一种基于视觉算法的煤矿皮带转运机头堵塞检测方法技术

一种基于视觉算法的煤矿皮带转运机头堵塞检测方法，适用于煤炭井下皮带运输使用。首先，该模型对摄影机拍下的图像进行处理，并对皮带机A和皮带机B运煤进行速度估计，初步判断皮带是否正常运煤，并计算皮带机A和皮带机B速度差值；然后，基于视觉分割算法与基于视觉测量的煤量估计，计算出煤量；最后，通过比较煤量入和煤量出差值，皮带机A的速度差值和电流参数辅助决策，对煤矿皮带转运机头进行堵塞判断。其步骤简单，检测效果好，有效解决使用两个带式输送机，即皮带机A输送到皮带机B时，煤块堵塞检测问题。

A Method of Detecting Head Blockage of Coal Mine Belt Conveyor Based on Visual Algorithms

【技术实现步骤摘要】
一种基于视觉算法的煤矿皮带转运机头堵塞检测方法
本专利技术涉及一种煤矿皮带转运机头堵塞检测方法，尤其适用于一种煤矿生产中使用的基于视觉算法的煤矿皮带转运机头堵塞检测方法。
技术介绍
随着我国煤炭生产的不断发展，矿井运输已趋于皮带化、高速化、大运量的皮带运输机已经成为我国煤矿井运输的主要工具。皮带转运在煤炭生产运输中扮演着重要环节，如果皮带转运时出现堵塞则会严重影响煤矿运输的的稳定性和安全性。现有的技术发现堵塞故障时间长，影响皮带的正常运转，影响运煤效率，影响产煤效率。当发现堵塞之后，只能先启动下皮带放煤，然后由下皮带带动机头皮带，将堵在机头的煤全部放掉。然后再将堵塞传感器重新复位，极大程度的影响产煤效率，至少耗时30min。现有的技术不仅发现堵塞故障时间长，而且准确率不高，有时会因为在矿井下情况，造成错误堵塞预警，使工人需要当场去确认检测。有的则是受环境干扰，需要定期去维护，极大的增加了维修成本，有的甚至会与煤产生火花，造成事故。皮带转运主要有人工检测、传感器检测以及图像处理检测3种方式。目前大多采用堆煤传感器进行检测，大致分为3类：1)基于行程开关的堆煤传感器；2)基于水银开关或煤油开关的堆煤传感器；3)基于电极式原理的堆煤传感器；以上都是基于碰触检测方式来实现皮带堵塞检测，难免会发生大的煤块经过，或工人误碰时容易发生警报。还有以下不足之处：1)煤矿环境复杂，行程开关受煤尘湿气等外部环境影响常常不能及时堵塞预警，其耐用性、灵敏度、可靠性不理想；2)水银或煤油开关没法高精度检测，抗干扰能力弱；3)电极式堆煤传感器需定期清理电极座，维护频率高，准确率和误报率都与煤的干湿度有关。4)使用接触式传感器，存在机械磨损同时煤块与传感器摩擦容易产生火花，影响安全。5)检测不可视化，只能看到一些数字化指标，检测效果差。
技术实现思路
本专利技术的目的：针对上述技术的不足之处，提供一种方法简单，检测效果好，精度高的基于视觉算法的煤矿皮带转运机头堵塞检测方法。为实现上述技术目的，本专利技术的基于视觉算法的煤矿皮带转运机头堵塞检测，步骤如下：a.在距离皮带机A皮带头部10米处、正上方2.5米、夹角为60°处安装矿用摄像机C1和矿用摄像机C2，矿用摄像机C1和矿用摄像机C2距离间隔为30-50cm；在距离皮带机B皮带尾部5米处、正上方2.5米处、夹角为60°处安装矿用摄像机C3和矿用摄像机C4，矿用摄像机C3和矿用摄像机C4距离间隔为30-50cm，利用矿用摄像机采集皮带机上运输煤堆的视频图像；b.由于煤堆的反射率明显高于皮带机，因此煤堆总处在视频的最亮位置；将采集到的视频图像转换为灰色视频图像，从矿用摄像机C1的视频图像中截取相邻两帧时间记录为t1和t2的图片，因为当前矿用摄像机的帧速率FPS保持在30帧，两帧之间的时间间隔为Δt＝t2-t1＝0.033s。c.利用灰度切割法将时间记录为t1和t2的两帧图片中各个像素的灰度值进行判定，当像素的灰度值大于预设阈值max时，判断此像素为煤堆区域；若时间记录为t1和t2的两帧图片中任意一帧图片中没有大于预设阈值max的像素存在则重新随机寻找相邻两帧图片；d.由于皮带机上的煤堆随机堆放，因此煤堆的轮廓形状是独一无二的，通过特征匹配对时间记录为t1和t2的两帧图片中的煤堆轮廓特征进行比较，找到匹配的图像点对，从而判断t1和t2两帧图片中的煤堆是否为同一煤堆；当判断为同一煤堆时，测量同一煤堆在摄像机C1的时间记录为t1和t2时刻两个相邻帧之间的时间间隔Δt＝0.033s内随皮带机A移动的距离ΔS；如果判断不是同一堆煤时，则重新截取相邻两帧图片；e.如果移动距离ΔS＝0则判断此时皮带没有正常工作，矿用摄像机C1继续采集煤堆图像重复上述步骤，并报警；如果移动距离ΔS≠0时，，则利用公式：v＝Δs/Δt计算皮带机A的运煤速度v1，；f.皮带机B机尾部纵向正上方设置的矿用摄像机C3重复步骤b-步骤e，获得皮带机B的运煤速度v2；g.比较皮带机A的运煤速度v1和皮带机B的运煤速度v2，若皮带机A的运煤速度v1小于皮带机B的运煤速度v2，则说明皮带机A上的煤堆可能积累过量从而使皮带机A的运煤速度变得缓慢，此时初步判断皮带机A发生堵塞；若皮带机A的运煤速度v1与皮带机B的运煤速度v2相等，则初步说明皮带机A和皮带机B工作正常未发生堵塞。h.在运煤的过程中将皮带上的煤看成一个整体用煤堆表述，煤堆由大量的煤块组成，使用矿用摄像机C1和矿用摄像机C2对皮带机A上的煤堆进行拍摄获取两张图像，用视觉分割算法将两张图像中的煤堆分割为三维网格模型，同时利用基于种子点的三维网格模型分割算法选择相应的三维网络种子点模型构建三维网络主要种子集合，通过sift(Scale-invariantfeaturetransform)算法匹配筛选模型特征点，即使用sift算法描述图像中的局部特征，在三维网络主要种子集合中寻找极值点作为特征点，并且提取出其三维网格特征点的位置；在矿用摄像机C1与矿用摄像机C2分别拍摄的同一时刻的两张图像中采用sift匹配特征点的特性侦查对煤堆进行侦查，生成两张图像的sift特征：包括尺度缩放、旋转、亮度变化特征点，然后进行sift特征向量的匹配，三维网络筛选模型点中的每个独立的特征点，都表示一个被分割的网络组件，对所有网络组件和三维网络种子点模型分析，从而将煤堆分割为i个独立的煤块，分别计算出单个煤块的体积，再利用体积求和算出煤堆的总体积，即算出皮带机A机头煤堆的总体积VA，同上述步骤，通过摄像机C3和摄像机C4两个摄像机，算出皮带机B机尾煤堆的总体积VB；i.通过步骤e，判断皮带机A和皮带机B是否在正常运转，在保证皮带机正常工作情况下，通过皮带机A煤堆的体积和皮带机B煤堆的体积比较，判断皮带机A和皮带机B是否堵塞：即当VA＞＞VB，V出≠0时，判定为堵塞，当VA＞VB，VB＝0时，则同样判定为堵塞，当VA≈VB，则最终判定皮带机A和皮带机B为正常运煤。通过sift算法匹配筛选模型特征点的步骤如下：在矿用摄像机C1与矿用摄像机C2分别拍摄的同一时刻的两张图像中，首先得到特征点及sift特征匹配，具体包括两个阶段：第一阶段生成两张图像的sift特征：首先进行尺度空间机极值检测，搜索两张图像所有尺度上的图形位置，通过高斯微分函数来识别潜在的糴尺度和旋转不变的兴趣点，构建尺度空间，检测极值点，获得尺度不变性；然后定位关键点，在每个候选的位置上，通过一个拟合精细的模型来确定煤堆位置和尺度，依据于煤堆关键点的稳定程度选择，从而将所有特征点进行过滤并精确定位；最终确定方向，基于图像局部梯度方向，分配给每个关键点位置一个或多个方向，所有后面对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，为特征点分配方向值；第二阶段匹配sift的特征向量：利用两张图片的特征点相似度进行匹配，相似度最高或者阈值大于70％的可以认为匹配成功，匹配成功之后，利用sift原理计算出的方向、尺度和位置建立三维网格，并将匹配成功的特征点确定为三维网格筛选模型点。所述提取视觉系统位于皮带机A正上方的矿用摄像机C1和矿用摄像机C2采集得到同一煤堆的左右两张图像，通过特征匹配，找到匹配的图像点对，求取对应空间点的三维网络筛选模型点，记(X本文档来自技高网...

【技术保护点】
1.一种基于视觉算法的煤矿皮带转运机头堵塞检测方法，其特征在于步骤如下：a.在距离皮带机A皮带头部10米处、正上方2.5米、夹角为60°处安装矿用摄像机C1和矿用摄像机C2，矿用摄像机C1和矿用摄像机C2距离间隔为30‑50cm；在距离皮带机B皮带尾部5米处、正上方2.5米处、夹角为60°处安装矿用摄像机C3和矿用摄像机C4，矿用摄像机C3和矿用摄像机C4距离间隔为30‑50cm，利用矿用摄像机采集皮带机上运输煤堆的视频图像；b.由于煤堆的反射率明显高于皮带机，因此煤堆总处在视频的最亮位置；将采集到的视频图像转换为灰色视频图像，从矿用摄像机C1的视频图像中截取相邻两帧时间记录为t1和t2的图片，因为当前矿用摄像机的帧速率FPS保持在30帧，两帧之间的时间间隔为Δt＝t2‑t1＝0.033s。c.利用灰度切割法将时间记录为t1和t2的两帧图片中各个像素的灰度值进行判定，当像素的灰度值大于预设阈值max时，判断此像素为煤堆区域；若时间记录为t1和t2的两帧图片中任意一帧图片中没有大于预设阈值max的像素存在则重新随机寻找相邻两帧图片；d.由于皮带机上的煤堆随机堆放，因此煤堆的轮廓形状是独一无二的，通过特征匹配对时间记录为t1和t2的两帧图片中的煤堆轮廓特征进行比较，找到匹配的图像点对，从而判断t1和t2两帧图片中的煤堆是否为同一煤堆；当判断为同一煤堆时，测量同一煤堆在摄像机C1的时间记录为t1和t2时刻两个相邻帧之间的时间间隔Δt＝0.033s内随皮带机A移动的距离ΔS；如果判断不是同一堆煤时，则重新截取相邻两帧图片；e.如果移动距离ΔS＝0则判断此时皮带没有正常工作，矿用摄像机C1继续采集煤堆图像重复上述步骤，并报警；如果移动距离ΔS≠0时，，则利用公式：v＝ΔS/Δt计算皮带机A的运煤速度v1，；f.皮带机B机尾部纵向正上方设置的矿用摄像机C3重复步骤b‑步骤e，获得皮带机B的运煤速度v2；g.比较皮带机A的运煤速度v1和皮带机B的运煤速度v2，若皮带机A的运煤速度v1小于皮带机B的运煤速度v2，则说明皮带机A上的煤堆可能积累过量从而使皮带机A的运煤速度变得缓慢，此时初步判断皮带机A发生堵塞；若皮带机A的运煤速度v1与皮带机B的运煤速度v2相等，则初步判断皮带机A和皮带机B工作正常未发生堵塞。...

【技术特征摘要】
1.一种基于视觉算法的煤矿皮带转运机头堵塞检测方法，其特征在于步骤如下：a.在距离皮带机A皮带头部10米处、正上方2.5米、夹角为60°处安装矿用摄像机C1和矿用摄像机C2，矿用摄像机C1和矿用摄像机C2距离间隔为30-50cm；在距离皮带机B皮带尾部5米处、正上方2.5米处、夹角为60°处安装矿用摄像机C3和矿用摄像机C4，矿用摄像机C3和矿用摄像机C4距离间隔为30-50cm，利用矿用摄像机采集皮带机上运输煤堆的视频图像；b.由于煤堆的反射率明显高于皮带机，因此煤堆总处在视频的最亮位置；将采集到的视频图像转换为灰色视频图像，从矿用摄像机C1的视频图像中截取相邻两帧时间记录为t1和t2的图片，因为当前矿用摄像机的帧速率FPS保持在30帧，两帧之间的时间间隔为Δt＝t2-t1＝0.033s。c.利用灰度切割法将时间记录为t1和t2的两帧图片中各个像素的灰度值进行判定，当像素的灰度值大于预设阈值max时，判断此像素为煤堆区域；若时间记录为t1和t2的两帧图片中任意一帧图片中没有大于预设阈值max的像素存在则重新随机寻找相邻两帧图片；d.由于皮带机上的煤堆随机堆放，因此煤堆的轮廓形状是独一无二的，通过特征匹配对时间记录为t1和t2的两帧图片中的煤堆轮廓特征进行比较，找到匹配的图像点对，从而判断t1和t2两帧图片中的煤堆是否为同一煤堆；当判断为同一煤堆时，测量同一煤堆在摄像机C1的时间记录为t1和t2时刻两个相邻帧之间的时间间隔Δt＝0.033s内随皮带机A移动的距离ΔS；如果判断不是同一堆煤时，则重新截取相邻两帧图片；e.如果移动距离ΔS＝0则判断此时皮带没有正常工作，矿用摄像机C1继续采集煤堆图像重复上述步骤，并报警；如果移动距离ΔS≠0时，，则利用公式：v＝ΔS/Δt计算皮带机A的运煤速度v1，；f.皮带机B机尾部纵向正上方设置的矿用摄像机C3重复步骤b-步骤e，获得皮带机B的运煤速度v2；g.比较皮带机A的运煤速度v1和皮带机B的运煤速度v2，若皮带机A的运煤速度v1小于皮带机B的运煤速度v2，则说明皮带机A上的煤堆可能积累过量从而使皮带机A的运煤速度变得缓慢，此时初步判断皮带机A发生堵塞；若皮带机A的运煤速度v1与皮带机B的运煤速度v2相等，则初步判断皮带机A和皮带机B工作正常未发生堵塞。2.根据权利要求1所述的基于视觉算法的煤矿皮带转运机头堵塞检测方法，其特征在于：初步判断皮带机A和皮带机B工作正常后，使用视觉体积继续判断皮带机A和皮带机B是否正常工作，具体步骤为：在运煤的过程中将皮带上的煤看成一个整体用煤堆表述，煤堆由大量的煤块组成，使用矿用摄像机C1和矿用摄像机C2对皮带机A上的煤堆进行拍摄获取两张图像，用视觉分割算法将两张图像中的煤堆分割为三维网格模型，同时利用基于种子点的三维网格模型分割算法选择相应的三维网络种子点模型构建三维网络主要种子集合，通过sift(Scale-invariantfeaturetransform)算法匹配筛选模型特征点，即使用sift算法描述图像中的局部特征，在三维网络主要种子集合中寻找极值点作为特征点，并且提取出其三维网络特征点的位置；在矿用摄像机C1与矿用摄像机C2分别拍摄的同一时刻的两张图像中采用sift匹配特征点的特性侦查对煤堆进行侦查，生成两张图像的sift特征：包括尺度缩放、旋转、亮度变化特征点，然后进行sift特征向量的匹配，三维网络筛选模型点中的每个独立的特征点，都表示一个被分割的网络组件，对所有网络...

【专利技术属性】
技术研发人员：胡延军，崔海尚，徐志伟，李世银，宋金玲，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32