[发明专利]一种基于图像识别和机器学习的螺栓松弛监测方法

权利要求书

1.一种基于图像识别和机器学习的螺栓松弛监测方法，其特征在于，包括以下步骤：

S1、在被监测螺栓群附近确定图像采集器的安装点位，安装图像采集器；

S2、开启图像采集器的图像拍摄功能，分阶段随机拧松被监测螺栓群中的螺栓，摄取得到n张螺栓被拧松的螺栓群图片，n为预设样本量；

S3、对n张螺栓群图片进行图像处理与分割，提取得到螺栓群中每个螺栓的几何特征；

S4、通过螺栓群中每个螺栓的几何特征训练得到支持向量机识别模型；

S5、判断支持向量机识别模型的识别准确率是否达到预设值α，若是则进入步骤S6，否则增加预设样本量n，返回步骤S2；

S6、采用支持向量机识别模型对被监测螺栓群的松弛情况进行定时监测；

步骤S3包括以下分步骤：

S31、对螺栓群图片进行图片灰度化处理，得到灰度化图片；

S32、通过高斯滤波的方式对灰度化图片进行降噪，得到降噪后图片；

S33、基于最大类间方差法选取二值化阈值，对降噪后图片进行二值化处理，得到二值化图片；

S34、采用圆形霍夫变换对二值化图片进行提取，得到螺栓群中每个螺栓的栓头中心点；

S35、以每个螺栓的栓头中心点作为其位置特征点，通过坎尼算子进行边缘检测，分割得到每个螺栓的单个螺栓图片；

S36、采用坎尼算子对每个螺栓的单个螺栓图片进行几何特征提取，得到螺栓群中每个螺栓的几何特征；

步骤S36中每个螺栓的几何特征包括螺栓栓头轮廓线最左端到最右端的水平距离R、六角螺母轮廓线最左端到最右端的水平距离R'和螺栓栓头中心点到栓杆与螺母交界线的最短距离L；

所述步骤S6包括以下分步骤：

S61、每天通过图像采集器定时摄取被监测螺栓群的图片，并传输至远程服务器；

S62、在远程服务器中对被监测螺栓群的图片进行处理，汇总每个螺栓的几何特征并得到几何特征的平均值；

S63、将每个螺栓的几何特征及其平均值输入支持向量机识别模型进行判断，若判断某螺栓松弛或某螺栓一天中各时刻的几何特征离散度较大，则发出信号通知检修人员对该螺栓进行检修，否则将该螺栓未松弛的正常数据进行存档备份。

2.根据权利要求1所述的螺栓松弛监测方法，其特征在于，步骤S1中图像采集器的安装点位要求图像采集器在该点位拍摄画面清晰，并能完整拍摄到螺栓群中的每个螺栓。

3.根据权利要求1所述的螺栓松弛监测方法，其特征在于，步骤S4具体为：将每个螺栓的几何特征和松弛情况组成信息集，通过留一交叉验证的方式，利用所述信息集对线性支持向量机模型进行分类训练，得到支持向量机识别模型。