皮帶撕裂智能監測終端在電廠輸煤皮帶機的應用研究

黃志平

（國能常州發電有限公司，江蘇 常州 213000）

1 背景與意義

皮帶運輸機是電廠輸煤系統的主要設備。隨著生產效率提高，皮帶運輸機在運行速度、使用規模和傳輸距離等方面不斷提高。運輸過程中極易出現穿刺、磨損、卡壓皮帶情況，造成皮帶的損傷和撕裂。運行中皮帶如果發生撕裂，不能及時處理，將形成安全生產隱患，造成嚴重后果。

皮帶主要材料為橡膠，因為輸送速度和長度的提高，輸送皮帶機中普遍使用鋼繩芯皮帶，橫向抗拉強度和承載能力顯著提高，但縱向抗撕裂強度沒有顯著提高。皮帶縱向撕裂是皮帶運輸機面臨的重要問題。

皮帶運輸機發生縱向撕裂分為：（1）皮帶跑偏撕裂。（2）抽芯撕裂。（3）異物劃傷撕裂。（4）物料卡壓撕裂。帶式運輸機運行速度普遍較高，速度可達3～5m/s，帶動電機功率較大，在皮帶發生撕裂以后，沒有及時處理，會導致皮帶運輸機發生貫穿性撕裂。嚴重時，造成物料傾灑、損毀減速器和電動機等設備，甚至會損毀機架結構，威脅企業生產和員工人身安全。

2 機器視覺系統技術概要

為了彌補皮帶運輸機多數依靠老式檢測裝置或單純依靠人工定期巡檢作為皮帶撕裂檢測手段而出現漏檢、發現不及時等情況。使用機器視覺技術輔助以激光為結構光在皮帶撕裂處造像與智能監測終端組成的視覺系統對皮帶進行檢測。

2.1 皮帶撕裂檢測系統的使用條件

撕裂檢測要求：穩定、準確地對皮帶狀況進行檢測。運行環境：戶外、高粉塵、照度不好、有振動和噪音。運行參數：皮帶機帶寬1.8m、帶速3.7m/s。

2.2 機器視覺系統使用技術分析

皮帶運輸機在戶外、高粉塵、照度不好的環境，皮帶表面變形（凹、凸點多）、連續運行（背景變化頻率高），人員長時觀察難度大故障識別率和準確率無法保證。機器視覺系統具有：（1）非接觸測量。（2）具有較寬的光譜響應范圍，適用可見光或非可見光。（3）長時間穩定工作，人類難以長時間對同一物體進行觀察，而機器視覺則可以長時間地做分析和識別任務。（4）系統自動化程度高、易于信息集成、檢測穩定和魯棒性強。

視覺檢測是通過機器視覺產品(圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標轉換成圖像信號（一個大的二維數組，該數組的元素稱為像素，其值稱為灰度值），傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

機器視覺系統的選用需要考慮：（1）運行速度和圖像的處理速度。（2）使用彩色還是黑白攝像機。（3）檢測目標的尺寸和有無缺陷。（4）視場需要多大。（5）分辨率需要多高。（6）對比度需要多大等。從功能上可以分為：圖像采集部分、圖像處理部分和運動控制部分。

3 圖像數據處理功能

在機器視覺系統中，獲得一張高質量的可處理的圖像至關重要。系統之所以成功，首先要保證圖像質量好，特征明顯。要取得好的圖像，必須要選擇合適的光源、圖像數據的合理算法實現圖像特征的高精度快速提取。皮帶撕裂檢測算法研究是檢測系統中對圖像采集數據進行處理分析給出檢測結果的關鍵步驟，也是檢測系統軟件組成的主要模塊。

3.1 光源的選擇

好的光源需要能夠使尋找的特征非常明顯，除了使攝像頭能夠拍攝到部件外，好的光源應該能夠產生最大的對比度、亮度足夠且對部件的位置變化不敏感，滿足長時工作要求。激光具有：（1）激光束的發散度極小，大約只有0.001弧度，接近平行。（2）激光的亮度極高，能夠照亮遠距離物體。（3）激光波長分布范圍非常窄，因此顏色極純，激光器的單色性遠遠超過任何一種單色光源（單色光不產生色差）。（4）激光的相干性極好，非常容易產生干涉、衍射等波動現象。（5）激光源對部件的位置敏感度最小。

3.2 可處理圖像的取得

在惡劣環境，高速連續運行；運輸機皮帶為背景與皮帶裂痕色差小（非貫通傷痕但隱患較大），易于產生“噪聲”的環境下提取高質量的圖像：采用機器視覺技術輔助“一”形線性激光，利用皮帶作為激光條紋投射背景，激光條紋作為皮帶撕裂特征載體，檢測重點變成對激光條紋的提取和識別，降低檢測難度，減少處理時間，保證了檢測的準確性和時滯性（圖1）。

圖1 激光照射

3.3 圖像的處理

圖像處理一般包括：（1）圖像壓縮；（2）增強和復原；（3）匹配、描述和識別3個部分，而不是產生另一個圖像。為此，既要利用模式識別技術，又要利用關于圖像內容的知識庫，即人工智能中關于知識表達方面的內容。圖像分析需要用圖像分割方法抽取出圖像的特征，然后對圖像進行符號化的描述。

圖片分析和理解為目的分割、描述和識別用于各種自動化的系統，在這類應用中，往往需綜合應用模式識別和計算機視覺等技術，圖像處理更多的是作為前置處理而出現的。皮帶撕裂檢測系統中提取的激光條紋會根據皮帶表面的深度信息變化而發生調制，在圖像數據中表現的特征就是激光條紋發生各種畸變。

3.3.1 圖像提取預處理

圖像預處理將圖片進行ROI提取，通過圖像預處理實現圖像對比度的增強，突出更多細節，使其更適合計算機處理，提高檢測性能（圖2）。

圖2 激光條紋

3.3.2 圖像濾波去噪處理

皮帶撕裂檢測系統檢測環境復雜，現場粉塵、室外光強變化、CCD靶面采樣和量化過程都會對現場采集數據混入各種類型噪聲。噪聲污染引起的數據失真，將影響檢測效率。

可以通過中值濾波借助排序統計理論來實現噪聲抑制。中值濾波是一種非線性信號處理技術，對皮帶撕裂檢測系統所處檢測環境存在的大量的脈沖噪聲有較好的抑制效果。可以較好的完成孤立噪聲點的去除，實現圖像的平滑處理。可以極大限度的消除脈沖干擾噪聲，也可一定程度上減輕圖像邊沿的模糊（圖3）。

圖3 中值濾波圖像對比

3.3.3 圖像增強

圖像在計算機中以數值矩陣的形式存在，形成了離散的數值信號。計算圖像的梯度通過提取邊緣信息，實現邊緣檢測。圖像增強加工后的圖像在某一灰度范圍內有更好的對比度；抑制疊加在圖像上的隨機性干擾；使圖形的輪廓線增強。易于分析和檢測圖像包含的信息。

3.3.4 線段提取算法

皮帶裂紋識別算法模型的核心是線段提取算法。線段提取的目的是檢測圖像中的局部直線邊緣，邊緣是灰度值變化明顯的圖像區域。線段提取算法耗時短、識別精度高，保證了系統的實時高效（圖4）。

圖4 線段提取

采集圖像中激光中心條紋數據為目標區域，其余的圖像稱為背景區域。通過閾值分割算法將目標數據從背景區域中分割出來。

激光目標數據和背景區域中像素灰度值差距較大，應用梯度查找以及邊界搜索實現激光線段的提取。經過圖像預處理后的激光條紋圖像，灰度級差距明顯，特征對比性強。

經典Hessian矩陣激光條紋中心線提取方法是典型的線段提取算法。經典Hessian矩陣算法優勢在于精度高和適應性好，結合脊線跟蹤的提取算法，能夠實現激光條紋中心線的高精度快速提取（圖5）。

圖5 線段提取結果

4 邊緣計算

邊緣計算是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，提供近端服務，產生更快的網絡服務響應。云端計算，仍然可以訪問邊緣計算的歷史數據。

邊緣計算特點包括：（1）低延遲，提高響應速度；（2）在本地進行實時數據處理；（3）更低的運維成本，因為數據量分散到不同節點；（4）更低的網絡流量，因為傳輸的數據更少。

皮帶運輸機的應用形成：線長、面廣、控制節點多、高速連續運行的特點。而機器視覺系統中，獲得一張高質量的可處理的圖像至關重要，所以圖像數據處理量大且時效要求高，通過網絡統一傳輸至中控室處理，網絡質量難以保證、數據延時長、信息處理效果不理想。

在皮帶撕裂檢測系統就近配置智能監測終端，大量的計算包括視頻圖像分析處理等均在檢測點安裝的智能監測終端中完成計算和處理，僅將結果反饋給中控服務器，無需將海量數據實時上傳至服務器處理，大幅減小了中控服務器的資源占用和處理壓力，也大幅減小了對網絡的依賴，從本質上提高了系統的可靠性。

5 皮帶撕裂系統運行分析

機器視覺可以準確識別出視頻中活動的目標和背景干擾，所以對于移動偵測，抗干擾能力高；依賴于圖像算法對影像內容進行分析，提取視頻中關鍵信息，進行標記或者對各種屬性描述進行快速檢索，形成相應事件和告警的監控方式。

智能監測終端擁有邊緣計算功能，可以理解為“基于信息的控制”，提供近端服務，產生更快的網絡服務響應，滿足行業在實時業務、應用智能等方面的基本需求。

機器視覺和智能監測終端組成的皮帶撕裂檢測系統可以有效提高皮帶撕裂的識別準確率，減小網絡的信息傳輸量和時間延遲，為監控工作站提供有效的信息，實現解決方案的快速制定和執行路徑優化，提高了安全生產隱患的排查和消除的能力，為生產的平穩、安全運行提供了有力保障。