带式输送机作为我国现代化生产运输的重要工具之一,在煤矿、化工和码头港口等众多行业得到广泛使用。输送带是带式输送机的重要组成部分,在使用过程中常见的破损形式是纵向撕裂和带边破损。目前,对输送带表面故障的研究大多为纵向撕裂,对带边破损的研究不足,因此本文对带边破损的检测定位、特征提取和识别进行了研究。对输送机带边的破损情况进行实时可靠的检测,及时采取相应有效的预防修补措施,对延长输送带使用寿命,保障生产安全和提高经济效益等方面有着重大意义。本文针对输送机带边破损的检测定位问题,提出了一种基于光电传感器、智能相机和RFID等多传感器集成的输送机带边破损检测系统。该系统利用光电传感器实时检测输送机带边。当检测到破损时,光电传感器发出信号并触发智能相机进行图像采集工作,捕获破损异常点,通过智能相机的图像处理单元对带边破损图像进行处理。以输送带转动一周的时间作为检测单周期,通过RFID模块中RFID标签记录的初始响应时刻和最终响应时刻,结合检测到破损的时刻和输送机运行速度,可计算出破损点相对于位置固定的读写器的距离,从而实现破损点的定位。本文针对采集的输送带表面破损图像,分析图像特征,提出了一种基于图像处理技术的带边破损特征提取和识别方法。首先,本文对常用的去噪算法进行了实验比较,对原有去噪算法进行改进,得到适合本文的去噪叠加算法,该算法首先利用中值滤波对破损图像进行去噪处理,再通过形态学开运算去除图像中的孤立孔洞和平滑边缘毛刺,得到最终的去噪图像,并利用自动阈值分割算法将破损从背景中分割出来。其次,利用灰度共生矩阵计算得到输送带图像的4种特征值,提取带边破损的纹理特征,从而建立相应的特征向量,将所得特征向量作为BP神经网络的输入向量,采用动量BP法对神经网络进行了改进,判断破损的真伪性。最后,建立像素坐标系计算得出水平方向与竖直方向的最大宽度,对不同形状和不同光照亮度条件下对特征提取算法的影响进行实验分析。实验证明,本文所研究的去噪、分割算法与破损几何特征提取算法具有很好的适应性,达到较高的精度,能够有效分割出破损区域,检测出破损区域的几何形状特征。本文所研究的输送机带边破损检测关键技术,借助多传感器集成技术实现输送带运输过程中带边破损的检测定位、实时化监控。利用图像处理技术,可以让工作人员根据图像信息对破损程度进行诊断和评估,并对可能造成的后果作出及时的判断和修补措施,为工作人员提供可靠有效的决策信息,及时了解安全隐患,降低事故风险,提升安全生产效率。