基于X射线图像的接头抽动算法研究_方崇全.pdf

基于 X 射线图像的接头抽动算法研究 方崇全， 张荣华 （中煤科工集团 重庆研究院有限公司， 重庆 400039） ［摘 要］ 针对现有强力输送带接头抽动检测算法检测精度低、 自适应程度不高的问题， 提出 一种结合改进 Y-差分与 SURF 特征匹配为一体的强力输送带接头抽动检测算法。 该算法首先进行 X 射线图像接头点检测； 随后对待检测接头点提取 SURF 特征向量， 根据特征值进行特征匹配， 寻求当 前图像与基准图像的映射关系， 计算归一化系数； 最后根据归一化系数进行抽动趋势分析并计算抽动 距离。 通过实际应用验证， 该方法检测精度较高， 对强力输送带的速度变化、 跑偏、 抖动具有一定的 自适应性， 保障了强力输送带的安全运输。 ［关键词］ X 射线图像； 接头抽动； 强力输送带； 改进 Y-差分 ［中图分类号］ TD634 ［文献标识码］ A ［文章编号］ 1006-6225 （2016） 04-0050-03 Belt Joint Twitch Algorithm Research Based on X-ray Image FANG Chong-quan， ZHANG Rong-hua （Chongqing Research Institute Co. ， Ltd. ， China Coal Technical Engineering Group， Chongqing 400039， China） Abstract To the problems of low defection precision and self-adaption of high stress belt conveyor joint twitch detection algorithm， another high stress belt conveyor joint twitch detection algorithm was put forward， which combining improved Y-difference and SURF features matching together. First， the X-ray image belt joint points was detected， and then the SURF feature vectors of detection belt joints were extracted， and feature matching was proceeded according feature value， mapping relation between present image and stand- ard image was seeking， normalization coefficient was calculated， belt joints twitch trend and twitch distance were analyzed according normalization coefficient. On the basis of application verification， the precision was higher， and it has some self-adaption for speed change， migration and vibration， so safety transportation of high stress belt conveyor was guaranteed. Key words X-ray image， belt joint twitch； high stress belt conveyor； improved Y-difference ［收稿日期］ 2016-01-18［DOI］ 10. 13532/ j. cnki. cn11-3677/ td. 2016. 04. 013 ［基金项目］ 重庆市社会民生科技创新专项项目 （cstc2015shmszx0921）； 中煤科工集团重庆研究院有限公司青年创新基金资助项目 （2014QNJJ26） ［作者简介］ 方崇全 （1978-）， 男， 四川广安人， 硕士， 副研究员， 研究方向为矿山自动化、 煤矿视频监控、 图像处理等。 ［引用格式］ 方崇全， 张荣华 . 基于 X 射线图像的接头抽动算法研究 ［J］ . 煤矿开采， 2016， 21 （4） 50-52. 在煤矿原煤运输过程中， 钢丝绳芯输送带接头 是输送系统的薄弱环节， 一旦接头发生抽动， 其强 度会急剧下降， 抽动超过一定限度后就会造成重大 断带安全事故， 严重影响安全生产。 澳大利亚学者 A. 哈里森采用电磁感应原理， 研制出 “CBM 强力输送带钢绳芯探伤装置”； 中国 矿业大学（北京）使用 X 光检测技术应用于强力输 送带无损检测领域， 开拓了强力输送带检测的新方 向； 焦晋杰等利用钢丝绳芯输送带对接头部分灰度 关系， 减少了人工参与， 但未进行接头抽动判断； 天津工业大学研发的钢丝绳芯输送带接头拉伸故障 自动检测方法， 采用改进的 “条件” Y-差分算法 和聚类方法实现对每个接头自动拉伸抽动判断。 以上几种算法都没有消除输送带运行速度带来 的影响， 直接导致二次采集的同一接头图像发生平 移、 伸缩等变形， 检测精度存在较大偏差。 本文采 用基于 SURF 特征向量匹配进行接头抽动检测， 提 高检测精度以及对输送带跑偏、 伸缩等自适应性。 1 接头识别算法 1. 1 图像预处理 接头识别主要目的为识别每幅图像中的搭接接 头， 只有识别出所有的接头后才能计算抽动距离， 进而分析整条输送带的安全系数。 由于探测器像元受 X 射线光照强度不同， 灰 度分布不均匀， 因此接头识别之前必须进行灰度级 修正， 采用分段线性变换映射将整幅图像映射到某 一灰度范围内。 假定原图像分布范围为 （M1， M2）， 根据公式 （1） 将图像灰度分布范围扩展至 （a， b）， 随后采用高丝平滑滤波消除掉噪声。 g（x， y） a f（x， y） ＜ a b - a M2 - M1［f（x， y） - M1］ a a ≤ f（x， y） ≤ b bf（x， y） ＞ b ■ ■ ■ （1） 05 第 21 卷 第 4 期 （总第 131 期） 2016 年 8 月 煤 矿 开 采 COAL MINING TECHNOLOGY Vol. 21No. 4 （Series No. 131） August 2016 ChaoXing 1. 2 接头识别 根据图像灰度分布特性， 接头点与其相邻点在 垂直方向上灰度值相差很大， 其中上接头点小于相 邻点灰度值， 下接头点大于相邻点灰度值， 对每个 像素点作 Y 方向差分即可实现图像分割。 记垂直 方向差分为 DY P（x， y 1） - P（x， y） ， 其中 P（x， y） 为某一像素点灰度值， P（x， y 1） 为垂 直方向相邻像素点灰度值， thr 为分割阈值， 其值 由灰度修正后接头图像灰度范围和图像对比度决 定， 如果图像对比度较大， 则阈值可选取较大， 反 之则选取较小。 P（x， y） 128 DY ＞ thr 且 P（x， y） ＜ P（x， y 1） 255 DY ＞ thr 且 P（x， y） ＞ P（x， y 1） ｛ （2） 在实际应用中， 图像噪声较多 （接头部分存 在劈丝等）， 亮度灰度变化通常存在过渡区域， 如 果直接用邻域点本身的灰度值进行计算， 阈值确定 比较困难， 为了有效避免这种情况， 用相邻 3 个像 素点的灰度值进行均值计算代替邻域点的灰度值， 如公式 （3） 所示。 DY P（x -1， Y） P（x， y） P（x 1， y）［ ］/3 -P（x， y 1）（3） 完成差分计算后， 还存在较多孤立的噪声点， 进行中值滤波， 为了有效地避免将接头点滤除掉， 只对 x 方向进行滤波处理。 随后通过轮廓跟踪目标 区域中的上下接头点， 计算接头点的质心坐标， 记 为 （xc， yc） 。 2 接头点匹配 经过上述步骤， 已经得到基准图像与当前图像 的接头点质心， 但是两幅图像的接头点之间并没有 建立起联系， 无法实现接头点抽动检测。 接头点匹 配在接头点质心基础上完成基准图像接头点在当前 图像中的位置定位。 本文在特征点匹配过程中， 选 取运算速度较快、 并且具有位置不变换特性的 SURF 特征向量描述接头点。 算法步骤如下 （1） 选取接头点质心周围 2424 区域作为感 兴趣区域， 并把这些区域分割成 44 的子区域， 为了保留空间信息， 子区域会有部分重叠， 子区域 大小为 99。 （2） 每一个子区域中， 在 99 的点阵内计算 Haar 小波响应 dx， dy， 并进行高斯加权。 （3） 分别对子区域的 dx， dy，dx ，dy 响 应求和并归一化向量。 得到特征描述 （Σdx， Σdy， Σ dx ， Σ dy ） ， 统计得到每个特征点的 64 维向量。 经过上述步骤得到基准图像与当前图像接头点 的 64 维特征向量， 其中基准图像接头点特征向量 记为 x1， x2， ， x64（） ， 当前图像接头点特征向 量记为x′1， x′2， ， x′64（） 。 通过公式 （4） 计 算基准图像所有接头点和待检测图像所有接头点的 欧式距离， 计算其最近邻和次近邻欧式距离比来查 询匹配点， 当比值小于某个阈值时， 则认为两点匹 配。 D x1 - x′ 1 （） 2 x2 - x′ 2 （） 2 x64 - x′ 64 （） 2 （4） 完成特征点匹配后， 获得了当前图像与基准图 像的匹配点集合， 记为 | （x1， y1），（x2， y2）， ， （xn， yn） | ， 观察分割后的接头图像， 设定空 间约束条件， 很容易获得接头最上端接头点和最下 端 接 头 点， 它 们 都 包 含 于 匹 配 点 集 合 中 （x1， y1）， （x2， y2）， ， （xn， yn）， 令上接头 点为xt1， yt1（ ） ， xt2， yt2（） xtk， ytk（）［］ ， 下接 头为（xb1， yb1）， （xb2， yb2）（xbl， ybl）［］ ， k 为 上接头点个数， l 为下接头点个数。 平均多个接头 特征点坐标求接头长度， 待检测图像接头长度 Lc 如公式 （5） 所示， 同理可得基准图像接头长度 Lr， 其中 PixWidth 为固定数值， 不同的输送带选 取不同的数值。 完成图像接头点长度计算后， 即可 通过公式 （6） 求出归一化系数 K。 Lc（yb1 y b2 ybl）/ l - （yt1 y t2 ytk）/ k ［］PixWidth（5） K Lc/ Lr（6） 3 接头抽动距离计算 在接头匹配中， 当前图像与基准图像的接头点 之间建立起了联系， 并且标记了接头点对中的上接 头和下接头。 为了计算接头抽动距离， 必须完成接 头点对的匹配， 计算图像中每个接头点对的距离。 观察接头识别图像， 根据距离约束法则式 （7）， 当水平距离差和垂直距离差小于一定的阈值时， 则 可判断上接头与下接头点匹配为一对接头点。 其中 σx 为水平阈值， σy 为垂直阈值， 对于同一条输送 带而言其值为固定值， 具体应用中由输送带规格决 定， 通常 σx 略大于两条钢丝绳芯的距离， σy 略大 于上下接头点间的标准垂直距离。 xi - x j ＜ σx yi - y j ＜ σy ｛ （7） 完成接头点对匹配后， 按照点对的特征进行标 记， 保证了基准图像接头点对与当前图像接头点对 是一一对应的。 根据公式 （8） 计算接头点对之间 的距离， 其中 PixWidth 为像素间距， 根据探测器 精度决定。 将计算的接头点对距离按照标记的序号 进行排序， 当前图像接头点对距离记为 ［C1， C2， 15 方崇全等 基于 X 射线图像的接头抽动算法研究2016 年第 4 期 ChaoXing ， Cn］ ， 基准图像接头点对距离记为 ［R1， R2， ， Rn］ ， 其中 n 为接头点对数， i 为接头点对编 号。 根据前面计算得到的归一化系数 K， 以及公式 （9） 可以计算出当前图像与基准图像标记序号为 i 的接头点对抽动距离 Li， 同理可以得出其他匹配点 对的抽动距离， 记为L1， L2， ， Ln［ ］ 。 xi - x j （） 2 yi - y j （） 2 PixWidth（8） Li C iK - Ri （9） 4 实验验证 经过以上几个步骤， 已经完成接头识别、 接头 抽动检测， 达到了算法设计的目的。 以本文算法为 基础的 X 射线无损检测系统已经在安徽某煤矿投 入了使用， 运行效果良好。 图 1 为输送带 6 号接头 处理结果， 最大抽动距离为 3. 615mm、 安全系数 为 0. 9115。 图 1 6 号接头处理结果 所有实验素材取自于实际现场， 为了证明算法 的有效性， 将其应用到主运输输送带的其他几个接 头， 表 1 为算法处理结果。 从表 1 可以看出， 本文 算法实用性较强， 能够准确统计出每个接头的抽动 距离。 表 1 其他接头处理结果 接头序号平均抽动/ mm最大抽动距离/ mm安全系数 10. 4451. 8210. 941 20. 4251. 4140. 944 30. 4091. 7160. 968 40. 4521. 8220. 943 50. 3322. 6910. 975 5 结 论 结合 X 射线成像与图像处理技术实现矿用钢 丝绳芯接头抽动检测， 该算法采用改进的 Y-差分 算法实现接头识别， 利用 X-方向滤波去除冗余点； 随后利用 SURF 特征向量匹配解决输送带速度变化 引起的检测不准确问题， 最后引入归一化系数保证 抽动距离计算的准确性。 实际应用表明本文算法能 够实时准确地计算出接头抽动距离， 实现了接头抽 动检测的自动化， 保障了输送带安全稳定地运行。 ［参考文献］ ［1］ 李湘洲 . 无损检测技术发展史略 ［J］ . 科学技术与辩证法， 1991 （8） 35-38. ［2］ 荆 峰 . X 射线数字化实时成像系统在无损检测中的应用 ［J］. 无损探伤， 2004， 28 （3） 37-39. ［3］ 焦晋杰， 牛昱光 . X 光成像的钢绳芯输送带接头距离检测方法 ［J］ . 机械工程与自动化， 2012 （5） 133-137. ［4］ 王 文 . 基于 X 光的强力输送带钢丝绳芯图像缺陷检测算法 研究 ［D］ . 天津 天津工业大学， 2012. ［5］ 张淑娟， 金书英 . 利用分段线性拉伸法增强图像阴影区的亮 度和反差 ［ J］ . 测 绘 与 空 间 地 理 信 息， 2006， 29 （3） 81-83. ［6］ 蔡周全， 何吉坤， 赵波浪， 等 . 矿用钢绳芯输送带 X 射线检 测系 统 设 计 及 应 用 ［ J］ .煤 炭 技 术， 2015， 34 （ 2 ） 228-230. ［7］ Hebert Bay， Andreas Ess， Time Tuytelaars， etc. Speeded-up ro- bust features （SURF）［J］ . Computer Vision and Image Under- standing， 2008， 110 （3） 346-359. ［8］ 郭 伟， 赵亦工， 谢振华 . 一种改进的红外图像归一化互相 关匹配算法 ［J］ . 光子学报 . 2009， 38 （1） 189-193. ［责任编辑 周景林］ （上接 83 页） ［参考文献］ ［1］ 李为腾， 李术才， 玄 超 . 高应力软岩巷道支护失效机制及 控制研究 ［ J］ . 岩石力学与工程学报， 2015， 34 （9） 1836-1848. ［2］ 浑宝炬， 陈晓坡 . 林南仓矿软岩巷道变形控制技术及数值模 拟研究 ［J］ . 中国矿业， 2013， 22 （10） 88-90. ［3］ 刘建庄， 杨忠东， 刘树第 . 浅拱底梁支架底鼓控制技术研究 ［J］ . 采矿与安全工程学报， 2015， 32 （4） 565-570. ［4］ 李英明， 张 瀚， 孟祥瑞 . 软岩巷道二次支护时机研究 ［J］. 煤炭学报， 2015， 40 （S1） 47-52. ［5］ 刘建庄， 王作棠， 宫平阳 . 林南仓矿软岩巷道底鼓综合治理 技术实践 ［J］ . 煤炭工程， 2011， 43 （9） 50-52. ［6］ 郑朋强， 陈卫忠， 谭贤君 . 软岩大变形巷道底臌破坏机制与 支护技术研究 ［J］ . 岩石力学与工程学报， 2015， 34 （S1） 3143-3150. ［7］ 浑宝炬， 陈晓坡 . 林南仓矿软岩巷道壁后充填支护技术 ［J］. 煤矿安全， 2014， 45 （2） 123-126. ［8］ 刘建庄， 张国安， 刘树弟 . 泥质软岩巷道变形机理与控制对 策 ［J］ . 煤矿安全， 2013， 44 （7） 202-204. ［责任编辑 毛德兵］ 25 总第 131 期煤 矿 开 采2016 年第 4 期 ChaoXing