皮带输送机是在煤炭生产、房屋建筑、材料冶金、电力供应等行业广泛被使用的一种连续运输机械[1]。在皮带运输机的运行使用过程中,皮带运输机最为常见的故障就是皮带出现跑偏现象。如果不及时处理,容易增多输送机的事故发生的次数和影响正常工厂的生产操作,而且非常容易导致物料向外撒落,使运输系统运营经济性下降,造成机器使用寿命缩短、影响生产效率和产生安全隐患等不良后果[2]。传统的皮带跑偏检测需要人工实时监测视频,消耗了大量人力且精度不高;即使人工检测到皮带跑偏问题,也可能不能及时预警和进行处理。基于视频图像处理的皮带跑偏检测可以节省大量人力物力,及时有效和精准地发现跑偏问题,第一时间有效预警皮带跑偏和予以处理,最大限度减少由此导致的安全隐患带来的不良后果。本文首先研究和分析了皮带跑偏问题。针对皮带跑偏的原因和跑偏检测进行较为详细的分析;在此基础上,提出了一种基于视频图像的皮带跑偏算法,算法经过视频引流、抽帧、灰度变换、边缘检测、像素点拟合等处理后,与事先标注的皮带基准比较便可进行跑偏判断,并可在原视频图像上予以标注和进行预警。在边缘检测算法上,对现有Roberts算子、Prewitt算子、Sobel算子、Scharr算子、Laplacian算子和Log算子分别进行实验、分析和对照测试后,最终选择综合性能最佳的Canny算子作为皮带边缘检测算法;接着结合金隅冀东水泥企业的实际皮带视频样本,对提出的皮带跑偏检测算法进行了测试和分析,结果表明本文提出的皮带跑偏检测算法相较于单纯的Canny算子、模板边缘检测等图像处理方法,具有更好的精确度和鲁棒性。由于边缘提取算法受环境的影响,特别是在室外光污染严重的情况下,效果不稳定;本研究的算法因进行了灰度转换,较好地避免了光照、天气等因素的影响;同时,相较于支持向量机（SVM）和深度学习等算法,本文所提出的检测算法无需大量的训练样本和训练时间,节约了大量的样本采集成本和训练时间成本,且在精度和和时间复杂度有着相对于目前的皮带跑偏检测有着明显的优势。在提出算法的基础上,作者结合工程项目的实际需要,遵循软件工程的过程、原理和方法完成了金隅冀东水泥广灵公司的皮带跑遍检测和预警系统的设计和实现。将提出的算法应用于皮带跑偏检测,并可对于检测到的跑偏实施实时预警,以便及时纠正皮带跑偏问题,减少皮带跑偏产生后续的安全隐患。