王志星 喬鐵柱

(太原理工大學(xué)山西省測(cè)控技術(shù)與新型傳感器工程技術(shù)研究中心，山西省太原市，030024)

帶式輸送機(jī)是煤礦生產(chǎn)中的主要設(shè)備，一旦發(fā)生故障，就會(huì)對(duì)井下工人的人身安全和煤礦的經(jīng)濟(jì)損失造成無法彌補(bǔ)的嚴(yán)重后果。其中，帶式輸送機(jī)膠帶縱向撕裂是最常見的事故之一，因此有必要研究一套實(shí)時(shí)性強(qiáng)、檢測(cè)率高的帶式輸送機(jī)膠帶縱向撕裂在線檢測(cè)系統(tǒng)。目前帶式輸送機(jī)膠帶縱向撕裂檢測(cè)方法主要有力學(xué)法、光電傳感法、電磁法、X光法、機(jī)器視覺法等。力學(xué)法和光電傳感法只有發(fā)生帶式輸送機(jī)膠帶完全撕裂、有煤落下時(shí)才會(huì)觸發(fā)，靈敏度較低；電磁法需要在帶式輸送機(jī)膠帶中預(yù)埋線圈，此種方法會(huì)降低帶式輸送機(jī)膠帶強(qiáng)度；X光法設(shè)備復(fù)雜，還可能會(huì)對(duì)人體產(chǎn)生健康方面的影響；機(jī)器視覺檢測(cè)方法目前已被廣泛應(yīng)用于工業(yè)和農(nóng)業(yè)檢測(cè)等領(lǐng)域。

本文在前人研究的基礎(chǔ)上，利用機(jī)器視覺的檢測(cè)技術(shù)，開發(fā)基于NVIDIA GPU嵌入式平臺(tái)的可見光CCD礦用帶式輸送機(jī)膠帶縱向撕裂檢測(cè)系統(tǒng)，經(jīng)過圖像采集、算法分析等步驟，獲取相關(guān)特征信息進(jìn)行縱向撕裂的判定，并發(fā)送到上位機(jī)數(shù)據(jù)庫(kù)中，方便上位機(jī)遠(yuǎn)程在線監(jiān)控井下帶式輸送機(jī)膠帶的運(yùn)行情況，若發(fā)現(xiàn)縱向撕裂故障，能夠及時(shí)預(yù)警阻斷縱向撕裂事故的進(jìn)一步擴(kuò)大，為煤礦安全方面提供有效措施。

1 帶式輸送機(jī)膠帶縱向撕裂檢測(cè)方法

1.1 檢測(cè)原理

帶式輸送機(jī)膠帶發(fā)生縱向撕裂時(shí)，由于托輥的支撐作用，帶式輸送機(jī)膠帶撕裂部位在垂直于運(yùn)行方向上的曲率會(huì)發(fā)生明顯變化?；诖颂匦裕瑘D像采集部分用可見光CCD相機(jī)及激光線光源配合采集。在CCD視野內(nèi)，帶式輸送機(jī)膠帶下表面形成一條垂直于帶式輸送機(jī)膠帶運(yùn)行方向的單色細(xì)線。細(xì)線會(huì)隨著帶式輸送機(jī)膠帶的運(yùn)行掃描到帶式輸送機(jī)膠帶表面的各個(gè)部位。在未撕裂部位，激光線近似呈直線狀態(tài)；而在撕裂部位，激光線會(huì)彎折甚至斷開，同時(shí)會(huì)檢測(cè)到1條以上斜率不同的直線和角點(diǎn)(即亮度快速變化的點(diǎn)或曲率達(dá)到最大值的點(diǎn))。這樣在圖像在經(jīng)過預(yù)處理之后，通過角點(diǎn)檢測(cè)和直線檢測(cè)算法分析，即可達(dá)到檢測(cè)的目的。

1.2 故障定位原理

在檢測(cè)到帶式輸送機(jī)膠帶發(fā)生縱向撕裂之后，為了方便檢修維護(hù)，需要快速準(zhǔn)確地找到撕裂處的位置。為此，本文進(jìn)行了故障定位設(shè)計(jì)，具體思路是在帶式輸送機(jī)膠帶上涂刷一個(gè)圓形標(biāo)記，作為定位的起點(diǎn)，利用機(jī)器視覺的技術(shù)，結(jié)合定時(shí)器和速度傳感器的配合使用。起點(diǎn)用圖像處理算法中的圓形檢測(cè)來尋找，發(fā)生故障的部位可以用與起點(diǎn)的相對(duì)距離長(zhǎng)度來描述。距離用速度對(duì)時(shí)間的累加效應(yīng)計(jì)算出來(即速度對(duì)時(shí)間的積分)。

2 帶式輸送機(jī)膠帶縱向撕裂檢測(cè)系統(tǒng)硬件設(shè)計(jì)

帶式輸送機(jī)膠帶縱向撕裂檢測(cè)系統(tǒng)硬件結(jié)構(gòu)主要由信號(hào)采集、GPU嵌入式開發(fā)平臺(tái)、控制執(zhí)行單元、井下光纖環(huán)網(wǎng)和上位機(jī)監(jiān)控器組成，系統(tǒng)硬件框圖如圖1所示。

2.1 信號(hào)采集

帶式輸送機(jī)膠帶的下方安裝兩個(gè)調(diào)整好的工業(yè)CCD相機(jī)，并將激光線光源照射在CCD視野內(nèi)，進(jìn)行圖像信號(hào)的采集；將速度傳感器也安裝在帶式輸送機(jī)膠帶下方，進(jìn)行速度信號(hào)的實(shí)時(shí)采集。將采集到的圖像信號(hào)和A/D轉(zhuǎn)換后的速度信號(hào)經(jīng)數(shù)據(jù)傳輸接口輸入到GPU嵌入式開發(fā)平臺(tái)，進(jìn)行數(shù)據(jù)處理。

圖1 系統(tǒng)硬件框圖

2.2 GPU嵌入式開發(fā)平臺(tái)

本系統(tǒng)選用NVIDIA Jetson TK1開發(fā)板，以NVIDIA Tegra?K1 SoC為基礎(chǔ)構(gòu)建，集成NVIDIA Kepler GPU、192個(gè)CUDA 核心和NVIDIA 4-Plus-1TM四核 ARM?CortexTM-A15 CPU。2 GB64位內(nèi)存，16 GB 4.51 eMMC內(nèi)存，1個(gè)USB 2.0端口，1個(gè)USB 3.0 端口 ，1 個(gè) RS232串行端口，1個(gè) RTL8111GS Realtek千兆位以太網(wǎng)局域網(wǎng)。NVIDIA提供整個(gè) BSP 和軟件堆棧，包括CUDA、OpenGL 4.4和Tegra加速的OpenCV。充分利用開發(fā)板上的資源，可以節(jié)約運(yùn)算時(shí)間，提高系統(tǒng)的實(shí)時(shí)性。此外，Jetson TK1開發(fā)板上的mini pci-e接口插入繼承了wifi和藍(lán)牙功能的無線網(wǎng)卡Intel 7260，并安裝配置驅(qū)動(dòng)程序，連接到以太網(wǎng)網(wǎng)絡(luò)后能夠方便地實(shí)現(xiàn)與上位機(jī)的無線通訊。

2.3 上位機(jī)監(jiān)控器

此部分主要用于實(shí)現(xiàn)井上人員的在線監(jiān)控功能，遠(yuǎn)程顯示CPU嵌入式開發(fā)平臺(tái)通過井下光纖環(huán)網(wǎng)傳輸過來的原始數(shù)據(jù)、撕裂結(jié)果判斷與撕裂部位位置信息，并建立OPC服務(wù)器，用于上位機(jī)與可編程PLC之間實(shí)現(xiàn)以太網(wǎng)通訊。

2.4 控制執(zhí)行單元

該部分核心采用西門子S7-200系列PLC，當(dāng)系統(tǒng)檢測(cè)到縱向撕裂時(shí)，上位機(jī)利用OPC服務(wù)器向可編程PLC控制器發(fā)送停機(jī)信號(hào)指令，PLC接受到信號(hào)后，一方面通過變頻器控制帶式輸送機(jī)膠帶電機(jī)的減速與停機(jī)，另一方面控制聲光報(bào)警裝置報(bào)警，通知現(xiàn)場(chǎng)人員迅速手動(dòng)緊急停機(jī)及維修。

3 帶式輸送機(jī)膠帶縱向撕裂檢測(cè)系統(tǒng)軟件設(shè)計(jì)

檢測(cè)系統(tǒng)軟件設(shè)計(jì)在Jetson TK1嵌入式GPU開發(fā)板內(nèi)自帶的系統(tǒng)版本為32位的Ubuntu 14.04的linux操作系統(tǒng)內(nèi)完成，主要包括CCD圖像采集模塊、圖像拼接模塊以及縱向撕裂檢測(cè)與定位模塊，用OpenCV與C++語(yǔ)言編程。

3.1 CCD圖像采集模塊

為了獲得高分辨率和寬視野的全景圖片，從而提取圖片的深度信息，本文采用雙目CCD進(jìn)行拍攝。使用視頻采集的流程為：打開視頻設(shè)備→讀取設(shè)備信息→更改設(shè)備當(dāng)前參數(shù)設(shè)置→進(jìn)行視頻采集→對(duì)采集的視頻進(jìn)行處理→關(guān)閉視頻設(shè)備。利用雙目視覺法可以獲得更加清晰的圖像信息，更能準(zhǔn)確地描述現(xiàn)場(chǎng)，有利于機(jī)器的感知。雙目標(biāo)準(zhǔn)模型如圖2所示。

圖2 雙目標(biāo)準(zhǔn)模型

3.2 圖像拼接模塊

由于傳統(tǒng)的拼接算法大多存在運(yùn)算量大、耗時(shí)高等問題，本文從硬件的角度進(jìn)行改進(jìn)，基于雙目視覺模型，采用一種圖像直接拼接算法，算法核心思想是利用雙目視覺系統(tǒng)的成像模型推導(dǎo)出兩幅圖像的重疊區(qū)域，并選擇合適的重投影合成面，對(duì)重疊區(qū)域進(jìn)行融合，從而完成圖像拼接。

3.3 檢測(cè)與定位模塊

對(duì)采集拼接后的圖像進(jìn)行預(yù)處理(圖像增強(qiáng)、去噪等)后進(jìn)行角點(diǎn)檢測(cè)、直線檢測(cè)和圓形檢測(cè)算法分析，實(shí)現(xiàn)帶式輸送機(jī)膠帶縱向撕裂檢測(cè)及定位功能。檢測(cè)系統(tǒng)軟件流程圖如圖3所示。

圖3 檢測(cè)系統(tǒng)軟件流程圖

由于在實(shí)際檢測(cè)過程中，可能會(huì)出現(xiàn)一些情況影響檢測(cè)的準(zhǔn)確性。為了避免誤檢，本文設(shè)計(jì)了兩步檢測(cè)：第一步，如果采集到的某一幀圖像中存在角點(diǎn)或一條以上的直線，則初步判斷為縱向撕裂；第二步，對(duì)檢測(cè)的角點(diǎn)和直線進(jìn)行篩選，如果經(jīng)篩選后仍存在角點(diǎn)或一條以上直線，則最終判斷結(jié)果為縱向撕裂。具體篩選方法如下：

(1)角點(diǎn)篩選。為了避免誤判，篩選目的是剔除所有不在任意一條檢測(cè)出的直線上的角點(diǎn)，在實(shí)際算法計(jì)算中，判定角點(diǎn)在直線上，使用一個(gè)角點(diǎn)到直線的距離閾值，若計(jì)算出的角點(diǎn)到直線的距離小于這個(gè)閾值，則認(rèn)為角點(diǎn)在直線上。編程中調(diào)用getDistance()和point_filter()兩個(gè)函數(shù)實(shí)現(xiàn)。

(2)直線篩選。為了避免誤判，篩選目的是剔除所有斜率相等的其他直線，在實(shí)際算法計(jì)算中，判定斜率相等使用一個(gè)斜率差閾值，若兩條直線的斜率差小于這個(gè)閾值，則認(rèn)為這兩條直線斜率相等，計(jì)算時(shí)只保留其中一條。編程中調(diào)用getFormula()和line_filter()兩個(gè)函數(shù)實(shí)現(xiàn)。

4 系統(tǒng)測(cè)試結(jié)果分析

將Jetson TK1開發(fā)板、激光線光源和CCD相機(jī)固定好，安裝在帶式輸送機(jī)膠帶下方的大架上，朝向帶式輸送機(jī)膠帶下表面，速度傳感器安裝在輸送機(jī)滾筒上，用于測(cè)量帶式輸送機(jī)膠帶的實(shí)時(shí)速度。相機(jī)選用PointGrey CMLN-13S2M -CS 型的可見光CCD，分辨率設(shè)為640×480，檢測(cè)系統(tǒng)的幀率設(shè)定為30幀/s。搭建的實(shí)驗(yàn)平臺(tái)如圖4所示。

圖4 實(shí)驗(yàn)平臺(tái)

在GPU嵌入式平臺(tái)下，利用FAST角點(diǎn)檢測(cè)算法和Hough變換直線檢測(cè)算法和圓檢測(cè)算法，檢測(cè)到的帶式輸送機(jī)膠帶發(fā)生縱向撕裂時(shí)激光線圖像形態(tài)特征如圖5所示。

圖5 帶式輸送機(jī)膠帶發(fā)生縱向撕裂時(shí)激光線圖像形態(tài)特征

由圖5可以看出，圖5(a)為原始圖像，圖5(b)表示在激光線斷開處檢測(cè)出3個(gè)角點(diǎn)，圖5(c)表示在撕裂處通過Hough變換得到兩條不同的直線，圖5(d)是檢測(cè)到的帶式輸送機(jī)膠帶上的圓形標(biāo)記(用于計(jì)算撕裂部位的位置信息)。實(shí)驗(yàn)表明，該系統(tǒng)抗干擾能力強(qiáng)，運(yùn)行效率高，檢測(cè)準(zhǔn)確率高，符合預(yù)期的效果。

該試驗(yàn)分6組進(jìn)行，每組截取600幀圖像，先分別計(jì)算一級(jí)檢測(cè)和兩級(jí)檢測(cè)的檢測(cè)時(shí)間，取平均值,再分別計(jì)算一級(jí)檢測(cè)和兩級(jí)檢測(cè)的準(zhǔn)確率并進(jìn)行對(duì)比，試驗(yàn)結(jié)果見表1。

表1 試驗(yàn)結(jié)果

5 結(jié)語(yǔ)

本文利用工業(yè)CCD相機(jī)和CPU嵌入式平臺(tái)相結(jié)合的視覺檢測(cè)技術(shù)，針對(duì)帶式輸送機(jī)膠帶的縱向撕裂進(jìn)行檢測(cè)與故障識(shí)別，將數(shù)據(jù)傳送到上位機(jī)。上位機(jī)對(duì)井下帶式輸送機(jī)膠帶的運(yùn)行情況進(jìn)行實(shí)時(shí)在線監(jiān)控并及時(shí)預(yù)警阻斷帶式輸送機(jī)膠帶縱向撕裂事故的進(jìn)一步擴(kuò)大。實(shí)驗(yàn)表明整個(gè)系統(tǒng)抗干擾能力強(qiáng)、誤動(dòng)作次數(shù)少，能夠?qū)崿F(xiàn)42.1幀/s的檢測(cè)速度及97.37%的檢測(cè)準(zhǔn)確率，實(shí)現(xiàn)帶式輸送機(jī)膠帶縱向撕裂的實(shí)時(shí)、快速、準(zhǔn)確檢測(cè)，為煤礦企業(yè)的安全生產(chǎn)提供可靠有效的保障。

參考文獻(xiàn)：

[1] 陳炳耀，孫建平，朱東岳.基于激光傳感器技術(shù)的膠帶縱向撕裂保護(hù)裝置的研究[J].中國(guó)煤炭，2017(12)

[2] 喬鐵柱，趙永紅，馬俊超.新型帶式輸送機(jī)膠帶縱向撕裂在線監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[J].煤炭科學(xué)技術(shù)，2010(2)

[3] 許洪強(qiáng)，王廣豐，熊永超.鋼繩芯帶式輸送機(jī)膠帶縱向撕裂監(jiān)測(cè)系統(tǒng)[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2005 (Z1)

[4] Guan Y, Zhang J, Shang Y, et al. Embedded Sensor of Forecast Conveyer Belt Breaks[A].Fifth International Conference on Fuzzy Systems and Knowledge Discovery[C]. IEEE Computer Society, 2008

[5] 張春明.基于線激光輔助的皮帶撕裂視覺檢測(cè)技術(shù)研究[D].燕山大學(xué)，2012

[6] 劉偉力，喬鐵柱.礦用帶式輸送機(jī)膠帶縱向撕裂檢測(cè)系統(tǒng)研究[J].工礦自動(dòng)化，2017(2)

[7] 錢鑫大.基于雙目視覺的圖像拼接技術(shù)研究[D].重慶大學(xué)，2016

[8] Rosten E, Drummond T. Machine learning for high-speed corner detection[A].European Conference on Computer Vision[C]. Springer, Berlin, Heidelberg, 2006

[9] Rosten E, Porter R, Drummond T. Faster and better: a machine learning approach to corner detection[J]. IEEE Transactions on Pattern Analysis& Machine Intelligence, 2010(1)

[10] 王曉超,喬鐵柱.基于Hough變換的帶式輸送機(jī)膠帶縱向撕裂檢測(cè)方法[J].工礦自動(dòng)化，2015(12)

[11] 曾文靜，張鐵棟，萬磊等.基于Hough變換的水下管道檢測(cè)方法[J].儀器儀表學(xué)報(bào)，2012(1)

[12] 魯昌華，韓靜，劉春.基于hough變換的角度檢測(cè)和特征識(shí)別[J].電子測(cè)量與儀器學(xué)報(bào)，2005(5)

[13] 朱桂英，張瑞林.基于Hough變換的圓檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008(6)

[14] 黃永林，葉玉堂，陳鎮(zhèn)龍等.一種新的快速Hough變換圓檢測(cè)方法[J].電子測(cè)量與儀器學(xué)報(bào)，2010(9)