王宗省，管振棟，張 欣，康樹強(qiáng)

(山東科技大學(xué) 機(jī)械電子與工程學(xué)院，山東 青島 266590)

地下煤炭從工作面采運到煤倉的過程中距離長，能耗大。在此運輸過程中，帶式輸送機(jī)機(jī)工作容量約占整座礦井工作容量的30%，而輸送帶配備冗余功率容量高達(dá)20%。根據(jù)輸送帶上煤量對帶式輸送機(jī)進(jìn)行實時變頻調(diào)速是實現(xiàn)節(jié)能降耗的一種優(yōu)質(zhì)方案[1]。目前輸送帶煤量檢測多采用稱重的方式，這種接觸式測量，雖然數(shù)據(jù)精確，但成本高，磨損大，維修困難。針對這種現(xiàn)狀提出利用輸送帶監(jiān)控視頻圖像，通過圖像處理算法，得出輸送帶上的煤量在輸送帶上的占空比，實時估算出輸送帶上的煤量，再將結(jié)果傳送變頻器的調(diào)速電路，實現(xiàn)根據(jù)輸送帶上的煤量實時調(diào)速的目的[2]。2013年，王彥文等提出在線動態(tài)稱重系統(tǒng)的基本框架，并使用工業(yè)攝像頭參與信息采集；2018年，李萍[3]等利用機(jī)器視覺技術(shù)，通過計算激光條紋中心的偏移量實現(xiàn)煤量估計。不難預(yù)見，機(jī)器視覺將在井下生產(chǎn)中占有越來越重要的地位。

隨著信息化的不斷發(fā)展，煤礦企業(yè)生產(chǎn)監(jiān)控系統(tǒng)有了極大的改善，煤炭運輸監(jiān)控視頻可以通過以太網(wǎng)實時傳到地上監(jiān)控室[4]。鑒于節(jié)能生產(chǎn)的需求和現(xiàn)有的礦下生產(chǎn)設(shè)備，提出以傳輸帶上的實時煤量監(jiān)控圖像作為采樣數(shù)據(jù)，用OpenCV圖像庫與VS2010搭建上位機(jī)處理平臺，因此調(diào)速方案中不需要引入新的硬件設(shè)備[5]。但是由于井下生產(chǎn)環(huán)境惡劣，受到煤塵、煤泥與水汽的干擾以及光源不穩(wěn)定等因素的影響，采樣圖像中存在煤面與輸送帶反光嚴(yán)重、畫面模糊、對比度低等問題[6]。針對監(jiān)控圖像處理過程中的噪聲濾除、煤炭邊界分割、異常情況處理、圖像處理的實時性要求等方面進(jìn)行了嘗試與改良，同時，根據(jù)煤碳在輸送帶上的瞬時占空比，建立動態(tài)預(yù)估模型來估算出輸送帶上的煤量，最終將調(diào)度方案通過以太網(wǎng)傳反饋至輸送機(jī)執(zhí)行控制器進(jìn)行調(diào)速[7]。

相對傳統(tǒng)的基于輸送帶秤、超聲波等傳感器的調(diào)速系統(tǒng)而言，基于圖像識別的傳輸帶調(diào)速系統(tǒng)不需要額外的傳感器，僅使用井下通用設(shè)備即可實現(xiàn)。該方案投入成本少，實施方便，性能滿足調(diào)速的需求，具有推廣應(yīng)用價值。

1 系統(tǒng)整體結(jié)構(gòu)設(shè)計

系統(tǒng)的主要工作流程是通過網(wǎng)絡(luò)獲取井下攝像頭的數(shù)據(jù)到調(diào)度室計算機(jī)，然后對獲取的視頻數(shù)據(jù)進(jìn)行圖像算法處理后，根據(jù)圖像處理的結(jié)果和調(diào)速策略計算出井下運輸輸送帶的預(yù)載速度。最后通過網(wǎng)絡(luò)將速度發(fā)送給井下控制器[8]。PLC控制器接收速度數(shù)據(jù)后控制變頻器調(diào)速，使輸送帶按指定的速度運行。調(diào)速系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 調(diào)速系統(tǒng)整體結(jié)構(gòu)圖

2 基于圖像處理的煤量動態(tài)計量

以興隆莊煤礦采輸送帶機(jī)頭部位的監(jiān)控錄像截圖作為數(shù)據(jù)采集樣本，經(jīng)灰度處理后作為原始圖像數(shù)據(jù)進(jìn)行處理。受限于井下燈光環(huán)境以及煤炭運輸過程的復(fù)雜性，在用圖像處理的方法來動態(tài)計算輸送帶上的煤量時，其側(cè)重點將區(qū)別于一般場景的識別過程。針對輸送帶反光，像素信息噪聲大，分割界限特征值低等問題，提出適用于該環(huán)境下圖像處理的基本步驟，如圖2所示。

圖2 輸送帶煤量圖像處理的基本流程

2.1 窗口閾值濾波

在煤炭區(qū)域中存在白色的斑點或是白色的條紋，這些白色的部分是由于目標(biāo)煤炭上的水分反光造成的。這些白色的部分遮蓋了圖像中目標(biāo)煤炭的原始信息。為了能夠準(zhǔn)確識別煤炭必須盡量去除或者減小反光噪聲的影響[9]。

初期使用均值濾波、中值濾波以及自適應(yīng)濾波對圖像處理，其效果均難以滿足需求，故提出了一種基于窗口閾值的濾波算法。通過對窗口區(qū)域內(nèi)各點的像素值進(jìn)行統(tǒng)計，對該區(qū)域使用不同的閾值處理，最終有效去除噪聲的同時保留了邊界信息。

以待處理像素點位置為中心選用3×3的區(qū)域作為濾波窗口，首先將直方圖雙峰對應(yīng)的灰度值取出，求兩個灰度值的平均值，然后將該平均值與雙峰對應(yīng)的灰度值中較大的一個求平均值的結(jié)果作為該區(qū)域的閾值。對于反光不嚴(yán)重的圖像，圖像的直方圖具有單峰的特征，而對于反光嚴(yán)重的圖像，圖像的直方圖具有雙峰的特征，且較大的像素值所形成的峰值是由于圖像中反光造成的，通常選取直方圖雙峰之間的谷底作為閾值?，F(xiàn)場圖像的直方圖雙峰差別很大且雙峰間的谷比較寬廣，為了減少濾除有效信息，選擇更靠近雙峰中像素值大的一側(cè)，因此計算雙峰對應(yīng)灰度值的平均像素后將該平均值與雙峰對應(yīng)的灰度值中較大的者求平均值后作為閾值。

在此使用信噪比(SNR)、信噪比均方差(SQRT_SNR)和峰值信噪比(PSNR)對四種濾波后圖像質(zhì)量進(jìn)行數(shù)據(jù)評定，結(jié)果見表1。

表1 不同濾波方法的濾波效果評定表

從表1的評定結(jié)果可以看出，窗口閾值濾波法的信噪比、峰值信噪比均高于均值濾波、中值濾波，信噪比均高于兩者，因此窗口閾值濾波法要優(yōu)于上述兩種方法。相比于自適應(yīng)中值濾波法[10]，雖然窗口閾值濾波后的圖像信噪比略低，但從峰值信噪比以及信噪比均方差的結(jié)果來看，窗口閾值濾波的效果要明顯優(yōu)于自適應(yīng)中值濾波算法，綜合來看，窗口閾值濾波更適合井下光照場景的圖像預(yù)處理。

2.2 基于模板匹配的自適應(yīng)閾值分割算法

由于背景區(qū)域和目標(biāo)區(qū)域的對比度低分界不明顯，所以當(dāng)圖像因為光照等原因發(fā)生亮度較大變化時，使用相同的閾值進(jìn)行圖像分割就會導(dǎo)致分割效果不理想。為了解決這個問題，首先利用陸地移動距離法(Earth’s Mover’s Distance，EMD)進(jìn)行模型匹配分類。此方法不再受限于直方圖的匹配策略，而是利用其距離測量值與模板對比后得到的距離進(jìn)行匹配，因此不用擔(dān)心漂移對最小距離度量的影響，然后對圖像進(jìn)行直方圖拉伸增強(qiáng)圖像的對比度并使用自適應(yīng)閾值對圖像進(jìn)行分割。計算EMD的方法來源于運輸問題的解決方案，在此用于區(qū)分反光不同的圖像幀，在此基礎(chǔ)上改善閾值分割的效果。

式(1)中代表直方圖A的區(qū)間，J代表直方圖B的區(qū)間。Cij代表直方圖每個小區(qū)間轉(zhuǎn)換的代價，fij代表直方圖每個小區(qū)間轉(zhuǎn)換的比例，其值越小代表匹配性越好。

選取兩個特征明顯的場景作為參考模板，如圖3所示。其中，模板1是輸送帶上有煤時的運動圖像，反光弱，模板2是輸送帶上沒有煤時的運動圖像，反光強(qiáng)。

圖3 運動圖像模板

選取多組反光強(qiáng)度不同的采樣圖片進(jìn)行EMD參考模板匹配，從測試結(jié)果可以看出，當(dāng)煤量不多但反光程度有較大的差異時，其匹配結(jié)果存在較大差異；當(dāng)反光程度相近時，匹配結(jié)果相近。通過上述處理，可以快速將采集的圖片進(jìn)行分類，同時，針對反光程度較強(qiáng)的圖像予以排除或進(jìn)行閾值補(bǔ)償處理。

當(dāng)圖像因為光照等原因發(fā)生亮度變化時，即使采用最優(yōu)閾值進(jìn)行分割仍會導(dǎo)致分割效果不理想，此時目標(biāo)區(qū)域的內(nèi)部會存在空洞，在背景區(qū)域輸送帶區(qū)域有時會存在斑點。為了解決這個問題可以首先對圖像進(jìn)行直方圖拉伸增強(qiáng)圖像的對比度，然后采用先腐蝕后膨脹的方法對圖像進(jìn)行處理來提高邊界識別精度，最后使用自適應(yīng)閾值對圖像進(jìn)行分割。

將圖像中的像素按灰度等級t劃分為兩類，即背景C0和目標(biāo)C1。

其中，C0的灰度級為0～t-1，C1的灰度級為t～L-1。背景C0和目標(biāo)C1對應(yīng)的像素概率ω0和ω1滿足式(2)。圖像的總平均灰度見式(3)：

圖像中背景和目標(biāo)的類間方差見式(4)：

其中，μ0和μ1為背景C0和目標(biāo)C1的平均灰度值。令k的取值在0～L-1變化，計算不同k值下的類間方差δ2(k)，求其最大值時的k值即所求的最優(yōu)閾值。

圖像處理中的形態(tài)學(xué)包括膨脹與腐蝕等處理方法。膨脹可以將邊界周圍的背景點合并到目標(biāo)中，通過膨脹可以填充目標(biāo)中的小孔以及邊界處的凹陷部分。但是對于準(zhǔn)確的邊界部分由于膨脹處理會導(dǎo)致邊界向外擴(kuò)展遠(yuǎn)離真正的邊界。腐蝕操作與膨脹操作相反，腐蝕操作可以消除圖像中小的斑點以及使圖像邊界內(nèi)收。同樣對于準(zhǔn)確的邊界部分由于腐蝕處理會導(dǎo)致邊界向內(nèi)凹陷遠(yuǎn)離真正的邊界。樣本1、2及分割效果分別如圖4、圖5所示。

圖4 樣本1及分割效果圖

圖5 樣本2及分割效果圖

將圖4、圖5樣本圖與分割處理后的圖像進(jìn)行比較可以看出，通過形態(tài)學(xué)處理可將圖像中的小孔或者斑點處理掉，為最終的邊界提取提供有利條件，配合自適應(yīng)閾值分割法，處理后的圖像能夠十分清晰的顯示出煤塊的邊界。

3 煤量識別方法分析

3.1 煤量估計模型

輸送帶工作時呈弧形，而且煤量不同輸送帶形變也會不同。煤寬與煤量對應(yīng)關(guān)系如圖6所示，由圖6可以看出，煤量與煤寬并不是線性關(guān)系，另外來自工作面巷道帶式輸送機(jī)的煤量還與帶速有關(guān)。

圖6 煤寬與煤量對應(yīng)關(guān)系示意圖

假設(shè)輸送帶上的煤以輸送帶上平行于輸送帶邊緣的中心線為對稱軸均勻分布，當(dāng)輸送帶固定時，煤炭的瞬時橫截面積與輸送帶的煤寬有關(guān)。設(shè)輸送帶上的煤炭寬度為L(m)，橫截面積為S(m2)，p為與煤炭寬度有關(guān)的非線性系數(shù)，根據(jù)具體輸送帶實驗獲取。煤炭的寬度L(m)可以通過煤寬比R圖像中煤炭區(qū)域像素個數(shù)與輸送帶區(qū)域像素個數(shù)的比值)與輸送帶寬算出。設(shè)離散采樣間隔Δt，因此某時刻t開始至下一幀有效圖像處理的煤炭體積估算公式為：

V=Savg×v×Δt

(5)

式中，V代表煤體積；v為帶速比，取值范圍為0～1，帶速=實際速度/額定速度；為了減小煤量突然變化帶來的影響，通常取n個采樣時間間隔作為調(diào)速間隔計算該時間段內(nèi)的煤炭總量，然后進(jìn)行調(diào)速。調(diào)速間隔內(nèi)的煤量計算見式(6)：

式中，M為間隔時間的煤炭質(zhì)量，Q為輸送帶上煤炭的密度系數(shù)。因此，要求出輸送帶上的煤量，必須同時求出輸送帶的帶速V和煤寬比R。

3.2 連續(xù)幀間差分法識別帶速V

根據(jù)帶式輸送機(jī)輸送系統(tǒng)規(guī)模大小，運輸帶一般會采用一級、二級或三級輸送帶，三級及以上的系統(tǒng)比較少。一級輸送帶是靠近綜采工作面的輸送帶，一般不進(jìn)行調(diào)速，其狀態(tài)為要么停止(V=0)，要么恒速運行(V=1)。因此，只要對其是否運動的狀態(tài)進(jìn)行圖像識別就可以了。對于二級及以下的輸送帶，需進(jìn)行調(diào)速，但其速度可以通過調(diào)速系統(tǒng)獲得。

連續(xù)幀間差分法是通過視頻流中連續(xù)的兩幀圖像相減獲取運動目標(biāo)。假設(shè)視頻中連續(xù)兩幀圖像的采樣間隔為T，連續(xù)兩幀視頻圖像可以表示為I(x，y，t)和I(x，y，t+T)。連續(xù)兩幀圖像之差表示為d(x，y，t)，見式(7)。

d(x，y，t)=|I(x，y，t)-I(x，y，t+T)|

(7)

通常，連續(xù)兩幀圖像之差形成的結(jié)果圖像中，運動區(qū)域的值相對背景區(qū)域要大。所以，對結(jié)果使用閾值分割可以得到運動目標(biāo)，見式(8)，當(dāng)計算出來的結(jié)果圖像d(x，y，t)大于設(shè)定閾值T時，則可認(rèn)為運動目標(biāo)處于運動狀態(tài)，否則，則認(rèn)為是靜止?fàn)顟B(tài)[11]。

圖7 輸送帶上有少量煤運動時的測試效果

圖8 輸送帶上有少量煤靜止時的測試效果

輸送帶上有少量煤運動時的測試效果如圖7所示，輸送帶上有少量煤靜止時的測試效果如圖8所示。從圖7與圖8中的處理后圖像可以對比看出，靜止?fàn)顟B(tài)下使用幀間差分法得到的圖像整體呈黑色，運動狀態(tài)下使用幀間差分法得到的圖像中的煤炭區(qū)域會存在大面積的白色區(qū)域。幀間差分法對動態(tài)環(huán)境有很強(qiáng)的自適應(yīng)能力，但是在檢測結(jié)果中，雖然不能完全提取出所有的屬于運動對象的特征象素點，但對于所研究的井下應(yīng)用場景已經(jīng)足夠。所以通過幀間差分法得到的圖像可以判斷輸送帶的運行狀態(tài)。

3.3 煤寬比R

煤炭寬度和輸送帶寬度的百分比，即為煤寬比，見式(9)。

其中，R為煤寬比，Xmin dle、Xcoat、Xbelt代表同一行上輸送帶中點位置、左側(cè)煤炭邊界位置和左側(cè)輸送帶邊界位置像素的x坐標(biāo)。

為了將識別結(jié)果作為傳輸帶調(diào)速的依據(jù)值，需要將圖中的邊界轉(zhuǎn)換為煤炭寬度和輸送帶寬度的百分比，根據(jù)該比值和輸送帶上煤炭量與該比值的關(guān)系計算出輸送帶上的煤炭量。將圖像中每一行的煤炭寬度和輸送帶寬度求平均后的比值作為最終結(jié)果用于計算煤量指導(dǎo)調(diào)速。為了避免輸送帶上煤炭邊界存在急劇的凸起或者凹陷給調(diào)速帶來影響這里將每一行的比值通過排序算法，排序后去掉最大和最小值后求平均值作為最終的結(jié)果。

4 應(yīng)用效果

該系統(tǒng)在興隆莊煤礦進(jìn)行現(xiàn)場測試。通過將采樣圖片的真實數(shù)據(jù)與圖像算法識別后的數(shù)據(jù)進(jìn)行誤差對比分析。具體方案為：人工識別采樣圖片(右側(cè))的煤寬邊界值，用紅點(縱坐標(biāo)固定)標(biāo)出實際煤寬的邊界點，以兩邊界值的橫坐標(biāo)之差作為真實數(shù)據(jù)。使用識別系統(tǒng)自動處理圖像(左側(cè))可得到測量后的數(shù)據(jù)，使用兩者之差與真實值的百分比作為判斷該方案優(yōu)良的標(biāo)準(zhǔn)。結(jié)果如圖9所示。

圖9 運行結(jié)果對比

從圖9可以看出：圖片右側(cè)不清晰，無法明確右邊界橫坐標(biāo)位置，左側(cè)邊界與識別結(jié)果一致。

從現(xiàn)場調(diào)速報表中截取單獨的部分?jǐn)?shù)據(jù)見表2，測試時期在安全生產(chǎn)的前提下，將速度范圍設(shè)置為三個檔位。

表2 調(diào)速結(jié)果數(shù)據(jù)表

5 結(jié) 語

本方案現(xiàn)場測試效果良好，能夠根據(jù)實時的預(yù)估煤量對帶式輸送機(jī)進(jìn)行調(diào)頻變速，使生產(chǎn)能耗與工作效率得到平衡，具有較高的實用價值與推廣意義。