鄭智元

（中煤張家口煤礦機(jī)械有限責(zé)任公司 河北 張家口 075025）

引言

機(jī)器視覺(jué)技術(shù)是由計(jì)算機(jī)科學(xué)、圖像處理、模式識(shí)別、人工智能等多學(xué)科交叉的一門(mén)技術(shù)，近年來(lái)隨著人工智能、圖像處理技術(shù)的發(fā)展，在工業(yè)上的應(yīng)用范圍越來(lái)越廣泛。機(jī)器視覺(jué)技術(shù)與其他傳感技術(shù)相比具有信息量豐富、不改變被測(cè)物體原有狀態(tài)的優(yōu)點(diǎn)；與人眼相比具有長(zhǎng)時(shí)間穩(wěn)定工作、在惡劣環(huán)境下適應(yīng)性強(qiáng)、有較寬光譜響應(yīng)范圍的優(yōu)勢(shì)。煤機(jī)裝備在運(yùn)行時(shí)產(chǎn)生的粉塵、振動(dòng)以及噪聲對(duì)于長(zhǎng)期處于一線(xiàn)的工人的身體健康有較大的威脅，將機(jī)器視覺(jué)用于煤機(jī)裝備并使其實(shí)現(xiàn)少人化、無(wú)人化運(yùn)行，可有效改善工作環(huán)境，降低勞動(dòng)強(qiáng)度并提高作業(yè)效率。

1 基于機(jī)器視覺(jué)技術(shù)的礦用輸送帶故障監(jiān)測(cè)研究現(xiàn)狀與趨勢(shì)

強(qiáng)力輸送帶在煤礦中被大量使用，往往由于鋼鐵異物、老化以及接頭不規(guī)范等造成斷帶、劃傷、撕裂、跑偏等故障。近年來(lái)，機(jī)器視覺(jué)技術(shù)已經(jīng)成為輸送帶縱向撕裂識(shí)別及定位問(wèn)題的熱門(mén)研究方向之一。通過(guò)采用FAST角點(diǎn)檢測(cè)完成一級(jí)檢測(cè)，通過(guò)基于Hough變換完成二級(jí)檢測(cè)，有效降低了輸送帶縱向撕裂識(shí)別及定位的誤檢率和漏檢率。針對(duì)輸送帶跑偏的工況，設(shè)計(jì)了基于視覺(jué)檢測(cè)的糾偏系統(tǒng)，先由視覺(jué)檢測(cè)裝置檢測(cè)出偏離距離，再由控制系統(tǒng)通過(guò)可編程控制器以脈沖個(gè)數(shù)為信號(hào)來(lái)控制減速機(jī)，從而實(shí)現(xiàn)輸送帶的糾偏。將圖像識(shí)別與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合實(shí)現(xiàn)了強(qiáng)力輸送帶的輸煤量與跑偏故障同時(shí)檢測(cè)[1]。

實(shí)際應(yīng)用中圖像的采集與識(shí)別只有同時(shí)進(jìn)行才能滿(mǎn)足故障檢測(cè)的實(shí)時(shí)性要求，受傳輸距離的限制，圖像的傳輸速度與傳輸質(zhì)量達(dá)不到要求。隨著計(jì)算機(jī)科學(xué)、人工智能算法以及圖像壓縮技術(shù)的發(fā)展，機(jī)器視覺(jué)技術(shù)用于輸送帶故障檢測(cè)的圖像處理效率與實(shí)時(shí)性將會(huì)得到有效提高，滿(mǎn)足了無(wú)人監(jiān)視的條件，并可對(duì)由人為因素所造成的漏檢、誤檢情況進(jìn)行改善[2]。

2 基于機(jī)器視覺(jué)技術(shù)的掘進(jìn)機(jī)位姿檢測(cè)研究現(xiàn)狀與趨勢(shì)

目前，煤礦井下普遍使用激光指向儀及其投射在巷道斷面上的光斑顯示巷道基準(zhǔn)，因此，有研究人員將攝像機(jī)與激光指向儀剛性聯(lián)接傳遞測(cè)量基準(zhǔn)。利用與激光指向儀剛性聯(lián)接的攝像機(jī)采集掘進(jìn)機(jī)上光靶的圖像，建立攝像機(jī)成像模型，解算出光靶在攝像機(jī)坐標(biāo)系下的位姿，進(jìn)而確定出掘進(jìn)機(jī)在巷道基準(zhǔn)下的位姿。以?xún)善叫屑す馐c水平激光束為測(cè)量基準(zhǔn)，提出利用隨機(jī)Hough變換以及高斯曲面擬合等算法的掘進(jìn)機(jī)機(jī)機(jī)身位姿測(cè)量方法。通過(guò)安裝在掘進(jìn)機(jī)機(jī)身后面的攝像機(jī)采集位于掘進(jìn)機(jī)機(jī)械臂上矩形標(biāo)靶圖像，利用隔振裝置以及相機(jī)前的濾鏡來(lái)降低噪聲的影響，最后通過(guò)工控機(jī)進(jìn)行位姿解算，得到掘進(jìn)機(jī)截割頭的位姿[3]。

3 基于機(jī)器視覺(jué)技術(shù)的液壓支架位姿檢測(cè)研究現(xiàn)狀與趨勢(shì)

傳統(tǒng)的液壓支架位姿檢測(cè)通過(guò)角度傳感器以及位移傳感器實(shí)現(xiàn)支架組件的相對(duì)位姿測(cè)量。這些接觸式測(cè)量傳感器受環(huán)境影響易損壞且不易更換，利用視覺(jué)傳感器實(shí)現(xiàn)液壓支架的位姿測(cè)量可有效避免接觸測(cè)量所帶來(lái)傳感器易損壞的問(wèn)題，同時(shí)借助防爆計(jì)算機(jī)對(duì)圖像實(shí)時(shí)處理和位姿解算，有效滿(mǎn)足了實(shí)時(shí)性要求。

在液壓支架的位姿以及直線(xiàn)度測(cè)量方法中，利用基于4個(gè)共面特征點(diǎn)的機(jī)器視覺(jué)測(cè)量算法，解算標(biāo)靶相對(duì)于攝像機(jī)的位姿并結(jié)合先驗(yàn)信息完成了液壓支架位姿檢測(cè)以及直線(xiàn)度的測(cè)量。液壓支架的高度參數(shù)可為采煤機(jī)的搖臂高度調(diào)控提供參考，避免采煤機(jī)截割時(shí)與頂板相互碰撞。對(duì)支架圖像進(jìn)行邊緣檢測(cè)以及直線(xiàn)提取，得到液壓支架邊緣直線(xiàn)，通過(guò)計(jì)算直線(xiàn)斜率解算液壓支架的高度[4]。

4 基于機(jī)器視覺(jué)技術(shù)的采煤機(jī)位姿測(cè)量研究現(xiàn)狀與趨勢(shì)

采煤機(jī)記憶截割是實(shí)現(xiàn)綜采工作面智能化開(kāi)采的關(guān)鍵技術(shù)，包括采煤機(jī)定位、記憶截割與安全感知等關(guān)鍵技術(shù)，其中采煤機(jī)定位是實(shí)現(xiàn)記憶截割的基礎(chǔ)。近年來(lái)將機(jī)器視覺(jué)應(yīng)用于采煤機(jī)的位姿檢測(cè)從而實(shí)現(xiàn)準(zhǔn)確定位成為了研究熱點(diǎn)。專(zhuān)利中結(jié)合機(jī)器視覺(jué)技術(shù)以及慣導(dǎo)技術(shù)完成采煤機(jī)的位姿檢測(cè)，其中采煤機(jī)的位置坐標(biāo)通過(guò)雙攝像頭對(duì)激光圖像采集以及跟蹤并通過(guò)立體匹配算法得到，姿態(tài)矩陣通過(guò)慣導(dǎo)單元測(cè)量獲得，最后通過(guò)卡爾曼濾波實(shí)現(xiàn)位姿信息的融合。該方法的優(yōu)點(diǎn)是結(jié)合視覺(jué)傳感器信息獲取方便以及慣導(dǎo)系統(tǒng)的高精度，但同時(shí)雙目視覺(jué)的立體匹配困難、標(biāo)定步驟復(fù)雜以及采煤工作面上激光指向儀受粉塵、水霧的復(fù)雜環(huán)境影響，檢測(cè)精度以及實(shí)時(shí)性有待進(jìn)一步研究。提出了一種采煤機(jī)搖臂角度非接觸測(cè)量的方法，對(duì)圖像增強(qiáng)算法進(jìn)行了改進(jìn)，提出了基于導(dǎo)向?yàn)V波多尺度加權(quán)平均Retinex圖像增強(qiáng)算法。專(zhuān)利中提出了一種基于機(jī)器視覺(jué)的采煤機(jī)機(jī)身位姿檢測(cè)方法，在工作面順槽巷道頂部安裝兩平行激光束與水平激光束，由剛性聯(lián)接在采煤機(jī)機(jī)身的攝像機(jī)采集兩平行、一垂直激光束圖像，通過(guò)Retinex多尺度圖像增強(qiáng)算法、K-means均值聚類(lèi)邊緣檢測(cè)、Hough變換直線(xiàn)檢測(cè)，得到3條直線(xiàn)方程，進(jìn)而建立位姿解算模型并解算該模型，得到采煤機(jī)機(jī)身的位姿[5]。

5 結(jié)語(yǔ)

（1）針對(duì)煤礦井下低照度、煤塵遮蔽、物體遮擋、空間狹長(zhǎng)的工況，機(jī)器視覺(jué)技術(shù)要得到實(shí)際應(yīng)用，應(yīng)提高惡劣條件下高清視頻特征信息提取能力以及在具有智能去塵、去霧、去噪功能的本安型智能視覺(jué)傳感器的方向上實(shí)現(xiàn)突破；（2）隨著人工智能算法與圖像處理技術(shù)的發(fā)展，機(jī)器視覺(jué)技術(shù)在煤礦井下設(shè)備的定位、測(cè)量、導(dǎo)航，人員的定位、跟蹤，故障的檢測(cè)與災(zāi)害的監(jiān)控方面將得到巨大的發(fā)展。