目前,帶式輸送機的功率是按照煤礦生產(chǎn)的峰值能力再考慮一定的冗余系數(shù)來確定,且啟動后便保持恒高速運行,由于工作面生產(chǎn)的不均衡性,帶式輸送機經(jīng)常處于低載高速、甚至空載高速的現(xiàn)象,造成電能的極大浪費。根據(jù)煤量的變化對帶速進行調(diào)節(jié)能夠有效克服上述現(xiàn)象,而動態(tài)煤量實時精準(zhǔn)計量是實現(xiàn)帶速調(diào)節(jié)的關(guān)鍵所在,故對該技術(shù)進行深入研究具有重要意義。傳統(tǒng)帶式輸送機動態(tài)煤量實時計量方式存在精度低、限制多等問題,故本文對基于機器視覺的動態(tài)煤量實時計量技術(shù)進行了相關(guān)研究。本文根據(jù)帶式輸送機運輸物料的形態(tài)以及相機成像模型,并結(jié)合視覺系統(tǒng)所需要滿足的Scheimpflug條件,最終確定采用單目結(jié)構(gòu)光斜射測距方案進行煤量計量,基于該方案建立了體積計量的數(shù)學(xué)模型,對模型中需要確定參數(shù)的標(biāo)定原理進行了闡述。基于此,設(shè)計了一種基于機器視覺的動態(tài)煤量計量系統(tǒng),對系統(tǒng)關(guān)鍵設(shè)備進行了選型設(shè)計,并根據(jù)不同的現(xiàn)場環(huán)境設(shè)計了快拆結(jié)構(gòu)和吊裝結(jié)構(gòu)兩種安裝支架。根據(jù)單線結(jié)構(gòu)光在煤流表面形成的光條紋具有連續(xù)性和方向性的特點,提出了有向滑動自適應(yīng)閾值二值化算法和有向生長結(jié)構(gòu)光中心提取算法,針對光條紋斷裂提出了基于Cardinal樣條曲線的斷線擬合連... 

【文章來源】： 逯圣輝 河北工程大學(xué)

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

帶式輸送機結(jié)構(gòu)示意圖

河北工程大學(xué)碩士學(xué)位論文8圖2-2物料形態(tài)Fig.2-2Materialform如圖2-3所示為圖像采集設(shè)備采集到的煤礦井下輸送帶上煤流圖像，可以看出，煤炭與輸送帶顏色接近，界限模糊，再加上帶式輸送機運行會導(dǎo)致煤流表面紋理時刻變化，因此該圖像屬于弱紋理圖像[21]。如果不增加輔助標(biāo)記物，很難實現(xiàn)煤量的計量。在煤量計量過程中，最重要的是獲取煤流截面，因此輔助標(biāo)記物最好可以描繪出煤流的截面形狀，而結(jié)構(gòu)光則正好能夠滿足該需求。圖2-3煤流圖像Fig.2-3Coalflowimage基于結(jié)構(gòu)光的視覺測量包括雙目結(jié)構(gòu)光法和單目結(jié)構(gòu)光法兩種，如圖2-4所示，同時需要兩套設(shè)備的為雙目結(jié)構(gòu)光法，只需要設(shè)備1的為單目結(jié)構(gòu)光法。

河北工程大學(xué)碩士學(xué)位論文8圖2-2物料形態(tài)Fig.2-2Materialform如圖2-3所示為圖像采集設(shè)備采集到的煤礦井下輸送帶上煤流圖像，可以看出，煤炭與輸送帶顏色接近，界限模糊，再加上帶式輸送機運行會導(dǎo)致煤流表面紋理時刻變化，因此該圖像屬于弱紋理圖像[21]。如果不增加輔助標(biāo)記物，很難實現(xiàn)煤量的計量。在煤量計量過程中，最重要的是獲取煤流截面，因此輔助標(biāo)記物最好可以描繪出煤流的截面形狀，而結(jié)構(gòu)光則正好能夠滿足該需求。圖2-3煤流圖像Fig.2-3Coalflowimage基于結(jié)構(gòu)光的視覺測量包括雙目結(jié)構(gòu)光法和單目結(jié)構(gòu)光法兩種，如圖2-4所示，同時需要兩套設(shè)備的為雙目結(jié)構(gòu)光法，只需要設(shè)備1的為單目結(jié)構(gòu)光法。

【參考文獻】：
期刊論文
[1]面向?qū)ο蟪绦蛟O(shè)計中構(gòu)造、析構(gòu)函數(shù)的教學(xué)探討[J]. 韓祥波.  電腦知識與技術(shù). 2019(34)
[2]線激光光條中心快速提取算法[J]. 李偉明,彭國,高興宇,丁暢.  中國激光. 2020(03)
[3]基于機器視覺識別技術(shù)的煤礦帶式輸送自適應(yīng)控制系統(tǒng)設(shè)計[J]. 郝志偉.  煤炭工程. 2019(09)
[4]適于移動終端字符識別環(huán)境的自適應(yīng)多閾值二值化方法[J]. 朱德利,楊德剛,胡蓉,萬輝.  計算機科學(xué). 2019(08)
[5]模板在C++中的應(yīng)用[J]. 趙娟.  電腦知識與技術(shù). 2019(20)
[6]一種新的線結(jié)構(gòu)光標(biāo)定方法[J]. 張瑞峰,舒子蕓,南剛雷.  激光與光電子學(xué)進展. 2019(22)
[7]優(yōu)化張力參數(shù)與邊界條件的平面三次Cardinal樣條[J]. 李軍成,劉成志,易葉青.  浙江大學(xué)學(xué)報(理學(xué)版). 2019(02)
[8]基于OpenCV的C/C++和Matlab計算機視覺混合編程[J]. 李中科,趙慧娟,蘇曉萍.  計算機時代. 2018(07)
[9]光刀自適應(yīng)灰度加權(quán)亞像素中心精確提取[J]. 胡改玲,周翔,楊濤,王軍平,張春偉,王剛鋒,李玉勤,郭家玉.  西安交通大學(xué)學(xué)報. 2018(05)
[10]基于Scheimpflug定律的線結(jié)構(gòu)光系統(tǒng)攝像機標(biāo)定方法[J]. 王平江,吳娟娟.  制造業(yè)自動化. 2017(10)

博士論文
[1]三維目標(biāo)配準(zhǔn)識別中的二值化局部特征研究[D]. 權(quán)思文.華中科技大學(xué) 2019
[2]散貨碼頭帶式輸送機節(jié)能控制方法研究[D]. 曾飛.武漢理工大學(xué) 2016
[3]線結(jié)構(gòu)光表面三維測量系統(tǒng)的標(biāo)定技術(shù)研究[D]. 陳天飛.大連海事大學(xué) 2013

碩士論文
[1]低照度環(huán)境下彩色圖像增強算法研究[D]. 楊茂祥.南京郵電大學(xué) 2019
[2]基于OpenCV的路亞運動目標(biāo)識別與長度測量研究[D]. 劉楊.西安石油大學(xué) 2019
[3]激光雷達和多相機融合的智能標(biāo)定方法研究[D]. 王晨宇.哈爾濱工業(yè)大學(xué) 2019
[4]雙目視覺中攝像機標(biāo)定與特征點提取算法的研究與改進[D]. 劉博.湘潭大學(xué) 2019
[5]基于Scheimpflug激光雷達技術(shù)的大氣邊界層高度探測[D]. 李麗美.大連理工大學(xué) 2019
[6]基于局部算子的復(fù)雜紋理圖像分割方法研究[D]. 周力.合肥工業(yè)大學(xué) 2019
[7]一種基于MATLAB的碎屑巖粒度分析方法研究[D]. 方夢陽.中國地質(zhì)大學(xué)(北京) 2019
[8]基于視覺巡檢機器人的植物工廠控制系統(tǒng)的設(shè)計與實現(xiàn)[D]. 何子力.中國科學(xué)技術(shù)大學(xué) 2019
[9]基于FT-M7002的OpenCV移植與優(yōu)化[D]. 孫廣輝.西安電子科技大學(xué) 2019
[10]基于CCD激光三角法測距系統(tǒng)的設(shè)計與實現(xiàn)[D]. 宋宇健.西安工業(yè)大學(xué) 2018



本文編號：2991353