基于視覺測量的電廠輸煤膠帶堆煤檢測

王健生，　郭鵬，　郝震，　郭璐

(1.安徽華電宿州發電有限公司， 安徽 宿州　234000；2.國網江蘇省電力公司 如東縣供電公司， 江蘇 如東　226400；3.中國移動通信集團江蘇有限公司 徐州分公司， 江蘇 徐州　221008；4.電子科技大學 計算機科學與工程學院， 四川 成都 　610000)

?

基于視覺測量的電廠輸煤膠帶堆煤檢測

王健生1，郭鵬2，郝震3，郭璐4

(1.安徽華電宿州發電有限公司， 安徽 宿州234000；2.國網江蘇省電力公司 如東縣供電公司， 江蘇 如東226400；3.中國移動通信集團江蘇有限公司 徐州分公司， 江蘇 徐州221008；4.電子科技大學 計算機科學與工程學院， 四川 成都 610000)

摘要：針對現有輸煤膠帶系統采用堆煤傳感器檢測膠帶堆煤狀態，存在誤報和摩擦生電等問題，提出了基于視覺測量的非接觸式膠帶堆煤檢測方法。該方法利用視覺檢測中的單目視覺技術構建小孔成像測距模型，實現了膠帶堆煤檢測。實驗結果表明，該方法具有實時性高、檢測效果好等優點，堆煤檢測準確性在95%左右，符合設計要求。

關鍵詞：電廠； 輸煤膠帶； 堆煤檢測;視覺測量； 單目視覺

網絡出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160803.1004.011.html

0　引言

帶式輸送機廣泛應用于發電廠輸煤系統，膠帶堆煤事故也越來越多。若膠帶發生堆煤而不及時處理將會帶來極大的安全隱患,造成巨額的經濟損失。如何安全、可靠地對膠帶堆煤故障進行檢測，對于保障發電廠安全生產具有重要的意義。目前，膠帶堆煤檢測主要采用堆煤傳感器，堆煤傳感器主要分為3類：基于行程開關的堆煤傳感器、基于水銀開關的堆煤傳感器、基于電極式原理的堆煤傳感器。上述3類傳感器都是屬于接觸式傳感器。該類傳感器容易產生機械摩擦，一方面會損壞設備，降低檢測精度，同時摩擦易引起電火花，對電廠輸煤系統的安全產生較大的隱患。

考慮到電廠輸煤的安全生產，并解決堆煤傳感器出現的問題，本文提出了基于視覺測量的非接觸式膠帶堆煤檢測方法。該方法利用機器視覺中的視覺測量技術檢測膠帶上的輸煤量，利用堆煤時設定的最低煤量來判定實際膠帶是否發生堆煤。實驗結果證明該方法具有較理想的檢測效果。

1　視覺測量技術

視覺測量技術出現于20世紀60年代，是一項以機器視覺為基礎的新型測量技術，其優點表現為精度較高、實時性較強、信息量較大和非接觸式測量[1]。隨著實現成本的降低和相關軟件、硬件性能的發展，視覺測量技術的優勢逐漸得以顯現，成為了解決工業生產過程中測量問題最有前途的技術。

視覺測量步驟[2]如圖1所示。① 創建符合實際的視頻測量系統，采集現場的視頻幀圖像。② 對攝像機進行標定,得到攝像機的內部和外部參數。③ 由于現場環境大多不太理想,易產生各種噪聲，基于對視頻幀圖像的質量考慮，必須對視頻幀圖像進行預處理操作，如圖像濾噪、圖像增強、幾何畸變的矯正等。④ 對預處理后的圖像進行分割，即對特征目標的檢測，根據實際的需求，對所需的特征目標進行分割。⑤ 實現圖像特征提取，如點特征、線特征、輪廓特征和形狀特征等。⑥ 根據圖像的屬性和結構描述，對測量結果進行分析判斷，實現對空間幾何參數值的測量或三維坐標的測量。⑦ 輸出結果，包括結果的顯示、存儲和打印。

圖1　視覺測量步驟

2　膠帶堆煤檢測基礎

基于視覺測量的膠帶堆煤檢測方法的檢測基礎部分分為圖像輸入、攝像機標定和圖像預處理。

2.1圖像輸入

首先從電廠輸煤系統監控畫面調取膠帶輸煤實時視頻畫面，完成視頻圖像的采集輸入。

2.2攝像機標定

使用視覺測量技術實現膠帶堆煤現象的檢測，必須要得到物體表面的實際位置和圖像表面位置的相互關系參數，即攝像機成像模型參數，實際中通過對攝像機的標定求得攝像機的成像模型參數。本文的攝像機標定選用張氏標定法。張氏標定法是一種基于平面模板的標定法[3]，操作比較簡單,魯棒性較好,且精度較高。張氏標定法流程如圖2所示。

圖2　張氏標定法流程

(1) 檢測角點的坐標。開始在視頻幀圖像中選取角點的有效范圍，讓所有的角點在這個有效范圍內。然后在這個有限范圍內選擇Harris角點檢測[4]算法獲得所有滿足條件的候選點坐標，之后利用已知的限制條件[5]在檢測出的候選點中篩選出亞像素精度的坐標點，如圖3所示。

圖3角點坐標檢測結果

(2) 計算內外參數。有效范圍內角點的世界坐標可以表示為[Xw,Yw,0]T，成像點坐標為(u,v),由攝像機成像坐標關系可得

(1)

(2)

式中：λ為比例系數；α,β,γ與攝像機的內部參數有關。

由式(2)得出K的內部參數后，可求取其外部參數：

(3)

為了得到最佳結果，選擇最大似然估計優化方法對求得的初始參數進行處理。再使用Levenberg-Marquardt算法優化初始量，最終獲得所求理想參數值。

(3) 畸變系數的計算。以上都是理想狀況下對基于攝像機線性成像模型的計算，但是在實際狀況下,會存在非線性畸變，尤其是徑向畸變。因一階系數的徑向畸變在攝像機的非線性模型中占主導地位，在線性攝像機模型下，假設某空間理想成像點的坐標為(u,v)，成像點以物理量為單位在像平面上的坐標為(X,Y)，而考慮畸變情況下成像點的坐標為(u',v')，由此可得

(4)

式中k1,k2為徑向畸變參數。

選擇Levenberg-Marquardt算法對結果進行優化，獲得最終參數。

2.3圖像預處理

由于采集的視頻圖像存在光照不均、對比度低及背景噪聲較大等不足，直接處理無法取得理想的效果，本文利用圖像增強中的同態濾波對視頻圖像進行了去噪處理，以便于對圖像進行提取、檢測和識別，為下一節的膠帶堆煤檢測提供了保障。

3　基于單目視覺的膠帶堆煤檢測

視覺測距[6]主要包括基于單目視覺的測距和基于立體視覺的測距。單目視覺測量只需1臺攝像機拍攝圖像，即可實現對圖像的測量。單目視覺多用于測量范圍較小和場景先驗信息較多的場合。單目視覺測量能夠滿足某些應用場景實際測量的要求，是一種比較實用的技術。本文使用單目視覺測量技術[7]實現對帶式輸送機煤流寬度的測量，進而實現對膠帶堆煤的檢測。

基于單目視覺的測量方法主要包括幾何光學測量法、結構光測量法、幾何形狀約束法和幾何相似法等[8]。本文選用幾何相似法的小孔成像測距模型進行檢測。

通過對電廠輸煤膠帶系統現場環境的觀察，煤流在膠帶上的圖像呈現二維平面，難以直接測量攝像機到煤流的距離，故而轉為測量其他量來確定膠帶是否堆煤。選定帶式輸送機膠帶寬度作為單目視覺的參考量，根據現場數據建立煤流寬度和煤量的對應關系，通過建立小孔成像測距模型來測量煤流在膠帶上的寬度，并由煤流的寬度計算出所對應的煤量，根據堆煤煤量設定值判別膠帶是否堆煤，實現膠帶堆煤檢測。根據視覺測量的原理，如果保持視網膜上的視像尺寸，則物體距離和物體大小之間的比值保持不變，即

(5)

式中：e為視網膜上的視像尺寸；s為物體大小；d為物體距離。

根據式(5)，可以用小孔成像模型來描述帶式輸送機的視覺測距模型。本文中帶式輸送機監測系統的膠帶寬度L固定為1 m，攝像機在系統中的位置是固定的，膠帶在像平面的寬度G固定不變，設煤流在膠帶上的寬度為l，煤流在像平面上呈現的寬度為g，利用小孔成像原理，建立小孔成像模型，如圖4所示。

圖4　小孔成像模型

根據建立的小孔成像模型，得到比例關系：

(6)

膠帶在像平面上的寬度G和煤流在像平面上的寬度g等于對應的像素值之比，即

(7)

式中：Q為膠帶在像平面上的寬度像素值；q為煤流在像平面上的寬度像素值。

由于膠帶寬度L固定不變，則煤流的實際寬度l為

(8)

根據建立的小孔成像模型計算得出膠帶上煤流的實際寬度，利用測出的寬度求出其對應的煤量。為了得到煤流寬度與煤量的對應函數關系，在某電廠帶式輸送機系統現場環境下，通過實驗記錄煤流實際寬度與對應煤量值數據，統計煤流長度為10 cm，統計數據見表1。

表1　煤流實際寬度與煤量值統計數據

通過Maltab軟件對表1中數據進行處理與分析，得出實驗數據的相關性曲線，如圖5所示。

圖5　煤流寬度與煤量相關曲線

由圖5可以看出，膠帶煤流實際寬度與對應煤量呈正比關系，隨著煤流寬度的增加，對應的煤量增加越來越大。根據某電廠輸煤現場帶式輸送機實際使用情況，當輸送機上煤量大于設定閾值時，則判定為膠帶過載，即將發生堆煤，系統發生堆煤異常報警，提醒操作人員進行處理。

4　實驗與分析

通過實驗驗證該方法檢測的準確性。實驗是在PC機上使用Matlab 2010a進行編程實現。基于單目視覺小孔成像測距模型，利用膠帶在攝像機像平面位置固定不變的特點，選擇170×50像素值大小作為檢測區域，通過檢測該區域內膠帶寬度的像素均值和煤流寬度的像素均值，利用建立的小孔成像模型計算出煤流的實際寬度，利用發生堆煤的最小煤量值對應的臨界煤流寬度判斷出膠帶是否發生堆煤。檢測效果如圖6所示。

(a)原始視頻幀圖像(b)提取出的檢測膠帶區域(c)檢測到的膠帶上的堆煤

圖6有煤時的煤流檢測效果

根據文中設定的堆煤煤流寬度的最小值設定臨界堆煤寬度，圖6檢測的煤流寬度為61 cm，小于臨界堆煤寬度85 cm，故沒有發生堆煤，膠帶正常。

煤流寬度檢測結果如圖7所示。圖7(a)經過處理后，選擇圖7(b)中區域進行煤流寬度的檢測，通過實驗，得到煤流寬度為68 cm，小于臨界堆煤寬度85 cm，故輸送機處于正常輸煤狀態。

通過大量的實驗結果分析可知，利用單目視覺技術檢測膠帶堆煤的準確性在95%左右，基本符合設計的要求。

(a)帶式輸送機視頻幀圖像(b)區域煤流寬度檢測

圖7煤流寬度檢測結果

5　結語

基于視覺測量的電廠輸煤膠帶堆煤檢測方法利用單目視覺測量技術實現對帶式輸送機煤流寬度的測量，進而實現對膠帶堆煤狀態的檢測。實驗結果表明，該方法能夠滿足電廠輸煤系統現場安全的實時性要求，對膠帶堆煤的識別具有較好的檢測效果，準確性在95%左右。該方法具有實時性高、檢測效果好、實用性較強等特點。

參考文獻：

[1]張學武,范新南.視覺檢測技術及智能計算[M].北京:電子工業出版社,2007:1-13.

[2]遲健男.視覺測量技術[M].北京:電子工業出版社,2007:16-27.

[3]ZHANG Zhengyou.A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[4]HARRIS C G, STEPHENS M J. A combined corner and edge detector[C]//Proceedings Fourth Alvey Vision Conference, Manchester, 1988:147-151.

[5]HA J E. Automatic detection of chessboard and its applications[J]. Optical Engineering, 2009,48(6):067205.

[6]孫鈾.基于單目視覺測距的車輛自動剎車輔助系統設計[J].計算機測量與控制，2014,22(7): 2256-2258.

[7]楊鑫，馬斌，王健生，等．基于單目視覺的礦井機車障礙物檢測和測距方法[J].工礦自動化,2014,40(11):96-99.

[8]陳勇,陳瑤.基于單目視覺的前方車輛距離計算方法研究[J].機電工程,2014,31(11):1499-1504.

文章編號：1671-251X(2016)08-0043-05

DOI:10.13272/j.issn.1671-251x.2016.08.011

收稿日期：2015-12-20；修回日期：2016-06-08；責任編輯：張強。

作者簡介：王健生(1988-)，男,江蘇泰州人，助理工程師,碩士，現主要從事電氣自動控制方面的工作，E-mail:wangjiansheng1006@163.com。

中圖分類號：TD528

文獻標志碼：A網絡出版時間：2016-08-03 10:04

Coal piling detection of coal transport belt of power plant based on vision measurement

WANG Jiansheng1，GUO Peng2，HAO Zhen3，GUO Lu4

(1.Anhui Huadian Suzhou Power Generation Co., Ltd.， Suzhou 234000，China；2.Rudong Country Electric Power Supply Company, State Grid Jiangsu Electric Power Supply Company，Rudong 226400， China； 3.Xuzhou Branch, China Mobile Communications Group Jiangsu Co., Ltd.， Xuzhou 221008， China； 4.School of Computer Science and Engineering，University of Electronic Science and Technology of China, Chengdu 610000， China)

Abstract：In view of problems of false alarming and triboelectrification existed in existing coal conveying belt system with coal piling sensor to detect state of coal piling of belt, a non-contact detection method of coal piling of belt based on vision measurement was proposed. The method uses monocular vision technology in visual inspection to construct small hole imaging model, and can measure coal piling of belt. The experimental results show that the method has advantages of high real-time property and good detection effect with detection accuracy of about 95%, which complies with design requirements.

Key words:power plant; coal transport belt; coal piling detection; vision measurement; monocular vision

王健生，郭鵬，郝震，等.基于視覺測量的電廠輸煤膠帶堆煤檢測[J].工礦自動化，2016,42(8)：43-47.