文献标识码： A
DOI：10.16157/j.issn.0258-7998.172886
中文引用格式： 万全婷，苗长云，孟德军，等. 输送带纵向撕裂监测系统图像采集处理器研究[J].电子技术应用，2018，44(1)：57-59，64.
英文引用格式： Wan Quanting，Miao Changyun，Meng Dejun，et al. Research on the image acquisition processor of monitoring system for longitudinal rip of conveyor belt[J]. Application of Electronic Technique，2018，44(1)：57-59，64.
0 引言
带式输送机是现代化生产中一种连续运输设备，具有运量大、运距远、运费低、运行平稳等优点，已广泛应用于煤炭、矿山、港口和电力等领域。输送带是带式输送机牵引和运载的关键部件，在使用中由于跑偏、废钢铁或矸石等异物刺伤等原因会产生纵向撕裂故障[1]。纵向撕裂故障常常由于得不到及时监测和处理造成带式输送机损坏、人员伤亡等安全事故，严重影响安全生产，因此是需要重点防治的故障。
传统的纵向撕裂故障检测方法，如通过压力、红外、电磁等传感器检测输送带的物料泄露和钢丝绳或橡胶脱落状态等，存在可靠性差、易损坏、不能主动预警等缺点[2]。机器视觉技术能从客观事物的图像中提取信息，对事物表面状况进行检测、处理和分析，具有较高的检测效率和精度。项目组前期提出了一种基于单路线阵CCD相机和线形LED光源的矿用输送带表面故障在线监测方法，实现了输送带表面故障的在线监测[3]。但由于在矿用输送带表面故障在线监测中相机的工作距离短、要求视场大、输送带的横截面为弧形等原因，利用单路线阵CCD相机难以达到输送带检测宽度的要求，且线阵CCD相机和线阵LED光源方位调整困难。
本文提出了一种多视点输送带纵向撕裂故障在线监测系统的设计方案，能够实现对输送带表面图像的采集、处理和传输，以及纵向撕裂故障的检测。在此基础上，提出了一种图像采集处理器的设计方案，并设计了图像采集处理器的硬件和软件，能够实现对多路线阵CCD相机的控制和多视点图像采集、处理和传输，可用于多视点输送带纵向撕裂故障在线监测系统，实现纵向撕裂故障在线监测，避免纵向撕裂安全事故的发生。
1 设计方案
1.1 在线监测系统的设计方案
多视点输送带纵向撕裂故障在线监测系统由线阵LED光源、线阵CCD相机、图像采集处理器、以太网及上位机等组成，其组成框图如图1所示。
系统上电后，高亮度的线形LED光源照射在输送带表面时产生漫反射光，在输送带运动垂直方向组成线型阵列的多路线阵CCD相机采集漫反射光，完成输送带图像的采集。多路线阵CCD相机能有效地提高输送带的检测宽度，降低线阵CCD相机与线阵LED光源方位调整的难度。图像采集处理器利用GigE Vision协议控制多路线阵CCD相机采集图像并对图像进行处理、传输。以太网用于该多视点纵向撕裂故障在线监测系统内部通信并为其接入输送带综合保护系统提供接口。上位机为工作人员与该纵向撕裂故障在线监测系统交互通信提供一个友好界面。
1.2 图像采集处理器的设计方案
图像采集处理器由交换电路、以太网接口电路和处理器电路等组成，其组成框图如图2所示。其中，处理器电路由主处理器、Flash电路、DDR3电路、JTAG电路、复位电路、电源电路等组成。
交换电路将图像采集处理器的以太网接口与前端多路线阵CCD相机相连，实现多端通信中数据的存储转发。以太网接口电路连接DSP内嵌的MAC层控制接口与外部以太网接口，实现DSP与外部设备的通信。选用TI公司的TMS320C6678芯片作为图像采集处理器的主处理器芯片，该处理器芯片是一款基于TI的KeyStone I架构的高性能8核DSP芯片，单核主频最高达1.4 GHz，同时支持定、浮点运算，片上资源丰富，非常适用于雷达检测、实时信号处理、图像处理等领域应用[4]。
2 图像采集处理器硬件设计
2.1 交换电路设计
本文采用高性能8端口千兆以太网交换机芯片RTL8370设计了交换电路，RTL8370集成了高速交换机系统的所有功能，包括内存管理、查找表建立、流量控制等，在构成交换电路时只有25 MHz的晶振是必须的。该交换电路提供了8个10/100/1 000 Mb/s自适应端口，用于连接多路线阵CCD相机和图像采集处理器的以太网接口电路。
2.2 以太网接口设计
为适应多视点输送带纵向撕裂故障在线监测系统大数据量处理的需求，本文在该图像采集处理器的传输层均采用千兆以太网通信。DSP通过千兆以太网接口控制多路线阵CCD相机采集图像数据并将最终数据处理结果上传到上位机。以太网接口硬件电路连接如图3所示。
TMS320C6678芯片内嵌两个以太网MAC层控制器，可以自适应10/100/1 000 Mb/s网络，但是未提供物理层功能。本文将Marvell Alaska 88E1111作为千兆以太网物理层芯片，外接25 MHz晶振，并通过串行千兆以太网媒体独立接口(SGMII)与TMS320C6678相连。同时，采用RJ45作为连接88E1111的千兆以太网物理层接口，在RJ45连接头内部已包含了耦合线圈，因此不必另接网络变压器，使用普通的直连网线即可连接至以太网设备。
2.3 处理器电路设计
输送带纵向撕裂故障在线监测的实时性要求带来了大数据量传输和处理的问题，因此，本文选用TI公司的TMS320C6678芯片作为处理器电路的主处理器，并通过SPI接口挂接了一片16 MB工业级NOR Flash以存储需固化的用户程序，DDR3-1600接口扩展外部内存。选用TI的TPS54286PWP电源管理芯片设计了图像采集处理器的电源电路，通过将系统供电电压降压滤波，为系统提供了12 V、1.2 V、3.3 V、1.8 V等多路电源。设计了14 pin的TI JTAG标准电路，用于用户程序的仿真及固化。设计了复位电路，以实现系统的多种复位方式。
3 图像采集处理器软件设计
在TI公司集成开发平台CCS上，采用多核双镜像结构完成图像采集处理器的软件设计，主核软件流程图如图4所示。在DSP嵌入式实时操作系统 SYS/BIOS的基础上，结合TI网络开发套件NDK实现了图像采集处理器传输层的逻辑连接[5]。在此基础上，实现了GigE Vision应用层协议，并构造循环缓存结构以高效利用系统内存。利用IPC组件实现了DSP的多核并行调度，并采用乒乓操作实现数据并行存取，极大提高了该图像采集处理器的运算能力。
3.1 GigE Vision协议的实现
为简化GigE Vision协议的实现，首先将线阵CCD相机设为静态IP工作模式，并设置静态IP与图像采集处理器IP位于同一网段。其次，配置控制通道及流控制通道。由于GigE Vision协议在传输层使用UDP协议，数据传输中存在丢包风险，GigE Vision协议在应用层增加了心跳超时机制以保证数据传输的可靠性。即为保持控制通道的有效连接，需要在数据接收过程中通过控制通道向线阵CCD相机定时发送心跳包。
GigE Vision协议规定图像数据通过流控制协议GVSP传输。GVSP协议包括头帧、负载帧、尾帧3种帧结构类型。图像数据包含在负载帧内，起始位置为负载帧的第9个字节。本文将接收到的图像存入循环缓存区内，并使用队列管理循环缓存区，以高效利用图像采集处理器的内存空间。
3.2 多核调度
为有效利用TMS320C6678的多核资源，进一步提高图像采集处理器的运算能力，本文基于SYS/BIOS系统的IPC组件实现了多核调度[6]。将core0作为主核与外界交互通信，core7作为引导核引导从核进行数据处理。在core0采集数据后，产生IPC中断将图像数据发送至core7。core7作为引导核对图像数据分片并启动core1～7多核并行处理图像，处理完成后，core7产生IPC中断，将处理结果发送到core0。最后，由core0将处理结果上传到上位机。
4 系统测试及结果分析
多视点输送带纵向撕裂故障在线监测系统的图像采集处理器测试系统由线阵LED光源、多路线阵CCD相机、图像采集处理器、奥特梅尔机器视觉演示架SW-TB-600C及PC等组成。测试实验对比了该图像采集处理器和线阵CCD相机厂家的Windows上位机在相同测试条件下的传输速率、丢包情况、图片质量。图片质量客观上由峰值信噪比(Peak Signal to Noise Rate，PSNR)来评价，并将相同条件下上位机采集的图像作为原始图像，采集处理器采集的图像作为待评价的图像。实验设置了不同图像分辨率，每种分辨率下测量20组数据，实验结果如表1所示。
实验结果表明，在相同的测试条件下，采集处理器具有约两倍于Windows上位机软件的传输速率，而且相对于上位机采集的图片，图像采集处理器采集的图片的峰值信噪比均大于85 dB，图片信息失真小。图像采集器采集的分辨率为2 048×1 024的图像如图5所示。
图5所示图片的细节丰富，单路线阵CCD相机的视场达120 cm，能极大满足纵向撕裂在线监测算法对图像的分辨率及尺寸要求，为多视点输送带纵向撕裂故障在线监测系统的可靠性及实时性提供了有力保障。
5 结论
本文提出了一种多视点输送带纵向撕裂故障在线监测系统及其图像采集处理器的设计方案，能够实现对多路线阵CCD相机采集输送带表面图像的控制，并将采集的图像进行处理和传输。以TMS320C6678为核心设计了图像采集处理器的硬件电路，并在TI公司集成开发平台CCS上设计了图像采集处理器的软件。实验表明，该图像采集处理器具有数据传输速率快、采集图像质量高、扩展性强等优点，在多视点输送带纵向撕裂故障在线监测系统中具有较高的应用价值。
参考文献
[1] ANDREJIOVA M，GRINCOVA A，MARASOVA D.Measurement and simulation of impact wear damage to industrial conveyor belts[J].Wear，2016，368：400-407.
[2] 王建勋.煤矿输送带传输故障实时监测技术[J].工矿自动化，2015，41(12)：45-48.
[3] 苗长云，杨彦利，李现国，等.基于机器视觉的输送带纵向撕裂自动检测方法[P].中国：ZL201110351015.9，2011-11-9.
[4] Texas Instruments.TMS320C6678 multicore fixed and floating-point digital signal processor[R].USA：TI，2012.
[5] 周黎.基于千兆网的高性能嵌入式图像处理技术研究[D].北京：中国科学院研究生院(光电技术研究所)，2016.
[6] 赵佳娣.高速多核DSP图像处理系统的研究与实现[D].西安：西安电子科技大学，2015.