[发明专利]一种基于机器视觉的掘进机出渣监测方法

说明书

本发明公开了一种基于机器视觉的掘进机出渣监测方法，包括：围岩出渣破碎程度监测步骤、输送带负载监测步骤以及围岩分类监测步骤；出渣破碎程度监测步骤对石渣的最大尺寸、最小尺寸和平均尺寸进行统计，提供当前掘进状况下的破碎围岩能力；输送带负载监测步骤通过检测出渣占整个皮带机的深度来评估当前皮带机的负荷情况；围岩分类监测步骤通过出渣表面特征，判断当前掘进围岩的状况。本发明用机器视觉的方法提高出渣监测的效率、准确率，避免恶劣换环境造成的监测不准确等问题，同时还可以降低人工成本。

技术领域

本发明涉及机器视觉应用技术领域，特别涉及一种基于机器视觉的掘进机出渣监测方法。

背景技术

21世纪是信息化的时代，实现现代化生产和信息化管理需要在生产方式上进行不断地革新。掘进机应用技术，应紧跟时代步伐，加强自动化管理，以适应信息化建设要求。然而，目前的掘进机检测系统是基于各种传感器，通过无线设备实现数据接收分析的或者是基于虚拟仪器的掘进机状态监测系统；在恶劣的环境下，传感器会受到环境因素的影响，导致采集数据不准确或者设备损坏等问题，不利于实时、准确、稳定地监测掘进机的状况；而且，设备和维护方面都需要投入很多的人力、物力。

近年来，工业制造2025预示着机器视觉检测是我国工业朝着智能化方向发展的必然趋势，对工业朝着智能化、自动化方面发展具有重要的意义。机器视觉技术水平仍在不断的提升，基于嵌入式的机器视觉系统将成为未来的发展方向；嵌入式系统可以进行实时视觉图像采集、视觉图像处理控制，具有结构紧凑、成本低、功耗低的特点。机器视觉系统的基本特点是速度快、信息量大、精度高和非接触，能够极大地提高生产的灵活性和自动化程度。在一些不适合人工作业的环境、人工视觉难以满足要求或有大批量重复性操作的场合，用机器视觉代替人工视觉可以大大提高生产效率。

机器视觉技术与其他传感技术相融合也是一个趋势，多传感器技术在探测、跟踪和目标识别方面能够提高系统的可靠性。对于掘进机的出渣检测而言，检测的环境会比较恶劣，所获取的图像质量较差，如果将机器视觉技术与其他传感器技术结合，利用传感器本身的优越性弥补图像的不足，将可以更好的完成出渣的检测。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于机器视觉的掘进机出渣监测方法，用机器视觉的方法提高出渣监测的效率、准确率，避免恶劣换环境造成的监测不准确等问题，同时还可以降低人工成本。

本发明的目的通过以下的技术方案实现：

一种基于机器视觉的掘进机出渣监测方法，包括：围岩出渣破碎程度监测步骤、输送带负载监测步骤以及围岩分类监测步骤；出渣破碎程度监测步骤对石渣的最大尺寸、最小尺寸和平均尺寸进行统计，提供当前掘进状况下的破碎围岩能力；输送带负载监测步骤通过检测出渣占整个皮带机的深度来评估当前皮带机的负荷情况；围岩分类监测步骤通过出渣表面特征，判断当前掘进围岩的状况。

具体的，操作步骤如下：

S1、对出渣图像进行增强、去噪的预处理；

S2、围岩出渣破碎程度监测步骤：基于上述经过预处理后的出渣图像，首先对图像进行二值化处理，然后进行反色处理，最后通过标记图像中白色连通区域，找出面积最大的连通区域，去除边界白色区块，并画轮廓，中间白色区块即为渣块，计算所有中间白色区块面积的最大值、最小值、平均值以及标准差，通过统计渣块的大小评估出渣的破碎程度；

S3、输送带负载监测步骤：在完成出渣的破碎程度分析后，基于步骤S1预处理过的出渣图像，通过识别输送带上滚轴的位置并连线，获得皮带边线，利用直线检测算法来识别出渣和传送带交界的切线，进而计算出皮带上顶宽L2和出渣表面宽度L1，最后计算出渣的负荷程度：

H为皮带深度，可以根据如下公式计算负载：

其中，d表示的是负荷百分比，用于表征出渣皮带的负载情况；