本技術涉及自動化控制領域，更具體地說，涉及一種輸煤傳輸帶切換控制方法。

背景技術：

1、煤炭港口是連接鐵路輸煤和海上運煤的重要樞紐，由多個工作區(qū)域組成，而輸煤傳送帶是連接各個工作區(qū)域的重要設備。煤炭港口的主體工作大致如下：煤炭從火車上卸下，通過傳送帶運送至堆存區(qū)域，再由取料機將堆存區(qū)域的煤炭通過傳送帶送至裝船機，隨后裝載至船舶中。傳送帶幾乎是所有工作任務的重要組成，傳送帶的運行情況直接影響了煤炭港口任務的工作效率。

2、輸煤傳送帶是由多節(jié)傳送帶組成的大型運輸系統(tǒng)，長度可達數(shù)百米甚至一公里以上。在工作任務中，多節(jié)傳送帶與不同工作區(qū)域中的其他大型設備連接，將煤炭轉(zhuǎn)運。由于各個工作區(qū)域存在多個工作設備和工作任務，多節(jié)傳送帶可能會根據(jù)工作任務的服務對象，相應地切換與對應傳送帶、工作設備的連接，從而順利完成不同工作任務的轉(zhuǎn)換。舉例來說，煤炭從堆存區(qū)域被取料機取出，通過傳送帶運輸?shù)窖b船機，進行船舶裝貨的任務，在完成一個任務后，可能因為船舶對煤種要求不同、船舶種類不同等，需要多節(jié)傳送帶的首端或尾端部分執(zhí)行切換任務，從而實現(xiàn)與不同的設備連接。

3、在目前的生產(chǎn)場景中，對傳送帶的控制存在很大的改進空間。從安全生產(chǎn)上講，首先，傳送帶具有嚴格的上下游關系，即下游皮帶一旦停止，上游皮帶將立即停止；只有在下游皮帶啟動后上游皮帶才可啟動。其次，傳送帶進行切換動作時，需要完全停止所有傳送帶的運行，從而造成許多不必要的延誤，以及某些傳送帶的重復啟停。

4、從設備控制上講，許多生產(chǎn)場景的傳送帶缺乏控制聯(lián)動，通常只能實現(xiàn)遠程控制開關等行為，具體的任務部署、設備操作等還需要大量的人力物力去執(zhí)行；在許多已有的包含傳送帶的工作調(diào)度系統(tǒng)中，通常也只設置了簡單的“禁止不同任務工作設備共享”的邏輯，導致終端設備不同的工作必須要停止所有傳送帶的運行才能切換。

技術實現(xiàn)思路

1、1.要解決的技術問題

2、針對現(xiàn)有技術中存在的輸煤效率低的問題，本技術提供了一種輸煤傳輸帶切換控制方法，通過以plc為基礎的中央控制系統(tǒng)接收任務需求并生成任務鏈，控制取料機和傳送帶進行煤炭運輸；采集煤炭流在傳送帶上運行的圖像數(shù)據(jù)，經(jīng)過預處理、二值化、輪廓識別等處理后，利用光流法計算出煤炭流在傳送帶上的運行位移和速度；進而預測煤炭流頭部在傳送帶上的位置，中央控制系統(tǒng)根據(jù)煤炭流頭部位置預測信息，合理安排傳送帶切換和下一任務煤炭供給的時間，實現(xiàn)了輸煤傳輸帶的智能化切換控制等，提高了輸煤效率。

3、2.技術方案

4、本技術的目的通過以下技術方案實現(xiàn)。

5、本說明書提供一種輸煤傳輸帶切換控制方法，包括：建立以plc為基礎的中央控制系統(tǒng)，接收任務需求并生成任務鏈；將生成的任務鏈傳輸給取料機和傳送帶，并根據(jù)任務鏈控制取料機和傳送帶的啟停，進行煤炭運輸控制；采集煤炭流在傳送帶上運行的圖像數(shù)據(jù)；對采集的圖像數(shù)據(jù)進行預處理；對預處理后的圖像數(shù)據(jù)進行二值化處理，通過設定閾值區(qū)分出煤炭流圖像和傳送帶圖像，并對二值化處理后的煤炭流的圖像數(shù)據(jù)進行輪廓識別，提取煤炭流的輪廓信息；采用光流法對連續(xù)的煤炭流的圖像數(shù)據(jù)進行處理，計算出煤炭流的圖像數(shù)據(jù)的像素位移，將像素位移進行坐標轉(zhuǎn)換，得到煤炭流在傳送帶上的運行位移和運行速度；根據(jù)煤炭流的輪廓信息和運行速度，預測煤炭流頭部在傳送帶上的位置；當下一個任務需要對末端傳送帶進行切換動作時，中央控制系統(tǒng)根據(jù)煤炭流頭部位置預測信息，計算出傳送帶上當前任務的煤炭流全部輸送完畢的時刻t1；在時刻t1之后的時刻t2，中央控制系統(tǒng)接收到傳送帶切換指令后，控制末端傳送帶停止運行，并執(zhí)行切換動作，切換動作持續(xù)時間為δt0；中央控制系統(tǒng)根據(jù)煤炭流運行速度，計算出下一任務的煤炭流頭部到達末端傳送帶預設安全位置所需的時間δt1；中央控制系統(tǒng)根據(jù)切換動作持續(xù)時間δt0和下一任務的煤炭流頭部到達末端傳送帶預設安全位置所需的時間δt1，計算啟動下一任務煤炭供給的時刻t3，t3≤t2+δt0-δt1；在時刻t3，中央控制系統(tǒng)控制取料機啟動下一個任務的供煤，開始下一任務的煤炭運輸。

6、其中，plc全稱為可編程邏輯控制器(programmable?logic?controller)，是一種專門為工業(yè)控制設計的數(shù)字電子設備。二值化處理：是圖像處理中常用的一種方法，將圖像中的像素值根據(jù)設定的閾值劃分為兩類，一般將高于閾值的像素設為白色(255)，低于閾值的像素設為黑色(0)，從而將原始的灰度圖像轉(zhuǎn)換為只包含黑白兩種顏色的二值圖像。光流法：是一種用于估計圖像序列中物體運動的方法。它基于灰度不變性假設，即同一物體在不同幀之間的灰度值保持不變，通過計算圖像序列中像素灰度值的時空梯度，估計出像素在相鄰幀之間的運動位移矢量，從而得到整個圖像的運動信息。煤炭流頭部：是指煤炭在輸送過程中，煤炭流在傳送帶上的最前端部分。準確識別和跟蹤煤炭流頭部的位置，對于實現(xiàn)輸煤傳輸帶的自動化切換控制具有重要意義。通過預測煤炭流頭部到達傳送帶末端的時間，可以合理安排傳送帶切換和下一任務煤炭供給的時間，避免輸煤中斷或煤炭溢出等問題。像素位移：是指圖像序列中，同一物體在相鄰幀圖像上對應像素點之間的空間位置變化量。通過計算圖像像素在水平和垂直方向上的位移量，可以得到像素級別的運動信息，進而估計物體的運動速度和軌跡。在輸煤傳輸帶切換控制中，通過計算煤炭流圖像的像素位移，并將其轉(zhuǎn)換為實際的物理位移，可以得到煤炭流在傳送帶上的運行位移和速度。

7、優(yōu)選地，圖像預處理，包括：對接收到的煤炭流的圖像數(shù)據(jù)進行圖像切割，提取出目標區(qū)域的圖像；對切割后的圖像進行灰度化處理，將rgb圖像轉(zhuǎn)換為灰度圖像；對灰度化后的圖像進行高斯濾波，去除圖像中的噪聲；對高斯濾波后的圖像進行線性變換，調(diào)整圖像的對比度和亮度，將線性變換后的圖像作為預處理后的煤炭流的圖像數(shù)據(jù)。

8、進一步的，計算出煤炭流圖像的像素位移，包括：根據(jù)預處理后的煤炭流的圖像數(shù)據(jù)，提取當前幀圖像；對當前幀圖像的每個像素，在其鄰域內(nèi)選取多個像素點，根據(jù)像素灰度不變形和光流場局部平滑性，構建光流方程；對構建的光流方程進行最小二乘求解，得到當前像素在水平和垂直方向上的位移量；對當前幀圖像的所有像素重復求解位移量的步驟，得到整個圖像的像素位移矢量場；將得到的像素位移矢量場作為煤炭流圖像在當前幀的像素位移輸出。

9、具體的，根據(jù)預處理后的煤炭流的圖像數(shù)據(jù)，提取當前幀圖像i(x，y，t)和前一幀圖像i(x，y，t-1)，其中x，y為像素坐標，t為時間。對當前幀圖像的每個像素(x，y)，在其鄰域內(nèi)選取多個像素點，假設像素(x，y)在水平和垂直方向上的位移量分別為u和v，則鄰域內(nèi)的像素點(x+dx，y+dy)在前一幀圖像中對應的像素點坐標為(x+dx-u，y+dy-v)。根據(jù)灰度不變性假設，即同一物體在相鄰幀之間的灰度值保持不變，可以建立約束方程：i(x，y，t)＝i(x-u，y-v，t-1)，對上式在(x，y)處進行一階泰勒展開，得到：i(x，y，t)＝i(x，y，t-1)-ix(x，y，t-1)u-iy(x，y，t-1)v+it(x，y，t-1)，其中，ix，iy，it分別為圖像在x，y，t方向上的偏導數(shù)。結(jié)合光流場局部平滑性假設，即相鄰像素具有相似的運動趨勢，在鄰域內(nèi)選取多個像素點，構建光流方程組：ix(x1，y1，t-1)u+iy(x1，y1，t-1)v＝-it(x1，y1，t-1)，ix(x2，y2，t-1)u+iy(x2，y2，t-1)v＝-it(x2，y2，t-1)，...，ix(xn，yn，t-1)u+iy(xn，yn，t-1)v＝-it(xn，yn，t-1)；對構建的光流方程組進行最小二乘求解，即求解下列優(yōu)化問題：min∑[ix(xi，yi，t-1)u+iy(xi，yi，t-1)v+it(xi，yi，t-1)]^2，求解該優(yōu)化問題可以得到當前像素(x，y)在水平和垂直方向上的位移量u和v。對當前幀圖像的所有像素重復步驟2-5，得到整個圖像的像素位移矢量場(u(x，y)，v(x，y))。將得到的像素位移矢量場作為煤炭流圖像在當前幀的像素位移輸出，表示為：(du(x，y)，dv(x，y))＝(u(x，y)，v(x，y))，通過上述步驟，可以利用光流法計算出煤炭流圖像在連續(xù)幀之間的像素位移矢量場。該位移矢量場反映了煤炭流在圖像平面上的運動情況，為后續(xù)的煤炭流速度估計和位置預測提供了重要的信息。

10、進一步的，獲取煤炭流在傳送帶上的運行位移，包括：根據(jù)針孔相機模型，建立像素坐標系、圖像坐標系和相機坐標系之間的映射關系；通過攝像頭成像平面與圖像平面之間的內(nèi)參數(shù)矩陣，將像素坐標系中的像素位移矢量場轉(zhuǎn)換到圖像坐標系下；通過攝像頭坐標系與世界坐標系之間的外參數(shù)矩陣，將圖像坐標系下的位移矢量場轉(zhuǎn)換到相機坐標系下；根據(jù)相機坐標系與傳送帶坐標系之間的位置關系，將相機坐標系下的位移矢量場轉(zhuǎn)換到傳送帶坐標系下；將傳送帶坐標系下的位移矢量場乘以位移時間，得到煤炭流在傳送帶上的運行位移。

11、進一步的，將像素坐標系中的像素位移矢量場轉(zhuǎn)換到圖像坐標系下，通過如下公式：

12、其中，jx,jy為圖像坐標系；rx,ry為像素坐標系；rx0，ry0為像素坐標系上基準點的坐標；轉(zhuǎn)換為矩陣形式為：像素坐標系和圖像坐標系的關系：其中，像素坐標系以x,y軸為坐標軸，z軸為光軸，原點o為相機的光心，原點o與oj的距離ooj即為相機的焦距f；點a在像素坐標系中的位置為(x,y,z)，在圖像坐標系中成像a′為(jx,jy)。

13、進一步的，通過攝像頭坐標系與相機坐標系之間的外參數(shù)矩陣，將像素坐標系下的位移矢量場轉(zhuǎn)換到相機坐標系下：其中，相機坐標系以x,y軸為坐標軸，z軸為光軸；rx0和ry0為像素坐標系上基準點的坐標；rx,ry為像素坐標系。

14、進一步的，根據(jù)相機坐標系與傳送帶坐標系之間的位置關系，將相機坐標系下的位移矢量場轉(zhuǎn)換到傳送帶坐標系下：

15、

16、其中，攝像頭垂直于傳送帶，攝像頭與傳送帶的距離為z，物體在圖像上平移的像素位置為(m,n)，實際移動的距離為δo；

17、進一步的，將傳送帶坐標系下的位移矢量場乘以位移時間，得到煤炭流在傳送帶上的運行位移：其中，攝像頭垂直于傳送帶，攝像頭與傳送帶的距離為z，物體在圖像上平移的像素位置為(m,n)，實際移動的距離為δo；

18、進一步的，通過設定閾值區(qū)分出煤炭流圖像和傳送帶圖像，包括：根據(jù)預處理后的煤炭流的圖像數(shù)據(jù)，計算圖像的灰度直方圖；根據(jù)灰度直方圖，遍歷所有預設閾值，將圖像像素分為背景區(qū)域和前景區(qū)域；對于每個閾值，計算背景區(qū)域和前景區(qū)域的像素數(shù)量、平均灰度值，以及整個圖像的平均灰度值；利用類間方差公式，計算背景區(qū)域和前景區(qū)域之間的類間方差；選擇類間方差最大時，對應的閾值作為圖像二值化的最優(yōu)閾值；利用獲取的最優(yōu)閾值，將煤炭流的圖像數(shù)據(jù)中灰度值大于等于最優(yōu)閾值的像素設為255，代表煤炭流前景圖像，反之設為0，代表傳送帶背景圖像；輸出經(jīng)過二值化處理后的煤炭流前景圖像數(shù)據(jù)和傳送帶背景圖像數(shù)據(jù)。

19、具體的，根據(jù)預處理后的煤炭流的圖像數(shù)據(jù)，計算圖像的灰度直方圖。假設圖像的灰度范圍為[0，255]，則灰度直方圖可以表示為一個256維的向量h(i)，其中i為灰度值，h(i)為灰度值為i的像素數(shù)量。根據(jù)灰度直方圖，遍歷所有預設閾值t(取值范圍為[0，255])，將圖像像素分為背景區(qū)域和前景區(qū)域。對于每個閾值t，灰度值小于t的像素屬于背景區(qū)域，灰度值大于等于t的像素屬于前景區(qū)域。對于每個閾值t，計算背景區(qū)域和前景區(qū)域的像素數(shù)量、平均灰度值，以及整個圖像的平均灰度值。背景區(qū)域像素數(shù)量：w0＝∑[i＝0tot-1]h(i)/∑[i＝0to255]h(i)；前景區(qū)域像素數(shù)量：w1＝∑[i＝tto255]h(i)/∑[i＝0to255]h(i)；背景區(qū)域平均灰度值：u0＝∑[i＝0tot-1]i*h(i)/(w0*∑[i＝0to255]h(i))；前景區(qū)域平均灰度值：u1＝∑[i＝tto255]i*h(i)/(w1*∑[i＝0to255]h(i))；整個圖像平均灰度值：u＝∑[i＝0to255]i*h(i)/∑[i＝0to255]h(i)；利用類間方差公式，計算背景區(qū)域和前景區(qū)域之間的類間方差：g＝w0*w1*(u0-u1)^2；選擇類間方差最大時，對應的閾值作為圖像二值化的最優(yōu)閾值t_opt：t_opt＝argmax(g)，利用獲取的最優(yōu)閾值t_opt，將煤炭流的圖像數(shù)據(jù)中灰度值大于等于t_opt的像素設為255，代表煤炭流前景圖像，反之設為0，代表傳送帶背景圖像。

20、對于圖像中的每個像素(x，y)，其二值化結(jié)果為：如果i(x，y)>＝t_opt，則i_binary(x，y)＝255，如果i(x，y)<t_opt，則i_binary(x，y)＝0，輸出經(jīng)過二值化處理后的煤炭流前景圖像數(shù)據(jù)i_foreground和傳送帶背景圖像數(shù)據(jù)i_background：i_foreground(x，y)＝i_binary(x，y)，其中i_binary(x，y)＝255，i_background(x，y)＝i_binary(x，y)，其中i_binary(x，y)＝0，通過以上步驟，可以利用類間方差法自適應地選取最優(yōu)閾值，實現(xiàn)煤炭流圖像和傳送帶圖像的二值化分割。類間方差法的基本思想是，在閾值選取時，使得背景區(qū)域和前景區(qū)域之間的類間方差最大化，從而使得兩個區(qū)域的分離度最高。

21、進一步的，對二值化處理后的煤炭流的圖像數(shù)據(jù)進行輪廓識別，提取煤炭流的輪廓信息，包括：根據(jù)得到的煤炭流前景圖像數(shù)據(jù)，采樣高斯濾波器對圖像進行平滑處理；計算平滑處理后的圖像的梯度幅值和方向，得到梯度幅值圖像和梯度方向圖像；對梯度幅值圖像進行非極大值抑制處理；采用雙閾值法對非極大值抑制后的圖像進行閾值化處理，連接邊緣像素，得到邊緣圖像；對邊緣圖像進行輪廓追蹤，提取出連通的邊緣輪廓像素坐標；將提取出的邊緣輪廓像素坐標作為煤炭流輪廓信息輸出。

22、具體的，根據(jù)得到的煤炭流前景圖像數(shù)據(jù)i_foreground，采用高斯濾波器對圖像進行平滑處理。高斯濾波器的核函數(shù)為：g(x，y)＝(1/(2piσ^2))*exp(-(x^2+y^2)/(2*σ^2))，其中，σ為高斯濾波器的標準差，控制平滑程度。將高斯濾波器與前景圖像進行卷積運算，得到平滑處理后的圖像i_smooth：計算平滑處理后的圖像i_smooth的梯度幅值和方向，得到梯度幅值圖像i_mag和梯度方向圖像i_dir。分別計算圖像在x方向和y方向的梯度：計算梯度幅值：i_mag＝sqrt(i_dx^2+i_dy^2)，計算梯度方向：i_dir＝arctan(i_dy/i_dx)，對梯度幅值圖像i_mag進行非極大值抑制處理。對于每個像素(x，y)，檢查其梯度方向上的兩個相鄰像素點的梯度幅值，如果當前像素的梯度幅值不是最大的，則將其置為0，得到非極大值抑制后的圖像i_nms。

23、采用雙閾值法對非極大值抑制后的圖像i_nms進行閾值化處理，連接邊緣像素，得到邊緣圖像i_edge。設定高閾值t_high和低閾值t_low，其中t_high＝k*t_low，k為常數(shù)因子。對于i_nms中的每個像素(x，y)：如果其梯度幅值大于高閾值t_high，則將其標記為強邊緣像素，i_edge(x，y)＝255。如果其梯度幅值小于低閾值t_low，則將其標記為非邊緣像素，i_edge(x，y)＝0。如果其梯度幅值介于高低閾值之間，則將其標記為弱邊緣像素，i_edge(x，y)＝128。對于所有弱邊緣像素，檢查其8鄰域內(nèi)是否存在強邊緣像素，如果存在，則將其標記為強邊緣像素，否則標記為非邊緣像素。對邊緣圖像i_edge進行輪廓追蹤，提取出連通的邊緣輪廓像素坐標。從左上角開始掃描邊緣圖像，找到第一個強邊緣像素作為起始點。從起始點出發(fā)，按照順時針方向，依次檢查其8鄰域像素，找到下一個強邊緣像素，將其坐標加入輪廓點集合。重復上一步，直到回到起始點，得到一條閉合的輪廓。繼續(xù)掃描邊緣圖像，找到下一個未被訪問過的強邊緣像素，重復以上過程，直到所有強邊緣像素都被訪問過。將提取出的邊緣輪廓像素坐標作為煤炭流輪廓信息輸出，表示為一個輪廓點集合c＝{p1，p2，...，pn}，其中pi＝(xi，yi)為輪廓點坐標。通過以上步驟，可以利用canny邊緣檢測算子對二值化處理后的煤炭流圖像進行輪廓識別，提取出煤炭流的輪廓信息。canny算子通過梯度計算、非極大值抑制和雙閾值連接等操作，能夠有效地提取出圖像中的真實邊緣，具有較好的定位精度和連續(xù)性。

24、進一步的，根據(jù)煤炭流的輪廓信息和運行速度，預測煤炭流頭部在傳送帶上的位置，包括：根據(jù)得到的煤炭流輪廓信息，標記出煤炭流頭部在當前圖像幀中的位置坐標；將標記的煤炭流頭部位置坐標作為卡爾曼濾波算法的觀測值，建立觀測方程；根據(jù)煤炭流頭部的歷史位置坐標和當前位置坐標，采用勻速運動模型建立煤炭流頭部位置的狀態(tài)方程；利用狀態(tài)方程對煤炭流頭部位置進行預測，得到預測位置坐標和預測誤差協(xié)方差矩陣；利用觀測方程對預測結(jié)果進行更新，得到更新后的煤炭流頭部位置坐標和更新后的誤差協(xié)方差矩陣；將得到的煤炭流頭部位置坐標作為當前時刻煤炭流頭部在圖像中的位置輸出；將得到的煤炭流頭部位置坐標和誤差協(xié)方差矩陣作為下一幀圖像的卡爾曼濾波算法的初始值；重復以上步驟，預測和更新煤炭流頭部在傳送帶上的位置坐標。

25、具體的，根據(jù)得到的煤炭流輪廓信息c＝{p1，p2，...，pn}，標記出煤炭流頭部在當前圖像幀中的位置坐標。假設煤炭流的運動方向為從上到下，則輪廓點集合c中縱坐標最小的點即為煤炭流頭部的位置。在輪廓點集合c中找到縱坐標最小的點ph＝(xh，yh)，將其標記為煤炭流頭部位置坐標。將標記的煤炭流頭部位置坐標ph作為卡爾曼濾波算法的觀測值，建立觀測方程。定義觀測值矩陣z＝[xh，yh]'，表示煤炭流頭部在圖像中的位置。定義觀測矩陣h＝[1，0，0，0；0，1，0，0]，將狀態(tài)變量與觀測值關聯(lián)起來。建立觀測方程：z＝h*x+v，其中x為狀態(tài)變量矩陣，v為觀測噪聲矩陣。根據(jù)煤炭流頭部的歷史位置坐標和當前位置坐標，采用勻速運動模型建立煤炭流頭部位置的狀態(tài)方程。定義狀態(tài)變量矩陣x＝[x，y，vx，vy]'，其中(x，y)為煤炭流頭部的位置坐標，(vx，vy)為煤炭流頭部的速度分量。定義狀態(tài)轉(zhuǎn)移矩陣a＝[1，0，dt，0；0，1，0，dt；0，0，1，0；0，0，0，1]，其中dt為相鄰幀之間的時間間隔。建立狀態(tài)方程：x(k+1)＝a*x(k)+w(k)，其中k為時間步，w為過程噪聲矩陣。利用狀態(tài)方程對煤炭流頭部位置進行預測，得到預測位置坐標和預測誤差協(xié)方差矩陣。根據(jù)上一時刻的狀態(tài)估計值x(k|k)和狀態(tài)轉(zhuǎn)移矩陣a，計算當前時刻的狀態(tài)預測值x(k+1|k)：x(k+1|k)＝a*x(k|k)，根據(jù)上一時刻的誤差協(xié)方差矩陣p(k|k)和過程噪聲協(xié)方差矩陣q，計算當前時刻的預測誤差協(xié)方差矩陣p(k+1|k)：p(k+1|k)＝a*p(k|k)*a'+q，利用觀測方程對預測結(jié)果進行更新，得到更新后的煤炭流頭部位置坐標和更新后的誤差協(xié)方差矩陣。計算卡爾曼增益矩陣k(k+1)：k(k+1)＝p(k+1|k)h'/(hp(k+1|k)*h'+r)，其中r為觀測噪聲協(xié)方差矩陣。根據(jù)觀測值z(k+1)和預測值x(k+1|k)，計算更新后的狀態(tài)估計值x(k+1|k+1)：x(k+1|k+1)＝x(k+1|k)+k(k+1)(z(k+1)-hx(k+1|k))，計算更新后的誤差協(xié)方差矩陣p(k+1|k+1)：p(k+1|k+1)＝(i-k(k+1)*h)*p(k+1|k)，將得到的煤炭流頭部位置坐標(x，y)作為當前時刻煤炭流頭部在圖像中的位置輸出。將得到的煤炭流頭部位置坐標(x，y)和誤差協(xié)方差矩陣p(k+1|k+1)作為下一幀圖像的卡爾曼濾波算法的初始值。重復以上步驟，預測和更新煤炭流頭部在傳送帶上的位置坐標。

26、3.有益效果

27、相比于現(xiàn)有技術，本技術的優(yōu)點在于：

28、通過建立以plc為基礎的中央控制系統(tǒng)，接收任務需求并生成任務鏈，將任務鏈傳輸給取料機和傳送帶進行煤炭運輸控制，實現(xiàn)了輸煤過程的自動化控制，減少了人工操作的介入，提高了輸煤效率。

29、采集煤炭流在傳送帶上運行的圖像數(shù)據(jù)，并對圖像數(shù)據(jù)進行預處理、二值化處理、輪廓識別等，提取出煤炭流的輪廓信息。結(jié)合光流法計算出煤炭流在傳送帶上的運行位移和速度，為后續(xù)煤炭流頭部位置的預測提供了準確的數(shù)據(jù)基礎。

30、根據(jù)煤炭流的輪廓信息和運行速度，采用卡爾曼濾波算法預測煤炭流頭部在傳送帶上的位置。當需要進行傳送帶切換時，中央控制系統(tǒng)可以根據(jù)煤炭流頭部位置的預測信息，精確計算出當前任務煤炭輸送完畢的時刻，合理安排傳送帶切換和下一任務煤炭供給的時間，避免了煤炭輸送的中斷或煤炭溢出的問題。

31、在傳送帶切換過程中，通過計算傳送帶切換動作持續(xù)時間和下一任務煤炭流頭部到達安全位置所需時間，合理控制下一任務煤炭供給的啟動時刻。既保證了傳送帶切換動作的完成，又避免了切換完成后煤炭供給的延遲，縮短了輸煤任務切換的時間，提高了輸煤效率。

32、圖像預處理包括圖像切割、灰度化、高斯濾波、線性變換等步驟，有效去除了圖像噪聲，增強了圖像的對比度和亮度，為后續(xù)圖像處理提供了高質(zhì)量的圖像數(shù)據(jù)，提高了煤炭流輪廓信息提取和位移計算的精度。

33、利用光流法對煤炭流圖像進行像素位移計算，通過構建光流方程并求解，得到圖像像素在水平和垂直方向上的位移量，生成整個圖像的像素位移矢量場。結(jié)合針孔相機模型和坐標轉(zhuǎn)換關系，將像素位移轉(zhuǎn)換到煤炭流在傳送帶上的實際運行位移，提高了煤炭流速度計算的準確性。

34、通過設定閾值對圖像進行二值化處理，利用類間方差法自適應選取最優(yōu)閾值，可以有效區(qū)分煤炭流前景圖像和傳送帶背景圖像，為后續(xù)煤炭流輪廓識別提供了便利。

35、對二值化圖像進行邊緣檢測和輪廓追蹤，提取出煤炭流的輪廓像素坐標，準確描述了煤炭流的輪廓信息，為煤炭流頭部位置的預測提供了可靠的數(shù)據(jù)支持。

36、在預測煤炭流頭部位置時，采用卡爾曼濾波算法，通過建立煤炭流頭部位置的狀態(tài)方程和觀測方程，對煤炭流頭部位置進行遞推預測和更新，充分利用了煤炭流頭部的歷史位置信息，提高了位置預測的精度和魯棒性。