TDS智能干选机是选煤厂的主要生产设备，刮板机作为其关键组件，常因跳链、断链等故障阻碍机器的工作进度。针对刮板机故障的强偶发性与故障扩大化效应，以机器视觉为技术，以表面灰度和纹理识别为手段，提出TDS智能干选机刮板机异常状态检测方法。根据图像灰度值，利用基于改进生长准则的区域生长法，生成粗略的异常状态检测目标区域。采用形态学的腐蚀、膨胀、开运算和闭运算操作，处理区域生长后的图像和新产生的导线图像。引入canny算子识别检测区域中的目标纹理，生成目标轮廓线。结合轮廓线和直线斜率、灰度、纹理、虚拟边框与机链轮廓的位置关系等信息，实现异常状态检测。实验结果表明，该方法对跳链、断链、漂链、掉链、跑偏5种刮板机异常状态检测的真阳性指数分别高达0.98,0.98,0.98,0.97,0.94,且实际量与检测量的误差均不足1 mm。该方法具有较高的正确检测比例和检测精准度，可指导TDS智能干选机刮板机的安全运行。

0 引言
1 TDS智能干选机刮板机异常状态检测
1.1 基于灰度的异常状态检测区域粗生成
1.2 粗略区域的形态学操作
1.3 基于纹理识别的目标轮廓线生成
2.4 基于纹理识别的目标轮廓线生成
1) 左右扭动型跑偏。
2) 整体侧偏型跑偏。
2 TDS智能干选机刮板机异常状态检测效果验证
2.1 实验准备工作
2.2 刮板机异常状态检测结果与分析
3 结语