带式输送机胶带撕裂检测技术综述

熊念强，文 锋，李 清，陈 磊，周 冉

(1.湖北能源集团鄂州发电有限公司，湖北 鄂州 436032；2.华中科技大学，湖北 武汉 430074)

作为一种运输速度快、运输量大、运输距离长的运输设备，带式输送机广泛用于港口装卸煤炭、矿山运输矿石等大宗物料运输中。作为带式输送机牵引和运载的关键部件，胶带主要由橡胶组成，为了提升胶带的耐磨能力和承载能力，生产胶带时会依据用途在其中贯穿不同材质的芯绳，如纤维芯、帆布芯或钢绳芯等。其中，钢绳芯胶带横向抗拉强度及承载能力优异，能够显著提高胶带传输机的传送速度和传输距离，广泛应用于工业领域，但其纵向抗撕裂强度并未显著提高，纵向撕裂较易发生，一直是胶带面临的关键问题[1-4]。

为了提高生产效率，胶带的传输速度和距离均有所提高，稳定速度通常在5m/s以上，传输距离通常在1km以上，如果产生撕裂后不能立刻停机、清除撕裂源，将致使胶带发生贯穿性撕裂，导致物料漏洒、设备损毁，严重时甚至损毁机架，致使整条胶带报废，甚至威胁工作人员的人身安全。此外，胶带撕裂事故会极大程度影响生产流程，降低生产效率，威胁企业的生产安全。因此，为了减小胶带撕裂带来的影响，迫切需要一种高准确度和高稳定性的实时胶带纵向撕裂检测技术。

1 胶带撕裂原因分析及特征表现

胶带纵向撕裂发生的原因主要包括胶带跑偏、抽芯、异物划伤和物料卡压等[5-8]。

1)胶带上运输的物料分布不均匀或者电机施力不均衡，会使得胶带向运输机一侧偏移，长时间的胶带跑偏，会导致一侧出现严重损耗，受力不均衡，从而导致胶带撕裂，其撕裂部位通常在胶带的边缘。

2)胶带长时间运行时，会由于块状物料长时间磨擦和冲击导致胶带表面发生严重磨损，进而使胶带中的绳芯裸露抽出，导致胶带撕裂，该情况一般发生于钢绳芯胶带。

3)当胶带输送的物料中夹杂尖锐或坚硬的利器时，会使胶带表面产生划伤，有些比较尖锐的杂质甚至会直接贯穿胶带，造成胶带撕裂。其撕裂部位因利器的大小和类型不同而出现的位置不同，异物划伤撕裂是撕裂中最常见的诱因。

4)当胶带输送的运输物料体积过大或卸载点加料量突然增大时，会导致物料卡压，进而使胶带受力不均匀，造成胶带撕裂。

上述问题在带式输送机运行中常有发生，且一般发生较为突然和隐蔽，因此，如何实时发现胶带异常，以便及时做出反应，一直是生产企业、科研工作者的研究方向[9-13]。

胶带纵向撕裂如图1所示，其最直观的表现为胶带表面出现裂纹或裂口，胶带整体宽度变大，当撕裂程度较大时，会出现输送料漏撒现象。胶带的传动主要靠胶带与传动滚筒和托辊之间的摩擦力，因此，工作中胶带表面的温度通常比室温高，其温度分布与胶带表面与传动滚筒和托辊之间的受力情况有关，当胶带发生撕裂，传动滚筒和托辊之间的受力情况必然发生改变，导致胶带表面温度场和应力场改变。此外，煤质输送机托辊一般为金属材料，托辊与胶带之间的受力变化也会导致摩擦产生的声信号变化。

图1 胶带纵向撕裂

2 胶带撕裂检测技术研究现状

2.1 基于机械操作的撕裂检测技术

通过激活停止开关的方法，来判断胶带的撕裂，是基于机械操作的撕裂检测技术。早在1987年，研究学者就提出了棒型检测器[9]、弦线式装置[10]和漏料检测器[11]等基于机械操作的撕裂检测技术。棒型检测器是将一根棒弯曲成托辊型形状，然后安装在托辊与胶带之间，当有刺穿胶带的物体时，将拨动棒偏转，迫使限位开关或载荷传感器动作，使带式输送机停止工作。弦线式装置与棒型检测类似，该装置是在胶带下方安置一根与其轮廓相似的尼龙线，当刺穿胶带的物体绊住此线时，会使尼龙线受力发生变化，从而使线连接的限位开关动作，使带式输送机停止工作。漏料检测是由托盘、支点、平衡锤和开关组成。当物料因胶带撕裂漏入托盘时，物料的重量会克服平衡锤的重量，使整个装置绕支点运动，迫使限位开关动作，使带式输送机停止工作。

由上可知，基于机械操作的撕裂检测技术是以撕裂口较宽为前提，导致物料伸出或者泄露的原理为基础。如果胶带的撕裂口较小，并未导致物料的伸出或者泄露，上述方法将无法对撕裂情况进行检测。当胶带的裂口大到有物料伸出或泄漏时，因胶带撕裂产生安全事故的几率会大大增加。因此，基于机械操作的撕裂检测方法不具备实时监测的功能，不能达到提前避免破坏，最大化程度减少损失的目的。目前，使用此类纵向撕裂检测技术的应用场景也越来越少。

2.2 基于超声波的撕裂检测技术

基于超声波的撕裂检测技术主要是指利用超声波转换原理对胶带进行监测[12]。澳大利亚的Belt Systems公司对此类方法的研究较为充分[13]，基于此原理已经研发了两款胶带撕裂检测器BG5k和BG10k，工作原理如图2所示，BG5k是通过两个超声探头不断测量胶带的宽度，当胶带发生纵向撕裂，胶带的宽度会发生变化，BG10k是在一端将超声波能量注入到胶带中，在另一端通过接收器探测超声信号，当胶带发生撕裂，接收器接收不到超声信号或收到的信号很微弱。这两种检测器目前在矿场有部分应用，能够达到实时监测的要求，但是检测准确度一直不高。

图2 BGk5和BgK10工作原理

基于超声波的撕裂检测技术面临的最大问题之一是如何将超声波耦合到胶带中，此外胶带上堆积的灰尘和污垢很容易阻止超声波传入胶带中，胶带的劣化也会影响超声信号的传导，因此，可以很容易掩盖胶带裂纹带来的超声信号变化。

2.3 基于胶带改造的撕裂检测技术

基于胶带改造的撕裂检测技术主要是指需要对胶带进行特殊的设计和改造的撕裂检测方法。目前，研究成熟且应用较多的主要有电磁感应检测法和射频识别检测法。电磁感应检测系统主要由发射器、胶带上的导电回路和接收器组成，发射器辐射的电磁波在感应电路中感应出电压，回路中产生的交流电流会产生交变磁场，接受器可以检测到该磁场，当胶带发生撕裂，发送器和接受器之前的耦合会受到干扰，从而发出撕裂警报信息[14]。我国研究学者童敏明等[15]将该方法应用于煤矿胶带纵向撕裂的检测，结果显示检测准确度极高，论证了该检测方法的有效性。德国贝克矿山有限公司基于电磁感应检测法已经开发了第二代胶带撕裂检测系统[15]，在胶带内嵌入感应回路，安装后，控制系统将检测胶带上的环，定义并为其编号，实时创建胶带及环图像，如遇胶带撕裂导致环损坏，控制系统就能及时发出警报信息，有效避免胶带撕裂带来的损失。该系统的检测准确性随着单位带长度的环路数量的增加而增加。在磁感回路损坏的情况下，可以临时设置单个回路进行修复，且该系统可以实时监测近10个环路信息的状态变化。可见通过电磁感应检测法可以实现胶带撕裂的实时监测。但是，为了实现对胶带上环路信息的有效监测，导电环路必须非常大；为了获得高的检测准确性，回路数量又必须多，这大大增加了该方法的成本。

基于射频识别技术(Radio frequency identification，RFID)的胶带撕裂检测方法是由Thomas Nicolay等[16]首次提出。射频识别检测系统主要由胶带上有标签的无源RFID电感线圈、发射机、接收机、耦合元件以及通信控制单元组成。发射机不断地发射射频信号，当带有标签的电感线圈通过发射机上端时，接受机会收到一个识别码，与计算机中的标记序列相比较。如果胶带撕裂，电磁感应环被破坏，测量的标签序列与存储的数据不再对应，将发出撕裂警报。国内研究学者方崇全[17]针对神东柳塔煤矿的特殊工作环境，设计了一套基于无源RFID技术的胶带撕裂检测系统，该系统具有检测准确度高、受恶劣环境影响小和无需标定等特点，实现了胶带撕裂的实时检测。刘士杰等[18]也报道了基于射频识别技术的胶带撕裂检测应用研究，与前面报道的射频检测系统不同是，他们将电子标签张贴于胶带背面，而不是嵌入胶带之中，大大减少了胶带制造成本，但采用张贴的方式极易造成电子标签的脱落，从而发出误报警信号。Shuvashis Dey等[19]将射频检测技术与机器学习算法相结合来检测和预测整个胶带的磨损。仿真结果表明，该方法可以实现胶带裂纹为0.5mm的高准确度检测，并证明了RFID传感器在实时检测胶带裂纹方向方面的有效性。

射频检测技术中无源RFID电感线圈相比于电磁感应检测技术中感应回路要小很多，因此射频技术中胶带加工成本远小于电磁感应检测技术。电磁感应检测技术开始运行时需要对感应回路进行标定，而射频检测技术中的电感线圈具有唯一地址，不需要标定处理，使用方便。此外，射频检测技术可以在恶劣的工作环境保持相对高的检测准确性和稳定性，而电磁感应技术检测准确性受环境温度影响较大。

2.4 基于机器视觉的撕裂检测技术

机器视觉主要是通过模拟视觉，同时结合光电图像传感器、数字图像处理、智能模式识别等技术，精准提取目标信息，并对其进行处理分析进而实现实时高效检测和控制[20-22]。基于机器视觉的撕裂检测系统通常由照明光源、图像探测器和控制单元组成，如图3所示。照明光源是为了让图像探测器获得清晰的胶带成像信息，控制单元对获得图像进行处理分析。当胶带撕裂，胶带图像有撕裂特征，通过图像处理识别特征，实时发出撕裂警报信息[23-25]。

图3 基于机器视觉的撕裂检测系统

从基于机器视觉的撕裂检测技术原理可以发现，该方法的识别准确率和速度取决于图像处理算法。张晞等[26]提出了差影法图像识别技术来检测胶带的撕裂，通过将当前图像与固定背景图像进行相减运算后，再进行图像的分割、匹配和投影等处理获取目标，需要注意的是，该方法是判断胶带撕裂口的落煤，来检测胶带的撕裂。刘伟力等[27]采用FAST角点检测算法及基于Hough变换的直线检测算法来检测胶带纵向撕裂现象，检测准确率为96.24%。祁隽燕等[28]针对因工作光线暗采集图像轮廓难提取问题，提出利用图像去噪平滑、图像增强和Roberts算子裂纹图像分割，实现了胶带撕裂的动态实时监测。郭启皇等[29]根据胶带撕裂图像的特点，设计了一种基于Otsu算法的胶带纵向撕裂检测系统，使用LabVIEW进行图像处理、撕裂诊断、故障报警，为胶带撕裂的在线快速检测奠定了基础。魏涛等[30]采用高亮光源使CCD相机获得的图像尽可能清晰，并提出利用数学形态学方法重构裂纹的算法，实现了胶带裂纹信息的准确提取。唐艳同等[31]对采集的胶带图像进行灰度转换、滤波、均衡化和二值化后，通过计算撕裂像素个数占图像总像素的比列来确定胶带的撕裂情况。杨洋等[32]为了削弱因关照不均匀和噪声对图像处理的影响，先对图像进行了Stevens灰度量转换，然后利用改进的多尺度边缘信息提取算法来识别胶带的撕裂特征。张伟等[33]为了提高识别准确率，建立了胶带图像的组织特征映射网络模型，采用图像的梯度方向直方图作为模型输入量，对正常胶带图像和含有撕裂胶带图像进行分类，结果显示该方法具有很高的撕裂识别准确率。马可等[34]尝试了利用蚁群算法的canny图像检测方法，结果表明有效提高了纵向撕裂的检测效率。张梦超等[35]提出了一种基于深度学习的矿用胶带损伤检测方法，该方法能够准确预测胶带的损伤类型，其预测平均精度高达92.57%。王铁军[36]通过提取胶带图像中胶带的长宽比来判定胶带的撕裂信息，该方法有效解决了胶带纵向撕裂图像检测和纵向撕裂故障识别的问题。张雪英等[37]提出多特征融合算法，将图像的灰度信息和几何特征进行融合后再组合决策判断胶带撕裂与否。

当胶带的工作环境昏暗、潮湿和粉尘大时，采集的胶带图像模糊，导致利用图像处理算法也很难识别出纵向撕裂。基于此，研究学者研究了线激光辅助的胶带撕裂检测方法。王晓超等[38]使用线激光光源照射，利用CCD所获得的胶带下表面图像中有一条高亮的细线，采用无线微分的思想，将极小范围的曲线认为是直线分析，用Hough变换对细线及其系列进行检测，当斜率产生骤变，表明胶带可能有划痕或撕裂现象，通过实验测试，该方法具有较高的准确性。高锦洋[39]利用两个线激光器使激光束在胶带表面形成一条与其轮廓相匹配的线条。当胶带撕裂时，通过图像识别出激光线轮廓的变化判断是否出现纵向撕裂。Guilherme G.Netto等[40]通过提取图像中激光线的曲率信息，来表征胶带表面的撕裂损伤，结果表明，该方法的识别准确率高达92%。为了进一步提高在恶劣工作环境的撕裂识别准确率，徐辉等[41]提出多线道激光的胶带纵向撕裂检测系统，通过分析线性光条畸变特征检测胶带纵向撕裂损伤，具有较高的检测准确度。刘改叶等[42]提出了一种双目视觉自适应定标方法，该方法能够快速提取图像特征角点，得到摄像机内外参数及畸变参数，从而实现胶带的纵向撕裂的高准确度检测。

红外热成像技术是通过非接触的方式将物体发出的不可见红外能量转化为可见的热图像，胶带发生撕裂的过程中，其温度场和热应力场必然会出变化，因此可以利用红外热成像探测器对胶带的温度分布进行动态监测，进而达到监测胶带的纵向撕裂损伤。为了提高煤矿胶带的安全性，朱剑锋等[43]基于红外监测技术设计了撕裂事故在线检测系统，并对其中的技术原理进行了研究，根据具体工况，设计了各个模块。郭健等[44]为了提高基于红外特征检测撕裂故障的检测准确度，提出了红外图像特征与改进高斯混合模型相结合的胶带纵向撕裂检测方法，其检测正确率高达99%。韩斌等[45]通过红外摄像机对胶带图像进行采集，根据连接处的检测结果判断胶带的撕裂风险，结果表明，该方法的识别准确率高达99.19%。赵弼龙等[46]利用支持向量机对采集的胶带纵向撕裂红外图像进行分割，通过计算撕裂像素点数目，检测胶带纵向撕裂或预测纵向撕裂趋势的精度达到99.1%。徐善永等[47]针对煤码头复杂环境引起的检测不准确问题，提出了基于序列最小最优化算法(SOM)的胶带撕裂红外检测方法，通过SOM算法构建决策模型并对红外图像进行分割，能够实现胶带撕裂的高精度识别，而且实时性好。

可见光相机在粉尘大、潮湿和光线暗的环境中很难采集到清晰的图像。而红外辐射能穿透灰尘和烟雾，可以有效解决可见光相机在暗环境下成像质量不好的问题。基于此，陈路路等[48]提出了一种基于红外和可见光图像融合的新型视觉传感器，利用像素级融合方法将红外CCD和可见光CCD采集的图像进行融合，通过融合后的图像来判断撕裂信息，达到胶带撕裂的高准确度检测。

随着计算机技术、成像技术的飞速发展，机器视觉在胶带撕裂检测领域的优势逐渐凸显。但从上述的研究中可以发现，应针对检测系统的工作环境，提出相应的图像处理算法，达到提高识别准确度的目的。此外，改变检测系统结构，使采集到的图像包含丰富的撕裂信息和易于识别也是基于机器视觉的撕裂检测技术的一个重要研究方向。

2.5 其他胶带撕裂检测技术

随着科学技术的迅速发展，研究学者也设计了很多新型胶带撕裂检测技术。徐如强等[49]提出一种基于载荷谱的胶带纵向撕裂检测方法，通过对电动机的功率信号实时分析，提取胶带的撕裂阻力信息，从而判断胶带撕裂损伤。游春霞等[50]研究了振动检测方法，通过在胶带的一端增加激振信号，在另一端通过采集系统对信号进行采集，通过分析接收到的信号特征判断胶带的纵向撕裂。文艺等[51]报道了一种基于检测光幕的在线监测方法，利用光幕传感器作为监测传感器，光幕发射管发射红外线，当因胶带撕裂漏料时，接受的数据就会发生变化，从而判断胶带是否撕裂，该方法应用在广东沙角C火电厂的结果表明，胶带撕裂检测率达95%以上。樊平等[52]基于激光传感器检测设计了一种胶带纵向撕裂检测系统，在胶带一边安装激光器，另一边安装激光接收器，当胶带没有撕裂时，接收器会接收到激光信号，当胶带撕裂有煤料落下时，激光会被煤料挡住，接收器接收不到激光信号，从而发出撕裂报警。尹培坤等人[53]利用多组对射激光开关，实时监测胶带的带宽变化，从而判断胶带的撕裂损伤。Pawel Trybala等[54]报道了利用激光扫描仪来重建胶带的三维信息，提出利用云数据自动化处理成功识别了胶带的撕裂损伤。Artur Skoczylas等[55]提出了一种基于声信号的胶带纵向撕裂检测方法，并针对实际应用场景的干扰声音信号，提出了相应滤波处理算法。谢进等[56]提出采用X射线扫描获取胶带图像，对图像进行智能分析，实现了胶带内钢丝绳接头抽动、断头的高准确度识别。苗长云等[57]通过分析胶带运行时声音的变化，来检测胶带的纵向撕裂情况，其平均检测准确率高达91.5%，平均耗时2.85s，实现了胶带撕裂的实时在线检测。屈鼎然等[58]针对基于图像或声音的单信号胶带纵向撕裂检测方法受光线和噪声影响较大的问题，提出了多尺度特征交叉融合检测方法，通过将图像和声音信号进行融合，其检测准确率高达97.37%。胡青果等[59]采用层次分析法对几种检测技术进行了比较，提出采用多种方法相结合有利于提高胶带的纵向撕裂识别准确率。

3 总结与展望

本文综述了胶带纵向撕裂的检测技术的研究现状，根据其技术原理进行了概括分析。基于机械的撕裂检测方法、基于超声波的撕裂检测技术和基于电磁感应的撕裂检测技术的研究较为成熟，已有公司基于其原理研发了撕裂检测器。但这些方法都有限制其发展的缺点，如事后报警、识别准确度低和成本较高等。随着计算机技术、传感器技术和图像处理技术的快速发展，基于机器视觉的撕裂检测技术得到了广泛的研究，但如何实现恶劣环境下图像的实时高准确度识别是此类技术亟待解决的难题。

基于RFID的撕裂检测技术具有实时检测、成本低、识别准确率高和适应恶劣工作的环境的优势，但目前大多研究结果基于实验平台，应用于工程实际可能会面临困难，因此紧密结合应用背景设计检测系统是此类技术需要解决的问题。其他类型的撕裂检测技术大多只是初步尝试研究，其适用性和稳定性需要进行大量的工程实验。

目前，上述的大多撕裂检测技术通过某一种撕裂特征来预测胶带撕裂与否，因此其识别准确率和效率较低。如何利用胶带的多种撕裂特征，并将多种胶带撕裂检测技术进行有效组合并加以改进，提高胶带撕裂实时识别的准确率，是胶带撕裂诊断技术值得研究的一个方向。