[基于数字图像处理技术的矿用胶带纵向撕裂识别研究]胶带纵向撕裂的原因有

　　[摘 要]介绍了胶带纵向撕裂识别方法中存在的缺陷,提出了图像识别法监控胶带纵向撕裂的实现方法。介绍了图像预处理过程,得出了实验仿真结果,并选择Sobel算子来进行图象分割。本文利用数字图像处理技术灵活性高、再现性好、处理精度高、适用面宽以及处理算法和图像特点相关性高的优点,根据矿用胶带图像的特点,选取结构识别方法,利用裂缝处灰度跳变的特性,使用了符合其特点连通域检测,通过图像预处理,图像切割,以及连通域检测三个步骤实现了矿用胶带的纵向裂缝的识别。
　　[关键词]矿用胶带 纵向撕裂 图像处理
　　[中图分类号]TD52[文献标识码]A[文章编号]1007-9416(2010)03-0037-02
　　
　　1 引言
　　胶带的纵向撕裂问题是一个在国内国际都普遍存在的问题[1]。如何设计一种能对胶带实行实时监控的、并且在纵向撕裂发生后快速可靠的胶带保护装置,在国内外都是一个正在努力攻克的难题。相比较而言,由于我国煤矿的数量和胶带输送机的数量远远超过国外任何一个国家,而国内的胶带质质量与国外相比有很大的差距,纵向撕裂识别和保护问题在我国煤矿生产中更加受到重视,其中亟待解决的问题之一是进行有效的实时识别纵向裂缝。
　　国内外从70年代就开始纵向裂缝的识别研究,己从接触式发展到非接触式,从单一化到智能化,除嵌入法、光电传感技术、超声波扫描技术之外,现在又有了改进后的嵌入法、超声波技术和最新研究探讨的原子物理方法等等。由于煤矿生产环境的恶劣,每种方法都有其不成熟和不稳定的地方。因此,本文利用数字图像处理技术灵活性高、再现性好、处理精度高、适用面宽以及处理算法和图像特点相关性高的优点,根据矿用胶带图像的特点,选取结构识别方法,利用裂缝处灰度跳变的特性,使用了符合其特点连通域检测,通过图像预处理,图像切割,以及连通域检测三个步骤实现了矿用胶带的纵向裂缝的识别。
　　2 图像的分析及其预处理
　　当大多数纵向撕裂发生后,胶带表面会有变化,用肉眼能辨别的出来,我们可以在胶带下安装若干个摄象头,然后用计算机进行图象识别,利用胶带撕裂前后的图象特征变化来进行即时的监控。即可以进行预防以及及早的对发生的撕裂进行处理。由于胶带下面的环境比较恶劣,我们可以使用低照长寿命ccd摄象机。摄象机的安装地点要兼顾实用性和经济性,基于以上两个原则,要安装在最容易发生胶带撕裂的部位,在胶带的机头、机尾以及转折点各安装一个,以一个适合的高度尽可能照顾大的范围。
　　本实验系统由CCD摄像头、数据采集卡及识别软件系统和电脑组成。其中硬件包括CCD采集卡、视频采集卡和电脑主机;识别系统模块包括图像采集模块,预处理模块,边缘检测模块以及识别模块。
　　首先对裂缝图像进行了整体、灰度、噪声三个方面进行了分析,得到其几何、数学、灰度分布上的特点,针对这些特点选择合适的图像处理算法。由于彩色图像其信息容量比灰度图像大,因此处理难度大、速度慢,而且在识别裂缝的过程中,灰度图像所含的信息量已经足够,因此先将彩色图像转换成为灰度图像。然后根据图像的灰度直方图进行像素分析,根据分析的结果进行自适应阈值分割,通过计算或设定一个概率值,根据总像素值和灰度分布来确定分割的阈值,然后调用阈值分割程序来进行阈值分割。图像预处理还包括最重要的一个部分:图像滤波,分析了图像噪声来源,选择了合适的滤波器,对滤波效果进行了分析,并对不同形状的裂缝选择了不同的滤波模板。
　　其次对图像进行形态学处理。由于在一幅裂缝图像中,在图像预处理的过程中或多或少的会对原始图像中的裂缝区域带来影响,例如:将属于裂缝区域的点去除,可能导致连续的一条裂缝被分割为几条或裂缝的区域减小,因此要对预处理后的图像进行形态学处理,使裂缝区域得到恢复和加强。图1(b)是使用中值滤波进行平滑处理的效果。
　　3 图像边缘分割
　　图像分割是实现图像识别胶带是否撕裂的重要步骤,分割效果的好坏直接影响这系统的识别率,是特征提取、裂缝识别的前提准备步骤,在系统视线中占有不可忽视的地位,因此如何提高分割效果,减轻识别难度也就成了我们的首要任务,也是课题实现的难点之一。主要体现在以下两个方面:首先,目前不存在适合所有类型图像的通用分割算法,现有的分割算法都是针对具体应用而设计的,因此我们必须根据胶带撕裂裂缝图像的特征,即直方图没有明显双峰,裂缝与背景的比例像素悬殊等特点,来设计适合本系统的分割算法,其次,由于本文中尽心分割的裂缝图像是从实际环境中获取的,受到的干扰很大,煤矿胶带下的情况恶劣,造成我们获得的原始图像质量较差,为进行有效分割带来困难,因此选择一个分割算法,使其能够最大程度去除噪声、边界、伪缺陷等非裂缝区域,保留裂缝区域,减轻后续处理的复杂度,是本步骤的关键。
　　常用的算子可以分为一阶微分算子和二阶微分算子。一阶微分算子通过梯度值来进行边缘检测,用此方法可以忽略细节,得到的边缘也较粗,如图2所示为一阶算子Sobel算子对胶带裂缝轮廓的提取图;二阶微分算子是通过寻找二阶微分中的零穿越来检测边缘。用此方法得到的边缘较细,在细节方面较好,但物体的整体轮廓不如一阶微分算子明显。由于纵向裂缝识别是以裂缝轮廓作为基础,而对其它细节可以不予考虑,从上面提取的裂缝轮廓图像可以看出Sobel算子符合识别的要求,所以选择Sobel算子。
　　4 纵向裂缝的提取和识别
　　对于二值图像的连通域标记处理操作就是从白色像素(通常用“1”来表示)和黑色像素(通常用“0”表示)组成的一幅点阵图像中,将互相邻接(一般研究的是4邻域连接)的目标“1”值像素集合提取出来,并为图像中不同的连通域填入不等的数学标记。该处理过程是图像处理和分析中一个非常重要的基础操作,有着广泛的应用领域。
　　为了对图像的连通域进行标记,需要对一幅图像作从左到右,从上到下的水平扫描。需检测当前被扫描到的点是不是和周围的点连通,需要检查当前的像素和以前标记过的邻近像素的值是否一样。如果当前像素的值和邻近像素的值一样,就表示它们连通,反之,就表示和此邻近像素不连通,此时当前点就要给一个新的标记,同时标记保留在一个与原二值图像像素点个数相同的二维数组中。
　　令S代表一幅图像中的像素子集,如果在S中全部像素之间存在一个通路,则可以说两个像素p和q在S中是连通的。对于S中的任何像素p,S中连接到该像素的像素集叫做S的连通分量。如果S仅有一个连通分量,则集合S叫做连通集。在很多场合,二值图像提取连通分量是许多自动图像分析应用的核心任务。
　　现场图像经过二值化处理后,形成多个互不相连的区域,而单个区域都是连通的,将连通域分开标记,就可以得到多个独立的区域,连通域标记算法可以找到图像中所有的连通成分,并对同一连通成分的所有点分配同一标记。
　　具体算法如下:
　　(1)将所有的白色像素(背景)赋值为0,所有黑色像素(裂缝连通域所在)赋值为-1,连通域个数置为0;
　　(2)寻找一个连通域开始的像素(值为-1),并将其值改为当前连通域数,存储,连通域个数增加1;
　　(3)所有像素搜索。找到值为-1的像素(表示没有被搜索过),正向搜索其周围有没有值为当前连通域数的像素。如果有,将当前像素赋以连通域的值;
　　(4)如果没有像素被搜索,表示当前所有像素已被遍历,转步骤2;
　　(5)如果步骤2中没有找到开始像素,表示所有连通域已经被遍历。
　　5 结语
　　本文利用图像处理技术,针对胶带撕裂图像中的裂缝进行识别,分析了该图像的特点,通过图像预处理,图像切割,以及连通域检测三个步骤识别裂缝。取得了以下的成果。
　　(1)裂缝图像预处理。分析裂缝图像的像素分布,得到其分布上有相似灰度级出现概率不同的特点。并且分析了裂缝图像中的噪声来源。针对其特点选用中值滤波。这个模块主要完成了彩色图像的灰度化、灰度拉伸、中值滤波处理。
　　(2)裂缝的边缘检测。比较了几种边缘检测的方法,得到了效果最好的Sobel边缘检测方法,方便下一步的裂纹检出。
　　(3)裂缝检出。经过前期处理后,图像中的裂缝从背景中分离出来,每个裂纹形成一个像素互相连通的区域,利用连通域检测算法,从而将裂纹检测出来。
　　
　　[参考文献]
　　[1] 黄民,李恩等.钢绳芯输送带纵向撕裂监测方法研究[J].中国矿业大学学报,2002.31.
　　[2] 刘英林.输送带纵向撕裂的检测与监视[J].山西矿业学报,1995(13).
　　[3] 吴剑锋,张红卫.胶带输送机胶带损坏原因及运行理论分析[J].中州煤炭,2005,2.
　　[4] Gonzalez著,阮秋琦译.数字图像处理[M].北京:电子工业出版社,2003.3,1-112,420-514.
　　[5] 张宏林.数字图像模式识别及工程实践.人民邮电出版社,2003.
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文