[发明专利]一种钢丝绳磨损的检测方法及装置

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种钢丝绳磨损的检测方法及装置。

背景技术

钢丝绳由若干根钢股螺旋缠绕而成，而每根钢股又是由钢丝缠绕而成，其中对外不可见的钢股又称为内芯。

在工业厂矿或者建筑行业，钢丝绳作为传输或者吊装工具应用广泛，但在使用过程中，钢丝绳会逐渐磨损，为了保证使用的安全性，会对钢丝绳定期的作磨损检测，以便于对钢丝绳进行及时的更换，避免在生产过程中产生安全事故。

现有的钢丝绳的磨损检测包括人工目测和无损探伤检测两大类。人工目测是工作人员定期以肉眼观测钢丝绳是否有损伤。此种方法简便易行，但劳动强度大，效率低下，精度不高；

无损探伤是利用射线、超声波、光学和磁检测法对钢丝绳进行检测，其检测精度和正检率高，但此种方法设备复杂，成本高昂贵。

因此，现有技术还有待发展。

发明内容

本发明实施例提供一种钢丝绳磨损的检测方法，旨在解决现有钢丝绳检测技术中人工检测劳动强度大，效率低下，精度不高，无损探伤检测设备复杂，成本高昂贵的问题。

本发明实施例是这样实现的，一种钢丝绳磨损的检测方法，

其中，所述方法包括下述步骤：

获取待检测钢丝绳的初始处理图像；

对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；

识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；

对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；

依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；

所述磨损评估数W的计算公式为：

W＝ABS(S-b)/(b-a)*100％；

其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。

进一步的，所述识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线采用K-means聚类算法识别。

进一步的，所述斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；

其对应熵值S公式为：

当采用平均值统计时，S＝(K1+K2+K3+…+Kn)/n；

或

当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。

进一步的，所述钢股线的斜率的获取包括下述步骤：

在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；

依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。

进一步的，所述待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。

本发明实施例还提供一种钢丝绳磨损的检测装置，其中，所述装置包括：

初始图像获取模块，用于获取待检测钢丝绳的初始处理图像；

边缘检测模块，用于对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；

分类识别模块，用于识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；

混乱度统计模块，用于对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；

磨损评估数生成模块，用于依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；

所述磨损评估数W的计算公式为：

W＝ABS(S-b)/(b-a)*100％；

其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。

进一步的，所述分类识别模块采用采用K-means聚类算法识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线。

进一步的，所述混乱度统计模块中斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；

其对应熵值S公式为：

当采用平均值统计时，S＝(K1+K2+K3+…+Kn)/n；

或