薛旭升，楊星云，齊廣浩，馬宏偉，毛清華，尚新芒

（1.西安科技大學(xué) 機(jī)械工程學(xué)院，陜西 西安 710054；2.陜西省礦山機(jī)電裝備智能檢測(cè)與控制重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710054；3.北京聯(lián)合大學(xué) 北京市信息服務(wù)工程重點(diǎn)實(shí)驗(yàn)室，北京 100101；4.西安重裝韓城煤礦機(jī)械有限公司，陜西 韓城 715400）

0 引言

煤礦帶式輸送機(jī)作為煤礦生產(chǎn)的重要設(shè)備，其安全運(yùn)行是保證煤礦正常生產(chǎn)的重要基礎(chǔ)。自2019年以來，國(guó)家發(fā)展改革委、科技部等部委連續(xù)印發(fā)的《煤礦機(jī)器人重點(diǎn)研發(fā)目錄》《關(guān)于推進(jìn)煤礦智能化發(fā)展的指導(dǎo)意見》中，均對(duì)煤礦開采裝備智能化明確提出減人提效、煤矸快速分揀、異物分揀與安全防護(hù)等關(guān)鍵技術(shù)突破的要求，尤其是對(duì)運(yùn)輸過程中矸石及其他非煤雜物智能分揀機(jī)器人提出了自動(dòng)識(shí)別、精確定位等需求[1-2]。然而，煤炭生產(chǎn)運(yùn)輸過程中，煤礦輸送帶會(huì)受到綜采或綜掘等開采出的異物影響而導(dǎo)致撕帶、斷帶等嚴(yán)重事故，例如采煤作業(yè)時(shí)會(huì)截割煤壁中的錨桿，設(shè)備自身的金屬部件等鋒利的異物也會(huì)掉落在輸送帶上，甚至?xí)戚斔蛶В哂袠O大的安全隱患，因此，需對(duì)輸送帶上錨桿、設(shè)備自身的金屬部件等鋒利異物進(jìn)行識(shí)別與定位。

人工檢測(cè)、雷達(dá)檢測(cè)、金屬探測(cè)器等傳統(tǒng)的異物檢測(cè)方法檢測(cè)效率低、成本高、部署與維護(hù)困難，且存在安全隱患[3-4]。隨著機(jī)器視覺技術(shù)的不斷發(fā)展，國(guó)內(nèi)外機(jī)構(gòu)與學(xué)者分別探究了機(jī)器視覺技術(shù)在煤礦帶式輸送機(jī)狀態(tài)監(jiān)測(cè)、目標(biāo)檢測(cè)等方面的應(yīng)用[5-6]。王志星等[7]采用雙目視覺對(duì)帶式輸送機(jī)輸送帶縱向撕裂進(jìn)行了在線檢測(cè)。王燕等[8]設(shè)計(jì)了基于機(jī)器視覺的大塊異物視覺檢測(cè)系統(tǒng)。苗長(zhǎng)云等[9]研究了基于機(jī)器視覺和支持向量機(jī)的帶式輸送機(jī)矸石檢測(cè)方法。杜京義等[10]提出了基于改進(jìn)YOLOv3模型的煤礦帶式輸送機(jī)異物檢測(cè)方法。胡璟皓等[11]提出了一種基于深度學(xué)習(xí)的帶式輸送機(jī)非煤異物識(shí)別方法。吳守鵬等[12]針對(duì)大塊矸石或鐵器等識(shí)別問題，提出了一種快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Faster?RCNN）+雙向特征金字塔網(wǎng)絡(luò)的運(yùn)煤輸送帶異物識(shí)別模型。上述研究針對(duì)輸送帶上煤矸石、異物等提供了有效的檢測(cè)與識(shí)別方法，但這些方法更偏向于針對(duì)煤矸石識(shí)別，且都未解決目標(biāo)定位問題。長(zhǎng)期以來，馬宏偉等[13]、曹現(xiàn)剛等[14]、王鵬等[15]針對(duì)煤礦帶式輸送機(jī)分揀機(jī)器人異物智能檢測(cè)與控制開展了研究，分別提出了一種基于機(jī)器視覺的煤矸石分揀機(jī)器人動(dòng)態(tài)目標(biāo)穩(wěn)定抓取軌跡規(guī)劃方法、設(shè)計(jì)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的煤矸識(shí)別定位系統(tǒng)、研究了一種基于機(jī)器視覺的多機(jī)械臂煤矸石分揀機(jī)器人系統(tǒng)，為煤礦輸送帶分揀機(jī)器人異物識(shí)別與定位提供了可參考的理論模型與方法，但其分揀目標(biāo)仍為煤矸石，這與煤礦輸送帶上異物的特征有本質(zhì)區(qū)別，仍需優(yōu)化及改進(jìn)。國(guó)外的研究機(jī)構(gòu)及學(xué)者大多將三維光學(xué)檢測(cè)（激光與視覺融合檢測(cè)方法）、近紅外測(cè)量等技術(shù)應(yīng)用于煤礦帶式輸送機(jī)異物檢測(cè)與煤巖識(shí)別等[16-17]。這些方法對(duì)于檢測(cè)異物具有一定基礎(chǔ)，但其異物精確識(shí)別與定位問題并未解決。

綜上，機(jī)器視覺已在煤礦帶式輸送機(jī)目標(biāo)檢測(cè)與識(shí)別方面具有一定的理論基礎(chǔ)，但目前煤礦帶式輸送機(jī)分揀機(jī)器人目標(biāo)識(shí)別主要針對(duì)煤矸石識(shí)別，對(duì)造成輸送帶穿透、撕裂等的異物目標(biāo)識(shí)別的研究較少，且在目標(biāo)異物精確定位方面的研究也較少。為此，本文設(shè)計(jì)了煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)，可對(duì)輸送帶上存在的不同類型和不同形狀的異物進(jìn)行識(shí)別與定位。首先利用雙目視覺實(shí)時(shí)獲取輸送帶上異物圖像信息，并對(duì)異物圖像進(jìn)行降噪與增強(qiáng)預(yù)處理；然后建立目標(biāo)異物邊緣特征提取與識(shí)別模型，通過圖像特征匹配的方式解算出異物存在區(qū)域，實(shí)現(xiàn)異物類型的檢測(cè)、分類與識(shí)別；最后構(gòu)建目標(biāo)異物位置區(qū)域及坐標(biāo)，利用多目標(biāo)質(zhì)心快速計(jì)算方法求取目標(biāo)異物質(zhì)心坐標(biāo)，實(shí)現(xiàn)目標(biāo)異物的定位。該系統(tǒng)為煤礦帶式輸送機(jī)分揀機(jī)器人異物分揀提供了有效數(shù)據(jù)與新方法。

1 系統(tǒng)需求分析

設(shè)計(jì)煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)的目的是為了實(shí)時(shí)檢測(cè)和識(shí)別輸送帶上的異物，為實(shí)現(xiàn)快速分揀提供數(shù)據(jù)支持，確保煤礦輸送帶安全穩(wěn)定運(yùn)行。因?yàn)榫颅h(huán)境復(fù)雜，且輸送帶除異物存在外，煤和矸石堆疊也是造成異物識(shí)別和分揀困難的重要因素，本文僅研究造成輸送帶穿透、撕裂等的異物目標(biāo)，假設(shè)煤和矸石處于平鋪的狀態(tài)。因此，在設(shè)計(jì)煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)時(shí)主要要考慮以下幾個(gè)方面的需求：

（1）輸送帶在運(yùn)動(dòng)過程中要能夠?qū)崟r(shí)采集清晰的圖像。

（2）過濾輸送帶背景圖像信息，突出目標(biāo)異物特征。

（3）識(shí)別目標(biāo)異物類型，確定目標(biāo)異物所在輸送帶區(qū)域信息，標(biāo)記目標(biāo)異物并顯示坐標(biāo)信息。

（4）有穩(wěn)定的數(shù)據(jù)傳輸能力，傳輸速率高且安全可靠。

（5）可以實(shí)現(xiàn)遠(yuǎn)程監(jiān)控。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)組成

煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)采用雙目視覺實(shí)時(shí)獲取煤礦輸送帶上異物圖像信息，提取異物邊緣特征，識(shí)別目標(biāo)異物并解算目標(biāo)異物坐標(biāo)，實(shí)時(shí)顯示圖像識(shí)別結(jié)果和坐標(biāo)信息，為煤礦帶式輸送機(jī)分揀機(jī)器人提供目標(biāo)異物坐標(biāo)信息。煤礦帶式輸送機(jī)分揀機(jī)器人系統(tǒng)樣機(jī)如圖1所示。

圖1 煤礦帶式輸送機(jī)分揀機(jī)器人系統(tǒng)樣機(jī)Fig.1 Prototype of sorting robot system of coal mine belt conveyor

煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)主要由輸送帶傳送單元、視覺感知單元、信息處理及顯示單元組成。

（1）輸送帶傳送單元：主要物料運(yùn)輸?shù)闹黧w。實(shí)際煤礦井下開采環(huán)境復(fù)雜，存在粉塵、水霧、照度低等問題，輸送帶上除煤、矸石等物料外，可能還存在金屬與非金屬等物料，見表1。

表1 輸送帶上的異物類別Table 1 Types of foreign objects on conveyor belt

（2）視覺感知單元：雙目視覺固定于輸送帶上方，用于實(shí)時(shí)采集輸送帶上的物料圖像。利用局部補(bǔ)光裝置使雙目視覺具有井下低照度環(huán)境的適應(yīng)能力。

（3）信息處理及顯示單元：通過目標(biāo)異物圖像信息建立特征分離、提取與識(shí)別模型，有效提升目標(biāo)異物識(shí)別準(zhǔn)確率與識(shí)別效率；設(shè)計(jì)輸送帶實(shí)時(shí)監(jiān)控系統(tǒng)，實(shí)現(xiàn)異物實(shí)時(shí)捕捉與顯示、位置坐標(biāo)顯示等，如圖2所示。

圖2 煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)界面Fig.2 Interface of foreign object recognition and positioning system for sorting robot of coal mine belt conveyor

2.2 系統(tǒng)識(shí)別與定位方法

為了解決煤礦輸送帶上存在的異物危害，本文提出了基于雙目視覺的煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位方法，其重點(diǎn)研究基于雙目視覺的輸送帶目標(biāo)異物圖像采集與特征提取、建立輸送帶異物特征樣本庫(kù)、輸送帶異物坐標(biāo)位置解算。方法架構(gòu)如圖3所示。

圖3 煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別和定位方法架構(gòu)Fig.3 Architecture of foreign object recognition and positioning method for sorting robotsof coal mine belt conveyor

（1）針對(duì)輸送帶異物圖像采集問題，提出在圖像采集過程中對(duì)輸送帶實(shí)時(shí)圖像進(jìn)行預(yù)處理的方法，并基于Canny算子進(jìn)行圖像信息增強(qiáng)，通過灰度拉伸方法改進(jìn)圖像邊緣信息，突出異物邊緣特征。

（2）針對(duì)異物特征提取與識(shí)別問題，利用形態(tài)學(xué)方法提取異物形狀特征，建立異物圖像特征樣本庫(kù)，通過圖像特征匹配方式解算出異物存在區(qū)域，實(shí)現(xiàn)異物類型的檢測(cè)、分類與識(shí)別。

（3）針對(duì)異物空間位置定位問題，在異物類型成功識(shí)別的基礎(chǔ)上，建立相機(jī)、輸送帶與目標(biāo)異物坐標(biāo)轉(zhuǎn)換關(guān)系，利用多目標(biāo)質(zhì)心快速計(jì)算算法求取異物質(zhì)心坐標(biāo)。

3 異物識(shí)別方法

3.1 異物識(shí)別方法原理

本文通過實(shí)時(shí)采集輸送帶上圖像數(shù)據(jù)，對(duì)圖像特征進(jìn)行邊緣提取，結(jié)合目標(biāo)異物樣本圖像特征進(jìn)行匹配，同時(shí)，通過實(shí)時(shí)采集目標(biāo)異物圖像邊緣特征刷新樣本庫(kù)信息，從而實(shí)現(xiàn)異物識(shí)別，異物識(shí)別方法原理如圖4所示。

圖4 異物識(shí)別方法原理Fig.4 Principleof foreign object recognition methods

3.2 基于雙目視覺的輸送帶異物檢測(cè)與識(shí)別

針對(duì)利用雙目視覺采集圖像存在畸變嚴(yán)重、輸送帶上異物定位不準(zhǔn)確的問題，利用基于平面模板法實(shí)現(xiàn)圖像畸變矯正，為解決像素坐標(biāo)到世界坐標(biāo)的標(biāo)定提供方法依據(jù)；針對(duì)輸送帶上異物識(shí)別困難的問題，設(shè)計(jì)輸送帶異物圖像增強(qiáng)方法，利用形態(tài)學(xué)處理方式提取異物形狀特征作為樣本，結(jié)合樣本匹配算法實(shí)現(xiàn)異物識(shí)別。

3.2.1 基于平面模板法的圖像畸變矯正

本文采用平面模板法實(shí)現(xiàn)圖像矯正，通過引入適當(dāng)?shù)幕儏?shù)，得到離心畸變模型[18]：

式中：(δrd,δtd)為圖像點(diǎn)畸變坐標(biāo)；ks，ps為畸變系數(shù)，s為畸變系數(shù)的個(gè)數(shù)，s=1，2，…；o為圖像像素點(diǎn)到原點(diǎn)的距離；φ為圖像點(diǎn)的傾斜角；φ0為圖像正方向與最大切向軸的最大夾角。

畸變矯正后圖像點(diǎn)坐標(biāo)為

式中：(為畸變引起的實(shí)際成像點(diǎn)坐標(biāo)；(u,v)為圖像點(diǎn)的理想坐標(biāo)；(δur，δvr)為圖像點(diǎn)徑向畸變坐標(biāo)；(δut，δvt)為圖像點(diǎn)偏心畸變坐標(biāo)。

用近似多項(xiàng)式求取視覺系統(tǒng)內(nèi)外參數(shù)[19]：

式中：n為圖像幀數(shù)；m為每幀圖像上特征點(diǎn)的個(gè)數(shù)；gij為第i幀圖像上第j個(gè)特征點(diǎn)的圖像坐標(biāo)；(M，R i，T i，k1，k2，k3，p1，p2，Gj)為 由空間坐標(biāo)Gj投影到世界坐標(biāo)反求的圖像坐標(biāo)；M為內(nèi)部參數(shù)矩陣；R i為第i幀圖像的旋轉(zhuǎn)矩陣；T i為第i幀圖像的平移向量；Gj為 第j個(gè)特征點(diǎn)的空間坐標(biāo)；k1，k2，k3，p1，p2為畸變系數(shù)。

利用平面模板法實(shí)現(xiàn)圖像矯正，并使其圖像坐標(biāo)原點(diǎn)和世界坐標(biāo)原點(diǎn)重合，保證異物坐標(biāo)解算時(shí)坐標(biāo)位置的有效性。

3.2.2 異物圖像預(yù)處理

本文需對(duì)原始圖像數(shù)據(jù)進(jìn)行灰度變換，經(jīng)過灰度變換處理后，含有顏色信息的彩色圖像變成了僅含亮度信息的灰度圖像，提高了圖像處理速度。為解決灰度化處理后依然無法去除圖像數(shù)據(jù)的噪聲干擾問題，采用中值濾波對(duì)目標(biāo)異物圖像進(jìn)行去噪處理，對(duì)目標(biāo)異物的邊緣特征信息進(jìn)行保護(hù)，并降低煤塊圖像信息對(duì)目標(biāo)異物圖像的影響。

3.2.3 異物圖像邊緣檢測(cè)與特征提取

基于Canny算子對(duì)圖像邊緣特征進(jìn)行增強(qiáng)，并通過灰度拉伸方法對(duì)邊緣檢測(cè)圖像進(jìn)行優(yōu)化，從而得到準(zhǔn)確的圖像邊緣特征，將圖像邊緣特征點(diǎn)用笛卡爾坐標(biāo)(x,y)表示，由于形狀邊緣一般為封閉曲線，所以也可以用極坐標(biāo)(θ,ρ)表示，利用該曲線判定形狀。設(shè)形狀的質(zhì)心(x0,y0)為坐標(biāo)原點(diǎn)，并建立極坐標(biāo)系，則形狀邊緣可以表示為極坐標(biāo)下的曲線：

本文主要針對(duì)桿狀目標(biāo)進(jìn)行識(shí)別，通過邊緣特征提取后，準(zhǔn)確計(jì)算出形狀邊緣曲線，并區(qū)分煤塊與桿狀異物，從而識(shí)別出目標(biāo)異物。

4 目標(biāo)異物定位

在異物成功識(shí)別的基礎(chǔ)上，通過劃定異物識(shí)別感興趣區(qū)域（Region of Interest，ROI）的方法提高異物識(shí)別檢測(cè)效率，并以輸送帶為參照，建立視覺與輸送帶的坐標(biāo)系轉(zhuǎn)換，利用質(zhì)心計(jì)算方程解算異物空間位置；將ROI作為機(jī)械臂末端工作區(qū)域，通過解算的異物質(zhì)心坐標(biāo)為機(jī)械臂末端抓取坐標(biāo)，將其輸送給機(jī)械臂控制系統(tǒng)，實(shí)現(xiàn)目標(biāo)異物的抓取，完成分揀任務(wù)。

4.1 圖像ROI確定

以目標(biāo)異物邊緣特征值為基礎(chǔ)，建立目標(biāo)異物的ROI，降低目標(biāo)異物圖像信息計(jì)算量，并為建立目標(biāo)異物定位坐標(biāo)系提供區(qū)域依據(jù)。桿狀異物ROI劃定方法如圖5所示。以輸送帶為參照，在目標(biāo)異物邊緣特征值的基礎(chǔ)上，劃定ROI，該區(qū)域也為圖1中的機(jī)械臂I工作區(qū)域。

圖5 ROI視覺內(nèi)劃定Fig.5 Intra-visual delineation of region of interest

4.2 相機(jī)、輸送帶與目標(biāo)異物坐標(biāo)系轉(zhuǎn)換

對(duì)圖像進(jìn)行描述一般會(huì)涉及2個(gè)常用坐標(biāo)系：圖像坐標(biāo)系(O1xy)和像素坐標(biāo)系(O0ab)，圖像坐標(biāo)系用于描述圖像各點(diǎn)間的位置關(guān)系，像素坐標(biāo)系用于描述圖像像素特征。2個(gè)坐標(biāo)系均處于成像平面中，它們的位置關(guān)系如圖6所示。

圖6 圖像坐標(biāo)系和像素坐標(biāo)系Fig.6 Image and pixel coordinate systems

通過圖6可得到坐標(biāo)(x,y)和坐標(biāo)(a,b)之間的變換關(guān)系，且其滿足以下轉(zhuǎn)換模型：

式中：(a0,b0)為圖像坐標(biāo)系的原點(diǎn)O1在像素坐標(biāo)系下對(duì)應(yīng)的坐標(biāo)；dx和dy為每個(gè)像素點(diǎn)在x軸和y軸的物理尺寸。

將式（6）進(jìn)行矩陣變換可得

根據(jù)ROI設(shè)置視覺內(nèi)部坐標(biāo)系，并以感興趣區(qū)域OG為坐標(biāo)系原點(diǎn)，以輸送帶前進(jìn)方向?yàn)樽鴺?biāo)x軸，表示輸送帶上距離，在輸送帶平面上與x軸垂直的方向?yàn)閥軸，與xOGy平面垂直的為z軸，表示視覺高度，轉(zhuǎn)換后坐標(biāo)系如圖7所示。

圖7 轉(zhuǎn)換坐標(biāo)系Fig.7 Converting the coordinatesystem

4.3 目標(biāo)異物定位算法

異物樣本匹配識(shí)別成功后，為獲得異物準(zhǔn)確的位置信息，采用異物的質(zhì)心坐標(biāo)來識(shí)別異物在輸送帶上的位置。實(shí)際識(shí)別時(shí)會(huì)存在多個(gè)異物被識(shí)別的情況，通常采用群目標(biāo)幾何中心的群起始算法計(jì)算多目標(biāo)質(zhì)心，但該算法過于復(fù)雜，實(shí)時(shí)性較差。本文采用一種多目標(biāo)質(zhì)心快速計(jì)算方法，獲取標(biāo)志異物的外接矩形頂點(diǎn)坐標(biāo)(x1，y1)、(x2，y1)、(x1，y2)及(x2，y2)，針對(duì)目標(biāo)異物采用如下公式[20]得到異物質(zhì)心坐標(biāo)(x0，y0)：

式中：B（q，w）為二值圖像像素值，當(dāng)像素B（q，w）屬于該劃定ROI時(shí)，B（q，w）=1，否則B（q，w）=0。

5 實(shí)驗(yàn)驗(yàn)證與分析

5.1 實(shí)驗(yàn)平臺(tái)參數(shù)及環(huán)境模擬

以煤礦帶式輸送機(jī)分揀機(jī)器人系統(tǒng)樣機(jī)（圖1）為研究對(duì)象，構(gòu)建煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位實(shí)驗(yàn)平臺(tái)，將雙目視覺傳感器安裝于帶式輸送機(jī)上方，主要性能參數(shù)見表2。

表2 實(shí)驗(yàn)平臺(tái)主要性能參數(shù)Table 2 Main performance parameters of the experimental platform

本文利用LabVIEW軟件平臺(tái)設(shè)計(jì)識(shí)別與定位系統(tǒng)軟件，目標(biāo)異物坐標(biāo)信息、目標(biāo)異物類別信息、輸送帶實(shí)時(shí)圖像和目標(biāo)識(shí)別提取圖像等系統(tǒng)程序設(shè)計(jì)如圖8所示。

圖8 目標(biāo)異物坐標(biāo)信息、目標(biāo)異物類別信息、輸送帶實(shí)時(shí)圖像和目標(biāo)識(shí)別提取圖像等系統(tǒng)程序Fig.8 System programs such as target foreign object coordinate information, target foreign object category information, real-time image of conveyor belt and target recognition and extraction image

5.2 實(shí)驗(yàn)方案

本文以桿狀異物為實(shí)驗(yàn)對(duì)象，通過實(shí)驗(yàn)樣機(jī)驗(yàn)證煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)及其算法的可靠性，實(shí)驗(yàn)主要包括對(duì)異物圖像采集、處理實(shí)驗(yàn)；在圖像處理的基礎(chǔ)上，實(shí)現(xiàn)對(duì)輸送帶異物的匹配識(shí)別和坐標(biāo)提取。實(shí)驗(yàn)過程及目標(biāo)異物圖像識(shí)別流程如圖9所示。

圖9 煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位實(shí)驗(yàn)Fig.9 Foreign object recognition and positioning experiment of sorting robot of coal mine belt conveyor

通過桿狀異物實(shí)驗(yàn)樣本進(jìn)行30組實(shí)驗(yàn)，圖像識(shí)別結(jié)果見表3。識(shí)別率為93.33%。

表3 異物圖像識(shí)別結(jié)果Table3 Foreign object imagerecognition results

5.3 目標(biāo)異物識(shí)別與定位系統(tǒng)實(shí)驗(yàn)驗(yàn)證與分析

為了驗(yàn)證煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)對(duì)不同長(zhǎng)度與不同直徑下的桿狀目標(biāo)異物的識(shí)別與定位情況，采集了如圖10（a）所示的3，5，7 cm不同長(zhǎng)度的桿狀目標(biāo)異物和圖10（b）所示的5，10，15 mm不同直徑下的桿狀目標(biāo)異物，識(shí)別率見表4和表5。

圖10 不同形狀的桿狀目標(biāo)異物Fig.10 Rod-shaped target foreign object with different shape

表4 不同長(zhǎng)度的桿狀目標(biāo)異物圖像識(shí)別結(jié)果Table 4 Rod-shaped target foreign object image recognition resultsfor different lengths

表5 不同直徑的桿狀目標(biāo)異物圖像識(shí)別結(jié)果Table 5 Rod-shaped target foreign object image recognition resultsfor different diameters

從表4、表5可看出，不同長(zhǎng)度下、不同直徑下的識(shí)別率差距較小，在固定場(chǎng)景下，該系統(tǒng)均能較準(zhǔn)確地識(shí)別出目標(biāo)異物。

通過對(duì)3種不同長(zhǎng)度桿狀目標(biāo)異物和3種不同直徑桿狀目標(biāo)異物識(shí)別結(jié)果表明，本文所設(shè)計(jì)的煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別率不受尺寸、材質(zhì)和顏色等因素影響，對(duì)目標(biāo)異物具有高精度檢測(cè)與識(shí)別效果。

以圖10（a）的桿狀異物為例，對(duì)輸送帶運(yùn)行過程中的20個(gè)目標(biāo)異物進(jìn)行實(shí)時(shí)定位實(shí)驗(yàn)，采用目標(biāo)異物質(zhì)心坐標(biāo)(x0,y0)和經(jīng)雙目視覺實(shí)時(shí)檢測(cè)后解算出的目標(biāo)異物質(zhì)心坐標(biāo)(x′0,y′0)進(jìn)行對(duì)比，結(jié)果見表6。

表6 目標(biāo)異物質(zhì)心位置坐標(biāo)解算實(shí)驗(yàn)結(jié)果Table 6 Experimental results for solving the coordinates of the target foreign object's centreof mass position

通過表6實(shí)驗(yàn)結(jié)果的分析可得出目標(biāo)異物的坐標(biāo)誤差關(guān)系，如圖11所示?？煽闯鯴軸最大誤差為7.32%，平均誤差為2.75%；Y軸最大誤差為6.5%，平均誤差為3.01%，考慮到輸送帶運(yùn)動(dòng)、視覺和系統(tǒng)運(yùn)行環(huán)境等因素，誤差在可控范圍。

圖11 目標(biāo)異物X，Y軸坐標(biāo)誤差Fig.11 Target foreign object coordinates X and Y axis error

綜上可知，采集桿狀異物坐標(biāo)數(shù)據(jù)滿足實(shí)際桿狀異物定位精度要求。本文研究的目標(biāo)異物檢測(cè)、識(shí)別與定位系統(tǒng)不受形狀、材質(zhì)和顏色等因素影響，根據(jù)樣本庫(kù)的建立與刷新，還可實(shí)現(xiàn)盤狀、多邊形等不同形狀異物的識(shí)別與定位。

6 結(jié)論

針對(duì)煤礦帶式輸送機(jī)異物隱患導(dǎo)致的安全危害問題，設(shè)計(jì)了一種煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)，為實(shí)現(xiàn)煤礦輸送帶異物檢測(cè)與精確識(shí)別提供方法與數(shù)據(jù)支持，為分揀機(jī)器人準(zhǔn)確定位并抓取異物提供依據(jù)。

（1）設(shè)計(jì)了輸送帶異物圖像增強(qiáng)方法，利用形態(tài)學(xué)提取了異物形狀特征，為異物在空間位置的解算提供依據(jù)。

（2）以輸送帶為參照，劃定異物識(shí)別感興趣區(qū)域，提高了異物識(shí)別檢測(cè)效率。

（3）構(gòu)建了視覺、異物與輸送帶的坐標(biāo)系轉(zhuǎn)換方程，利用質(zhì)心快速計(jì)算方法實(shí)現(xiàn)對(duì)目標(biāo)異物位置信息的解算。

（4）通過樣機(jī)實(shí)驗(yàn)與驗(yàn)證結(jié)果分析表明，煤礦帶式輸送機(jī)分揀機(jī)器人異物識(shí)別與定位系統(tǒng)能夠?qū)崿F(xiàn)輸送帶目標(biāo)異物圖像的采集、處理、特征提取、識(shí)別和位置定位，識(shí)別率為92.5%以上，目標(biāo)異物位置定位平均誤差為3%左右。