本文根据矿用输送带纵向撕裂在线检测技术现状,为实现自动、实时、鲁棒、精确、可靠适合工程应用的输送带纵向撕裂在线系统,深入研究了输送带纵向撕裂可见光与红外双目视觉在线检测方法、双目视觉图像特征信号采集、图像的实时处理、在线配准算法及预警策略,并针对输送带纵向撕裂在线检测研制了可行的应用系统。主要研究内容如下:首先,围绕输送带纵向撕裂可见光与红外双目视觉在线检测理论,实现特征提取辨识以及预警策略等相关科学问题及关键技术。本文在提出输送带纵向撕裂在线自适应光源补偿可见光检测的基础上,结合红外成像特征在线识别的双目视觉检测方法进行研究。其次,设计了可见光与红外CCD煤矿输送带撕裂检测技术系统,采用模块化设计各单元系统,实现可见光与红外双目视觉传感器对输送带纵向撕裂等异常特征图像在线的实时采集。各单元根据需求设计相应的处理器,避免了信号集中处理时的延时问题,同时便于安装调试、维护和扩展。第三,深入研究纵向撕裂角点、边缘、直线特征的提取方法,提出了红外与可见光视觉检测互为触发、同步采集,用相似度加权求和的方式将全局量和局部分量进行特征集成,实现局部特征实时提取、在线处理识别算法,并理论推导和分析了故障辨识数学模型,给出了数值仿真和特征图像处理的实验结果。第四,为了解决纵向撕裂故障判定的准确性、可靠性及故障预警的可视化,提出了一种基于输送带撕裂角点、边缘、直线特征提取的红外与可见光多分辨率图像配准方法。第五,研究提出了稀疏自编码神经网络无监督的深度特征学习算法,建立了故障特征图像分类识别数据库实时预警方法。工业性试验证实了论文所提算法的鲁棒性与实用性,该技术的实现达到了矿用输送带纵向撕裂在线检测预警的现场要求,验证了本文理论研究成果的先进性与可行的工程应用价值。