一种基于机器视觉的电梯钢丝绳检测方法
文献发布时间:2023-06-19 09:40:06
技术领域
本发明涉及电梯领域,特别涉及一种基于机器视觉的电梯钢丝绳检测方法。
背景技术
钢丝绳作为电梯系统的重要组成部分,在使用过程中会受到各种应力、摩擦和腐蚀等损伤,造成钢丝绳产生疲劳、断丝和磨损。传统的钢丝绳人工检测方法存在效率低、主观影响大等缺点从而导致电梯钢丝绳缺陷不能及时准确的发现,给人民生命安全带来了极大隐患。因此,对钢丝绳表面缺陷进行快速准确的检测具有十分重大的现实意义。
发明内容
本发明所要解决的技术问题是提供一种基于机器视觉的电梯钢丝绳检测方法,以解决现有技术中导致的上述多项缺陷。
为实现上述目的,本发明提供以下的技术方案:一种基于机器视觉的电梯钢丝绳检测方法,包括如下步骤:
(1)图像采集和预处理
首先利用CCD工业摄像机对目标图像进行采集,再对原始图像进行预处理,获取灰度图像,所述图像预处理包括图像处理、图像分析和图像理解;
(2)图像滤波降噪
接着对预处理获取的灰度图像运用滤波算法对其进行运算,得到所需图像,所述滤波算法为中值滤波法;
(3)图像曲面投影校正
接着对滤波降噪后的图像进行插值展开,得到钢丝绳图像,所述插值展开的方法为先定义投影面的曲率,然后计算出投影面与投影屏幕仪空间的几何关系及其变换矩阵;最后对投影的图像进行分割,提取出角点信息与计算出的曲面控制点信息进行矩阵运算,产生非线性几何变形的投影图像;
(4)图像纹理特征提取
接着从钢丝绳图像中提取能反映缺陷纹理性质并且稳定的特征,即边缘检测问题;
(5)图像边缘检测
通过引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值,然后再对其进行运算,最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线;
(6)缺陷分类识别
利用神经网络来对钢丝绳进行判断,将提取的纹理特征值作为神经网络的输入,通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断处理,得到最后结果。
优选的,所述步骤(1)中图像理解分为两个阶段,为图像的象素处理和图像的锐化处理。
优选的,所述图像的象素处理为首先在原始图像中创建一个位置图,然后针对目标图编写一个目标函数,此目标函数对位置图进行函数操作,获取一行指针,需要多次操作形成矩阵,最后对目标矩阵进行每一列的扫描,得到这个位置图像象素的灰度值。
优选的,所述图像的锐化处理为利用计算机算法增强图像边缘的灰度跳变部分。
优选的,所述步骤(2)中中值滤波法的过程为首先假设一维序列f1,f2....fn,取该窗口长度为m,然后对假定的一维序列进行中值滤波,然后在此一维序列中连续抽取几组目标元素的灰度值 fi-1,fi-2...fi..fi+1..fi+v,其中fi为窗口中心点值, y=(m-1)/2。然后将这m个数值进行由大到小的排序,取中间元素的灰度值作为滤波输出,这个数即为中值。
优选的,所述步骤(2)中中值滤波法的计算公式为
yi=med{fi-v,...fi-1,fi,fi+1,...fi+v},其中i∈z,v=(m-1)/2。
优选的,所述步骤(5)中运算为高斯平滑运算、求导运算。
优选的,所述步骤(6)中判断处理的次数为1-3次。
采用以上技术方案的有益效果是:本发明提供了一种基于机器视觉的电梯钢丝绳检测方法,该系统针对钢丝绳表面的特点,通过高清晰度照相机将电梯钢丝绳样本转化为数字信号,实时地将钢丝绳表面的图像数据传送到图像处理模块中,根据电梯钢丝绳表面图像特点,研究图像采集、灰度转化等图像预处理技术,通过对各种滤波算法进行实验对比,选出最佳的算法对检测环境所造成图像噪声进行降噪,并通过插值技术实现钢丝绳曲面校正。在钢丝绳表面缺陷判断上,采用灰度共生矩阵参数提取图像纹理特征,利用神经网络对钢丝绳缺陷进行判别,具有广阔的市场前景。
附图说明
图1为一种基于机器视觉的电梯钢丝绳检测方法的技术路线图。
具体实施方式
下面详细说明本发明的优选实施方式。
一种基于机器视觉的电梯钢丝绳检测方法,包括如下步骤:
(1)图像采集和预处理
首先利用CCD工业摄像机对目标图像进行采集,再对原始图像进行预处理,获取灰度图像,所述图像预处理包括图像处理、图像分析和图像理解,所述图像理解分为两个阶段,为图像的象素处理和图像的锐化处理,所述图像的象素处理为首先在原始图像中创建一个位置图,然后针对目标图编写一个目标函数,此目标函数对位置图进行函数操作,获取一行指针,需要多次操作形成矩阵,最后对目标矩阵进行每一列的扫描,得到这个位置图像象素的灰度值,所述图像的锐化处理为利用计算机算法增强图像边缘的灰度跳变部分;
(2)图像滤波降噪
接着对预处理获取的灰度图像运用滤波算法对其进行运算,得到所需图像,所述滤波算法为中值滤波法,所述中值滤波法的过程为首先假设一维序列f1,f2....fn,取该窗口长度为m,然后对假定的一维序列进行中值滤波,然后在此一维序列中连续抽取几组目标元素的灰度值fi-1,fi-2...fi..fi+1..fi+v,其中fi为窗口中心点值, y=(m-1)/2。然后将这m个数值进行由大到小的排序,取中间元素的灰度值作为滤波输出,这个数即为中值,所述步骤(2)中中值滤波法的计算公式为;
yi=med{fi-v,...fi-1,fi,fi+1,...fi+v},其中i∈z,v=(m-1)/2。
(3)图像曲面投影校正
接着对滤波降噪后的图像进行插值展开,得到钢丝绳图像,所述插值展开的方法为先定义投影面的曲率,然后计算出投影面与投影屏幕仪空间的几何关系及其变换矩阵;最后对投影的图像进行分割,提取出角点信息与计算出的曲面控制点信息进行矩阵运算,产生非线性几何变形的投影图像;
(4)图像纹理特征提取
接着从钢丝绳图像中提取能反映缺陷纹理性质并且稳定的特征,即边缘检测问题;
(5)图像边缘检测
通过引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值,然后再对其进行运算,最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线,所述运算为高斯平滑运算、求导运算;
(6)缺陷分类识别
利用神经网络来对钢丝绳进行判断,将提取的纹理特征值作为神经网络的输入,通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断处理,得到最后结果,所述判断处理的次数为2次。
本发明提供一种基于机器视觉的电梯钢丝绳检测方法,该系统针对钢丝绳表面的特点,通过高清晰度照相机将电梯钢丝绳样本转化为数字信号,实时地将钢丝绳表面的图像数据传送到图像处理模块中,根据电梯钢丝绳表面图像特点,研究图像采集、灰度转化等图像预处理技术,通过对各种滤波算法进行实验对比,选出最佳的算法对检测环境所造成图像噪声进行降噪,并通过插值技术实现钢丝绳曲面校正。在钢丝绳表面缺陷判断上,采用灰度共生矩阵参数提取图像纹理特征,利用神经网络对钢丝绳缺陷进行判别,具有广阔的市场前景。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
- 一种基于机器视觉的电梯钢丝绳检测方法
- 一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法