一种基于计算机视觉的法兰管内径检测方法技术

本发明专利技术公开了一种基于计算机视觉的法兰管内径检测方法，所述法兰管内径检测方法包括法兰管区域检测和法兰管内径检测，所述法兰管内径检测包括预处理

【技术实现步骤摘要】
一种基于计算机视觉的法兰管内径检测方法


[0001]本专利技术属于针对法兰管自动连接应用
，具体涉及一种基于计算机视觉的法兰管内径检测方法
。

技术介绍

[0002]法兰管是一种用于连接管道
、
阀门和设备的管件，通常由金属制成，它具有圆形截面和两端的法兰盘，法兰盘上有螺孔，可以用螺栓将两个法兰盘连接在一起，形成紧密连接，法兰管的主要作用是连接和密封管道系统中的部件，能够安全
、
可靠地传输流体和气体；此外，法兰管还方便拆卸和更换管道系统的部件，以进行维修
、
清洁或更换，它广泛应用于石油和天然气
、
化工
、
电力
、
制药
、
食品和饮料等行业
。
[0003]为了提高上述行业的生产效率，通常需要实现对法兰管的自动连接和拆卸，因此法兰管的智能识别和内径检测是实现法兰管自动连接的关键技术，而传统法兰管检测方法包括光学测量法和声学检测方法，其中光学测量法可以利用激光测距仪
、
光学投影仪等法兰管进行非接触式测量；而声学检测利用超声波对法兰管内部进行扫描，实现内径的测量与识别
。
但上述方法往往精度不高，且所需设备成本较高，难以适用于高精度
、
低成本要求下的法兰管自动连接应用场景
。
[0004]本专利技术提出一种基于计算机视觉的法兰管内径检测方法，可以很好地满足高精度和低成本的法兰管检测应用需求
。/>
技术实现思路

[0005]针对上述
技术介绍
所提出的问题，本专利技术的目的是：旨在提供一种基于计算机视觉的高精度
、
低成本的法兰管内径检测方法
。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种基于计算机视觉的法兰管内径检测方法，所述法兰管内径检测方法包括法兰管区域检测和法兰管内径检测，所述法兰管内径检测包括预处理
、
椭圆检测
、
椭圆剔除和内径选择，其中所述法兰管区域检测主要利用深度学习目标检测方法对法兰管进行目标检测，而所述法兰管内径检测则在已检测到的法兰管区域检测所述法兰管内径，所述法兰管内径检测方法采用基于深度学习的目标检测方法
yolo_v5
作为法兰管网络模型，其具体为，利用大量包含已标注的法兰管图像进行法兰管检测网络的训练，其中采用矩形框对法兰管目标区域进行标注；
[0008]法兰管内径检测方法还包括：
[0009]步骤一：
[0010]第1步：通过相机采集所有包含法兰管的图像，并输出为包含法兰管的矩形区域；
[0011]第2步：利用所述法兰管网络模型进行法兰管区域检测，如果没有检测到法兰管，则返回第1步，采集下一张法兰管图像，如果检测到有法兰管则输出法兰管矩形区域坐标位置和矩形区域长宽，之后执行第3步，其中法兰管矩形区域坐标位置为
(x
，
y)
，矩形区域长宽
为
(w
，
h)
；
[0012]步骤二：
[0013]第3步：对法兰管区域图像进行裁剪，并采用
Sobel
算子进行预处理，输出预处理之后的图像，所述
Sobel
算子法兰管区域图像进行水平和垂直方向的梯度处理，获得横向和纵向的边界信息，其具体过程如下：
[0014]将法兰管区域的原始图像转化为灰度图像；
[0015]对灰度图像进行高斯滤波，以减少图像噪声的影响；
[0016]在此基础上，利用
Sobel
算子在横向和纵向上进行卷积，得到各像元的梯度；
[0017](4)
根据计算得到的梯度值，计算每个像素点的梯度方向和大小
。
[0018]第4步：利用基于弧的线段检测方法对椭圆进行检测，输出候选椭圆集，此步骤为椭圆检测；
[0019]所述椭圆检测具体方法为：
[0020]设输出的候选椭圆集表示为
C{c1,c2,...,c
N
},
其中
c
i
,i
＝
1,2,...,N.
表示第
i
个椭圆，每个椭圆由长轴
a
i
、
短轴
b
i
、
水平方向位移
h
i
、
垂直方向位移
k
i
和旋转角
θ
i
表示，即每个候选椭圆
c
i
＝
{a
i
，
b
i
，
h
i
，
k
i
，
θ
i
}。
[0021]步骤三：
[0022]第5步：通过比较椭圆长轴和短轴张成的矩形面积与法兰管区域面积，剔除较小候选椭圆，形成新的候选椭圆集；
[0023]第6步：针对第4步输出的新候选椭圆集中椭圆公式，计算各椭圆边界点水平坐标最小值和最大值，在该坐标范围内利用大抽头滤波器计算椭圆上边界垂直方向梯度，并求取各椭圆上边界的平均梯度；
[0024]具体过程为：对于每个候选椭圆
c
i
，首先利用椭圆公式计算椭圆边界点水平坐标的最小值和最大值，分别表示为和在范围内计算对应的上边界点坐标，即垂直坐标更大的点，以上边界点为中心计算垂直方向梯度；
[0025]考虑到边界线内部和外部均为平滑区域，因此利用抽头数较大
、
权重相等的滤波器计算梯度，滤波器抽头数取值范围可在5到
21
之间，经过滤波器计算各点的梯度之后，再计算所有边界点的平均梯度并作为该椭圆的上边界梯度值
。
[0026]第7步：选择具有最大上边界平均梯度的椭圆作为法兰管的内径，完成椭圆内径检测
。
[0027]进一步限定，当所述抽头数为
11
时，滤波器表示为
F
＝
{1
，1，1，1，1，0，
‑1，
‑1，
‑1，
‑1，
‑
1}
T
。
[0028]进一步限定，所述第5步中，剔除较小候选椭圆的方法为自适应阈值方法，其具体过程为：
[0029]椭圆的主轴
a
i
和短轴
b
i
形成的矩形与法兰管检测区域矩形进行比较，当椭圆形成的矩形面积小于
β
倍法兰管检测区域矩形面积时，则剔除该椭圆，表示为：
[0030]a
i2
+b
i2
＜
β
(w2+h2)
，
[0031]其中0＜
β本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于计算机视觉的法兰管内径检测方法，其特征在于：所述法兰管内径检测方法包括法兰管区域检测和法兰管内径检测，所述法兰管内径检测包括预处理
、
椭圆检测
、
椭圆剔除和内径选择，其中所述法兰管区域检测主要利用深度学习目标检测方法对法兰管进行目标检测，而所述法兰管内径检测则在已检测到的法兰管区域检测所述法兰管内径，所述法兰管内径检测方法采用基于深度学习的目标检测方法
yolo_v5
作为法兰管网络模型，其具体为，利用大量包含已标注的法兰管图像进行法兰管检测网络的训练，其中采用矩形框对法兰管目标区域进行标注；法兰管内径检测方法还包括：步骤一：第1步：通过相机采集所有包含法兰管的图像，并输出为包含法兰管的矩形区域；第2步：利用所述法兰管网络模型进行法兰管区域检测，如果没有检测到法兰管，则返回第1步，采集下一张法兰管图像，如果检测到有法兰管则输出法兰管矩形区域坐标位置和矩形区域长宽，之后执行第3步，其中法兰管矩形区域坐标位置为
(x
，
y)
，矩形区域长宽为
(w
，
h)
；步骤二：第3步：对法兰管区域图像进行裁剪，并采用
Sobel
算子进行预处理，输出预处理之后的图像，所述
Sobel
算子法兰管区域图像进行水平和垂直方向的梯度处理，获得横向和纵向的边界信息，其具体过程如下：
(1)
将法兰管区域的原始图像转化为灰度图像；
(2)
对灰度图像进行高斯滤波，以减少图像噪声的影响；
(3)
在此基础上，利用
Sobel
算子在横向和纵向上进行卷积，得到各像元的梯度；
(4)
根据计算得到的梯度值，计算每个像素点的梯度方向和大小；第4步：利用基于弧的线段检测方法对椭圆进行检测，输出候选椭圆集，此步骤为椭圆检测；所述椭圆检测具体方法为：设输出的候选椭圆集表示为
C
＝
{c1，
c2，
...
，
c
N
}
，其中
c
i
，
i
＝1，2，
...
，
N.
表示第
i
个椭圆，每个椭圆由长轴
a
i
、
短轴
b
i
、
水平方向位移
h
i

【专利技术属性】
技术研发人员：聂婷婷，陈红，周天源，
申请(专利权)人：无锡晨智物联科技有限公司，
类型：发明
国别省市：