一种电梯钢丝绳毛刺的非接触自动监测方法及系统技术方案

本发明专利技术公开一种电梯钢丝绳毛刺的非接触自动监测方法及系统，涉及监测领域；该方法包括：获取电梯钢丝绳的图像；选取图像中的钢丝绳感兴趣区域；对钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域；对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域；对自适应增强处理后的钢丝绳感兴趣区域进行二值化处理，获得二值化处理后的钢丝绳感兴趣区域；对二值化处理后的钢丝绳感兴趣区域进行亚像素边缘检测，以确定目标区域和背景区域；检测背景区域内钢丝绳的毛刺位置和方向

【技术实现步骤摘要】
一种电梯钢丝绳毛刺的非接触自动监测方法及系统


[0001]本专利技术涉及监测领域，特别是涉及一种电梯钢丝绳毛刺的非接触自动监测方法及系统
。

技术介绍

[0002]电梯已经成为人们生产生活中不可或缺的特种设备，电梯的钢丝绳是电梯重要的组成部分
。
电梯钢丝绳是电梯重要的悬挂装置，承受着轿厢和对重的全部悬挂重量，通过曳引主机与钢丝绳的摩擦力驱动电梯运行
。
电梯运行过程中，钢丝绳会产生拉应力
、
接触应力和弯曲应力，钢丝绳长时间使用过程中往往会出现断丝
、
腐蚀等缺陷，甚至可磨坏曳引主机绳槽，造成曳引条件的改变，影响电梯正常运行，严重时可发生钢丝绳断绳事故，如不及时发现，将会给安全生产带来严重的后果
。
其中，钢丝绳上毛刺的状况是钢丝绳安全状态的重要指标
。
传统的电梯钢丝绳毛刺检测方法主要是采用目视法，即通过作业人员的现场观察去检查钢丝绳的毛刺情况，存在着漏检
、
误检等问题
。

技术实现思路

[0003]本专利技术的目的是提供一种电梯钢丝绳毛刺的非接触自动监测方法及系统，可对电梯钢丝绳的图片进行自动化处理得到电梯钢丝绳的毛刺情况，提高毛刺监测的准确性
。
[0004]为实现上述目的，本专利技术提供了如下方案：一种电梯钢丝绳毛刺的非接触自动监测方法，所述电梯钢丝绳毛刺的非接触自动监测方法包括：获取电梯钢丝绳的图像；选取所述图像中的钢丝绳感兴趣区域；对所述钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域；对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域；对自适应增强处理后的钢丝绳感兴趣区域进行二值化处理，获得二值化处理后的钢丝绳感兴趣区域；对二值化处理后的钢丝绳感兴趣区域进行亚像素边缘检测，以确定目标区域和背景区域；所述目标区域为钢丝绳区域，所述背景区域为毛刺区域；检测背景区域内钢丝绳的毛刺位置和方向
。
[0005]一种电梯钢丝绳毛刺的非接触自动监测系统，所述电梯钢丝绳毛刺的非接触自动监测系统包括：获取模块，用于获取电梯钢丝绳的图像；选取模块，用于选取所述图像中的钢丝绳感兴趣区域；处理模块，用于对所述钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域；形态学处理模型，用于对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域；自适应增强模块，用于对自适应增强处理后的钢丝绳感兴趣区域进行二值化处理，获得二值化处理后的钢丝绳感兴趣区域；亚像素边缘检测模块，用于对二值化处理后的钢丝绳感兴趣区域进行亚像素边缘检测，以确定目标区域和背景区域；所述目标区域为钢丝绳区域，所述背景区域为毛刺区域；毛刺检测模块，用于检测背景区域内钢丝绳的毛刺位置和方向
。
[0006]一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如上述所述的电梯钢丝绳毛刺的非接触自动监测方法
。
[0007]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开一种电梯钢丝绳毛刺的非接触自动监测方法及系统；该方法包括：获取电梯钢丝绳的图像通过无接触获取图像可以避免影响电梯正常运行；选取图像中的钢丝绳感兴趣区域；对钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域；对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域；对自适应增强处理后的钢丝绳感兴趣区域进行二值化处理，获得二值化处理后的钢丝绳感兴趣区域；对二值化处理后的钢丝绳感兴趣区域进行亚像素边缘检测，以确定目标区域和背景区域；检测背景区域内钢丝绳的毛刺位置和方向
。
本专利技术通过对无接触获取的图像进行一系列处理，可以得到钢丝绳的毛刺位置和方向，解决了现有电梯钢丝绳毛刺检测方法中现场检测困难以及漏检等难题，降低了作业人员技术水平对检测结果的影响，可实现自动检测，缩短了检测时间，提高了工作效率
。
附图说明
[0008]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，下面将对实施例中所需要使用的附图作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图
。
[0009]图1为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测方法的流程图
。
[0010]图2为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测装置的立体图
。
[0011]图3为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测装置的主视图
。
[0012]图4为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测方法的全局二维直方图
。
[0013]图5为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测方法的检测原理图
。
[0014]图6为本专利技术实施例中电梯钢丝绳毛刺的非接触自动监测方法的边缘直线示意图
。
[0015]符号说明：
1、L
型背景板；
2、
电梯钢丝绳；
3、
高速相机；
4、
可伸缩的背景板支架
。
具体实施方式
[0016]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
。
[0017]本专利技术的目的是提供一种电梯钢丝绳毛刺的非接触自动监测方法及系统，可对电梯钢丝绳的图片进行自动化处理得到电梯钢丝绳的毛刺情况，提高毛刺监测的准确性
。
[0018]为使本专利技术的上述目的
、
特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明
。
[0019]实施例1：如图1所示，本专利技术一种电梯钢丝绳毛刺的非接触自动监测方法，所述电梯钢丝绳毛刺的非接触自动监测方法包括，如下步骤
。
[0020]步骤
101
：获取电梯钢丝绳的图像，具体包括：在被测钢丝绳附近安装测试装置，达
到在不影响电梯运行的同时能够采集到钢丝绳的清晰局部连续图像，启动高速相机，获取电梯钢丝绳的图像
。
[0021]步骤
102
：选取所述图像中的钢丝绳感兴趣区域
。
[0022]步骤
103
：对所述钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域
。
[0023]步骤
104
：对形态学处理后的钢丝绳感兴趣区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电梯钢丝绳毛刺的非接触自动监测方法，其特征在于，所述电梯钢丝绳毛刺的非接触自动监测方法包括：获取电梯钢丝绳的图像；选取所述图像中的钢丝绳感兴趣区域；对所述钢丝绳感兴趣区域进行形态学处理，得到形态学处理后的钢丝绳感兴趣区域；对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域；对自适应增强处理后的钢丝绳感兴趣区域进行二值化处理，获得二值化处理后的钢丝绳感兴趣区域；对二值化处理后的钢丝绳感兴趣区域进行亚像素边缘检测，以确定目标区域和背景区域；所述目标区域为钢丝绳区域，所述背景区域为毛刺区域；检测背景区域内钢丝绳的毛刺位置和方向
。2.
根据权利要求1所述的电梯钢丝绳毛刺的非接触自动监测方法，其特征在于，对形态学处理后的钢丝绳感兴趣区域进行自适应增强处理，获得自适应增强处理后的钢丝绳感兴趣区域，具体包括：构建形态学处理后的钢丝绳感兴趣区域的全局二维直方图；全局二维直方图中的元素
f(i
，
j)
表示二维向量
(i
，
j)
出现的次数，二维向量
(i
，
j)
由像素的灰度值
i
与所述像素的邻域均值
j
构成；基于所述全局二维直方图，采用
Otsu
法获取第一最佳阈值和第二最佳阈值；所述第一最佳阈值为形态学处理后的钢丝绳感兴趣区域在灰度维度上的最佳阈值，所述第二最佳阈值形态学处理后的钢丝绳感兴趣区域在邻域灰度均值维度上的最佳阈值；基于所述第一最佳阈值和所述第二最佳阈值将所述全局二维直方图划分为第一区域
、
第二区域
、
第三区域和第四区域；所述第一区域为横坐标位于区间（0，
s
’
）和纵坐标位于区间（0，
t
’
）的区域，所述第二区域为横坐标位于区间（0，
s
’
）和纵坐标位于区间（
t
’
，
L
‑1）的区域，所述第三区域为横坐标位于区间（
s
’
，
L
‑1）和纵坐标位于区间（
t
’
，
L
‑1）的区域，所述第四区域为横坐标位于区间（
s
’
，
L
‑1）和纵坐标位于区间（0，
t
’
）的区域；
s
’
表示第一最佳阈值；
t
’
表示第二最佳阈值；
L
表示灰度级数；采用最大类间方差法计算第二区域和第四区域的全局阈值；基于第二区域的全局阈值将所述第二区域划分为噪声区域和非噪声区域；所述噪声区域为横坐标位于区间（0，
s
’
）和纵坐标位于区间（
t
’
，
t1）的区域，所述非噪声区域为横坐标位于区间（0，
s
’
）和纵坐标位于区间（
t1，
L
‑1）的区域；
t1表示第二区域的全局阈值；基于第四区域的全局阈值将所述第四区域划分为边缘区域和非边缘区域；所述边缘区域为横坐标位于区间（
s
’
，
s1）和纵坐标位于区间（0，
t
’
）的区域，所述非噪声区域为横坐标位于区间（
s1，
L
‑1）和纵坐标位于区间（0，
t
’
）的区域；
s1表示第四区域的全局阈值；将所述第二区域中的噪声区域的像素的灰度值进行中值化处理，获得中值化处理后的第二区域；基于第一区域的灰度值范围和边缘区域的灰度值范围，对所述第四区域中的边缘区域的像素的灰度值进行映射处理，获得映射处理后的第四区域；将所述第一区域
、
中值化处理后的第二区域
、
所述第三区域和映射处理后的第四区域
作为自适应增强处理后的钢丝绳感兴趣区域
。3.
根据权利要求2所述的电梯钢丝绳毛刺的非接触自动监测方法，其特征在于，基于所述全局二维直方图，采用
Otsu
法获取第一最佳阈值和第二最佳阈值，具体包括：基于所述全局二维直方图，采用
Otsu
法得到离散测度函数；取所述离散测度函数最大值时的第一阈值和第二阈值作为所述第一最佳阈值和所述第二最佳阈值
。4.
根据权利要求3所述的电梯钢丝绳毛刺的非接触自动监测方法，其特征在于，所述离散测度函数为：；其中，表示离散测度函数；表示由第一阈值
s
和第二阈值
t
划分的第一区域内所有像素的灰度值的均值；表示由第一阈值
s
和第二阈值
t
划分的第一区域内所有像素的邻域均值的均值；表示由第一阈值
s
和第二阈值...

【专利技术属性】
技术研发人员：冯金奎，庞爱平，路笃辉，邓进，王目凯，于宗营，李文波，程楠，于凤国，张宝安，
申请(专利权)人：中国特种设备检测研究院，
类型：发明
国别省市：