董計猛，宋永亮，孟彤，孫建樹

（1.山東能源兗州煤業(yè)鮑店煤礦，山東 鄒城 273513；2.北京長華宜泰科技有限公司，北京101318）

0 引 言

由于煤礦的特殊生產條件，皮帶運輸機作為煤礦生產中的重要運輸設備，在煤礦的生產中具有重要作用，它的運行狀態(tài)直接影響著煤礦的生產效率及井下作業(yè)安全。實現(xiàn)智能化礦用皮帶運動狀態(tài)監(jiān)測，對于降低人工維護成本，提高采礦安全生產有著舉足輕重的意義。

1 問題分析

1.1 皮帶運輸機特性分析

皮帶運輸機能夠適應長距離運輸，輸送能力強，費用低，但是長距離、長時間的運行以及煤礦井下淋水、粉塵等因素，導致皮帶運輸機在使用中會出現(xiàn)各類運行故障，人工難以及時發(fā)現(xiàn)并處理皮帶運動狀態(tài)異常等故障，給煤礦企業(yè)安全管理及經濟收入造成重大影響。

1.2 研究現(xiàn)狀分析

現(xiàn)有的皮帶運動狀態(tài)監(jiān)測方法，一般是基于硬件或基于視頻圖像處理技術的檢測方法，以當前兩個主要應用方式為例：

1）基于超聲波測距[1]然后得到皮帶速度及皮帶是否跑偏的邏輯數(shù)據(jù)[2]。這種基于硬件的監(jiān)測方法應用于煤礦井下等較為惡劣的生產環(huán)境時，極易被煤塵、油泥等影響，易發(fā)生誤報、漏報等故障，且硬件安裝成本高[3]，需專職人員對其進行定期維護，人力成本較高。

2）在皮帶上方設置攝像頭及補光燈，并在皮帶表面及邊緣涂上多個等間隔的反光層，通過圖像對反光層的識別來實現(xiàn)對礦用皮帶運動狀態(tài)的確定。在實際生產中皮帶上面往往會有大量的礦料遮蓋住反光層，從而降低對其運動狀態(tài)檢測結果的準確度。

隨著計算機技術的高速發(fā)展，視頻識別技術也日臻成熟[4]，迫切需要一種采用非接觸式檢測、運行可靠、便于實施、維護成本低的皮帶運動狀態(tài)監(jiān)測方法，以實現(xiàn)智能化礦用皮帶運動狀態(tài)監(jiān)測。

2 設計方案

本系統(tǒng)主要基于視頻處理技術對皮帶運動狀態(tài)進行監(jiān)測，設計方案的目的是通過對皮帶的實時監(jiān)控視頻進行處理分析，判斷皮帶運載過程中的運動狀態(tài)并對非正常狀態(tài)進行報警，并且可以對皮帶的正常運行狀態(tài)和空載運行狀態(tài)加以判斷和區(qū)分。

對視頻幀進行預處理時，利用Background Subtractor（背景減除算法）的KNN（K-Nearest，K 最近鄰）背景分割器[5]設置陰影檢測，獲取動態(tài)前景，從而根據(jù)視頻幀的前景面積檢測運動物體；定義一個FSM（Finite State Machine，有限狀態(tài)機[6]），根據(jù)視頻中運動區(qū)域的面積設立標志位，判斷當前視頻幀中皮帶的運動狀態(tài)，繼而根據(jù)標志位和標志位的累加值判斷當前視頻幀的狀態(tài)，實現(xiàn)皮帶4 種運動狀態(tài)的動態(tài)轉換，從而對皮帶的運動狀態(tài)做出判斷及實時報警。本系統(tǒng)的實現(xiàn)流程圖如圖1。

圖1 系統(tǒng)實現(xiàn)流程圖

3 實現(xiàn)方法

本系統(tǒng)的實現(xiàn)主要分為四部分：①視頻圖像預處理；②視頻幀運動狀態(tài)判斷；③皮帶運動狀態(tài)判斷；③狀態(tài)轉換及報警。

3.1 視頻圖像預處理

本部分逐幀讀取皮帶監(jiān)控視頻的實時視頻流，對視頻幀利用背景減除算法的KNN 背景分割器設置陰影檢測，進行包括圖像形態(tài)學操作在內的預處理。

在此需注意對于皮帶檢測區(qū)域，即皮帶在監(jiān)控視頻幀畫面中的區(qū)域，用于參與檢測皮帶的運動狀態(tài)。本系統(tǒng)采用的是由鮑店礦自己選擇其關注且合適用來參與檢測的區(qū)域，因此，在對圖像進行單閾值OTSU 二值化處理、形態(tài)學處理之前，需要對視頻幀劃定一個ROI 區(qū)域，并將其作為皮帶檢測區(qū)域，示意圖如圖2。

圖2 監(jiān)測區(qū)域的應用場景示意圖

因皮帶磨損后可能出現(xiàn)同一條皮帶顏色不一等情況，所以此處采用單閾值OTSU 對視頻幀進行二值化處理。

3.2 視頻幀運動狀態(tài)

對預處理后的視頻幀，根據(jù)前景面積檢測運動物體，根據(jù)視頻中的運動區(qū)域面積設立標志位flag，判斷當前視頻幀中皮帶的運動狀態(tài)，具體包括如下步驟：

步驟1：參數(shù)初始化，定義標志位flag 為0，臨界面積MaxArea 為50；此處MaxArea 的值為基于本系統(tǒng)經過多次試驗后確定的運動狀態(tài)判斷的面積閾值。

步驟2：利用contourArea，計算運動區(qū)域面積Area，判斷Area 與MaxArea 的大小；

若判斷結果是"Area≤MaxArea"，則"flag=1"，認為當前視頻幀中的皮帶為靜態(tài)；若判斷結果是"Area＞MaxArea"，則"flag=2"，認為當前視頻幀中的皮帶為動態(tài)。

3.3 皮帶運動狀態(tài)

定義一個包括皮帶4 種運動狀態(tài)的FSM（Finite State Machine，有限狀態(tài)機），皮帶4 種運動狀態(tài)包括：正常運行、空載運行、疑似空載運行和停止運行；根據(jù)標志位flag 及標志位的累加值countFlag，判斷當前視頻幀的狀態(tài)。

圖3 FSM 的狀態(tài)判斷

此處除了標志位，還采用標志位的累加值作為一個判斷條件，是因為皮帶在運送貨物時，可能是不連續(xù)運送，有間隔。設定一個標志位的累加值，可使在以前研究中較難區(qū)分的“正常運行”狀態(tài)和“空載運行”狀態(tài)得以較好的區(qū)分。

具體FSM 的狀態(tài)判斷的結構如圖3 所示。

3.4 狀態(tài)轉換及報警

運行FSM，每5 幀判斷一次狀態(tài)變化，以實現(xiàn)皮帶四種運動狀態(tài)的動態(tài)轉換，從而對皮帶的運動狀態(tài)做出判斷并實時報警。具體包括如下步驟：

步驟1：FSM 處于“正常運行”狀態(tài)時，運行皮帶運動檢測過程，若連續(xù)十次狀態(tài)變化判斷的flag 都為2，即"countFlag＞50"，則認為FSM 進入“疑似空載運行”狀態(tài)，反之狀態(tài)不變。

步驟2：FSM 處于“疑似空載運行”狀態(tài)時，運行皮帶運動檢測過程，空載計時器開始從0 計數(shù)。具體包括如下步驟：

首先進行參數(shù)初始化，分別定義第一系統(tǒng)時間fTime、第二系統(tǒng)時間sTime 和第三系統(tǒng)時間tTime 為0；然后判斷fTime 是否等于零，再判斷tTime 與sTime 的差值與80s 的大小關系：若差值＜80s，則認為皮帶在這段時間為“疑似空載運行”狀態(tài)，空載計時器累加當前tTime 與sTime 的差值；若差值≥80s，則認為皮帶在這段時間為“正常運行”狀態(tài)，空載計時器unMoveTime 和fTime 重新置為0。

最后查看空載計時器，判讀其累計時間是否超過預設的空載運行時間閾值：若累計時間超過預設的空載運行時間閾值，則認為FSM 進入“空載運行”狀態(tài)，進行實時報警并顯示報警狀態(tài)信息，將空載計時器重置為0，重新開始計時；若累計時間沒有超過預設的空載運行時間閾值，則狀態(tài)不變。

圖4 FSM 的變換機制

步驟3：FSM 處于“停止運行”狀態(tài)時，運行皮帶運動檢測過程，若下一次狀態(tài)變化的"flag=2"，即當前視頻幀中的皮帶從靜止狀態(tài)轉變?yōu)檫\動狀態(tài)，則認為FSM 進入“正常運行”狀態(tài)，反之狀態(tài)不變。

步驟4 以此類推，每5 幀運行1 次上述FSM 過程，完成1 次判斷。

具體FSM 的變換機制的結構如圖4 所示。

4 結 論

本系統(tǒng)主要用于皮帶運輸機的工作狀態(tài)監(jiān)測場景，基于視頻圖像處理技術，采用比較完善的狀態(tài)機變換機制，實時分析監(jiān)控視頻流，監(jiān)測皮帶的運動狀態(tài)并對非正常運動狀態(tài)進行實時報警，實現(xiàn)了對皮帶的無接觸檢測，并且可以對皮帶的正常運行狀態(tài)和空載運行狀態(tài)加以判斷和區(qū)分，通過加強空載管理實現(xiàn)節(jié)能運行。

鮑店煤礦依托機器視覺技術搭建的智能視頻監(jiān)控平臺，在保證監(jiān)測結果準確度的情況下，不需要激光發(fā)射器以及硬件設備的支持，降低了監(jiān)測皮帶運動狀態(tài)的實施成本，既方便了操作人員，也使生產過程中出現(xiàn)的各種險情得以及時排除，對提升輸煤系統(tǒng)安全、提高節(jié)能管理水平發(fā)揮了積極作用。