一种钢丝绳磨损的检测方法及装置制造方法及图纸

本发明专利技术适用于图像处理技术领域，提供了一种钢丝绳磨损的检测方法及装置，所述方法包括：获取待检测钢丝绳的初始处理图像；对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理；识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；本发明专利技术实施例解决了现有钢丝绳检测技术中人工检测劳动强度大，效率低下，精度不高，无损探伤检测设备复杂，成本高昂贵的问题。

【技术实现步骤摘要】
一种钢丝绳磨损的检测方法及装置
本专利技术属于图像处理
，尤其涉及一种钢丝绳磨损的检测方法及装置。
技术介绍
钢丝绳由若干根钢股螺旋缠绕而成，而每根钢股又是由钢丝缠绕而成，其中对外不可见的钢股又称为内芯。在工业厂矿或者建筑行业，钢丝绳作为传输或者吊装工具应用广泛，但在使用过程中，钢丝绳会逐渐磨损，为了保证使用的安全性，会对钢丝绳定期的作磨损检测，以便于对钢丝绳进行及时的更换，避免在生产过程中产生安全事故。现有的钢丝绳的磨损检测包括人工目测和无损探伤检测两大类。人工目测是工作人员定期以肉眼观测钢丝绳是否有损伤。此种方法简便易行，但劳动强度大，效率低下，精度不高；无损探伤是利用射线、超声波、光学和磁检测法对钢丝绳进行检测，其检测精度和正检率高，但此种方法设备复杂，成本高昂贵。因此，现有技术还有待发展。
技术实现思路
本专利技术实施例提供一种钢丝绳磨损的检测方法，旨在解决现有钢丝绳检测技术中人工检测劳动强度大，效率低下，精度不高，无损探伤检测设备复杂，成本高昂贵的问题。本专利技术实施例是这样实现的，一种钢丝绳磨损的检测方法，其中，所述方法包括下述步骤：获取待检测钢丝绳的初始处理图像；对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；所述磨损评估数W的计算公式为：W＝ABS(S-b)/(b-a)*100％；其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。进一步的，所述识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线采用K-means聚类算法识别。进一步的，所述斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；其对应熵值S公式为：当采用平均值统计时，S＝(K1+K2+K3+…+Kn)/n；或当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。进一步的，所述钢股线的斜率的获取包括下述步骤：在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。进一步的，所述待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。本专利技术实施例还提供一种钢丝绳磨损的检测装置，其中，所述装置包括：初始图像获取模块，用于获取待检测钢丝绳的初始处理图像；边缘检测模块，用于对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；分类识别模块，用于识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；混乱度统计模块，用于对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；磨损评估数生成模块，用于依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；所述磨损评估数W的计算公式为：W＝ABS(S-b)/(b-a)*100％；其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。进一步的，所述分类识别模块采用采用K-means聚类算法识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线。进一步的，所述混乱度统计模块中斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；其对应熵值S公式为：当采用平均值统计时，S＝(K1+K2+K3+…+Kn)/n；或当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。进一步的，所述混乱度统计模块还包括：直线拟合生成模块，用于在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；斜率生成模块，用于依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。进一步的，所述初始图像获取模块中待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。本专利技术实施例的钢丝绳磨损的检测方法，将摄像装置获取的现场钢丝绳图像经过canny边缘检测、分类识别钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线，并对钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；然后依据熵值S输出描述所述钢丝绳磨损程度的磨损评估数W，磨损评估数W反映了钢丝绳的磨损程度，使得钢丝绳的磨损检测简单快速，精度高，同时不需要复杂的设备，操作简单，成本低。附图说明图1为本专利技术实施例提供的钢丝绳磨损的检测方法的流程图；图2为本专利技术实施例提供的钢丝绳的初始处理图像；图3为本专利技术实施例提供的图2中钢丝绳经过canny边缘检测算法处理后的图像；图4为本专利技术实施例提供的钢股线的斜率的获取的流程图；图5为本专利技术实施例提供的钢丝绳磨损的检测装置的结构图；图6为本专利技术实施例提供的钢丝绳磨损的检测装置中混乱度统计模块的结构图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1示出了本专利技术实施例提供的钢丝绳磨损的检测方法的实现流程，在步骤S101中，获取待检测钢丝绳的初始处理图像；在本专利技术实施例中，所述待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成，自动抠图采用抠图软件进行抠图，钢丝绳的原始图像由摄像装置现场拍摄钢丝绳获取，待检测钢丝绳的初始处理图像为后续图像处理提供去除拍摄现场背景的钢丝绳图片，以防对后续的图片处理产生干扰。在步骤S102中，对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；如图2所示，图中为钢丝绳的初始处理图像，钢丝绳由若干根钢股螺旋缠绕而成，而每根钢股又是由钢丝缠绕而成。canny边缘检测效果图中，如图3所示，钢丝绳内部有大量细短线条，呈水平方向，为钢丝线的缠绕方向；细长线条呈斜向，为钢股线缠绕方向，其边缘闭合的线为钢丝绳的边缘轮廓线。在步骤S103中，识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；在本专利技术实施中，识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线采用的是K-means聚类算法识别，具体是以线段的倾斜角度、长度、以及粗细的不同结合数量的不同进行分类识别。在步骤S104中，对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；在步骤S105中，依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；所述磨损评估数W的计算公式为：W＝本文档来自技高网...

【技术保护点】
一种钢丝绳磨损的检测方法，其特征在于，所述方法包括下述步骤：获取待检测钢丝绳的初始处理图像；对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；所述磨损评估数W的计算公式为：W＝ABS(S‑b)/(b‑a)*100％；其中，所述a，b为S的最小值和最大值，所述ABS(S‑b)为S与b差值的绝对值，所述W的范围为[0，100％]。

【技术特征摘要】
1.一种钢丝绳磨损的检测方法，其特征在于，所述方法包括下述步骤：获取待检测钢丝绳的初始处理图像；对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；所述磨损评估数W的计算公式为：W＝ABS(S-b)/(b-a)*100％；其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。2.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线采用K-means聚类算法识别。3.根据权利要求2所述的钢丝绳磨损的检测方法，其特征在于，所述斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；其对应熵值S公式为：当采用平均值统计时，S＝(K1+K2+K3+...+Kn)/n；或当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。4.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述钢股线的斜率的获取包括下述步骤：在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。5.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。6.一种钢丝绳磨损的检测装置，其特征在于，所述装置包括：初始图像获取模块，用于获取待检...

【专利技术属性】
技术研发人员：谢柯，徐泽明，苏波，
申请(专利权)人：深圳增强现实技术有限公司，
类型：发明
国别省市：广东,44