张 舒 叶 涛 陈 云

武汉理工大学机电工程学院 武汉 430070

0 引言

带式输送机在矿山运输系统中起着重要的作用，大量运用于散料转载系统[1]，其具有运量大、速度高、可持续运输等特点[2]。然而输送带的击穿、表面划伤、破损等损伤导致输送带撕裂，带来断带风险，制约着煤炭生产的效率，其严重后果直接影响着安全生产，甚至威胁着井下工人的人身安全[3]，故输送带的损伤检测成为了亟待解决的问题。

目前国内外对输送带撕裂的检测方法较多，主要可分为人工检测和自动检测。人工检测方法属于静态检测方法，受个人经验的影响较大，且因输送带距离长，导致人工检测工作量大，无法实现智能化发展。自动化检测方法种类繁多，近年来基于机器视觉的输送带损伤检测方法使用更为广泛[4-6]。周宇杰等[7]改进了PANet 的部分路径融合网络，增加与浅层特征层的融合，提高了模型对特征提取的能力，提高了检测准确度；生鹏飞[8]提出基于区域卷积神经网络对特征提取模块和特征融合方式进行改进，改进轻量化区域卷积神经网络，实现了快速识别破损目标并提高了微小破损的学习能力；李飞[9]在YOLOv4 算法中嵌入混合域注意力机制ECSNet 的Mobilenetv3，构建轻量化集成网络模型，定制化搭建FPGA 硬件加速结构，开发了输送带纵向撕裂智能监测系统；Li X G 等[10]提出了一种基于激光的在线机器视觉检测方法，利用可见光CMOS 相机捕捉传送带图像，然后进行分析判断传送带表面是否有裂缝；……