基于机器视觉的皮带撕裂检测综述

本文综述了机器视觉在皮带撕裂检测领域的发展，并讨论了现有的检测方法。首先介绍了皮带撕裂的形式，包括纵向撕裂和横向撕裂。据调研数据显示，纵向撕裂占据了绝大部分的撕裂情况。然后介绍了传统机器视觉方法和基于深度学习的方法。传统方法主要是通过人工设计特征和选择合适的分类器算法进行图像分析和提取特征，但需要大量经验和调试。而基于深度学习的方法通过训练神经网络进行端到端的学习，能够提高检测精度和鲁棒性。同时归纳了近三年来应用到实际生产中的技术。最后，指出了需要解决的算法设计和评价指标问题，并展望了未来的研究方向，包括解决复杂环境的影响、提高实时性要求、优化算法适应不同情况和制作公开测试数据集等。总体来说，机器视觉技术在皮带撕裂检测领域具有广阔的应用前景，但还需要进一步研究和探索。

皮带输送机是在冶金、矿山、化工、石油、电厂、港口、建材等多个行业中广泛应用的重要设备。

尤其是在长距离、高功率、大运量、高速输送的要求下，皮带输送机已成为带式输送机发展的主要趋势。

皮带作为运输机的重要组成部分，主要起到连接驱动装置和运输物料的作用，其成本约占整个输送机成本的40%~60%。由于输送皮带具有巨大的经济价值，近年来，我国也逐渐加大了对于输送带的生产力度，连续多年居全球输送带生产的榜首。在实际生产过程中，会发生输送带被利物刺穿或者输送带跑偏的情况，当检查人员不能及时发现，因输送带大面积撕裂，导致货物倾泻，使得整个输送机陷入瘫痪， 严重时还会造成巡查人员伤亡，给企业带来巨大的经济损失。本次综述的主要目的是，通过概述近年来机器视觉在皮带撕裂检测领域的发展，表明机器视觉在该领域的使用情况，并突出部分应用中遇到的问题。

该综述的其余部分结构如下：在第二部分中，将介绍一般皮带撕裂的形式与现有的检测方法；在第三部分中，将讨论基于机器视觉技术的皮带撕裂检测方法现状；在第四部分中，进行了总结，并展望了未来的研究方向。

2. 皮带撕裂的形式与检测方法 输送皮带撕裂通常分为纵向皮带撕裂和横向皮带撕裂两种形式，据现场调研发现，纵向撕裂占皮带撕裂统计数的95%以上。纵向撕裂主要是皮带跑偏撕裂、纵向划伤撕裂和皮带抽芯撕裂，如图1 所示。

皮带跑偏撕裂是由于导向装置不当或外力干扰等原因，导致输送皮带偏移，摩擦产生磨损和撕裂。

据统计分析，皮带跑偏所导致的撕裂占纵向撕裂统计数的40%。纵向划伤撕裂是输送过程中，异物或尖锐物体造成的划伤导致输送皮带表面的撕裂。纵向划伤撕裂在统计中占纵向撕裂的30%。皮带抽芯撕裂