[发明专利]一种基于金属光泽区域的钢丝绳缺陷检测方法

说明书

本发明公开了一种基于金属光泽区域的钢丝绳缺陷检测方法，先利用白色强光从摄像头所在的同一径向照射钢丝绳，在保证钢丝绳的表面有充分的反射光下拍摄多组原图像，再对原图像依次进行预处理获取二值化图像，然后对二值化图像进行光泽区域边缘提取与形态学处理，从而提取出三维的特征向量构成特征向量集，最后基于特征向量集对待检测的钢丝绳进行缺陷检测。

技术领域

本发明属于钢丝绳无损检测技术领域，更为具体地讲，涉及一种基于金属光泽区域的钢丝绳缺陷检测方法。

背景技术

钢丝绳在工业中有着重要的应用，比如在电梯运输、货物提升以及建筑物固定等。钢丝绳的结构的稳定性很大程度上影响着系统的安全性与可靠性。然而，钢丝绳在使用过程中常常会出现各种结构性损伤，比如断丝、磨损、锈蚀等。这些钢丝绳上的缺陷会导致钢丝绳在使用过程中有断裂的风险，从而可能威胁到人的生命安全。因此，定期检测钢丝绳并及时发现其上的缺陷是很有必要的。

人眼观察识别钢丝绳上的缺陷具有随机性高，容易受钢丝绳表面油污影响等不足。为了克服这一问题，目前磁检测法作为具有较好的可靠性和较高的检测成功率的检测技术而被广泛用于工业场景中的钢丝绳缺陷检测。然而磁检测技术具有设备价格较高，且技术上受限于提离值效应、检测速度等影响。因此很多新兴技术正尝试用于钢丝绳缺陷检测，比如超声传导检测法、涡流检测法以及计算机视觉法。

随着计算机视觉技术的发展，通过模式识别来检测钢丝绳表面的缺陷在近年来受到了广泛关注。在钢丝绳计算机视觉检测方法中，关键的一步就是提取钢丝绳表面的特征并对特征数据集进行维数缩减，从而构造出能够用于机器学习分类的特征数据集。对钢丝绳表面纹理的特征提取方法有局部二进制模式(LBP)、灰度共生矩阵(GLCM)以及方向梯度直方图(HOG)，但是LBP方法存在缺陷特征和正常部分特征区分不显著，GLCM方法存在计算量大，计算复杂度高等问题，HOG算子存在特征向量维数较高等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于金属光泽区域的钢丝绳缺陷检测方法，通过结合光泽区域边缘附近的梯度反映的信息和光泽区域形状反映的信息来对钢丝绳进行缺陷识别及分类。

为实现上述发明目的，本发明一种基于金属光泽区域的钢丝绳缺陷检测方法，其特征在于，包括以下步骤：

(1)、图像采集；

(1.1)、利用白色强光从摄像头所在的同一径向照射钢丝绳，保证钢丝绳的表面有充分的反射光，然后拍摄多组原图像，其中，每组原图像均包含钢丝绳及背景；

(1.2)、用Canny边缘检测算法提取每一幅原图像中的钢丝绳图像；

(2)、钢丝绳图像的切割；

在每一幅钢丝绳图像的正中央裁剪一条条状区域的图片，图片的宽度是钢丝绳图像宽度的0.2倍；

对条状区域的图片进行进一步的切割，使切割后的子图片中只包含2个或3个光泽区域，最后将这些子图片记为饱和光照图；

(3)、构建钢丝绳检测已知样本集并标记每个样本的状态；

将所有的饱和光照图构成钢丝绳检测已知样本集；在每一幅饱和光照图中，通过人工标记的方式标记每一幅饱和光照图中钢丝绳的状态，例如，包括：正常、磨损、断丝三个状态；

(4)、饱和光照图的二值化处理；

设置全局阈值的二值化划分阈值α；按照阈值α对所有的饱和光照图进行二值化处理，得到二值化图像；

(5)、光泽区域边缘提取与形态学处理

(5.1)、对每一幅二值化图像用半径为1像素的模板进行腐蚀，得到边界腐蚀图像，再用二值化图像减去边界腐蚀图像，得到被腐蚀区域，最后将被腐蚀区域作为饱和光照图的光泽区域边缘；