CN112258444A - 一种电梯钢丝绳检测方法 - Google Patents
一种电梯钢丝绳检测方法 Download PDFInfo
- Publication number
- CN112258444A CN112258444A CN202010668216.0A CN202010668216A CN112258444A CN 112258444 A CN112258444 A CN 112258444A CN 202010668216 A CN202010668216 A CN 202010668216A CN 112258444 A CN112258444 A CN 112258444A
- Authority
- CN
- China
- Prior art keywords
- image
- steel wire
- wire rope
- elevator
- processing
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 44
- 239000010959 steel Substances 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000007547 defect Effects 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电梯钢丝绳检测方法，采用机器视觉检测技术，以数字图像处理技术为核心，进行电梯钢丝绳表面缺陷检测方法的研究。通过对电梯钢丝绳图像的采集，分割、噪声处理、缺陷特征提取等步骤，最后再利用神经网络算法对钢丝绳表面缺陷进行判别。从而探索出一条电梯钢丝绳的快速检测新方法，对提高特种设备的检测检验质量具有重要的意义，为基于机器视觉的无损检测设备在特种设备检测检验现场的实际应用奠定了基础，具有广阔的市场前景。
Description
技术领域
本发明涉及电梯领域，特别涉及一种电梯钢丝绳检测方法。
背景技术
钢丝绳作为电梯系统的重要组成部分，在使用过程中会受到各种应力、摩擦和腐蚀等损伤，造成钢丝绳产生疲劳、断丝和磨损。传统的钢丝绳人工检测方法存在效率低、主观影响大等缺点从而导致电梯钢丝绳缺陷不能及时准确的发现，给人民生命安全带来了极大隐患。因此，对钢丝绳表面缺陷进行快速准确的检测具有十分重大的现实意义。
发明内容
本发明所要解决的技术问题是提供一种电梯钢丝绳检测方法，以解决现有技术中导致的上述多项缺陷。
为实现上述目的，本发明提供以下的技术方案：一种电梯钢丝绳检测方法，包括如下步骤：
(1)图像采集和预处理
首先利用CCD工业摄像机对目标图像进行采集，再对原始图像进行预处理，获取灰度图像；
(2)图像滤波降噪
接着对预处理获取的灰度图像运用滤波算法对其进行运算，得到所需图像，所述滤波算法为邻域平均值法；
(3)图像曲面投影校正
接着对滤波降噪后的图像进行插值展开，得到钢丝绳图像；
(4)图像纹理特征提取
接着从钢丝绳图像中提取能反映缺陷纹理性质并且相对稳定的特征，即边缘检测问题；
(5)图像边缘检测
通过引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值，然后再对其进行运算，最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线；
(6)缺陷分类识别
利用神经网络来对钢丝绳进行判断，将提取的纹理特征值作为神经网络的输入，通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断，得到最后结果。
优选的，所述步骤(1)中图像预处理包括图像处理、图像分析和图像理解。
优选的，所述图像处理为获取到图像后，对图像进行象素分级，然后在象素级上对图像进行灰度变换处理、目标编辑锐化处理、几何校正处理、滤除噪声平滑处理。
优选的，所述图像分析为完成图像处理阶段后，得到特征图像，选取特征图像的标定位置，对标定的部分进行分割、测量、检测和特征提取。
优选的，所述图像理解为接收经过图像处理阶段处理后的目标图像特殊点和描述图像形态的数据，然后对这些数据进行计算，分析计算后的数据，从计算结果中获得特征图形的性质。
优选的，所述步骤(2)中邻域平均值法的计算公式为
优选的，所述步骤(3)中插值展开的方法为先定义投影面的曲率，然后计算出投影面与投影屏幕仪空间的几何关系及其变换矩阵；最后对投影的图像进行分割，提取出角点信息与计算出的曲面控制点信息进行矩阵运算，产生非线性几何变形的投影图像。
优选的，所述步骤(5)中运算为高斯平滑运算、求导运算。
采用以上技术方案的有益效果是：本发明提供了一种电梯钢丝绳检测方法，采用机器视觉检测技术，以数字图像处理技术为核心，进行电梯钢丝绳表面缺陷检测方法的研究。通过对电梯钢丝绳图像的采集，分割、噪声处理、缺陷特征提取等步骤，最后再利用神经网络算法对钢丝绳表面缺陷进行判别。从而探索出一条电梯钢丝绳的快速检测新方法，对提高特种设备的检测检验质量具有重要的意义，为基于机器视觉的无损检测设备在特种设备检测检验现场的实际应用奠定了基础，具有广阔的市场前景。
附图说明
图1为一种电梯钢丝绳检测方法的技术路线图。
具体实施方式
下面详细说明本发明的优选实施方式。
一种电梯钢丝绳检测方法，包括如下步骤：
(1)图像采集和预处理
首先利用CCD工业摄像机对目标图像进行采集，再对原始图像进行预处理，获取灰度图像，图像预处理包括图像处理、图像分析和图像理解，所述图像处理为获取到图像后，对图像进行象素分级，然后在象素级上对图像进行灰度变换处理、目标编辑锐化处理、几何校正处理、滤除噪声平滑处理，所述图像分析为完成图像处理阶段后，得到特征图像，选取特征图像的标定位置，对标定的部分进行分割、测量、检测和特征提取，所述图像理解为接收经过图像处理阶段处理后的目标图像特殊点和描述图像形态的数据，然后对这些数据进行计算，分析计算后的数据，从计算结果中获得特征图形的性质；
(2)图像滤波降噪
接着对预处理获取的灰度图像运用滤波算法对其进行运算，得到所需图像，所述滤波算法为邻域平均值法，所述邻域平均值法的计算公式为
(3)图像曲面投影校正
接着对滤波降噪后的图像进行插值展开，得到钢丝绳图像，所述插值展开的方法为先定义投影面的曲率，然后计算出投影面与投影屏幕仪空间的几何关系及其变换矩阵；最后对投影的图像进行分割，提取出角点信息与计算出的曲面控制点信息进行矩阵运算，产生非线性几何变形的投影图像；
(4)图像纹理特征提取
接着从钢丝绳图像中提取能反映缺陷纹理性质并且相对稳定的特征，即边缘检测问题；
(5)图像边缘检测
通过引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值，然后再对其进行运算，最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线，所述运算为高斯平滑运算、求导运算，所述运算为高斯平滑运算、求导运算；
(6)缺陷分类识别
利用神经网络来对钢丝绳进行判断，将提取的纹理特征值作为神经网络的输入，通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断，得到最后结果。
本发明提供一种电梯钢丝绳检测方法，采用机器视觉检测技术，以数字图像处理技术为核心，进行电梯钢丝绳表面缺陷检测方法的研究。通过对电梯钢丝绳图像的采集，分割、噪声处理、缺陷特征提取等步骤，最后再利用神经网络算法对钢丝绳表面缺陷进行判别。从而探索出一条电梯钢丝绳的快速检测新方法，对提高特种设备的检测检验质量具有重要的意义，为基于机器视觉的无损检测设备在特种设备检测检验现场的实际应用奠定了基础，具有广阔的市场前景。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (8)
1.一种电梯钢丝绳检测方法，其特征在于，包括如下步骤：
(1)图像采集和预处理
首先利用CCD工业摄像机对目标图像进行采集，再对原始图像进行预处理，获取灰度图像；
(2)图像滤波降噪
接着对预处理获取的灰度图像运用滤波算法对其进行运算，得到所需图像，所述滤波算法为邻域平均值法；
(3)图像曲面投影校正
接着对滤波降噪后的图像进行插值展开，得到钢丝绳图像；
(4)图像纹理特征提取
接着从钢丝绳图像中提取能反映缺陷纹理性质并且相对稳定的特征，即边缘检测问题；
(5)图像边缘检测
通过引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值，然后再对其进行运算，最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线；
(6)缺陷分类识别
利用神经网络来对钢丝绳进行判断，将提取的纹理特征值作为神经网络的输入，通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断，得到最后结果。
2.根据权利要求1所述的一种电梯钢丝绳检测方法，其特征在于，所述步骤(1)中图像预处理包括图像处理、图像分析和图像理解。
3.根据权利要求2所述的一种电梯钢丝绳检测方法，其特征在于，所述图像处理为获取到图像后，对图像进行象素分级，然后在象素级上对图像进行灰度变换处理、目标编辑锐化处理、几何校正处理、滤除噪声平滑处理。
4.根据权利要求2所述的一种电梯钢丝绳检测方法，其特征在于，所述图像分析为完成图像处理阶段后，得到特征图像，选取特征图像的标定位置，对标定的部分进行分割、测量、检测和特征提取。
5.根据权利要求2所述的一种电梯钢丝绳检测方法，其特征在于，所述图像理解为接收经过图像处理阶段处理后的目标图像特殊点和描述图像形态的数据，然后对这些数据进行计算，分析计算后的数据，从计算结果中获得特征图形的性质。
6.根据权利要求1所述的一种电梯钢丝绳检测方法，其特征在于，所述步骤(2)中邻域平均值法的计算公式为
7.根据权利要求1所述的一种电梯钢丝绳检测方法，其特征在于，所述步骤(3)中插值展开的方法为先定义投影面的曲率，然后计算出投影面与投影屏幕仪空间的几何关系及其变换矩阵；最后对投影的图像进行分割，提取出角点信息与计算出的曲面控制点信息进行矩阵运算，产生非线性几何变形的投影图像。
8.根据权利要求1所述的一种电梯钢丝绳检测方法，其特征在于，所述步骤(5)中运算为高斯平滑运算、求导运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010668216.0A CN112258444A (zh) | 2020-07-13 | 2020-07-13 | 一种电梯钢丝绳检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010668216.0A CN112258444A (zh) | 2020-07-13 | 2020-07-13 | 一种电梯钢丝绳检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112258444A true CN112258444A (zh) | 2021-01-22 |
Family
ID=74224787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010668216.0A Pending CN112258444A (zh) | 2020-07-13 | 2020-07-13 | 一种电梯钢丝绳检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258444A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112991322A (zh) * | 2021-04-08 | 2021-06-18 | 新沂慧科智能科技有限公司 | 一种非接触式的电梯钢筋绳缺陷检测方法 |
| CN113781427A (zh) * | 2021-09-07 | 2021-12-10 | 上海商汤智能科技有限公司 | 电梯组件状态检测方法、装置、电子设备及存储介质 |
| CN117036255A (zh) * | 2023-07-21 | 2023-11-10 | 北京北排建设有限公司 | 一种基于深度学习的管道缺陷检测与评价方法及装置 |
| CN117734510A (zh) * | 2024-02-21 | 2024-03-22 | 南京优芮智能科技有限公司 | 用于充电桩的智能紧急断电操纵系统 |
-
2020
- 2020-07-13 CN CN202010668216.0A patent/CN112258444A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112991322A (zh) * | 2021-04-08 | 2021-06-18 | 新沂慧科智能科技有限公司 | 一种非接触式的电梯钢筋绳缺陷检测方法 |
| CN113781427A (zh) * | 2021-09-07 | 2021-12-10 | 上海商汤智能科技有限公司 | 电梯组件状态检测方法、装置、电子设备及存储介质 |
| CN117036255A (zh) * | 2023-07-21 | 2023-11-10 | 北京北排建设有限公司 | 一种基于深度学习的管道缺陷检测与评价方法及装置 |
| CN117734510A (zh) * | 2024-02-21 | 2024-03-22 | 南京优芮智能科技有限公司 | 用于充电桩的智能紧急断电操纵系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112258444A (zh) | 一种电梯钢丝绳检测方法 | |
| CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
| CN112270658A (zh) | 一种基于机器视觉的电梯钢丝绳检测方法 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| CN117237368B (zh) | 一种桥梁裂缝检测方法及系统 | |
| CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
| CN112907519A (zh) | 一种基于深度学习的金属曲面缺陷分析系统及方法 | |
| CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
| CN115684176A (zh) | 一种薄膜表面缺陷在线视觉检测系统 | |
| CN112053332A (zh) | 一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法 | |
| CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
| CN114037691A (zh) | 一种基于图像处理的碳纤维板裂纹检测方法 | |
| CN110728286B (zh) | 一种基于火花图像的砂带磨削材料去除率识别方法 | |
| CN107492093B (zh) | 基于图像处理的轴承异常检测方法 | |
| CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
| CN112785594B (zh) | 基于图像二维幅值估计的桥梁自动结构裂缝识别方法 | |
| CN115423816A (zh) | 一种金属表面磨削质量检测方法 | |
| CN111882537B (zh) | 视觉检测方法及系统 | |
| CN114354631A (zh) | 一种基于视觉的阀门毛坯表面缺陷检测方法 | |
| CN114742823A (zh) | 一种物体表面划痕智能检测方法 | |
| CN110189301B (zh) | 一种发电机定子铁心钢片叠装平台的异物检测方法 | |
| CN114004812A (zh) | 采用引导滤波与神经网络模型的螺纹孔检测方法及系统 | |
| CN111017728A (zh) | 一种基于机器视觉的起重机制动器健康状态评估方法 |
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 |