基于视觉振频识别的提升钢丝绳张力检测方法技术

本发明专利技术公开一种基于视觉振频识别的提升钢丝绳张力检测方法，对正交式双目相机采集到的提升钢丝绳运行振动图像进行处理，通过提升钢丝绳的振动固有频率来计算其所受张力大小，从而达到完成对提升钢丝绳张力的实时检测。本发明专利技术通过倾斜矩形拟合的方式提高了算法的抗干扰性能、通过基于差分理论的绝对均值数据坏点清洗方法提高了算法的检测精度，获得了良好的检测效果。的检测效果。的检测效果。

【技术实现步骤摘要】
基于视觉振频识别的提升钢丝绳张力检测方法


[0001]本专利技术涉及一种基于视觉振频识别的提升钢丝绳张力检测领域，具体是一种基于视觉振频识别的提升钢丝绳张力检测方法。

技术介绍

[0002]在矿井提升系统的运行过程当中，钢丝绳会不可避免地产生振动，这将导致钢丝绳承受张力的大小发生变化，严重时会造成钢丝绳的疲劳变形甚至断裂，给矿井提升系统的安全运行造成严重的威胁。因此，如何准确高效地检测钢丝绳的张力对于预防矿井事故具有重大意义，是煤矿生产领域亟需解决的科学问题。
[0003]然而，矿井提升结构复杂，提升系统的张力检测难度较大，现有技术多使用传感器对钢丝绳进行张力检测，这些方法存在着一些局限性，例如设备不易安装、传感器会对待测钢丝绳的运行产生影响等问题，不利于钢丝绳张力的长期检测。
[0004]机器视觉技术为解决该问题提供了新的方法，即通过计算机来分析待测钢丝绳的振动图像以获取其振动参数，进而计算得到钢丝绳所受张力的值。现有基于机器视觉的检测算法抗干扰性较差，对残影、阴影等异常现象较为敏感；另一方面，现有钢丝绳振动数据坏点清洗方法也存在局限性，不能正确筛除修正样本数据中的迟滞性误差，影响最终检测结果的准确性。

技术实现思路

[0005]本专利技术旨在解决上述问题，提供一种基于视觉振频识别的提升钢丝绳张力检测方法，克服了上述传统检测方法带来的设备不易安装、易对待测钢丝绳产生影响等问题，提高了检测的效率与安全可靠性，同时提高了钢丝绳图像识别算法的抗干扰性，提高了张力检测的精确性。
[0006]为了实现上述目标，本专利技术采用如下技术方案：
[0007]基于视觉振频识别的提升钢丝绳张力检测方法，包括以下步骤：
[0008]步骤A，实时采集提升钢丝绳的振动图像，对图像进行预处理，获得钢丝绳与背景分割效果良好的黑白图像；
[0009]步骤B，对步骤A获得的黑白图像分割结果进行边缘特征提取与基于倾斜矩形法的轮廓拟合,具体步骤如下：
[0010]B1，对步骤A得到的提升钢丝绳目标图像进行边缘检测；
[0011]B2，对检测到的边缘进行倾斜矩形拟合，排除因钢丝绳移动较快或图像采集设备达不到使用要求等问题导致的拍摄残影误差；还包括：
[0012]步骤C，对步骤B中拟合的倾斜矩形进行特征筛选与几何形心定位，确定钢丝绳的时域振动数据；
[0013]步骤D，对步骤C得到的钢丝绳的时域振动数据进行进一步处理，采用基于差分理论的绝对均值法过滤算法异常工况下检测到的数据坏点，提高数据的准确性，具体包括以
下子步骤：
[0014]D1，确定待处理原始数组a
o
，并计算其差分数组a
d
；
[0015]D2，定义过滤阈值T作为数据坏点筛选依据；
[0016]D3，对数据坏点进行识别与修正；
[0017]步骤E，对清洗后的数据进行傅里叶变换，获得其振动固有频率，结合钢丝绳张力
‑
振频公式计算得到钢丝绳所受张力。
[0018]进一步的，所述异常工况包括强风、照明失效和人为干扰。
[0019]进一步的，步骤A具体包括以下子步骤：
[0020]A1，以钢丝绳在图像中活动区域为基准选定ROI区域，减少算法总计算量；
[0021]A2，对ROI区域进行灰度转化；
[0022]A3，对步骤A2获得的ROI灰度图进行自适应阈值分割；
[0023]A4，对步骤A3获得的黑白图像进行高斯滤波操作，减少背景干扰；
[0024]A5，对步骤A4获得的滤波结果进行形态学处理，填补钢丝绳目标中的内部空洞。
[0025]进一步的，步骤C具体包括以下子步骤：
[0026]C1，定义步骤B2中倾斜矩形的紧凑度、顶点高度、横纵比三个特征参数；
[0027]C2，结合ROI区域的截割逻辑定义C1中三个特征参数的置信区间，并对区间外的非期望目标拟合矩形进行筛除，排除因背景阴影、油污或划痕造成的干扰；
[0028]C3，确定步骤C2中筛选得到的目标矩形的几何形心，作为当前帧钢丝绳的位置，再通过逐帧采集形心最终确定钢丝绳的时域振动数据。
[0029]进一步的，所述步骤B1包括以下子步骤：
[0030]B11，为步骤A中得到的黑白图像的上下边缘添加宽度为两个像素的白边，使图片中存在一条闭合的轮廓能够完整覆盖钢丝绳目标的所有边缘；
[0031]B12，使用Canny边缘算子对提升钢丝绳目标区域进行边缘提取；
[0032]步骤B2包括以下子步骤：
[0033]B21，对步骤B1提取的目标边缘，采用倾斜外接矩形的方式对轮廓进行拟合。倾斜矩形的拟合原理为：选取钢丝绳边缘中y值最大的点作为外接矩形的下顶点Point 0，以其为顶点沿与x轴平行的方向做两条射线L1与L2，以点Point 0为中心顺时针旋转L1，当L1接触到待测钢丝绳边缘时停止，以此时边缘与L1的交点Point 1作为矩形的第二个顶点,这样就确定了矩形的第一条边。然后做这条边的垂线，与L2的夹角为θ2，然后在该方向确定点Point 3，使Point 0到Point 3的距离为钢丝绳的直径d1，从而完成倾斜矩形的建立。
[0034]进一步的，所述步骤C1的具体步骤如下：
[0035]C11，计算步骤B2得到的倾斜矩形的横纵比F1，计算公式为：
[0036][0037]式中，a为倾斜矩形的长所占像素数，b为倾斜矩形宽所占像素数；
[0038]C12，计算步骤B2得到的倾斜矩形的紧凑度F2，计算公式为：
[0039][0040]式中，S1为倾斜矩形所占总像素数，S2为ROI区域的总像素数；
[0041]C13，计算步骤B2得到的倾斜矩形的顶点高度F3，计算公式为：
[0042][0043]式中，h1为倾斜矩形最高顶点的纵坐标值，h2为ROI区域的高度像素数；
[0044]所述步骤C2的具体步骤如下：
[0045]C21，设定倾斜矩形的横纵比F1的置信区间Q1为[1,5]，
[0046]倾斜矩形的紧凑度F2的置信区间Q2为[0.05,0.7]，倾斜矩形的顶点高度F3的置信区间Q3为[0,0.1]；如果倾斜拟合矩形的特征参数于置信区间外则将其作为干扰轮廓进行排除；
[0047]所述步骤C3的具体步骤如下：
[0048]C31，记录筛选得到的钢丝绳目标轮廓的几何形心，记录形心在ROI区域中的坐标P1作为追踪依据，将其换算为原图坐标P2，原图坐标P2的横纵坐标的值与形心在ROI区域中的坐标P1横纵坐标的值如下：
[0049][0050][0051]式中，k1为截取ROI区域时的左上角顶点纵坐标；
[0052]x
P1
为形心P1的横坐标值，
[0053]x
P2
为追踪点P2的横坐标值，
[0054]y
P1
为形心P1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于视觉振频识别的提升钢丝绳张力检测方法，包括以下步骤：步骤A，实时采集提升钢丝绳的振动图像，对图像进行预处理，获得钢丝绳与背景分割效果良好的黑白图像；步骤B，对步骤A获得的黑白图像分割结果进行边缘特征提取与基于倾斜矩形法的轮廓拟合,具体步骤如下：B1，对步骤A得到的提升钢丝绳目标图像进行边缘检测；B2，对检测到的边缘进行倾斜矩形拟合，排除因钢丝绳移动较快或图像采集设备达不到使用要求等问题导致的拍摄残影误差；其特征在于，还包括：步骤C，对步骤B中拟合的倾斜矩形进行特征筛选与几何形心定位，确定钢丝绳的时域振动数据；步骤D，对步骤C得到的钢丝绳的时域振动数据进行进一步处理，采用基于差分理论的绝对均值法过滤算法异常工况下检测到的数据坏点，提高数据的准确性，具体包括以下子步骤：D1，确定待处理原始数组a
o
，并计算其差分数组a
d
；D2，定义过滤阈值T作为数据坏点筛选依据；D3，对数据坏点进行识别与修正；步骤E，对清洗后的数据进行傅里叶变换，获得其振动固有频率，结合钢丝绳张力
‑
振频公式计算得到钢丝绳所受张力。2.根据权利要求1所述的基于视觉振频识别的提升钢丝绳张力检测方法，其特征在于，所述异常工况包括强风、照明失效和人为干扰。3.根据权利要求1所述的基于视觉振频识别的提升钢丝绳张力检测方法，其特征在于，步骤A具体包括以下子步骤：A1，以钢丝绳在图像中活动区域为基准选定ROI区域，减少算法总计算量；A2，对ROI区域进行灰度转化；A3，对步骤A2获得的ROI灰度图进行自适应阈值分割；A4，对步骤A3获得的黑白图像进行高斯滤波操作，减少背景干扰；A5，对步骤A4获得的滤波结果进行形态学处理，填补钢丝绳目标中的内部空洞。4.根据权利要求1所述的基于视觉振频识别的提升钢丝绳张力检测方法，其特征在于，步骤C具体包括以下子步骤：C1，定义步骤B2中倾斜矩形的紧凑度、顶点高度、横纵比三个特征参数；C2，结合ROI区域的截割逻辑定义C1中三个特征参数的置信区间，并对区间外的非期望目标拟合矩形进行筛除，排除因背景阴影、油污或划痕造成的干扰；C3，确定步骤C2中筛选得到的目标矩形的几何形心，作为当前帧钢丝绳的位置，再通过逐帧采集形心最终确定钢丝绳的时域振动数据。5.根据权利要求1所述的基于视觉振频识别的提升钢丝绳张力检测方法，其特征在于，所述步骤B1包括以下子步骤：B11，为步骤A中得到的黑白图像的上下边缘添加宽度为两个像素的白边，使图片中存在一条闭合的轮廓能够完整覆盖钢丝绳目标的所有边缘；B12，使用Canny边缘算子对提升钢丝绳目标区域进行边缘提取；
步骤B2包括以下子步骤：B21，对步骤B1提取的目标边缘，采用倾斜外接矩形的方式对轮廓进行拟合；倾斜矩形的拟合原理为：选取钢丝绳边缘中y值最大的点作为外接矩形的下顶点Point 0，以其为顶点沿与x轴平行的方向做两条射线L1与L2，以点Point 0为中心顺时针旋转L1，当L1接触到待测钢丝绳边缘时停止，以此时边缘与L1的交点Point 1作为矩形的第二个顶点,这样就确定了矩形的第一条边；然后做这条边的垂线，与L2的夹角为θ2，然后在该方向确定点Point 3，使Point 0到Point 3的距离为钢丝绳的直径d1，从而完成倾斜矩形的建立。6.根据权利要求4所述的基于视觉振频识别的提升钢丝绳张力检测方法，其特征在于，所述步骤C1的具体步骤如下：C11，计算步骤B2得到的倾斜矩形的横纵比F1，计算公式为：式中，a为倾斜矩形的长所占像素数，b为倾斜矩形宽所占像素数；C12，计算步骤B2得到的倾斜矩形的紧凑度F2，计算公式为：式中，S1为倾斜矩形所占总像素数，S2为ROI区域的总像素数；C13，计算步骤B2得到的倾斜矩形的顶点高度F3，计算公式为：式中，h1为倾斜矩形最高顶点的纵坐标值，h2为ROI区域的高度像素数；所述步骤C2的具体步骤如下：C21，设定倾斜矩形的横纵比F1的置信区间Q1为[1,5]，倾斜矩形的紧凑度F2的置信区间Q2为[0.05,0.7]，倾斜矩形的顶点高度F3的置信区间Q3为[0,0.1]；如果倾斜拟合矩形的特征参数于置信区间外则将其作为干扰轮廓进行排除；所述步骤C3的具体步骤如下：C31，记录筛选得到的钢丝绳目标轮廓的几何形心，记录形心在ROI区域中的坐标P1作为追踪依据，将其换算为原图坐标P2，原图坐标P2的横纵坐标的值与形心在ROI区域中的坐标P1横纵坐标的值如下：横纵坐标的值如下：式中，k1为截取ROI区域时的左上角顶点纵坐标；x
P1
为形心P1的横坐标值，x
P2
为追踪点P2的横坐标值，y
P1
为形心P1的纵坐标值，y
P2
为追踪点P2的纵坐标...

【专利技术属性】
技术研发人员：彭玉兴，任一男，朱真才，杜庆永，常向东，胡长华，曹国华，周公博，卢昊，唐玮，
申请(专利权)人：徐州煤矿安全设备制造有限公司，
类型：发明
国别省市：