一种基于BP神经网络的铁塔角钢冲孔缺陷检测方法技术

本发明专利技术公开了一种基于BP神经网络的电力铁塔角钢冲孔缺陷检测法，该方法主要包括角钢冲孔圆定位、冲孔缺陷特征提取、BP神经网络冲孔缺陷检测三部分组成。角钢冲孔圆定位：图像预处理、重心获取、径向扫描获取冲孔边缘点、将获取的冲孔边缘点利用最小二乘拟合算法拟合出冲孔圆。冲孔缺陷特征提取：利用角钢孔在二值图像中所占的像素数，求取角钢孔的面积、周长、重心、圆形度。BP神经网络缺陷检测：建立BP神经网络，利用角钢冲孔图片进行角钢冲孔缺陷检测。该方法在恶劣的角钢生产环境下，能够有效的检测出冲孔有缺陷的角钢，将合格与不合格角钢区分出来，且执行速度快，有效解决了人工检测精度差，效率低的问题。

【技术实现步骤摘要】
一种基于BP神经网络的铁塔角钢冲孔缺陷检测方法
本专利技术主要涉及到工业自动化检测
，尤其涉及铁塔角钢构件冲孔缺陷检测。
技术介绍
输电铁塔角钢是构成铁塔的重要构件，是输电线路的重要组成部分。我国电力的大容量、长距离、高电压的输电线路越来越多。早期的铁塔制造是粗加工行业，主要依靠手工作业生产。铁塔的加工过程存在着人体健康危害和环境污染的作业，实现铁塔的加工的绿色、环保，也是铁塔加工技术的重要发展方向。而随着我国装备制造业的进步，我国铁塔制造业已逐步摆脱了过去粗加工、低技术含量的旧面貌，铁塔企业在生产规模与技术水平方面都快速提升。当前部分铁塔生产企业已实现了铁塔产品的加工制造数控自动化，自动角钢生产线、自动板材生产线等设备也在铁塔行业逐渐被使用。我国电力的大容量、长距离、高电压的输电线路越来越多，杆塔的负荷越来越大。我国铁塔制造业不断成长，铁塔产品在加工工艺、产品质量方面不断提高。同时，凭借着在原材料及人工成本等方面的优势，我国铁塔产品在国际市场的竞争力越来越强。不仅诸如东南亚、非洲等发展中国家对我国铁塔产品需求増加发达国家也逐渐转向中国采本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的铁塔角钢冲孔缺陷检测方法，其特征在于，包括以下步骤：/n步骤1：获取角钢冲孔原始图像，对原始图像进行预处理，获取角钢冲孔拟合圆；/n步骤1.1：对输入图像进行预处理、灰度化、去噪、二值化处理、canny边缘检测；/n步骤1.2：利用canny边缘检测后的图像，计算冲孔所述目标区域的重心，获取重心坐标

【技术特征摘要】
1.一种基于BP神经网络的铁塔角钢冲孔缺陷检测方法，其特征在于，包括以下步骤：
步骤1：获取角钢冲孔原始图像，对原始图像进行预处理，获取角钢冲孔拟合圆；
步骤1.1：对输入图像进行预处理、灰度化、去噪、二值化处理、canny边缘检测；
步骤1.2：利用canny边缘检测后的图像，计算冲孔所述目标区域的重心，获取重心坐标具体操作为：
对冲孔图像上的圆用canny边缘检测边缘点，分别累加边缘点的x坐标和y坐标，如式(1)和(2)所示：






于是冲孔圆环的重心坐标为：






冲孔圆的半径计算公式(5)为：



式中N为属于二值图像中灰度值为225点的总数量；
步骤1.3：以步骤1.2计算得到的重心坐标为圆心，360度径向扫描获取角钢冲孔边缘点坐标，具体操作为：
建立一个矩阵P用来存储搜索到边缘点像素的坐标值，以步骤1.2计算出来的重心为圆心，估算角钢冲孔圆的半径，初步估计的冲孔半径为R，以大于R小于R的20个像素的搜索范围，逐个像素查找边缘点，当搜索到的像素值灰度由白到黑发生变化时，把该像素的坐标存储在预先建立的矩阵P中，然后再以一定角度的扫描步进角，逆时针360度径向扫描，搜索出冲孔圆的边缘点；图像中搜索的像素坐标由式(6)和(7)确定，最后将搜索到的边缘点像素坐标存储在矩阵P中；






其中，xi搜索表示像素的横坐，yi表示搜索像素的纵坐标；表示重心的横、纵坐标；j表示径向扫描步进的长度，i表示扫描步进角；
步骤1.4：利用步骤1.3获取的角钢冲孔边缘点坐标，采用最小二乘拟合圆法，拟合出冲孔圆获取冲孔圆心坐标(a，b)和半径R；
步骤2：利用上述步骤1.4中采用最小二乘拟合圆法获取的拟合冲孔圆，进行冲孔缺陷特征的提取；
步骤2.1：角钢冲孔缺陷周长特征的提取，冲孔圆的周长L1主要指冲孔圆周的边缘点像素数之和；可以求出实际冲孔圆周长边缘点像素数，由步骤1.4定位出的拟合圆可以求出拟合圆的半径R，计算出拟合圆的周长L2；标准冲孔圆的周长应该等于拟合圆的周长，冲孔圆边缘带有凹陷缺陷的圆，其边缘周长大于拟合圆周长；两者相减得到冲孔缺陷周长差值特征L＝L1-L2；
步骤2.2：角钢冲孔缺陷面积特征的提取，冲孔圆的面积S1是指连通区域内所有像素点的像素之和；由步骤1.4定位出的拟合圆可以求出拟合圆的半径R，由拟合圆的半径R可以求出拟合圆的面积；标准冲孔圆的面积应该等于拟合圆的面积S2，冲孔圆边缘带有凸起或凹陷缺陷的圆，其冲孔圆面积不等于拟合圆面积；两者相减可以得到冲孔缺陷面积差值特征S＝S1-S2；
步骤2.3：角钢冲孔缺陷相对圆心距离特征的提取，由步骤1.2利用二值化后的图像，可以计算出冲孔目标区域的重心，获取重心坐标由步骤1.4采用最小二乘拟合圆法，拟合出冲孔圆获取冲孔圆心坐标(a，b)和半径R；理想情况下没有缺陷的冲孔圆边缘点拟合出来的圆心就是冲孔目标区域图像的重心；两者相减得到冲孔缺陷相对圆心距离特征D；
步骤2.4：角钢冲孔缺陷圆形度特征的提取，标准圆的圆形度为1，其他形状的圆形度小于1，根据圆的圆形度计算公式，由步骤2.1和2.2计算出来的周长L1和面积S1可以计算角钢冲孔圆的圆形度特征e＝4πL1/(S1*S1)；
步骤3：BP神经网络的建立与角钢冲孔缺陷检测；
步骤3.1：角钢冲孔缺陷检测BP神经网络的设计，网络结构采用输入层、隐含层、输出层的三层神经网络；
步骤3.2：将步骤2中提取的4个特征向量L、S、D和e组成一个特征向量组，作为神经网络的...

【专利技术属性】
技术研发人员：贺振东，王永华，刘洁，崔良建，姜利英，和萍，江豪，王延峰，张杰，申永鹏，杨小亮，刁智华，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：河南;41