基于图像识别的液压支架护帮板收回状态监测方法

• 作者: 李红卫 王渊 贺海涛 郏高祥 郭卫
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤炭开采 液压支架 护帮板收回状态 非接触监测 图像识别 图像融合 图像去雾 机器视觉 多尺度Retinex
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 实验研究
• 页码范围: 47-53
• 页数: 7页
• 分类号: TD421
• 字数: 6033字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2018070037

摘要

针对现有接触式液压支架护帮板状态监测方法在矿井雾尘环境下应用存在故障率高、测量结果容易受机身倾斜等因素影响等问题,提出了一种基于图像识别的液压支架护帮板收回状态监测方法.该方法利用雾尘图像清晰化算法与机器视觉测量方法对液压支架护帮板的收回角度进行监测,通过测量护帮板角度来确定液压支架护帮板的收回状态.首先采用改进的暗通道先验算法与导向滤波多尺度Retinex算法对采集的图像进行去雾处理,对经去雾处理的图像进行小波融合,着重恢复雾尘图像的边缘细节信息;然后利用机器视觉测量方法对融合图像的感兴趣区域(ROI)进行提取、二值化、水平和垂直投影处理,提取骨架、骨架像素点,拟合生成直线,由已标定好的CCD相机进行坐标变换,输出护帮板真实角度,进而判断护帮板是否收回.实验结果表明,该方法实现了煤矿井下雾尘图像的清晰化处理,保留了图像细节,且测量精确度高,综合误差小于2°,满足对护帮板的监测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭卫	西安科技大学机械工程学院	138	686	13.0	19.0
2	王渊	西安科技大学机械工程学院	13	30	3.0	4.0
3	李红卫	西安科技大学机械工程学院	3	5	2.0	2.0
4	郏高祥	西安科技大学机械工程学院	8	13	2.0	3.0