(a) 原始图像
韩现代1， 曹雪虹2， 焦良葆2
(1.南京邮电大学 通信与信息工程学院， 江苏 南京 210003；2.南京工程学院 通信工程学院， 江苏 南京 211167)
摘要：针对目前钢丝绳芯输送带接头抽动检测方法存在准确率低、自适应差等问题，提出了一种基于X射线图像的钢丝绳芯输送带接头抽动检测方法。首先采用基于Retinex理论的图像增强方法对钢丝绳芯输送带X射线图像进行增强，然后利用Sobel边缘检测算子检测接头边缘并提取接头边缘的质心作为接头点，接着对分层后的接头点进行直线拟合，最后根据相邻接头之间夹的钢丝绳根数对当前采集图像与参考图像的接头进行匹配，比较匹配接头点到各自联合拟合直线的距离，若距离差大于一定的阈值则表明接头抽动。测试结果表明，该方法接头识别率高，能够精确检测出接头抽动。
关键词：钢丝绳芯输送带； 接头抽动； X射线图像； Retinex理论； 图像增强； 接头匹配
钢丝绳芯输送带是煤矿广泛应用的主要运输工具，具有抗冲击性强、拉伸强度大等优点[1-3]。一条长距离的钢丝绳芯输送带由多条输送带用特殊的硫化工艺连接起来。硫化接头部分是整条钢丝绳芯输送带最薄弱环节，据统计，断带事故大多发生在接头处，因此准确、高效地检测接头抽动可防止重大事故发生[4-7]。文献[8-9]使用Y差分法进行接头检测，通过对比由上下接头点组成线对的长度来检测接头抽动，但对于现场采集的图像，存在无法组成线对的接头点，导致不能准确查找到有效线对。文献[10]通过判断接头之间的水平距离和垂直距离进行接头匹配，然后计算匹配后接头点之间的垂直距离实现接头抽动检测，但只适用于硫化规范、排列整齐的接头。文献[11]提出使用加速鲁棒特征进行图像接头匹配，截取参考图像与当前采集图像的公共区域后，位置对应的点为匹配点，然后对匹配后接头点进行比较得到接头抽动距离，然而实际应用中存在许多干扰，特征向量提取时容易出现失误，导致公共区域的截取存在偏差，接头不能精确匹配，影响接头抽动检测结果。鉴此，本文提出了一种基于X射线图像的钢丝绳芯输送带接头抽动检测方法。首先基于Retinex理论进行图像增强，利用检测水平边缘的横向Sobel算子进行接头边缘检测并滤除噪声，提取接头边缘质心作为接头点；然后对检测到的接头点分层，将每层接头点作为一组离散点进行直线拟合；最后根据相邻接头之间夹的钢丝绳根数对当前采集图像与参考图像的接头进行匹配，比较匹配接头点到各自拟合直线的距离，并根据该距离差值检测接头抽动。
采集钢丝绳芯输送带X射线图像时，由于光照或其他因素影响会导致X射线图像灰度不均匀，给接头检测带来困难，所以采用基于Retinex理论的图像增强算法[12-14]对图像进行灰度校正和对比度拉伸，得到灰度均匀的增强图像。
设Io(x,y)为采集的光照不均匀图像，Ir(x,y)为去除光照等干扰的真实图像，L(x,y)为光照等影响因素，N(x,y)为加性噪声，则光照不均匀图像可表示为
Io(x,y)=Ir(x,y)L(x,y)+N(x,y)
(1)
首先通过Butterworth低通滤波器滤除钢丝绳芯输送带X射线图像噪声，得到去除噪声后图像；然后利用Retinex理论建立基于基函数的不均匀光照背景估计模型，利用该模型对去除噪声后图像进行灰度校正，得到灰度校正后图像；最后通过对灰度校正后图像进行对比度拉伸，得到灰度均匀的增强图像。
原始图像及经过灰度校正和对比度拉伸后的增强图像如图1所示，可看出原始图像的右边部分比较暗，经过增强后的图像左右灰度一致。
(a) 原始图像
(b) 增强图像
图1 原始图像和增强图像
Fig.1 Original image and enhanced image
钢丝绳接头部分灰度值存在阶跃性变化，因此可将接头看作横向的边缘，利用边缘检测算子检测接头边缘。Sobel算子中引入了类似局部平均的运算，对噪声具有平滑作用，并且对像素位置的影响进行了加权，可提供较精确的边缘方向信息，因此本文使用Sobel算子[15]作为边缘检测算子。由于接头边缘都是水平的，所以使用横向Sobel算子与增强图像I(x,y)进行平面卷积，卷积公式为
(2)
式中Gx(x,y)为横向边缘检测的图像灰度值。
若Gx(x,y)在(x0,y0)处大于某一阈值(阈值为经验值，经多次试验设置为200)，则认为图像I(x,y)在(x0,y0)处的像素点为接头边缘点，由接头边缘点组成接头边缘。
为有效抑制噪声干扰，根据接头图像特点判断检测到的接头边缘是否为噪声：假设平行于钢丝绳方向为Y轴，垂直于钢丝绳方向为X轴，若在X轴方向上接头边缘小于4个像素点，则将该接头边缘当作噪声去除。相比Y差分法，使用带有条件限制的边缘检测算子检测接头边缘更好地抑制了噪声，接头边缘检测效果如图2所示。
检测到接头边缘后，查找接头边缘连通区域轮廓，提取每个连通区域轮廓的质心，存储该质心作为钢丝绳接头点。假设输送带传输方向为Y轴正方向，则沿Y轴正方向灰度值由大变小的接头为上接头，灰度值由小变大的接头为下接头。在增强图像上标记接头，如图3所示。
(a) 原始图像
(b) Y差分法
(c) 本文检测方法
图2 接头边缘检测效果
Fig.2 Joint edge detection effect
图3 接头标记效果
Fig.3 Joint marking effect
将输送带运行初期采集的图像作为参考图像，由于输送带在传输过程中位置不固定，当前采集图像对比参考图像的钢丝绳接头位置会向上或向下浮动，无法直接比较当前采集图像和参考图像中接头位置来判断抽动。因此本文提出将每一层的接头点作为一组离散点拟合成一条直线，然后比较参考图像和当前采集图像对应的接头点到各自拟合直线的距离来检测接头抽动。
3.1 接头分层
对上接头和下接头分开处理，将上(下)接头点按纵坐标(Y轴)升序排序，计算排序后两相邻接头点纵坐标的差，若差值大于某一阈值(阈值可设定为所有差值均值的倍数)，则表明接头点在此处分层，将每层接头点按横坐标(X轴)升序排序并保存。
3.2 直线拟合
将每层接头点作为一组离散点，运用最小二乘法进行直线拟合。由于当前采集图像和参考图像中的接头大致一致，得到的拟合直线也基本一致。但是若当前采集图像有接头发生抽动，会使二者的拟合直线有微小差别。为尽可能缩小当前采集图像和参考图像拟合直线的差异，本文提出了联合拟合直线的思想。
设拟合直线为y=kix+bi(i=1，2，…，2M,M为上(下)接头分层数)，其中ki为第i条直线的斜率，bi为第i条直线的纵截距。在拟合直线的最小斜率min(ki)到最大斜率max(ki)之间等间隔生成若干个数值，作为联合拟合直线斜率km的候选值；取(bi-10,bi+10)作为第i条联合拟合直线截距bim的候选值取值范围。各层钢丝绳接头点到对应联合拟合直线的距离平方和取最小值时对应的斜率km和截距bim即分别为联合拟合直线的斜率和截距，得到斜率统一的联合拟合直线y=kmx+bim。
3.3 接头匹配
获得当前采集图像和参考图像接头后，需要将二者的接头匹配成一一对应的关系。本文提出一种接头匹配方法，即根据钢丝绳两相邻接头之间夹的钢丝绳根数进行接头匹配。首先获取当前采集图像和参考图像某一层两相邻接头之间所夹钢丝绳根数，分别保存为数组Num和Num_m，然后将Num左右平移与Num_m对比，寻找最佳匹配时对应的坐标，分别记为Index和Index_m，最后逐层匹配则可完成整体接头匹配。
3.4 接头抽动距离计算
当前采集图像和参考图像的大小可能有差异，需要对当前采集图像和参考图像匹配的接头点到各自联合拟合直线的距离进行归一化处理，将相邻联合拟合直线之间平均距离的倒数作为归一化系数。
当前采集图像接头点到联合拟合直线的距离记为dj(j=1,2，…，n，n为接头点个数)，归一化系数为ρ1，参考图像接头点到联合拟合直线的距离记为rj，归一化系数为ρ2，则接头抽动距离为
lj=djρ1-rjρ2
(3)
若lj大于允许的接头最大抽动距离，则表明该接头发生了抽动。
为验证钢丝绳芯输送带接头抽动检测方法的有效性，分别选取输送带跑偏、接头排列不规律、噪声干扰情况下现场采集的钢丝绳芯输送带X射线图像(编号分别为1，2，3)进行测试，接头抽动检测效果如图4—图6所示，数据见表1。
(a) 参考图像接头标记与联合拟合直线
(b) 当前采集图像接头标记与联合拟合直线
(c) 抽动接头标记
图4 输送带跑偏时接头抽动检测效果
Fig.4 Detection effect of joint twitching under conveyor belt deviation
(a) 参考图像接头标记与联合拟合直线
(b) 当前采集图像接头标记与联合拟合直线
(c) 抽动接头标记
图5 接头排列不规律时接头抽动检测效果
Fig.5 Detection effect of joint twitching under irregular joint arrangement
(a) 参考图像接头标记与联合拟合直线
(b) 当前采集图像接头标记与联合拟合直线
(c) 抽动接头标记
图6 噪声干扰时接头抽动检测效果
Fig.6 Detection effect of joint twitching under noise interference
表1 接头抽动检测数据
Table 1 Joint twitching detection data
从表1可看出，除了噪声影响会导致接头漏检或误检外，总体接头识别率较高；由于将接头平均抽动距离的3倍作为判断接头抽动的阈值，针对图像1检测出有5个接头发生抽动，能很好地反映实际情况。
首先采用基于Retinex理论的图像增强方法，有效解决了光照等因素造成的钢丝绳芯输送带X射线图像灰度不均匀问题；然后对分层后的接头点进行直线拟合，消除了接头位置上下浮动对接头匹配造成的影响；接着根据相邻接头之间夹的钢丝绳根数对参考图像和当前采集图像中的接头进行匹配，解决了输送带跑偏导致处于输送带边缘的接头不在拍摄范围内而造成当前采集图像与参考图像中接头不对应的问题；最后通过比较当前采集图像与参考图像中相匹配接头点到各自联合拟合直线的距离来检测接头抽动，避免了由于接头排列不规律而无法找到有效线对的情况。测试结果表明，该方法接头识别率高，能够精确检测出接头抽动，为输送带安全运行提供了保障。
参考文献(References)：
[1] 吉增超,陆振洋.钢丝绳芯输送带检测技术及其发展状况[J].机电技术,2011,34(4):168-170.
JI Zengchao,LU Zhenyang.Detection technology and development of steel cord conveyor belt[J].Mechanical & Electrical Technology,2011,34(4):168-170.
[2] 马宏伟,毛清华,张旭辉.矿用强力带式输送机智能监控技术研究进展[J].振动、测试与诊断,2016,36(2):213-219.
MA Hongwei,MAO Qinghua,ZHANG Xuhui.Intelligent monitoring technology study process for steel cord conveyor belt in coal mine[J].Journal of Vibration,Measurement & Diagnosis,2016,36(2):213-219.
[3] 黄民,潘虎生,胡成,等.钢绳芯带式输送机实时综合监测与保护系统[J].中国矿业大学学报,2006,35(5):673-680.
HUANG Min,PAN Husheng,HU Cheng,et al.A system for real time monitoring and protecting of steel cord belt conveyors[J].Journal of China University of Mining & Technology,2006,35(5):673-680.
[4] 安彩花,苗长云,张志刚,等.基于X光的钢丝绳芯输送带检测系统传输控制器的研究[J].天津理工大学学报,2014,30(2):1-4.
AN Caihua,MIAO Changyun,ZHANG Zhigang,et al.Study on transmission controller of the X-ray steel wire rope core conveyor detection system[J].Journal of Tianjin University of Technology,2014,30(2):1-4.
[5] 王明生,李铁鹰,陈政石.X射线线阵探测器在输送带检测系统中的应用[J].广东石油化工学院学报,2011,21(1):33-36.
WANG Mingsheng,LI Tieying,CHEN Zhengshi.The research on the linear X-ray detector application in steel-core belt conveyor inspection system[J].Journal of Guangdong University of Petrochemical Technology,2011,21(1):33-36.
[6] 侯冬山.基于线阵的钢绳芯输送带无损检测系统设计[D].太原:太原理工大学,2010.
[7] LI Xianguo,MIAO Changyun,WANG Ji,et al.Automatic defect detection method for the steel cord conveyor belt based on its X-ray images[C]//International Conference on Control,Automation and Systems Engineering,Singapore,2011:1-4.
[8] 苗长云,李现国,叶春青,等.X光成像的钢丝绳芯输送带接头拉伸故障自动检测方法:201010146881.X[P].2010-09-08.
[9] 焦晋杰.输送带接头拉伸检测方法研究[D].太原:太原理工大学,2012:35-43.
[10] 樊荣,张荣华,方崇全,等.强力输送带接头抽动检测算法研究[J].工矿自动化,2014,40(2):30-33.
FAN Rong,ZHANG Ronghua,FANG Chongquan,et al.Research of detection algorithm of joint twitching of powerful conveyor belt[J].Industry and Mine Automation,2014,40(2):30-33.
[11] 方崇全,樊荣,张荣华.新型钢丝绳芯输送带接头抽动检测算法[J].煤矿机械,2015,36(4):13-15.
FANG Chongquan,FAN Rong,ZHANG Ronghua.New detection algorithm for steel core conveyor belt splice twitch[J].Coal Mine Machinery,2015,36(4):13-15.
[12] 刘高平,赵萌.基于亮度的自适应单尺度Retinex图像增强算法[J].光电工程,2011,38(2):71-77.
LIU Gaoping,ZHAO Meng.An adaptive single scale Retinex scheme for image enhancement based on luminance[J].Opto-Electronic Engineering,2011,38(2):71-77.
[13] 李莹.基于Retinex理论的图像增强算法研究[D].西安:西北大学,2014:45-49.
[14] MEYLAN L,SUSSTRUNK S.High dynamic range image rendering with a retinex-based adaptive filter[J].IEEE Transactions on Image Processing,2006,15(9):2820-2830.
[15] 袁春兰,熊宗龙,周雪花,等.基于Sobel算子的图像边缘检测研究[J].激光与红外,2009,39(1):85-88.
YUAN Chunlan,XIONG Zonglong,ZHOU Xuehua,et al.Study of infrared image edge detection based on Sobel operator[J].Laser and Infrared,2009,39(1):85-88.
Detection method of joint twitching of steel cord conveyor belt
HAN Xiandai1, CAO Xuehong2, JIAO Liangbao2
(1.College of Telecommunication and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China; 2.Department of Telecommunication Engineering, Nanjing Institute of Technology, Nanjing 211167, China)
Abstract：For low accuracy and poor adaptability existed in current detection methods of joint twitching of steel cord conveyor belt, a detection method of joint twitching of steel cord conveyor belt based on X-ray image was proposed. Firstly, X-ray image is enhanced by use of image enhancement method based on Retinex theory. Then joint edge is detected by Sobel edge detection operator so as to extract centroid of the joint edge as joint point, and the joint points divided into different levels are fitted linearly. Finally, joints of current image and reference image are matched according to number of steel wire rope between adjacent joints, and distances from the matching joints to the corresponding fitting lines are compared. Joint twitching is detected according to whether the distance difference is larger than a certain threshold value. The test results show that the method can detect joint twitching accurately with high joint recognition rate.
Key words：steel cord conveyor belt; joint twitching; X-ray image; Retinex theory; image enhancement; joint matching
收稿日期：2017-04-09；
修回日期：2017-05-24；责任编辑：盛男。
基金项目：江苏省自然科学基金资助项目(BK20160781)；江苏省科技厅产学研前瞻性联合研究资助项目(BY2016008-06)。
作者简介：韩现代(1993-)，女，江苏徐州人，硕士研究生，主要研究方向为图像处理与模式识别，E-mail:1057078189@qq.com。通信作者：曹雪虹(1964-)，女，江苏苏州人，教授，博士，主要研究方向为无线通信系统与信息理论，E-mail:caoxh@njupt.edu.cn。
引用格式：韩现代，曹雪虹，焦良葆.钢丝绳芯输送带接头抽动检测方法[J].工矿自动化，2017,43(8)：67-71. HAN Xiandai, CAO Xuehong, JIAO Liangbao. Detection method of joint twitching of steel cord conveyor belt[J].Industry and Mine Automation，2017,43(8)：67-71.
文章编号：1671-251X(2017)08-0067-05
DOI：10.13272/j.issn.1671-251x.2017.08.013
中图分类号：TD526/634.1
文献标志码：A 网络出版时间：2017-07-27 10:15
网络出版地址：http://kns.cnki.net/kcms/detail/32.1627.TP.20170727.1015.013.html