陳曉鵬
(山西正光招標有限責任公司, 山西 介休 032000)
皮帶輸送機具有運輸量大、作業連續、運輸距離長等優點,但是受到作業位置環境惡劣、煤炭運輸載荷重及運輸距離長等因素制約,皮帶輸送機在使用過程中容易出現皮帶跑偏、過載問題[1-2]。因此,在皮帶輸送機運行過程中需要對皮帶跑偏及輸煤量進行測定,提高皮帶輸送機運行安全保障能力及能耗[3]。現階段,常使用接觸式傳感器對輸煤量及皮帶跑偏進行檢測。接觸式傳感器長時間使用時會存在磨耗嚴重、實時性差及準確率低等問題。近年來,隨著計算機技術的不斷發展,圖像識別技術在工礦領域中的應用逐漸廣泛,將圖像識別技術應用到皮帶輸送機輸煤量及皮帶跑偏檢測中,可在一定程度上提升皮帶輸送機運行保障能力[4-7]。為此,本文就圖像識別技術在皮帶輸送機輸煤量和皮帶跑偏檢測中的應用進行分析探討,以期能在一定程度上提升皮帶輸送機運行安全、可靠性保障能力。
皮帶輸送機輸煤量和皮帶跑偏檢測系統結構如圖1 所示,系統涉及的設備主要包括控制計算機、圖像識別軟件、高清防爆攝像機及信息通信光纜等。在皮帶輸送機斜上方位置布置高清攝像機,實時獲取皮帶輸送機運行畫面。通過控制計算機內置的圖像識別軟件,對每幀畫面圖像進行分析,從而確定達到皮帶輸送機運輸煤量并通過連續對比每幀畫面中皮帶位置實現跑偏檢測。具體輸煤量和皮帶跑偏檢測原理如圖2 所示。

圖1 皮帶輸送機輸煤量和皮帶跑偏檢測系統結構

圖2 皮帶輸送機輸煤量和皮帶跑偏檢測原理
圖像識別技術在皮帶輸送機輸煤量和皮帶跑偏檢測中分為兩個階段,分別包括離線訓練、在線檢測,其中離線訓練階段首先需要對高清防爆攝像機獲取到的圖像進行灰度化、中值濾波、提取感興趣區(ROI)等處理;預處理完成后的圖像構成測試、訓練數據集,并進行MT-CNN 訓練;在線檢測階段,通過訓練好的MT-CNN 對獲取到的皮帶輸送機運輸圖像進行識別分析,從而實現輸送機運輸量及皮帶跑偏檢測。
皮帶輸送機輸煤量和跑偏圖像先經過灰度化、中值濾波、提取感興趣區(ROI)等處理,后續識別是通過MT-CNN 實現;在使用MT-CNN 對圖像識別過程中關鍵操作為進行訓練,具體識別流程如下:
1)先通過高清防爆攝像機獲取到皮帶輸送機在不同時間、不同環境下的視頻圖像,再對圖像進行預處理后獲取得到提取感興趣區(ROI)。
2)從感興趣區(ROI)中分別獲取輸煤量、皮帶等各種情況下若干圖像,構成皮帶輸送機圖像識別處理樣本集。
3)按照輸煤量標簽(表1)、皮帶跑偏標簽值(表2)對輸送帶圖像標注標簽值y,即為y=[y1、y2、y3、y4、y5、y6、y7]T。

表1 輸煤量標簽

表2 皮帶跑偏標簽
4)在皮帶輸送機樣本集中包含有皮帶輸送機不同工況下的圖像,在訓練時各取M1張圖像,具體獲取構建的訓練數據集中共計7M1張圖像;再從樣本集剩余的圖像中提取輸煤量、皮帶跑偏圖像各M2張,共計提取2M2張圖像構成測試數據集。依據現有的研究成果對MT-CNN 進行訓練。訓練后對皮帶輸送機輸煤量、皮帶跑偏情況進行檢測。
山西某礦生產的原煤采用皮帶輸送機運輸,具體運輸系統有井下皮帶輸送機運輸系統、地面皮帶輸送機運輸系統、選煤廠皮帶輸送機運輸系統。考慮到系統布置難度,將本文所提及的圖像識別技術應用到地面皮帶輸送機運輸系統運煤量、皮帶跑偏檢測中。
現場共計布置6 臺高清防爆攝像機,攝像機獲取到的圖像通過工業以太網實時傳輸給地面集中監控中心,監控中心內的監測主機可將檢測結果在顯示屏上實時顯示,具體如圖3 所示。監控顯示屏上用英文字母表達輸煤量、皮帶跑偏檢測結果,其中N表示無輸煤量、L 表示小輸煤量、M 表示中輸煤量、H表示高輸煤量、N 表示皮帶無跑偏、L 表示皮帶左跑偏、R 表示皮帶右跑偏。

圖3 圖像識別技術現場應用效果
從圖3 中可以看出,圖像識別技術獲取到的輸煤量、皮帶跑偏檢測結果與現場實際結果一致,由此表明,本文所提及的圖像識別技術可滿足皮帶輸送機現場檢測需要。
皮帶輸送機是礦井常用運輸設備之一,確保皮帶輸送機可靠、高效運行對提升礦井生產、運輸效率等均有顯著的促進意義。現階段通過布置各類傳感器對皮帶輸送機運行情況進行檢測,其中輸煤量是通過電子秤實現在線檢測;輸送帶跑偏時通過跑偏傳感器實現,采用此種檢測方式雖然可滿足生產需要,但是現場需要布置PLC、通信線纜等,整個結構較為復雜,同時傳感器在使用過程中容易受外界環境影響,從而導致檢測效率較低。
本文提出將圖像識別技術應用到皮帶輸送機輸煤量及皮帶跑偏檢測中,使用高清防爆攝像機獲取皮帶輸送機運輸圖像,并通過訓練完成的MT-CNN對圖像進行識別及分析,從而確定皮帶輸送機輸煤量及皮帶跑偏情況。現場應用后,圖像識別技術可實現輸煤量、皮帶跑偏情況精準檢測,取得較好應用成果。