基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法技术

本发明专利技术公开了一种基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，属于机器视觉技术领域，所述检测方法包括：获取井下摄像机采集的滚轮罐耳图像；将所述滚轮罐耳图像进行多图像数据融合；使用边缘检测算法对融合后的图像提取胶轮边缘轮廓；使用曲线拟合算法对提取的胶轮边缘轮廓进行拟合，得到完整的胶轮图像；根据所述胶轮图像计算胶轮厚度平均值并判别胶轮磨损情况。本发明专利技术有效提高了检测的效率和准确率，节约了人力和物力成本，能够保障矿井提升系统的正常运行。升系统的正常运行。升系统的正常运行。

【技术实现步骤摘要】
基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法


[0001]本专利技术涉及机器视觉
，特别是指一种基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法。

技术介绍

[0002]煤矿作为我国主要的能源之一，其开采的安全问题对煤矿经济效益有着直接影响。在煤矿开采过程中，矿井提升系统是其中非常重要的一环，扮演着运输煤炭、设备和人员等重要角色。滚轮罐耳是提升容器上非常重要的部件，用作罐笼、箕斗或平衡锤沿钢罐道升降时的导向轮，其安装在立井提升容器的上方和下方，多个滚轮罐耳的胶轮抱紧钢罐道，并起到导向和缓冲作用。一旦滚轮罐耳出现故障，轻则提升系统无法正常运作，影响煤矿的经济效益，重则危及到人员安全。因此，研究滚轮罐耳的磨损具有重要意义。
[0003]目前，针对煤矿箕斗滚轮罐耳的磨损检测主要分为人力和智能化检测两种方式。使用人力检测不仅消耗巨大的人力和物力，且检测效率也较低，无法达到快速检测以及诊断维护的目的。而对于智能化检测方法，多是利用高清摄像头实时采集罐耳磨损图像，然后使用计算机视觉技术对这些图像进行处理分析，以检测滚轮罐耳的磨损情况。
[0004]机器视觉技术是计算机科学、数学、物理等领域的交叉学科，涵盖图像处理、计算机视觉、模式识别、机器学习等多个方面，可应用于工业自动化、智能交通、医学影像分析等众多领域。
[0005]除了机器视觉技术，近年来还涌现出一些其他的检测方法，如基于声学信号的滚轮罐耳磨损检测方法和基于振动信号的滚轮罐耳磨损检测方法。这些方法也可以较为准确地检测出滚轮罐耳的磨损情况，但相对于机器视觉技术而言，它们更加依赖于设备的精度和灵敏度，同时受到环境噪声和干扰的影响较大。
[0006]综上所述，研究滚轮罐耳的磨损检测对于保障煤矿生产和人员安全具有重要意义。智能化检测方法的应用可以提高检测的效率和准确度，同时还可以节约人力和物力成本，为煤矿生产的安全和稳定提供更加有力的保障。

技术实现思路

[0007]本专利技术要解决的技术问题是提供一种提高检测的效率和准确度，节约人力和物力成本的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法。
[0008]为解决上述技术问题，本专利技术提供技术方案如下：
[0009]一种基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，包括：
[0010]获取井下摄像机采集的滚轮罐耳图像；
[0011]将所述滚轮罐耳图像进行多图像数据融合；
[0012]使用边缘检测算法对融合后的图像提取胶轮边缘轮廓；
[0013]使用曲线拟合算法对提取的胶轮边缘轮廓进行拟合，得到完整的胶轮图像；
[0014]根据所述胶轮图像计算胶轮厚度平均值并判别胶轮磨损情况。
[0015]本专利技术具有以下有益效果：
[0016]本专利技术的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，首先获取井下摄像机采集的滚轮罐耳图像，然后将所述滚轮罐耳图像进行多图像数据融合，再使用边缘检测算法对融合后的图像提取胶轮边缘轮廓，之后使用曲线拟合算法对提取的胶轮边缘轮廓进行拟合，得到完整的胶轮图像，最后根据所述胶轮图像计算胶轮厚度平均值并判别胶轮磨损情况。这样，本专利技术选择智能化检测方法，将机器视觉领域技术应用于滚轮罐耳磨损的检测中，通过边缘检测算法获取胶轮轮廓图像，并使用曲线拟合算法补全胶轮轮廓图像，得到完整的胶轮图像，最后比较预设的胶轮磨损阈值和实际胶轮厚度值，检测出滚轮罐耳的磨损情况。本专利技术有效提高了检测的效率和准确率，节约了人力和物力成本，能够保障矿井提升系统的正常运行。
附图说明
[0017]图1为本专利技术的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法的流程示意图；
[0018]图2为本专利技术中摄像机安装位置示意图；
[0019]图3为本专利技术中非局部均值去噪算法的原理图；
[0020]图4为本专利技术中图像融合流程图；
[0021]图5为本专利技术中二维小波变换分解图；
[0022]图6为本专利技术中图像三层小波分解示意图；
[0023]图7为本专利技术中小波重构示意图；
[0024]图8为本专利技术中融合后图像示意图；
[0025]图9为本专利技术中滚轮罐耳灰度图像示意图；
[0026]图10为本专利技术中滚轮罐耳边缘轮廓示意图；
[0027]图11为本专利技术中胶轮内外圈分离示意图；
[0028]图12为本专利技术中完整胶轮边缘轮廓示意图；
[0029]图13为本专利技术中胶轮外圈轮廓若干数据点示意图；
[0030]图14为本专利技术中胶轮磨损值示意图。
具体实施方式
[0031]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0032]本专利技术提供一种基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，如图1所示，包括：
[0033]步骤10(滚轮罐耳图像采集)：获取井下摄像机采集的滚轮罐耳图像；
[0034]本步骤中，可以将(数字)摄像机安装在立井提升容器的井口附近，采用多角度拍摄方法获取滚轮罐耳运行视频。同时在采集罐耳视频过程中，根据井下光线不均、高粉尘等环境问题，提出一系列解决方案以规避井下复杂环境带来的视频模糊等问题。
[0035]为尽可能多角度展示滚轮罐耳的磨损，可以对滚轮罐耳进行多摄像机采集，将摄像机采集到的图片以视频流的形式上传到上位机，最后导出视频按帧截取处理得到样本图像(即滚轮罐耳图像)，最终的样本图像可以为三通道二维图像。也就是说，作为一种可选的
实施例，所述获取井下摄像机采集的滚轮罐耳图像(步骤10)，可以包括：
[0036]获取至少两个井下摄像机分别从不同角度采集的滚轮罐耳图像。
[0037]为保证采集的滚轮罐耳图像的质量，具体可以从以下几方面实施：
[0038]1、选择合适的井下摄像机安装位置
[0039](1)为确保摄像机可以覆盖到需要监测的区域，选择安装三个摄像机，分别从三个不同角度对准立井提升容器上的滚轮罐耳。
[0040](2)由于在井下环境中，光线是不均的，为了让摄像机可以充分利用环境光线，选择将其安装在立井提升器的井口附近，更好地利用天然光线。
[0041](3)考虑到安全问题，将摄像机安装在高处，不易被人员或设备碰到的位置，以避免损坏或摄像机被移动。同时，将摄像机的安装位置远离电缆电线等，确保摄像机的安装不会影响到设备的正常运行。
[0042]具体的安装位置如图2所示。
[0043]2、选择合适的摄像机镜头
[0044]根据井下低光照的环境，选择光圈较大的镜头，这样能够接收更多光线，拍摄质量更高的图像；结合摄像机本身的像素分辨率，选择高分辨率的镜头，拍摄更加清晰的图像；此外，由于井下存在高温、高湿度和高粉尘等因素，因此选择具有防尘防水功能的镜头，确保稳定的拍摄质量和持久的寿命。
[0045]3、确保适当的照明
[0046]为保证摄像机拍摄的图像清晰度和准确性，在摄像机安装位置，安装防爆、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，包括：获取井下摄像机采集的滚轮罐耳图像；将所述滚轮罐耳图像进行多图像数据融合；使用边缘检测算法对融合后的图像提取胶轮边缘轮廓；使用曲线拟合算法对提取的胶轮边缘轮廓进行拟合，得到完整的胶轮图像；根据所述胶轮图像计算胶轮厚度平均值并判别胶轮磨损情况。2.根据权利要求1所述的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，所述获取井下摄像机采集的滚轮罐耳图像，包括：获取至少两个井下摄像机分别从不同角度采集的滚轮罐耳图像；和/或，所述滚轮罐耳图像为三通道二维图像。3.根据权利要求1所述的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，所述将所述滚轮罐耳图像进行多图像数据融合，包括：使用色彩校正矩阵方法对所述滚轮罐耳图像进行色彩校正；使用非局部均值去噪算法对色彩校正后的图像进行图像去噪；使用基于小波变换的图像融合方法将去噪后的同一摄像机得到的多张图像进行融合。4.根据权利要求3所述的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，所述使用基于小波变换的图像融合方法将去噪后的同一摄像机得到的多张图像进行融合，包括：使用小波快速算法对待融合的图像进行二维小波分解，获取各自的低频部分和高频部分，其中对待融合的图像进行三层小波分解，且只对低频子带进行；分别使用不同的融合规则对低频部分和高频部分进行处理，得到融合后的低、高频信息，其中，对于低频部分，使用基于区域能量的图像融合规则，对于高频部分，使用基于区域方差的融合规则；将融合得到的低、高频信息进行小波重构，得到融合后的图像。5.根据权利要求1所述的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，所述使用边缘检测算法对融合后的图像提取胶轮边缘轮廓，包括：对融合后的图像进行灰度化处理，将彩色图像转换为灰度图像；使用高斯滤波模糊转换后的灰度图像；对经过高斯滤波处理后的灰度图像，使用sobel算子计算梯度幅值与梯度方向；根据计算得到的梯度方向对梯度幅值进行非极大值抑制；对得到的以梯度局部极小值构成的灰度图像进行双阈值处理，将真正的边缘点连接起来，从而提取得到胶轮边缘轮廓。6.根据权利要求5所述的基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法，其特征在于，所述对得...

【专利技术属性】
技术研发人员：郭文杰，张让勇，闫蕊，刘琦，顾笑言，
申请(专利权)人：齐鲁工业大学山东省科学院山东山科智控数字化科技有限公司，
类型：发明
国别省市：