电梯紧固螺帽松动的图像识别检测方法技术

本发明专利技术提出了一种电梯紧固螺帽松动的图像识别检测方法，包括：S1，通过训练足量拧紧的保险杠螺栓正样本图像得到各螺帽间最佳距离允许阈值和最佳校准配对候选形状；S2，通过BING算法选择出若干候选框，并根据颜色值滤出多余候选框；S3，对保留的候选框进行边缘检测，得到螺栓颜色标记部分的边缘闭合形状；S4，根据边缘几何形状以及距离判断螺栓是否发生松动。

【技术实现步骤摘要】
电梯紧固螺帽松动的图像识别检测方法
本专利技术涉及计算机控制领域，尤其涉及一种电梯紧固螺帽松动的图像识别检测方法。
技术介绍
电梯是一种以电动机为动力的升降机装置，在现代化和高速化的今天，广泛服务于人类社会中多层建筑之间的人或货物运输。近几年，频繁发生的电事故引起社会关注，保证电梯正常运行，关心乘车人人身安全势在必行，因此就电梯运行中的保险杠螺栓松动检测研究，保证设备的安全可靠运行具有重要意义。传统螺栓检测包括人工检测和自动检测两大类。人工检测是指配备专门的工作人员定期以肉眼观测螺栓是否有松动。此种方法简单易行，不需要依靠复杂的设备。但此方法的缺点一是效率低，劳动强度大，检测人员易疲劳；二是较大地依赖工作人员的专业素质和工作态度，检测质量难以得到保障。第二大类方法是利用装置或者内置算法自动检测螺栓的松动。加入探测器的螺栓松动检测方法是通过检测器读取传感器发出的信号，当螺母出现松动时便会带着主动轮转动，，当从动齿轮表面的金属涂层所在区域转到传感器安装槽的上方时，便会挡住传感器向探测器发出的信号，从而便能探测出紧固件出现松动。比较常用内置算法的是利用螺栓旋转角度来考虑保险杠螺栓的松动。一本文档来自技高网...

【技术保护点】
一种电梯紧固螺帽松动的图像识别检测方法，其特征在于，包括：S1，通过训练足量拧紧的保险杠螺栓正样本图像得到各螺帽间最佳距离允许阈值和最佳校准配对候选形状；S2，通过BING算法选择出若干候选框，并根据颜色值滤出多余候选框；S3，对保留的候选框进行边缘检测，得到螺栓颜色标记部分的边缘闭合形状；S4，根据边缘几何形状以及距离判断螺栓是否发生松动。

【技术特征摘要】
1.一种电梯紧固螺帽松动的图像识别检测方法，其特征在于，包括：S1，通过训练足量拧紧的保险杠螺栓正样本图像得到各螺帽间最佳距离允许阈值和最佳校准配对候选形状；S2，通过BING算法选择出若干候选框，并根据颜色值滤出多余候选框；S3，对保留的候选框进行边缘检测，得到螺栓颜色标记部分的边缘闭合形状；S4，根据边缘几何形状以及距离判断螺栓是否发生松动。2.根据权利要求1所述的电梯紧固螺帽松动的图像识别检测方法，其特征在于，所述S1包括：S1-1，通过足量拧紧的保险杠螺栓正样本图像得到各螺帽间的微小间距，螺帽校准形状水平对齐和垂直对齐平均允许误差，以及校准配对候选形状几何、颜色信息，训练得到最佳距离允许阈值和最佳校准配对候选形状。3.根据权利要求1所述的电梯紧固螺帽松动的图像识别检测方法，其特征在于，所述S2通过BING算法选择出若干候选框包括：S2-1，BING算法中首先选定标注目标位置的样本图像生成不同尺度的正负样本，并将各样本尺寸缩放至固定8×8大小；在该尺寸下，螺栓纹理、局部形状等细节特征将丢失，只保留对象的边界梯度轮廓特征；物体轮廓梯度值更高，与其周围背景区域形成强烈对比；S2-2，其次利用线性支持向量机训练正负样本集，获得目标似物性检测模板；一个与目标对象同大小的像素尺寸候选框更有可能表达该目标对象，因此该模板同样保证为64维的8×8大小；然后利用打分系统机制，计算每个尺度下的滤波得分并排序，利用非极大值抑制算法(Non-maximumsuppression，NMS)消除局部冗余；S2-3，最后在原始图像中找到打分点对应的候选框大小并保存。4.根据权利要求3所述的电梯紧固螺帽松动的图像识别检测方法，其特征在于，所述S2-3包括：a：BING对各尺寸样本计算梯度特征，根据梯度特征匹配得到一组带有滤波得分的候选框，滤波得分sl定义如下：s(i,x,y)＝＜w,G(i,x,y)＞，其中，w为训练获得的模型参数，G(i,x,y)是尺度为i的位置坐标(x,y)的图像框缩放至小尺寸下的NG(NormedGradients)特征，符号“<，>”表示内积运算；w，G都为矩阵；对于每一个像素的梯度幅值计算，采用Prewitt算子方式获得：g(i,x,y)＝min{|gx|+|gy|,255}，其中g(i,x,y)表示尺度i的位置坐标(x,y)每一个像素梯度幅值，gx为X坐标的像素梯度幅值，gy为Y坐标的像素梯度幅值；由于滤波分数会因为尺寸的不同而存在偏差，因此当对最终候选得分重排序时需要校准得到最终不同尺寸带有的候选窗组得分，定义对象性得分ol如下：o(i,x,y)＝vis(i,x,y)+ti，其中，vi是尺寸i下的独立学习系数，ti表示尺寸i的偏移量；获得的候选框不仅仅应该具有全局范围内的最高得分，还应该具有邻域最高得分，以避免由于最高窗口得分过于集中某一区域而可能导致人脸漏检的现象；因此利用非极大值约束算法选择边缘点，从而使得最终候选窗口具有全局较高得分的同时，还具备邻域得分最高。5.根据权利要求1所述的电梯紧固螺帽松动的图像识别检测方法，其特征在于，所述S2包括：为提高计算速度，加速特征提取和测试过程，模板与特征的二值化近似过程的具体步骤如下：特征二值化：由于梯度幅值取值范围[0，255]，因此利用如下公式方式进行二进制比特流替换；其中，bk∈{0,1}表示第k位二进制值，Ng表示选取的二进制位个数，由于后四位值对梯度影响并不大；将8×8每点对应的第k位联合表示成二进制流bk∈{0,1}64；因此对应8×8矩阵区域有：模板二值化：对于w为训练获得的模型参数，则看作...

【专利技术属性】
技术研发人员：唐朝伟，胡佩，陈冠豪，金卓义，章景昆，王丹，陈世玉，吕艳，尹建峰，杨科，马国鹏，李显斌，李伟全，李忠，谭量，何自立，刘向民，
申请(专利权)人：重庆大学，菱王电梯股份有限公司，
类型：发明
国别省市：重庆,50