基于机器视觉的输送带跑偏故障在线检测方法

1.基于机器视觉的输送带跑偏故障在线检测方法，其特征在于：该方法包括如下步骤：
步骤1，利用线阵CCD相机采集输送带的运行图像；
步骤2，对步骤1采集的一帧输送带图像进行二值化处理，得到二值图像，记为b(i，j)；
所述的二值化处理，具体包括如下步骤：
(1)分别计算 和 其中
f(i，j)，i(2)计算
(3)计算阈值T=max(mf，muv)；
(4)根据步骤(3)计算得到的二值化阈值T，对输送带图像进行二值化处理，得到输送带的二值图像，其表达式为
步骤3，利用步骤2得到的二值图像，计算一维故障特征函数
步骤4，利用步骤3得到的一维故障特征函数g(i)，计算输送带的跑偏角和偏移量；
所述的跑偏角的计算公式为β＝90°-|atan(k)|，其中k为对函数g(i)中输送带与背景的分界线进行线性拟合后的斜率；
所述的偏移量的计算公式为d=|d1-d2|，其中，d1是输送带左边缘与图像左边缘的距离，d2是输送带右边缘与图像右边缘的距离；
步骤5，根据步骤4计算得到的输送带的跑偏角和偏移量进行输送带跑偏故障识别。
2.根据权利要求1所述的基于机器视觉的输送带跑偏故障在线检测方法，其特征在于，所述的步骤1中，线阵CCD相机的输出为数字图像。
3.根据权利要求1所述的基于机器视觉的输送带跑偏故障在线检测方法，其特征在于，所述的步骤5中，跑偏故障识别，其识别准则为：跑偏角或偏移量大于允许值；跑偏角的允许值通常为5°，偏移量的允许值通常为输送带宽度的10％。

基于机器视觉的输送带跑偏故障在线检测方法\n技术领域\n[0001] 本发明涉及一种输送带跑偏检测方法，具体地涉及一种基于机器视觉的输送带跑偏故障在线检测方法，属于设备状态监测领域。\n背景技术\n[0002] 带式输送机广泛应用于煤炭、矿山、港口码头、化工、冶金、电力等行业，运行过程中输送带容易跑偏，不仅影响企业正常生产，严重时还会造成生产事故。现有的纠偏方法主要有：人工式、机械式和光电式等方法。人工方法的劳动强度大；机械式纠偏设备成本低，但精度差；而光电式纠偏设备精度高、纠偏效果好，但制造成本高。\n[0003] 机器视觉技术具有自动化、智能化、高精度和非接触的特点，利用机器视觉技术对输送带跑偏故障进行检测不仅可以降低人工检测的劳动强度，提高企业的自动化水平，还可及早发现输送带的潜在故障，提高故障检测的效率和精度，有助于输送机的安全可靠运行和实现企业减人增效的目的。虽然输送带运行状态的视觉监测已经取得一定成果，但目前的研究多停留在实验室研究阶段，许多关键性问题还有待解决，其中，从运行图像中检测输送带的跑偏故障就是一个有待突破的关键技术。\n发明内容\n[0004] 本发明的目的是为了解决机器视觉识别输送带跑偏的技术问题，提供一种基于机器视觉的输送带跑偏故障在线检测方法。\n[0005] 本发明的基于机器视觉的输送带跑偏故障在线检测方法，具体包括如下步骤：\n[0006] 步骤1，利用线阵CCD相机采集输送带的运行图像；\n[0007] 步骤2，对步骤1采集的一帧输送带图像进行二值化处理，得到二值图像，记为b(i，j)；\n[0008] 步骤3，利用步骤2得到的二值图像，计算一维故障特征函数\n[0009] 步骤4，利用步骤3得到的一维故障特征函数g(i)，计算输送带的跑偏角和偏移量；\n[0010] 步骤5，根据步骤4计算得到的输送带的跑偏角和偏移量进行输送带跑偏故障识别。\n[0011] 有益效果\n[0012] 本发明的方法能够从输送带图像中自动检测输送带的跑偏故障，可以代替人工来监测输送带的运行状态。对于像素为2048×1024的图像，本发明的方法每秒钟能够完成20帧图像的处理和跑偏故障识别，可以实现输送带跑偏故障的在线监测。另外，本发明的输送带跑偏检测方法具有自适应性，能够适应光照条件的变化。\n附图说明\n[0013] 图1为本发明的基于机器视觉的输送带跑偏检测方法流程图；\n[0014] 图2为本发明的具体实施方式中的一帧输送带图像；\n[0015] 图3为本发明的具体实施方式中图2所示图像的二值图像；\n[0016] 图4为本发明的具体实施方式中提取的一维故障特征函数。\n具体实施方式\n[0017] 为了更好的说明本发明的目的和优点，下面结合附图和实施例对本发明作进一步的详细说明。\n[0018] 一种基于机器视觉的输送带跑偏故障在线检测方法，其总体技术方案如图1所示，具体包括如下步骤：\n[0019] 步骤1，利用线阵CCD相机采集输送带的运行图像；\n[0020] 所述的线阵CCD相机，其输出为数字图像；\n[0021] 步骤2，对步骤1采集的一帧输送带数字图像进行二值化处理，得到二值图像，记为b(i，j)；\n[0022] 所述的图像二值化处理可以采用但不局限于如下方法，具体包括如下步骤：\n[0023] (1)分别计算 和 其\n中f(i，j)，i＜M，j＜N表示输送带数字图像；\n[0024] (2)计算\n[0025] (3)计算阈值T＝max(mf，muv)；\n[0026] (4)根据步骤(3)计算得到的二值化阈值T，对输送带图像进行二值化处理，得到输送带的二值图像，其表达式为\n[0027] \n[0028] 步骤3，利用步骤2得到的二值图像，计算一维故障特征函数\n[0029] 步骤4，利用步骤3得到的一维故障特征函数g(i)，计算输送带的跑偏角和偏移量；\n[0030] 所述的跑偏角的计算公式为β＝90°-|atan(k)|，其中k为对函数g(i)中输送带与背景的分界线进行线性拟合后的斜率；\n[0031] 所述的偏移量的计算公式为d＝|d1-d2|，其中，d1是输送带左边缘与图像左边缘的距离，d2是输送带右边缘与图像右边缘的距离。\n[0032] 步骤5，根据步骤4计算得到的输送带的跑偏角和偏移量进行输送带跑偏故障识别。\n[0033] 所述的跑偏故障识别，其识别准则为：跑偏角或偏移量大于允许值；跑偏角的允许值通常为5°，偏移量的允许值通常为输送带宽度的10％，跑偏角和偏移量的允许值也可以根据输送带应用的具体场合而定。\n[0034] 为验证本发明所述方法的有效性，本具体实施方式给出了一个实施例。\n[0035] 实施例1：\n[0036] 图2为本实施例的输送带图像，其中输送带宽度为237个像素。图2所示的输送带图像经二值化处理后的二值图像如图3所示。从图3二值图像中提取的一维故障特征函数如图4所示。经计算得到的左侧、右侧的跑偏角分别为3.64°和3.39°，偏移量为105。\n假设跑偏角的允许值是5°，偏移量的允许值为输送带宽度的10％，那么就可判断出图2的输送带发生了跑偏。\n[0037] 以上所述的具体描述，是对发明的目的、技术方案和有益效果进行的进一步详细说明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。