CN107764839A - 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 - Google Patents
一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 Download PDFInfo
- Publication number
- CN107764839A CN107764839A CN201710947201.6A CN201710947201A CN107764839A CN 107764839 A CN107764839 A CN 107764839A CN 201710947201 A CN201710947201 A CN 201710947201A CN 107764839 A CN107764839 A CN 107764839A
- Authority
- CN
- China
- Prior art keywords
- wire rope
- steel wire
- image
- section
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
Abstract
本发明公开了一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置,通过在钢丝绳周围均匀布设三个工业相机,从三个角度对移动的钢丝绳表面图像进行连续采样;由上位机对图像进行处理,得到各段钢丝绳表面三个角度的图像上两条边缘直线段之间的距离,利用标定参数将其转化成实际距离,以此判断各段钢丝绳表面三个角度上是否出现直径变化缺陷;再对图像进行断丝模板匹配,获取结果矩阵,根据各段钢丝绳表面三个角度的图像对应的结果矩阵最大值判断各段钢丝绳表面是否出现表面断丝缺陷。使用本发明代替传统的人工检测方法,效率高,能避免出现缺陷死角。
Description
技术领域
本发明涉及钢丝绳安全检测领域,尤其涉及一种基于机器视觉的钢丝绳表面缺陷检测方法及装置。
技术背景
有着“生命之线”之称的钢丝绳,是指用多股或多根细钢丝捻制而成的挠性绳索,在冶金、矿山、机械、化工、航空航天等各个领域都是不可缺少的材料或部件。由于各种原因导致钢丝绳表面磨损、划伤、锈蚀等现象,使钢丝绳在工作过程中存在着隐患,甚至发生断裂事故。
钢丝绳表面缺陷类型主要是直径变化和断丝的出现。钢丝绳直径的变化,一般体现在变形上,绳径局部增大或绳径局部减小。传统直径检测法为人工目视检测,即通过两名或以上的技术人员肉眼观察。钢丝绳断丝即绳索中有个别钢丝在绳股中断开、支出或露在绳股表面的现象,一般是检测员通过手握棉纱检测法来检测。这些缺陷检测方法需要技术人员去执行,效率低且可能出现人工疏忽。目前发明的钢丝绳表面检测装置效率较低,如专利号 (CN201610474838.3)提供了一种钢丝绳表面损伤识别及直径测量检测系统,钢丝绳先由初始端向尾端直线运动执行钢丝绳损伤的视觉识别,然后再由尾端向初始端反向运动执行钢丝绳损伤的直径检测,不能同时完成直径检测和断丝识别,需要钢丝绳往复运动一次,属于异步检测,同时该装置不能限制钢丝绳的振动、摆荡,识别结果不稳定,易受到干扰。目前使用较多的钢丝绳电磁监测装置,包含钢丝绳励磁装置和磁场检测两部分装置,相对成本较高。
以上反映出目前的检测方法与装置存在着问题,因此在复杂多样的工作环境下,高效自动化地使用机器视觉来检测钢丝绳的表面状态具有重要的实际意义。
发明内容
本发明所解决的技术问题是针对现有技术的不足,提出了一种基于机器视觉钢丝绳表面缺陷在线检测方法及装置,其目的在于检测钢丝绳表面是否存在缺陷,该方法通过工业相机进行图像采集,计算机程序进行分析处理,实现绳索表面缺陷的实时快速检测。
本发明所提供的技术方案为:
一种基于机器视觉的钢丝绳表面缺陷在线检测方法,通过均匀布设在钢丝绳周围的三个工业相机,扫描记录匀速移动的钢丝绳表面,传输给上位机,再由上位机分析和监测钢丝绳的表面状态,具体包括以下步骤:
步骤1:标定工业相机单位像素所代表的实际距离,获得距离标定参数;
步骤2:钢丝绳匀速移动,三个工业相机按照相同的时间间隔,连续从三个角度采集钢丝绳表面图像;三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像;
步骤3:对三个工业相机获取的每一张图像分别进行预处理;
步骤4:对预处理后的每一张图像分别进行阈值分割和边缘检测,并将图像中的钢丝绳边缘拟合成边缘直线段,提取每张图像中的两条边缘直线段的中点坐标,求取中点坐标间的距离,即该张图像中的两条边缘直线段之间的距离;利用步骤1获取的距离标定参数,将每一张图像中的两条边缘直线段之间的距离转换为该张图像对应的钢丝绳两条边缘的实际距离 (即钢丝绳实际直径);
步骤5:根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和 d3,判断该段钢丝绳表面是否存在直径变化缺陷:
若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例以上时,则认为该段钢丝绳表面存在直径变化缺陷,触发直径变化报警信号;否则,认为该段钢丝绳表面不存在直径变化缺陷。
进一步地,所述的基于机器视觉的钢丝绳表面缺陷在线检测方法,还包括以下步骤:事前将典型的钢丝绳表面断丝图像作为模版图像保存,将同一段钢丝绳对应的三张图像分别作为目标图像,进行模板匹配,得到三个结果矩阵,并得到三个结果矩阵中的最大元素值mV1、 mV2和mV3;若mV1、mV2和mV3三个数值有一个以上超过设定匹配阀值(该值可根据现场多次试验得到),则认为该段钢丝绳表面存在断丝缺陷,触发表面断丝报警信号;否则,认为该段钢丝绳表面不存在表面断丝缺陷。
所述的模板匹配是在目标图像上移动模板图像,采用标准平方差匹配法计算模板图像与目标图像被模板图像覆盖的区域的相似度,由目标图像上各不同区域与模板图像的相似度构建成结果矩阵,结果矩阵中最大元素值对应图像中与模板图像相似度最高的区域,若最大元素值超过设定匹配阀值,即认为该区域存在表面断丝,用矩形框标注该缺陷区域。
进一步地,所述步骤5中,设定比例为7%。根据《起重机用钢丝绳检验和报废实用规范》,只要绳索直径相较于公称直径减小或增大7%甚至以上时,就算没有发现断丝等缺陷现象,也应允以报废处理,因此本发明将比例设定为7%。
进一步地,根据mV1、mV2和mV3三个数值进一步给出监测结果,若mV1、mV2和 mV3中任意一个超过匹配阀值,则认为该段钢丝绳在对应的一个角度出现了断丝,若mV1、 mV2和mV3中有任意两个超过匹配阀值,则认为该段钢丝绳在对应的两个角度出现了断丝,若mV1、mV2和mV3都超过匹配阀值,则认为该段钢丝绳在三个角度都出现了断丝。
进一步地,根据d1、d2和d3三个数值进一步给出监测结果,若d1、d2和d3都大于钢丝绳公称直径,则认为该段钢丝绳局部笼状畸变,外层绳股与绳芯脱离;若d1、d2和d3都小于钢丝绳公称直径,则认为该段钢丝绳绳径缩细,绳芯断裂;若d1、d2和d3中有一个或两个数值小于钢丝绳公称直径,则认为该段钢丝绳局部磨损、锈蚀;若d1、d2和d3中有一个数值大于钢丝绳公称直径,两个数值小于钢丝绳公称直径,则认为该段钢丝绳绳股向一个角度挤出,局部被压扁。
所述步骤1中的标定工业相机是指通过采用工业相机对不同角度的棋盘标志物的图像进行采集,求出内参矩阵和外参矩阵,求出相机坐标和图像坐标的投射矩阵(属于本领域公知技术,opencv和matlab等都有相应代码),得到工业相机单位像素所代表的实际距离。
所述步骤3中对图像进行预处理是指使用高斯滤波对图像的噪声进行抑制;
所述步骤4中的阈值分割采用反阈值化为0的固定阈值操作(像素点的灰度值小于设定阈值的不进行任何改变,而大于设定阈值的部分,其灰度值全部变为0)。本发明中,通过采用多种固定阈值进行分割后发现,反阈值化为0操作效果最好;但是,在本发明中采用自适应阈值分割同样可行。所述边缘检测采用canny边缘检测方法;拟合边缘直线段采用霍夫变换法。
本发明还公开了一种基于机器视觉的钢丝绳表面缺陷在线检测装置,包括三个相同的工业相机、三个补光灯、三个相机安装支架、三个物距调节台和上位机;
三个工业相机以待检测的钢丝绳为中心,相互间隔120度对称布置在待检测的钢丝绳的周围,采集钢丝绳三个角度的表面图像,用于分析钢丝绳表面断丝和三个角度的直径变化;
三个工业相机分别安装在三个相机安装支架上;三个相机安装支架面向钢丝绳的一侧各装有一个补光灯;三个相机安装支架的下方各连接一个物距调节台;物距调节台采用丝杠和螺纹的配合来实现工业相机的前后物距调节;
三个工业相机与上位机通信连接(工业相机通过千兆网线连接到千兆网交换机后,再与上位机进行通信),将采集到钢丝绳三个角度的表面图像传送给上位机,上位机采用上述的方法,检测钢丝绳表面缺陷信息,并根据检测结果发出报警信息。
进一步地,所述物距调节台上还设有滑槽和滑块,采用滑槽和滑块的配合来实现工业相机的左右位置调节。
进一步地,所述的基于机器视觉的钢丝绳表面缺陷在线检测装置,还包括封装外壳,所述的封装外壳包括封装顶板、封装侧板和封装底板,物距调节台置于封装底板上,在设置和调节工业相机后,将封装侧板装上,再盖上封装顶板,将三个工业相机、三个补光灯、三个相机安装支架和三个物距调节台封装在封装外壳内,减少工作环境中对图像获取不利的因素,如灰尘、异物、光线等干扰。
进一步地,所述的基于机器视觉的钢丝绳表面缺陷在线检测装置,还包括导向装置,所述导向装置包括两个导向轮、两个支撑架和两个角度调节器;两个导向轮分别安装在两个支撑架的上方,导向轮将钢丝绳限制在三个工业相机的中心位置,限制钢丝绳的振动、摆荡等不稳定状态;两个角度调节器分别安装在两个支撑架的下部,用于调节支撑架的角度,所述支撑架底部安装在封装顶板上。
有益效果:
本发明提供了一种基于机器视觉钢丝绳表面缺陷在线检测方法及装置,该方法通过在钢丝绳周围每隔120度设置一个工业相机,对采集的三个角度的图像进行边缘直线拟合求取钢丝绳直径,判断是否出现直径变化缺陷,对采集的三个角度的图像进行断丝模板图像匹配,判断是否出现表面断丝缺陷。直径变化缺陷和表面断丝缺陷同属于钢丝绳表面缺陷,当出现钢丝绳表面缺陷时,能实时检测并发出报警信息;
具体优点如下:
(1)用该方法和装置代替传统的人工检测法,提高了检测效率,节约了劳动力成本,克服因人疲劳或疏忽漏检等不可控因素;
(2)三个图像采集装置同时工作,对钢丝绳三个角度的表面断丝和三个角度的直径变化进行持续监测,避免出现缺陷死角;
(3)设计了钢丝绳导向装置,将钢丝绳限制三个相机的中心位置,避免钢丝绳振动、摆荡等干扰因素对检测设备的影响,在工程在线检测方面更具可行性;
(4)所使用的封装外壳和补光灯保证了图像采集环境的稳定性,克服灰尘、异物、光线不足等干扰,同时所使用的在线检测方法受环境干扰影响较小,检测效果较好;可靠性高。
附图说明
图1是本发明所述装置的主视图;
图2是本发明所述工业相机布置;
图3为本发明所述的采集钢丝绳三个角度的表面;
图4是本发明所述检测方法的流程示意图;
图5为钢丝绳表面断丝缺陷图;
图6为本发明使用的棋盘标志物示意图;
图中:1-导向轮,2-支撑架,3-角度调节器;4-封装顶板;5-封装侧板;6-封装底板;7- 工业相机;8-补光灯;9-相机安装支架;10-物距调节台。
具体实施方式
下面将结合附图和实施例对本发明做进一步地说明。
如图1、图2所示,本发明公开了一种基于机器视觉的钢丝绳表面缺陷在线检测装置,包含三个工业相机7、三个补光灯8、相机安装支架9、物距调节台10、导向装置(1、2、3)、封装外壳(4、5、6)和上位机。
如图2所示,三个相同的工业相机每隔120度布置在待检测的钢丝绳的周围,如图3所示,可采集钢丝绳三个角度的表面断丝和三个角度的直径变化。工业相机安装在相机安装支架9上、相机安装支架9面向钢丝绳的一侧装有补光灯8,相机安装支架9下方连接物距调节台10,物距调节台10采用丝杠和螺纹的配合来实现相机的前后物距的调节,采用滑槽和滑块的配合相机的左右调节。物距调节台10置于封装底板6上。
如图1所示,在设置和调节工业相机后,将封装顶板4盖上,对上述设备进行封装,减少工作环境中对图像获取不利的因素,如灰尘、异物、光线不足等干扰。导向装置(1、2、3)安装在封装顶板4上,导向轮1将钢丝绳限制在三个相机的中心位置,限制钢丝绳的振动、摆荡等不稳定状态。
三个工业相机与上位机通信连接(工业相机通过千兆网线连接到千兆网交换机后,再与上位机进行通信),将采集到钢丝绳三个角度的表面图像传送给上位机;上位机采集到钢丝绳三个角度的表面图像后,采用下述的方法,获得钢丝绳表面缺陷信息,并发出报警信息;
如图4所示,本发明所述检测方法的流程示意图,包括以下步骤:
步骤1:标定工业相机单位像素所代表的实际距离,获得标定参数;
步骤2:钢丝绳匀速移动,以钢丝绳为中心,三个相同的工业相机布置在周围,按照相同的时间间隔,连续采集三个角度方向上的钢丝绳表面图像;三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像;
步骤3:对三个工业相机获取的每一张图像分别进行预处理;
步骤4:对对预处理后的图像进行阈值分割和边缘检测,并将钢丝绳边缘拟合成边缘直线段,提取两条边缘直线段的中点坐标A(x1,y1)、B(x2,y2),求取中点坐标间的距离d=[(x2-x1)2+(y2-y1)2]1/2,即两条直线段之间的距离,即该张图像中的两条边缘直线段之间的距离;利用步骤1获取的标定参数,将图像中的两条边缘直线段之间的距离转换为的该张图像对应的钢丝绳两条边缘的实际距离;
步骤5:根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和 d3,判断该段钢丝绳表面是否存在直径变化缺陷:
若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例(本实施例中,设定比例为7%)以上时,则认为该段钢丝绳表面存在直径变化缺陷,触发直径变化报警信号;否则,认为该段钢丝绳表面不存在直径变化缺陷;
根据d1、d2和d3三个数值进一步给出监测结果,若d1、d2和d3都大于钢丝绳公称直径,则认为该段钢丝绳局部笼状畸变,外层绳股与绳芯脱离;若d1、d2和d3都小于钢丝绳公称直径,则认为该段钢丝绳绳径缩细,绳芯断裂;若d1、d2和d3中有一个或两个数值小于钢丝绳公称直径,则认为该段钢丝绳局部磨损、锈蚀;若d1、d2和d3中有一个数值大于钢丝绳公称直径,两个数值小于钢丝绳公称直径,则认为该段钢丝绳绳股向一个角度挤出,局部被压扁;
步骤6:事前将典型的钢丝绳表面断丝图像作为模版图像保存,将同一段钢丝绳对应的三张图像分别作为目标图像,进行模板匹配,得到三个结果矩阵,并得到三个结果矩阵中的最大元素值mV1、mV2和mV3;若mV1、mV2和mV3三个数值有一个以上超过设定匹配阀值(该值可根据现场多次试验得到),则认为该段钢丝绳表面存在断丝缺陷,触发表面断丝报警信号;否则,认为该段钢丝绳表面不存在表面断丝缺陷。
所述的模板匹配是在目标图像上移动模板图像,采用标准平方差匹配法计算模板图像与目标图像被模板图像覆盖的区域的相似度,由目标图像上各不同区域与模板图像的相似度构建成结果矩阵,结果矩阵中最大元素值对应图像中与模板图像相似度最高的区域,若最大元素值超过设定匹配阀值,即认为该区域存在表面断丝,用矩形框标注该缺陷区域,如图5。
根据mV1、mV2和mV3三个数值进一步给出监测结果,若mV1、mV2和mV3中任意一个超过匹配阀值,则认为该段钢丝绳在对应的一个角度出现了断丝,若mV1、mV2和mV3中有任意两个超过匹配阀值,则认为该段钢丝绳在对应的两个角度出现了断丝,若mV1、 mV2和mV3都超过匹配阀值,则认为该段钢丝绳在三个角度都出现了断丝。
所述步骤1中的标定工业相机是指通过采用工业相机对不同角度的棋盘标志物的图像进行采集,如图6,求出内参矩阵和外参矩阵,求出相机坐标和图像坐标的投射矩阵,得到工业相机单位像素所代表的实际距离;
所述步骤2中对每一帧图像进行预处理是指使用高斯滤波对图像的噪声进行抑制;所述步骤3中的阈值分割采用反阈值化为0的固定阈值操作;边缘检测采用canny边缘检测方法;拟合边缘直线段采用霍夫变换法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.一种基于机器视觉的钢丝绳表面缺陷在线检测方法,其特征在于,通过均匀布设在钢丝绳周围的三个工业相机,扫描记录匀速移动的钢丝绳表面,传输给上位机,再由上位机分析和监测钢丝绳的表面状态,具体包括以下步骤:
步骤1:标定工业相机单位像素所代表的实际距离,获得距离标定参数;
步骤2:钢丝绳匀速移动,三个工业相机按照相同的时间间隔,连续从三个角度采集钢丝绳表面图像;三个工业相机同一时间采集的三张图像为同一段钢丝绳三个角度的图像;
步骤3:对三个工业相机获取的每一张图像分别进行预处理;
步骤4:对预处理后的每一张图像分别进行阈值分割和边缘检测,并将图像中的钢丝绳边缘拟合成边缘直线段,提取每张图像中的两条边缘直线段的中点坐标,求取中点坐标间的距离,即该张图像中的两条边缘直线段之间的距离;利用步骤1获取的距离标定参数,将每一张图像中的两条边缘直线段之间的距离转换为该张图像对应的钢丝绳两条边缘的实际距离;
步骤5:根据同一段钢丝绳对应的三张图像对应的钢丝绳两条边缘的实际距离d1、d2和d3,判断该段钢丝绳表面是否存在直径变化缺陷:
若d1、d2和d3三个数值有一个以上相较于钢丝绳公称直径减小或增大设定比例以上时,则认为该段钢丝绳表面存在直径变化缺陷,触发直径变化报警信号;否则,认为该段钢丝绳表面不存在直径变化缺陷。
2.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法,其特征在于,还包括以下步骤:事前将典型的钢丝绳表面断丝图像作为模版图像保存,将同一段钢丝绳对应的三张图像分别作为目标图像,进行模板匹配,得到三个结果矩阵,并得到三个结果矩阵中的最大元素值mV1、mV2和mV3;若mV1、mV2和mV3三个数值有一个以上超过设定匹配阀值,则认为该段钢丝绳表面存在断丝缺陷,触发表面断丝报警信号;否则,认为该段钢丝绳表面不存在表面断丝缺陷。
3.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法,其特征在于,所述步骤5中,设定比例为7%。
4.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法,其特征在于,根据mV1、mV2和mV3三个数值进一步给出监测结果,若mV1、mV2和mV3中任意一个超过匹配阀值,则认为该段钢丝绳在对应的一个角度出现了断丝,若mV1、mV2和mV3中有任意两个超过匹配阀值,则认为该段钢丝绳在对应的两个角度出现了断丝,若mV1、mV2和mV3都超过匹配阀值,则认为该段钢丝绳在三个角度都出现了断丝。
5.根据权利要求1所述的基于机器视觉的钢丝绳表面缺陷在线检测方法,其特征在于,根据d1、d2和d3三个数值进一步给出监测结果,若d1、d2和d3都大于钢丝绳公称直径,则认为该段钢丝绳局部笼状畸变,外层绳股与绳芯脱离;若d1、d2和d3都小于钢丝绳公称直径,则认为该段钢丝绳绳径缩细,绳芯断裂;若d1、d2和d3中有一个或两个数值小于钢丝绳公称直径,则认为该段钢丝绳局部磨损、锈蚀;若d1、d2和d3中有一个数值大于钢丝绳公称直径,两个数值小于钢丝绳公称直径,则认为该段钢丝绳绳股向一个角度挤出,局部被压扁。
6.一种基于机器视觉的钢丝绳表面缺陷在线检测装置,其特征在于,包含三个相同的工业相机、三个补光灯、三个相机安装支架、三个物距调节台和上位机;
三个工业相机以待检测的钢丝绳为中心,相互间隔120度对称布置在待检测的钢丝绳的周围,采集钢丝绳三个角度的表面图像;
三个工业相机分别安装在三个相机安装支架上;三个相机安装支架面向钢丝绳的一侧各装有一个补光灯;三个相机安装支架的下方各连接一个物距调节台;物距调节台采用丝杠和螺纹的配合来实现工业相机的前后物距调节;
三个工业相机与上位机通信连接,将采集到钢丝绳三个角度的表面图像传送给上位机,上位机采用权利要求1~5中任一项所述的方法,检测钢丝绳表面缺陷信息,并根据检测结果发出报警信息。
7.根据权利要求6所述的基于机器视觉的钢丝绳表面缺陷在线检测装置,其特征在于,所述物距调节台上还设有滑槽和滑块,采用滑槽和滑块的配合来实现工业相机的左右位置调节。
8.根据权利要求6所述的基于机器视觉的钢丝绳表面缺陷在线检测装置,其特征在于,还包括封装外壳,所述的封装外壳包括封装顶板、封装侧板和封装底板,物距调节台置于封装底板上,在设置和调节工业相机后,将封装侧板装上,再盖上封装顶板,将三个工业相机、三个补光灯、三个相机安装支架和三个物距调节台封装在封装外壳内。
9.根据权利要求8所述的基于机器视觉的钢丝绳表面缺陷在线检测装置,其特征在于,还包括导向装置,所述导向装置包括两个导向轮、两个支撑架和两个角度调节器;两个导向轮分别安装在两个支撑架的上方,导向轮将钢丝绳限制在三个工业相机的中心位置;两个角度调节器分别安装在两个支撑架的下部,用于调节支撑架的角度,所述支撑架底部安装在封装顶板上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710947201.6A CN107764839B (zh) | 2017-10-12 | 2017-10-12 | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710947201.6A CN107764839B (zh) | 2017-10-12 | 2017-10-12 | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107764839A true CN107764839A (zh) | 2018-03-06 |
CN107764839B CN107764839B (zh) | 2020-05-05 |
Family
ID=61267291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710947201.6A Active CN107764839B (zh) | 2017-10-12 | 2017-10-12 | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107764839B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108685158A (zh) * | 2018-05-28 | 2018-10-23 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和系统 |
CN108956614A (zh) * | 2018-05-08 | 2018-12-07 | 太原理工大学 | 一种基于机器视觉的矿用钢丝绳动态探伤检测方法和装置 |
CN109720966A (zh) * | 2019-02-25 | 2019-05-07 | 北京鼎原电梯安装有限公司 | 一种电梯检修工艺 |
CN110231350A (zh) * | 2019-07-16 | 2019-09-13 | 贵州电网有限责任公司 | 一种样品表面质量缺陷检测报警装置 |
CN110653175A (zh) * | 2019-09-29 | 2020-01-07 | 邵东智能制造技术研究院有限公司 | 注射器外管视觉检测及筛选设备 |
CN111024704A (zh) * | 2018-10-10 | 2020-04-17 | 古德里奇公司 | 使用图像处理技术来对钢丝绳进行自动缺陷检测 |
CN111854617A (zh) * | 2020-07-31 | 2020-10-30 | 江门建滔高科技有限公司 | 一种基于机器视觉的微型钻头尺寸检测方法 |
CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信(北京)智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
CN112945972A (zh) * | 2021-01-29 | 2021-06-11 | 徐州科瑞矿业科技有限公司 | 一种基于机器视觉的钢丝绳状态检测装置及方法 |
CN113173457A (zh) * | 2021-04-15 | 2021-07-27 | 沈阳化工大学 | 一种复合纱织材料拉挤或拉缠工艺的视觉识别报警系统 |
CN114166862A (zh) * | 2022-02-14 | 2022-03-11 | 常州海图电子科技有限公司 | 基于机器视觉的高速首尾绳智能检测系统 |
CN114216912A (zh) * | 2022-02-22 | 2022-03-22 | 常州海图电子科技有限公司 | 一种基于机器视觉的曳引钢丝绳缺陷检测方法 |
CN114842017A (zh) * | 2022-07-06 | 2022-08-02 | 济宁市海富电子科技有限公司 | 一种hdmi线缆表面质量检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58213239A (ja) * | 1982-06-07 | 1983-12-12 | Asahi Chem Ind Co Ltd | 複数本の線状体の欠陥検出方法 |
CN202008462U (zh) * | 2011-03-07 | 2011-10-12 | 宝山钢铁股份有限公司 | 一种钢丝绳疲劳损伤跟踪检测装置 |
CN104019782A (zh) * | 2013-12-03 | 2014-09-03 | 中钢集团武汉安全环保研究院有限公司 | 起重机钢丝绳直径在线测量装置及异常形态预报方法 |
CN104535356A (zh) * | 2015-01-19 | 2015-04-22 | 中南大学 | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 |
CN105890530A (zh) * | 2016-06-24 | 2016-08-24 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量异步检测系统 |
CN106018544A (zh) * | 2016-06-24 | 2016-10-12 | 窦柏林 | 一种钢丝绳全息检测系统 |
CN205748290U (zh) * | 2016-06-24 | 2016-11-30 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量同步检测系统 |
CN206002062U (zh) * | 2016-06-24 | 2017-03-08 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量异步检测系统 |
CN106946119A (zh) * | 2017-05-16 | 2017-07-14 | 江苏兴华胶带股份有限公司 | 一种可调节电梯平衡补偿链导向装置 |
-
2017
- 2017-10-12 CN CN201710947201.6A patent/CN107764839B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58213239A (ja) * | 1982-06-07 | 1983-12-12 | Asahi Chem Ind Co Ltd | 複数本の線状体の欠陥検出方法 |
CN202008462U (zh) * | 2011-03-07 | 2011-10-12 | 宝山钢铁股份有限公司 | 一种钢丝绳疲劳损伤跟踪检测装置 |
CN104019782A (zh) * | 2013-12-03 | 2014-09-03 | 中钢集团武汉安全环保研究院有限公司 | 起重机钢丝绳直径在线测量装置及异常形态预报方法 |
CN104535356A (zh) * | 2015-01-19 | 2015-04-22 | 中南大学 | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 |
CN105890530A (zh) * | 2016-06-24 | 2016-08-24 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量异步检测系统 |
CN106018544A (zh) * | 2016-06-24 | 2016-10-12 | 窦柏林 | 一种钢丝绳全息检测系统 |
CN205748290U (zh) * | 2016-06-24 | 2016-11-30 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量同步检测系统 |
CN206002062U (zh) * | 2016-06-24 | 2017-03-08 | 窦柏林 | 一种钢丝绳表面损伤识别及直径测量异步检测系统 |
CN106946119A (zh) * | 2017-05-16 | 2017-07-14 | 江苏兴华胶带股份有限公司 | 一种可调节电梯平衡补偿链导向装置 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956614A (zh) * | 2018-05-08 | 2018-12-07 | 太原理工大学 | 一种基于机器视觉的矿用钢丝绳动态探伤检测方法和装置 |
CN108685158B (zh) * | 2018-05-28 | 2021-11-09 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和系统 |
CN108685158A (zh) * | 2018-05-28 | 2018-10-23 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和系统 |
CN111024704A (zh) * | 2018-10-10 | 2020-04-17 | 古德里奇公司 | 使用图像处理技术来对钢丝绳进行自动缺陷检测 |
US11906445B2 (en) | 2018-10-10 | 2024-02-20 | Goodrich Corporation | Automated defect detection for wire rope using image processing techniques |
CN109720966A (zh) * | 2019-02-25 | 2019-05-07 | 北京鼎原电梯安装有限公司 | 一种电梯检修工艺 |
CN110231350A (zh) * | 2019-07-16 | 2019-09-13 | 贵州电网有限责任公司 | 一种样品表面质量缺陷检测报警装置 |
CN110653175A (zh) * | 2019-09-29 | 2020-01-07 | 邵东智能制造技术研究院有限公司 | 注射器外管视觉检测及筛选设备 |
CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信(北京)智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
CN111854617B (zh) * | 2020-07-31 | 2021-05-14 | 江门建滔高科技有限公司 | 一种基于机器视觉的微型钻头尺寸检测方法 |
CN111854617A (zh) * | 2020-07-31 | 2020-10-30 | 江门建滔高科技有限公司 | 一种基于机器视觉的微型钻头尺寸检测方法 |
CN112945972A (zh) * | 2021-01-29 | 2021-06-11 | 徐州科瑞矿业科技有限公司 | 一种基于机器视觉的钢丝绳状态检测装置及方法 |
CN112945972B (zh) * | 2021-01-29 | 2022-04-15 | 徐州科瑞矿业科技有限公司 | 一种基于机器视觉的钢丝绳状态检测装置及方法 |
CN113173457A (zh) * | 2021-04-15 | 2021-07-27 | 沈阳化工大学 | 一种复合纱织材料拉挤或拉缠工艺的视觉识别报警系统 |
CN114166862A (zh) * | 2022-02-14 | 2022-03-11 | 常州海图电子科技有限公司 | 基于机器视觉的高速首尾绳智能检测系统 |
CN114216912A (zh) * | 2022-02-22 | 2022-03-22 | 常州海图电子科技有限公司 | 一种基于机器视觉的曳引钢丝绳缺陷检测方法 |
CN114842017A (zh) * | 2022-07-06 | 2022-08-02 | 济宁市海富电子科技有限公司 | 一种hdmi线缆表面质量检测方法及系统 |
CN114842017B (zh) * | 2022-07-06 | 2022-09-27 | 济宁市海富电子科技有限公司 | 一种hdmi线缆表面质量检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107764839B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107764839A (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
CN104794720B (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
CN104535356B (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
CN105719305B (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN109772724A (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析系统 | |
CN104318582A (zh) | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN112215810B (zh) | 一种疲劳测试裂纹监测方法及装置 | |
CN110983609B (zh) | 一种纱线接头检测装置及其使用方法 | |
CN103984961A (zh) | 一种用于检测车底异物的图像检测方法 | |
CN106290393B (zh) | 一种高铁接触网斜腕臂管帽丢失检测方法 | |
CN106276132A (zh) | 一种基于线激光图像的输送带纵向撕裂在线检测方法 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN101565109A (zh) | 基于机器视觉的药品粉针剂生产中铝盖包装在线检测系统 | |
CN106340019A (zh) | 一种高铁接触网斜拉线固定钩不良状态检测方法 | |
CN112197715B (zh) | 一种基于图像识别的电梯制动轮与闸瓦间隙检测方法 | |
CN105354827A (zh) | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 | |
CN108195847A (zh) | 一种凹凸图案在线视频检测装置及其检测方法 | |
CN106446934A (zh) | 基于hog特征的高铁接触网承力索座支撑底座检测方法 | |
CN109060828A (zh) | 一种机车车轮踏面缺陷图像检测系统 | |
CN108144865A (zh) | 汽车油管粗检系统及其检测方法 | |
CN113048893B (zh) | 一种列车闸片磨耗测量方法及系统 | |
CN114926446A (zh) | 皮带撕边检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |