带式输送机是一种现代化生产中连续运输设备,具有运量大、运距远、能耗小等优点,已广泛用于煤矿、矿山、港口、冶金、化工、电力等领域。输送带是带式输送机承载和运送的关键部件。输送带在使用过程中,由于被废钢铁或煤矸石等异物或障碍物划伤、带式输送机安装调整不当、转载点处落料位置不正造成的负载不均匀等原因,而产生钢丝绳芯故障和表面故障,将会造成重大断带和纵向撕裂安全事故而停产,运输物料的损耗,设备的损坏,巨大的经济损失和人员伤亡,严重影响安全生产。为了保证输送带安全运行,课题组研制了基于X光的钢丝绳芯输送带无损检测系统和基于机器视觉的输送带故障在线监测系统。本文针对上述两个系统的输送带非均匀光照图像校正和故障检测算法进行了研究。提出了一种基于Retinex的X光非均匀钢丝绳芯输送带图像校正和增强算法。该算法首先采用Butterworth低通滤波器对X光图像滤波,经过去噪、平滑处理,得到去除噪声后的图像；然后利用Retinex理论建立了基于基函数的非均匀光照背景估计模型,利用该模型对去除噪声后的图像灰度校正,得到校正后的图像；最后利用拉伸图像对比度的方法增强校正后的图像对比度,从而去除原始图像的非均匀光照的影响,得到增强后的图像。提出了一种基于机器视觉的非均匀光照输送带图像校正和故障检测算法。该算法首先采用Butterworth低通滤波器对图像滤波,利用Retinex理论估计真实图像的背景,对图像进行灰度校正,得到校正后的图像：然后将机器视觉与生物视觉相结合,利用PCNN算法,对校正后的图像进行故障检测,检测出故障区域。在MATLAB环境下,编写了上述算法的程序,并进行了实验,结果表明基于Retinex的X光非均匀钢丝绳芯输送带图像校正和增强算法能够有效校正X光非均匀输送带图像,并且提高了图像对比度,具有校正效果好、速度快的优点；基于机器视觉的非均匀光照输送带图像校正和故障检测算法能够有效校正输送带表面图像,清晰检测出故障区域。本文所研究的算法能够应用于基于X光的钢丝绳芯输送带无损检测系统和基于机器视觉的输送带故障在线监测系统,实现输送带非均匀光照图像的校正和表面故障的检测,防止重大断带和纵向撕裂安全事故而停产,运输物料的损耗,设备的损坏,巨大的经济损失和人员伤亡,提高安全生产效率,可应用于煤矿矿山、港口、冶金、化工、电力等领域。