【技术实现步骤摘要】
本专利技术涉及智能检测，尤其涉及一种钢丝绳卷筒异常绕线检测方法。
技术介绍
1、钢丝绳卷筒是工业生产中常用的设备，其基本用途是让钢丝绳一层层整齐、规律的缠绕，用于储存和运输钢丝绳等产品，同时还可以配合起重机、卷扬机等设备使用。然而，在钢丝绳卷筒的生产和使用过程中，由于设备故障、操作不当等原因，往往会出现钢丝绳异常绕线的情况，即钢丝绳没有正确地整齐绕在卷筒上，而是出现了倾斜杂乱的绕线。这种异常绕线在短时间可能不会影响使用，但是在长时间存放、保持张紧压力时，会逐渐影响钢丝绳的强度，最严重时会导致钢丝绳在使用过程中出现断裂、损坏等问题，甚至对工作人员的安全造成威胁。
2、传统的钢丝绳卷筒异常绕线检测只能通过人工肉眼观测的方法进行，这种方式很明显在精确度上存在很大误差，也容易因为眼睛疲劳、观测角度不当等情况导致检测不准确。随着现代科技的进步，出现了各种新的检测方式，目前钢丝绳卷筒异常绕线的检测主要是基于计算机视觉的方法。先提取钢丝绳卷筒图像中的特征，如边缘、纹理等，然后利用分类算法对特征进行分类，判断绕线情况。但是现有的算法仍存在缺点：首先是深度学习方法所面临的异常数据样本量不足的问题，使其需要经过一段时间的计算机学习才能达到足够的准确度，不仅需要较长时间才能投入使用，在学习过程中使用的样本还需额外人工校准，反而浪费了人力和时间；另外，光照和天气等外部环境均会对计算机视觉的特征提取造成较大影响，从而影响检测的准确性。
技术实现思路
1、针对现有技术中所存在的不足，本专利技术提供
2、根据本专利技术的实施例，一种钢丝绳卷筒异常绕线检测方法，包括如下步骤：
3、步骤一、图像采集：输入采样率，使用图像采集设备收集图像数据，采样率不小于每秒30帧，然后输入图像分辨率，将图像分辨率调整至设定数值；
4、步骤二、目标检测：使用目标检测算法检测钢丝绳区域；
5、步骤三、图像预处理：使用图像处理技术，将目标图像处理至可以直接使用预定处理算法检测的状态；
6、步骤四、直线检测：先进行图像区域划分，形成多个网格区域，然后使用直线检测算法检测网格内的直线倾斜状况，确定其是否为异常绕线；
7、步骤五、异常判断与警报：分别计算网格中的异常绕线占比，当多个网格中出现异常绕线占比较高的情况时则判断为异常，否则判断为正常；当判断为异常时，系统会发出报警信号，提醒操作人员及时停止使用钢丝绳卷筒，并进行维修或更换。
8、优选的，所述图像采集设备包括相机、摄像机。
9、进一步的，所述步骤一还包括：模拟不同光照情况对图像进行采样，增加模型的鲁棒性。
10、进一步的，所述图像处理技术包括：
11、(1)图像去噪：使用中值滤波算法对图像进行去噪处理；
12、(2)灰度处理：使用加权平均图像每个通道的值进行灰度处理，将彩色图像转化为灰度图像；
13、(3)光照校正：使用直方图均衡化重新分布图像的像素值，使得像素值在整个灰度范围内均匀分布。
14、优选的，所述目标检测算法包括yolov8目标检测算法。
15、进一步的，所述图像区域划分包括：将钢丝绳区域平均划分成相等大小的n*n块网格区域，n≥3。
16、优选的，所述直线检测算法为lsd直线检测算法。
17、进一步的，所述lsd直线检测算法具体为：计算图像中每个像素点的梯度值与方向，得到一个水平线场，然后根据梯度值大小进行排序，保留梯度值大于ρ的像素点，计算相邻像素点梯度方向的夹角，小于最大容忍度r的像素点水平线连通形成支持域，对支持域做最小外接矩形，统计矩形中的像素水平线角度与矩形主方向角度差在容忍度r内像素点的个数，数量如果小于阈值d则截断矩形，若数量大于阈值d，则还需进行检查，直到该支持域中像素点的水平线梯度值都大于ρ，那么这段外接矩形即为直线检测的结果。
18、进一步的，在进行异常判断时，计算网格区域内直线斜率，统计划分区域正常斜率钢丝绳数量，计算异常斜率直线占比，当多个网格出现异常占比较高且网格区域之间存在横向、纵向、斜向、或者十字等连通结构时则判断为异常，否则判断为正常。
19、进一步的，通过计算网格区域内直线斜率进行异常判断时，设定n0和n1代表异常斜率钢丝绳数量和正常斜率钢丝绳数量，m代表区域划分个数，具体计算方式如下：
20、异常斜率直线占比
21、正常斜率直线占比
22、当异常斜率直线占比pa大于设定阈值时，则认为该图像中出现异常斜率直线占比的网格数量较高，结果判定为异常，发出报警信号，默认阈值为5-15％，。
23、相比于现有技术，本专利技术具有如下有益效果：
24、1、本专利技术通过使用目标检测与直线检测算法进行钢丝绳异常绕线的检测，避免了使用深度学习分类方法所面临的异常数据样本量不足的问题，从而节约了计算机学习的时间，提高了工作效率；与此同时，本专利技术不仅不需要进行样本的学习，还可以针对不同种类的钢丝绳卷筒产品直接使用，不需要进行适应性调整，适用范围更广；
25、2、本方法能够克服钢丝绳卷筒绕线环境复杂多变的情况，在不同光照、天气干扰等各种条件下均能正常使用，提高了绕线检测的准确性和效率，进一步提高钢丝绳卷筒异常绕线检测的准确率和实时性；
26、3、通过本方法，可以实现对钢丝绳卷筒的异常绕线进行快速、准确的检测，及时发现和解决问题，提高生产效率和产品质量，对于提高钢丝绳卷筒生产过程中的质量控制和安全性具有重要意义。
本文档来自技高网...【技术保护点】
1.一种钢丝绳卷筒异常绕线检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：所述图像采集设备包括相机、摄像机。
3.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述步骤一还包括：模拟不同光照情况对图像进行采样，增加模型的鲁棒性。
4.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述图像处理技术包括：
5.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：所述目标检测算法包括YOLOv8目标检测算法。
6.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述图像区域划分包括：将钢丝绳区域平均划分成相等大小的N*N块网格区域，N≥3。
7.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述直线检测算法为LSD直线检测算法。
8.如权利要求7所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述LSD直线检测算法具体为：计算图像中每个像素点的梯度值与方向，得到一个水平线场，
9.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：在进行异常判断时，计算网格区域内直线斜率，统计划分区域正常斜率钢丝绳数量，计算异常斜率直线占比，当多个网格出现异常占比较高且网格区域之间存在横向、纵向、斜向、或者十字等连通结构时则判断为异常，否则判断为正常。
10.如权利要求9所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：通过计算网格区域内直线斜率进行异常判断时，设定N0和N1代表异常斜率钢丝绳数量和正常斜率钢丝绳数量，M代表区域划分个数，具体计算方式如下：
...【技术特征摘要】
1.一种钢丝绳卷筒异常绕线检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：所述图像采集设备包括相机、摄像机。
3.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述步骤一还包括：模拟不同光照情况对图像进行采样，增加模型的鲁棒性。
4.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述图像处理技术包括：
5.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于：所述目标检测算法包括yolov8目标检测算法。
6.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述图像区域划分包括：将钢丝绳区域平均划分成相等大小的n*n块网格区域，n≥3。
7.如权利要求1所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述直线检测算法为lsd直线检测算法。
8.如权利要求7所述的一种钢丝绳卷筒异常绕线检测方法，其特征在于，所述lsd直线检测算法具体...
【专利技术属性】
技术研发人员：孙翠翠，聂道静，高钰敏，刘艳，李彬，瞿朋，施昌平，黄海波，赵有云，严书桃，
申请(专利权)人：湖北微特传感物联研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。