[发明专利]托辊图像高效分割方法、装置、设备及存储介质

说明书

本发明实施例公开了一种托辊图像高效分割方法、装置、设备及存储介质，其中，所述托辊图像高效分割方法，采用聚类算法将托辊图像中检测到的直线依据斜率和斜率方差进行递归分类，在不知道托辊图像中值直线数据类别数量的情况下可自动完成加图像中直线的分类，为快速高效的找到托辊上下边界直线提供依据；通过将在上边界直线的平移直线上设置左右边界查找的起始点，并通过领域内直线拟合方法，不仅可有效避免干扰直线，进一步简化了左右边界直线的计算。最终在只需计算四条边界直线的交点，来确定托辊的分割区域，再采用图像掩膜的方法就可高效快速分割出图像的托辊目标区域。

技术领域

本发明涉及图像分割技术领域，尤指一种托辊图像高效分割方法、装置、设备及存储介质。

背景技术

托辊，是带式输送机的重要部件，种类多，数量大，可以支撑输送带和物料重量。它占了一台带式输送机总成本的35％，产生了70％以上的阻力，因此托辊的质量尤为重要。其有钢制和塑料两种。由此托辊作为带式输送机的基础部件，其健康状态对于确保带式输送机安全平稳运行至关重要，传统的人工巡检托辊主要通过目测、敲击和听音来辨别该托辊是否异常状态，这种方式安全性差、漏检率高、工作流程复杂、效率低下。因此，有必要研究工作于带式输送机沿线的自动巡检装置以及利用声音、温度和图像等信息对托辊实施自动监测的方法，从而代替人工巡检方式。相较声音和温度，图像能提供关于托辊姿态角度、表面锈蚀、转动顺畅等全面的工况信息，利于跟踪和提前预警可能出现故障的托辊。

目前在图像分割领域主要有基于传统图像处理技术和基于深度学习两种方法。而针对托辊，尤其是针对带式输送机的托辊图像分割方法这类专用的图像方法研究较少，其中，研究人员马宏伟、杨文娟等提出了一种基于红外图像的托辊定位分割算法，该方法基于传统的图像处理技术，采用了图像投影，连通分量处理，形态学处理等，但需额外依赖红外热成像设备，借助于红外热成像技术，无法直接分割普通摄像头采集的托辊图像，增加了成本且分割精度受限于托辊表面温度。而基于深度学习的图像语义分割方法，如He Kaiming,Gkioxari Georgia,Dollar Piotr,et al.(Mask R-CNN[J].IEEE Transactions onPattern AnalysisMachine Intelligence:1-1)提出的Mask R-CNN算法，需要采集并标准化大量用于托辊分割的图像数据集用于训练，从而来保证算法的准确性和鲁棒性，此外，基于深度学习的图像语义分割方法在部署时对硬件计算资源要求较高，如运行于NvidiaTesla M40显卡上的Mask R-CNN算法对COCO数据集中的图片分割速度仅为5fps，无法满足基于带式输送机沿线巡检装置这类低功耗计算平台的托辊图像实时分割要求。

发明内容

本发明实施例提供了一种托辊图像高效分割方法、装置、设备及存储介质，利用霍夫变换和聚类算法确定托辊的上下边界直线，根据领域内直线拟合的方法确定托辊的左右边界，可高效快速的确定图像中的托辊区域，从而完成托辊的准确分割。

本发明实施例提供了一种托辊图像高效分割方法，包括：

利用霍夫变换的方法对托辊图像提取直线条；

对所有提取出来的直线条依据其斜率特征，进行基于聚类算法的递归运算，得到若干簇线条一，再根据该若干簇线条一得到托辊的上边界直线和下边界直线；

根据得到托辊的上边界直线和下边界直线确定托辊的左右边界，并最终分割出托辊图像区域。

本发明实施例还提供一种托辊图像高效分割装置，包括：

提取模块，用于利用霍夫变换的方法对托辊图像提取直线条。

递归模块，用于对所有提取出来的直线条依据其斜率特征，进行基于聚类算法的递归运算，得到若干簇线条一，再根据该若干簇线条一得到托辊的上边界直线和下边界直线。