在煤矿主运输系统中，胶带机以其运煤量大、性能稳定被当今煤矿作为最主要的运煤设备，但胶带机事故时有发生。在整部胶带机中，胶带占很大的比重，若被撕裂，给煤矿带来极大的经济损失。目前，煤矿井下胶带机普遍使用钢丝绳芯胶带，该胶带内部纵向布置了许多钢丝绳，具有极高的纵向拉伸强度和良好的成槽性能，有效抑制了胶带的横向撕裂，但其抗纵向撕裂的强度并没有增强，仅为橡胶本身的强度，容易被尖锐铁器刺穿，由于大功率胶带机的运行速度一般都较高，如不能及时发现并停车，将会造成纵向长距离撕裂，不仅损坏胶带，而且影响煤矿正常生产。
胶带纵向撕裂检测装置一直是重要的研究对象，到目前为止还没有一种较理想的检测装置，已有的胶带纵向撕裂检测装置在精度和可靠性方面均不能满足要求，漏检或误检的概率都比较高。
随着图像处理技术和计算机视觉技术的快速发展，相关技术已经被广泛应用于工业检测中。现在已有研究把数字图像处理技术和计算机视觉技术用于胶带纵向撕裂检测，通过检测胶带裂纹，从而得出胶带是否发生纵向撕裂或者将要发生纵向撕裂。
一般来说，在采集到的胶带图像中，包含两类对象： ① 状况良好的胶带，即背景； ② 裂纹，即识别的目标。因此，数字图像可分为两类像素集： 代表背景的像素和代表裂纹的像素，理想状况下，裂纹比背景更暗，但是由于各种因素的影响，使胶带裂纹图像具有以下特点： ① 代表裂纹的像素数量远远小于代表背景的像素数量； ② 正常胶带的灰度值与裂纹的灰度值有部分重叠； ③ 胶带图像信息量较大。数字图像处理方法和步骤如下：数字图像处理是计算机视觉检测胶带裂纹系统的核心部分，胶带裂纹数字图像处理方法主要包括图像去噪、图像增强、边缘检测、图像分割和图像识别等技术。井下巷道内存在悬浮煤尘，且光照亮度低，获取的胶带裂纹图像清晰度不高且裂纹边缘凸出性不明显，胶带裂纹图像存在大量噪声，大大增加了胶带裂纹的分割难度。所以，在进行胶带裂纹原始图像分割之前，必须对原始图像进行预处理，既图像去噪、增强。
图像去噪其实就是滤除图像中的噪声，而图像噪声在频域中灰度突变，且相当于一种高频分量，图像滤波法等价于一种简单的低通滤波器，能够滤除掉高频分量，故采用图像滤波法能够去除图像信号中的噪声。
裂纹图像经过滤波去噪后，为便于进一步判断，需进行图像增强，以提高图像的清晰度、扩大图像的对比度、增大图像的动态范围、增强图像的边缘而不明显引入噪声。在胶带裂纹图像经过预处理后，需进行图像分割。
由胶带裂纹特征可知胶带裂纹主要体现为裂纹的边缘，因此为保证图像能够准确分割，需先对裂纹图像进行边缘检测。
在边缘检测中，算子有很多种，一般煤矿井下胶带裂纹图像含有大量噪声且图像灰度渐变，可以初步考虑使用 Sobel 梯度算子或 Prewitt 梯度算子进行检测。
Prewitt 算子模板比 Sobel 算子计算简便，但 Prewitt 算子在抑制噪声特性方面没有 Sobel 算子好，本文选择Sobel 算子进行边缘检测。
在对胶带裂纹原始图像进行去噪、增强、边缘检测等处理后，需对胶带裂纹图像进行分割。图像分割法有很多种，本文采用二维 Otsu 阀值分割算法进行图像分割，能较为准确地分割出胶带裂纹图像。
在图像分割后，只有提取被测物的参数才能供计算机去识别。对胶带裂纹提取参数时，只需通过裂纹的几何形状参数就能做出判断，即提取裂纹的面积、长度和宽度，而胶带裂纹的长度是判断胶带撕裂程度的最关键参数，为满足视觉检测系统的实时性，尽可能减少计算量，只需提取裂纹的长度即可。
胶带表面裂纹形状在大多数情况下非常复杂，计算它们的准确长度并不是件容易的事。通过对多幅图像处理后的裂纹图像进行研究和分析，采用逐像素扫描特征提取法运算速度快、计算简单，能够较为准确的计算出裂纹的长度。
结语
煤矿胶带纵向撕裂检测一直是煤矿研究的重要课题，已有的检测方法主要针对已明显发生的胶带撕裂情况，缺乏提早预测的能力，而且这些方法受限于本身的检测原理，在实际应用中均具有一定的局限性。本文通过深入分析胶带裂纹图像特点，提出了基于数字图像处理的胶带裂纹检测方案，并详细介绍了数字图像处理的方法和步骤。
参考文献：
[1]毛君，等。 矿用输送带纵向撕裂原因分析及其预防[J]. 煤矿机械，2007,10（ 28） .
[2]李艳，等。 基于虚拟仪器的钢绳芯带式输送机纵向撕裂检测研究[J]. 煤矿机械，2011,08（ 32） .
[3]许洪强。 带式输送机胶带纵向撕裂监测系统的研究[D]. 辽宁工程技术大学，2006.
