k为拍摄的被测煤块的图片总数；

(6)将在线计算的面积A和体积V作为反馈参数，提交给智能决策系统或监控人员。

Claims (3)

1.一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法，其特征是：监控方法包括离线阶段和在线阶段；在离线阶段进行体感传感器的相机标定，其它设备无需标定；在线阶段的时候对煤块的面积和体积进行在线识别监控。

2.根据权利要求1所述的一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法，其特征是：在离线阶段进行体感传感器的相机标定：保持输煤皮带静止，在输煤皮带上粘帖一张大小已知的方形白纸作为标定目标；开启体感相机拍摄包含标定物的输煤皮带图像，通过数学形态学运算获得标定物轮廓，然后利用漫水填充法消除标定物区域内噪声点；接下来，利用求解尺寸转换因子，其中l为标定物在图像中的边长，n为漫水填充法所填充的像素个数；根据转换因子，求解图像中每一个像素所代表的实际图像的面积大小，用a表示。

3.根据权利要求1所述的一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法，其特征是：在线阶段的时候对煤块的面积和体积进行在线识别监控，具体步骤如下：

(1)利用体感传感器获取被测煤块，存储为(x,y,z,R,G,B)格式，其中(x,y,z)为像素点坐标，R,G,B分别为该像素点的红、绿、蓝颜色分量；然后通过坐标变换，将(x,y,z)坐标变换为二维深度图像，变换公式如下：

X＝(x-320)z/f

Y＝(y-240)z/f

其中，X和Y分别为深度图像中的横坐标和纵坐标，f为图像的焦距；

(2)利用索贝尔(Sobel)算子或普鲁伊特(Prewitt)算子分别提取煤块深度图像的边缘和光切面边缘；所述的光切面为激光所包围区域，在提取煤块边缘的时候，激光扫描线的亮度和颜色特征非常显著，很容易区分煤块或激光，对每一块煤块进行分别提取；

(3)统计图像边沿内的像素个数n₀和光切面内的像素个数n₁；

(4)利用A＝a×n₀计算煤块面积，利用S＝a×n₁计算光切面面积；

(5)在煤块通过的时候，体感传感器所携带的彩色相机对通过的煤块连续拍摄多张图像，利用基于三角测距法的激光三维扫描技术测量煤块的体积；然后按照下述公式计算煤块体积：

<mrow> <mi>V</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>k</mi> </msub> </munderover> <mfrac> <mrow> <mi>S</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <msub> <mi>v</mi> <mn>0</mn> </msub> </mrow> <msub> <mi>n</mi> <mi>f</mi> </msub> </mfrac> </mrow>

其中，v₀是输煤皮带的运动速度，n_f为体感传感器在1秒钟内拍摄的图片数量，S(i)为对被测煤块拍摄的第i张光切面面积，N_k为拍摄的被测煤块的图片总数；

(6)将在线计算的面积A和体积V作为反馈参数，提交给智能决策系统或监控人员。