姬展鸿

(山西汾西矿业(集团)有限责任公司 高阳煤矿， 山西 吕梁 032300)

在煤矿井下原煤运输过程中，常发生铁器、大块煤矸石、杂木等划伤料带、堵塞传送口的事故。为有效剔除原煤中的异物，需要在输送过程中进行检测、分拣。尽管目前已有多种检测方式，但普遍存在识别率低、检测效率不高以及运行不稳定等状况。其中，帧间差分法缺点是无法应对光照的突变，物体间一般具有空洞，对运动目标检测易受光照、阴影等影响；背景差分法容易受动态背景、光线变化、摄像头抖动等因素的影响,对背景的实时更新和场景中的光线明显变化等情况不能较好的处理，算法在遭遇输入、运算等异常时继续正常运行的能力差。而采用光流法能够将物体独立的检测出来，不需要摄像机提供其他信息，但是在大多数情况下，光流法较耗时、计算复杂，且抗噪声能力差，只有在特殊的硬件支持下，才能够实现实时检测，其实时性和实用性也较差[1-4].

基于机器视觉的大块异物识别在线监测系统为实现原料中的异物分拣提供了一种新的解决方案。采用智能机器视觉分析技术，通过算法软件在皮带运输机转载点落料仓的实时画面中设置检测区域，当有满足预设条件的异物出现在皮带运输系统中，从采集的视频图像中检测运动目标[2]，系统自动识别记录报警信息并同步语音提醒相关人员。

1 系统整体架构设计

基于机器视觉的大块异物识别在线监测系统由现场硬件部分和后台软件分析系统组成，属于基于视觉的皮带运输保护系统的一部分，与皮带撕裂监测、皮带堆煤监测等在线监测系统共享部分软硬件设备，提高资源利用率。整个系统是基于网络的联网平台，能够自动分析前端监测到的异常情况，对特定的皮带监控区域出现的异常情况进行判断分析,并甄别和报警[3]，控制皮带动作，工作人员可对其进行统一集中调控，系统的物理拓扑图见图1.

图1 系统物理拓扑图

1.1 现场硬件组成

现场硬件部分由3部分组成：系统传感器部分，数据传输与处理部分，报警控制部分。

1) 系统传感器部分。

系统传感器部分由各工作单位的检测摄像机组成。考虑到生产现场环境相对恶劣，输送带处于长期不间断的工作状态，要求相机性能稳定，能够保证长时间工作状态。安装时，使相机与输送带的中线位置对齐，调整相机和输送带间的距离，使相机视野范围能够覆盖整个输送带宽度，兼顾安全实用和维护方便性。同时由于煤矿井下运输巷落料点粉尘较多、光照条件差，为保持较好的图像获取质量，采用红外低照度矿用隔爆自清洁高清摄像机。该摄像机采用高硼硅玻璃旋转式透明筒防尘装置,透明玻璃圆筒旋转时，视觉设备保持静止，镜头视野不受旋转圆筒的影响,玻璃圆筒旋转的同时，毛刷辊也随之旋转，对镜头表面进行清扫防止积尘。在摄像机安装位置附近加装LED补光灯，用于对缺乏光照度的摄像仪进行灯光补偿，便于获得高清晰高质量的图像。

2) 数据传输与处理部分。

3) 报警控制部分。

报警控制部分包括报警器、工控机(专用控制板卡PCI1761)等设备。

1.2 后台软件分析系统

后台软件分析系统主要包括：

1) 数据处理计算机上的实时图像处理软件平台与后台算法服务程序。

2) 数据存储与管理服务器上的异常信息数据库、实时预览与故障信息管理平台、报警及皮带控制程序。

2 图像处理算法框架与实现

大块异物识别的图像处理算法是基于建立背景模型后进行的前景背景差分来获取图像中的运动目标，从而提取煤流中的大块异物。处理算法框架图见图2.

图2 处理算法框架图

算法开始运行后，第一步提前读取一张正常皮带煤流图，建立初始背景模型；读取下一帧图像，通过差分法分离前景运动目标；根据前景目标与背景的灰度差异剔除干扰因素；进行膨胀运算优化目标轮廓，获取目标区域；同时更新背景模型[4].

而现在的我们再打开王维的画卷时，也仿佛能看见他邀请我们到雪溪畔汲泉，到空山赏月，在白雪皑皑的远村小憩，在温暖的窗前看到一朵花。

算法的主要特点：

1) 通过前景背景的灰度差异进行运动目标的检测。2) 通过面积阈值剔除一些凌乱的杂质像素点目标(煤流)的干扰。3) 通过特定异物的特征分析来帮助判定异物。

皮带大块异物识别核心算法：

1) 采用正样本和负样本检测的两种方式并行，对于正样本检测在皮带传输日常运行的情况下，通过表征学习提取正常的传送物体的图像特征，当特征向量距离相差过大时，产生正样本预警信息；对于负样本检测预先定义已知的检测目标特征，通过机器学习的方式对待检测目标建模，与实施采集图像匹配，当检测到负样本信息时，产生负样本预警信息。两种预警信息通过权重关联，共同实现皮带上异物的检测与报警。皮带异物检测算法流程图见图3.

图3 皮带异物检测算法流程图

2) 皮带大块异物识别装置中的视频智能安全监测平台在视频智能分析GPU服务器的帮助下完成对传送过来的视频流进行大块异物识别检测，判断视频流中是否存在大块异物，如果视频安全分析软件发现目标图像范围超过了特定阈值则目标会被确定为大块异物，此时则根据图像中大块异物在最下行中间像素点坐标值来确定异物所在位置，并将检测结果进行输出以供查看[5]. 皮带异物检测效果见图4.

图4 皮带异物检测效果示意图

3 主要功能与技术指标

1) 检测摄像头的实时预览，预览延迟低于1 s.

2) 皮带煤流的大块异物在线监测，检测效率不低于10帧/s.

3) 异常信息实时报警,报警转发延迟不超过3 s，同时联动声音设置。

4) 报警信息数据库的存储和调用查看，支持年/月/日等不同时间维度的统计。

5) 报警器与皮带控制器协同控制。

4 在线监测系统的实践应用

基于机器视觉的大块异物识别在线监测系统现已在山西焦煤汾西矿业高阳煤矿进行了实践应用。在该矿三采集中皮带输送机与主井皮带输送机搭接点处，低硫煤库、高硫煤库与201主井皮带输送机搭接点处，分别安装大块异物识别装置和堆煤识别装置。

1) 在皮带搭接点、落料点合适距离处安装大块异物识别装置，当胶带上运送物料图像超过350 mm×350 mm后，大块异物识别装置识别并报警给出控制停机信号，设备闭锁停机。

2) 在皮带搭接点处安装皮带撕裂检测摄像机与机械皮带纵向防撕裂保护装置，皮带纵向撕裂图像检测方式为主检测方式，机械皮带纵向防撕裂保护检测方式为辅助检测方式。当皮带在落料点因利器划伤撕裂，皮带纵向撕裂视频分析软件立即检测出撕裂状况，并报警和给出控制停机信号，设备闭锁停机。如果皮带纵向撕裂视频分析软件发生漏检现象，机械皮带纵向防撕裂保护装置也能够检测出撕裂状况。

3) 在皮带搭接点、落料点处安装堆煤识别装置。当发生堆煤情况，堆煤识别装置识别并报警给出控制停机信号，设备闭锁停机。

4) 在线监测系统的识别装置具备自动清洁功能来保持设备长期稳定运行。

5) 构建了视频安全分析软件，实现高清相机的接入，对接入的视频进行智能分析，进行运输皮带上的异物检测、堆煤状况的检测，同时将检测的异常事件上报到视频智能安全监测平台，实现对整个系统的设备管理、安全分析软件的接入、安全预警客户端的接入、数据的存储、统计分析、安全事件的实时转发等。

5 总 结

基于机器视觉的大块异物识别在线监测系统基于机器视觉的途径，通过图像处理算法的设计与处理，可以实现对皮带煤流中大块异物的识别与预警。通过报警同步语音提醒相关人员及时处理，减轻工人工作强度，提升了生产效率。