基于图像处理的输送带跑偏故障在线检测技术研究

杨林顺，董志勇

(1.山西焦煤西山煤电(集团)有限公司屯兰选煤厂，山西 古交 030206；2.山西焦煤集团有限责任公司技术中心，山西 太原 030024)

带式输送机作为选煤厂重要的煤炭运输设备，是保证选煤厂连续稳定生产的重要因素。输送带是带式输送机中最薄弱的环节，由于其主要依靠摩擦力来传递动力，因而容易出现故障，其中输送带跑偏是带式输送机最为常见的故障之一[1，2]。带式输送机输送带跑偏[3，4]主要是由于在长距离运输过程中，滚筒中心线、两侧托辊支架和带式输送机运行方向中心线不垂直，从而给输送带带来一个侧向运动的力，导致输送带出现倾斜现象。发生跑偏时，不仅将降低运输效率，物料洒落，而且严重时容易导致输送机电机烧毁，机械伤人等事故[5]。

选煤厂煤炭运输带式输送机具有环境噪声大、光线暗、粉尘多、运输距离长，机械部件复杂等特点，当前多采用人工定期巡检的方法检测故障，普遍存在危险性高，效率低，巡检工劳动强度大，不具备实时检测功能，当人工发现故障时，往往已经造成了较为严重的损失等缺点。针对上述问题，本文研究了基于图像处理技术的输送带跑偏故障在线检测方法，提出了一种基于导向滤波和最大类间方差法(OTSU)的改进型Canny算子边缘检测方法，同时利用Hough变换提取到边缘直线特征并进行分析处理，最终实现了对输送带跑偏故障的在线检测和分级故障报警。

1 系统基本组成

本文研究的基于图像处理技术的输送带跑偏故障在线检测系统主要有图像采集装置、图像处理方法以及上位机人机交互界面组成。图像检测系统工作过程为：首先利用图像采集装置拍摄输送带一侧边缘，然后对采集到的图片综合运用图像预处理、边缘检测、霍夫变换等技术，提取跑偏故障特征信息，识别出输送带是否存在跑偏故障以及故障等级，并进行相应的故障报警。系统技术路线如图1所示。

图1 检测系统技术路线图

2 输送带跑偏检测算法

2.1 图像预处理

在采用图像处理方法进行跑偏故障分析时，由于输送带本身是正规矩形，因此，采集其一侧图像即可，本文采集的是输送带左侧边缘。采集到的图像为彩色图像，为了更好地进行边缘检测，首先要进行灰度化处理，见式(1)。

Gray=0.23R+0.59G+0.11B

(1)

式中，Gray为灰度值，R为红色分量，G为绿色分量，B为蓝色分量。

对原始彩色图像进行灰度化处理后如图2所示，图2中白色部分即为输送带左边缘。

图2 灰度化后的输送带正常状态下边缘图像

2.2 基于改进Canny算子的输送带图像边缘检测

输送带跑偏检测主要是对拍摄到的输送带的边缘进行特征提取和直线度判断，因而实现边缘检测和相关特征提取至关重要[6，7]。边缘检测的实质是采用某种算法，提取目标与背景之间的边界线。Canny算子以其鲁棒性好，不容易受噪声干扰，能够检测到真正的弱边缘的优点在边缘检测领域得到了广泛的应用[8，9]。传统的Canny算子实现边缘检测主要包含以下几个步骤：①采用高斯滤波器对图像进行平滑处理；②采用一阶偏导的有限差分计算平滑后图像的梯度幅值和方向；③采用非极大值抑制的方法保留局部梯度最大值；④采用双阈值处理来消除虚假边缘并连接断续边缘，最终获得完整的边缘。

在Canny算子运行过程中，主要存在两个问题：①高斯滤波器的本质是一种线性平滑滤波，采用像素邻域的加权均值来代替该点的像素值，因此容易在一定程度上降低边界的灰度差异性，造成边缘模糊，不利于下一步的边缘检测；②双阈值法的高、低阈值对检测到的边缘的质量具有重要意义，需要手动预先设定，当图像采集现场的光照、环境等发生变化时，预选设定的阈值往往无法适应变化，从而导致提取到的边缘间断及不完整。针对上述问题，本文提出了一种基于导向滤波和最大类间方差法(OTSU)的改进型Canny算子边缘检测方法。

导向滤波技术[10，11]是在局部线性模型的基础上发展而来的，其原理为在图像上的一点与其相邻近部分可构成一个线性模型，那么整体图像的滤波函数就可以采用多个局部线性模型来表示，某一点的像素灰度均值采用所有包含该点的局部线性模型的均值，可以实现任意方向的滤波。在导向滤波过程中，图像中的一个像素点滤波输出灰度值可表示为：

qi=∑jWi，j(I)pj

(2)

式中，i和j表示像素点；qi是输出图像的像素值；I为导向图像；p为输入图像；Wi，j是导向图像I和输入图像p的核函数。

定义ωk为像素k的滤波窗口，则输出图像q和导向图像I之间的局部线性模型模型可表示为：

qi=akIi+bk，∀i∈ωk

(3)

对上式两边取梯度：

q=aI

(4)

进一步的对窗口ωk进行最小化处理：

从而计算出a和b的数值：

最大类间方差法(OTSU)[12，13]是一种自适应阈值确定的方法，其原理是用灰度阈值T来划分图片前景和背景，让两者之间的类间方差最大。针对目标图像I(x，y)，属于前景即目标的像素点数占整幅图像的比例ω1=N1/M×N，背景像素点数占整幅图像的比例为ω2=N2/M×N，其中N1+N2=M×N，ω1+ω2=1。设μ1为目标像素点的平均灰度，μ2为背景像素点的平均灰度，则图像总平均灰度μ可表示为：

μ=μ1×ω1+μ2×ω2

(7)

最大类间方差为：

g=ω1×(μ-μ1)2+ω2×(μ-μ2)2

(8)

当最大类间方差g值最大时，也就意味着前景和背景的差异最大，此时的灰度阈值T即为最佳阈值。将最佳阈值T设置为Canny算子的高阈值Th，经试验，低阈值Tl设置为高阈值的0.4倍最佳，即Tl=0.4Th。

采用OTSU算法改进Canny算子中阈值设定方法，由人工设定改为自动计算，从而保证Canny算子对输送带图像边缘检测时，能够在不同环境和条件下获得完整的边缘点，增强了算法的适应能力。采用传统Canny算子和上述基于导向滤波和OTSU的改进型Canny算子边缘检测结果分别如图3(a)和(b)所示，图中两条白色直线即为检测到的边缘点，从图3(a)中可以看到采用传统Canny算子检测到了一些虚假边缘，边缘不整齐，检测效果不理想。相比之下，图3(b)采用改进的Canny算子边缘检测到的直线整齐，检测效果更好，也更有利于下一步的特征提取和直线度分析。

图3 边缘检测结果

2.3 基于霍夫变换的输送带边缘直线特征提取

霍夫(Hough)变换是在图像处理过程中对图像中几何图形进行特征识别的一种方法，可以从二值化图像中检测直线部分，具有抗噪能力强、鲁棒性好等优点[14，15]。霍夫变换所实现的是一种从从图像空间到参数空间的映射关系，对于平面中的一条直线，常用笛卡尔坐标系下的表示方式y=ax+b，其中a表示斜率，b表示截距，但是当输送带正常状态运行即直线接近垂直X轴时，直线的斜率无穷大。因此在Hough变换中采用的是极坐标系下的直线表示方式：

ρ=xcosθ+ysinθ

(9)

式中，ρ为原点到直线的距离；θ为ρ与X轴的夹角。

本文将Hough变换应用到输送带边缘检测后的直线特征信息提取中。即首先根据上述改进的Canny算子检测到的输送带边缘，然后利用Hough变换对边缘进行直线检测，变换过程及检测结果如图4所示。其中图4(a)为变换后的Hough空间，图4(b)为Hough变换检测到的两条直线，红色为输送带左边缘左侧直线，绿色为右侧直线。

图4 霍夫变换直线检测

进一步地，图像边缘采用Hough变换检测到的直线像素点值见表1，绘制得到的直线如图5所示。

表1 Hough变换提取到的直线参数(正常状态下)

图5 绘制边缘直线

从图4和图5中可以发现，输送带左侧边缘检测到的两条直线为平行关系，因此为了简化运算，本文在后续跑偏识别中，可仅选择最左侧即图4(b)中红色直线作为识别输送带跑偏状态的依据。

3 跑偏故障识别和现场应用情况

通过上述一系列图像处理方法最终得到的边缘直线特征可以发现，当输送带发生跑偏时，检测到的直线与输送带运行方向的夹角即为跑偏角。通过对直线特征提取计算得到跑偏角θp，同时设置两个角度阈值θ1和θ2且θ1<θ2，当输送带正常运行过程中允许发生的轻微可控的偏移范围，即|θp|<θ1时，即认为输送带未发生跑偏，当θ1≤|θp|≤θ2时，即认为输送带发生轻微跑偏故障，当|θp|>θ2时则认为输送带已发生严重跑偏故障。此时系统自动在上位机检测界面弹出分级报警提示，并在现场皮带走廊发出声光报警，提醒相关人员及时到现场进行维护检修。经过试验及现场调试，最终确定θ1=4°，θ2=7°。

输送带发生跑偏时的图像处理过程和识别结果如图6所示，其中图6(a)为跑偏状态下输送带左侧边缘原始图像，图6(b)为采用改进的Canny算子检测到的输送带左侧的两个边缘，图6(c)为采用Hough变换检测到的边缘直线。进一步对直线进行像素点特征提取见表2，从表2中可以发现得到的两条直线与x轴的夹角分别为-7.5°和-8°，表明此时已检测到输送带发生严重跑偏，系统发出相应的报警提示。

图6 输送带跑偏状态下检测结果

表2 Hough变换提取到的直线参数(跑偏状态下)

西山煤电屯兰矿选煤厂708带式输送机主要用于将选煤厂分选后的矸石运往矸石山上，一旦该输送带发生严重故障将直接影响矿厂正常生产，进而造成巨大的经济损失，因此，该输送机连续稳定运行对于保障厂矿的连续稳定生产具有重要意义。该系统应用于708带式输送机，试验检测效果及模型识别精度对比见表3，在采用改进Canny算子和Hough变换相结合的识别模型进行输送带跑偏故障检测时，轻微跑偏和严重跑偏故障工况识别准确率有了明显的提升，系统实现了对输送带跑偏故障的自动检测和分级报警提醒，应用效果良好。

表3 模型识别精度对比

4 结 论

本文研究了一种基于图像处理的输送带跑偏故障在线检测技术，综合运用了图像滤波、边缘检测、霍夫变换等图像处理方法，提出了一种基于导向滤波和最大类间方差法(OTSU)的改进型Canny算子边缘检测方法，利用Hough变换提取到边缘直线特征，设置合理的夹角阈值，最终实现了对输送带跑偏故障的在线检测和分级故障报警，并在屯兰矿选煤厂成功应用。系统具有非接触、检测精度高、实时性好等优点，保障了带式输送机连续高效运行，为实现选煤厂带式输送机无人值守奠定了基础。