任躍武,廉 鵬,馬戰(zhàn)鵬

(1.西安重裝智慧礦山工程技術(shù)有限公司,陜西 西安 710032 2.蘇州優(yōu)米康通信技術(shù)有限公司,江蘇 蘇州 215104)

0 引言

煤炭是我國(guó)能源供給的穩(wěn)定器和壓艙石,在當(dāng)前我國(guó)經(jīng)濟(jì)發(fā)展過程中的戰(zhàn)略地位不可動(dòng)搖。2020年,國(guó)家發(fā)展改革委、國(guó)家能源局等8部委共同印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》明確提出,2025年大型煤礦和災(zāi)害嚴(yán)重煤礦基本實(shí)現(xiàn)智能化[1]。近年來,許多基于機(jī)器視覺、雷達(dá)等先進(jìn)技術(shù)手段被相繼應(yīng)用于作業(yè)、定位、保護(hù)等不同方面以提升煤礦裝備的智能化水平[2-3]。采煤機(jī)和液壓支架作為綜采工作面的兩大關(guān)鍵裝備,如何提高兩者綜采作業(yè)過程的協(xié)調(diào)性是保障高效可靠煤炭開采所需面對(duì)的重要問題。其中,如何在綜采作業(yè)進(jìn)程中避免采煤機(jī)滾筒與液壓支架護(hù)幫板之間發(fā)生截割干涉,是實(shí)際應(yīng)用與研究中所遇到的熱點(diǎn)難點(diǎn)問題之一。

針對(duì)這一問題,中國(guó)礦業(yè)大學(xué)的滿溢橋[4]設(shè)計(jì)了基于圖像特征的液壓支架護(hù)幫板位姿解算和截割干涉檢測(cè)方法,通過設(shè)計(jì)液壓支架護(hù)幫板圖像增強(qiáng)方法,采用特征提取算法實(shí)現(xiàn)了液壓支架護(hù)幫板下邊緣的提取,并通過建立護(hù)幫板與采煤機(jī)滾筒間的空間干涉模型實(shí)現(xiàn)了兩者截割干涉狀態(tài)的識(shí)別,通過試驗(yàn)得出,采用此方法的截割干涉狀態(tài)識(shí)別準(zhǔn)確率為95.3%。雖然通過實(shí)驗(yàn)室實(shí)驗(yàn)證明了該方法的有效性,但采用該方法需要設(shè)置的參數(shù)較多,包括同態(tài)濾波[5]中常數(shù)c、高頻增益RH和低頻增益RL,以及雙邊濾波[6]中影響尺度高斯核Gσr和空間高斯核Gσs的兩標(biāo)準(zhǔn)差σs和σr,難以針對(duì)不同綜采工作面情況自適應(yīng)的進(jìn)行調(diào)節(jié),導(dǎo)致難以保證該系統(tǒng)在不同綜采工作面環(huán)境下有效正常工作,且該方法為進(jìn)行煤礦井下試驗(yàn),難以對(duì)其實(shí)際應(yīng)用效果進(jìn)行有效判斷。

針對(duì)上述問題,在以上液壓支架護(hù)幫板與采煤機(jī)滾筒截割干涉檢測(cè)方法的基礎(chǔ)上,通過引入海洋捕獵者[7]算法,實(shí)現(xiàn)了同態(tài)濾波中常數(shù)c、高頻增益RH和低頻增益RL,以及雙邊濾波中影響尺度高斯核Gσr和空間高斯核Gσs的兩標(biāo)準(zhǔn)差σs和σr的自適應(yīng)動(dòng)態(tài)調(diào)節(jié),提高了該方法針對(duì)不同綜采工作面環(huán)境的適應(yīng)性和有效性,并開展了工業(yè)性試驗(yàn),通過與上述算法的對(duì)比,驗(yàn)證所提出基于海洋捕獵者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法實(shí)際有效性。

1 基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法

1.1 基于機(jī)器視覺的采煤過程截割干涉檢測(cè)系統(tǒng)

采用如圖1所示的礦用工業(yè)防爆相機(jī)固定模式,正對(duì)液壓支架護(hù)幫板位置拍攝。通過礦用阻燃網(wǎng)線接入礦用工業(yè)交換機(jī),由礦用通訊光纖發(fā)送至井下集控中心的視覺處理服務(wù)器,實(shí)現(xiàn)圖像的分析,并生成采煤機(jī)控制命令。通過采煤機(jī)遠(yuǎn)程監(jiān)控系統(tǒng),經(jīng)鎧裝電纜內(nèi)的通訊線路,發(fā)送給采煤機(jī)機(jī)載控制器,實(shí)現(xiàn)采煤機(jī)對(duì)液壓支架護(hù)幫板收回動(dòng)作實(shí)現(xiàn)不良時(shí)的應(yīng)急處理,包含降速及制動(dòng)等。

圖1 采煤過程截割干涉檢測(cè)系統(tǒng)Fig.1 Cutting interference detection system in coal mining process

1.2 基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法

基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法主要包括液壓支架護(hù)幫板圖像增強(qiáng)、特征提取、截割干涉識(shí)別模型建立3部分。首先對(duì)以上3部分的實(shí)現(xiàn)過程進(jìn)行概述,并分析影響截割干涉檢測(cè)系統(tǒng)性能的主要原因并提出解決方案。

1.2.1 液壓支架護(hù)幫板圖像增強(qiáng)

基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法的核心是機(jī)器視覺圖像處理,為解決綜采工作面圖像普遍存在的照度低、光照不均勻(點(diǎn)光源炫光)等問題[8],首先采用同態(tài)濾波方法進(jìn)行初步增強(qiáng),然后采用雙直方圖均衡化的方法改善對(duì)比度低、關(guān)鍵特征不清晰的問題,最后采用雙邊濾波方法對(duì)處理后圖像所含的噪聲進(jìn)行濾除,以獲取最終高質(zhì)量圖像,具體實(shí)現(xiàn)流程如圖2所示。

圖2 混合圖像增強(qiáng)算法框架Fig.2 Framework of hybrid image enhancing algorithms

1.2.2 液壓支架護(hù)幫板特征提取

在采煤機(jī)完成當(dāng)前液壓支架支護(hù)位置截割,液壓支架完成支護(hù)動(dòng)作,護(hù)幫板未伸出時(shí)刻,采集當(dāng)前礦用工業(yè)防爆相機(jī)所拍攝圖像,作為背景圖像。經(jīng)Δt時(shí)間間隔后,再次采集該區(qū)域圖像,采用背景差分的方式,提取移動(dòng)的前景圖像,即為護(hù)幫板圖像,再通過二值化、圖像形態(tài)學(xué)處理[9]的方法提取完整護(hù)幫板結(jié)構(gòu)。最后,采用Hough直線檢測(cè)[10]的方法提取關(guān)鍵的液壓支架護(hù)幫板下邊緣信息,具體實(shí)現(xiàn)流程如圖3所示。

圖3 護(hù)幫板特征提取實(shí)現(xiàn)流程Fig.3 Implementation process of face-guard feature extraction

1.2.3 采煤過程截割干涉識(shí)別模型建立

為了實(shí)現(xiàn)采煤過程截割干涉的準(zhǔn)確可靠檢測(cè),建立如下液壓支架護(hù)幫板與采煤機(jī)滾筒相對(duì)位置模型,如圖4所示。其中,液壓支架護(hù)幫板下邊緣位置(Q)基于由液壓支架結(jié)構(gòu)姿態(tài)以及相機(jī)成像模型進(jìn)行求解,采煤機(jī)滾筒右側(cè)邊緣位置(F)也可根據(jù)采煤機(jī)結(jié)構(gòu)及姿態(tài)信息進(jìn)行解算。因此,液壓支架護(hù)幫板與采煤機(jī)滾筒是否發(fā)生截割干涉可由此模型進(jìn)行判斷。

圖4 截割干涉相對(duì)位置模型Fig.4 Relative position model of cutting interference

實(shí)際工程中,為保證截割干涉檢測(cè)系統(tǒng)可以有效保障設(shè)備安全性,應(yīng)設(shè)定安全余量。因此,如圖4所示,在本系統(tǒng)中將實(shí)際位置線與安全位置線中間設(shè)定為警告位置區(qū)域,安全位置線以下為安全區(qū)域,實(shí)際位置線以上為干涉區(qū)域。至此,只要結(jié)合所識(shí)別出的液壓支架護(hù)幫板下邊緣所在位置生成安全區(qū)域、警告區(qū)域及干涉區(qū)域,并依據(jù)該模型對(duì)采煤機(jī)滾筒右側(cè)邊緣位置(F)所處區(qū)域進(jìn)行判斷,即可實(shí)現(xiàn)基于機(jī)器視覺方法的采煤過程截割干涉檢測(cè)。

1.3 問題分析

以上采煤過程中截割干涉檢測(cè)方法的核心是機(jī)器視覺技術(shù),在理論上能有效識(shí)別液壓支架護(hù)幫板與采煤機(jī)滾筒之間是否發(fā)生截割干涉。但由于綜采工作面環(huán)境復(fù)雜,且不同綜采工作面、甚至綜采工作面不同位置所處的環(huán)境條件都有較大差異,以上方法在對(duì)液壓支架護(hù)幫板圖像進(jìn)行增強(qiáng)的過程中僅采用某一位置的特定圖像作為樣本圖像,通過反復(fù)測(cè)試的方法對(duì)包括同態(tài)濾波中常數(shù)c、高頻增益RH和低頻增益RL,以及雙邊濾波中影響尺度高斯核Gσr和空間高斯核Gσs的兩標(biāo)準(zhǔn)差σs和σr等關(guān)鍵參數(shù)的選擇,該方法難以自適應(yīng)的維持所采集的整體質(zhì)量,導(dǎo)致截割干涉檢測(cè)系統(tǒng)的適應(yīng)性較差,無法滿足實(shí)際需求。

2 基于海洋捕獵者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法

針對(duì)上述問題,提出了基于海洋捕獵者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法,在以上截割干涉檢測(cè)系統(tǒng)的基礎(chǔ)上,采用海洋捕獵者算法自適應(yīng)的選取以下參數(shù)的最佳設(shè)定值,包括同態(tài)濾波中常數(shù)c、高頻增益RH和低頻增益RL,以及雙邊濾波中影響尺度高斯核Gσr和空間高斯核Gσs的兩標(biāo)準(zhǔn)差σs和σr。首先對(duì)海洋捕獵者算法進(jìn)行概述,然后提出優(yōu)化后截割干涉檢測(cè)系統(tǒng)的主要架構(gòu)及實(shí)現(xiàn)流程。

2.1 海洋捕獵者算法

海洋捕獵者算法(Marine Predators Algorithm,MPA)是一種元啟發(fā)算法,2020年由FARAMZRZI A等提出。海洋捕獵者算法主要分為以下步驟。

(2)當(dāng)?shù)螖?shù)小于最大迭代次數(shù)的1/3,根據(jù)式(1)、式(2)更新捕獵者位置。

(1)

(2)

(3)當(dāng)?shù)螖?shù)處于最大迭代次數(shù)的1/3～2/3,捕獵者個(gè)體1～n/2執(zhí)行以下操作。

(3)

(4)

式中,CF為捕獵者移動(dòng)步長(zhǎng)自適應(yīng)參數(shù),其定義見式(5)。

(5)

式中,iter為當(dāng)前迭代次數(shù);Max_iter為最大迭代次數(shù)。

其他捕獵者個(gè)體執(zhí)行以下操作。

(6)

(7)

(3)當(dāng)?shù)螖?shù)大于最大迭代次數(shù)的2/3。

(8)

(9)

海洋捕獵者算法通過捕獵者獵物之間的博弈,模擬海洋中由于渦流等作用的存在,影響海洋捕獵者和獵物之間的相互作用。經(jīng)證明,海洋捕獵者算法在求解最優(yōu)化問題中表現(xiàn)出較為優(yōu)秀的性質(zhì),適合解決實(shí)際工程問題。

2.2 基于海洋捕獵者算法的圖像法增強(qiáng)方法

2.2.1 建立適應(yīng)度函數(shù)

由于基于海洋捕獵者算法優(yōu)化的采煤截割干涉檢測(cè)方法的核心是基于前文所提到的基于機(jī)器視覺的犯法的基礎(chǔ)上而實(shí)現(xiàn)的,所以根據(jù)前文分析,液壓支架護(hù)幫板圖像中的護(hù)幫板部分下邊緣信息為其關(guān)鍵特征。因此,為了有效保留該特征,并在處理過程中對(duì)噪聲成分進(jìn)行有效濾除,建立如下適應(yīng)度函數(shù)。

(10)

式中,Iorignal和Ienhance分別為原始圖像和增強(qiáng)后的圖像;IE()為求解圖像信息熵;corr()為求解兩二維圖像相關(guān)性系數(shù)。

2.2.2 基于海洋捕獵者優(yōu)化改進(jìn)的護(hù)幫板圖像增強(qiáng)方法

為了增強(qiáng)采煤過程截割干涉狀態(tài)識(shí)別系統(tǒng)的可靠性及適應(yīng)性,通過引入海洋捕獵者算法對(duì)同態(tài)濾波中常數(shù)c、高頻增益RH和低頻增益RL,以及雙邊濾波中影響尺度高斯核Gσr和空間高斯核Gσs的兩標(biāo)準(zhǔn)差σs和σr等關(guān)鍵參數(shù)的選擇,并采用等式(10)所建立的適應(yīng)度函數(shù)為基準(zhǔn),通過最小化適應(yīng)度函數(shù),實(shí)現(xiàn)混合圖像增強(qiáng)算法中各個(gè)關(guān)鍵參數(shù)的最佳選擇,算法框架如圖5所示。

圖5 改進(jìn)的混合圖像增強(qiáng)算法框架Fig.5 Framework of improved hybrid image enhancing algorithms

基于海洋捕獵者算法優(yōu)化的護(hù)幫板圖像增強(qiáng)方法具體實(shí)現(xiàn)流程如下。

步驟1:通過礦用工業(yè)防爆相機(jī)采集當(dāng)前圖像,并輸入圖像處理系統(tǒng)。

步驟2:隨機(jī)初始化海洋捕獵者算法關(guān)鍵參數(shù),包括種群數(shù)量n,最大迭代次數(shù)Max_iter,以及解的維度d,由于需要對(duì)上文所述5個(gè)關(guān)鍵參數(shù)進(jìn)行優(yōu)化,所以在本系統(tǒng)中,d=5。

步驟3:為捕獵者個(gè)體各個(gè)維度變量添加約束:0≤c≤1,1.1≤RH≤10.0,0.01≤RL≤0.99,0≤σs≤1和0≤σr≤min(x,y),其中x和y為圖像尺寸。進(jìn)而,隨機(jī)初始化5個(gè)關(guān)鍵參數(shù)。

步驟4:采用所生成的5個(gè)關(guān)鍵參數(shù),依次進(jìn)行同態(tài)濾波、雙直方圖均衡化和雙邊濾波,輸出增強(qiáng)圖像Ienhance,根據(jù)等式(10)計(jì)算適應(yīng)度函數(shù)。

步驟6:執(zhí)行步驟4至步驟5,直至達(dá)到最大迭代次數(shù),輸出最終最佳適應(yīng)度函數(shù)及最佳關(guān)鍵參數(shù)組合。

2.3 基于海洋捕獵者算法的采煤過程截割干涉方法

基于海洋捕獵者算法的采煤過程截割方法的具體實(shí)現(xiàn)流程如圖6所示。

圖6 改進(jìn)采煤過程截割干涉狀態(tài)檢測(cè)流程Fig.6 Flow of improved cutting interference state detection in coal mining process

3 仿真實(shí)驗(yàn)研究

經(jīng)上文分析與論述,在采煤過程截割干涉檢測(cè)方法中,液壓支架護(hù)幫板圖像增強(qiáng)部分性能對(duì)最終截割干涉狀態(tài)檢測(cè)的準(zhǔn)確性及可靠性影響顯著。本部分通過與基于機(jī)器視覺的采煤過程截割干涉檢測(cè)系統(tǒng)相對(duì)比,驗(yàn)證本文提出算法在此部分的改進(jìn)。

3.1 液壓支架護(hù)幫板圖像增強(qiáng)對(duì)比

本部分所采用的兩典型煤礦井下圖像如圖7所示,分別采用原方法與改進(jìn)方法對(duì)上述圖像進(jìn)行增強(qiáng),并采用圖像信息熵和圖像對(duì)比度兩指標(biāo),對(duì)所提出算法的性能進(jìn)行比較分析,增強(qiáng)后的圖像如圖8所示,評(píng)價(jià)指標(biāo)見表1,其中峰值信噪比(Peak Signal to Noise Ratio,PSNR[2])和結(jié)構(gòu)相似度(Structural Similarity Index Measure,SSIM[11])。

表1 圖像增強(qiáng)效果對(duì)比Table 1 Comparison of image enhancing effect

圖7 標(biāo)準(zhǔn)圖像Fig.7 Standard image

圖8 圖像增強(qiáng)效果對(duì)比Fig.8 Comparison of image enhancing effect

在圖8中,(a)和(c)為采用原混合圖像增強(qiáng)方法處理后的圖像,(b)和(d)為采用基于海洋捕獵者算法優(yōu)化混合圖像增強(qiáng)方法處理后的圖像。

3.2 液壓支架護(hù)幫板圖像增強(qiáng)分析

由圖8可以看出,采用基于海洋捕獵者算法優(yōu)化的混合圖像增強(qiáng)方法在保留關(guān)鍵結(jié)構(gòu)特征方面表現(xiàn)更為出色,采煤機(jī)機(jī)身及液壓支架結(jié)構(gòu)邊緣信息被保留的較為完整,且采煤機(jī)滾筒曲面及液壓支架立柱表面等部位的噪聲也被充分濾除。與之相比,原混合圖像增強(qiáng)方法處理后的圖像邊界被過度平滑,邊界特征與改進(jìn)方法相比不明顯。結(jié)合表1中數(shù)據(jù)可知,所提出的基于海洋捕獵者算法優(yōu)化的混合圖像增強(qiáng)方法能有效提升圖像的信息熵和對(duì)比度,與原圖像相比平均信息熵提升22.51%,對(duì)比度提升24.07%。且本文所提出的方法在信息熵、對(duì)比度、PSNR和SSIM均優(yōu)于原方法。因此,通過本次仿真實(shí)驗(yàn)證明,采用基于海洋捕獵者算法優(yōu)化的混合圖像增強(qiáng)方法能有效提升圖像質(zhì)量,為實(shí)現(xiàn)采煤過程中的截割干涉檢測(cè)奠定了充實(shí)基礎(chǔ)。

4 工業(yè)性試驗(yàn)

為充分驗(yàn)證基于海洋捕獵者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法的實(shí)際有效性,分別在河南三門峽耿村煤礦13230工作面和陜西銅川玉華煤礦2401工作面部署該截割干涉狀態(tài)檢測(cè)系統(tǒng),系統(tǒng)架構(gòu)如圖9所示。

圖9 工業(yè)試驗(yàn)系統(tǒng)架構(gòu)Fig.9 System architecture for industrial test

在本次工業(yè)性實(shí)驗(yàn)中,分別在河南三門峽耿村煤礦13230工作面和陜西銅川玉華煤礦1417工作面分別部署3臺(tái)礦用工業(yè)防爆相機(jī),進(jìn)行連續(xù)12刀截割作業(yè)的圖像數(shù)據(jù)記錄(記每刀截割過程中向左截割為“左”,向右截割為“右”),共記錄144次相機(jī)部署架截割干涉狀態(tài)檢測(cè)試驗(yàn)。同時(shí),采用原基于機(jī)器視覺的采煤過程截割干涉狀態(tài)檢測(cè)方法作為對(duì)照,記錄截割狀態(tài)檢測(cè)結(jié)果見表2。

表2 截割干涉狀態(tài)檢測(cè)結(jié)果Table 2 Results of cutting interference state detection

通過對(duì)比表2中數(shù)據(jù)可以得出,采用原基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法正確識(shí)別截割干涉狀態(tài)109次,識(shí)別準(zhǔn)確度為75.69%,而采用所提出方法正確識(shí)別截割狀態(tài)133次,識(shí)別準(zhǔn)確率為92.36%。工業(yè)試驗(yàn)結(jié)果表明,采用基于海洋捕獵者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法相比于原方法,其工業(yè)適應(yīng)性更強(qiáng),系統(tǒng)運(yùn)行更加穩(wěn)定,究其原因?yàn)樗岬乃惴ㄍㄟ^引入海洋捕獵者算法對(duì)原圖像增強(qiáng)部分5個(gè)關(guān)鍵參數(shù)的選擇進(jìn)行了優(yōu)化,有效提高了圖像質(zhì)量,保留了關(guān)鍵邊緣信息,為后續(xù)基于圖像處理的特征檢測(cè)與提取提供了更為可靠的圖像數(shù)據(jù)基礎(chǔ),因此在截割干涉檢測(cè)系統(tǒng)總體性能上得到了有效提升。

5 結(jié)語

綜采裝備的智能化水平高低是煤礦智能化水平的重要依據(jù)。液壓支架護(hù)幫板與采煤機(jī)滾筒之間發(fā)生截割干涉是綜采作業(yè)中常見的事故之一,嚴(yán)重影響了采煤作業(yè)中的設(shè)備安全,為綜采作業(yè)帶來了巨大的安全隱患?；谝延蟹椒ㄌ岢隽嘶诤Ｑ蟛东C者算法優(yōu)化的采煤過程截割干涉檢測(cè)方法,有效提升了以機(jī)器視覺為核心的截割檢測(cè)系統(tǒng)對(duì)不同環(huán)境的適應(yīng)能力,提高了系統(tǒng)穩(wěn)定性。仿真實(shí)驗(yàn)及工業(yè)性試驗(yàn)均表明,提出的優(yōu)化方法可以通過有效提升圖像質(zhì)量,進(jìn)而提升截割干涉狀態(tài)識(shí)別的準(zhǔn)確性,與原方法相比,截割檢測(cè)準(zhǔn)確性提升了16.67%,達(dá)到了92.36%,大幅度提升了基于機(jī)器視覺的采煤過程截割干涉檢測(cè)方法的工業(yè)可靠性,具有更強(qiáng)的工業(yè)應(yīng)用潛力。