In order to solve the problem of low recognition rate of wire rope defects in nondestructive testing of wire rope in the existing technology, the present invention provides a nondestructive testing method of wire rope and its device based on image fusion. The technical scheme of solving the problem is: continuous visible light photography and magnetic flux leakage signal detection of the tested wire rope, and magnetic flux leakage signal is converted into magnetic field gray image after acquisition at the same frequency; Thirteen image eigenvectors, including average gray level, average variance, smoothness, third-order moment, consistency, entropy and seventh-order invariant moment, are extracted from the gray-level image and visible-light image of magnetic flux leakage signal respectively. After the above image eigenvectors are fused, the fused eigenvectors are obtained, and then the fused eigenvectors are input into the artificial neural network for classification and recognition, thus the missing wire rope is realized. Quantitative identification of traps. The invention carries out non-destructive testing of steel wire rope by image processing method, which has the advantages of low cost and high precision.
【技术实现步骤摘要】
基于图像融合的钢丝绳无损检测方法及其装置
本专利技术涉及钢丝绳损伤检测技术,具体涉及一种基于磁场灰度图像和可见光图像融合的钢丝绳无损检测方法。
技术介绍
随着科学技术的不断进步,钢丝绳在矿井、电梯、桥梁等领域的应用越来越广泛,也导致起重行业对钢丝绳的依赖程度不断增加。随着使用时间的延长,钢丝绳的锈蚀、磨损和疲劳损伤都将会演变成断丝情况,而大量的断丝损伤会降低钢丝绳的承受强度,如果不能及时发现断丝情况并且更换钢丝绳避免钢丝绳整绳发生断裂,将会导致安全生产受到影响,严重的危害了设备安全和人身、生产财产安全,从而造成巨大的经济损失和不良社会影响。唯有及时准确地掌握钢丝绳当前的承载能力,才能避免因钢丝绳断裂而造成的人员伤亡事故和经济损失的发生。几乎从钢丝绳问世以来,人们就开始寻找确保钢丝绳安全运行并尽量延长其使用寿命的方法。最早采用的人工目视检查法和定期强制更换法,前者无法发现钢丝绳内部的缺陷以及钢丝绳表面被油污掩盖的缺陷,且强烈依赖检测人员素质和经验,可靠性差、效率低,已逐渐被淘汰;采用后者不仅造成了巨大浪费,且不能及时更换由于偶然因素而严重损伤的钢丝绳,形成事故隐患。最常用的电磁检测法,可以基本实现表面损伤的位置和损伤情况的定量检测,这种检测装置中的励磁源大多采用大量磁铁,制作成马鞍形,再以导磁体进行聚磁将钢丝绳磁化至饱和,当钢丝绳出现损伤时,损伤处将会产生漏磁场。普通电磁检测方法多采用磁感应传感器周向阵列在钢丝绳上构成检测环,用于检测缺陷处的漏磁信号。但是普通电磁检测法得到的漏磁图像来源单一,容易钢丝绳表面油污及附着物的影响,对缺陷识别率有较大的影响。专利技 ...
【技术保护点】
1.基于图像融合的钢丝绳无损检测方法,其特征在于:对被测钢丝绳连续的进行可见光拍摄和漏磁信号检测且同频率采集后将漏磁信号转换为磁场灰度图像;对漏磁信号灰度图像与可见光图像分别提取平均灰度、平均方差、平滑度、三阶矩、一致性、熵以及七阶不变矩共计十三个图像特征向量,再将以上图像特征向量进行融合后,得到融合特征向量,再将融合特征向量输入人工神经网络进行分类识别,从而实现钢丝绳缺陷的定量识别。
【技术特征摘要】
1.基于图像融合的钢丝绳无损检测方法,其特征在于:对被测钢丝绳连续的进行可见光拍摄和漏磁信号检测且同频率采集后将漏磁信号转换为磁场灰度图像;对漏磁信号灰度图像与可见光图像分别提取平均灰度、平均方差、平滑度、三阶矩、一致性、熵以及七阶不变矩共计十三个图像特征向量,再将以上图像特征向量进行融合后,得到融合特征向量,再将融合特征向量输入人工神经网络进行分类识别,从而实现钢丝绳缺陷的定量识别。2.根据权利要求1所述的一种基于图像融合的钢丝绳无损检测方法,其特征在于:漏磁信号灰度图像与可见光图像中的十三个图像特征向量进行融合时,使用主分量变换对可见光图像特征向量和漏磁图像特征向量进行融合,十三个图像特征向量构成的特征向量群的融合向量可以通过样本的平均值来近似:其中xk为输入的样本特征向量群,mx为样本平均向量,K为n维向量个数;特征向量群的n×n协方差矩阵Cx可由下式近似计算:其中T为转置矩阵。3.一种用于对权利要求1所述钢丝绳无损检测方法提供可见光图像和漏磁信号的装置,其特征在于:包括可见光检测模块(1)、漏磁信号检测模块(2)、控制器(4)、编码器(5)以及用于设置可见光检测模块(1)、漏磁信号检测模块(2...
【专利技术属性】
技术研发人员:张聚伟,卢世梁,王石磊,李继刚,李茜,
申请(专利权)人:河南科技大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。