CN109164165A - 基于图像融合的钢丝绳无损检测方法及其装置 - Google Patents

基于图像融合的钢丝绳无损检测方法及其装置 Download PDF

Info

Publication number
CN109164165A
CN109164165A CN201811172860.8A CN201811172860A CN109164165A CN 109164165 A CN109164165 A CN 109164165A CN 201811172860 A CN201811172860 A CN 201811172860A CN 109164165 A CN109164165 A CN 109164165A
Authority
CN
China
Prior art keywords
wirerope
image
control unit
detected
unit
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
Application number
CN201811172860.8A
Other languages
English (en)
Other versions
CN109164165B (zh
Inventor
张聚伟
李茜
郑鹏博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN201811172860.8A priority Critical patent/CN109164165B/zh
Publication of CN109164165A publication Critical patent/CN109164165A/zh
Application granted granted Critical
Publication of CN109164165B publication Critical patent/CN109164165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

为了解决现有技术中钢丝绳无损检测中信息量不全面的问题，本发明提供一种基于图像融合的钢丝绳无损检测方法及其装置，包括以下步骤：a.利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳进行检测，获得伪彩色图像；b.利用红外图像采集装置，通过红外图像采集方法得到整个待检测钢丝绳的Q组图像；c.将a步骤的伪彩色图像与b步骤中去噪后的Q组图像进行融合，得到融合后图像；提取融合后图像中的等效面积、细长比、圆形度、七阶的不变矩特征量作为几何形状特征描述；d.将特征向量输入RBF神经网络进行定量识别，得到待检测钢丝绳的损耗情况。本发明降低了单用一种图像识别的误差，更加准确的对缺陷进行定量识别。

Description

基于图像融合的钢丝绳无损检测方法及其装置
技术领域
本发明涉及钢丝绳损伤检测技术，具体涉及一种基于漏磁场信息和红外图像融合的钢丝绳无损检测方法及其装置。
背景技术
随着工业的发展，钢丝绳广泛应用于工业、林业、冶金业、建筑业、航空航天业、运输业以及日常生活中。很多场合都是使用钢丝绳作为牵引，因而它的寿命直接影响到人们的生命安全和经济损失，如果仅靠人眼目测或感觉，那么可靠性很差，因此对电梯钢丝绳的定时监测和在线监控具有十分重要的社会效益和经济效益。
钢丝绳的检测方法大致有如下几种：感应线圈法、集成传感器法、磁通门法、超声法、射线法、红外检测法、张力检测法和电磁检测法等。传统的电磁检测法容易受磁滞的影响，并且测得的信号丢失钢丝绳缺陷的周向分布信息，而缺陷的周向分布可以会影响到对钢丝绳的剩余荷载状态的准确评估，所得到的图像不够全面准确；而红外摄像机捕捉得到的钢丝绳表面图像直观，但容易受加热时长和表面污垢的影响。
发明内容
为了解决现有技术中钢丝绳无损检测中信息量不全面、所测图像干扰多的问题，本发明提供一种基于图像融合的钢丝绳无损检测方法及其装置。本发明融合漏磁场信息和红外图像，具有信息量大，识别准确的优点。
所述的一种基于图像融合的钢丝绳无损检测方法，其技术方案在于：包括以下步骤：
a.利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳进行检测，获得钢丝绳表面漏磁场信息，并将该漏磁场信息转换为灰度图像，然后转化为伪彩色图像后存储备用；
b.利用红外图像采集装置，通过红外图像采集方法得到整个待检测钢丝绳的Q组图像，对所得Q组图像进行去噪处理后存储备用；
c.将a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行融合，得到融合后图像；提取融合后图像中的等效面积、细长比、圆形度、七阶的不变矩特征量作为特征描述；
d.将特征向量：等效面积、细长比、圆形度、七阶的不变矩输入RBF神经网络进行定量识别，最终得到待检测钢丝绳的损耗情况。
所述的c步骤中得到融合后图像的方法是：
采用小波变换的二维Mallat算法对a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行分解，分别得到各自对应的低频带和高频带系数；
对于最低频子代系数而言，融合后的小波系数为：其中α1+α2＝1；
对于高频子代系数而言，融合后的小波系数为
其中，和代表两幅图像的低频子带系数；和代表两幅图像的高频子带系数；
再采用二维Mallat算法对融合的小波系数进行重构，得到融合后图像。
所述的a步骤中利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳进行检测的方法是：
a1.使用励磁单元对待测钢丝绳加载非饱和励磁磁场；
a2.用于采集漏磁信号的采集单元固定不动，待测钢丝绳移动，通过光电编码器产生等的空间脉冲送入控制单元中，控制单元接收到脉冲后，选通设置在待测钢丝绳上的16个传感器；
a3.使用a2步骤中的16个传感器中被选通的传感器对数据进行采样，采样信号经过AD转换、差分放大、基线提升操作后存入数据存储单元中；
a4.重复a2步骤和a3步骤直到采集到一个M╳N的钢丝绳表面漏磁场信号数据阵列，其中M为传感器个数，N为每个通道采样点的个数；
a5.对所获得的数据进行在线处理，去除基线和噪声，对得到的漏磁数据进行三次样条插值；
a6.将漏磁数据转换为灰度图像，然后转化为伪彩色图像，存入数据存储单元；
其中，a5步骤中的去除噪声的方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
a501.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
a502.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
a503.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列下对应的数值并保存；
a504.重复步骤a502～步骤a503，得到一个新的单元矩阵；
a505.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
所述的b步骤中的红外图像采集方法包括以下步骤：
b1.使用加热单元对待测钢丝绳加热，直至温度上升至能让所得红外图像清晰的温度；
b2.使待测钢丝绳移动，温度上升至高于室温的四到五度，固定的图像采集单元采集红外图像；
b3待测钢丝绳停止移动，重复步骤b2，直至测得到整个钢丝绳的Q组图像；
b4.对所获得的Q组图像进行在线去噪处理后存入数据存储单元；
其中，b4步骤中的去噪方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
b401.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
b402.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
b403.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列中下对应方向的数值并保存；
b404.重复步骤a502～步骤a503，得到一个新的单元矩阵；
b405.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
一种应用上述基于图像融合的钢丝绳无损检测方法的检测装置，其特征在于：包括用于对待检测钢丝绳进行检测的非饱和磁激励下的钢丝绳漏磁检测装置；
其中，非饱和磁激励下的钢丝绳漏磁检测装置包括设置在待测钢丝绳轴向均布的多个励磁单元、均匀设置在待测钢丝绳中部周向的多个漏磁信号采集单元、用于对漏磁信号采集单元采集的模拟信号进行A/D转换、差分放大以及基线提升的AD接口信号调理单元、用于接收AD接口信号调理单元输出信号的主控制单元、主控制单元上连接的用于控制主控制单元采集AD接口信号调理单元中输出信号频率的脉冲发生及采集单元、用于存储主控制单元处理后数据的存储单元、用于显示漏磁场信息的显示单元以及用于控制待测钢丝绳轴向移动的电机控制单元；
其中，励磁单元、漏磁信号采集单元、显示单元以及电机控制单元均与主控制单元电连接。
所述的AD接口信号调理单元包括AD转换电路、差分信号放大电路和加法基线抬升电路；
其中，AD接口信号调理单元包括仪表放大器和运算放大器；
该仪表放大器的第一管脚和第八管脚之间并联第十五电阻，形成差分信号放大电路，对差分信号进行放大；该仪表放大器的第二管脚与第三管脚作为差分信号输入端，形成AD转换电路；
该仪表放大器的第6管脚作为输出管脚与运算放大器的反相端；该运算放大器的同向端连接基准电压，形成加法基线抬升电路。
所述的脉冲发生及采集单元由光电编码器、编码器信号采集电路以及串联型振荡器组成；
其中，光电编码器用于检测待检测钢丝绳的移动，主控制单元采集光电编码器发出的空间脉冲，在主控制单元接收到串联型振荡器发出的脉冲后，选通漏磁信号采集单元中的一个，采集漏磁信号采集单元中的信号。
上述的检测装置，其特征在于：还包括对待检测钢丝绳进行检测的红外图像采集装置；
其中，红外图像采集装置包括加热单元、红外图像采集单元、主控制单元、脉冲发生器、红外图像显示单元以及电机控制单元；
其中，加热单元与主控制单元电连接，用于对待检测钢丝绳进行加热；
其中，红外图像采集单元与主控制单元电连接，用于对加热后的待检测钢丝绳的红外图像进行采集；
其中，脉冲发生器与主控制单元电连接，用于控制主控制单元采集红外图像采集单元的频率；
其中，红外图像显示单元与主控制单元电连接，用于显示待检测钢丝绳的红外图像；
其中，电机控制单元与主控制单元电连接，用于控制待检测钢丝绳轴向移动。
所述的红外图像采集单元包括红外摄像仪、光电编码器、温度传感器；
其中，温度传感器与主控制单元电连接，用于测量待检测钢丝绳的温度，在温度达到预设值后，主控制单元控制红外摄像仪采集红外图像；
其中，红外摄像仪与主控制单元电连接，用于在待检测钢丝绳的温度达到可以摄像时对待检测钢丝绳进行摄像并将摄像后的图像进行存储；
其中，光电编码器、红外摄像仪与主控制单元电连接，用于将待检测钢丝绳移动时产生的脉冲信号发送至主控制单元中，主控制单元根据该脉冲信号控制加热单元对待检测钢丝绳加热。
本发明的有益效果是：一：将钢丝绳的漏磁场信息与红外图像结合起来定量识别钢丝绳的缺陷，信息量更大，能够更加准确地识别钢丝绳的缺陷。二：使用电机控制钢丝绳进行移动，避免了人手动产生的误差，更接近于自动化。三：使用RBF神经网络对缺陷定量识别，提高了准确率。四：使用图像融合，降低了单用一种图像识别的误差，更加全面准确的对缺陷进行定量识别。
附图说明
图1.本发明漏磁场信息和红外图像融合的钢丝绳无损检测装置及方法中漏磁场信息采集模块结构示意图。
图2.漏磁场信息采集的AD信号调理电路原理图。
图3.漏磁场信息采集和红外图像采集的编码器信号采集电路原理图。
图4.本发明漏磁场信息和红外图像融合的钢丝绳无损检测装置及方法中漏磁场信息采集的信号流程图。
图5.本发明红外图像采集的钢丝绳探伤装置模块结构示意图。
图6.本发明漏磁场信息和红外图像融合的钢丝绳无损检测装置及方法中红外图像采集的装置的信号流程图。
具体实施方式
下面结合附图对本发明进行进一步的说明。
如图1～6，一种基于图像融合的钢丝绳无损检测方法，其特征在于：包括以下步骤：
a.利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳3进行检测，获得钢丝绳表面漏磁场信息，并将该漏磁场信息转换为灰度图像，然后转化为伪彩色图像后存储备用；
b.利用红外图像采集装置，通过红外图像采集方法得到整个待检测钢丝绳3的Q组图像，对所得Q组图像进行去噪处理后存储备用；
c.将a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行融合，得到融合后图像；提取融合后图像中的等效面积、细长比、圆形度、七阶的不变矩特征量作为特征描述；
d.将特征向量：等效面积、细长比、圆形度、七阶的不变矩输入RBF神经网络进行定量识别，最终得到待检测钢丝绳3的损耗情况。
所述的c步骤中得到融合后图像的方法是：
采用小波变换的二维Mallat算法对a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行分解，分别得到各自对应的低频带和高频带系数；
对于最低频子代系数而言，融合后的小波系数为：其中α1+α2＝1；
对于高频子代系数而言，融合后的小波系数为其中，和代表两幅图像的低频子带系数；和代表两幅图像的高频子带系数；
再采用二维Mallat算法对融合的小波系数进行重构，得到融合后图像。
所述的a步骤中利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳3进行检测的方法是：
a1.使用励磁单元对待测钢丝绳加载非饱和励磁磁场；
a2.用于采集漏磁信号的采集单元固定不动，待测钢丝绳移动，通过光电编码器110产生等的空间脉冲送入控制单元中，控制单元接收到脉冲后，选通设置在待测钢丝绳上的16个传感器；
a3.使用a2步骤中的16个传感器中被选通的传感器对数据进行采样，采样信号经过AD转换、差分放大、基线提升操作后存入数据存储单元中；
a4.重复a2步骤和a3步骤直到采集到一个M╳N的钢丝绳表面漏磁场信号数据阵列，其中M为传感器个数，N为每个通道采样点的个数；
a5.对所获得的数据进行在线处理，去除基线和噪声，对得到的漏磁数据进行三次样条插值；
a6.将漏磁数据转换为灰度图像，然后转化为伪彩色图像，存入数据存储单元；
其中，a5步骤中的去除噪声的方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
a501.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
a502.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
a503.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列下对应的数值并保存；
a504.重复步骤a502～步骤a503，得到一个新的单元矩阵；
a505.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
所述的b步骤中的红外图像采集方法包括以下步骤：
b1.使用加热单元对待测钢丝绳加热，直至温度上升至能让所得红外图像清晰的温度；
b2.使待测钢丝绳移动，温度上升至高于室温的四到五度，固定的图像采集单元采集红外图像；
b3待测钢丝绳停止移动，重复步骤b2，直至测得到整个钢丝绳的Q组图像；
b4.对所获得的Q组图像进行在线去噪处理后存入数据存储单元；
其中，b4步骤中的去噪方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
b401.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
b402.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
b403.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列中下对应方向的数值并保存；
b404.重复步骤a502～步骤a503，得到一个新的单元矩阵；
b405.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
一种基于图像融合的钢丝绳无损检测方法的检测装置，其技术方案在于：包括用于对待检测钢丝绳3进行检测的非饱和磁激励下的钢丝绳漏磁检测装置；
其中，非饱和磁激励下的钢丝绳漏磁检测装置包括设置在待测钢丝绳轴向均布的多个励磁单元101、均匀设置在待测钢丝绳中部周向的多个漏磁信号采集单元102、用于对漏磁信号采集单元102采集的模拟信号进行A/D转换、差分放大以及基线提升的AD接口信号调理单元103、用于接收AD接口信号调理单元103输出信号的主控制单元108、主控制单元108上连接的用于控制主控制单元108采集AD接口信号调理单元103中输出信号频率的脉冲发生及采集单元105、用于存储主控制单元108处理后数据的存储单元104、用于显示漏磁场信息的显示单元106以及用于控制待测钢丝绳轴向移动的电机控制单元107；
其中，励磁单元101、漏磁信号采集单元102、显示单元106以及电机控制单元107均与主控制单元108电连接。
具体的，显示单元106采用FFTLCD显示屏。
如图2，AD接口信号调理单元103包括AD转换电路201、差分信号放大电路202和加法基线抬升电路203；
其中，AD接口信号调理单元103包括仪表放大器和运算放大器；
该仪表放大器的第一管脚和第八管脚之间并联第十五电阻R15，形成差分信号放大电路202，对差分信号进行放大；该仪表放大器的第二管脚与第三管脚作为差分信号输入端，形成AD转换电路201；
该仪表放大器的第6管脚作为输出管脚与运算放大器的反相端；该运算放大器的同向端连接基准电压VDD，形成加法基线抬升电路203。
所述的脉冲发生及采集单元105由光电编码器110、编码器信号采集电路以及串联型振荡器组成；
其中，光电编码器110用于检测待检测钢丝绳3的移动，主控制单元108采集光电编码器110发出的空间脉冲，在主控制单元108接收到串联型振荡器发出的脉冲后，选通漏磁信号采集单元102中的一个，采集漏磁信号采集单元102中的信号。
需要明确的是：如图3，光电编码器110输出脉冲的原理是：光电编码器110输入脉冲信号经过光耦隔离后，通过一个RC低通滤波器和两个施密特门电路对脉冲信号整形。从而得到消除数字信号干扰的脉冲信号。
一种检测装置，还包括对待检测钢丝绳3进行检测的红外图像采集装置；
其中，红外图像采集装置包括加热单元109、红外图像采集单元112、主控制单元108、脉冲发生器113、红外图像显示单元111以及电机控制单元107；
其中，加热单元109与主控制单元108电连接，用于对待检测钢丝绳3进行加热；
其中，红外图像采集单元112与主控制单元108电连接，用于对加热后的待检测钢丝绳3的红外图像进行采集；
其中，脉冲发生器113与主控制单元108电连接，用于控制主控制单元108采集红外图像采集单元112的频率；
其中，红外图像显示单元111与主控制单元108电连接，用于显示待检测钢丝绳3的红外图像；
其中，电机控制单元107与主控制单元108电连接，用于控制待检测钢丝绳3轴向移动。
所述的红外图像采集单元112包括红外摄像仪、光电编码器110、温度传感器；
其中，温度传感器与主控制单元108电连接，用于测量待检测钢丝绳3的温度，在温度达到预设值后，主控制单元108控制红外摄像仪采集红外图像；
其中，红外摄像仪与主控制单元108电连接，用于在待检测钢丝绳3的温度达到可以摄像时对待检测钢丝绳3进行摄像并将摄像后的图像进行存储；
其中，光电编码器110、红外摄像仪与主控制单元108电连接，用于将待检测钢丝绳3移动时产生的脉冲信号发送至主控制单元108中，主控制单元108根据该脉冲信号控制加热单元109对待检测钢丝绳3加热。
具体的，红外图像显示单元111采用FFTLCD显示屏。
需要明确的是：在具体实施中，漏磁场信息采集和红外图像采集装置的主控单元108可以利用一片ARM芯片，如附图1、4、5、6，可以先进行漏磁场信息获取，再进行红外图像的获取。在实际使用中，为了增加系统可靠性，也可以采用2片ARM芯片，但二者不在同一块控制面板中。在漏磁信号采集中，采用漏磁ARM控制电机控制单元107从而控制电机转动、数据采集、调理放大和数据存储。在红外图像采集中，采用红外ARM用于控制电机控制单元107从而控制电机转动、红外图像的捕捉。FPGA对数据和红外图像进行在线处理。
在实际使用过程中，利用多个励磁单元101对被测钢丝绳加载均匀磁场。该励磁单元101采用8个直径为12mm，长度为25mm的永磁体周向分布于钢丝绳，使得钢丝绳周向磁场均匀。表面通过两个聚磁极靴与钢丝绳接触，形成磁通回路。
具体的，电机通过减速装置控制钢丝绳移动，电机控制钢丝绳移动时，减速装置上的光电编码器110发出脉冲，送入漏磁ARM中，漏磁ARM每接受到一个脉冲，轮流开通一个通道对漏磁场进行一次采样。漏磁信号采集单元102均采用巨磁阻传感器共计16个，16路通道轮流选通对钢丝绳表面漏磁场数据进行采集，AD转换、差分放大、基线提升等操作由AD接口信号调理103单元完成。
具体的，将漏磁场信息去噪后的数据归一化到0-255之间，并进行二维展开，即可得到所属的灰度图像。
具体的，加热单元109为采用直径为350mm，长度为200mm的功率可调的陶瓷加热圈对钢丝绳均匀加热。在加热时，待检测钢丝绳3位于加热单元109的内部，并可以周向移动。加热单元109保持固定。同时，红外摄像仪可以通过支架等固定，只拍摄加热单元109处的红外图像。同时，温度传感器传感器通过支架与加热单元109固定，用于测定是否可以进行红外摄像。
以上仅为发明的较佳实施例而己，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于图像融合的钢丝绳无损检测方法，其特征在于：包括以下步骤：
a.利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳(3)进行检测，获得钢丝绳表面漏磁场信息，并将该漏磁场信息转换为灰度图像，然后转化为伪彩色图像后存储备用；
b.利用红外图像采集装置，通过红外图像采集方法得到整个待检测钢丝绳(3)的Q组图像，对所得Q组图像进行去噪处理后存储备用；
c.将a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行融合，得到融合后图像；提取融合后图像中的等效面积、细长比、圆形度、七阶的不变矩特征量作为特征描述；
d.将特征向量：等效面积、细长比、圆形度、七阶的不变矩输入RBF神经网络进行定量识别，最终得到待检测钢丝绳(3)的损耗情况。
2.根据权利要求1所述的基于图像融合的钢丝绳无损检测方法，其特征在于：c步骤中得到融合后图像的方法是：
采用小波变换的二维Mallat算法对a步骤漏磁场的伪彩色图像与b步骤中去噪后的Q组图像进行分解，分别得到各自对应的低频带和高频带系数；
对于最低频子代系数而言，融合后的小波系数为：其中α1+α2＝1；
对于高频子代系数而言，融合后的小波系数为其中，和代表两幅图像的低频子带系数；和代表两幅图像的高频子带系数；
再采用二维Mallat算法对融合的小波系数进行重构，得到融合后图像。
3.根据权利要求1所述的基于图像融合的钢丝绳无损检测方法，其特征在于：a步骤中利用非饱和磁激励下的钢丝绳漏磁检测装置对待检测钢丝绳(3)进行检测的方法是：
a1.使用励磁单元对待测钢丝绳加载非饱和励磁磁场；
a2.用于采集漏磁信号的采集单元固定不动，待测钢丝绳移动，通过光电编码器(110)产生等的空间脉冲送入控制单元中，控制单元接收到脉冲后，选通设置在待测钢丝绳上的16个传感器；
a3.使用a2步骤中的16个传感器中被选通的传感器对数据进行采样，采样信号经过AD转换、差分放大、基线提升操作后存入数据存储单元中；
a4.重复a2步骤和a3步骤直到采集到一个M╳N的钢丝绳表面漏磁场信号数据阵列，其中M为传感器个数，N为每个通道采样点的个数；
a5.对所获得的数据进行在线处理，去除基线和噪声，对得到的漏磁数据进行三次样条插值；
a6.将漏磁数据转换为灰度图像，然后转化为伪彩色图像，存入数据存储单元；
其中，a5步骤中的去除噪声的方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
a501.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
a502.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
a503.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列下对应的数值并保存；
a504.重复步骤a502～步骤a503，得到一个新的单元矩阵；
a505.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
4.根据权利要求1所述的基于图像融合的钢丝绳无损检测方法，其特征在于：b步骤中的红外图像采集方法包括以下步骤：
b1.使用加热单元对待测钢丝绳加热，直至温度上升至能让所得红外图像清晰的温度；
b2.使待测钢丝绳移动，温度上升至高于室温的四到五度，固定的图像采集单元采集红外图像；
b3待测钢丝绳停止移动，重复步骤b2，直至测得到整个钢丝绳的Q组图像；
b4.对所获得的Q组图像进行在线去噪处理后存入数据存储单元；
其中，b4步骤中的去噪方法是：
对数据进行基于双树复小波阈值去噪，具体实现步骤为：
利用双树复小波函数对图像进行J层分解，并计算小波系数：
b401.对于长度为N的含噪声信号X，利用正交小波变换的快速算法获得低分辨率L(0≤L<J)下的尺度系公式为{vL，k，k＝1，…，2L}，以及各分辨率下的小波系数{wj，k，j＝L，L+1，…，L-1，K＝1，…，2j}，其中尺度系数和小波系数共N个，N＝2J；
b402.改进阈值，使之为介于软阈值与硬阈值之间的值j＝1，2，…，J，调节光滑s型函数中的参数a∈(0，Tj)，b∈(Tj，2Tj)，分别取一组(ai，j，bi，j)，i＝1，2，…，根据确定一个di，j；
b403.由(ai，j，bi，j，di，j)计算出阈值函数表达式，然后对分解后的高频子代系数进行阈值处理，得出新的单元阵列中下对应方向的数值并保存；
b404.重复步骤a502～步骤a503，得到一个新的单元矩阵；
b405.由得到的新单元阵列，逆推重构小波高频子代系数，结合分解时候分解的最后一级低通图像数组，用双树复小波重构函数重构图像。
5.一种应用权利要求1所述基于图像融合的钢丝绳无损检测方法的检测装置，其特征在于：包括用于对待检测钢丝绳(3)进行检测的非饱和磁激励下的钢丝绳漏磁检测装置；
其中，非饱和磁激励下的钢丝绳漏磁检测装置包括设置在待测钢丝绳轴向均布的多个励磁单元(101)、均匀设置在待测钢丝绳中部周向的多个漏磁信号采集单元(102)、用于对漏磁信号采集单元(102)采集的模拟信号进行A/D转换、差分放大以及基线提升的AD接口信号调理单元(103)、用于接收AD接口信号调理单元(103)输出信号的主控制单元(108)、主控制单元(108)上连接的用于控制主控制单元(108)采集AD接口信号调理单元(103)中输出信号频率的脉冲发生及采集单元(105)、用于存储主控制单元(108)处理后数据的存储单元(104)、用于显示漏磁场信息的显示单元(106)以及用于控制待测钢丝绳轴向移动的电机控制单元(107)；
其中，励磁单元(101)、漏磁信号采集单元(102)、显示单元(106)以及电机控制单元(107)均与主控制单元(108)电连接。
6.根据权利要求5所述的检测装置，其特征在于：AD接口信号调理单元(103)包括AD转换电路(201)、差分信号放大电路(202)和加法基线抬升电路(203)；
其中，AD接口信号调理单元(103)包括仪表放大器和运算放大器；
该仪表放大器的第一管脚和第八管脚之间并联第十五电阻(R15)，形成差分信号放大电路(202)，对差分信号进行放大；该仪表放大器的第二管脚与第三管脚作为差分信号输入端，形成AD转换电路(201)；
该仪表放大器的第6管脚作为输出管脚与运算放大器的反相端；该运算放大器的同向端连接基准电压(VDD)，形成加法基线抬升电路(203)。
7.根据权利要求5所述的检测装置，其特征在于：脉冲发生及采集单元(105)由光电编码器(110)、编码器信号采集电路以及串联型振荡器组成；
其中，光电编码器(110)用于检测待检测钢丝绳(3)的移动，主控制单元(108)采集光电编码器(110)发出的空间脉冲，在主控制单元(108)接收到串联型振荡器发出的脉冲后，选通漏磁信号采集单元(102)中的一个，采集漏磁信号采集单元(102)中的信号。
8.根据权利要求5所述的检测装置，其特征在于：还包括对待检测钢丝绳(3)进行检测的红外图像采集装置；
其中，红外图像采集装置包括加热单元(109)、红外图像采集单元(112)、主控制单元(108)、脉冲发生器(113)、红外图像显示单元(111)以及电机控制单元(107)；
其中，加热单元(109)与主控制单元(108)电连接，用于对待检测钢丝绳(3)进行加热；
其中，红外图像采集单元(112)与主控制单元(108)电连接，用于对加热后的待检测钢丝绳(3)的红外图像进行采集；
其中，脉冲发生器(113)与主控制单元(108)电连接，用于控制主控制单元(108)采集红外图像采集单元(112)的频率；
其中，红外图像显示单元(111)与主控制单元(108)电连接，用于显示待检测钢丝绳(3)的红外图像；
其中，电机控制单元(107)与主控制单元(108)电连接，用于控制待检测钢丝绳(3)轴向移动。
9.根据权利要求8所述的检测装置，其特征在于：红外图像采集单元(112)包括红外摄像仪、光电编码器(110)、温度传感器；
其中，温度传感器与主控制单元(108)电连接，用于测量待检测钢丝绳(3)的温度，在温度达到预设值后，主控制单元(108)控制红外摄像仪采集红外图像；
其中，红外摄像仪与主控制单元(108)电连接，用于在待检测钢丝绳(3)的温度达到可以摄像时对待检测钢丝绳(3)进行摄像并将摄像后的图像进行存储；
其中，光电编码器(110)、红外摄像仪与主控制单元(108)电连接，用于将待检测钢丝绳(3)移动时产生的脉冲信号发送至主控制单元(108)中，主控制单元(108)根据该脉冲信号控制加热单元(109)对待检测钢丝绳(3)加热。
CN201811172860.8A 2018-10-09 2018-10-09 基于图像融合的钢丝绳无损检测方法及其装置 Active CN109164165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811172860.8A CN109164165B (zh) 2018-10-09 2018-10-09 基于图像融合的钢丝绳无损检测方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811172860.8A CN109164165B (zh) 2018-10-09 2018-10-09 基于图像融合的钢丝绳无损检测方法及其装置

Publications (2)

Publication Number Publication Date
CN109164165A true CN109164165A (zh) 2019-01-08
CN109164165B CN109164165B (zh) 2022-10-11

Family

ID=64877665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811172860.8A Active CN109164165B (zh) 2018-10-09 2018-10-09 基于图像融合的钢丝绳无损检测方法及其装置

Country Status (1)

Country Link
CN (1) CN109164165B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110320265A (zh) * 2019-06-18 2019-10-11 枣庄学院 一种提升机钢丝绳断丝检测实验系统及其检测方法
CN110689540A (zh) * 2019-11-29 2020-01-14 领伟创新智能系统(浙江)有限公司 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法
CN110689541A (zh) * 2019-12-09 2020-01-14 领伟创新智能系统(浙江)有限公司 一种基于双树复小波的滚珠丝杠参数视觉测量方法
CN110889830A (zh) * 2019-11-13 2020-03-17 河南科技大学 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统
CN111122697A (zh) * 2019-12-26 2020-05-08 兰州空间技术物理研究所 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法
CN112348031A (zh) * 2020-11-17 2021-02-09 安徽理工大学 一种去除指纹图像混合噪声的改进小波阈值去噪方法
CN113311060A (zh) * 2021-04-26 2021-08-27 河南省特种设备安全检测研究院 一种电梯包覆带缺陷在线检测及标记装置与系统
CN115028095A (zh) * 2022-08-11 2022-09-09 杭州未名信科科技有限公司 一种用于塔吊维护保养的智能机器人及智能塔吊
US20230034506A1 (en) * 2019-06-18 2023-02-02 Mike Pfennig A device for the inspection of steel wire ropes and a procedure for the use thereof

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203643383U (zh) * 2013-12-17 2014-06-11 上海神洲阳光特种钢管有限公司 一种红外探伤装置
CN104990977A (zh) * 2015-06-29 2015-10-21 清华大学 三维漏磁检测缺陷复合反演成像方法
WO2017111515A1 (ko) * 2015-12-22 2017-06-29 주식회사 포스코 강판 검사 장치 및 방법
CN106959337A (zh) * 2017-05-03 2017-07-18 河南科技大学 一种开放式微磁激励钢丝绳损伤检测系统
CN107941899A (zh) * 2017-11-15 2018-04-20 河南科技大学 一种弱磁激励的钢丝绳探伤装置和探伤方法
CN108195928A (zh) * 2017-12-19 2018-06-22 电子科技大学 一种基于图像融合的金属磁性材料缺陷检测装置
CN108226223A (zh) * 2017-12-25 2018-06-29 山西戴德测控技术有限公司 一种基于红外热成像钢丝绳在线检测装置
CN108333252A (zh) * 2018-02-07 2018-07-27 河南科技大学 一种钢丝绳探伤系统及其漏磁信号检测装置
US20180227509A1 (en) * 2015-08-05 2018-08-09 Wuhan Guide Infrared Co., Ltd. Visible light image and infrared image fusion processing system and fusion method

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203643383U (zh) * 2013-12-17 2014-06-11 上海神洲阳光特种钢管有限公司 一种红外探伤装置
CN104990977A (zh) * 2015-06-29 2015-10-21 清华大学 三维漏磁检测缺陷复合反演成像方法
US20180227509A1 (en) * 2015-08-05 2018-08-09 Wuhan Guide Infrared Co., Ltd. Visible light image and infrared image fusion processing system and fusion method
WO2017111515A1 (ko) * 2015-12-22 2017-06-29 주식회사 포스코 강판 검사 장치 및 방법
CN106959337A (zh) * 2017-05-03 2017-07-18 河南科技大学 一种开放式微磁激励钢丝绳损伤检测系统
CN107941899A (zh) * 2017-11-15 2018-04-20 河南科技大学 一种弱磁激励的钢丝绳探伤装置和探伤方法
CN108195928A (zh) * 2017-12-19 2018-06-22 电子科技大学 一种基于图像融合的金属磁性材料缺陷检测装置
CN108226223A (zh) * 2017-12-25 2018-06-29 山西戴德测控技术有限公司 一种基于红外热成像钢丝绳在线检测装置
CN108333252A (zh) * 2018-02-07 2018-07-27 河南科技大学 一种钢丝绳探伤系统及其漏磁信号检测装置

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
RENÉ HEIDEKLANG, ET AL.: "Multi-sensor image fusion at signal level for improved near-surface crack detection", 《NDT AND E INTERNATIONAL》 *
RENÉ HEIDEKLANG, ET AL.: "Multi-sensor image fusion at signal level for improved near-surface crack detection", 《NDT AND E INTERNATIONAL》, vol. 71, 15 April 2015 (2015-04-15), pages 16 - 22 *
刘信乐: "热红外图像与可见光图像融合方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
刘信乐: "热红外图像与可见光图像融合方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》, no. 1, 15 January 2014 (2014-01-15), pages 37 - 38 *
张元龙 等: "基于改进小波阈值函数的医学CT图像降噪", 《计算机与数字工程》 *
张元龙 等: "基于改进小波阈值函数的医学CT图像降噪", 《计算机与数字工程》, vol. 45, no. 11, 20 November 2017 (2017-11-20), pages 2263 - 2268 *
沈功田 等: "《中国无损检测2025科技发展战略》", 30 April 2017, 中国质检出版社, pages: 162 - 166 *
薛福亮: "《电子商务推荐相关技术及其改进机制》", 30 June 2014, 中国财富出版社, pages: 134 - 139 *
赵荣椿 等: "《数字图像处理》", 30 April 2014, 西北工业大学出版社, pages: 423 - 428 *
陈衡 等: "《电力设备故障红外诊断》", 31 January 1999, 中国电力出版社, pages: 312 - 319 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230034506A1 (en) * 2019-06-18 2023-02-02 Mike Pfennig A device for the inspection of steel wire ropes and a procedure for the use thereof
CN110320265B (zh) * 2019-06-18 2023-03-03 枣庄学院 一种提升机钢丝绳断丝检测实验系统及其检测方法
CN110320265A (zh) * 2019-06-18 2019-10-11 枣庄学院 一种提升机钢丝绳断丝检测实验系统及其检测方法
CN110889830B (zh) * 2019-11-13 2023-03-24 河南科技大学 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统
CN110889830A (zh) * 2019-11-13 2020-03-17 河南科技大学 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统
CN110689540A (zh) * 2019-11-29 2020-01-14 领伟创新智能系统(浙江)有限公司 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法
CN110689540B (zh) * 2019-11-29 2020-04-07 领伟创新智能系统(浙江)有限公司 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法
CN110689541B (zh) * 2019-12-09 2020-05-08 领伟创新智能系统(浙江)有限公司 一种基于双树复小波的滚珠丝杠参数视觉测量方法
CN110689541A (zh) * 2019-12-09 2020-01-14 领伟创新智能系统(浙江)有限公司 一种基于双树复小波的滚珠丝杠参数视觉测量方法
CN111122697A (zh) * 2019-12-26 2020-05-08 兰州空间技术物理研究所 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法
CN111122697B (zh) * 2019-12-26 2023-03-24 兰州空间技术物理研究所 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法
CN112348031A (zh) * 2020-11-17 2021-02-09 安徽理工大学 一种去除指纹图像混合噪声的改进小波阈值去噪方法
CN113311060A (zh) * 2021-04-26 2021-08-27 河南省特种设备安全检测研究院 一种电梯包覆带缺陷在线检测及标记装置与系统
CN113311060B (zh) * 2021-04-26 2024-05-24 河南省特种设备安全检测研究院 一种电梯包覆带缺陷在线检测及标记装置与系统
CN115028095A (zh) * 2022-08-11 2022-09-09 杭州未名信科科技有限公司 一种用于塔吊维护保养的智能机器人及智能塔吊

Also Published As

Publication number Publication date
CN109164165B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN109164165B (zh) 基于图像融合的钢丝绳无损检测方法及其装置
Zhang et al. Characterization of wire rope defects with gray level co-occurrence matrix of magnetic flux leakage images
JP2006292747A (ja) 渦電流探傷検査方法及びシステム
CN106959337A (zh) 一种开放式微磁激励钢丝绳损伤检测系统
Usamentiaga et al. Automated dynamic inspection using active infrared thermography
Zhang et al. A new signal processing method for the nondestructive testing of a steel wire rope using a small device
CN105510433B (zh) 一种基于动生涡电流的金属管件电磁无损检测装置
CN109919905B (zh) 一种基于深度学习的红外无损检测方法
Zheng et al. Quantitative nondestructive testing of wire rope based on pseudo-color image enhancement technology
CN109682824B (zh) 基于图像融合的钢丝绳无损检测方法及其装置
CN109884180B (zh) 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统
WO2021248962A1 (zh) 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置
Peng et al. The broken wires identification of wire rope based on multilevel filtering method using EEMD and wavelet analysis
CN107300562B (zh) 一种测量继电器成品触点间距的x射线无损检测方法
CN103226129A (zh) 一种基于平面电磁传感器的板材损伤探测装置及方法
CN109490409A (zh) 一种基于小波变换的高压电缆铅封涡流检测方法
CN113804727B (zh) 一种基于电阻抗成像的涡流热成像缺陷重构方法
Lu et al. Quantitative nondestructive testing of wire ropes based on features fusion of magnetic image and infrared image
Li et al. A new quantitative non-destructive testing approach of broken wires for steel wire rope
CN105092691B (zh) 一种管道内氧化皮堆积的定量检测方法及检测仪
CN104655656A (zh) 基于宽频磁波透射模型参数辨识的检测成像方法与装置
Bhavani et al. Real-time inspection in detection magnetic flux leakage by deep learning integrated with concentrating non-destructive principle and electromagnetic induction
CN104267094A (zh) 铁磁性构件的脉冲漏磁响应信号分离方法
Zhang et al. Magnetic flux leakage testing of wire rope defects with denoising
Chomsuwan et al. Bare PCB inspection system with SV-GMR sensor eddy-current testing probe

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