留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

带式输送机大块异物视觉检测系统设计

王燕 郭潇樯 刘新华

王燕, 郭潇樯, 刘新华. 带式输送机大块异物视觉检测系统设计[J]. 机械科学与技术, 2021, 40(12): 1939-1943. doi: 10.13433/j.cnki.1003-8728.20200284
引用本文: 王燕, 郭潇樯, 刘新华. 带式输送机大块异物视觉检测系统设计[J]. 机械科学与技术, 2021, 40(12): 1939-1943. doi: 10.13433/j.cnki.1003-8728.20200284
WANG Yan, GUO Xiaoqiang, LIU Xinhua. Design of Visual Detection System for Large Foreign Body in Belt Conveyor[J]. Mechanical Science and Technology for Aerospace Engineering, 2021, 40(12): 1939-1943. doi: 10.13433/j.cnki.1003-8728.20200284
Citation: WANG Yan, GUO Xiaoqiang, LIU Xinhua. Design of Visual Detection System for Large Foreign Body in Belt Conveyor[J]. Mechanical Science and Technology for Aerospace Engineering, 2021, 40(12): 1939-1943. doi: 10.13433/j.cnki.1003-8728.20200284

带式输送机大块异物视觉检测系统设计

doi: 10.13433/j.cnki.1003-8728.20200284
基金项目: 

徐州市重点研发计划项目 KC19074

详细信息
    作者简介:

    王燕(1998-), 硕士研究生, 研究方向为机器视觉异物监测技术, wy15861166363@126.com

    通讯作者:

    刘新华, 教授, 博士生导师, liuxinhua@cumt.edu.cn

  • 中图分类号: TP391

Design of Visual Detection System for Large Foreign Body in Belt Conveyor

  • 摘要: 为了提高煤矿井下带式输送机大块异物检测的效率和准确性,设计了基于机器视觉的大块异物检测系统。构建了大块异物检测系统的总体框架,并进行了硬件设计与选型;给出了大块异物检测系统的流程,设计了基于帧间差分法、阈值分级和Select-Shape算子的带式输送机大块异物识别算法, 并采用卡尔曼滤波对大块异物进行追踪;最后,设计了大块异物检测系统上位机软件,搭建了大块异物检测实验台,并开展相关实验。实验结果表明:对于超过设定阈值的大块异物,识别准确率为99.5%。研究成果对预防皮带撕裂、维持带式输送机稳定运行、实现煤矿企业智能化生产具有重要意义。
  • 图  1  大块异物检测系统总体框架

    图  2  机器视觉检测系统

    图  3  大块异物检测流程

    图  4  图像预处理效果原图像和预处理效果图

    图  5  大块异物识别追踪效果

    图  6  大块异物检测实验平台

    图  7  大块异物检测软件

    表  1  工业面阵相机参数

    相机型号 MV-CA050-11UM/UC
    传感器型号 Sony IMX264
    数据接口 USB3.0
    最大帧率 35fps@2448×2048
    信噪比 40.2 dB
    下载: 导出CSV

    表  2  大块异物识别结果数据统计

    异物序号 测量面积/cm2 识别准确率/%
    1 20 100
    2 15 100
    3 10 100
    4 7 98
    下载: 导出CSV
  • [1] 吴守鹏. 基于机器视觉的运煤皮带异物识别方法研究[D]. 徐州: 中国矿业大学, 2019

    WU S P. Research on detection method of foreign object on coal conveyor belt based on computer vision[D]. Xuzhou: China University of Mining and Technology, 2019 (in Chinese)
    [2] 武国平. 哈尔乌素智能干选射线识别技术及其防护研究[J]. 煤炭技术, 2018, 37(12): 317-320 https://www.cnki.com.cn/Article/CJFDTOTAL-MTJS201812113.htm

    WU G P. TDS Ray identification and protection research of Ha'erwusu[J]. Coal Technology, 2018, 37(12): 317-320 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-MTJS201812113.htm
    [3] 袁华昕. 基于X射线图像的煤矸石智能分选控制系统研究[D]. 沈阳: 东北大学, 2014

    YUAN H X. Research on coal and gangue smart sorting control system based on X-ray image[D]. Shenyang: Northeastern University, 2014 (in Chinese)
    [4] 孔力, 李红, 徐恕宏, 等. 双能γ射线透射法煤矸石在线识别与分选系统[J]. 华中理工大学学报, 1997, 25(10): 107-108, 112 https://www.cnki.com.cn/Article/CJFDTOTAL-HZLG710.032.htm

    KONG L, LI H, XU S H, et al. The on line identification and separation system for coal gangues based on double energy γ-ray transmission[J]. Journal of Huazhong University of Science and Technology, 1997, 25(10): 107-108, 112 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HZLG710.032.htm
    [5] 王靖宇, 王霰禹, 张科, 等. 工业机器人视觉图像的质量评价方法研究[J]. 机械科学与技术, 2018, 37(4): 575-580 doi: 10.13433/j.cnki.1003-8728.2018.0413

    WANG J Y, WANG X Y, ZHANG K, et al. Research on image quality assessment for industrial robot vision system[J]. Mechanical Science and Technology for Aerospace Engineering, 2018, 37(4): 575-580 (in Chinese) doi: 10.13433/j.cnki.1003-8728.2018.0413
    [6] 苗长云, 王春华, 李现国. 基于机器视觉的带式输送机监控系统中输送带积水检测[J]. 天津工业大学学报, 2019, 38(6): 52-57 doi: 10.3969/j.issn.1671-024x.2019.06.009

    MIAO C Y, WANG C H, LI X G. Water detection in belt conveyor monitoring system based on computer vision[J]. Journal of Tianjin Polytechnic University, 2019, 38(6): 52-57 (in Chinese) doi: 10.3969/j.issn.1671-024x.2019.06.009
    [7] LINS R G, GIVIGI S N. Automatic crack detection and measurement based on image analysis[J]. IEEE Transactions on Instrumentation and Measurement, 2016, 65(3): 583-590 doi: 10.1109/TIM.2015.2509278
    [8] 蔡述庭, 王雪岩, 陈学松, 等. 一种基于Halcon的美标电源线缺陷检测方法[J]. 机床与液压, 2019, 47(8): 134-139 doi: 10.3969/j.issn.1001-3881.2019.08.030

    CAI S T, WANG X Y, CHEN X S, et al. A defects detection method for American standard power line based on Halcon[J]. Machine Tool & Hydraulics, 2019, 47(8): 134-139 (in Chinese) doi: 10.3969/j.issn.1001-3881.2019.08.030
    [9] KAUR H, SAHAMBI J S. Vehicle tracking in video using fractional feedback Kalman filter[J]. IEEE Transactions on Computational Imaging, 2016, 2(4): 550-561
    [10] 陈涛, 张洪丹, 陈东, 等. 基于优先像素与卡尔曼滤波追踪的车道线检测[J]. 汽车工程, 2016, 38(2): 200-205, 220 doi: 10.3969/j.issn.1000-680X.2016.02.011

    CHEN T, ZHANG H D, CHEN D, et al. Lane detection based on high priority pixels and tracking by Kalman filter[J]. Automotive Engineering, 2016, 38(2): 200-205, 220 (in Chinese) doi: 10.3969/j.issn.1000-680X.2016.02.011
    [11] VITHU P, MOSES J A. Machine vision system for food grain quality evaluation: a review[J]. Trends in Food Science & Technology, 2016, 56: 13-20
    [12] YANG Y L, MIAO C Y, LI X G, et al. On-line conveyor belts inspection based on machine vision[J]. Optik, 2014, 125(19): 5803-5807 doi: 10.1016/j.ijleo.2014.07.070
    [13] 刘国才, 王帅卿. 多方向几何非线性扩散图像去噪方法[J]. 湖南大学学报, 2016, 43(8): 135-141 doi: 10.3969/j.issn.1674-2974.2016.08.020

    LIU G C, WANG S Q. Multi-directional geometric nonlinear diffusion method for image denoising[J]. Journal of Hunan University, 2016, 43(8): 135-141 (in Chinese) doi: 10.3969/j.issn.1674-2974.2016.08.020
    [14] KAUR H, SAHAMBI J S. Vehicle tracking in video using fractional feedback Kalman filter[J]. IEEE Transactions on Computational Imaging, 2016, 2(4): 550-561
    [15] ZHU Y M, YOU Z S, ZHAO J, et al. The optimality for the distributed Kalman filtering fusion with feedback[J]. Automatica, 2001, 37(9): 1489-1493 doi: 10.1016/S0005-1098(01)00074-7
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  238
  • HTML全文浏览量:  42
  • PDF下载量:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-10
  • 刊出日期:  2021-12-05

目录

    /

    返回文章
    返回