一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法技术

一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法，包括如下步骤：S1：设置有多组螺栓连接构造，该螺栓构造包括螺母和垫片；对螺栓连接构造进行颜色适配，使得螺母为黑色/白色，垫片为相反的白色/黑色；依次对每个垫片数值编号；S2：通过图像采集装置获得螺栓图像；S3：图像采集装置采集螺栓图像作为深度学习模型的训练数据集；数据处理模块通过数据集训练作为深度学习模型输入，调整训练参数，得到训练完成的深度学习模型；S4：数据处理模块提取螺栓图像的特征向量作为深度学习模型的输入，保存深度学习模型识别后的螺栓图像和编号。本发明专利技术能够有效地识别螺栓编号并在输电塔法兰节点中进行定位，并且编号思想也适用于其他螺栓结构。栓结构。栓结构。

【技术实现步骤摘要】
一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法


[0001]本专利技术涉及螺栓定位领域，具体涉及一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法。

技术介绍

[0002]螺栓连接因其方便安装拆卸、经济耐用等优点被广泛应用于土木、航天和机械等多个行业。但是，螺栓连接由于荷载变化、环境条件和长期服役会发生螺母松动现象，这给结构带来严重的安全隐患。随着计算机领域的迅猛发展，基于图像处理技术的螺栓松动损伤识别技术已成为螺栓松动损伤监测的主要方法之一。而基于图像处理技术的螺栓松动损伤识别方法中，螺栓连接节点中螺栓的定位和螺栓图像的畸变矫正稳定性直接关系到损伤识别结果的效率和可靠性。
[0003]现有的研究方法中只针对螺栓的识别，对于识别螺栓所处的空间位置未有相关研究。
[0004]而现有的螺栓图像透视矫正方法主要有根据螺栓连接节点板四个角点和单应性矩阵原理进行图像的透视畸变矫正；根据螺栓群中四个角部螺栓中心点和单应性矩阵原理进行图像的透视畸变矫正；根据单排螺栓连接法兰节点中单个螺栓的方型垫片的四个角点和单应性矩阵原理进行图像的畸变矫正。以上方法中基于方形垫片四个角点的矫正方法对螺栓图像中垫片边线有阴影遮挡较为敏感。当垫片区域有阴影遮挡时，遮挡区域的灰度梯度相近，在进行图像处理时遮挡区域会被识别为一个连通域，导致无法准确识别并提取垫片区域，大大降低螺栓图像的畸变矫正稳定性，进而影响螺栓松动损伤识别结果的可靠性。故针对基于单个螺栓方形垫片的四个角点的矫正方法有必要进一步提升矫正的稳定性。对于螺栓的定位问题有必要提出相应的解决方法。

技术实现思路

[0005]本专利技术针对现有的螺栓定位方法的空缺，基于单个螺栓的方形垫片的四个角点的图像矫正方法稳定性的不足。目的在于，提出了一种螺栓定位编号准则和一种新的方形垫片，以实现螺栓的定位和提高单个螺栓图像的透视畸变矫正稳定性，为基于图像处理技术的螺栓松动损伤识别提供准确可靠的基础数据。
[0006]具体技术方案如下：
[0007]一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法，其特征在于：
[0008]包括如下步骤：
[0009]S1：设置有多组螺栓连接构造，该螺栓构造包括螺母和垫片；
[0010]对螺栓连接构造进行颜色适配，使得螺母为黑色/白色，垫片为相反的白色/黑色；
[0011]依次对每个垫片数值编号；
[0012]S2：通过图像采集装置获得螺栓图像；
[0013]S3：图像采集装置采集螺栓图像作为深度学习模型的训练数据集；
[0014]数据处理模块通过数据集训练作为深度学习模型输入，调整训练参数，得到训练完成的深度学习模型；
[0015]S4：数据处理模块提取螺栓图像的特征向量作为深度学习模型的输入，保存深度学习模型识别后的螺栓图像和编号；
[0016]S5：图像处理块通过设置Canny边缘检测算子的边缘检测阈值和霍夫直线检测的参数；
[0017]S6：图像处理模块对分割出的螺栓图像进行图像二值化处理后，通过腐蚀对二值图像进行平滑处理；
[0018]平滑处理后提除掉面积小于500的连通区域，剩余的区域即为垫片区域；
[0019]S7：经过处理的后二值图像仅剩方形垫片区域，然后图像处理模块利用Canny边缘检测算子检测垫片的边缘；
[0020]S8：图像处理模块利用霍夫变换检测边缘直线，如果图像处理模块检测到了4条边缘直线，则计算4个角度坐标；
[0021]若检测到了3条直线，则选取边缘点拟合一条直线；
[0022]若检测到了2条直线，选取边缘点拟合2条直线；
[0023]根据拟合出的边缘线计算4个角点坐标；
[0024]S10：根据四个角点坐标计算单应性矩阵，进行图像透视矫正。
[0025]为更好的实现本专利技术，可进一步地：对螺栓的编号由7个字符组成，字符选取范围为26个英文字母去掉O和I，10个阿拉伯数字去掉0。
[0026]进一步地：
[0027]所述方形垫片的一边贴白底黑字/黑底白字编号，剩余三边贴宽2mm对应的白色贴条/黑色贴条。
[0028]进一步地：
[0029]所述Canny边缘检测算子的阈值取0.75，霍夫变换中RhoResolution取0.7,ThetaResolution取0.65。
[0030]本专利技术的有益效果为：第一，本专利技术能够有效地识别螺栓编号并在输电塔法兰节点中进行定位，并且编号思想也适用于其他螺栓结构。
[0031]第二，能够有效地提高单个螺栓图像透视畸变矫正的稳定性。
[0032]第三，采用方形的黑色垫片与白色贴条的高灰度梯度差提高垫片区域的连通域提取完整性，间接提高霍夫直线检测的稳定性。最后基于方形垫片的四个角点为矫正基准点进行单应性矩阵对单个螺栓图像的透视畸变矫正。
附图说明
[0033]图1为本专利技术的工作流程图；
[0034]图2为连接构件示意图；
[0035]图3为连接构件的俯视图；
[0036]图4为黑色垫片和白色螺母的连接构件图；
[0037]图5为白色垫片和黑色螺母的连接构件图；
[0038]图6为螺栓连接在法兰盘的结构图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]如图1至图6所示：
[0041]一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法，包括如下步骤：
[0042]S1：设置有多组螺栓连接构造，该螺栓构造包括螺母和垫片；
[0043]在本实施例中，方形垫片的尺寸以预先测量为准，材质与厚度与常规圆形垫片一致。方形垫片一边贴白底黑字编号或黑底白字，剩余三边贴宽2mm的白色贴条或黑色贴条。
[0044]该垫片能够提高螺栓图像畸变矫正稳定性的原理是利用黑色垫片与白色贴条的高灰度梯度差提高垫片区域的连通域提取完整性，间接提高霍夫直线检测的稳定性。最后基于方形垫片的四个角点为矫正基准点进行单应性矩阵对单个螺栓图像的透视畸变矫正。
[0045]在本实施例中，在需要进行检测的螺栓连接的部位，安装本专利技术提出的螺栓连接构造。对于现有已安装的螺栓连接，按照本专利技术提出的螺栓连接构造对垫片和螺母的颜色进行改造，使得螺母为黑色/白色，垫片为相反的白色/黑色；接着，依次对每个垫片数值编号。
[0046]其中，该编号准则由7个字符组成，字符选取范围为26个英文字母去掉O和I，10个阿拉伯数字去掉0。
[0047]例如编号TAAA001,其规则含义如下：前两个字符TA代表塔A即A塔，第三个字符A代表A塔中的第A层，第四个字符A代表A塔中第A层中第A个法兰节点，001代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于螺栓定位提升螺栓图像畸变矫正稳定性的方法，其特征在于：包括如下步骤：S1：设置有多组螺栓连接构造，该螺栓构造包括螺母和垫片；对螺栓连接构造进行颜色适配，使得螺母为黑色/白色，垫片为相反的白色/黑色；依次对每个垫片数值编号；S2：通过图像采集装置获得螺栓图像；S3：图像采集装置采集螺栓图像作为深度学习模型的训练数据集；数据处理模块通过数据集训练作为深度学习模型输入，调整训练参数，得到训练完成的深度学习模型；S4：数据处理模块提取螺栓图像的特征向量作为深度学习模型的输入，保存深度学习模型识别后的螺栓图像和编号；S5：图像处理块通过设置Canny边缘检测算子的边缘检测阈值和霍夫直线检测的参数；S6：图像处理模块对分割出的螺栓图像进行图像二值化处理后，通过腐蚀对二值图像进行平滑处理；接着，图像处理模块平滑处理后提除掉面积小于500的连通区域，剩余的区域即为垫片区域；S7：经过处理的后二值图像仅剩方形垫片区域，然后图像处理模块利用Canny边缘检测算子检测垫...

【专利技术属性】
技术研发人员：罗钧，谢承前，晏致涛，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：