基于机器视觉的井下猴车钢丝绳检测系统

时间:2022-10-19 11:44:02

基于机器视觉的井下猴车钢丝绳检测系统

【摘要】井下猴车广泛采用无极钢丝绳,长期运作存在钢丝绳磨损、断裂等安全隐患,针对这一问题,提出了一种基于机器视觉的检测方法,采用边缘检测算法对CCD采集的图像进行缺陷检测,并产生报警信号传送到上位机。实验结果表明该套检测系统检测精度高,极大地解决了猴车的安全运输问题。

【关键词】猴车;钢丝绳;机器视觉;边缘检测

1.引言

架空乘人装置(猴车)是一种采用无极钢丝绳输送人员的运输设备,通常架设长度长达千米,主要由驱动装置、无极钢丝绳、钢丝绳导向装置、抱索轮器、吊椅等部件组成。由于井下环境特殊,在长期的使用过程中容易出现钢丝绳磨损、裂纹等安全隐患,不及时更换钢丝绳容易影响猴车的安全运行。传统的钢丝绳检测方法是定期更换,极大的造成了资源浪费,因此迫切需要研制无极钢丝绳在线检测系统,目前钢丝绳的检测方法主要集中在超声波检测、紫外光检测等[1]领域,由于传感器受井下恶劣环境的影响,对检测结果造成一定的误判,针对这一问题,采用基于机器视觉的方法,即采用机器视觉专用蓝色同轴光对钢丝绳进行打光,采用CCD摄像头采集图像,对采集的图像进行边缘检测[2],如果检测到图像中有裂纹等缺陷就会产生报警并传送给上位机,该方法克服了传感器误判问题,并且减少了钢丝绳资源的浪费,极大的解决了猴车的安全运输问题。

2.猴车钢丝绳检测系统硬件组成

2.1 检测原理

基于机器视觉的井下猴车钢丝绳检测原理是利用机器视觉专用光源打光,通过工业相机对钢丝绳进行图像采集,并对采集的图像进行数字图像处理检测出磨损、裂纹等断裂隐患,从而将信号传送给上位机进行处理。这种方法以机器视觉打光、图像模式识别为核心,利用VC++编程对图像进行处理检测,从而实现整个系统的检测。基于机器视觉的井下猴车检测系统原理框图如图1所示。

2.2 关键因素分析及系统硬件组成

由于井下环境特殊无光照,再加上猴车中用到的钢丝绳表面有反光作用,需要特殊的光源以获得高清晰图像。为了得到质量高的图像,被检测物体要与CCD摄像机组成合理的角度和距离,同时光源系统要求提供光源稳定、色泽均匀、多角度照射等。蓝色同轴光以其独特的发光优势被广泛应用于高反光表面的缺陷检测中。综合多方面的因素考虑,采用蓝色同轴光对钢丝绳进行打光[3],使得亮度均匀,成像清晰,解决了井下钢丝绳不能成像的问题。

本系统的硬件组成如图2所示,整个硬件系统由光源、图像采集模块、实时数据处理模块以及报警通信模块组成。首先考虑图像的获取,钢丝绳从相机、光源的下面滑动,对于面阵CCD相机来说,视场不能覆盖钢丝绳的横向径面,本系统采用四组图2同样的装置分布在钢丝绳的不同部位从而实现对钢丝绳横向360度的缺陷检测。由于图像处理的数据量较大,采用具有强大处理能力的工业计算机,目前采用具有1394接口的工业计算机实现图像的采集、处理。该平台可以解决井下猴车钢丝绳缺陷的检测,准确率较高。

3.猴车钢丝绳检测系统算法设计及软件实现

3.1 算法设计

3.1.1 基于小波分析的自适应边缘检测

小波分析由于高显微效应被广泛应用于图像处理中,具有良好的局部细节分析能力。本文采用自适应小波边缘检测算法,小波系数中模极大值的点对应着图像的边缘像素,从而提取出图像的边缘信息[4],为后续的缺陷检测打下基础。

3.2 软件实现

Microsoft公司开发的Visual C++因其复杂的应用程序框架一直倍受专业程序员青睐,用它开发的程序便于移植。本文采用Visual C++进行编程。MFC是一个比较流行而且通用的程序框架,其内部机制主要基于消息和方法,MFC提供的类绝大部分用来进行界面开发,关联一个窗口的动作,本文采用基于MFC框架的编程体制。

4.实验结果及分析

5.结论

由于猴车投资少、架设方便被广泛应用于煤矿斜井运输系统中,而猴车中用到了大量的钢丝绳,钢丝绳由于长期运作容易造成磨损、裂纹等缺陷,常用的钢丝绳检测方法主要是应用传感器进行检测,信号受干扰较大误判率高。本文将机器视觉检测方法应用到钢丝绳检测中,由于蓝色同轴光的均匀稳定加上算法的可靠性高,提高了钢丝绳磨损、裂纹检测的准确性,有效抑制了传统传感器的漏检,因而可以作为猴车钢丝绳缺陷检测的一个新方向进行深入研究。

参考文献

[1]雷毅,王杰,余圣书.基于钢丝绳股绳张力在线自动检测技术[J].制造业自动化,2004(4):53-55.

[2]李哲毓,高明,马卫红.基于计算机视觉的管壳表面划痕检测技术研究[J].应用光学,2007(6):802-805.

[3]张习文,王晓东,罗怡,滕霖,陈亮.精密微小型零件自动装配系统显微机器视觉的照明自动优化[J].光电工程,2012(4):14-20.

[4]曹万鹏,陈冈,车仁生,叶东.一种基于小波变换的照明无关边缘检测和模糊增强方法[J].光学精密工程,2007(7):1143-1150.

[5]毛磊,孔凡让,何清波,吴书有,黄伟国.基于图像处理与神经网络的钢丝绳表面缺陷检测[J].测控技术,2007(7):23-25.

作者简介:涂帅(1981―),男,安徽六安人,硕士,助理工程师,主要从事煤矿监测监控系统产品研发工作。

上一篇:基于粒子融合NSGA―Ⅱ的永磁无刷直流电机多目... 下一篇:组态软件在煤矿管控一体化信息平台中的应用