矿用输送带有抗拉强度高、伸长率小、运输能力强、运载功率高的特点,是矿用运输中最经济的手段。但是,由于输送带经常处在长时间、高负荷的工作状态以及意外事故的发生,‘其纵向撕裂事故经常发生,会对企业造成无法估量的经济损失和严重的人员伤亡。为此,纵向撕裂故障检测一直是煤矿安全重点研究的课题。国内外现有的检测方法按其检测方式可分为接触式和非接触式两类检测方法,但是以上方法均存在实时性较差,动作失误率高等缺陷,且均未考虑检测仪器无法克服煤矿井下复杂环境的影响而造成的检测不精确等问题。本文阐述了矿用输送带纵向撕裂检测方法的国内外发展现状；研究了输送带的结构与纵向撕裂故障产生原因,在此基础上研究了红外图像用于输送带检测的原理；分析了现有的红外图像处理方法,包括：直方图双峰法、迭代法、最大熵值法以及基于BP神经网络的方法,通过理论分析与实验证明,得出其缺陷,于是针对上述缺陷提出了基于SVM的红外图像处理方法用于输送带纵向撕裂检测,并将该方法检测后的图像数据与常用的BP神经网络算法处理后的图像进行对比研究；根据上述原理,研究了矿用输送带输送带纵向撕裂的红外图像检测方法。对检测方法的硬件选型进行详细描述,在软件部分的实现中,本文以虚拟仪器进行软件架构,详细描述了LabVIEW驱动红外相机的三种方式；介绍了采用Matlab实现基于SVM对红外图像进行分割的算法程序；文中详细介绍了LabVIEW与Matlab混合编程的几种方法并加以研究,并选取了最合适的编程方法。对整个软件运行的流程和编写方法进行介绍,并对重点Ⅵ模块编写方法进行阐述,包括：主Ⅵ编写,项目编写、实时图像保存子Ⅵ等。从而实现由LabVIEW控制红外相机对输送带进行红外图像采集,并将采集到的红外图像反馈回Matlab,利用SVM算法对红外图像进行分割处理,将处理后的结果输入到LabVIEW中,由LabVIEW进行判断并做相应处理。最终对上述方法进行仿真实验,包括实时性分析、抗干扰分析以及精确性分析。通过仿真实验可证明,该方法有效的克服了环境影响造成的检测精度低等问题,同时实时性好,辨识能力强,可移植性强,可以满足输送带纵向撕裂检测的诊断要求。本文为红图像觉检测应用于输送带纵向撕裂检测提供了新的理论与切实可行的方法。