曠永龍

(山西焦煤集團有限責任公司 東曲煤礦, 山西 古交,030200))

帶式輸送機是煤炭生產運輸的關鍵設備,經傳送帶承載原煤、物料等完成運輸任務。煤礦井下運行環(huán)境惡劣,運輸過程易出現傳送帶撕裂斷帶事故,影響煤炭生產運輸效率[1-2].導致帶式輸送機傳送帶撕裂的主要原因為非煤異物劃傷,傳統帶式輸送機保護系統是在故障發(fā)生后進行保護,具有滯后性,影響帶式輸送機運行效率[3-4]. 基于NVIDIA Jeston硬件開發(fā)平臺,采用改進YOLOv3模型設計帶式輸送機非煤異物檢測系統,以達到非煤異物預警,降低傳送帶撕裂事故發(fā)生概率,保證帶式輸送機安全、高效、穩(wěn)定運行。

1 非煤異物檢測方法

帶式輸送機非煤異物主要包括矸石、錨桿/錨索、螺栓/螺母、鉆頭/桿、工字鋼頭、輸送帶頭/卡、道釘/道木、棉紗、鐵絲等,與帶式輸送機實際運行環(huán)境相關。非煤異物識別方法為:實時采集帶式輸送機傳送帶圖像信息并進行邊緣檢測,提取圖像形狀特征,進行特征增強后匹配異物目標檢測算法,進而輸出識別結果[5-6]. 同時更新非煤異物樣本庫以及特征集合,為非煤異物匹配算法提供模型訓練樣本。非煤異物識別方法見圖1.

圖1 非煤異物識別方法圖

非煤異物識別步驟為:1) 采集圖像給與處理。對采集到的異物圖像進行色彩轉換、去噪、信息增強處理,使得異物圖像邊緣特征清晰。2) 提取異物特征并建立樣本庫。對異物圖像進行閾值分割、區(qū)域分割、邊緣檢測以及形狀樣本提取,同時建立異物樣本庫[7-9]. 3) 解算異物坐標。建立攝像機、輸送帶及異物圖像的相對坐標關系并解算異物坐標。

2 方案設計

帶式輸送機非煤異物檢測系統設計的目標為:1) 精度要高,要求采集到的圖像清晰度高、異物模型的檢測精度高。2) 非煤異物檢測速度要快,能夠適應帶式輸送機0～4.5 m/s的帶速,實時性強。3) 對帶式輸送機傳送帶進行實時監(jiān)控,能夠有效檢測出非煤異物并與帶式輸送機控制系統聯動,觸發(fā)聲光語音報警。4) 能夠對非煤異物歷史檢測數據進行查看和分析。根據上述設計目標,帶式輸送機非煤異物檢測系統方案設計框圖見圖2.

圖2 帶式輸送機非煤異物檢測系統方案設計框圖

3 硬件組成

帶式輸送機非煤異物檢測系統硬件主要包括核心控制及處理模塊、高清攝像儀、PLC控制模塊等。

1) 核心控制及處理模塊。選用NVIDIA Jeston Xavier NX非煤異物檢測開發(fā)軟件,CPU采用四核ARM Cortex-A57 MPcore處理器,主頻為1.43 GHz;GPU采用NVIDIA MaxwellTM架構,擁有128個CUDA核心,472GFLOPS(FP16);存儲空間為16 GB Emmc5.1閃存+128 GB microSD;對外接口支持10、100、1000 BASE-T 以太網、UART、HDMI、GPIO、USE3.0×4等,滿足帶式輸送機非煤異物檢測需求。

2) 高清攝像儀。選用MindVIsion的MV-GE500C型,該攝像頭為工業(yè)級產品,結構設計緊湊、圖像質量高,能夠適應井下光照強度弱、粉塵多的惡劣環(huán)境。該攝像頭的有效像素為500 W,分辨率為2 592×1 944@24FPS,數據接口為RJ45千兆以太網并向下兼容100 M網絡;支持ROI設定、對比度/飽和度/伽馬調節(jié)、ISP圖像處理等功能。

3) PLC控制模塊。選用EPEC的3724,支持CANOPEN、CAN2.0B通訊,支持開關量輸入、0～5 V電壓輸入、0～22.7 mA電流輸入、脈沖輸入、相位差90°脈沖計數輸入、開關量輸出、PWM調試輸出,防護等級為IP67,抗沖擊、抗振動能力強。

4 軟件設計

4.1 非煤異物檢測模塊

帶式輸送機非煤異物檢測流程基于NVIDIA Jeston Xavier NX硬件平臺實現,內置Ubuntu 16.04系統并安裝OpenCV、數據庫等軟件。非煤異物檢測系統以TCP/IP通訊接收到帶式輸送機處的攝像頭視頻流數據后,依據改進YOLOv3模型[9]進行非煤異物檢測,檢測結果通過OpenCV軟件進行展示。非煤異物檢測流程圖見圖3,對于有非煤異物的幀圖片進行異物類別、異物信息標注并保存該幀圖片,同時標識與PLC控制系統聯動的聲光報警信號標志位。

圖3 非煤異物檢測流程圖

4.2 報警聯動控制模塊

報警聯動控制模塊位于帶式輸送機PLC控制系統內部,PLC控制系統以CAN總線通訊、硬連接兩種方式與非煤異物檢測系統連接。PLC控制系統中的報警模塊周期性的檢測非煤異物報警標志位,當檢測到該標志位為1后,觸發(fā)聲光語音報警;待報警事件解除后,將非煤異物報警標志位清零。

4.3 Web端非煤異物檢測查詢模塊

Web非煤異物檢測查詢模塊前端采用JavaScript框架Vue進行設計,后端采用Python web微框架Flask,對接收到的帶式輸送機傳送帶視頻流采用nginx+ffmpeg技術,提高對視頻流處理的實時性和穩(wěn)定性。設計的主界面(圖4)左側功能模塊有“首頁”“所有設備”以及“系統管理”3個。單擊“首頁”按鈕后會返回Web非煤異物檢測模塊首頁,可同時查看最多10路攝像頭信息,可單獨配置和全屏顯示。單擊“系統管理”后會顯示“統計信息”“預警記錄”“系統設備”3個子項,完成帶式輸送機視頻實時監(jiān)控、攝像頭管理、非煤異物報警管理、非煤異物圖片管理、非煤異物預警信息統計等功能。

圖4 Web端非煤異物檢測查詢主界面圖

5 試驗分析

基于太原理工大學電氣節(jié)能控制實驗室?guī)捷斔蜋C試驗平臺,進行帶式輸送機非煤異物檢測系統試驗。

非煤異物檢測模塊對接收到的帶式輸送機攝像儀視頻流進行異物檢測。當檢測到包含非煤異物的視頻流后會在Web報警界面中自動彈出包含非煤異物的圖片。該圖片中包含了非煤異物預測結果框以及FPS信息,見圖5,平均檢測速度可達4.3 FPS且系統運行流暢。

圖5 非煤異物檢測結果圖

對2022年11月7日至9日以及2022年11月12日至14日兩次連續(xù)3日,以人工統計、Web端檢測兩種方式對帶式輸送機非煤異物進行數據分析,驗證非煤異物檢測系統的準確率。結果見表1.

表1 帶式輸送機非煤異物檢測統計數據表

前3日人工統計總異物次數為328次,Web端檢測總異物(預警次數)為301次,非煤異物檢測準確率為91.77%;后3日內人工統計總異物次數為437次,Web端檢測總異物(預警次數)為416次,非煤異物檢測準確率為95.20%. 試驗結果表明,該非煤異物檢測系統的檢測準確率≥90%,檢測精度較高。

6 結 語

基于NVIDIA Jeston硬件開發(fā)平臺,采用改進YOLOv3模型設計帶式輸送機非煤異物檢測系統,經比對試驗檢測該系統的檢測準確率在90%以上,該系統能夠快速、準確地檢測非煤異物,保障了帶式輸送機安全、高效、穩(wěn)定運行。