一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置，通过在钢丝绳周围均匀布设三个工业相机，从三个角度对移动的钢丝绳表面图像进行连续采样；由上位机对图像进行处理，得到各段钢丝绳表面三个角度的图像上两条边缘直线段之间的距离，利用标定参数将其转化成实际距离，以此判断各段钢丝绳表面三个角度上是否出现直径变化缺陷；再对图像进行断丝模板匹配，获取结果矩阵，根据各段钢丝绳表面三个角度的图像对应的结果矩阵最大值判断各段钢丝绳表面是否出现表面断丝缺陷。使用本发明专利技术代替传统的人工检测方法，效率高，能避免出现缺陷死角。

A method and device for on-line detection of wire rope surface defects based on machine vision

【技术实现步骤摘要】
一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置
本专利技术涉及钢丝绳安全检测领域，尤其涉及一种基于机器视觉的钢丝绳表面缺陷检测方法及装置。技术背景有着“生命之线”之称的钢丝绳，是指用多股或多根细钢丝捻制而成的挠性绳索，在冶金、矿山、机械、化工、航空航天等各个领域都是不可缺少的材料或部件。由于各种原因导致钢丝绳表面磨损、划伤、锈蚀等现象，使钢丝绳在工作过程中存在着隐患，甚至发生断裂事故。钢丝绳表面缺陷类型主要是直径变化和断丝的出现。钢丝绳直径的变化，一般体现在变形上，绳径局部增大或绳径局部减小。传统直径检测法为人工目视检测，即通过两名或以上的技术人员肉眼观察。钢丝绳断丝即绳索中有个别钢丝在绳股中断开、支出或露在绳股表面的现象，一般是检测员通过手握棉纱检测法来检测。这些缺陷检测方法需要技术人员去执行，效率低且可能出现人工疏忽。目前专利技术的钢丝绳表面检测装置效率较低，如专利号(CN201610474838.3)提供了一种钢丝绳表面损伤识别及直径测量检测系统，钢丝绳先由初始端向尾端直线运动执行钢丝绳损伤的视觉识别，然后再由尾端向初始端反向运动执行钢丝绳损伤的直径检测，不能同时完成直径检测和断丝识别，需要钢丝绳往复运动一次，属于异步检测，同时该装置不能限制钢丝绳的振动、摆荡，识别结果不稳定，易受到干扰。目前使用较多的钢丝绳电磁监测装置，包含钢丝绳励磁装置和磁场检测两部分装置，相对成本较高。以上反映出目前的检测方法与装置存在着问题，因此在复杂多样的工作环境下，高效自动化地使用机器视觉来检测钢丝绳的表面状态具有重要的实际意义。
技术实现思路
本专利技术所解决的技术问题是针对现有技术的不足，提出了一种基于机器视觉钢丝绳表面缺陷在线检测方法及装置，其目的在于检测钢丝绳表面是否存在缺陷，该方法通过工业相机进行图像采集，计算机程序进行分析处理，实现绳索表面缺陷的实时快速检测。本专利技术所提供的技术方案为：一种基于机器视觉的钢丝绳表面缺陷在线检测方法，通过均匀布设在钢丝绳周围的三个工业相机，扫描记录匀速移动的钢丝绳表面，传输给上位机，再由上位机分析和监测钢丝绳的表面状态，具体包括以下步骤：步骤1：标定工业相机单位像素所代表的实际距离，获得距离标定参数；步骤2：钢丝绳匀速移动，三个工业相机按照相同的时间间隔，连续从三个角度采集钢丝绳表面图像；三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像；步骤3：对三个工业相机获取的每一张图像分别进行预处理；步骤4：对预处理后的每一张图像分别进行阈值分割和边缘检测，并将图像中的钢丝绳边缘拟合成边缘直线段，提取每张图像中的两条边缘直线段的中点坐标，求取中点坐标间的距离，即该张图像中的两条边缘直线段之间的距离；利用步骤1获取的距离标定参数，将每一张图像中的两条边缘直线段之间的距离转换为该张图像对应的钢丝绳两条边缘的实际距离(即钢丝绳实际直径)；步骤5：根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和d3，判断该段钢丝绳表面是否存在直径变化缺陷：若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例以上时，则认为该段钢丝绳表面存在直径变化缺陷，触发直径变化报警信号；否则，认为该段钢丝绳表面不存在直径变化缺陷。进一步地，所述的基于机器视觉的钢丝绳表面缺陷在线检测方法，还包括以下步骤：事前将典型的钢丝绳表面断丝图像作为模版图像保存，将同一段钢丝绳对应的三张图像分别作为目标图像，进行模板匹配，得到三个结果矩阵，并得到三个结果矩阵中的最大元素值mV1、mV2和mV3；若mV1、mV2和mV3三个数值有一个以上超过设定匹配阀值(该值可根据现场多次试验得到)，则认为该段钢丝绳表面存在断丝缺陷，触发表面断丝报警信号；否则，认为该段钢丝绳表面不存在表面断丝缺陷。所述的模板匹配是在目标图像上移动模板图像，采用标准平方差匹配法计算模板图像与目标图像被模板图像覆盖的区域的相似度，由目标图像上各不同区域与模板图像的相似度构建成结果矩阵，结果矩阵中最大元素值对应图像中与模板图像相似度最高的区域，若最大元素值超过设定匹配阀值，即认为该区域存在表面断丝，用矩形框标注该缺陷区域。进一步地，所述步骤5中，设定比例为7％。根据《起重机用钢丝绳检验和报废实用规范》，只要绳索直径相较于公称直径减小或增大7％甚至以上时，就算没有发现断丝等缺陷现象，也应允以报废处理，因此本专利技术将比例设定为7％。进一步地，根据mV1、mV2和mV3三个数值进一步给出监测结果，若mV1、mV2和mV3中任意一个超过匹配阀值，则认为该段钢丝绳在对应的一个角度出现了断丝，若mV1、mV2和mV3中有任意两个超过匹配阀值，则认为该段钢丝绳在对应的两个角度出现了断丝，若mV1、mV2和mV3都超过匹配阀值，则认为该段钢丝绳在三个角度都出现了断丝。进一步地，根据d1、d2和d3三个数值进一步给出监测结果，若d1、d2和d3都大于钢丝绳公称直径，则认为该段钢丝绳局部笼状畸变，外层绳股与绳芯脱离；若d1、d2和d3都小于钢丝绳公称直径，则认为该段钢丝绳绳径缩细，绳芯断裂；若d1、d2和d3中有一个或两个数值小于钢丝绳公称直径，则认为该段钢丝绳局部磨损、锈蚀；若d1、d2和d3中有一个数值大于钢丝绳公称直径，两个数值小于钢丝绳公称直径，则认为该段钢丝绳绳股向一个角度挤出，局部被压扁。所述步骤1中的标定工业相机是指通过采用工业相机对不同角度的棋盘标志物的图像进行采集，求出内参矩阵和外参矩阵，求出相机坐标和图像坐标的投射矩阵(属于本领域公知技术，opencv和matlab等都有相应代码)，得到工业相机单位像素所代表的实际距离。所述步骤3中对图像进行预处理是指使用高斯滤波对图像的噪声进行抑制；所述步骤4中的阈值分割采用反阈值化为0的固定阈值操作(像素点的灰度值小于设定阈值的不进行任何改变，而大于设定阈值的部分，其灰度值全部变为0)。本专利技术中，通过采用多种固定阈值进行分割后发现，反阈值化为0操作效果最好；但是，在本专利技术中采用自适应阈值分割同样可行。所述边缘检测采用canny边缘检测方法；拟合边缘直线段采用霍夫变换法。本专利技术还公开了一种基于机器视觉的钢丝绳表面缺陷在线检测装置，包括三个相同的工业相机、三个补光灯、三个相机安装支架、三个物距调节台和上位机；三个工业相机以待检测的钢丝绳为中心，相互间隔120度对称布置在待检测的钢丝绳的周围，采集钢丝绳三个角度的表面图像，用于分析钢丝绳表面断丝和三个角度的直径变化；三个工业相机分别安装在三个相机安装支架上；三个相机安装支架面向钢丝绳的一侧各装有一个补光灯；三个相机安装支架的下方各连接一个物距调节台；物距调节台采用丝杠和螺纹的配合来实现工业相机的前后物距调节；三个工业相机与上位机通信连接(工业相机通过千兆网线连接到千兆网交换机后，再与上位机进行通信)，将采集到钢丝绳三个角度的表面图像传送给上位机，上位机采用上述的方法，检测钢丝绳表面缺陷信息，并根据检测结果发出报警信息。进一步地，所述物距调节台上还设有滑槽和滑块，采用滑槽和滑块的配合来实现工业相机的左右位置调节。进一步地，所述的基于机器视觉的钢丝绳表面缺陷在线检测装置，还包括封装外壳，所述的封装外壳包括封装顶板、封装侧板和封装底板，物本文档来自技高网...

【技术保护点】
一种基于机器视觉的钢丝绳表面缺陷在线检测方法，其特征在于，通过均匀布设在钢丝绳周围的三个工业相机，扫描记录匀速移动的钢丝绳表面，传输给上位机，再由上位机分析和监测钢丝绳的表面状态，具体包括以下步骤：步骤1：标定工业相机单位像素所代表的实际距离，获得距离标定参数；步骤2：钢丝绳匀速移动，三个工业相机按照相同的时间间隔，连续从三个角度采集钢丝绳表面图像；三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像；步骤3：对三个工业相机获取的每一张图像分别进行预处理；步骤4：对预处理后的每一张图像分别进行阈值分割和边缘检测，并将图像中的钢丝绳边缘拟合成边缘直线段，提取每张图像中的两条边缘直线段的中点坐标，求取中点坐标间的距离，即该张图像中的两条边缘直线段之间的距离；利用步骤1获取的距离标定参数，将每一张图像中的两条边缘直线段之间的距离转换为该张图像对应的钢丝绳两条边缘的实际距离；步骤5：根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和d3，判断该段钢丝绳表面是否存在直径变化缺陷：若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例以上时，则认为该段钢丝绳表面存在直径变化缺陷，触发直径变化报警信号；否则，认为该段钢丝绳表面不存在直径变化缺陷。...

【技术特征摘要】
1.一种基于机器视觉的钢丝绳表面缺陷在线检测方法，其特征在于，通过均匀布设在钢丝绳周围的三个工业相机，扫描记录匀速移动的钢丝绳表面，传输给上位机，再由上位机分析和监测钢丝绳的表面状态，具体包括以下步骤：步骤1：标定工业相机单位像素所代表的实际距离，获得距离标定参数；步骤2：钢丝绳匀速移动，三个工业相机按照相同的时间间隔，连续从三个角度采集钢丝绳表面图像；三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像；步骤3：对三个工业相机获取的每一张图像分别进行预处理；步骤4：对预处理后的每一张图像分别进行阈值分割和边缘检测，并将图像中的钢丝绳边缘拟合成边缘直线段，提取每张图像中的两条边缘直线段的中点坐标，求取中点坐标间的距离，即该张图像中的两条边缘直线段之间的距离；利用步骤1获取的距离标定参数，将每一张图像中的两条边缘直线段之间的距离转换为该张图像对应的钢丝绳两条边缘的实际距离；步骤5：根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和d3，判断该段钢丝绳表面是否存在直径变化缺陷：若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例以上时，则认为该段钢丝绳表面存在直径变化缺陷，触发直径变化报警信号；否则，认为该段钢丝绳表面不存在直径变化缺陷。2.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法，其特征在于，还包括以下步骤：事前将典型的钢丝绳表面断丝图像作为模版图像保存，将同一段钢丝绳对应的三张图像分别作为目标图像，进行模板匹配，得到三个结果矩阵，并得到三个结果矩阵中的最大元素值mV1、mV2和mV3；若mV1、mV2和mV3三个数值有一个以上超过设定匹配阀值，则认为该段钢丝绳表面存在断丝缺陷，触发表面断丝报警信号；否则，认为该段钢丝绳表面不存在表面断丝缺陷。3.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法，其特征在于，所述步骤5中，设定比例为7％。4.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法，其特征在于，根据mV1、mV2和mV3三个数值进一步给出监测结果，若mV1、mV2和mV3中任意一个超过匹配阀值，则认为该段钢丝绳在对应的一个角度出现了断丝，若mV1、mV2和mV3中有任意两个超过匹配阀值，则认为该段钢丝绳在对应的两个角度出现了断丝，若mV1、mV2...

【专利技术属性】
技术研发人员：谭建平，黄忠河，岳丹，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43