皮带式输送机是运输煤炭、矿石等的重要工具,皮带纵向撕裂事故会造成巨大的经济损失。目前对于皮带纵向撕裂检测技术的研究只是针对单幅图像进行检测,在企业实际运行过程中,皮带表面的磨损,划痕和补丁都会给检测带来干扰造成误判,检测可靠性不高。另外皮带跑偏和振动也给检测带来困难。针对这些现象,本文提出了一种基于动态模板匹配的机器视觉方法来检测皮带纵向撕裂,预先采集皮带表面原始数据作为模板,运行过程中采集的数据与模板进行图像匹配,确定新增特征数据进而对其检测,提高了检测结果准确率。具体工作包括:首先,为了采集宽幅的皮带,本设计使用两个CCD相机进行采集,并用线激光辅助。线激光的引入,简化了二维图像中撕裂特征提取的问题,提高了检测的效率以满足检测的实时性要求;线激光条纹的高对比度特征,降低了粉尘、光照等因素对检测图像造成的干扰,提高了检测结果的准确度。其次,在图像预处理阶段,使用了几种常用的预处理手段,并针对皮带纵向撕裂检测分析了几种算法的优劣势,最终从中选择中值滤波、分段线性灰度变换图像增强和Otus法图像分割的算法,为后面皮带表面特征的投影算法提取与Hough检测算法做好准备。为了解决检测过程中皮带跑偏以及振动给检测带来的影响,根据“一”字线激光图像在皮带边沿处的畸变特征信息确定皮带的边沿,利用皮带边沿对裂缝进行辅助定位,进一步将左右两侧皮带数据进行拼接。再次,为了解决检测过程中皮带表面磨损划痕和补丁给检测带来干扰,采用了模板匹配方法,将皮带看作一个整体,定期采集空载运行一圈的皮带表面原始数据作为模板,运行过程中采集的数据与模板进行图像匹配,使用改进后的归一化积相关算法进行模板匹配,从而排除干扰确定新增裂,提高检测效率。最后,对实验算法进行验证,实验结果验证了算法的有效性。实测数据表明,在保证系统实时性的要求下,检测系统准确率和稳定性均有很大提高,对工矿企业的安全生产有着重要的意义。