CN116539614A - 基于机器视觉的立井箕斗衬板损伤检测方法 - Google Patents

基于机器视觉的立井箕斗衬板损伤检测方法 Download PDF

Info

Publication number
CN116539614A
CN116539614A CN202310110652.XA CN202310110652A CN116539614A CN 116539614 A CN116539614 A CN 116539614A CN 202310110652 A CN202310110652 A CN 202310110652A CN 116539614 A CN116539614 A CN 116539614A
Authority
CN
China
Prior art keywords
skip
climbing robot
lining plate
image
plate
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
Application number
CN202310110652.XA
Other languages
English (en)
Inventor
胡长华
彭玉兴
朱真才
杜庆永
周公博
卢昊
曹国华
常向东
江帆
任一男
薛详
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuzhou Coal Mine Safety Equipment Manufacture Co ltd
China University of Mining and Technology CUMT
Original Assignee
Xuzhou Coal Mine Safety Equipment Manufacture Co ltd
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xuzhou Coal Mine Safety Equipment Manufacture Co ltd, China University of Mining and Technology CUMT filed Critical Xuzhou Coal Mine Safety Equipment Manufacture Co ltd
Publication of CN116539614A publication Critical patent/CN116539614A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
    • B62D57/024—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members specially adapted for moving on inclined or vertical surfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B19/00—Mining-hoist operation
    • B66B19/06—Applications of signalling devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/18—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes specially adapted for use in particular purposes
    • B66C23/36—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes specially adapted for use in particular purposes mounted on road or rail vehicles; Manually-movable jib-cranes for use in workshops; Floating cranes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/62—Constructional features or details
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于机器视觉的立井箕斗衬板损伤检测方法，通过在牵引式爬壁机器人上布置多目相机，来对衬板表面缺陷进行损伤检测，记录衬板上缺陷的具体位置，并对衬板的缺陷情况进行警报。首先，根据衬板服役环境制定多目相机布置方案，并设置清洗喷头用于去除衬板表面泥灰；然后设计基于机器视觉的衬板缺陷识别算法，包括图像预处理、特征提取、边缘拟合等步骤；最后提出一种面积筛选方法来滤除图像中的伪标记，从而完成立井提升方法箕斗衬板缺陷检测工作。实践表明，基于机器视觉的立井箕斗衬板损伤检测方法克服了箕斗衬板上缺陷不易检测、背景干扰较多的问题，相比于传统人工检测法具有检测速度快、安全性高的优点。

Description

基于机器视觉的立井箕斗衬板损伤检测方法
技术领域
本发明涉及一种基于机器视觉的立井箕斗衬板损伤检测领域，具体是一种基于机器视觉的立井箕斗衬板损伤的检测方法。
背景技术
在立井提升系统中，箕斗承担着运输煤炭和矸石的作用，是提升方法中至关重要的组成部分。箕斗衬板是安装在箕斗内壁上的缓冲零件，服役过程中会受到强烈的冲击与磨损，长时间后就会出现破损失效的现象，若不能及时发现衬板表面的损伤情况，就会对煤矿生产工作造成重大安全隐患，严重威胁到工作人员的生命安全，因此，提供一种安全、高效的箕斗衬板的损伤检测方法是目前煤矿生产领域亟需解决的科学问题。
由于箕斗的工况及自身尺寸的原因，人工检测法是目前箕斗衬板缺陷检测最常用的方法。人工检测法是由工人进入箕斗内部进行检查，这种检测方式不但工作效率低而且危险系数高。目前，基于机器视觉的检测技术已在煤炭行业得到广泛应用。为此，本发明基于机器视觉检测技术，设计一种立井箕斗衬板损伤检测方法代替人工进行箕斗衬板的表面损伤检测。
发明内容
本发明旨在解决上述问题，提供一种基于机器视觉的立井箕斗衬板损伤检测方法，克服了箕斗衬板上缺陷不易检测、背景干扰较多的问题，相比于传统人工检测法具有检测速度快、安全性高的优点。
为了实现上述目标，本发明采用如下技术方案：
基于机器视觉的衬板损伤检测方法，包括以下步骤：
步骤A，通过在箕斗内壁上设置爬壁机器人，所述爬壁机器人上设有对衬板表面进行清洗的喷头和进行拍照的图像采集模块，所述图像采集模块包括：四个多目相机，四个多目相机分别固定在所述爬壁机器人的四个侧面；
步骤B，通过所述喷头对衬板表面进行清洗：
步骤C，通过所述图像采集模块完成对箕斗所有衬板表面图像的拍摄；
步骤D，图像处理，对步骤C拍摄的图像进行处理，获得箕斗衬板表面缺陷的几何尺寸和位置坐标；
步骤E，计算箕斗衬板表面缺陷区域的实际尺寸，建立不同尺寸的缺陷与其缺陷程度的量化对应模型，爬壁机器人按照缺陷程度的不同执行不同的措施，具体包括以下步骤：
E1，以衬板边缘顶点为参照，对衬板图像进行透视变换矫正；
E2，采用霍夫变换算法检测图像中的直线，结合箕斗衬板的表面的几何结构确定单块箕斗衬板的边缘；
E3，由单块衬板的实际几何尺寸与其在图像中所占像素数的数值比例作为参数换算比例尺，计算图像中衬板表面缺陷的实际尺寸；
E4，根据尺寸缺陷的大小及缺陷处的平均灰度值的大小综合判断缺陷情况：
缺陷最大方向尺寸sizem∈[0,20]mm、平均灰度值agv∈[100,150]的缺陷为小型缺陷，此类缺陷对箕斗衬板服役效果产生的影响较小，暂不处理，记录缺陷信息，爬壁机器人继续检测；
缺陷最大方向尺寸sizem∈[20,50]mm、平均灰度值agv∈[70,100]的缺陷为中型缺陷，此类缺陷已对箕斗衬板服役效果产生一定的影响，应对地面工作室发出警告，提醒工作人员考虑更换或修复衬板，同时记录缺陷信息，爬壁机器人继续检测；
缺陷最大方向尺寸sizem>50mm、平均灰度值agv<70的缺陷认定为大型缺陷，对地面工作室发出警告，提醒工作人员及时更换衬板，同时记录缺陷信息，爬壁机器人不再执行此块衬板的后续检测。
步骤B具体包括以下子步骤：
B1，通过所述喷头对衬板表面进行初次清洗；
B2，使用所述图像采集模块采集箕斗衬板表面初次清洗后的图像；
B3，对衬板表面图像进行灰度转化，并对其进行模糊降噪，去除图像中的细小噪声；
B4，检测图像中是否存在灰度值小于30的区域，如果存在，将其认为是清洗不理想的区域，记录这些区域的具体位置，对其进行二次清洗；
B5，采集箕斗衬板表面二次清理后的图像重复步骤B2～B3，对衬板表面进行第三次清洗；
B6，再次检测箕斗衬板表面，如果图像中不存灰度值小于30的区域的，则进入步骤C；如果图像中仍然存在清洗不理想区域，保存带有这些区域的图像，记录这些区域的位置，将图像发送到地面控制室交由人工判断泥灰类型、选择处理方式。
所述步骤B1，当爬壁机器人自上而下运行时，喷头以斜向下45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人自下而上运行时，喷头以斜向上45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人进行水平移动时，喷头暂停清洗工作。
步骤C具体包括以下子步骤：
C1，将爬壁机器人吸附在箕斗侧面上，打开另外三个非吸附表面上的多目相机，对各自的拍摄区域进行自上而下的垂直损伤检测；
C2，爬壁机器人行至箕斗底部后，将爬壁机器人上的永磁轮切换为水平方向，使爬壁机器人水平运行一段距离，关闭检测前后壁面的多目相机，然后对箕斗吸附侧面的相对面进行自下而上的拍摄；
C3，爬壁机器人行至箕斗顶端后，将爬壁机器人上的永磁轮切换为水平方向，使爬壁机器人水平运行一段距离，再对机器人吸附表面的侧面进行一次自上而下的拍摄；
C4，将爬壁机器人吸附到相对的侧面，重复步骤C1-C3，完成对所有箕斗表面的拍摄。
步骤D具体包括以下子步骤：
D1，采用全局阈值分割法对图像进行分割；
D2，采用双边滤波法对图像中存在的干扰进行过滤，抑制原始图像中的高频噪声；
D3，采用形态学操作的方法细化、修剪图像中存在的毛刺，使其呈现出连续性平滑边缘；
D4，采用Canny边缘检测算子对步骤D3得到的结果图像进行边缘检测；
D5，对单块衬板上的缺陷图形进行外接矩形拟合，然后通过外接矩形的面积过滤图像中的伪标记，具体包括以下子步骤：
D51，对分割后的单块衬板进行缺陷轮廓拟合，采用外接矩形Ra对检测到的缺陷轮廓Ca进行拟合，外接矩形Ra各参数的定义方式为：首先，确定待拟合轮廓Ca上纵坐标最大的一点P1(x1,y1)，并过该点作水平线L1；然后，确定待拟合轮廓Ca上横坐标最大的一点P2(x2,y2)，并过该点作水平线L2；接着，计算L1、L2的交点P3作为外接矩形的一个顶点；最后，以轮廓上纵坐标最小的点与P1的纵坐标之差为外接矩形Ra的第一边长、以轮廓上横坐标最小的点与P2的横坐标之差为外接矩形Ra的另一边长，从而确定外接矩形Ra；
D52，通过外接矩形Ra的面积Sa筛除上一步骤中出现的伪标记，具体方法为计算外接矩形Ra的面积Sa与图像总面积S的比值k：
根据衬板缺陷占图幅的比例来设定合理的数值区间Z，并将k值不属于该区间的所有矩形认为是伪标记并加以过滤；
D6，记录缺陷的位置、尺寸信息，反馈给客户端，完成箕斗衬板缺陷检测工作。
所述爬壁机器人包括：支撑框架、永磁轮和盖板，所述支撑框架的两侧连接永磁轮，所述盖板固定在支撑框架顶部；所述支撑框架由型材杆件及拐角通过螺栓连接而成；
抓取板，通过抓取板位置调整机构设置在所述支撑框架的一侧，用于对已损坏的衬板进行更换，抓取板位置调整机构包括：
丝杠电机、可移动框架支撑板、丝杠、螺母块、丝杠机构支撑架、滑轨、可移动框架、第一伺服电动缸以及第二伺服电动缸，其中，
丝杠电机输出轴通过联轴器与丝杠连接，丝杠与螺母块通过螺纹连接，螺母块上表面与可移动框架支撑板紧固连接，丝杠电机连接在丝杠机构支撑架上，丝杠通过两端的轴承与丝杠机构支撑架连接，丝杠机构支撑架固定在可移动框架支撑板上，可移动框架支撑板固定在可移动框架上，可移动框架通过滑块与所述滑轨滑动连接，滑轨固定在所述支撑框架上；
所述第一伺服电动缸和第二伺服电动缸分别与所述可移动框架固定连接，第一伺服电动缸的伸缩杆与第二伺服电动缸的伸缩杆分别与所述抓取板同一侧连接；
所述多目相机包括三个第一多目相机和一个第二多目相机，三个所述第一多目相机分别通过多目相机支座固定在所述支撑框架的三个侧面；所述第二多目相机安装在所述抓取板上。
所述盖板顶部设有供外部牵引装置牵引的吊环。
所述外部牵引装置包括升降平台和提升装置，其中，
所述提升装置包括支撑架、卷扬机、提升钢丝绳、第一定滑轮和第二定滑轮，其中，支撑架和卷扬机固定在升降平台上；
所述支撑架设置在箕斗外侧，包括竖向支撑杆和连接在竖向支撑杆顶端的横向悬臂杆，所述竖向支撑杆的顶部安装第一定滑轮，所述横向悬臂杆的悬伸端上安装第二定滑轮，由卷扬机释放的提升钢丝绳通过第一定滑轮和第二定滑轮与爬壁机器人所述盖板顶部的吊环连接；
横向激光定位装置，安装在所述横向悬臂杆的悬伸端上，通过测量与箕斗壁间的距离判断爬壁机器人的横向位置；
纵向激光定位装置，安装在所述横向悬臂杆的悬伸端上，通过测量与爬壁机器人盖板的距离判断爬壁机器人的纵向位置；
调整升降平台的高度，外部牵引装置牵引所述爬壁机器人从箕斗入口中央处进入箕斗内部，先调整横向距离，利用横向激光定位装置实时反馈的位置信息，确认爬壁机器人与箕斗后部壁面的距离，防止爬壁机器人冲击箕斗后部壁面造成爬壁机器人损坏，并使爬壁机器人上的三个所述第一多目相机能同时检测三个方向的箕斗壁面；确定爬壁机器人的横向位置之后，再通过外部牵引装置带动爬壁机器人纵向移动，保证爬壁机器人的永磁轮可靠吸附在箕斗侧壁上；启动卷扬机，爬壁机器人在自身重力的作用下进行下移，与此同时，纵向激光定位装置对爬壁机器人的下移距离进行监测。
所述抓取板上设有电磁吸盘，通过通电状态控制电磁吸盘对衬板进行吸附抓取。
所述抓取板还包括钩爪和压缩弹簧，其中，所述抓取板形状呈矩形，
所述钩爪包括四个，四个钩爪分别通过铰接部设置在呈矩形的所述抓取板的四个角处；
所述压缩弹簧设置在所述钩爪与抓取板之间，当抓取板向所述衬板靠近时，衬板的上、下两端会推挤所述钩爪，钩爪克服所述压缩弹簧的弹力以所述铰接部为支点进行后仰转动，直至所述钩爪将所述衬板的上、下两端卡住，同时，所述电磁吸盘能与所述衬板相接触。
有益成果：
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明避免了人工检测方法中存在危险性，节约了人力成本，并且减少了由检查人员的主观判断失误引起的检测误差，提高了煤矿生产作业的安全性、箕斗衬板误差检测的准确性和效率。
第一.本发明针对现有箕斗衬板损坏检测不方便的技术问题，提出一种爬壁机器人，通过在该爬壁机器人上安装多目相机实现对箕斗内壁的图像采集，进而通过图像处理手段对衬板的表面图像进行处理，代替人工进入箕斗内部检查，避免因人工检查导致的安全事故发生。
第二.进一步的，本发明针对箕斗衬板上缺陷不易检测、背景干扰较多的问题，提出一种图像处理算法，该算法提出一种面积筛选方法来滤除图像中的伪标记，从而完成立井提升方法箕斗衬板缺陷检测工作，提高了箕斗衬板损伤检测的准确度。
第三.进一步的，本发明针对箕斗衬板表面可能附着泥灰的特点提出一种结合机器视觉技术的泥灰清洗方案，通过识别清洗后的衬板表面图像特征来对清洗不理想的区域进行多次清洗，有效减少衬板表面因附着泥灰而导致的缺陷误检现象，使爬壁机器人永磁轮的吸附效果更加可靠。
第四.进一步的，本发明结合爬壁机器人检测特点设计了具有针对性的检测效果评价方法：首先通过透视变换矫正箕斗衬板图像，可以有效降低机器人运行过程中倾斜与抖动对检测效果的影响，然后通过单块衬板与已知参数的尺寸换算直接得到缺陷部位的实际尺寸，避免了繁琐的多目相机标定操作，最后根据衬板缺陷特点进行不同的反馈，能使工人快速识别缺陷类型，及时采取相应措施。
附图说明
图1是本发明整体效果实现流程图；
图2是发明箕斗衬板磁吸式更换装置的牵引式爬壁机器人结构示意图；
图3是发明箕斗衬板磁吸式更换装置的牵引式爬壁机器人侧视图；
图4是发明箕斗衬板磁吸式更换装置的牵引式爬壁机器人位置调整装置结构示意图；
图5是本发明箕斗衬板磁吸式更换装置的牵引式爬壁机器人外部牵引装置图；
图6是爬壁机器人位于箕斗中部检测示意图；
图7是爬壁机器人位于箕斗左侧检测示意图；
图8是爬壁机器人运行流程图
图9是本发明衬板图像灰度化效果。
图10是本发明衬板图像双边滤波效果。
图11是本发明衬板图像全局阈值法处理结果。
图12是本发明衬板缺陷特征Canny边缘检测效果。
图13是本发明衬板图像直线分割及衬板缺陷特征标记过滤效果。
图14是本发明针对性检测方法流程图。
其中：1、可锁死万向轮；2、底座；3、伺服电动缸；4、剪叉支撑杆；5、支撑板；6、卷扬机；7、提升钢丝绳；8、支撑架；9、配重；10、第一定滑轮；11、第二定滑轮；12、横向激光定位装置；13、纵向激光定位装置；14、拉力传感器；15、高压水管；16、喷头；17、伺服电动缸；18、电磁吸盘；19、直线模组；20、第二多目相机；21、爬壁机器人支撑框架；22、钩爪；23、支撑架固定板；24、永磁轮；25、爬壁机器人盖板；26、滑轨；27、第一多目相机；28、拉环；29、可移动框架支撑板；30、可移动框架；31、伺服电动缸支撑板。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
如图1所示，本发明提供一种基于机器视觉的箕斗衬板缺陷检测方法，包括多目相机布置、泥灰清洗、机器人运行方案设计、视觉缺陷检测四个部分。
首先结合衬板损伤检测工况合理的多目相机布置方案，具体步骤如下：
1.步骤A，如图2所示，结合衬板损伤检测工况实际，将多目相机安装在牵引式爬壁机器人侧面，使其能对箕斗衬板侧面进行拍摄；
步骤B，清洗箕斗衬板表面均匀覆盖的泥灰，避免泥灰对最终检测效果造成影响。
步骤C，设计合理的机器人运行方案，使其克服多目相机视角有限的问题，检测到箕斗内壁的所有表面；
步骤D，使用机器视觉技术对拍摄到的箕斗衬板表面图像进行处理，获得箕斗衬板表面缺陷的几何尺寸和位置坐标，若缺陷程度达到衬板更换要求，则向客户端发出警告，提醒工人及时更换衬板。
步骤A具体包括以下子步骤：
A1，将爬壁机器人通过永磁轮贴附在箕斗内壁上，永磁轮可调整为竖直和水平两个方向，使机器人能够沿箕斗内壁表面进行上下移动或左右移动；
A2，如图3所示，在牵引式爬壁机器人的四个侧面分别安装多目相机，机器人一面贴附在箕斗内壁，其余三面上的多目相机能够对箕斗衬板进行拍摄。
步骤B具体包括以下子步骤：
B1，如图2所示，在爬壁机器人上安装多目相机的位置下方安装喷头，能够对箕斗衬板内壁上覆盖的泥灰进行清洗；
B2，为提高箕斗衬板表面泥灰清洁效果，缩小喷头的清洗范围，仅对多目相机拍摄区域进行清洗；
B3，在多目相机对箕斗衬板内壁某处进行拍摄时，提前对该处进行清洗：当爬壁机器人自上而下运行时，喷头应以斜向下45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人自下而上运行时，喷头应以斜向上45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人进行水平移动时，喷头暂停清洗工作；
B4，当爬壁机器人的储水装置中水量耗尽时，爬壁机器人上行至地面煤仓补充清洗用水，补充完毕后继续作业。
步骤C具体包括以下子步骤：
C1，将爬壁机器人吸附在箕斗侧面上，打开另外三个非吸附表面上的多目相机，对各自的拍摄区域进行自上而下的垂直损伤检测，如图3所示；
C2，爬壁机器人行至箕斗底部后，将机器人上的永磁轮切换为水平方向，使机器人水平运行一段距离，关闭检测前后壁面的多目相机，然后对箕斗吸附侧面的相对面进行自下而上的拍摄，如图4所示；
C3，爬壁机器人行至箕斗顶端后，将机器人上的永磁轮切换为水平方向，使机器人水平运行一段距离，再对机器人吸附表面的侧面进行一次自上而下的拍摄；
C4，将爬壁机器人吸附到相对的侧面，重复步骤C1-C3，完成对所有箕斗表面的拍摄。
步骤D具体包括以下子步骤：
D1，采用全局阈值分割的方法对图像进行分割，获得缺陷和轮廓细节保留较好的黑白图像，便于后续算法处理；
D2，采用双边滤波的方法对图像中存在的干扰进行过滤，抑制原始图像中的高频噪声；
D3，采用形态学操作的方法细化、修剪图像中存在的毛刺，使其呈现出预期的连续性平滑边缘；
D4，采用Canny边缘检测算子对步骤D3得到的结果图像进行边缘检测；
D5，对单块衬板上的缺陷图形进行外接矩形拟合，然后通过外接矩形的面积来过滤图像中的伪标记；
D6，记录缺陷的位置、尺寸等信息，反馈给客户端，完成箕斗衬板缺陷检测工作。
6.步骤D1具体步骤为：
D11，将三通道彩色图像转换为单通道灰度图像，经转换的灰度图像其各点数值的计算方法为：
Gray(x,y)＝0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)#
式中，Gray(x,y)为图像坐标系中坐标为(x,y)的点的灰度值转换结果；R(x,y)、G(x,y)、B(x,y)分别为该点转换前其红、绿、蓝通道的数值；
D12，设定全局阈值分割法的分割条件：
式中：g(x,y)代表图像坐标系中坐标为(x,y)的点的单通道灰度值；fT(x,y)为全局阈值分割法分割后的值；Th为过滤阈值；
D13，建立图像的灰度直方图，然后根据直方图人为选定过滤阈值Th，完成对图像的分割，获得缺陷和轮廓细节保留较好，便于后续的轮廓的检测和特征提取的黑白图像。
步骤D2具体步骤为：
D21，对图像进行双边滤波，是通过遍历图像中的像素，然后根据每个像素的相邻像素的加权组合来对其赋值，以达到过滤噪声的目的，某点的滤波结果由下式计算：
式中：e(i,j)代表在图像坐标系中(i,j)点的滤波输出结果；s(i,j)为以(i,j)点为中心的奇数值范围，是双边滤波的模板尺寸，s(i,j)选得越大，滤波效果越强，图像也会越模糊，这里选用3×3的模板尺寸；f(k,l)为模板尺寸范围内的多个输入点的值，w(i,j,k,l)为加权函数，其确定公式为：
w(i,j,k,l)＝ws(i,j,k,l)·wr(i,j,k,l)
式中：ws(i,j,k,l)为空间临近GUASSIAN函数，wr(i,j,k,l)为数值相似GUASSIAN函数，其确定公式为：
式中：σs和σr分别为两个GUASSIAN函数的分布参数，代表了该函数的图像宽度，是程序输入值。经过上述计算即可完成对图像的双边滤波，进一步排除图像中存在的噪声干扰；
步骤D4具体步骤为：
D41，根据图像中梯度下降最快的方向对该方向上的点进行梯度幅值极大值抑制，从而建立图像中衬板缺陷的边缘轮廓，梯度方向和梯度幅值的确定方式为：
P[i,j]＝(f[i,j+1]-f[i,j]+f[i+1,j+1]-f[i+1,j])/2
Q[i,j]＝(f[i,j]-f[i+1,j]+f[i,j+1]-f[i+1,j+1])/2
θ[i,j]＝tan-1(Q[i,j]/P[i,j])
式中：P[i,j]为图像x方向的一阶偏导矩阵；Q[i,j]为图像y方向的一阶偏导矩阵；M[i,j]为图像梯度幅值矩阵；θ[i,j]为图像梯度方向角矩阵；f[i,j]为图像坐标系中坐标为(i,j)的点的像素数值。
所述步骤D5具体包括以下子步骤：
D51，对分割后的单块衬板进行缺陷轮廓拟合，这里采用外接矩形Ra对检测到的缺陷轮廓Ca进行拟合，外接矩形Ra各参数的定义方式为：首先，确定待拟合轮廓Ca上纵坐标最大的一点P1(x1,y1)，并过该点作水平线L1；然后，确定待拟合轮廓Ca上横坐标最大的一点P2(x2,y2)，并过该点作水平线L2；接着，计算L1、L2的交点P3作为外接矩形的一个顶点；最后，以轮廓上纵坐标最小的点与P1的纵坐标之差为外接矩形Ra的第一边长、以轮廓上横坐标最小的点与P2的横坐标之差为外接矩形Ra的另一边长，从而确定Ra；
D52，通过外接矩形Ra的面积Sa筛除上一步骤中出现的伪标记，具体方法为计算Sa与图像总面积S的比值k：
根据衬板缺陷占图幅的比例来设定合理的数值区间Z，并将k值不属于该区间的所有矩形认为是伪标记并加以过滤。
图2～图5是本发明所述爬壁机器人的结构示意图，包括：支撑框架、永磁轮和盖板，所述支撑框架的两侧连接永磁轮，所述盖板固定在支撑框架顶部；所述支撑框架由型材杆件及拐角通过螺栓连接而成；
抓取板，通过抓取板位置调整机构设置在所述支撑框架的一侧，用于对已损坏的衬板进行更换，抓取板位置调整机构包括：
丝杠电机、可移动框架支撑板、丝杠、螺母块、丝杠机构支撑架、滑轨、可移动框架、第一伺服电动缸14以及第二伺服电动缸17，其中，
丝杠电机16输出轴通过联轴器与丝杠33连接，丝杠33与螺母块34通过螺纹连接，螺母块34上表面与可移动框架支撑板25紧固连接，丝杠电机16连接在丝杠机构支撑架35上，丝杠33通过两端的轴承与丝杠机构支撑架35连接，丝杠机构支撑架35固定在可移动框架支撑板25上，可移动框架支撑板25固定在可移动框架26上，可移动框架26通过滑块与所述滑轨24滑动连接，滑轨24固定在所述支撑框架上；
所述第一伺服电动缸14和第二伺服电动缸17分别与所述可移动框架固定连接，第一伺服电动缸的伸缩杆与第二伺服电动缸的伸缩杆分别与所述抓取板31同一侧连接；
所述图像采集模块包括：
三个第一多目相机，三个第一多目相机分别通过第一多目相机支座固定在所述支撑框架的三侧，
一个第二多目相机，一个第二多目相机通过第二多目相机支座固定在所述抓取板中间里侧；
所述喷头设置在抓取板上位于所述第二多目相机下方。
作为本发明技术方案的优选手段，所述盖板顶部设有供外部牵引装置牵引的吊环。
所述外部牵引装置包括升降平台和提升装置，其中，
所述提升装置包括支撑架、卷扬机6、提升钢丝绳7、第一定滑轮10和第二定滑轮11，其中，支撑架和卷扬机6固定在升降平台上；
所述支撑架设置在箕斗外侧，包括竖向支撑杆和连接在竖向支撑杆顶端的横向悬臂杆，所述竖向支撑杆的顶部安装第一定滑轮10，所述横向悬臂杆的悬伸端上安装第二定滑轮11，由卷扬机6释放的提升钢丝绳7通过第一定滑轮10和第二定滑轮11与爬壁机器人所述盖板顶部的吊环连接；
横向激光定位装置12，安装在所述横向悬臂杆的悬伸端上，通过测量与箕斗壁间的距离判断爬壁机器人的横向位置；
纵向激光定位装置13，安装在所述横向悬臂杆的悬伸端上，通过测量与爬壁机器人盖板19的距离判断爬壁机器人的纵向位置。调整升降平台的高度，外部牵引装置牵引所述爬壁机器人从箕斗入口中央处进入箕斗内部，先调整横向距离，利用横向激光定位装置实时反馈的位置信息，确认爬壁机器人与箕斗后部壁面的距离，防止爬壁机器人冲击箕斗后部壁面造成爬壁机器人损坏，并使爬壁机器人上的三个所述第一多目相机能同时检测三个方向的箕斗壁面；确定爬壁机器人的横向位置之后，再通过外部牵引装置带动爬壁机器人纵向移动，保证爬壁机器人的永磁轮可靠吸附在箕斗侧壁上；启动卷扬机，爬壁机器人在自身重力的作用下进行下移，与此同时，纵向激光定位装置对爬壁机器人的下移距离进行监测。
所述抓取板上设有电磁吸盘，通过通电状态控制电磁吸盘对衬板进行吸附抓取。
进一步的，如图5所示，所述抓取板还包括钩爪和压缩弹簧，其中，所述抓取板形状呈矩形，所述钩爪包括四个，四个钩爪分别通过铰接部设置在呈矩形的所述抓取板的四个角处；所述压缩弹簧设置在所述钩爪与抓取板之间，当抓取板向所述衬板靠近时，衬板的上、下两端会推挤所述钩爪，钩爪克服所述压缩弹簧的弹力以所述铰接部为支点进行后仰转动，直至所述钩爪将所述衬板的上、下两端卡住，同时，所述电磁吸盘能与所述衬板相接触，防止衬板脱落。
图8是本发明爬壁机器人运行顺序图，首先，将爬壁机器人吸附在箕斗侧面上，打开另外三个非吸附表面上的多目相机，对各自的拍摄区域进行自上而下的垂直损伤检测；然后，爬壁机器人行至箕斗底部后，将机器人上的永磁轮切换为水平方向，使机器人水平运行一段距离，关闭检测前后壁面的多目相机，然后对箕斗吸附侧面的相对面进行自下而上的拍摄；接着，爬壁机器人行至箕斗顶端后，将机器人上的永磁轮切换为水平方向，使机器人水平运行一段距离，再对机器人吸附表面的侧面进行一次自上而下的拍摄；最后，将爬壁机器人吸附到相对的侧面，重复之前的步骤，完成对所有箕斗表面的拍摄。
图9是本发明衬板图像灰度化效果，可以看出灰度化图像保留了所有待测信息，同时减少了后续算法的计算量和设计难度。
图10是本发明衬板图像双边滤波效果，可以看出，与图5相比，滤波后的图像排除了背景较小噪声的干扰，同时细化了边缘，改善了图像质量。
图11是本发明衬板图像全局阈值法处理结果，可以看出全局阈值法分割后的衬板仍然保留了所有的缺陷特征，便于后续算法对其进行检测定位。
图12是本发明衬板缺陷特征Canny边缘检测效果，图中所有衬板缺陷特征的边缘均被正确捕获。
图13是本发明衬板缺陷特征标记筛选效果，通过各边缘特征的外接矩形面积对伪标记进行识别过滤，过滤后的图像仅包含衬板缺陷特征轮廓。
以上结合附图对本发明的具体实施方式作了说明，但这些说明不能被理解为限制了本发明的范围，任何在本发明权利要求基础上的改动都是本发明的保护范围。

Claims (10)

1.基于机器视觉的衬板损伤检测方法，其特征在于，包括以下步骤：
步骤A，通过在箕斗内壁上设置爬壁机器人，所述爬壁机器人上设有对衬板表面进行清洗的喷头和进行拍照的图像采集模块，所述图像采集模块包括：四个多目相机，四个多目相机分别固定在所述爬壁机器人的四个侧面；
步骤B，通过所述喷头对衬板表面进行清洗：
步骤C，通过所述图像采集模块完成对箕斗所有衬板表面图像的拍摄；
步骤D，图像处理，对步骤C拍摄的图像进行处理，获得箕斗衬板表面缺陷的几何尺寸和位置坐标；
步骤E，计算箕斗衬板表面缺陷区域的实际尺寸，建立不同尺寸的缺陷与其缺陷程度的量化对应模型，爬壁机器人按照缺陷程度的不同执行不同的措施，具体包括以下步骤：
E1，以衬板边缘顶点为参照，对衬板图像进行透视变换矫正；
E2，采用霍夫变换算法检测图像中的直线，结合箕斗衬板的表面的几何结构确定单块箕斗衬板的边缘；
E3，由单块衬板的实际几何尺寸与其在图像中所占像素数的数值比例作为参数换算比例尺，计算图像中衬板表面缺陷的实际尺寸；
E4，根据尺寸缺陷的大小及缺陷处的平均灰度值的大小综合判断缺陷情况：
缺陷最大方向尺寸sizem∈[0,20]mm、平均灰度值agv∈[100,150]的缺陷为小型缺陷，此类缺陷对箕斗衬板服役效果产生的影响较小，暂不处理，记录缺陷信息，爬壁机器人继续检测；
缺陷最大方向尺寸sizem∈[20,50]mm、平均灰度值agv∈[70,100]的缺陷为中型缺陷，此类缺陷已对箕斗衬板服役效果产生一定的影响，应对地面工作室发出警告，提醒工作人员考虑更换或修复衬板，同时记录缺陷信息，爬壁机器人继续检测；
缺陷最大方向尺寸sizem>50mm、平均灰度值agv<70的缺陷认定为大型缺陷，对地面工作室发出警告，提醒工作人员及时更换衬板，同时记录缺陷信息，爬壁机器人不再执行此块衬板的后续检测。
2.根据权利要求1所述的基于机器视觉的衬板损伤检测方法，其特征在于，步骤B具体包括以下子步骤：
B1，通过所述喷头对衬板表面进行初次清洗；
B2，使用所述图像采集模块采集箕斗衬板表面初次清洗后的图像；
B3，对衬板表面图像进行灰度转化，并对其进行模糊降噪，去除图像中的细小噪声；
B4，检测图像中是否存在灰度值小于30的区域，如果存在，将其认为是清洗不理想的区域，记录这些区域的具体位置，对其进行二次清洗；
B5，采集箕斗衬板表面二次清理后的图像重复步骤B2～B3，对衬板表面进行第三次清洗；
B6，再次检测箕斗衬板表面，如果图像中不存灰度值小于30的区域的，则进入步骤C；如果图像中仍然存在清洗不理想区域，保存带有这些区域的图像，记录这些区域的位置，将图像发送到地面控制室交由人工判断泥灰类型、选择处理方式。
3.根据权利要求2所述的基于机器视觉的衬板损伤检测方法，其特征在于，
所述步骤B1，当爬壁机器人自上而下运行时，喷头以斜向下45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人自下而上运行时，喷头以斜向上45°方向对箕斗衬板内壁进行喷洗，当爬壁机器人进行水平移动时，喷头暂停清洗工作。
4.根据权利要求1所述的基于机器视觉的衬板损伤检测方法，其特征在于，
步骤C具体包括以下子步骤：
C1，将爬壁机器人吸附在箕斗侧面上，打开另外三个非吸附表面上的多目相机，对各自的拍摄区域进行自上而下的垂直损伤检测；
C2，爬壁机器人行至箕斗底部后，将爬壁机器人上的永磁轮切换为水平方向，使爬壁机器人水平运行一段距离，关闭检测前后壁面的多目相机，然后对箕斗吸附侧面的相对面进行自下而上的拍摄；
C3，爬壁机器人行至箕斗顶端后，将爬壁机器人上的永磁轮切换为水平方向，使爬壁机器人水平运行一段距离，再对机器人吸附表面的侧面进行一次自上而下的拍摄；
C4，将爬壁机器人吸附到相对的侧面，重复步骤C1-C3，完成对所有箕斗表面的拍摄。
5.根据权利要求1所述的基于机器视觉的衬板损伤检测方法，其特征在于，
步骤D具体包括以下子步骤：
D1，采用全局阈值分割法对图像进行分割；
D2，采用双边滤波法对图像中存在的干扰进行过滤，抑制原始图像中的高频噪声；
D3，采用形态学操作的方法细化、修剪图像中存在的毛刺，使其呈现出连续性平滑边缘；
D4，采用Canny边缘检测算子对步骤D3得到的结果图像进行边缘检测；
D5，对单块衬板上的缺陷图形进行外接矩形拟合，然后通过外接矩形的面积过滤图像中的伪标记，具体包括以下子步骤：
D51，对分割后的单块衬板进行缺陷轮廓拟合，采用外接矩形Ra对检测到的缺陷轮廓Ca进行拟合，外接矩形Ra各参数的定义方式为：首先，确定待拟合轮廓Ca上纵坐标最大的一点P1(x1,y1)，并过该点作水平线L1；然后，确定待拟合轮廓Ca上横坐标最大的一点P2(x2,y2)，并过该点作水平线L2；接着，计算L1、L2的交点P3作为外接矩形的一个顶点；最后，以轮廓上纵坐标最小的点与P1的纵坐标之差为外接矩形Ra的第一边长、以轮廓上横坐标最小的点与P2的横坐标之差为外接矩形Ra的另一边长，从而确定外接矩形Ra；
D52，通过外接矩形Ra的面积Sa筛除上一步骤中出现的伪标记，具体方法为计算外接矩形Ra的面积Sa与图像总面积S的比值k：
根据衬板缺陷占图幅的比例来设定合理的数值区间Z，并将k值不属于该区间的所有矩形认为是伪标记并加以过滤；
D6，记录缺陷的位置、尺寸信息，反馈给客户端，完成箕斗衬板缺陷检测工作。
6.根据权利要求1所述的基于机器视觉的衬板损伤检测方法，其特征在于，所述爬壁机器人包括：支撑框架、永磁轮和盖板，所述支撑框架的两侧连接永磁轮，所述盖板固定在支撑框架顶部；所述支撑框架由型材杆件及拐角通过螺栓连接而成；
抓取板，通过抓取板位置调整机构设置在所述支撑框架的一侧，用于对已损坏的衬板进行更换，抓取板位置调整机构包括：
丝杠电机、可移动框架支撑板、丝杠、螺母块、丝杠机构支撑架、滑轨、可移动框架、第一伺服电动缸以及第二伺服电动缸，其中，
丝杠电机输出轴通过联轴器与丝杠连接，丝杠与螺母块通过螺纹连接，螺母块上表面与可移动框架支撑板紧固连接，丝杠电机连接在丝杠机构支撑架上，丝杠通过两端的轴承与丝杠机构支撑架连接，丝杠机构支撑架固定在可移动框架支撑板上，可移动框架支撑板固定在可移动框架上，可移动框架通过滑块与所述滑轨滑动连接，滑轨固定在所述支撑框架上；
所述第一伺服电动缸和第二伺服电动缸分别与所述可移动框架固定连接，第一伺服电动缸的伸缩杆与第二伺服电动缸的伸缩杆分别与所述抓取板同一侧连接；
所述多目相机包括三个第一多目相机和一个第二多目相机，三个所述第一多目相机分别通过多目相机支座固定在所述支撑框架的三个侧面；所述第二多目相机安装在所述抓取板上。
7.根据权利要求6所述的基于机器视觉的衬板损伤检测方法，其特征在于，
所述盖板顶部设有供外部牵引装置牵引的吊环。
8.根据权利要求7所述的基于机器视觉的衬板损伤检测方法，其特征在于，
所述外部牵引装置包括升降平台和提升装置，其中，
所述提升装置包括支撑架、卷扬机、提升钢丝绳、第一定滑轮和第二定滑轮，其中，支撑架和卷扬机固定在升降平台上；
所述支撑架设置在箕斗外侧，包括竖向支撑杆和连接在竖向支撑杆顶端的横向悬臂杆，所述竖向支撑杆的顶部安装第一定滑轮，所述横向悬臂杆的悬伸端上安装第二定滑轮，由卷扬机释放的提升钢丝绳通过第一定滑轮和第二定滑轮与爬壁机器人所述盖板顶部的吊环连接；
横向激光定位装置，安装在所述横向悬臂杆的悬伸端上，通过测量与箕斗壁间的距离判断爬壁机器人的横向位置；
纵向激光定位装置，安装在所述横向悬臂杆的悬伸端上，通过测量与爬壁机器人盖板的距离判断爬壁机器人的纵向位置；
调整升降平台的高度，外部牵引装置牵引所述爬壁机器人从箕斗入口中央处进入箕斗内部，先调整横向距离，利用横向激光定位装置实时反馈的位置信息，确认爬壁机器人与箕斗后部壁面的距离，防止爬壁机器人冲击箕斗后部壁面造成爬壁机器人损坏，并使爬壁机器人上的三个所述第一多目相机能同时检测三个方向的箕斗壁面；确定爬壁机器人的横向位置之后，再通过外部牵引装置带动爬壁机器人纵向移动，保证爬壁机器人的永磁轮可靠吸附在箕斗侧壁上；启动卷扬机，爬壁机器人在自身重力的作用下进行下移，与此同时，纵向激光定位装置对爬壁机器人的下移距离进行监测。
9.根据权利要求5所述的基于机器视觉的衬板损伤检测方法，其特征在于，所述抓取板上设有电磁吸盘，通过通电状态控制电磁吸盘对衬板进行吸附抓取。
10.根据权利要求9所述的基于机器视觉的衬板损伤检测方法，其特征在于，所述抓取板还包括钩爪和压缩弹簧，其中，所述抓取板形状呈矩形，
所述钩爪包括四个，四个钩爪分别通过铰接部设置在呈矩形的所述抓取板的四个角处；
所述压缩弹簧设置在所述钩爪与抓取板之间，当抓取板向所述衬板靠近时，衬板的上、下两端会推挤所述钩爪，钩爪克服所述压缩弹簧的弹力以所述铰接部为支点进行后仰转动，直至所述钩爪将所述衬板的上、下两端卡住，同时，所述电磁吸盘能与所述衬板相接触。
CN202310110652.XA 2022-06-27 2023-02-14 基于机器视觉的立井箕斗衬板损伤检测方法 Pending CN116539614A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210742221 2022-06-27
CN2022107422210 2022-06-27

Publications (1)

Publication Number Publication Date
CN116539614A true CN116539614A (zh) 2023-08-04

Family

ID=87456639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310110652.XA Pending CN116539614A (zh) 2022-06-27 2023-02-14 基于机器视觉的立井箕斗衬板损伤检测方法

Country Status (1)

Country Link
CN (1) CN116539614A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116891177A (zh) * 2023-09-01 2023-10-17 河南科技学院 一种工件分拣起重机吊具

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116891177A (zh) * 2023-09-01 2023-10-17 河南科技学院 一种工件分拣起重机吊具
CN116891177B (zh) * 2023-09-01 2023-12-05 河南科技学院 一种工件分拣起重机吊具

Similar Documents

Publication Publication Date Title
CN111421425B (zh) 一种基于工业视觉的金属表面修磨系统
CN109115785B (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN106702868B (zh) 一种自动铺砖机及控制方法
CN108230324B (zh) 磁瓦表面微缺陷视觉检测方法
CN107967681B (zh) 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法
CN116539614A (zh) 基于机器视觉的立井箕斗衬板损伤检测方法
CN108256521B (zh) 用于车身颜色识别的有效区域定位方法
CN109978940B (zh) 一种sab安全气囊尺寸视觉测量方法
CN113012149B (zh) 一种智能清洗机器人路径规划方法及系统
CN107240090A (zh) 一种板材轮廓提取的方法
CN113702391B (zh) 一种钢坯表面及近表面缺陷复合检测方法及装置
CN109159137B (zh) 一种可视频评估洗地效果的洗地机器人
CN114677296B (zh) 一种适用于窄间隙mag堆焊熔池图像的多特征提取方法
CN114758322A (zh) 基于机器识别的道路质量检测系统
CN112634269A (zh) 一种轨道车辆车体检测方法
CN115661076A (zh) 一种铸件待打磨区域智能视觉评估及标定方法
CN111476712A (zh) 一种烧结机的台车箅条图像的摄取及检测方法、系统
CN110728286B (zh) 一种基于火花图像的砂带磨削材料去除率识别方法
CN115078384A (zh) 一种石材大板表面凹坑和裂缝的快速检测装置
CN109145797B (zh) 基于车底阴影定位车牌的道路救援装备正方位诱导方法
CN105068139B (zh) 一种活塞冷却喷嘴安装状态的检测工艺
CN113077443A (zh) 一种基于人工智能的钢包喷溅检测方法及系统
CN110637593B (zh) 一种卸粮口定位系统及定位方法和联合收获机
CN115953726B (zh) 机器视觉的集装箱箱面破损检测方法和系统
CN116681664A (zh) 一种用于冲压设备作业的检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication