在煤礦主運輸系統中，膠帶機以其運煤量大、性能穩定被當今煤礦作為最主要的運煤設備，但膠帶機事故時有發生。在整部膠帶機中，膠帶占很大的比重，若被撕裂，給煤礦帶來極大的經濟損失。目前，煤礦井下膠帶機普遍使用鋼絲繩芯膠帶，該膠帶內部縱向布置了許多鋼絲繩，具有極高的縱向拉伸強度和良好的成槽性能，有效抑制了膠帶的橫向撕裂，但其抗縱向撕裂的強度并沒有增強，僅為橡膠本身的強度，容易被尖銳鐵器刺穿，由于大功率膠帶機的運行速度一般都較高，如不能及時發現并停車，將會造成縱向長距離撕裂，不僅損壞膠帶，而且影響煤礦正常生產。

膠帶縱向撕裂檢測裝置一直是重要的研究對象，到目前為止還沒有一種較理想的檢測裝置，已有的膠帶縱向撕裂檢測裝置在精度和可靠性方面均不能滿足要求，漏檢或誤檢的概率都比較高。

隨著圖像處理技術和計算機視覺技術的快速發展，相關技術已經被廣泛應用于工業檢測中?，F在已有研究把數字圖像處理技術和計算機視覺技術用于膠帶縱向撕裂檢測，通過檢測膠帶裂紋，從而得出膠帶是否發生縱向撕裂或者將要發生縱向撕裂。

一般來說，在采集到的膠帶圖像中，包含兩類對象： ① 狀況良好的膠帶，即背景； ② 裂紋，即識別的目標。因此，數字圖像可分為兩類像素集： 代表背景的像素和代表裂紋的像素，理想狀況下，裂紋比背景更暗，但是由于各種因素的影響，使膠帶裂紋圖像具有以下特點： ① 代表裂紋的像素數量遠遠小于代表背景的像素數量； ② 正常膠帶的灰度值與裂紋的灰度值有部分重疊； ③ 膠帶圖像信息量較大。數字圖像處理方法和步驟如下：數字圖像處理是計算機視覺檢測膠帶裂紋系統的核心部分，膠帶裂紋數字圖像處理方法主要包括圖像去噪、圖像增強、邊緣檢測、圖像分割和圖像識別等技術。井下巷道內存在懸浮煤塵，且光照亮度低，獲取的膠帶裂紋圖像清晰度不高且裂紋邊緣凸出性不明顯，膠帶裂紋圖像存在大量噪聲，大大增加了膠帶裂紋的分割難度。所以，在進行膠帶裂紋原始圖像分割之前，必須對原始圖像進行預處理，既圖像去噪、增強。

圖像去噪其實就是濾除圖像中的噪聲，而圖像噪聲在頻域中灰度突變，且相當于一種高頻分量，圖像濾波法等價于一種簡單的低通濾波器，能夠濾除掉高頻分量，故采用圖像濾波法能夠去除圖像信號中的噪聲。

裂紋圖像經過濾波去噪后，為便于進一步判斷，需進行圖像增強，以提高圖像的清晰度、擴大圖像的對比度、增大圖像的動態范圍、增強圖像的邊緣而不明顯引入噪聲。在膠帶裂紋圖像經過預處理后，需進行圖像分割。

由膠帶裂紋特征可知膠帶裂紋主要體現為裂紋的邊緣，因此為保證圖像能夠準確分割，需先對裂紋圖像進行邊緣檢測。

在邊緣檢測中，算子有很多種，一般煤礦井下膠帶裂紋圖像含有大量噪聲且圖像灰度漸變，可以初步考慮使用 Sobel 梯度算子或 Prewitt 梯度算子進行檢測。

Prewitt 算子模板比 Sobel 算子計算簡便，但 Prewitt 算子在抑制噪聲特性方面沒有 Sobel 算子好，本文選擇Sobel 算子進行邊緣檢測。

在對膠帶裂紋原始圖像進行去噪、增強、邊緣檢測等處理后，需對膠帶裂紋圖像進行分割。圖像分割法有很多種，本文采用二維 Otsu 閥值分割算法進行圖像分割，能較為準確地分割出膠帶裂紋圖像。

在圖像分割后，只有提取被測物的參數才能供計算機去識別。對膠帶裂紋提取參數時，只需通過裂紋的幾何形狀參數就能做出判斷，即提取裂紋的面積、長度和寬度，而膠帶裂紋的長度是判斷膠帶撕裂程度的最關鍵參數，為滿足視覺檢測系統的實時性，盡可能減少計算量，只需提取裂紋的長度即可。

膠帶表面裂紋形狀在大多數情況下非常復雜，計算它們的準確長度并不是件容易的事。通過對多幅圖像處理后的裂紋圖像進行研究和分析，采用逐像素掃描特征提取法運算速度快、計算簡單，能夠較為準確的計算出裂紋的長度。

結語

煤礦膠帶縱向撕裂檢測一直是煤礦研究的重要課題，已有的檢測方法主要針對已明顯發生的膠帶撕裂情況，缺乏提早預測的能力，而且這些方法受限于本身的檢測原理，在實際應用中均具有一定的局限性。本文通過深入分析膠帶裂紋圖像特點，提出了基于數字圖像處理的膠帶裂紋檢測方案，并詳細介紹了數字圖像處理的方法和步驟。

參考文獻：

[1]毛君，等。 礦用輸送帶縱向撕裂原因分析及其預防[J]. 煤礦機械，2007,10（ 28） .
[2]李艷，等。 基于虛擬儀器的鋼繩芯帶式輸送機縱向撕裂檢測研究[J]. 煤礦機械，2011,08（ 32） .
[3]許洪強。 帶式輸送機膠帶縱向撕裂監測系統的研究[D]. 遼寧工程技術大學，2006.