带式输送机是煤矿生产作业的重要设备，因经常处于高负荷运转状态，容易发生跑偏、撕裂、矿井火灾等事故。基于轨道式巡检机器人，通过搭载双光云台，实时采集输送带跑偏、异物、物料流量、撕裂及托辊异常等数据信息；采用机器学习和深度学习方法相结合，提出一种面向带式输送机场景的视觉识别和分类方法，提高了带式输送机的高效智能感知和矿用巡检机器人的智能化水平，降低了煤矿非计划停机的安全生产损失。

　　文章来源：《智能矿山》2025年第12期“学术园地”栏目

　　第一作者：张国鸣，现任神华北电胜利能源有限公司储运中心经理助理兼检修部经理，主要从事维修电工、机电一体化的相关研究工作。E-mail：814595685@qq.com。

　　通讯作者：赵红菊，高级工程师，主要从事煤矿机器人智能化、电机伺服控制、开关电源开发等相关研究工作。E-mail：zhaohj2020@126.com

　　作者单位：神华北电胜利能源有限公司；中煤科工机器人科技有限公司

　　引用格式：张国鸣，王文龙，于福军，等.面向煤矿带式输送机场景的视觉识别和分类方案[J].智能矿山，2025，6(12):86-89.

　　点击文末左下角阅读原文，免费下载阅读pdf全文

　　关注微信公众号，了解更多矿山智能化建设进展

　　由于不同场景矿业环境的复杂性，在煤炭、矿石、矿渣等生产过程中，带式输送机作为一种连续输送设备，经常发生带面跑偏、异物、堵塞、撕裂等异常。受井下恶劣环境影响，发生异常时，现有人工巡检存在发现不及时、范围有限等问题，易发生输送带带面损坏，甚至引发严重的煤矿事故。因此，采用智能化装备代替人工，实现对带式输送机场景的全方位监测。

　　矿用轨道巡检机器人可有效解决人工巡检存在的诸多弊端，搭载双光云台沿轨道巡检输送带巷的周边环境，实时将视频上传到计算端，遇到异常情况及时报警。

　　矿用机器人智能化视觉识别和分类包括图像分类、图像分割、目标检测等算法，在复杂的煤矿井下场景得到应用。以矿用巡检机器人为平台，通过分析带式输送机存在的各种异常现象，提出基于视觉的识别与分类方法，实现对带式输送机的高效、智能化监测。

　　巡检机器人视觉识别场景

　　针对带式输送机常见发生的故障种类，巡检机器人搭载双光云台，通过云台获取视频流，实时监测输送带运行状况，机器人巡检主要包括以下7种识别场景。

　　图1 巡检机器人视觉识别场景分类

　　（1）输送带带面跑偏

　　带面跑偏是带式输送机的多发问题，是带式输送机故障的主要诱因。输送带跑偏会造成输送机堆煤现象，进一步存在引起运输巷封堵、输送带摩擦断裂、矿井火灾等事故风险。巡检机器人搭载带面跑偏识别算法，对带式输送机带面进行持续健康检测，降低煤矿及复杂运输场景的安全事故发生。

　　（2）输送带异物

　　部分输送带损坏是由锚杆、槽钢等铁器或大块矸石等非煤异物进入输送带造成，输送带在运输过程中主要的异物包括大块煤、石头、锚杆、铁器、矸石等。实时检测带式输送机上异物并及时剔除，减少异物对输送带损坏，可有效防止输送带撕裂事故发生。

　　（3）输送带撕裂检测

　　输送带是带式输送机最重要也最容易损坏的部分，有效减少输送带撕裂是保障带式输送机正常运转的重要一环。输送带纵向撕裂会引起输送带局部温度过高，增加引发火灾的概率。

　　（4）物料流量检测

　　带式输送机物料流量检测是对大型矿用企业进行智能化和信息化改造的重要举措。受矿产开采过程影响，带面物料流容易出现偏心、断续等现象，导致输送带秤、核子秤等接触式检测的结果存在偏差。

　　（5）堵料检测

　　输送带面物料流在运动过程中任何部位的结构设计不合理，物料流中掺杂大煤块或者大石块均会导致堵料现象发生，在料仓下部易发生堵料。

　　（6）托辊异常

　　托辊是带式输送机的核心部件，当发生高热、抖动、脱落等异常时，将失去支撑传送带和降低阻力的作用，易引起输送带撕裂及输送带燃烧，长距离运输和托辊数量在日常巡检及定期维护需要大量的人力和物力。

　　（7）粉尘洒落

　　带式输送机运输过程中存在粉尘洒落的情况，需要工人定期清扫，在复杂矿井环境中增加了人力成本。

　　巡检机器人视觉功能和分类研究

　　根据上述7类视觉识别场景，设计面向带式输送机场景的视觉识别和分类方案。

　　（1）输送带带面跑偏

　　针对输送带带面跑偏场景设计识别方案，巡检机器人输送带运行状态的视频流，图像预处理后，采用传统图像识别方法，对比输送带实时状态和预先处理好的正常状态，对比差的结果实现偏移检测，输送带带面跑偏识别流程如图2所示。首先通过视频流获取实时图像，将图像进行增强和滤波处理，利用霍夫变换提取输送带边缘，再过滤掉错误直线，设定输送带未跑偏时的阈值，最后将检测直线与阈值做差得到跑偏距离。

　　图2 输送带带面跑偏识别流程

　　（2）输送带异物检测功能

　　不同场景的输送带异物主要由大块煤、石头、锚杆、矸石等组成。巡检机器人输送带运行状态的视频流，通过异物检测算法检测出异物。针对输送带异物检测场景设计输送带异物检测方案，输送带异物检测识别流程如图3所示。首先在试验场地的输送带上放置可能出现的各种异物，采集多角度、多位置、多种光线环境下的图像并标注，数据扩充后用于训练YOLOv5目标检测网络，获得用于检测带式输送机上异物的网络权重；然后使用训练权重对巡检机器人输送带状态实时视频流进行预测，得到输送带带面异物的坐标和分类；最后将实时获取的图像同时进行二值化，提取物体的轮廓，使用轮廓内像素个数衡量物体体积；最终使用YOLOv5目标检测网络和轮廓提取算法的结果，将二者的结果标注在图像上。

　　图3 输送带异物检测识别流程

　　（3）输送带纵撕检测

　　采用辅助激光器完成输送带纵向撕裂检测，在带式输送机滚筒位置安装激光器，巡检机器人进行定点拍摄，拍摄激光线位置，输送带撕裂检测识别流程如图4所示。首先按顺序进行颜色过滤、二值化与图像细化，将图片转换为激光曲线部分为白色，其余部分为黑色的二值化灰度图；对图像矩阵的列进行遍历，计算白色像素断开的最大距离，当此距离超过阈值后，即认为输送带有完全撕裂的缺口。

　　图4 输送带撕裂检测识别流程

　　（4）物料流量检测

　　使用深度学习的带式输送机物料流量检测方法，实现带式输送机物料流量检测的智能调整上料。首先获取巡检机器人输送带运行状态的视频流，对物料图像进行校正、分割和增强预处理；构建基于深度学习的Unet分割网络，获得用于检测物料流量的网络权重；最后计算出物料流在输送带带面上的占比来判断流量的大小。带式输送机物料流量检测识别流程如图5所示。

　　图5 输送带物料流量检测识别流程

　　（5）堵料

　　针对输送带堵料检测场景，设计输送带堵料检测识别流程如图6所示。首先使用帧差法，将连续视频中相邻两帧灰度化图像中的相同位置的像素值相减并取绝对值，得到帧差图像；设定阈值并对帧差图像进行二值化处理，得到图像中运动物体的掩模图像；最后通过状态判断出是否堵料，堵料的严重程度。

　　图6 输送带堵料检测识别流程

　　（6）托辊状态检测

　　通过挂载巡检机器人摄像机，采用目标检测网络YOLOv5提取彩色托辊位置图，并映射到相应热力图上，使用CRNN网络识别热成像图的最高最低温度数值，建立热成像图上像素值与温度的对应关系模型，计算由步骤一预测出的托辊区域温度，并标记在原图像上，输送带托辊异常识别流程如图7所示。

　　图7 托辊异常检测识别流程

　　（7）粉尘洒落检测

　　巡检机器人通过巡检粉尘洒落的过程及洒落在地面上的粉尘来综合判断洒落的位置和大小。首先采集多角度、多位置、多种光线环境下粉尘洒落过程及洒落在地面的煤堆、粉尘堆等图像，再使用深度网络目标检测模型对数据进行模型训练，预测实时检测粉尘洒落状态，最后得出粉尘洒落评价，粉尘洒落检测识别方案具体流程如图8所示。

　　图8 粉尘洒落检测识别流程

　　结语

　　针对现有带式输送机存在的跑偏、撕裂、异物等各种异常现象，基于矿用巡检机器人，研究了带式输送机场景的视觉识别与分类方法，给出了输送带跑偏、输送带异物检测、输送带撕裂检测、物料流量及堵料状态检测、托辊异常和粉尘洒落等功能的具体算法实现方案。采用该系列视觉识别与分类方法，可实现对不同场景的带式输送机的智能化检测，保证煤矿生产运输安全。

　　编辑丨李莎

　　审核丨赵瑞

　　煤炭科学研究总院期刊出版公司拥有科技期刊21种。其中，SCI收录1种，Ei收录5种、CSCD收录6种、Scopus收录8种、中文核心期刊9种、中国科技核心期刊11种、中国科技期刊卓越行动计划入选期刊4种，是煤炭行业最重要的科技窗口与学术交流阵地，也是行业最大最权威的期刊集群。

　　期刊简介

　　《智能矿山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中国煤炭科工集团有限公司主管、煤炭科学研究总院有限公司主办的聚焦矿山智能化领域产学研用新进展的综合性技术刊物。

　　主编：王国法院士

　　刊载栏目：企业/团队/人物专访政策解读视角·观点智能示范矿井对话革新·改造学术园地、专题报道等。

　　投稿网址：www.chinamai.org.cn（期刊中心-作者投稿）

　　征稿函详见链接：征稿┃《智能矿山》面向广大读者征稿，欢迎投稿

　　期刊成果：创刊5年来，策划出版了“中国煤科煤矿智能化成果”“陕煤集团智能化建设成果”“聚焦煤炭工业‘十四五’高质量发展”等特刊/专题30多期。主办“煤矿智能化重大进展发布会”“煤炭清洁高效利用先进成果发布会”“《智能矿山》理事、特约编辑年会暨智能化建设论坛”“智能矿山零距离”“矿山智能化建设运维与技术创新高新研修班”等活动20余次。组建了理事会、特约编辑团队、卓越人物等千余人产学研用高端协同办刊团队，打造了“刊-网-号-群-库”全覆盖的1+N全媒体传播平台，全方位发布矿山智能化领域新技术、新产品、新经验。

　　具体详见链接：《智能矿山》创刊5周年回顾

　　联系人：李编辑 010-87986441

　　邮发代号：82-476

　　期刊订阅详见链接：欢迎订阅┃《智能矿山》杂志2026年订阅开始了！

　　往期荐读

　　会议议程┃关于召开煤炭无人化开采数智技术研讨暨成果发布会的通知(2026年1月9—11日北京)

　　行业聚焦┃2025年矿山智能化建设运维与技术创新高级研修班成功在威海举办

　　行业聚焦┃2025智慧矿山技术创新与产业发展论坛（新疆）成功召开

　　行业聚焦┃2024年煤炭清洁高效利用智能化成果发布暨选煤厂智能化建设论坛顺利召开

　　征稿┃《智能矿山》面向广大读者征稿，欢迎投稿

　　欢迎订阅┃《智能矿山》杂志2026年订阅开始了！

　　行业聚焦┃2024年煤矿智能化重大进展发布会成功召开

　　《智能矿山》创刊5周年回顾

　　王国法院士煤矿智能化观点集锦

　　新书订阅┃《中国煤矿智能化发展报告（2024年）》（王国法，刘峰主编）

　　订阅┃探秘太阳石的奥秘呈现煤的真身：太阳石系列科普丛书重磅发售

　　往期特刊

　　中国煤科特刊

　　陕煤集团特刊

　　神东专栏

　　重大进展特刊

　　露天矿特刊

　　理事单位特刊

　　红柳林煤矿特刊

　　创新技术特刊

　　创刊号

　　版权声明

　　本刊对已出版文章持有电子版、网络版及进行网络技术交流和与各网络数据库合作的权利，稿酬一次性付清，版权归本刊与作者共同所有，如不同意，请在投稿时声明。

　　声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。