带式输送机是煤矿中普遍采用的长距离连续运输工具,但在其运行过程中,由于输送带运行速度较高以及输送带内部结构的原因,经常出现输送带纵向撕裂事故。而且一旦发生纵向撕裂事故,将会造成整条输送带撕裂,经济损失严重。为了解决现有输送带纵向撕裂装置中存在的可靠性差与效率低的问题,本文研究了基于机器视觉技术的输送带纵向撕裂在线检测系统,通过对实时采集的图像进行预处理、分割、特征提取和识别,并将检测结果转化为控制信号,以控制执行机构,从而满足对纵向撕裂事故实时检测的需求。本文的主要工作有：(1)通过对国内外纵向撕裂检测技术现状的分析,针对最理想的纵向撕裂检测装置要求,结合机器视觉技术的优势,提出了基于机器视觉的纵向撕裂在线检测系统。(2)本文阐述了基于机器视觉的输送带纵向撕裂在线检测系统的工作原理和总体结构。并根据系统的功能要求,以及对煤矿井下特殊环境的考虑,本文对系统所需的软硬件部分进行了选型和优化设计,从而搭建了系统的软硬件平台。(3)针对输送带纵向撕裂图像特征,本文对系统图像处理和识别流程进行研究。通过对实时采集图像的预处理和边缘检测,检出纵向撕裂裂纹,并在此基础上,对裂纹图像进行轮廓提取,将裂纹轮廓的特征量作为报警阈值,实现系统报警。(4)针对煤矿井下环境复杂、影响因素多的情况,为了提高系统的检测性能,本文在图像处理和识别过程中,选择合适的图像预处理方法,并对Canny边缘检测方法进行改进。经过实验对比,提高了系统的检测效果。(5)本文在软件实现方法上,首先利用CCD厂家提供的API函数实现系统图像的动态采集；然后利用OpenCV机器视觉库实现对纵向撕裂图像的处理和识别,结合MFC ODBC数据库技术实现系统在线检测参数和报警数据的管理；最后在MFC框架下将以上功能集成,形成友好界面。本课题的创新点在于研究了一种非接触式的输送带纵向撕裂在线检测系统,实现了对输送带表面裂纹图像的边采集和边处理,满足系统在线检测和报警的要求,提高了系统的实时性,实现对纵向撕裂的提前预警；同时具有造价低、结构简单、工作时间长、识别精度高、界面友好等特点,从而为煤矿输送带纵向撕裂检测方法提供了一种新的思路。通过对现场实验结果的分析,表明系统在线检测效果达到了预期目标。