基于機器視覺的煤塵在線檢測系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、煤礦井下生產(chǎn)作業(yè)過程中會產(chǎn)生大量粉塵顆粒，它們能夠較長時間懸浮在空氣中，會在重力的作用下慢慢地沉積在工作面的底板、巷道壁、機電設(shè)備的表面等。若機械運轉(zhuǎn)、局部通風(fēng)、人員走動、放炮則會使已沉降的粉塵再次飛揚形成二次揚塵，驟然增加作業(yè)場所內(nèi)空氣中的粉塵濃度。懸浮著的粉塵會危害礦工的身體，導(dǎo)致塵肺病。此外，煤礦中的粉塵達(dá)到一定濃度(在爆炸下限至上限濃度范圍內(nèi))，遇明火還有可能發(fā)生爆炸，爆炸產(chǎn)生的沖擊波會使積塵揚起，導(dǎo)致產(chǎn)生更為嚴(yán)重的后果。此外，

2、煤炭生產(chǎn)已經(jīng)實現(xiàn)了機械化，部分煤礦已經(jīng)實現(xiàn)了生產(chǎn)自動化，大量的貴重設(shè)備和精密儀器應(yīng)用在井下，煤塵顆粒的粘附會加速機械設(shè)備的磨損，縮短精密儀器的使用壽命。因此需要監(jiān)測粉塵的變化，并依據(jù)檢測結(jié)果指導(dǎo)井下作業(yè)環(huán)境中的抑塵、防塵、降塵和除塵。但傳統(tǒng)的檢查方法多為手動操作，只能定時定點對粉塵進(jìn)行檢測，測量結(jié)果不穩(wěn)定、不能反映煤塵濃度的變化規(guī)律，實時性差、不能及時有效地指導(dǎo)防塵降塵工作。因此研制煤塵在線檢測系統(tǒng)有著重要的理論意義和應(yīng)用價值，本文研究

3、的主要概括如下：
　　 (1)設(shè)計了一種基于機器視覺的煤塵顆粒在線檢測系統(tǒng)。機器視覺技術(shù)因其直觀、智能、易與其他系統(tǒng)集成而在工業(yè)生產(chǎn)過程中得到廣泛應(yīng)用?；跈C器視覺粉塵檢測系統(tǒng)可以實現(xiàn)長期、多點、非接觸測量，因此本文提出了一種新的基于機器視覺的遠(yuǎn)程在線微米級顆粒檢測方法，基于該方法實現(xiàn)遠(yuǎn)程監(jiān)測煤礦井下粉塵。檢測系統(tǒng)的功能包括兩部分下位機的圖像采集和上位機的圖像分析。下位機系統(tǒng)實現(xiàn)煤塵樣本采集、煤塵圖像采集和圖像遠(yuǎn)程傳輸，上位機對

4、獲得的圖像進(jìn)行處理和分析，并給出顆粒分析的報告。
　　 (2)提出了一種濾波參數(shù)自適應(yīng)的非局部全變差濾噪算法。獲得的粉塵圖像經(jīng)過壓縮、傳輸、解壓等一系列的步驟，圖像信噪比低、對比度差，需經(jīng)濾噪提高圖像質(zhì)量。非局部均值去噪的基本原理是遍歷整幅圖像，通過與其相似像素灰度值加權(quán)平均來估計每個像素點的灰度值。圖像中不同像素點間灰度值越相似，它們具有的相似權(quán)系數(shù)就越大。非局部均值方法雖能有效地降低圖像噪聲并保持圖像的細(xì)節(jié)，但也存在著最優(yōu)濾

5、波參數(shù)選擇和運行速度慢的問題。通過分析濾波參數(shù)與噪聲標(biāo)準(zhǔn)差之間的關(guān)系，發(fā)現(xiàn)濾波參數(shù)的選擇對圖像去噪的效果影響很大，因此文中給出了定量估計最優(yōu)濾波參數(shù)的方法。此外，結(jié)合非局部均值濾波和全變分運算的思想，基于圖像像素間的鄰域相似性和搜索窗內(nèi)相似性兩個度量，建立了一種非局部均值全變差的濾噪模型。采用Split-Bregman迭代，在提高了運行效率的同時保持了圖像的紋理和邊緣。濾噪后的圖像具有更高的信噪比，更快的運行效率，且去噪后的圖像保持了紋

6、理和邊緣等細(xì)節(jié)特征。
　　 (3)提出了對比度自適應(yīng)增強的多尺度Retinex顆粒圖像增強算法。
　　 圖像采集系統(tǒng)采用了暗場照明的方式，但所取得的圖像由于環(huán)境的原因仍會出現(xiàn)背景不均勻的現(xiàn)象。若未加處理直接增強圖像，則會將本應(yīng)屬于背景的區(qū)域錯誤地增強為目標(biāo)，導(dǎo)致后續(xù)圖像分析出現(xiàn)誤差。多尺度Retienx算法是依據(jù)人眼視覺感知特性將圖像分為照射分量和反射分量，通過將圖像與多尺度高斯函數(shù)卷積估計照射分量，再從原圖像中減去該照

7、射分量，即可去掉光照對圖像的影響，得到反射分量。經(jīng)典Retienx算法能有效地壓縮圖像的動態(tài)范圍，改善圖像的質(zhì)量，但仍存在著圖像變灰的問題。為了增強圖像的對比度，采用歸一化的非完全Beta函數(shù)增強Retienx處理后的圖像。根據(jù)實驗采集圖像的特點，確定了最優(yōu)對比度時的非線性函數(shù)的兩個參數(shù)的值。經(jīng)過試驗證明，增強后顆粒圖像具有連續(xù)均勻的背景和更高的圖像對比度。另外，通過對顆粒粒徑測量的實驗也佐證了處理后的圖像能夠顯著減少因光照而導(dǎo)致的粒徑

8、測量的誤差。
　　 (4)提出了基于改進(jìn)微粒群算法的二維最大熵的自適應(yīng)圖像分割方法，獲得了連續(xù)一致的圖像分割結(jié)果。雖然圖像分割的方法很多，但閾值法因其簡單有效而被廣泛應(yīng)用。熵是信息量的表征，利用圖像中各個像素的點灰度值及其區(qū)域灰度均值生成二維直方圖，它所對應(yīng)為二維熵原理，熵最大時的閾值為最優(yōu)閾值。二維最大熵圖像分割方法的核心內(nèi)容是利用點灰度和區(qū)域灰度均值信息提取圖像的有用信息，忽視了邊界和噪聲點，使得在圖像信噪比低時也能取得好的

9、分割效果。為了提高尋求最優(yōu)閾值的速度，采用改進(jìn)的微粒群算法尋找最優(yōu)閾值，但微粒群算法存在過早收斂和微粒趨同的問題，因此引入的多群共享向量和概率學(xué)習(xí)變量的改進(jìn)算法。多群共享向量實現(xiàn)多個獨立的群之間的信息的共享，保留每代粒子中每一維的當(dāng)前全局最優(yōu)值，改進(jìn)了“維數(shù)災(zāi)”的問題。為了解決因為微粒停滯導(dǎo)致優(yōu)化陷入僵局的問題，引入學(xué)習(xí)概率變量，改進(jìn)“顆粒趨同”的問題，即以一定的概率對幾代內(nèi)未更新的微粒重新初始化。基于改進(jìn)微粒群算法選取的閾值穩(wěn)定，尋優(yōu)

10、速度快，實現(xiàn)了圖像的連續(xù)一致的自適應(yīng)分割。
　　 (5)提出了一種基于凹點搜索和匹配的顆粒分離重疊顆粒，提高顆粒檢測的準(zhǔn)確率。煤塵顆粒形狀不規(guī)則，邊界凹凸不平，重疊顆粒的數(shù)目也較多，分水嶺和腐蝕膨脹的方法不適用，因此提出了基于凹點搜索和匹配的方法。首先計算每個區(qū)域所包含的顆粒個數(shù)，判定是否為重疊區(qū)域。然后，計算點到不同長度弦的距離乘積表征曲率，并設(shè)定曲率閾值和夾角閾值，據(jù)以選取重疊顆粒的凹點。根據(jù)凹點和顆粒個數(shù)的對應(yīng)關(guān)系確定不同

11、的重疊類型和不同的匹配規(guī)則，用Bresenham畫線連接匹配凹點分離顆粒?；诎键c搜索和匹配的顆粒分離方法可以實現(xiàn)不同重疊程度、多個粘連顆粒的分割。凹點的判別主要是簡單的平方、相加和開根號等運算，算法的復(fù)雜度低，運行速度快，同時避免了重疊顆粒的過度分割。運算過程中無需多次腐蝕與膨脹，因此能夠保持不規(guī)則顆粒圖像的邊緣，使得分離后的變形小，保證了后續(xù)顆粒分析的正確性。
　　 (6)最后設(shè)計仿真實驗系統(tǒng)模擬煤礦井下的粉塵測量環(huán)境，驗證