基于图像融合的钢丝绳无损检测方法及其装置制造方法及图纸

为了解决现有技术中钢丝绳无损检测中钢丝绳缺陷识别率低的问题，本发明专利技术提供一种基于图像融合的钢丝绳无损检测方法及其装置，其解决问题的技术方案是：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。本发明专利技术通过图像处理方式对钢丝绳进行无损检测，具有成本低，精度高的的优点。

Nondestructive Testing Method and Device for Wire Rope Based on Image Fusion

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。专利技术内容为了解决现有技术中钢丝绳无损检测中钢丝绳缺陷识别率低的问题，本专利技术提供一种基于图像融合的钢丝绳无损检测方法及其装置。本专利技术融合磁场灰度图像和可见光图像，具有识别准确的优点。所述的基于图像融合的钢丝绳无损检测方法，其技术方案在于：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。所述的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mx为已求得的样本平均向量，T为转置矩阵。一种用于上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，其技术方案在于：包括可见光检测模块、漏磁信号检测模块、控制器、编码器以及用于设置可见光检测模块、漏磁信号检测模块、控制器、编码器的载具；其中，可见光检测模块包括1～8台线阵CCD工业相机和用于为线阵CCD工业相机提供光照的光源模块；其中，线阵CCD工业相机的拍摄方向与被测钢丝绳的轴向垂直；两台以上的线阵CCD工业相机以被测钢丝绳的轴线为轴均布；其中，漏磁信号检测模块包括用于对被测钢丝绳进行励磁的励磁组件和用于接收励磁组件励磁后的被测钢丝绳磁场变化的检测环；其中，载具包括用于移动的滚轮；滚轮的旋转轴端部设置有用于测量载具移动距离的编码器；其中，控制器与检测环电连接，用于采集检测环中的输出信号并将检测环输出的漏磁信号转换成磁场灰度图像；控制器与线阵CCD工业相机电连接，用于采集可见光图像；控制器与编码器电连接，用于根据载具的移动距离控制检测环、线阵CCD工业相机的采样。本专利技术的有益效果是：通过分别设置可见光检测模块、漏磁信号检测模块；检测时同时移动可见光检测模块、漏磁信号检测模块，得到的两种图像进行融合识别，提高了缺陷的检测精度和识别率，从而解决普通钢丝绳检测装置对缺陷识别率不高的问题。本专利技术通过图像处理方式对钢丝绳进行无损检测，具有成本低，精度高的的优点。附图说明图1为本专利技术的使用示意图。图2为本专利技术的可见光检测模块示意图。图3为本专利技术的漏磁信号检测模块的一种实施例。图4为本专利技术的漏磁信号检测模块的另一种实施例。图5为本专利技术的漏磁信号检测模块的又一种实施例。图6为本专利技术的原理框图。具体实施方式下面结合附图对本专利技术进行进一步的说明。如图1～6，一种提供可见光图像和漏磁信号的装置，其技术方案在于：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、控制器4、编码器5的载具6；如图2，可见光检测模块1包括4台线阵CCD工业相机101和光源模块102；线阵CCD工业相机101分别设置在沿被测钢丝绳3周向的四个方位，各相机之间的夹角为90°，每台相机镜头与钢丝绳轴向垂直。光源模块102设置在钢丝绳轴向延伸方向；漏磁信号检测模块2则设有供被测钢丝绳3穿过并沿被测钢丝绳3轴向移动的由励磁组件201和检测环202组成的检测通道，被测钢丝绳3在检测通道内穿过，检测通道设置在载具6上，沿被测钢丝绳3轴向移动。检测环202可以是由十八个均布在被测钢丝绳3轴向的巨磁阻传感器组成。光源模块102为环形LED视觉光源，光照方向与钢丝绳轴向呈30°—60°的角度，该角度可以根据需要自由调节。光照均匀打在线阵CCD工业相机101拍摄范围内的被测钢丝绳3待测区域，以达到线阵CCD工业相机101拍摄时所需的光照条件。具体的，载具6上通过支架601尽可能靠近的设置可见光检测模块1和漏磁信号检测模块2，如图1。四台线阵CCD工业相机101可以通过环形支架安装，分列被测钢丝绳3周向的四个方位。具体的，所述的控制器4可以是PC；同时，控制器4可以设置在载具6上，也可以不设置在载具6上，如设置在远程控制间。励磁组件201对被测钢丝绳3的励磁方式可以分为强磁励磁和弱磁励磁，励磁的方式不同，励磁组件201的设置方式也不相同。具体实施例I：当采用强磁励磁方式时，励磁组件201的结构如图3所示，励磁组件201包括马鞍形的永磁体2011。对被测钢丝绳3进行检测时，将励磁组件201设置在被测钢丝绳3的一侧；永磁体产生磁场，对被测钢丝绳3励磁。作为其它实施方式，可以采用马鞍形的磁导体和线圈通电代替永磁体。具体实施例II：弱磁励磁又分为非饱和励磁和剩磁励磁。采用非饱和励磁时，励磁组件201结构如图4所示，通过在圆环2013上等间距固定n个永磁体2012构成，各永磁体2012均布在被测钢丝绳3的周向，各永磁体2012的磁极指向相同且与被测钢丝绳3平行。采用剩磁励磁时，励磁组件201的结构如图5所示，包括第一条形永磁体2014和第二条形永磁体2015。当需要励磁时，将第一条形永磁体2014和第二条形永磁体2015分别设置在被测钢丝绳3的两端，并与被测钢丝绳3轴向平行。第一条形永磁体2014的N级靠近并指向被测钢丝绳3，另一端的第二条形永磁体2015的S级靠近并指向被测钢丝绳3，从而对被测钢丝绳3进行励磁。作为其他实施方式，可以采用磁导体和线圈通电代替永磁体。具体的，如本文档来自技高网...

【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