电铲是一种广泛应用于露天矿产的重要采掘设备,其铲斗的斗齿在工作时因受到矿石物料较大的反作用力而容易发生脱落现象,脱落的斗齿连同矿石物料一同进入碎石机中会导致碎石机损坏,进而引发整条采掘——破碎生产线的停工,造成重大的经济损失。针对这一问题,本文利用红外机器视觉系统对电铲斗齿的工作状态进行监控,并结合图像处理技术对斗齿脱落的视觉检测算法进行了研究。主要内容如下:通过分析电铲的工作过程,利用电铲斗齿在工作时与矿石物料不断摩擦并向外辐射红外线的机理,采用红外热像仪对斗齿进行成像,以满足电铲昼夜不停的工作要求,同时能获得较高质量的监控图像。在检测算法上,先使用梯度方向直方图(HOG)特征结合支持向量机(SVM)的目标检测框架对红外图像中的斗齿对象进行目标检测;在此传统目标检测方法的基础上,通过分析斗齿图像在形状上的相似性关系,利用形状上下文(Shape-Context)算法提取斗齿的形状特征,并使用形状匹配方法向斗齿的目标检测过程添加形状特征约束,以提高目标检测的准确率。在准确检测出图像中的斗齿目标后,通过分析电铲铲斗与红外相机之间的相对运动关系,确定了斗齿在图像中空间位置关系的不变性,并以此为依据对斗齿脱落与否进行判断,最后,通过实验对整套检测算法进行了验证并分析了误差产生的原因,提出了一些改进思路和方法。