带式输送机托辊是承载输送带和物料的关键部件，在使用过程中，由于多种原因，会发生轴承辊轴、密封件损坏和筒体磨损等故障，引起托辊卡转，增加托辊与输送带间摩擦力，加大能耗，引发输送带跑偏、托辊和输送带温度升高，造成输送带断带、纵向撕裂、火灾等安全事故。为了保证带式输送机安全可靠运行，需要对托辊故障进行检测。由于托辊数量大且分散，工作环境恶劣，检测条件苛刻，所以其故障在线检测难度大。针对目前带式输送机托辊故障检测存在可靠性和准确性不高等问题，提出一种基于热红外图像的带式输送机托辊故障检测方法。

      1）带式输送机托辊故障检测系统。基于热红外图像的带式输送机托辊故障检测系统主要由带式输送机巡检机器人（搭载红外热像仪、托辊故障检测器、报警器等）、上位机组成。该系统采用艾睿 T3S 红外热像仪进行托辊热红外图像与温度数据采集。采集数据传输给托辊故障检测器进行数据处理与故障判定，通过内置的WH−L101无线传输模块将检测结果传输给上位机进行显示。若检测到托辊发生故障，启动托辊故障检测器与上位机报警器，实现双报警。

图 1  基于热红外图像带式输送机托辊故障检测系统

      2）带式输送机托辊故障检测算法。托辊故障检测算法部署在托辊故障检测器的Cortex−A57 处理器中。利用YOLOv5s目标检测算法提取托辊热红外图像的感兴趣区域（ROI），采用维纳滤波和自适应中值滤波算法对ROI图像进行滤波，利用自适应直方图均衡化和图像锐化算法对滤波后的图像进行增强，采用基于形态学的Otsu图像分割算法对增强后的图像进行分割，得到待检测的托辊图像，利用Harris角点检测算法提取托辊图像特征，获得托辊位置信息并提取相应的温度信息。采用基于相对温差法的托辊故障检测算法判定托辊故障，当温度超过初始阈值时，算法进一步判断相对温差所在阈值范围，确定故障类型，并输出检测结果，否则直接输出无故障检测结果。

图2  托辊故障检测算法流程

      1）选用 YOLOv5s目标检测算法提取热红外图像的ROI，平均准确率为99.12%，可准确识别目标托辊。对ROI图像进行预处理，可实现托辊特征提取。

      2）在同一带式输送机的托辊组上，采用红外热像仪分别采集无故障、轴承锈蚀、轴承卡转、筒体磨穿4种状态下托辊热红外图像及温度数据。通过温度特性实验得到故障判定标准，根据托辊故障检测算法实现托辊故障检测，得到无故障、轴承锈蚀、托辊卡转、筒体磨穿的检测准确率分别为99.5%，96.5%，97%，97.5%，平均准确率为 97.625%，帧率为16 帧/s。检测结果通过无线传输模块传送至上位机，可显示故障类型及关键区域温度，并进行报警。

郭砚秋 （1995— ），女，山西大同人，硕士，主要研究方向为电子信息，E-mail：gyqzzz123@163.com。

郭砚秋，苗长云，刘意. 基于热红外图像的带式输送机托辊故障检测研究[J]. 工矿自动化，2023，49（10）：52-60.

GUO Yanqiu, MIAO Changyun, LIU Yi. Research on fault detection of belt conveyor roller based on thermal infrared image[J].Journal of Mine Automation，2023，49（10）：52-60.