田勇

【摘 要】 為降低輸送機溜槽堵塞給后續(xù)煤炭洗選影響，文章提出將機器視覺技術(shù)應(yīng)用到輸送機溜槽堵塞中，并進(jìn)行工程應(yīng)用。研究結(jié)果表明：1）檢測系統(tǒng)結(jié)構(gòu)主要包括有工業(yè)相機、視覺處理系統(tǒng)，并在溜槽上用高亮油漆劃定指示線，便于圖像識別分析;2）檢測方式通過比對溜槽內(nèi)物料覆蓋面積、指示線覆蓋范圍來對溜槽是否堵塞進(jìn)行判定，并依據(jù)現(xiàn)場情況對判定預(yù)警、停機判定指標(biāo)進(jìn)行確定;3）現(xiàn)場應(yīng)用后，可實現(xiàn)溜槽堵塞的早期預(yù)警，后續(xù)未再出現(xiàn)由于溜槽堵塞導(dǎo)致煤炭洗選停止問題，堵塞檢測正確率在98%以上，誤報警率在2%以內(nèi)。研究成果可為其他選煤廠類似情況下的問題處理提供經(jīng)驗借鑒。

【關(guān)鍵詞】 選煤廠;運輸機;溜槽堵塞;機械視覺;檢測技術(shù)

【中圖分類號】 TD94;TP391.41 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 2096-4102（2021）04-0005-02

刮板以及帶式輸送機是選煤廠原煤、精煤等物料運輸?shù)闹饕O(shè)備，在溜槽位置受到運輸?shù)奈锪献陨硇再|(zhì)、運輸速度、溜槽空間等因素影響，會出現(xiàn)堵塞問題。溜槽出現(xiàn)堵塞后若控制系統(tǒng)不及時停止運行，輕則降低生產(chǎn)效率，重則導(dǎo)致生產(chǎn)停止。傳統(tǒng)的溜槽堵塞通過人工巡檢、安裝檢測裝置（如光電對射開關(guān)、傾斜開關(guān)等）發(fā)現(xiàn)。在選煤廠生產(chǎn)過程中，某些部位存在粉塵含量高、噪音大以及安全風(fēng)險高等問題，工作人員長時間在此環(huán)境中工作會給自身身體健康帶來一定威脅;而采用檢測裝置也存在檢測效率不高或者出現(xiàn)嚴(yán)重堵塞才發(fā)出報警信息，無法滿足運輸機溜槽堵塞檢測需要。機器視覺通過對獲取到的圖像進(jìn)行分析，具備24h不間斷巡查、工作效率高等優(yōu)點。為此，文中提出將機器視覺應(yīng)用到選煤廠運輸機溜槽堵塞檢測中，以便提高溜槽堵塞發(fā)現(xiàn)能力，降低溜槽堵塞影響。

1工程概況

山西某選煤廠設(shè)計洗選能力為600萬t/a。由于礦井所采井田地下水資源豐富，從而導(dǎo)致生產(chǎn)的原煤中含水率相對較高，現(xiàn)場測定發(fā)現(xiàn)原煤含水率介于8%～13%;井下生產(chǎn)的原煤中粒徑在13mm以下占比較高，約為58%，從而使得選煤廠帶式輸送機在運輸過程中溜槽常出現(xiàn)堵塞問題。加之輸送機溜槽受到空間限制，存在尺寸、角度等參數(shù)設(shè)計不合理問題，也進(jìn)一步加劇了溜槽堵塞問題。

2機器視覺技術(shù)在溜槽堵塞檢測中應(yīng)用分析

2.1系統(tǒng)構(gòu)成

具體在選煤廠布置的輸送機溜槽堵塞檢測系統(tǒng)結(jié)構(gòu)見圖1。在需要進(jìn)行堵塞檢測的溜槽斜上方位置均布置有工業(yè)攝像機，具體包括有CCD相機、輔助光源。CCD相機為防爆、高信噪比相機，可滿足惡劣運行工況圖像獲取需要;輔助光源主要在弱光環(huán)境下進(jìn)行補光，如圖1。

工業(yè)攝像機通過選煤廠已有的光纖網(wǎng)絡(luò)將獲取到的圖像實時傳輸給視覺處理系統(tǒng)，系統(tǒng)內(nèi)的視覺圖像處理器依據(jù)內(nèi)置程序?qū)I(yè)攝像機獲取到的圖像進(jìn)行處理。視覺處理系統(tǒng)可實現(xiàn)多路工業(yè)攝像機圖像的處理，可滿足溜槽堵塞檢測需要。同時可將視覺處理系統(tǒng)與選煤廠生產(chǎn)控制系統(tǒng)、大屏監(jiān)控系統(tǒng)等連接，以便進(jìn)行預(yù)警并調(diào)整選煤廠生產(chǎn)。

在輸送機溜槽斜上方位置安裝工業(yè)攝像機，具體如圖2所示，同時為了便于進(jìn)行圖像識別分析，在溜槽內(nèi)部距離溜槽口0.5m、1.0m位置使用高亮油漆在溜槽內(nèi)部四周刷涂兩條指示線，編號分別為L1、L2。工業(yè)攝像機安裝位置應(yīng)不影響帶式輸送機（刮板輸送機）正常運行，同時可獲取到較為完整的指示線標(biāo)記。

2.2 視覺圖像處理過程

現(xiàn)階段機器視覺圖像處理技術(shù)較為成熟，各類專業(yè)的圖像處理軟件可實現(xiàn)圖像的變換、濾波、邊緣檢測、直方圖、幾何變換等處理。視覺圖像處理的基本原理是分析輸送機溜槽口位置物料面積、特征指示線覆蓋情況等對溜槽口是否堵塞進(jìn)行判定。具體視覺圖像處理流程為：

工業(yè)攝像機按照要求安裝到位后，拍攝獲取多張溜槽正常工作時畫面，并對畫面圖像處理，獲取得到特征值作為基準(zhǔn)值。

通過中值濾波專用軟件對獲取到的溜槽圖像進(jìn)行噪聲去除處理。

通過二值化處理軟件從除噪后的圖形中獲取得到溜槽內(nèi)物料鋪設(shè)狀態(tài)、指示線（L1及L2）被覆蓋情況。

對圖像進(jìn)行分割處理，并使用二值形態(tài)學(xué)濾波使得圖像邊緣平滑。

使用像素點統(tǒng)計方法獲取到溜槽內(nèi)物料鋪設(shè)面積以及指示線（L1及L2）被覆蓋范圍。

每間隔10s分析一張溜槽圖像，并取鄰近的3種圖像中溜槽內(nèi)物料鋪設(shè)面積以及指示線（L1及L2）被覆蓋范圍均值作為特征值進(jìn)行分析。將未堵塞情況下獲取到的溜槽內(nèi)物料鋪設(shè)面積以及指示線（L1及L2）被覆蓋范圍均值作為基準(zhǔn)值。

2.3 堵塞故障判定依據(jù)

對機器視覺圖像進(jìn)行處理后，實時獲取溜槽內(nèi)物料鋪設(shè)面積以及指示線（L1及L2）被覆蓋范圍特征值，通過實時分析特征值與基準(zhǔn)值即可實現(xiàn)溜槽是否堵塞判定。

在實際堵塞故障判定中，若溜槽內(nèi)物料鋪設(shè)面積較基準(zhǔn)值高10%同時指示線L1覆蓋面積較基準(zhǔn)值高20%時，視覺處理系統(tǒng)即會發(fā)出預(yù)警信息，同時經(jīng)視頻聯(lián)動，將出現(xiàn)預(yù)警信息位置的溜槽圖像在大屏監(jiān)控系統(tǒng)上實時顯示，由現(xiàn)場監(jiān)控人員判定是否需要停車，并安排人員前去疏通;若溜槽內(nèi)物料鋪設(shè)面積較基準(zhǔn)值高20%同時指示線L2覆蓋面積較基準(zhǔn)值高50%時，即可判定溜槽出現(xiàn)堵塞，此時視覺處理系統(tǒng)會通過報警OPC向生產(chǎn)控制系統(tǒng)發(fā)出溜槽堵塞信息，堵塞位置前方帶式輸送機則立刻停機運行。

3 現(xiàn)場應(yīng)用分析

將機器視覺檢測系統(tǒng)應(yīng)用到選煤廠7261帶式輸送機溜槽堵塞檢測中，具體獲取到溜槽未堵塞以及堵塞發(fā)生時的溜槽內(nèi)物料鋪設(shè)面積曲線見圖3所示。

從圖中可看出，機器視覺檢測系統(tǒng)可實時獲取到溜槽內(nèi)物料鋪設(shè)面積，當(dāng)溜槽未堵塞時溜槽內(nèi)物料鋪設(shè)面積始終在閾值以內(nèi)，而當(dāng)溜槽出現(xiàn)堵塞時則溜槽內(nèi)物料鋪設(shè)面積會超過設(shè)定閾值?？蓪崟r獲取到溜槽內(nèi)物料鋪設(shè)面積，機器視覺檢測系統(tǒng)通過溜槽內(nèi)物料鋪設(shè)面積與設(shè)定閾值進(jìn)行比對，從而實時對溜槽是否堵塞進(jìn)行判定。

4 結(jié)論

機器視覺技術(shù)近些年來在工業(yè)、安防等方面應(yīng)用逐漸廣泛，同時隨著智能AI平臺的不斷開發(fā)使用，可為用戶個性化定制提供便捷。將機器視覺技術(shù)應(yīng)用到選煤廠輸送機溜槽堵塞檢測中，并根據(jù)獲取到的大量圖像數(shù)據(jù)對視覺檢測算法不斷訓(xùn)練，方可減少堵塞檢測錯誤率。

將基于機器視覺技術(shù)的溜槽堵塞檢測系統(tǒng)應(yīng)用到輸送機溜槽堵塞檢測中，當(dāng)溜槽出現(xiàn)堵塞30s后選煤廠集控中心大屏監(jiān)控系統(tǒng)即會顯示堵塞位置畫面，便于安排人員前去處理，從而避免由于溜槽堵塞導(dǎo)致后續(xù)生產(chǎn)嚴(yán)重受影響問題發(fā)生。綜合統(tǒng)計發(fā)現(xiàn)，溜槽堵塞檢測正確率在98%以上，誤報警率在2%以內(nèi)，可在一定程度上提高選煤廠生產(chǎn)效率。

文中所提溜槽堵塞檢測系統(tǒng)結(jié)構(gòu)簡單，故障發(fā)生率較低，但是也存在指示線（L1及L2）被煤泥覆蓋、需要頻繁清洗等問題，在后續(xù)研究中可使用激光射頻技術(shù)構(gòu)建指示線，從而解決上述問題。

【參考文獻(xiàn)】

[1]王建國.溜槽物料堵塞檢測方式在洗煤廠的應(yīng)用[J].煤炭工程，2019，51（S2）：127-130.

[2]冀連權(quán).選煤廠溜槽堵塞原因及實例分析[J].煤炭加工與綜合利用，2017（11）：37-38，43.

[3]武文澤.基于機器視覺的選煤廠輸送機皮帶磨損故障診斷研究[D].徐州：中國礦業(yè)大學(xué)，2020.

[4]李惠.選煤廠集中控制系統(tǒng)的研究與設(shè)計[J].中國礦山工程，2020，49（5）：71-72，76.

[5]李太友，劉純.選煤行業(yè)新技術(shù)浪潮下的智能化選煤廠[J].選煤技術(shù)，2019（1）：7-13.

[6]種亞崗，石曉軍，陳鋒，等.機器視覺技術(shù)在選煤廠應(yīng)用的研究現(xiàn)狀和進(jìn)展[J].礦山機械，2017，45（7）：57-59.

[7]林婭靜.基于視覺的選煤廠智能監(jiān)控系統(tǒng)研究[D].徐州：中國礦業(yè)大學(xué)，2014.

[8]周德煬，張立忠，景治，等.基于機器視覺的煤質(zhì)快速分析法及其應(yīng)用[J].煤炭加工與綜合利用，2020（8）：78-80.