基于機器視覺的運輸機溜槽堵塞檢測系統(tǒng)

劉克顏

(平頂山中選自控系統(tǒng)有限公司，河南 平頂山 467000)

選煤廠膠帶運輸機和刮板運輸機是物料運輸轉(zhuǎn)載的重要設(shè)備。然而，其卸料溜槽往往因為結(jié)構(gòu)組成、物料特性等多方面原因而發(fā)生堵塞[1-2]。堵塞發(fā)生后，控制系統(tǒng)若不能及時停車，輕則影響生產(chǎn)效率，重則停產(chǎn)，更會給后期的故障清理帶來巨大的麻煩。因此運輸機溜槽堵塞檢測的準(zhǔn)確性、及時性對選煤廠來說十分重要。

然而現(xiàn)有的溜槽堵塞檢測裝置，無外乎基于點、線、面的檢測原理。諸如傾斜開關(guān)、阻旋式料位開關(guān)、推門式位移開關(guān)以及光電對射開關(guān)等。在實際的工程應(yīng)用中，其檢測效果往往受限于安裝位置的準(zhǔn)確選擇。不少堵塞檢測裝置自安裝后始終不能發(fā)揮應(yīng)有的作用，有時即便發(fā)出了報警信息，也是在嚴重的堵塞故障之后。

針對以上現(xiàn)象，筆者所在的工作單位探索了一套基于機器視覺的運輸機溜槽堵塞檢測系統(tǒng)(以下簡稱“系統(tǒng)”)。

1 系統(tǒng)的組成

為了降低成本，系統(tǒng)的設(shè)計是基于一次性解決全廠所有運輸機溜槽堵塞檢測的需求(如圖1所示)。在每一個需要溜槽堵塞檢測的位置都部署1臺工業(yè)攝像機檢測單元，包括1個CCD相機和1個配套的輔助光源設(shè)備。CCD相機選用高信噪比工業(yè)相機，輔助光源設(shè)備用于環(huán)境光弱時自動補光。工業(yè)攝像機通過千兆光纖網(wǎng)絡(luò)連接到視覺處理服務(wù)器。視覺處理服務(wù)器的圖像處理系統(tǒng)可為每個檢測單元設(shè)定一段獨立的視覺處理程序。視覺處理系統(tǒng)可同時處理多路工業(yè)攝像機的實時圖像，基本可以滿足單個選煤廠的全部檢測需求。視覺處理系統(tǒng)最終還與生產(chǎn)控制系統(tǒng)和大屏監(jiān)控系統(tǒng)相連，用于輸出其報警信息。當(dāng)系統(tǒng)檢測并判定發(fā)生溜槽堵塞故障后，報警信息通過OPC數(shù)據(jù)接口傳導(dǎo)到生產(chǎn)控制系統(tǒng)；同時，還通過聯(lián)動視頻管理系統(tǒng)將現(xiàn)場即時視頻投射到集控室大屏上，以便集控操作人員及時掌握現(xiàn)場狀況，進行故障處理。

圖1 溜槽堵塞檢測裝置系統(tǒng)結(jié)構(gòu)示意

工業(yè)攝像機在現(xiàn)場的安裝位置要求正對溜槽口的斜上方(如圖2所示)。另外，為了輔助視頻圖像分析，需要在溜槽內(nèi)側(cè)壁的不同深度，用高亮油漆涂刷2條位置信標(biāo)L1、L2。位置信標(biāo)環(huán)繞在溜槽內(nèi)側(cè)壁的3面。在選擇溜槽攝像機的安裝位置時，還要確保膠帶運輸機(或刮板運輸機)在正常輸送物料時，都能捕捉到完整的位置信標(biāo)。

圖2 溜槽堵塞檢測裝置布置示意

2 系統(tǒng)工作原理

2.1 圖像處理[3-6]

當(dāng)前，圖像處理技術(shù)已相當(dāng)成熟，很多專業(yè)圖像處理軟件都能提供各種處理工具，包括圖像變換、濾波、邊緣檢測、直方圖、幾何變換和數(shù)學(xué)形態(tài)學(xué)處理等。系統(tǒng)的工作原理是通過分析運輸物料在溜槽口鋪陳的面積變化，以及特征信標(biāo)被物料覆蓋的情況，來判斷是否發(fā)生堵塞。其圖像處理過程大致如下：

(1)工業(yè)攝像機檢測單元安裝到合適位置后，拍攝多張正常輸送物料時的畫面，用于圖像處理并提取特征量基準(zhǔn)值。

(2)通過中值濾波，去除圖像噪聲。

(3)采用二值化方法，從圖像中分割出運輸物料鋪陳狀態(tài)以及L1、L2形態(tài)。

(4)對上述分割圖像，再次進行二值形態(tài)學(xué)濾波，平滑其邊緣。

(5)采用像素點統(tǒng)計方法，分別計算運輸物料鋪陳面積以及L1、L2信標(biāo)面積。

(6)通過對多張圖片重復(fù)上述處理過程，然后將取得的3個面積值分別加權(quán)平均作為運輸正常時的特征量基準(zhǔn)值。

2.2 故障的判定

在獲取了正常狀況時特征量基準(zhǔn)值之后，在視頻處理系統(tǒng)中導(dǎo)入檢測單元的實時圖像，然后按照上述圖像處理的過程和方法設(shè)定實時圖像的處理流程。實時圖像處理程序設(shè)定之后，系統(tǒng)會實時反饋運輸物料鋪陳面積以及L1、L2信標(biāo)面積。故障的判斷，就是基于實時面積值與基準(zhǔn)面積值的比較。

在實際的調(diào)試中設(shè)定：當(dāng)物料鋪陳面積超過基準(zhǔn)值10%，且信標(biāo)L1被覆蓋面積超過20%時，輸出報警信息；并通過視頻聯(lián)動，在集控室大屏投射現(xiàn)場畫面，由集控操作員決定是否需要生產(chǎn)停車。當(dāng)物料鋪陳面積超過基準(zhǔn)值20%，且信標(biāo)L1、L2被覆蓋面積超過50%時，直接生產(chǎn)停車。

3 總 結(jié)

近年來，基于機器視覺的工業(yè)化應(yīng)用急劇增長，國內(nèi)視頻巨頭紛紛推出智能產(chǎn)品，海康威視更是推出AI開放平臺，方便用戶應(yīng)用開發(fā)。然而對于選煤廠溜槽堵塞識別這樣的終端應(yīng)用來說，海康的AI平臺是基于大量的故障場景學(xué)習(xí)進行算法訓(xùn)練得以實現(xiàn)，可是溜槽堵塞具有場景的多變性和故障的少發(fā)性，因而短期內(nèi)取得應(yīng)用效果并非易事。本系統(tǒng)針對溜槽堵塞的檢測工作原理相對簡單，但在實際的調(diào)試過程中，也遇到不少問題，如光污染、環(huán)境污染以及冗長繁瑣的調(diào)試過程等。希望隨著智能視頻技術(shù)的發(fā)展，類似的終端應(yīng)用可以在視頻采集的前端由用戶自主設(shè)定完成。