[发明专利]基于目标检测算法的钢绳表面缺陷识别方法

说明书

本发明公开了一种基于目标检测算法的钢绳表面缺陷识别方法，步骤包括：步骤1、实时图像采集；步骤2、DeblurGAN钢绳去运动模糊模型，将实时采集的钢绳模糊图片，利用DeblurGAN去运动模糊网络得到去运动模糊后的钢绳生成图片；步骤3、构建钢绳表面缺陷目标检测模型，钢绳表面缺陷目标监测模型采用Mobilenet+FPN轻量级目标检测网络结构，去运动模糊处理后的钢绳生成图片，通过钢绳表面缺陷目标检测模型，实现对钢绳表面缺陷的目标检测，输出为检测到的钢绳表面缺陷。本发明方法将图像的目标检测算法应用于钢绳表面缺陷的在线检测，实现了对同时存在多种缺陷的钢绳检测；检测的准确性及检测效率高。

技术领域

本发明属于机械零部件状态检测与智能诊断技术领域，涉及一种基于目标检测算法的钢绳表面缺陷识别方法。

背景技术

钢绳具有抗拉强度和抗疲劳强度高、工作平稳可靠、承受过载能力强、高速运行条件下卷扬噪声小等优点，在冶金、建筑、旅游、交通运输、港口码头、石油钻探等许多工业领域有着广泛应用。由于钢绳的损伤程度与承载能力直接相关，为了避免因钢绳损伤造成事故，需要对钢绳的状态进行实时有效的在线检测。常用的钢绳在线检测方法是磁检测方法，但由于钢绳损伤缺陷相对于钢绳本身是十分微小的，且钢绳一般用于大型起重设备，大功率电机存在强电磁干扰，导致磁检测误差较大。

随着人工智能、机器视觉的发展，通过视觉图像识别检测钢绳状态具有较好的前景。图像分类与目标检测是计算机视觉领域的两大主要任务。图像分类模型是将图像划分为单个类别，但是现实世界的很多图片通常包含不只一个类别的目标，此时如果使用图像分类模型为图像分配一个单一标签其实是非常粗糙的，并不准确。对于这样的情况，就需要目标检测网络模型，目标检测网络模型可以识别一张图片的多个目标，并可以对不同目标定位。现有的钢绳状态图像识别方法都采用了图像分类模型，将实时采样的钢绳图片按照健康、磨损和断丝的不同程度进行分类识别。如中国发明专利“一种基于LBP特征的钢丝绳表面损伤智能检测方法及系统”(公开号CN 109859170 A，公开日20190607)，其中将钢绳的状态分为健康、磨损和断丝三类，采用机器学习的分类方法，通过人工提取特征训练分类器，进而对钢绳的状态进行在线检测；中国发明专利“一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统”(公开号CN 110930357 A，公开日20200327)则采用了深度学习的的分类网络对钢绳的健康、磨损和断丝三种状态进行分类识别。然而，考虑到钢绳的缺陷有断丝、磨损、腐蚀和变形等多种类型，实际采集的钢绳图片可能有多种缺陷同时存在，这时采用分类识别的方法就容易出现误识别，影响了在线监控的准确性。

发明内容

本发明的目的是提供一种基于目标检测算法的钢绳表面缺陷识别方法，解决了现有技术分类识别方法对同时存在多种缺陷的钢绳复杂状态不能进行识别，在线检测的准确性明显不足的问题。

本发明所采用的技术方案是，一种基于目标检测算法的钢绳表面缺陷识别方法，按照以下步骤具体实施：

步骤1、实时图像采集；

步骤2、DeblurGAN钢绳去运动模糊模型，

将实时采集的钢绳模糊图片I_m，利用DeblurGAN去运动模糊网络得到去运动模糊后的钢绳生成图片O_m；

步骤3、构建钢绳表面缺陷目标检测模型，

钢绳表面缺陷目标监测模型采用Mobilenet+FPN轻量级目标检测网络结构，

去运动模糊处理后的钢绳生成图片O_m，通过钢绳表面缺陷目标检测模型，实现对钢绳表面缺陷的目标检测，输出为检测到的钢绳表面缺陷。