張耀耀

摘要：針對礦用輸送帶運行過程中容易出現(xiàn)縱向撕裂的工程背景，計算縱向長度、橫向?qū)挾龋嬎汩L寬比等特征參數(shù)判定礦用輸送帶縱撕圖像。礦用輸送帶縱撕圖像的縱向長度、橫向?qū)挾瘸^一定的閾值，自動識別判定發(fā)生了縱撕故障。圖像質(zhì)量識別度高，檢測準確，有效解決了解決礦用輸送帶縱撕圖像檢測和縱撕故障識別的問題。

Abstract： In view of the engineering background of vertical tearing in the running process of mining conveyor belts， longitudinal length and lateral width are calculated， and characteristic parameters such as length-width ratio are calculated to determine the longitudinal tearing images of mining conveyor belts. The vertical length and transverse width of the vertical tear image of the conveyor belt exceeded a certain threshold， and the automatic tearing failure was identified automatically. The high degree of image quality identification， accurate detection， and effective solution to the problem of mine conveyor belt longitudinal tear image detection and longitudinal tear fault identification.

關鍵詞：縱向撕裂；故障識別；圖像質(zhì)量

Key words： longitudinal rip；fault identification；image quality

中圖分類號：TP273 文獻標識碼：A 文章編號：1006-4311（2018）25-0145-04

0 引言

輸送帶作為現(xiàn)代化大生產(chǎn)的重要運輸設備已經(jīng)廣泛應用于我國的電力、化工、、港口、煤炭、礦山、冶金等領域。由于礦用輸送帶在使用過程中經(jīng)常出現(xiàn)縱向撕裂、斷帶等故障，從而造成設備損壞、材料損耗、人員傷亡、停產(chǎn)等事故嚴重制約了企業(yè)的安全生產(chǎn)[1-4]。所以非常有必要對輸送帶縱撕圖像進行檢測、識別出縱撕故障以保障輸送帶的運行安全。對礦用輸送帶縱撕圖像的檢測，目前除人工檢測外，研究者們還提出了激光發(fā)射器檢測、差影法檢測和面積法檢測等方法[5，6]。目前應用的基于機器視覺的縱撕故障檢測方法主要還是停留在實驗室研究階段距離廣泛應用還有好長的一段路要走。由于各個企業(yè)的現(xiàn)場具體應用條件千差萬別，所以還沒有統(tǒng)一、可靠的縱撕檢測技術和方法，國內(nèi)外在這個領域的研究還處于探索研究階段。魏濤等人[7-9]提出的檢測輸送帶裂紋的算法的數(shù)學形態(tài)學方法還處于試驗研究階段，無法廣泛地應用現(xiàn)場實際。

1 輸送帶圖像分割

通常我們把具有相同性質(zhì)的區(qū)域和有意義的部分從圖像中提取出來稱為圖像分割。這種方法通常是作為高層計算機視覺處理例如圖像理解和圖像識別等活動的基礎來應用的。它具有以下特點：①以明顯差異的性質(zhì)作為相鄰區(qū)域分割的依據(jù)；②以相似性作為分割出來的各區(qū)域的某種特性（如灰度和紋理），必須保持內(nèi)部的連通性并且沒有過多的小孔作為區(qū)域的主要特征；③以明確的邊界作為區(qū)域劃分的標準。

作為計算機視覺、圖像分析、圖像理解研究的經(jīng)典難題圖像分割目前可以分為三大類型：即閾值分割、區(qū)域分割、邊緣分割。邊緣分割首先探測局部不連續(xù)性，然后形成邊界；基于區(qū)域的分割將具有同類屬性的區(qū)域連接起來形成邊界；而基于閾值的分割通過設置閾值來區(qū)分物體與背景。基于閾值的分割具有簡單高效的特點，由于不需要圖像的先驗知識而適合應用于模式識別的無監(jiān)督?jīng)Q策。目前盡管在國內(nèi)外有種類繁多的圖像分割算法，可是迄今為止沒有一個統(tǒng)一有效、普遍適用的圖像分割算法。本論文采用的輸送帶圖像分割的方法是閾值圖像分割法。

針對輸送帶分割的方法有邊緣檢測、閾值分割、差影圖像分割法等。在現(xiàn)場實踐中通常的普遍的圖像分割是依據(jù)像素的灰度值來進行的。針對輸送帶的跑偏和表面裂紋故障，我們提出了灰度平均法和先驗閾值法用于輸送帶跑偏圖像的分割這兩種方法都是全局閾值法。還提出了列局部閾值法用于輸送帶縱向撕裂故障圖像的分割。

1.1 圖像閾值法分割技術分析

恰當?shù)拈撝凳情撝捣ǚ指畹年P鍵。通常出現(xiàn)斑點、條紋、物體丟失等現(xiàn)象都是因為采用不適當?shù)拈撝翟斐傻?，嚴重地影響對物體的識別。最常用的閾值分割方法是Otsu法，Otsu法具有實時性好、運算速度快等優(yōu)點，并且Otsu法是基于灰度直方圖的一階統(tǒng)計特性，在現(xiàn)場應用非常廣泛。但是，對噪聲比較敏感是Otsu法的一大缺點，在類間方差為單峰的圖像的時候Otsu法才會有較好效果，而對灰度直方圖雙峰特性的要求，限制了Otsu法的應用范圍。實際上，閾值的設置有很多方法，我們先介紹一下最新的閾值分割研究方向，再詳細分析基于直方圖的閾值分割方法及其研究進展。

多級閾值是圖像分割的一個研究方向。比如利用遺傳算法和小波變換自動計算閾值個數(shù)和值的多級閾值法。Yan等人提出了一種基于統(tǒng)計特性的多級自適應閾值法。Sathya等人則提出了一個基于細菌覓食算法（bacterial foraging algorithm）的多級閾值法。

神經(jīng)網(wǎng)絡技術應用于圖像的分割也是圖像分割的一個研究方向。Bhattacharyya等人研究了基于神經(jīng)網(wǎng)絡的圖像分割技術，分析了基于自監(jiān)督多層自組織神經(jīng)網(wǎng)絡、監(jiān)督金字塔神經(jīng)網(wǎng)絡和雙向自組織神經(jīng)網(wǎng)絡的多級圖像分割。Chen等人則提出了一種基于自適應參數(shù)調(diào)整的簡化型脈沖耦合神經(jīng)網(wǎng)絡（simplified pulse coupled neural network， SPCNN）閾值分割算法。

閾值分割的另外一個重要研究方向是模仿人類視覺的功能來分隔圖像。比如，人類及其他靈長目動物一個非常重要的內(nèi)在屬性是視覺注意機制，視覺注意機制的最主要的功能是當人類運用視覺信息搜索時能夠在大量視覺信息中迅速地找到感興趣的或顯著的物體，同時能夠省略掉許多不重要的內(nèi)容，從而減少了信息處理的計算量。王兆虎等人提出了一種基于視覺特性的圖像分割方法。將數(shù)學上的部分和問題與圖像分割相融合是閾值分割技術未來的一個研究方向。

有文獻曾提出了最佳閾值法，直接根據(jù)圖像的像素值進行閾值分割。由于和我們直接根據(jù)圖像進行分割的方法具有相同之處，這里詳細介紹一下該方法。在實踐中通常最理想的閾值計算過程為：首先初始閾值的確定方法是求出圖像中的最大和最小灰度值的平均值，再將圖像分割成背景和目標兩部分，然后求出背景和目標各自的灰度平均值，再將背景和目標的灰度平均值的均值作為新閾值進行圖像分割，繼續(xù)計算新的閾值來分割圖像直到閾值滿足要求。

另外，對圖像進行閾值分割的研究還有：Kim等人提出了一種基于模糊聚類的模糊閾值分割方法用于PET/CT圖像的實時處理；Zhang等人提出了一種利用小波變換和貝葉斯分類方法來設置閾值的圖像分割方法；針對醫(yī)學的斷面X光投影圖像（tomograhpic projection data），曾提出了投影距離最小化方法來尋找圖像分割閾值。

1.2 灰度平均法

在輸送帶圖像中，輸送帶和背景在像素灰度值上存在明顯的差別，利用該差別可以將輸送帶和背景分開。灰度平均法就是基于此認識而提出的，其設計思想是根據(jù)一定的準則將圖像平均灰度值調(diào)整到合適的位置來設置圖像分割的閾值。

灰度平均法的計算過程如下，對于一幅M×N的數(shù)字圖像，首先計算平均灰度值mf、列極小值向量uj和列極大值向量vj，其表達式為

為了驗證灰度平均法的有效性，將灰度平均法與Otsu法、邊緣分割法進行對比。圖像分割效果的兩個對比結果分別如圖1所示。通過對比圖1可以發(fā)現(xiàn)，灰度平均法比邊緣分割法的分割效果好，雖然與Otsu法的分割效果相當，但計算量卻遠小于Otsu法。由此可知，灰度平均法適合于輸送帶圖像分割的在線處理。

灰度平均法可以將輸送帶和背景分開，故該方法可以用于輸送帶跑偏圖像的分割。另外，灰度平均法適合圖像的實時處理，因此該方法可用于輸送帶圖像的在線處理。

1.3 先驗閾值法

如果能夠事先確定待分割圖像中目標和背景分布的大致區(qū)域，那么就可以采集目標和背景各自所在區(qū)域的像素值，進而利用采集的像素值來設置圖像分割閾值。由于該方法基于圖像的一些先驗知識，故命名為先驗閾值法。

先驗閾值法可以用于跑偏故障檢測的輸送帶圖像分割。通常情況下，在輸送帶圖像中，位于圖像中央的是輸送帶，而位于圖像兩個邊緣的是背景。針對輸送帶的跑偏故障，先驗閾值法的閾值計算依據(jù)為：選取要提取像素值的圖像區(qū)域，設寬度為k列，計算圖像左右邊界附近k列像素平均值的最大值，再計算圖像中間區(qū)域k列像素平均值的最大值，最后根據(jù)這三個值來設置閾值。輸送帶和背景像素提取的示意圖如圖2所示。

對于輸送帶比背景暗的圖像，輸送帶就用“1”來表示，背景用“0”來表示，而對于背景比輸送帶暗的圖像只需對b（i，j）取反即可。

為了驗證先驗閾值法的有效性，用輸送帶視覺監(jiān)測系統(tǒng)測取的三幀輸送帶進行測試，并與Otsu法、邊緣分割法進行對比。原始圖像及分割對比結果如圖3所示。通過對比圖3可以發(fā)現(xiàn)，先驗閾值法比邊緣分割法的分割效果好，雖然先驗閾值法的分割結果與Otsu法的分割效果相當，但先驗閾值法的計算量遠小于Otsu法。由此可知，先驗閾值法可以用于輸送帶跑偏故障檢測的圖像分割，而且該方法尤其適合于輸送帶圖像分割的在線處理。

對比圖3和圖2可知，灰度平均法和先驗閾值法的分割結果相差很小。這兩種方法都可以用于輸送帶跑偏圖像分割。但是，先驗閾值法的物理意義更明確，它更接近人類視覺對圖像的分割。

1.4 列局部閾值法

灰度平均法和先驗閾值法可以用于跑偏故障檢測的輸送帶圖像分割，直方圖閾值法可以用于裂紋圖像的分割，他們都是全局閾值法。很顯然，直方圖閾值法和灰度平均法也可以用于輸送帶縱向撕裂圖像的分割，但根據(jù)輸送帶縱向撕裂的特點，可以用局部閾值來分割圖像。這里提出一種列局部閾值法用于輸送帶縱向撕裂圖像的分割。

列局部閾值法的設計思想是：計算圖像在高度方向上的平均變化趨勢，然后根據(jù)一定的準則調(diào)整平均變化趨勢到合適的位置來設置圖像分割的閾值。

列閾值的計算過程如下，對于一幅M×N的數(shù)字圖像，而vi的表達式為

式中d表示列極小值向量uj和行極小值向量vj與列均值向量aj之間平均距離的最小值。于是，就可將輸送帶圖像表示為二值圖像b（i，j），其表達式為

二值化后背景表示為“0”，而目標表示為“1”。式（16）適用于待識別目標比背景暗的圖像，而對于待識別目標比背景亮的圖像只需對b（i，j）取反即可。

式（13）表明列局部閾值法是通過將圖像灰度沿寬度方向的平均變化趨勢線調(diào)整到適當?shù)奈恢脕碓O置背景與物體的分界線。而由式（16）可知，列局部閾值法是一種局部閾值方法，該方法計算的閾值可以根據(jù)輸送帶圖像的變化而自適應的變化。

用一幅帶有裂紋的輸送帶圖像來測試列局部閾值分割算法，并將其與Otsu法、迭代法、邊緣分割法進行對比。列局部閾值法的分割結果和其它三種方法的分割結果分別如圖4和圖5所示。通過對比圖4和圖5的分割結果可以發(fā)現(xiàn)，列局部閾值法比邊緣分割法和Otsu法的分割效果更好，雖然與迭代法的分割效果相當，但計算量卻遠小于迭代法。

2 結論

提取的縱撕特征信息：縱向長度、橫向?qū)挾?，計算長寬比等特征參數(shù)判定礦用輸送帶縱撕圖像。礦用輸送帶縱撕圖像的縱向長度、橫向?qū)挾瘸^一定的閾值，自動識別判定發(fā)生了縱撕故障。圖像質(zhì)量識別度高，檢測準確，有效解決了解決礦用輸送帶縱撕圖像檢測和縱撕故障識別的問題。

參考文獻：

[1] 孟佳音，劉佳，梁雪冬.帶式輸送機輸送帶跑偏及其調(diào)心的探討[J].科技創(chuàng)新導報，2012（9）：82.

[2]張文軍.基于X射線成像的輸送帶內(nèi)部鋼絲故障診斷系統(tǒng)[J].煤炭科學技術，2010，38（9）：68-72.

[3]高毓麟，程紅，趙書江.鋼絲繩芯輸送帶X射線無損檢測[J].煤礦機電，1996（4）：15-16.

[4]滕永青，李仰軍，周承仙.基于機器視覺和虛擬儀器技術的傳送帶檢測系統(tǒng)[J]. 煤礦機械，2008，29（4）：125-127.

[5]祁雋燕，譚超，李浩.基于機器視覺的輸送帶縱撕智能檢測[J].煤礦機械，2006，27（11）：110-111.

[6]祁雋燕，譚超，李浩.基于數(shù)字圖像處理的皮帶縱撕視覺識別[J].煤炭技術，2006，25（11）：15-17.

[7]魏濤，王召巴，金永.煤炭輸送帶表面裂紋自動檢測技術研究[J].煤礦機械，2010，31（2）：211-213.

[8]徐永峰，楊彥利，苗繼軍，張學忠，苗長云.基于機器視覺的輸送帶在線監(jiān)測系統(tǒng)研究[J].煤礦機電，2013，4：88-91.

[9]苗繼軍，楊彥利，張學忠，苗長云. 輸送帶表面圖像快速分割技術研究[J].煤炭工程.