针对矿用强力带式输送机存在关键部件预警技术落后、人工检测钢丝绳芯输送带损伤不可靠、断带抓捕系统不可靠和下运式带式输送机防飞车保护技术落后等问题,本成果研发了矿用强力带式输送机全传动链智能监测与防控系统。该系统主要包括钢丝绳芯输送带缺陷弱磁监测系统、皮带异物与纵向撕裂识别系统、关键部件故障预警系统、智能抓捕系统和变频控制系统。通过钢丝绳芯输送带缺陷弱磁监测系统，实现了输送带缺陷的精确定位、定性、定量识别和预警，结合变频控制系统和智能断带抓捕系统，可以有效防控断带事故发生。通过基于机器视觉的皮带异物与纵向撕裂智能识别方法，实现了皮带异物与纵向撕裂预警。通过研究矿用强力带式输送机电机、滚筒、托辊红外图像故障特征提取与智能识别方法，实现了强力带式输送机关键机械部件故障诊断和预警。总之，通过研发的矿用强力带式输送机全传动链智能监测与防控系统，实现了强力带式输送机钢丝绳芯输送带、电机、滚筒和托辊全传动链智能监测和断带事故防控，对于确保煤矿带式输送机安全运行具有重要的意义，推广应用前景广阔。

(a) 弱磁监测系统布置图 (b)输送带缺陷弱磁监测软件

图1 钢丝绳芯输送带缺陷监测系统

(b) 基于视觉的异物识别 (b)基于视觉的皮带撕裂识别

图2基于机器视觉的皮带异物和撕裂识别

图3 基于红外热像的关键部件故障预警系统

图4 基于红外热像的关键部件故障预警系统软件界面

综采工作面设备及围岩异常状态识别

针对综采工作面低照度、高粉尘、强噪声环境下导致图像质量不佳、液压支架未及时收回导致与采煤机滚筒发生截割干涉、大块煤堵塞刮板运输机等设备和围岩异常状态的监测问题，本成果研究了低照度雾尘条件下的综采工作面图像清晰化方法、基于深度学习的液压支架护帮板收回状态识别方法、基于边缘等特征的刮板输送机大块煤定量识别方法及围岩异常状态识别方法。首先，运用视觉传感器对综采工作面进行图像进行实时采集。然后，将采集的图像进行去雾增强处理，实现图像清晰化处理。最后，运用卷积神经网络等方法对液压支架护帮板收回状态进行智能识别和边缘检测等特征提取方法对刮板输送机上大块煤与围岩片帮异常状态进行智能识别。本项目基于以上理论研究成果，通过机器视觉手段，实现综采工作面设备及围岩异常状态智能识别和预警，对于煤矿安全、智能开采具有重要意义，推广应用前景广阔。

图1 雾尘图像清晰化处理测试软件

图2同一帧视频清晰化前后结果对比

图3液压支架护帮板异常状态识别

图4大块煤边缘检测及识别结果

图5工作面围岩异常状态识别