基于机器视觉的钢绞线质量检测方法技术

本发明专利技术涉及图像处理技术领域，公开了基于机器视觉的钢绞线质量检测方法，包括获取的钢绞线图像进行边缘检测得到边缘图像，对边缘图像进行分割得到多个局部区域，利用每一个局部区域的边缘密集性及局部区域中每个目标像素点对中像素点的距离来直接得到每个局部区域的腐蚀程度，利用钢绞线中所有的腐蚀程度对钢绞线的质量进行评估，检测的结果更加准确，并且无需将其带入到实验室进行检测，检测方法简单，计算量小，检测成本较低。检测成本较低。检测成本较低。

【技术实现步骤摘要】
基于机器视觉的钢绞线质量检测方法


[0001]本专利技术涉及图像处理
，具体涉及基于机器视觉的钢绞线质量检测方法。

技术介绍

[0002]钢绞线是一种由多根细钢丝通过捻合或编织而成的绳索，常用于吊装、牵引、挂起和固定等工业应用。尤其是桥梁方面的应用，主要用途为建筑的承重结构，作用为支撑桥梁的附加荷载和外部环境下的影响。
[0003]钢绞线作为桥梁的承重结构其质量与工作安全密切相关，如果钢绞线质量发生问题，可能会在工作中出现断裂等危险情况，从而可能导致伤害甚至生命危险。例如钢绞线在使用过程中因湿度、盐分、渗水以及维护不当等原因造成的锈蚀问题，严重可导致钢绞线断裂。现有的钢绞线的锈蚀检测主要是通过磁粉检测，但是磁粉检测过程对于环境的要求高、检测的数量较少、检测成本极高。这种检测方式在实验室环境下较为可行，但是应用在桥梁钢索的检测中不仅浪费了大量的人力物力，而且检测效率低下。

技术实现思路

[0004]本专利技术用于解决目前对钢绞线检测效率低下的技术问题，提供一种能够快速的对钢绞线的质量进行检测，且检测准确性高的基于机器视觉的钢绞线质量检测方法，包括：获取钢绞线图像的边缘图像；对所述边缘图像进行分割得到多个局部区域；利用每一个局部区域中边缘像素点的位置得到每一个局部区域的边缘密集性；获取边缘图像的两条尺寸边缘，所述尺寸边缘为边缘图像中最外侧的两条边缘图像；且获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合；根据每个局部区域中所包含目标边缘像素点对集合中每对目标边缘像素点的距离、目标边缘像素点对的数量及局部区域的边缘密集性得到每个局部区域的腐蚀程度；利用所有局部区域的腐蚀程度对钢绞线的质量进行评估。
[0005]对所述边缘图像进行分割得到多个局部区域的方法包括：获取边缘图像中每一个边缘像素点所在位置的坐标；基于边缘像素点的坐标采用二维自适应k
‑
means聚类算法对边缘像素点进行聚类得到多个局部区域。
[0006]得到每一个局部区域的边缘密集性的方法包括：边缘密集性的表达式为：式中：表示第个局部区域的边缘密集性；表示第个局部区域内边缘像素
点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差；表示所有局部区域的数量；表示第个局部区域，且，；第个局部区域内边缘像素点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差。
[0007]获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合的方法包括：将两条尺寸边缘上边缘像素点少的一条尺寸边缘作为目标边缘尺寸；将目标边缘尺寸上每个边缘像素点及该另一条尺寸边缘上距离该边缘像素点最近的边缘像素点组成的边缘像素点对作为目标边缘像素点对；根据依次获得目标边缘尺寸上所有边缘像素点的目标边缘像素点对组成目标边缘像素点对集合。
[0008]获取每个局部区域的腐蚀程度的方法包括：所述腐蚀程度的表达式为：式中：表示第个局部区域的腐蚀程度；表示第个局部区域内第个目标像素点对中两个目标像素点的距离；表示第个局部区域内第个目标像素点对中两个目标像素点的距离；表示第个局部区域内目标像素点对的数量；表示目标边缘像素点对集合中第个目标像素点对中两个目标像素点的距离；表示目标边缘像素点对集合中第个目标像素点对中两个目标像素点的距离；表示目标边缘像素点对集合中目标像素点对的数量；表示第个局部区域的边缘密集性。
[0009]利用所有局部区域的腐蚀程度对钢绞线的质量进行评估的方法包括：利用每个局部区域的腐蚀程度获取钢绞线的整体质量指标；根据钢绞线的整体质量指标对钢绞线的质量进行评估；获取整体质量指标的表达式为：式中：表示钢绞线的整体质量指标；表示第个局部区域的腐蚀程度；表示所有局部区域的数量；表示归一化函数。
[0010]根据钢绞线的整体质量指标对钢绞线的质量进行评估的方法为，当，钢绞线的质量较差。
[0011]本专利技术的有益效果是：本专利技术相较于现有的磁粉检测钢绞线锈蚀的方式，通过对获取的钢绞线图像进行边缘检测得到边缘图像，对边缘图像进行分割得到多个局部区域，利用每一个局部区域的边缘密集性及局部区域中每个目标像素点对中像素点的距离来直
接得到每个局部区域的腐蚀程度，利用钢绞线中所有的腐蚀程度对钢绞线的质量进行评估，检测的结果更加准确，并且无需将其带入到实验室进行检测，检测方法简单，计算量小，检测成本较低。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本专利技术方法流程示意图。
[0014]图2为本专利技术中钢绞线的灰度图；图3为本专利技术中钢绞线的边缘图像。
具体实施方式
[0015]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。
[0016]实施例钢绞线常用于桥梁的承重，但是因为湿度、盐分、渗水以及维护不当等原因会导致钢绞线的锈蚀，钢绞线锈蚀之后会导致内部结构发生改变从而无法承受更多的拉力而导致断裂，造成生命以及财产安全的影响，钢绞线的锈蚀一般是采用磁粉检测，但是磁粉检测有着较强的环境局限性，并不能够快速的对钢绞线进行检测。
[0017]为解决上述的问题本实施例提供了如图1所示的基于机器视觉的钢绞线质量检测方法，包括：获取钢绞线图像的边缘图像；在获取钢绞线图像的边缘图像时，由于钢绞线的位置在桥梁上比较高，因此通过无人机获取桥梁上的钢绞线的图像，由于获取的图像中含有大量的背景信息，对获得的钢绞线图像进行去背景，去背景后的图像仅保留钢绞线的图像进行灰度化得到如图2所示的钢绞线灰度图像；本实施例中对图像的背景进行去除采用本领域技术人员常规的背景去除的方法，同时背景去除并不是本实施例的专利技术点，因此在这里对其如何进行背景去除不做详细的描述。
[0018]钢绞线在桥梁结构中因为是长期暴露在空气中，尤其是大多数的桥梁是建立在睡眠之上的，所以因为湿度、盐分、渗水以及维护不当会导致钢绞线的锈蚀。钢绞线的锈蚀在前期仅是钢绞线的部分出现了锈迹，氧化物较钢绞线的原本材质更为蓬松导致钢绞线的局部变粗，随着锈蚀现象越来越严重，部分氧化物掉落，并且因为钢绞线的拉力影响导致钢绞线的局部变细。所以在钢绞线中存在锈迹的局部较细以较粗，都表明该钢绞线的受到锈蚀影响，即钢绞线在此处的质量较低。因此本实施例需要对灰度图像进行边缘检测来得到钢绞线的边缘图像，通过该边缘图像中的线条来对钢绞线的受腐蚀情况进行检测。
[0019]对得到的如图2所示的钢绞线灰度图像进行Ca本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的钢绞线质量检测方法，其特征在于，包括：获取钢绞线图像的边缘图像；对所述边缘图像进行分割得到多个局部区域；利用每一个局部区域中边缘像素点的位置得到每一个局部区域的边缘密集性；获取边缘图像的两条尺寸边缘，所述尺寸边缘为边缘图像中最外侧的两条边缘图像；且获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合；根据每个局部区域中所包含目标边缘像素点对集合中每对目标边缘像素点的距离、目标边缘像素点对的数量及局部区域的边缘密集性得到每个局部区域的腐蚀程度；利用所有局部区域的腐蚀程度对钢绞线的质量进行评估。2.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，对所述边缘图像进行分割得到多个局部区域的方法包括：获取边缘图像中每一个边缘像素点所在位置的坐标；基于边缘像素点的坐标采用二维自适应k
‑
means聚类算法对边缘像素点进行聚类得到多个局部区域。3.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，得到每一个局部区域的边缘密集性的方法包括：边缘密集性的表达式为：式中：表示第个局部区域的边缘密集性；表示第个局部区域内边缘像素点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差；表示所有局部区域的数量；表示第个局部区域，且，；第个局部区域内边缘像素点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差。4.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，获取两条尺寸边缘上相互匹配...

【专利技术属性】
技术研发人员：孙岱，
申请(专利权)人：天维云筑预应力科技天津有限公司，
类型：发明
国别省市：