针对现有输送带撕裂检测方法存在井下可见光成像质量差、缺少撕裂物理尺寸测量手段、泛化能力差等问题，提出了一种基于全卷积神经网络的输送带撕裂检测方法。该方法基于线结构光成像原理采集图像，可有效解决煤矿井下光照条件差的问题；采用改进最大值法进行线激光条纹检测，可有效排除条纹断点，精确提取条纹，并拟合出缺失点；选用全卷积神经网络中的U-net网络对线激光条纹进行撕裂分割，将撕裂检测问题转换成语义分割问题，并通过降维对U-net网络进行优化，从而减少参数量和计算量；将分割结果反投影回原始图像，利用线结构光标定数据完成撕裂物理尺寸测量。实验结果表明：改进最大值法可有效处理线激光条纹断点区域，无误检和漏检，性能优于Steger法和灰度重心法；U-net网络收敛速度快于SegNet和FCNs网络，迭代的稳定性较强，评价指标最优，U-net4网络性能优于U-net3和U-net5。在验证集上的检测结果表明，撕裂检测的召回率为96.09%，精确率为96.85%。在实验平台的测量结果表明，撕裂物理尺寸测量的最大相对误差为-13.04%。

中煤科工集团重庆研究院自立重点研发科研项目（2021ZDXM02,2022ZDXM02）；

0 引言
1 撕裂检测方法原理
2 线结构光图像处理
2.1 线结构光成像原理
2.2 线激光条纹检测
3 基于全卷积神经网络的撕裂检测
3.1 数据标注
3.2 全卷积神经网络
3.3 模型训练
3.4 撕裂测量
4 实验分析
4.1 线激光条纹检测结果分析
4.2 全卷积神经网络对比分析
4.3 撕裂检测与撕裂物理尺寸测量结果分析
5 结论

游磊,朱兴林,陈雨,罗明华.基于全卷积神经网络的输送带撕裂检测方法[J].工矿自动化,2022,48(09):16-24.DOI:10.13272/j.issn.1671-251x.2022040087.