一种基于图像分析的缆绞机质量检测系统技术方案

本发明专利技术公开了一种基于图像分析的缆绞机质量检测系统，具体涉及缆绞机质量技术领域，包括外观分析模块和机械性能分析模块，通过建立外观异常识别模型获取缆绞机的破损类型

【技术实现步骤摘要】
一种基于图像分析的缆绞机质量检测系统


[0001]本专利技术涉及缆绞机质量检测
，更具体地说，本专利技术涉及一种基于图像分析的缆绞机质量检测系统
。

技术介绍

[0002]缆绞机的工作原理主要是将多个细导线捻合成一个整体
。
在缆绞机中，导线卷盘上的多个细铜线通过导线卷盘上的导线轮引导到绞线机的绞线室中
。
在绞线机的绞线室中，细铜线被分成多股，通过旋转的方式将铜线捻合在一起，形成一根较粗的导线
。
绞线过程中，绞线机的旋转速度和铜线的进给速度需要协调配合，以确保绞线质量和生产效率
。
绞好的导线会卷绕在电缆笼架上
。
电缆笼架上的导线卷盘可以旋转，使绞好的导线在电缆笼架上形成一个笼状结构
。
笼状结构可以防止导线之间的相互干扰和损伤，同时也方便后续的绝缘和护套
。
[0003]缆绞机是一种用于缆绞
、
系缆或张紧缆索的机械设备
。
根据不同用途，缆绞机可以分为很多种类，例如水上缆绞机
、
系泊缆绞机
、
绞盘等
。
缆绞机的质量检测包括机械
、
电气
、
环境
、
安全方面的检测内容
。
具体来说，包括外观检查
、
机械性能测试
、
电气性能测试
。
外观检查主要包括缆绞机的外观是否整洁
、r/>有无破损
、
有无锈蚀；机械性能测试主要包括缆绞装置是否转动灵活，有无卡阻，缆索是否完好无损，有无断裂
、
变形情况，拖钩装置是否牢固可靠，钩头插销是否灵活；系缆桩是否牢固可靠，有无松动
、
脱落等情况
。
电气性能测试主要包括电源和电缆是否符合规格，电缆是否有破损或老化等情况；电气控制系统是否正常，操作是否灵活可靠，信号指示是否有效
。
根据以上检测内容，可以通过记录数据和实际使用情况相结合的方式对缆绞机的质量进行评估
。
[0004]但是其在实际使用时，仍旧存在较多缺点，如传统的缆绞机质量检测依赖试验测试和人工观察，缺少智能化的质量检测方法，基于人工主观判断标准不一致，导致判断结果不准确，具有较大的安全隐患
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术提供一种基于图像分析的缆绞机质量检测系统，以解决上述
技术介绍
中提出的问题
。
[0006]技术方案为实现上述目的，本专利技术提供如下技术方案：一种基于图像分析的缆绞机质量检测系统，包括：数据采集模块：用于采集缆绞机基础信息
、
在静态时的图像信息
、
在动态时的图像信息和运行信息，并将采集的信息传输至数据分析模块；外观分析模块：用于分析经过数据预处理后的缆绞机数据，分析缆绞机的图像信息和运行信息，通过外观异常识别模型分析图像信息得到缆绞机外观破损信息；机械性能分析模块：通过分析运行信息得到缆绞机在运行时的声音异响程度
、
稳
固性参数和灵活性参数；控制性能分析模块用于获取电气控制稳定性参数，将分析结果传输至监测预警模块；数据评估模块：基于数据分析模块的结果，评估缆绞机的质量指数，得到缆绞机的外观异常指数
、
机械性能评估指数，将评估结果传输至监测预警模块；监测预警模块：用于判断外观异常指数
、
机械性能评估指数
、
电气控制稳定性参数的偏离程度是否超出预设范围，将数据采集模块采集的信息和偏离程度同时传输至管理人员，实现数据交互，根据偏离程度计算缆绞机质量评价系数，并根据缆绞机质量评价系数采取对应的措施
。
[0007]优选的，所述外观异常识别模型在使用中包括下列步骤：步骤
S01、
数据预处理：根据滤波器提取缆绞机外观图像的纹理特征，根据图像的纹理差异将获取的图像划分为
n
个区域，并进行编号，同时标记每个区域的面积；步骤
S02、
建立特征参数数据库：获取标记了破损类型的缆绞机外观破损图像，按照类型进行分类，通过神经网络模型提取破损的特征，建立特征参数数据库；步骤
S03、
将待测图像划分为
n
个区域后输入卷积神经网络模型中，提取得到破损的特征，将提取的特征与特征参数数据库进行比较，计算特征相似度，根据相似度计算第
i
个图像区域属于第
j
种破损的概率，将子区域对应的最大概率破损类型记为区域的破损类型；步骤
S04、
将区域的信息汇总至图像中，标记每个区域的破损类型
、
概率和面积
。
[0008]优选的，步骤
S03
中，用
XS
ij
表示第
i
个图像区域与第
j
种破损类型的相似度，
XS
ij
的计算公式满足：，其中表示颜色特征相似度参数，表示梯度特征相似度参数，设有
n
个图像区域，有
m
种破损类型，用
P
ij
表示第
i
个图像区域属于第
j
种破损的概率，通过公式计算得到第
i
个图像区域属于第
j
种破损的概率，表示第
i
个图像区域属于
m
种类型的总概率，将破损类型概括为腐蚀
、
机械切割
、
机械磨损，即
m=3
，将图像区域
i
属于腐蚀的概率
、
属于机械切割的概率
、
属于机械磨损的概率，分别记为
P
i1
,P
i2
,P
i3
。
[0009]优选的，所述颜色特征相似度参数的获取方式为：提取待测区域的颜色特征，用
RGB
值表示，将待测图像的颜色特征记为
RGBa
，
RGBa=
（
r
a
,g
a
,b
a
）
,
其中，
r
a
表示待测图像的红色数值，
g
a
表示待测图像的绿色数值，
b
a
表示待测图像的蓝色数值
,
将标准库中图像的颜色特征记为
RGBb
，
RGBb=
（
r
b
,g
b
,b
b
）
,
其中，
r
b
表示标准库中图像的红色数值，
g
b本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像分析的缆绞机质量检测系统，其特征在于：包括：数据采集模块：用于采集缆绞机基础信息
、
在静态时的图像信息
、
在动态时的图像信息和运行信息，并将采集的信息传输至数据分析模块；外观分析模块：用于分析经过数据预处理后的缆绞机数据，分析缆绞机的图像信息和运行信息，通过外观异常识别模型分析图像信息得到缆绞机外观破损信息；机械性能分析模块：通过分析运行信息得到缆绞机在运行时的声音异响程度
、
稳固性参数和灵活性参数；控制性能分析模块用于获取电气控制稳定性参数，将分析结果传输至监测预警模块；数据评估模块：基于数据分析模块的结果，评估缆绞机的质量指数，得到缆绞机的外观异常指数
、
机械性能评估指数，将评估结果传输至监测预警模块；监测预警模块：用于判断外观异常指数
、
机械性能评估指数
、
电气控制稳定性参数的偏离程度是否超出预设范围，将数据采集模块采集的信息和偏离程度同时传输至管理人员，实现数据交互，根据偏离程度计算缆绞机质量评价系数，并根据缆绞机质量评价系数采取对应的措施
。2.
根据权利要求1所述的一种基于图像分析的缆绞机质量检测系统，其特征在于：所述外观异常识别模型在使用中包括下列步骤：步骤
S01、
数据预处理：根据滤波器提取缆绞机外观图像的纹理特征，根据图像的纹理差异将获取的图像划分为
n
个区域，并进行编号，同时标记每个区域的面积；步骤
S02、
建立特征参数数据库：获取标记了破损类型的缆绞机外观破损图像，按照类型进行分类，通过神经网络模型提取破损的特征，建立特征参数数据库；步骤
S03、
将待测图像划分为
n
个区域后输入卷积神经网络模型中，提取得到破损的特征，将提取的特征与特征参数数据库进行比较，计算特征相似度，根据相似度计算第
i
个图像区域属于第
j
种破损的概率，将子区域对应的最大概率破损类型记为区域的破损类型；步骤
S04、
将区域的信息汇总至图像中，标记每个区域的破损类型
、
概率和面积
。3.
根据权利要求1...

【专利技术属性】
技术研发人员：张晓葵，宋超，闫锋，崔云浩，李强，张天庭，柏磊磊，
申请(专利权)人：山东特发光源光通信有限公司，
类型：发明
国别省市：