一种基于金属光泽区域的钢丝绳缺陷检测方法技术

本发明专利技术公开了一种基于金属光泽区域的钢丝绳缺陷检测方法，先利用白色强光从摄像头所在的同一径向照射钢丝绳，在保证钢丝绳的表面有充分的反射光下拍摄多组原图像，再对原图像依次进行预处理获取二值化图像，然后对二值化图像进行光泽区域边缘提取与形态学处理，从而提取出三维的特征向量构成特征向量集，最后基于特征向量集对待检测的钢丝绳进行缺陷检测。于特征向量集对待检测的钢丝绳进行缺陷检测。于特征向量集对待检测的钢丝绳进行缺陷检测。

【技术实现步骤摘要】
一种基于金属光泽区域的钢丝绳缺陷检测方法


[0001]本专利技术属于钢丝绳无损检测
，更为具体地讲，涉及一种基于金属光泽区域的钢丝绳缺陷检测方法。

技术介绍

[0002]钢丝绳在工业中有着重要的应用，比如在电梯运输、货物提升以及建筑物固定等。钢丝绳的结构的稳定性很大程度上影响着系统的安全性与可靠性。然而，钢丝绳在使用过程中常常会出现各种结构性损伤，比如断丝、磨损、锈蚀等。这些钢丝绳上的缺陷会导致钢丝绳在使用过程中有断裂的风险，从而可能威胁到人的生命安全。因此，定期检测钢丝绳并及时发现其上的缺陷是很有必要的。
[0003]人眼观察识别钢丝绳上的缺陷具有随机性高，容易受钢丝绳表面油污影响等不足。为了克服这一问题，目前磁检测法作为具有较好的可靠性和较高的检测成功率的检测技术而被广泛用于工业场景中的钢丝绳缺陷检测。然而磁检测技术具有设备价格较高，且技术上受限于提离值效应、检测速度等影响。因此很多新兴技术正尝试用于钢丝绳缺陷检测，比如超声传导检测法、涡流检测法以及计算机视觉法。
[0004]随着计算机视觉技术的发展，通过模式识别来检测钢丝绳表面的缺陷在近年来受到了广泛关注。在钢丝绳计算机视觉检测方法中，关键的一步就是提取钢丝绳表面的特征并对特征数据集进行维数缩减，从而构造出能够用于机器学习分类的特征数据集。对钢丝绳表面纹理的特征提取方法有局部二进制模式(LBP)、灰度共生矩阵(GLCM)以及方向梯度直方图(HOG)，但是LBP方法存在缺陷特征和正常部分特征区分不显著，GLCM方法存在计算量大，计算复杂度高等问题，HOG算子存在特征向量维数较高等问题。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于金属光泽区域的钢丝绳缺陷检测方法，通过结合光泽区域边缘附近的梯度反映的信息和光泽区域形状反映的信息来对钢丝绳进行缺陷识别及分类。
[0006]为实现上述专利技术目的，本专利技术一种基于金属光泽区域的钢丝绳缺陷检测方法，其特征在于，包括以下步骤：
[0007](1)、图像采集；
[0008](1.1)、利用白色强光从摄像头所在的同一径向照射钢丝绳，保证钢丝绳的表面有充分的反射光，然后拍摄多组原图像，其中，每组原图像均包含钢丝绳及背景；
[0009](1.2)、用Canny边缘检测算法提取每一幅原图像中的钢丝绳图像；
[0010](2)、钢丝绳图像的切割；
[0011]在每一幅钢丝绳图像的正中央裁剪一条条状区域的图片，图片的宽度是钢丝绳图像宽度的0.2倍；
[0012]对条状区域的图片进行进一步的切割，使切割后的子图片中只包含2个或3个光泽
区域，最后将这些子图片记为饱和光照图；
[0013](3)、构建钢丝绳检测已知样本集并标记每个样本的状态；
[0014]将所有的饱和光照图构成钢丝绳检测已知样本集；在每一幅饱和光照图中，通过人工标记的方式标记每一幅饱和光照图中钢丝绳的状态，例如，包括：正常、磨损、断丝三个状态；
[0015](4)、饱和光照图的二值化处理；
[0016]设置全局阈值的二值化划分阈值α；按照阈值α对所有的饱和光照图进行二值化处理，得到二值化图像；
[0017](5)、光泽区域边缘提取与形态学处理
[0018](5.1)、对每一幅二值化图像用半径为1像素的模板进行腐蚀，得到边界腐蚀图像，再用二值化图像减去边界腐蚀图像，得到被腐蚀区域，最后将被腐蚀区域作为饱和光照图的光泽区域边缘；
[0019](5.2)、对每一幅二值化图像先后进行开操作和闭操作，得到形态学滤波图像；
[0020](6)、提取饱和光照子图光泽区域的特征；
[0021](6.1)、通过边缘差分矩阵EDM提取每张饱和光照图的光泽区域边缘的光泽边缘特征；
[0022]记饱和光照图的光泽区域边缘中任意一个边缘像素点i的坐标为(x
i
,y
i
)，i＝1,2,
…
,N，N为边缘像素点的总个数；
[0023]以边缘像素点i为中心，计算边缘像素点i与3*3领域内其余边缘像素点j的边缘差分矩阵EDM
i
；
[0024][0025]其中，g
i
表示边缘像素点i的灰度值，g
j
表示边缘像素点j的灰度值，j＝1,2,
…
,8，f
n
表示二值化图像中为0的位置，f
p
表示二值化图像中为1的位置，(x
j
,y
j
)表示边缘像素点j的坐标；
[0026](6.2)、对于每一幅饱和光照图的光泽区域边缘，对其所有的边缘像素点的边缘差分矩阵EDO
i
求和，得到3*3的光泽附近灰度信息矩阵，记为矩阵IG，
[0027]在矩阵IG中，取上下两个竖直方向上的元素IG(1,2)、IG(3,2)的值以及左右两个水平方向上的元素IG(2,1)、IG(2,3)的值计算特征值λ1：
[0028][0029]其中，“IG()”代表是索引矩阵中的元素；
[0030](6.3)、提取饱和光照图高光区域形状信息；
[0031](6.3.1)、对于一幅形态学滤波图像，定义其背景区像素值为0，目标像素值为1，以四连通为基准标记每个连通区域；
[0032](6.3.2)、计算每个连通区域的平均圆周性C
k
；
[0033][0034]其中，S
k
为第k个连通区域的面积，其周长为P
k
，k＝1,2,
…
,n，n为连通区域的个数；
[0035](6.3.3)、计算所有连通区域圆周性的加权平均值，并记为特征值λ2；
[0036](6.3.4)、计算与每个连通区域具有相同二阶矩的椭圆的离心率e
k
；
[0037]对于第k个连通区域，分别计算其包含的像素点的平均横纵坐标，并作为第k个连通区域中心坐标，再根据图像矩的计算公式，计算出第k个连通区域的二阶中心矩
[0038]将第k个连通区域的二阶中心矩除以第k个连通区域的面积，构造如下矩阵M
k
；
[0039][0040]令和为矩阵M
k
的特征向量，那么与第k个连通区域具有相同二阶矩的椭圆的长轴a
k
和短轴b
k
表示为：
[0041][0042]与第k个连通区域具有相同二阶矩的椭圆的离心率表示为：
[0043][0044](6.3.5)、计算所有离心率e
k
的加权平均值，并记为特征值λ3；
[0045](7)、构建所有饱和光照图的特征向量集；
[0046]按照步骤(4)
‑
(6)所述方法处理完所有饱和光照图，每一幅饱和光照图得到三维的特征向量(λ1,λ2,λ3)，从而构成特征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于金属光泽区域的钢丝绳缺陷检测方法，其特征在于，包括以下步骤：(1)、图像采集；(1.1)、利用白色强光从摄像头所在的同一径向照射钢丝绳，保证钢丝绳的表面有充分的反射光，然后拍摄多组原图像，其中，每组原图像均包含钢丝绳及背景；(1.2)、用Canny边缘检测算法提取每一幅原图像中的钢丝绳图像；(2)、钢丝绳图像的切割；在每一幅钢丝绳图像的正中央裁剪一条条状区域的图片，图片的宽度是钢丝绳图像宽度的0.2倍；对条状区域的图片进行进一步的切割，使切割后的子图片中只包含2个或3个光泽区域，最后将这些子图片记为饱和光照图；(3)、构建钢丝绳检测已知样本集并标记每个样本的状态；将所有的饱和光照图构成钢丝绳检测已知样本集；在每一幅饱和光照图中，通过人工标记的方式标记每一幅饱和光照图中钢丝绳的状态，具体包括：正常、磨损、断丝三个状态；(4)、饱和光照图的二值化处理；设置全局阈值的二值化划分阈值α；按照阈值α对所有的饱和光照图进行二值化处理，得到二值化图像；(5)、光泽区域边缘提取与形态学处理(5.1)、对每一幅二值化图像用半径为1像素的模板进行腐蚀，得到边界腐蚀图像，再用二值化图像减去边界腐蚀图像，得到被腐蚀区域，最后将被腐蚀区域作为饱和光照图的光泽区域边缘；(5.2)、对每一幅二值化图像先后进行开操作和闭操作，得到形态学滤波图像；(6)、提取饱和光照子图光泽区域的特征；(6.1)、通过边缘差分矩阵EDM提取每张饱和光照图的光泽区域边缘的光泽边缘特征；记饱和光照图的光泽区域边缘中任意一个边缘像素点i的坐标为(x
i
,y
i
)，i＝1,2,
…
,N，N为边缘像素点的总个数；以边缘像素点i为中心，计算边缘像素点i与3*3领域内其余边缘像素点j的边缘差分矩阵EDM
i
；其中，g
i
表示边缘像素点i的灰度值，g
j
表示边缘像素点j的灰度值，j＝1,2,
…
,8，f
n
表示二值化图像中为0的位置，f
p
表示二值化图像中为1的位置，(x
j
,y
j
)表示边缘像素点j的坐标；(6.2)、对于每一幅饱和光...

【专利技术属性】
技术研发人员：刘志亮，潘斐扬，左明健，
申请(专利权)人：青岛明思为科技有限公司，
类型：发明
国别省市：