目前带式输送机巡检机器人搭载红外采集设备移动受限，存在不能实时进行数据采集、数据处理并上传至监控终端，无法完成远程故障检测，续航能力不足等问题。提出了一种基于热红外图像的带式输送机托辊故障检测方法。带式输送机巡检机器人搭载托辊故障检测器及红外热像仪，红外热像仪将采集的托辊热红外图像序列与温度数据传输给托辊故障检测器，实现托辊故障检测，并采用WH-L101无线传输模块将检测结果发送给上位机。提出了一种带式输送机托辊故障检测算法，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），采用维纳滤波和改进中值滤波算法对感兴趣区域的图像进行滤波，利用自适应直方图均衡化和图像锐化算法对滤波后的ROI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ROI图像进行图像分割，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，利用托辊图像温度信息及对应的托辊位置信息，采用相对温差法判定托辊故障。实验结果表明：① YOLOv5s网络模型提取托辊ROI区域的目标检测结果平均准确率为99.12%。② 提出的托辊故障检测算法对托辊故障（无故障、轴承锈蚀、托辊卡转、筒体磨穿）检测的平均准确率为97.625%，帧率为16 fps；③ 将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。

0 引言
1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
2.1 托辊ROI提取
2.2 ROI图像预处理
2.3 托辊分割算法
2.4 托辊特征提取算法
2.5 基于相对温差法的托辊故障检测算法
3 托辊故障检测器设计
3.1 托辊故障检测器的硬件设计
3.2 托辊故障检测器的软件设计
4 实验与结果分析
4.1 实验平台搭建
4.2 YOLOv5s目标检测算法结果分析
4.3 温度特性实验结果分析
4.4 托辊故障检测结果分析
5 结论

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/OL].工矿自动化:1-11[2023-10-19].DOI:10.13272/j.issn.1671-251x.2022120051.