帶式輸送機是煤礦生產(chǎn)作業(yè)的重要設(shè)備，因經(jīng)常處于高負(fù)荷運轉(zhuǎn)狀態(tài)，容易發(fā)生跑偏、撕裂、礦井火災(zāi)等事故?；谲壍朗窖矙z機器人，通過搭載雙光云臺，實時采集輸送帶跑偏、異物、物料流量、撕裂及托輥異常等數(shù)據(jù)信息；采用機器學(xué)習(xí)和深度學(xué)習(xí)方法相結(jié)合，提出一種面向帶式輸送機場景的視覺識別和分類方法，提高了帶式輸送機的高效智能感知和礦用巡檢機器人的智能化水平，降低了煤礦非計劃停機的安全生產(chǎn)損失。

文章來源：《智能礦山》2025年第12期“學(xué)術(shù)園地”欄目

第一作者：張國鳴，現(xiàn)任神華北電勝利能源有限公司儲運中心經(jīng)理助理兼檢修部經(jīng)理，主要從事維修電工、機電一體化的相關(guān)研究工作。E-mail：814595685@qq.com。

通訊作者：趙紅菊，高級工程師，主要從事煤礦機器人智能化、電機伺服控制、開關(guān)電源開發(fā)等相關(guān)研究工作。E-mail：zhaohj2020@126.com

作者單位：神華北電勝利能源有限公司；中煤科工機器人科技有限公司

引用格式：張國鳴，王文龍，于福軍，等. 面向煤礦帶式輸送機場景的視覺識別和分類方案[J].智能礦山，2025，6(12):86-89.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關(guān)注微信公眾號，了解更多礦山智能化建設(shè)進(jìn)展

由于不同場景礦業(yè)環(huán)境的復(fù)雜性，在煤炭、礦石、礦渣等生產(chǎn)過程中，帶式輸送機作為一種連續(xù)輸送設(shè)備，經(jīng)常發(fā)生帶面跑偏、異物、堵塞、撕裂等異常。受井下惡劣環(huán)境影響，發(fā)生異常時，現(xiàn)有人工巡檢存在發(fā)現(xiàn)不及時、范圍有限等問題，易發(fā)生輸送帶帶面損壞，甚至引發(fā)嚴(yán)重的煤礦事故。因此，采用智能化裝備代替人工，實現(xiàn)對帶式輸送機場景的全方位監(jiān)測。

礦用軌道巡檢機器人可有效解決人工巡檢存在的諸多弊端，搭載雙光云臺沿軌道巡檢輸送帶巷的周邊環(huán)境，實時將視頻上傳到計算端，遇到異常情況及時報警。

礦用機器人智能化視覺識別和分類包括圖像分類、圖像分割、目標(biāo)檢測等算法，在復(fù)雜的煤礦井下場景得到應(yīng)用。以礦用巡檢機器人為平臺，通過分析帶式輸送機存在的各種異?，F(xiàn)象，提出基于視覺的識別與分類方法，實現(xiàn)對帶式輸送機的高效、智能化監(jiān)測。

巡檢機器人視覺識別場景

針對帶式輸送機常見發(fā)生的故障種類，巡檢機器人搭載雙光云臺，通過云臺獲取視頻流，實時監(jiān)測輸送帶運行狀況，機器人巡檢主要包括以下7種識別場景。

圖1 巡檢機器人視覺識別場景分類

（1）輸送帶帶面跑偏

帶面跑偏是帶式輸送機的多發(fā)問題，是帶式輸送機故障的主要誘因。輸送帶跑偏會造成輸送機堆煤現(xiàn)象，進(jìn)一步存在引起運輸巷封堵、輸送帶摩擦斷裂、礦井火災(zāi)等事故風(fēng)險。巡檢機器人搭載帶面跑偏識別算法，對帶式輸送機帶面進(jìn)行持續(xù)健康檢測，降低煤礦及復(fù)雜運輸場景的安全事故發(fā)生。

（2）輸送帶異物

部分輸送帶損壞是由錨桿、槽鋼等鐵器或大塊矸石等非煤異物進(jìn)入輸送帶造成，輸送帶在運輸過程中主要的異物包括大塊煤、石頭、錨桿、鐵器、矸石等。實時檢測帶式輸送機上異物并及時剔除，減少異物對輸送帶損壞，可有效防止輸送帶撕裂事故發(fā)生。

（3）輸送帶撕裂檢測

輸送帶是帶式輸送機最重要也最容易損壞的部分，有效減少輸送帶撕裂是保障帶式輸送機正常運轉(zhuǎn)的重要一環(huán)。輸送帶縱向撕裂會引起輸送帶局部溫度過高，增加引發(fā)火災(zāi)的概率。

（4）物料流量檢測

帶式輸送機物料流量檢測是對大型礦用企業(yè)進(jìn)行智能化和信息化改造的重要舉措。受礦產(chǎn)開采過程影響，帶面物料流容易出現(xiàn)偏心、斷續(xù)等現(xiàn)象，導(dǎo)致輸送帶秤、核子秤等接觸式檢測的結(jié)果存在偏差。

（5）堵料檢測

輸送帶面物料流在運動過程中任何部位的結(jié)構(gòu)設(shè)計不合理，物料流中摻雜大煤塊或者大石塊均會導(dǎo)致堵料現(xiàn)象發(fā)生，在料倉下部易發(fā)生堵料。

（6）托輥異常

托輥是帶式輸送機的核心部件，當(dāng)發(fā)生高熱、抖動、脫落等異常時，將失去支撐傳送帶和降低阻力的作用，易引起輸送帶撕裂及輸送帶燃燒，長距離運輸和托輥數(shù)量在日常巡檢及定期維護(hù)需要大量的人力和物力。

（7）粉塵灑落

帶式輸送機運輸過程中存在粉塵灑落的情況，需要工人定期清掃，在復(fù)雜礦井環(huán)境中增加了人力成本。

巡檢機器人視覺功能和分類研究

根據(jù)上述7類視覺識別場景，設(shè)計面向帶式輸送機場景的視覺識別和分類方案。

（1）輸送帶帶面跑偏

針對輸送帶帶面跑偏場景設(shè)計識別方案，巡檢機器人輸送帶運行狀態(tài)的視頻流，圖像預(yù)處理后，采用傳統(tǒng)圖像識別方法，對比輸送帶實時狀態(tài)和預(yù)先處理好的正常狀態(tài)，對比差的結(jié)果實現(xiàn)偏移檢測，輸送帶帶面跑偏識別流程如圖2所示。首先通過視頻流獲取實時圖像，將圖像進(jìn)行增強和濾波處理，利用霍夫變換提取輸送帶邊緣，再過濾掉錯誤直線，設(shè)定輸送帶未跑偏時的閾值，最后將檢測直線與閾值做差得到跑偏距離。

圖2 輸送帶帶面跑偏識別流程

（2）輸送帶異物檢測功能

不同場景的輸送帶異物主要由大塊煤、石頭、錨桿、矸石等組成。巡檢機器人輸送帶運行狀態(tài)的視頻流，通過異物檢測算法檢測出異物。針對輸送帶異物檢測場景設(shè)計輸送帶異物檢測方案，輸送帶異物檢測識別流程如圖3所示。首先在試驗場地的輸送帶上放置可能出現(xiàn)的各種異物，采集多角度、多位置、多種光線環(huán)境下的圖像并標(biāo)注，數(shù)據(jù)擴充后用于訓(xùn)練YOLOv5目標(biāo)檢測網(wǎng)絡(luò)，獲得用于檢測帶式輸送機上異物的網(wǎng)絡(luò)權(quán)重；然后使用訓(xùn)練權(quán)重對巡檢機器人輸送帶狀態(tài)實時視頻流進(jìn)行預(yù)測，得到輸送帶帶面異物的坐標(biāo)和分類；最后將實時獲取的圖像同時進(jìn)行二值化，提取物體的輪廓，使用輪廓內(nèi)像素個數(shù)衡量物體體積；最終使用YOLOv5目標(biāo)檢測網(wǎng)絡(luò)和輪廓提取算法的結(jié)果，將二者的結(jié)果標(biāo)注在圖像上。

圖3 輸送帶異物檢測識別流程

（3）輸送帶縱撕檢測

采用輔助激光器完成輸送帶縱向撕裂檢測，在帶式輸送機滾筒位置安裝激光器，巡檢機器人進(jìn)行定點拍攝，拍攝激光線位置，輸送帶撕裂檢測識別流程如圖4所示。首先按順序進(jìn)行顏色過濾、二值化與圖像細(xì)化，將圖片轉(zhuǎn)換為激光曲線部分為白色，其余部分為黑色的二值化灰度圖；對圖像矩陣的列進(jìn)行遍歷，計算白色像素斷開的最大距離，當(dāng)此距離超過閾值后，即認(rèn)為輸送帶有完全撕裂的缺口。

圖4 輸送帶撕裂檢測識別流程

（4）物料流量檢測

使用深度學(xué)習(xí)的帶式輸送機物料流量檢測方法，實現(xiàn)帶式輸送機物料流量檢測的智能調(diào)整上料。首先獲取巡檢機器人輸送帶運行狀態(tài)的視頻流，對物料圖像進(jìn)行校正、分割和增強預(yù)處理；構(gòu)建基于深度學(xué)習(xí)的Unet分割網(wǎng)絡(luò)，獲得用于檢測物料流量的網(wǎng)絡(luò)權(quán)重；最后計算出物料流在輸送帶帶面上的占比來判斷流量的大小。帶式輸送機物料流量檢測識別流程如圖5所示。

圖5 輸送帶物料流量檢測識別流程

（5）堵料

針對輸送帶堵料檢測場景，設(shè)計輸送帶堵料檢測識別流程如圖6所示。首先使用幀差法，將連續(xù)視頻中相鄰兩幀灰度化圖像中的相同位置的像素值相減并取絕對值，得到幀差圖像；設(shè)定閾值并對幀差圖像進(jìn)行二值化處理，得到圖像中運動物體的掩模圖像；最后通過狀態(tài)判斷出是否堵料，堵料的嚴(yán)重程度。

圖6 輸送帶堵料檢測識別流程

（6）托輥狀態(tài)檢測

通過掛載巡檢機器人攝像機，采用目標(biāo)檢測網(wǎng)絡(luò)YOLOv5提取彩色托輥位置圖，并映射到相應(yīng)熱力圖上，使用CRNN網(wǎng)絡(luò)識別熱成像圖的最高最低溫度數(shù)值，建立熱成像圖上像素值與溫度的對應(yīng)關(guān)系模型，計算由步驟一預(yù)測出的托輥區(qū)域溫度，并標(biāo)記在原圖像上，輸送帶托輥異常識別流程如圖7所示。

圖7 托輥異常檢測識別流程

（7）粉塵灑落檢測

巡檢機器人通過巡檢粉塵灑落的過程及灑落在地面上的粉塵來綜合判斷灑落的位置和大小。首先采集多角度、多位置、多種光線環(huán)境下粉塵灑落過程及灑落在地面的煤堆、粉塵堆等圖像，再使用深度網(wǎng)絡(luò)目標(biāo)檢測模型對數(shù)據(jù)進(jìn)行模型訓(xùn)練，預(yù)測實時檢測粉塵灑落狀態(tài)，最后得出粉塵灑落評價，粉塵灑落檢測識別方案具體流程如圖8所示。

圖8 粉塵灑落檢測識別流程

結(jié) 語

針對現(xiàn)有帶式輸送機存在的跑偏、撕裂、異物等各種異?，F(xiàn)象，基于礦用巡檢機器人，研究了帶式輸送機場景的視覺識別與分類方法，給出了輸送帶跑偏、輸送帶異物檢測、輸送帶撕裂檢測、物料流量及堵料狀態(tài)檢測、托輥異常和粉塵灑落等功能的具體算法實現(xiàn)方案。采用該系列視覺識別與分類方法，可實現(xiàn)對不同場景的帶式輸送機的智能化檢測，保證煤礦生產(chǎn)運輸安全。

編輯丨李莎

審核丨趙瑞

煤炭科學(xué)研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄8種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

期刊簡介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國煤炭科工集團(tuán)有限公司主管、煤炭科學(xué)研究總院有限公司主辦的聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進(jìn)展的綜合性技術(shù)刊物。

主編：王國法院士

刊載欄目：企業(yè)/團(tuán)隊/人物專訪政策解讀視角·觀點智能示范礦井對話革新·改造學(xué)術(shù)園地、專題報道等。

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創(chuàng)刊5年來，策劃出版了“中國煤科煤礦智能化成果”“陜煤集團(tuán)智能化建設(shè)成果”“聚焦煤炭工業(yè)‘十四五’高質(zhì)量發(fā)展”等特刊/專題30多期。主辦“煤礦智能化重大進(jìn)展發(fā)布會”“煤炭清潔高效利用先進(jìn)成果發(fā)布會”“《智能礦山》理事、特約編輯年會暨智能化建設(shè)論壇”“智能礦山零距離”“礦山智能化建設(shè)運維與技術(shù)創(chuàng)新高新研修班”等活動20余次。組建了理事會、特約編輯團(tuán)隊、卓越人物等千余人產(chǎn)學(xué)研用高端協(xié)同辦刊團(tuán)隊，打造了“刊-網(wǎng)-號-群-庫”全覆蓋的1+N全媒體傳播平臺，全方位發(fā)布礦山智能化領(lǐng)域新技術(shù)、新產(chǎn)品、新經(jīng)驗。

?? 具體詳見鏈接：《智能礦山》創(chuàng)刊5周年回顧

聯(lián)系人：李編輯 010-87986441

郵發(fā)代號：82-476

?? 期刊訂閱詳見鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

往期薦讀

• 會議議程┃關(guān)于召開煤炭無人化開采數(shù)智技術(shù)研討暨成果發(fā)布會的通知(2026年1月9—11日北京)

• 行業(yè)聚焦┃2025年礦山智能化建設(shè)運維與技術(shù)創(chuàng)新高級研修班成功在威海舉辦

• 行業(yè)聚焦┃2025智慧礦山技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展論壇（新疆）成功召開

• 行業(yè)聚焦┃2024年煤炭清潔高效利用智能化成果發(fā)布暨選煤廠智能化建設(shè)論壇順利召開

• 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

• 歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進(jìn)展發(fā)布會成功召開

• 《智能礦山》創(chuàng)刊5周年回顧

• 王國法院士煤礦智能化觀點集錦

• 新書訂閱 ┃《中國煤礦智能化發(fā)展報告（2024年）》（王國法，劉峰 主編）

• 訂閱┃探秘太陽石的奧秘 呈現(xiàn)煤的真身：太陽石系列科普叢書重磅發(fā)售

往期特刊

中國煤科特刊

陜煤集團(tuán)特刊

神東專欄

重大進(jìn)展特刊

露天礦特刊

理事單位特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號

版權(quán)聲明

本刊對已出版文章持有電子版、網(wǎng)絡(luò)版及進(jìn)行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請在投稿時聲明。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。