机器视觉已在煤矿带式输送机分拣机器人目标检测与识别方面具有一定的理论基础，但目前煤矿带式输送机分拣机器人目标识别主要针对煤矸石识别，对造成输送带穿透、撕裂等的异物目标识别的研究较少，且在目标异物精确定位方面的研究也较少。针对上述问题，设计了一种基于机器视觉的煤矿带式输送机分拣机器人异物识别与定位系统，可对输送带上存在的不同类型和不同形状的异物进行识别与定位。采用双目视觉实时获取输送带上异物图像信息，并对图像进行预处理，基于Canny算子进行图像信息增强，通过灰度拉伸方法改进图像边缘信息，突出煤矿带式输送机上异物的边缘特征；利用形态学方法提取异物形状特征，建立异物图像特征样本库，通过图像特征匹配的方式解算出异物存在区域，实现异物类型的检测、分类与识别；在异物类型成功识别的基础上，以目标异物边缘特征值为基础，建立目标异物的感兴趣区域(ROI)，构建相机、输送带与目标异物坐标转换关系，利用多目标质心快速计算方法求取目标异物质心坐标，实现对目标异物的定位。系统样机实验结果表明：煤矿带式输送机分拣机器人异物识别与定位系统异物识别率不受尺寸、材质和颜色等因素影响，能够实现输送带目标异物图像的采集、处理、特征提取、识别和位置定位，识别率为92.5%以上，目标异物位置定位平均误差为3%左右。

国家重点研发计划青年科学家项目(2022YFF0605300)；国家自然科学基金面上项目(51975468)；陕西省自然科学基础研究计划项目(2019JQ-802)；国家自然科学基金重点项目(51834006)；西安市科技计划项目(22GXFW0067)；

0 引言
1 系统需求分析
2 系统设计
2.1 系统组成
2.2 系统识别与定位方法
3 异物识别方法
3.1 异物识别方法原理
3.2 基于双目视觉的输送带异物检测与识别
3.2.1 基于平面模板法的图像畸变矫正
3.2.2 异物图像预处理
3.2.3 异物图像边缘检测与特征提取
4 目标异物定位
4.1 图像ROI确定
4.2 相机、输送带与目标异物坐标系转换
4.3 目标异物定位算法
5 实验验证与分析
5.1 实验平台参数及环境模拟
5.2 实验方案
5.3 目标异物识别与定位系统实验验证与分析
6 结论

薛旭升,杨星云,齐广浩,马宏伟,毛清华,尚新芒.煤矿带式输送机分拣机器人异物识别与定位系统设计[J].工矿自动化,2022,48(12):33-41.DOI:10.13272/j.issn.1671-251x.2022100024.