CN110889830A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110889830A
CN110889830A CN201911107337.1A CN201911107337A CN110889830A CN 110889830 A CN110889830 A CN 110889830A CN 201911107337 A CN201911107337 A CN 201911107337A CN 110889830 A CN110889830 A CN 110889830A
Authority
CN
China
Prior art keywords
magnetic field
wire rope
field signal
leakage magnetic
steel wire
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
CN201911107337.1A
Other languages
English (en)
Other versions
CN110889830B (zh
Inventor
张聚伟
彭富畅
李沣霖
王石磊
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 CN201911107337.1A priority Critical patent/CN110889830B/zh
Publication of CN110889830A publication Critical patent/CN110889830A/zh
Application granted granted Critical
Publication of CN110889830B publication Critical patent/CN110889830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Abstract

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，系统包括三维漏磁场信号检测装置、励磁装置。本方法将三维漏磁场信号通过放大、抬高基线、模数转换后发送至上位机，上位机端利用小波分解对三维漏磁场信号进行降噪后分别进行归一化处理而后映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信息的彩色图像，再通过插值方法提高图像周向分辨率，利用边缘检测方法对缺陷区域图像进行定位和分割，最后提取缺陷区域图像的特征值作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。融合得到的彩色图像中包含的是漏磁场矢量信息，信息含量比一维信息丰富，解决由于单一方向采集的漏磁信号不完整造成钢丝绳表面缺陷识别率低的问题。

Description

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
技术领域
本发明属于钢丝绳探伤检测领域，具体涉及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。
背景技术
工业生产、旅游业、煤矿业、船舶业以及日常起重装吊通常采用钢丝绳作为牵引、承重以及连接部件。钢丝绳长时间大负荷使用易产生断丝、松丝、磨损损伤，在恶劣环境下的使用会导致钢丝绳腐蚀径缩，承载能力下降，极易发生安全事故从而危及到人身安全和设备安全。因此实时地监测钢丝绳损伤情况预测实现钢丝绳快速无损自动化检测技术具有重要的社会和经济效益。
目前，钢丝绳损伤检测技术领域应用较多，最常用的是电磁检测法。基于电磁的钢丝绳无损检测从磁化角度来可大致分为两类，即线圈磁化和永磁体激励磁化两种。采用线圈磁化检测装置通常将线圈绕制为两个鞍形线圈，通过调节线圈中电流大小来产生不同的磁场强度。同时，用主磁通法或磁通门对钢丝绳表面漏磁进行采集，可以基本实现表面损伤的位置和损伤情况的定量检测。但是该方法由于采用周向磁场加和的方式，获取的是一维漏磁信号，从而周向漏磁场分布信号必然缺失，尤其对于集中缺陷和分散缺陷的检测识别有较大影响。
使用永磁铁作为激励源的检测装置大多采用大量磁铁，制作成马鞍形，再以导磁体进行聚磁将钢丝绳磁化至饱和，当钢丝绳出现损伤时，损伤处将会产生漏磁场，如图1所示。但是这种检测方法的传感器阵列只能检测到钢丝绳轴向、切向或径向中的某一个方向的漏磁场信号，而漏掉其余两个方向的漏磁场信息，导致钢丝绳缺陷位置漏磁场信息的部分缺失，造成钢丝绳缺陷识别率低的问题。
发明内容
为了解决单一方向采集的漏磁信号不完整造成钢丝绳表面缺陷识别率低的问题，本发明提供一种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。
为实现上述技术目的，所采用的技术方案是：基于三维漏磁彩色成像的钢丝绳损伤检测方法，利用检测系统测得钢丝绳的三维漏磁场信号，并将该三维漏磁场信号传输至上位机进行检测，对钢丝绳缺陷进行识别，具体包括以下步骤：
步骤一、分别对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号使用小波变换将最低频系数置零，消除基线影响；
步骤二、对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号的小波系数进行小波分解与重构，减小噪声影响；
步骤三、采用最大最小归一化方法，对步骤二得到的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号归一化至0-255之间；
步骤四、将归一化后的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号分别映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信号的彩色缺陷图像，并通过插值方法提高彩色缺陷图像周向分辨率；
步骤五、利用边缘检测方法对步骤四得到的彩色缺陷图像进行定位与分割；
步骤六、提取步骤五得到的彩色缺陷图像的特征值并作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。
基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，包括均套置在钢丝绳外侧的三维漏磁场信号检测装置、励磁装置和上位机；
所述的三维漏磁场信号检测装置包括环形传感器板、主控制板和N个传感器组件，其中，N≥18，N个传感器组件与主控制板连接，主控制板与上位机有线或无线连接，N个传感器组件周向均匀分布在环形传感器板上，每个传感器组件均由三个敏感方向相互垂直的磁敏传感器组成，其中一个磁敏传感器的敏感方向沿钢丝绳的径向设置，另一个磁敏传感器的敏感方向沿钢丝绳的切向设置，第三个磁敏传感器的敏感方向沿钢丝绳的轴向方向设置。
敏感方向沿径向设置的磁敏传感器与敏感方向沿切向的磁敏传感器分别分布在环形传感器板的正反两面，且方向垂直；敏感方向沿轴向设置的磁敏传感器与环形传感器板垂直紧贴，并与敏感方向沿径向设置的磁敏传感器紧贴。
磁敏传感器为巨磁阻传感器、霍尔传感器或隧道磁电阻传感器中的一种。
本发明的有益效果是：本发明将径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号进行放大、基线抬高、模数转换，而后发送至上位机进行去除基线和噪声并进行三维漏磁彩色成像，接着利用插值提高图像周向分辨率，利用边缘检测对缺陷进行定位与分割，最后提取缺陷彩色图像的特征值作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。由于融合得到的彩色图像中包含的是漏磁场矢量信息，信息含量比一维信息丰富，从而解决由于单一方向采集的漏磁信号不完整造成钢丝绳表面缺陷识别率低的问题。
附图说明
图1为现有技术中钢丝绳损伤检测的原理图；
图2为实施例中基于三维漏磁彩色成像的钢丝绳损伤检测系统装置示意图；
图3为实施例中三维漏磁场信号检测装置的环形传感器板结构原理图；
图4为实施例中敏感方向沿轴向的“凸”形小传感器板示意图；
图5为实施例中基于三维漏磁彩色成像的钢丝绳损伤检测系统流程图；
图中：1、三维漏磁信号检测装置，2、励磁装置，3、钢丝绳，4、漏磁信号，101、环形传感器板，102、主控制板，103、传感器组件。
具体实施方式
一种基于三维漏磁彩色成像的钢丝绳损伤检测系统，包括三维漏磁场信号检测装置1、励磁装置2和上位机，三维漏磁场信号检测装置1、励磁装置2均套设在钢丝绳3的外侧，钢丝绳先经过励磁再经检测得到相应的三维漏磁场信号，其中三维漏磁场信号检测装置1由环形传感器板101和主控制板102构成。三维漏磁场信号检测装置1的环形传感器板101上沿周向均匀分布着N组传感器组件103，N≥18，N个传感器组件与主控制板102连接，主控制板102与上位机有线或无线连接。每个传感器组件103由三个敏感方向相互垂直的磁敏传感器组成，这三个磁敏传感器分布在同一个圆周，其中一个传感器的敏感方向沿钢丝绳的径向设置，用于采集漏磁场的径向信息；另一个磁敏传感器的敏感方向沿钢丝绳的切向设置，用于采集漏磁场的切向信息；第三个磁敏传感器敏感方向沿钢丝绳的轴向设置，用于采集漏磁场的轴向信息。将径向漏磁场信号、切向漏磁场信号与轴向漏磁场信号通过放大、抬高基线、模数转换后利用主控制板102有线或无线发送至上位机，在上位机端利用小波分解对三维漏磁场信号进行去除基线和降噪后分别进行归一化处理而后映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信息的彩色图像，再通过插值方法提高图像周向分辨率，接着利用边缘检测方法对缺陷区域图像进行定位和分割，最后提取缺陷区域图像的特征值作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。
基于三维漏磁彩色成像的钢丝绳损伤检测方法，其特征在于：利用检测系统测得钢丝绳的三维漏磁场信号，并将该三维漏磁场信号传输至上位机进行检测，对钢丝绳缺陷进行识别，具体包括以下步骤：
步骤一、分别对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号使用小波变换将最低频系数置零，消除基线影响；
步骤二、对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号的小波系数进行小波分解与重构，减小噪声影响；
步骤三、采用最大最小归一化方法，对步骤二得到的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号归一化至0-255之间；
步骤四、将归一化后的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号分别映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信号的彩色缺陷图像，并通过插值方法提高彩色缺陷图像周向分辨率；
步骤五、利用边缘检测方法对步骤四得到的彩色缺陷图像进行定位与分割；
步骤六、提取步骤五得到的彩色缺陷图像的特征值并作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。
敏感方向沿径向设置的磁敏传感器与敏感方向沿切向的磁敏传感器分别分布在环形传感器板101的正反两面，且方向垂直；敏感方向沿轴向设置的磁敏传感器与环形传感器板101垂直紧贴，并与敏感方向沿径向设置的磁敏传感器紧贴。敏感方向沿轴向的磁敏传感器被焊接在独立的“凸”形小传感器板上，这些小传感器板垂直嵌入环形传感器板上。
检测漏磁场的磁敏传感器类型有多种选择，如巨磁阻传感器、霍尔传感器、隧道磁电阻传感器等等。
所述系统适用于多种漏磁检测技术，如强磁、非饱和激励、剩磁等等。
所述系统将每个传感器组件检测到的所有空间位置点的三维漏磁信息构成钢丝绳一个周向通道漏磁场数据，N个传感器组件共同组成钢丝绳所有周向通道的漏磁场信息。
所述三维漏磁场信号检测装置1的主控制板将磁敏传感器输出电压值进行放大、基线抬高、模数转换、并用蓝牙发送至上位机处理。下面结合附图对本发明的实施方式作进一步的说明。
系统实施例：
本实施例提供一种基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，其装置示意图如图2所示，包括三维漏磁场信号检测装置1和励磁装置2。三维漏磁场信号检测装置1和励磁装置2沿钢丝绳轴线设置，并套设在钢丝绳上，其中三维漏磁场信号检测装置1由环形传感器板101和主控制板102组成，环形传感器板101用来采集钢丝绳三维漏磁场信号，主控制板负责对采集来的三维漏磁场信号进行放大、基线抬高、模数转换，通过蓝牙发送至上位机。
本实施例提供的基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，其三维漏磁场信号检测装置的环形传感器板结构原理图如图3所示，板上的传感器组件103周向数量主要与待测钢丝绳直径相关，钢丝绳直径越大，为保证漏磁周向信号检测的完备性，所需检测传感器组件数量越多。如采用非饱和激励检测法的分辨率提升装置，对6×37结构的钢丝绳进行检测时，选用巨磁阻传感器，则所需磁敏传感器数量选18*3个为宜，传感器组件中包含敏感方向沿径向的磁敏传感器、敏感方向沿切向的磁敏传感器和敏感方向沿轴向的磁敏传感器，敏感方向为箭头方向。
传感器组件103到钢丝绳表面的径向提离距离为D，D的取值主要与所用磁敏传感器的检测灵敏度有关，提离距离D值越小，检测灵敏度越高。但在实际检测中，提离距离D常因为待测工件表面存在缺陷及原本的不平顺而产生波动，造成检测误差，而提离距离D值在增大时能够减小这种波动误差。D值的选择需要保证漏磁信号检测的完整性和可检性及检测灵敏度容许的前提下，尽量增大提离距离，从而减小提离距离波动的影响。如采用非饱和激励检测法的分辨率提升装置，对6×37结构的钢丝绳进行检测时，选用巨磁阻传感器,则其提离距离D选15mm为宜。
传感器组件103中敏感方向为径向的磁敏传感器和敏感方向为轴向的磁敏传感器距离为L，L的取值主要与传感器组件周向数量有关，周向数量越大，为保证传感器组件之间的间距，L的取值越小。如采用非饱和激励检测法的分辨率提升装置，对6×37结构的钢丝绳进行检测时，选用巨磁阻传感器，周向数量为18组时，则其距离L选1至3mm为宜。
基于三维漏磁彩色成像的钢丝绳损伤检测方法实施例：
本实施例提供一种基于三维漏磁彩色成像的钢丝绳损伤检测方法，适用于上述实施例中所提供的三维漏磁场信号检测系统，具体步骤如下：
(1)利用环形传感器板采集钢丝绳表面的三维漏磁场信号，环形传感器板上的传感器组件数量设为n，敏感方向沿径向、切向和轴向的传感器采集的磁场信号数据经过主控制板进行放大、抬高基线、模数转换后分别组成三组数据阵列Xn、Yn和Zn通过蓝牙发送至上位机，其中n也是三个维度数据阵列的周向路数；
(2)对上位机端接收的待测钢丝绳表面磁场数据进行基线去除和噪声抑制。本实施例中采用小波多分辨分析降噪方法。小波多分辨分析降噪方法包括信号分解、小波阈值设定和小波重构三部分，具体为对于一个小波Φj,K(t)，在L2(R)空间中建立一组基底Ψj,K(t)，其建立过程通过在L2(R)的一个子空间中建立一组基底，然后通过变换扩展，将该组基底扩充到整个L2(R)空间中，从而获得整个空间的一组关于小波Φj,K(t)的基底；使用Mallat多分辨分析法获得的L2(R)的小波正交基
{Ψi,k(t)|Ψj,k(t)＝2-j/2Ψ(2-jt-k)}j,k∈Z
对于空间中任意信号f∈L2(R)可由该基底表述为
Figure BDA0002271701500000061
其中J是任意的设定尺度；Φj,K(t)是尺度函数；而
Figure BDA0002271701500000065
和
Figure BDA0002271701500000066
是信号第2j尺度下的分解系数，分别表示了低频逼近和高频细节，两个系数通过下式求出
Figure BDA0002271701500000062
式中，
Figure BDA0002271701500000063
是一对组合滤波器，分别是一个低通滤波器和高通滤波器；
对通上式获得的小波系数施加阈值限制，将低于阈值的系数置为零，其他保留，所选用的阈值计算公式为
Figure BDA0002271701500000064
式中N是待滤波信号的采样点数，而THR是计算的阈值；通过下式对进行阈值处理后的小波系数进行信号重构
Figure BDA0002271701500000071
对于基线去除，选择对信号采用n层小波分解。n的取值为进行n层分解后，最低频部分刚好不包含钢丝绳的缺陷信息，即最低频反映基线部分。将最低频小波系数置零，即可消除基线影响。
(3)将去噪后得到的三个维度的磁场数据分别利用最大最小值法归一化0-255之间：
Figure BDA0002271701500000072
其中i＝1，2，…，n；n表示数据阵列的周向路数。j＝1，2，…，m；m表示钢丝绳轴向采样点个数。
(4)将归一化后的径向、切向和轴向漏磁场数据分别映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信息的彩色图像并采用插值方法提高图像的周向分辨率；
(5)对提高周向分辨率的图像进行边缘检测，定位缺陷位置，并分割出包含缺陷区域的最小矩形图像，用于提取缺陷特征；
(6)对分割出的每个缺陷图像分别提取三个低阶颜色矩特征，包括一阶矩(均值，mean)、二阶矩(方差，variance)和三阶矩(斜度，skewness)，数学定义如下：
Figure BDA0002271701500000073
其中，pi,j是第j像素的第i颜色分量，N是像素数。图像的三个分量R、G、B的前三阶颜色矩组成了一个九维的特征向量，表示如下：
Fcolor＝[μR,σR,sR,μG,σG,sG,μB,σB,sB]
然后，提取缺陷的等效面积、细长比和矩形度特征量。等效面积特征A定义为对象区域的像素个数。它反映了缺陷的尺寸和断丝的数量。细长比E是对象区域长度和宽度的比值。它反映了缺陷的形状，是矩形边界的敏感参数。当缺陷的形状趋向于矩形时，E的值趋向于1。矩形度R是对象区域面积与长度和宽度之积的比值。当R的值接近于1时，目标区域类似于矩形，当R接近于0时，目标区域更加复杂。这些特征的表达式如下：
Figure BDA0002271701500000081
E＝min(H,W)/max(H,W)
R＝A/(H×W)
其中，Q是缺陷的范围，H是区域的长度，W是区域的宽度。
(7)最后将每个缺陷的9个颜色矩和3个形态学特征量作为BP神经网络分类器中的输入，进行分类识别，从而实现对钢丝绳缺陷的定量识别。
考虑采集的漏磁场矢量信息具备完整性，本实施例比常规方法多提取到两个维度的有效特征，钢丝绳缺陷信息还原率更高，从而提高了缺陷的识别率。

Claims (4)

1.基于三维漏磁彩色成像的钢丝绳损伤检测方法，其特征在于：利用检测系统测得钢丝绳的三维漏磁场信号，并将该三维漏磁场信号传输至上位机进行检测，对钢丝绳缺陷进行识别，具体包括以下步骤：
步骤一、分别对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号使用小波变换将最低频系数置零，消除基线影响；
步骤二、对径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号的小波系数进行小波分解与重构，减小噪声影响；
步骤三、采用最大最小归一化方法，对步骤二得到的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号归一化至0-255之间；
步骤四、将归一化后的径向漏磁场信号、切向漏磁场信号和轴向漏磁场信号分别映射到红R、绿G、蓝B三个颜色通道中，得到关于钢丝绳漏磁场信号的彩色缺陷图像，并通过插值方法提高彩色缺陷图像周向分辨率；
步骤五、利用边缘检测方法对步骤四得到的彩色缺陷图像进行定位与分割；
步骤六、提取步骤五得到的彩色缺陷图像的特征值并作为BP神经网络分类器的输入进行钢丝绳缺陷的定量识别。
2.如权利要求1所述的基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，其特征在于：包括均套置在钢丝绳（3）外侧的三维漏磁场信号检测装置（1）、励磁装置（2）和上位机；
所述的三维漏磁场信号检测装置（1）包括环形传感器板（101）、主控制板（102）和N个传感器组件（103），其中，N≥18，N个传感器组件与主控制板（102）连接，主控制板（102）与上位机有线或无线连接，N个传感器组件（103）周向均匀分布在环形传感器板（101）上， 每个传感器组件（103）均由三个敏感方向相互垂直的磁敏传感器组成，其中一个磁敏传感器的敏感方向沿钢丝绳的径向设置，另一个磁敏传感器的敏感方向沿钢丝绳的切向设置，第三个磁敏传感器的敏感方向沿钢丝绳的轴向方向设置。
3.如权利要求2所述的基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，其特征在于：敏感方向沿径向设置的磁敏传感器与敏感方向沿切向的磁敏传感器分别分布在环形传感器板（101）的正反两面，且方向垂直；敏感方向沿轴向设置的磁敏传感器与环形传感器板（101）垂直紧贴，并与敏感方向沿径向设置的磁敏传感器紧贴。
4.如权利要求2所述的基于三维漏磁彩色成像的钢丝绳损伤检测方法的检测系统，其特征在于：磁敏传感器为巨磁阻传感器、霍尔传感器或隧道磁电阻传感器中的一种。
CN201911107337.1A 2019-11-13 2019-11-13 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 Active CN110889830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911107337.1A CN110889830B (zh) 2019-11-13 2019-11-13 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911107337.1A CN110889830B (zh) 2019-11-13 2019-11-13 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

Publications (2)

Publication Number Publication Date
CN110889830A true CN110889830A (zh) 2020-03-17
CN110889830B CN110889830B (zh) 2023-03-24

Family

ID=69747391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911107337.1A Active CN110889830B (zh) 2019-11-13 2019-11-13 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

Country Status (1)

Country Link
CN (1) CN110889830B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116087318A (zh) * 2023-01-16 2023-05-09 中国矿业大学(北京) 基于5g的矿用钢绳芯传送带聚磁扫描监测系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1354133A (en) * 1970-09-09 1974-06-05 Forster F Nondestructive testing device for steel parts
CN1928543A (zh) * 2006-09-15 2007-03-14 哈尔滨工业大学深圳研究生院 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置
US20110163741A1 (en) * 2008-05-15 2011-07-07 Sumitomo Metal Industries, Ltd. Magnetic testing method and magnetic testing apparatus
CN102654464A (zh) * 2012-03-13 2012-09-05 浙江工业大学 基于多特征模糊识别的铜带表面缺陷检测系统
CN104897771A (zh) * 2015-05-12 2015-09-09 清华大学 三维漏磁检测缺陷轮廓重构方法及装置
US20160161448A1 (en) * 2014-12-08 2016-06-09 Tsinghua University Imaging method and apparatus based on magnetic fulx leakage testing
US20160178580A1 (en) * 2014-12-19 2016-06-23 Tsinghua University Method and apparatus for quantifying pipeline defect based on magnetic flux leakage testing
CN107741454A (zh) * 2017-09-04 2018-02-27 清华大学 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法
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
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置
CN109783906A (zh) * 2018-12-29 2019-05-21 东北大学 一种管道内检测漏磁数据智能分析系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1354133A (en) * 1970-09-09 1974-06-05 Forster F Nondestructive testing device for steel parts
CN1928543A (zh) * 2006-09-15 2007-03-14 哈尔滨工业大学深圳研究生院 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置
US20110163741A1 (en) * 2008-05-15 2011-07-07 Sumitomo Metal Industries, Ltd. Magnetic testing method and magnetic testing apparatus
CN102654464A (zh) * 2012-03-13 2012-09-05 浙江工业大学 基于多特征模糊识别的铜带表面缺陷检测系统
US20160161448A1 (en) * 2014-12-08 2016-06-09 Tsinghua University Imaging method and apparatus based on magnetic fulx leakage testing
US20160178580A1 (en) * 2014-12-19 2016-06-23 Tsinghua University Method and apparatus for quantifying pipeline defect based on magnetic flux leakage testing
CN104897771A (zh) * 2015-05-12 2015-09-09 清华大学 三维漏磁检测缺陷轮廓重构方法及装置
CN107741454A (zh) * 2017-09-04 2018-02-27 清华大学 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法
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
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置
CN109783906A (zh) * 2018-12-29 2019-05-21 东北大学 一种管道内检测漏磁数据智能分析系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔巍等: "钢板对接焊缝漏磁检测可视化方法", 《无损检测》 *
曹印妮等: "三维漏磁场的钢丝绳局部损伤定量分析算法研究", 《电子学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116087318A (zh) * 2023-01-16 2023-05-09 中国矿业大学(北京) 基于5g的矿用钢绳芯传送带聚磁扫描监测系统及方法
CN116087318B (zh) * 2023-01-16 2023-11-21 中国矿业大学(北京) 基于5g的矿用钢绳芯传送带聚磁扫描监测系统及方法

Also Published As

Publication number Publication date
CN110889830B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN107941899B (zh) 一种弱磁激励的钢丝绳探伤装置和探伤方法
US9170234B2 (en) Magnetic sensor array and apparatus for detecting defect using the magnetic sensor array
CN106959337A (zh) 一种开放式微磁激励钢丝绳损伤检测系统
Zhang et al. Characterization of wire rope defects with gray level co-occurrence matrix of magnetic flux leakage images
CN109682824B (zh) 基于图像融合的钢丝绳无损检测方法及其装置
CN108333252A (zh) 一种钢丝绳探伤系统及其漏磁信号检测装置
CN107301271B (zh) 一种钢丝绳外层损伤漏磁检测定量方法
KR20110025282A (ko) 자기센서를 이용한 냉연강판의 개재물 탐상 장치
US20130024135A1 (en) Method And Apparatus For Ferromagnetic Cable Inspection
CN206772899U (zh) 一种开放式微磁激励钢丝绳损伤检测装置
CN109164165A (zh) 基于图像融合的钢丝绳无损检测方法及其装置
CN110889830B (zh) 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
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
CN111024805A (zh) 一种钢轨表面伤损漏磁检测装置及方法
Peng et al. The broken wires identification of wire rope based on multilevel filtering method using EEMD and wavelet analysis
US20200271549A1 (en) Method of and apparatus for inspecting a ferromagnetic object
Zheng et al. Application of variational mode decomposition and k-nearest neighbor algorithm in the quantitative nondestructive testing of wire ropes
CN113176330A (zh) 钢丝绳漏磁检测系统及该系统在电梯上的应用
Li et al. A new quantitative non-destructive testing approach of broken wires for steel wire rope
Lu et al. Quantitative nondestructive testing of wire ropes based on features fusion of magnetic image and infrared image
Li et al. Quantitative nondestructive testing of wire rope using image super-resolution method and AdaBoost classifier
Liu et al. Shaking noise exploration and elimination for detecting local flaws of steel wire ropes based on magnetic flux leakages
CN110006338B (zh) 一种钢丝绳损伤面积检测方法
CN109459489B (zh) 一种基于磁记忆检测原理的电梯裂纹检测方法
CN107884473A (zh) 一种多频涡流检测系统

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