机器视觉在煤机装备中的应用现状与趋势

郑智元

（中煤张家口煤矿机械有限责任公司 河北 张家口 075025）

引言

机器视觉技术是由计算机科学、图像处理、模式识别、人工智能等多学科交叉的一门技术，近年来随着人工智能、图像处理技术的发展，在工业上的应用范围越来越广泛。机器视觉技术与其他传感技术相比具有信息量丰富、不改变被测物体原有状态的优点；与人眼相比具有长时间稳定工作、在恶劣环境下适应性强、有较宽光谱响应范围的优势。煤机装备在运行时产生的粉尘、振动以及噪声对于长期处于一线的工人的身体健康有较大的威胁，将机器视觉用于煤机装备并使其实现少人化、无人化运行，可有效改善工作环境，降低劳动强度并提高作业效率。

1 基于机器视觉技术的矿用输送带故障监测研究现状与趋势

强力输送带在煤矿中被大量使用，往往由于钢铁异物、老化以及接头不规范等造成断带、划伤、撕裂、跑偏等故障。近年来，机器视觉技术已经成为输送带纵向撕裂识别及定位问题的热门研究方向之一。通过采用FAST角点检测完成一级检测，通过基于Hough变换完成二级检测，有效降低了输送带纵向撕裂识别及定位的误检率和漏检率。针对输送带跑偏的工况，设计了基于视觉检测的纠偏系统，先由视觉检测装置检测出偏离距离，再由控制系统通过可编程控制器以脉冲个数为信号来控制减速机，从而实现输送带的纠偏。将图像识别与卷积神经网络相结合实现了强力输送带的输煤量与跑偏故障同时检测[1]。

实际应用中图像的采集与识别只有同时进行才能满足故障检测的实时性要求，受传输距离的限制，图像的传输速度与传输质量达不到要求。随着计算机科学、人工智能算法以及图像压缩技术的发展，机器视觉技术用于输送带故障检测的图像处理效率与实时性将会得到有效提高，满足了无人监视的条件，并可对由人为因素所造成的漏检、误检情况进行改善[2]。

2 基于机器视觉技术的掘进机位姿检测研究现状与趋势

目前，煤矿井下普遍使用激光指向仪及其投射在巷道断面上的光斑显示巷道基准，因此，有研究人员将摄像机与激光指向仪刚性联接传递测量基准。利用与激光指向仪刚性联接的摄像机采集掘进机上光靶的图像，建立摄像机成像模型，解算出光靶在摄像机坐标系下的位姿，进而确定出掘进机在巷道基准下的位姿。以两平行激光束与水平激光束为测量基准，提出利用随机Hough变换以及高斯曲面拟合等算法的掘进机机机身位姿测量方法。通过安装在掘进机机身后面的摄像机采集位于掘进机机械臂上矩形标靶图像，利用隔振装置以及相机前的滤镜来降低噪声的影响，最后通过工控机进行位姿解算，得到掘进机截割头的位姿[3]。

3 基于机器视觉技术的液压支架位姿检测研究现状与趋势

传统的液压支架位姿检测通过角度传感器以及位移传感器实现支架组件的相对位姿测量。这些接触式测量传感器受环境影响易损坏且不易更换，利用视觉传感器实现液压支架的位姿测量可有效避免接触测量所带来传感器易损坏的问题，同时借助防爆计算机对图像实时处理和位姿解算，有效满足了实时性要求。

在液压支架的位姿以及直线度测量方法中，利用基于4个共面特征点的机器视觉测量算法，解算标靶相对于摄像机的位姿并结合先验信息完成了液压支架位姿检测以及直线度的测量。液压支架的高度参数可为采煤机的摇臂高度调控提供参考，避免采煤机截割时与顶板相互碰撞。对支架图像进行边缘检测以及直线提取，得到液压支架边缘直线，通过计算直线斜率解算液压支架的高度[4]。

4 基于机器视觉技术的采煤机位姿测量研究现状与趋势

采煤机记忆截割是实现综采工作面智能化开采的关键技术，包括采煤机定位、记忆截割与安全感知等关键技术，其中采煤机定位是实现记忆截割的基础。近年来将机器视觉应用于采煤机的位姿检测从而实现准确定位成为了研究热点。专利中结合机器视觉技术以及惯导技术完成采煤机的位姿检测，其中采煤机的位置坐标通过双摄像头对激光图像采集以及跟踪并通过立体匹配算法得到，姿态矩阵通过惯导单元测量获得，最后通过卡尔曼滤波实现位姿信息的融合。该方法的优点是结合视觉传感器信息获取方便以及惯导系统的高精度，但同时双目视觉的立体匹配困难、标定步骤复杂以及采煤工作面上激光指向仪受粉尘、水雾的复杂环境影响，检测精度以及实时性有待进一步研究。提出了一种采煤机摇臂角度非接触测量的方法，对图像增强算法进行了改进，提出了基于导向滤波多尺度加权平均Retinex图像增强算法。专利中提出了一种基于机器视觉的采煤机机身位姿检测方法，在工作面顺槽巷道顶部安装两平行激光束与水平激光束，由刚性联接在采煤机机身的摄像机采集两平行、一垂直激光束图像，通过Retinex多尺度图像增强算法、K-means均值聚类边缘检测、Hough变换直线检测，得到3条直线方程，进而建立位姿解算模型并解算该模型，得到采煤机机身的位姿[5]。

5 结语

（1）针对煤矿井下低照度、煤尘遮蔽、物体遮挡、空间狭长的工况，机器视觉技术要得到实际应用，应提高恶劣条件下高清视频特征信息提取能力以及在具有智能去尘、去雾、去噪功能的本安型智能视觉传感器的方向上实现突破；（2）随着人工智能算法与图像处理技术的发展，机器视觉技术在煤矿井下设备的定位、测量、导航，人员的定位、跟踪，故障的检测与灾害的监控方面将得到巨大的发展。