CN112945972A - 一种基于机器视觉的钢丝绳状态检测装置及方法 - Google Patents

一种基于机器视觉的钢丝绳状态检测装置及方法 Download PDF

Info

Publication number
CN112945972A
CN112945972A CN202110127547.8A CN202110127547A CN112945972A CN 112945972 A CN112945972 A CN 112945972A CN 202110127547 A CN202110127547 A CN 202110127547A CN 112945972 A CN112945972 A CN 112945972A
Authority
CN
China
Prior art keywords
steel wire
wire rope
camera
light source
axis
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
CN202110127547.8A
Other languages
English (en)
Other versions
CN112945972B (zh
Inventor
周坪
张传生
陈和
周公博
商学建
安勇
王曙东
何贞志
刘年胜
朱真才
王立兵
刘鑫
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.)
Xuzhou Kerui Mining Technology Co ltd
China University of Mining and Technology CUMT
Original Assignee
Xuzhou Kerui Mining Technology Co ltd
China University of Mining and Technology CUMT
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 Xuzhou Kerui Mining Technology Co ltd, China University of Mining and Technology CUMT filed Critical Xuzhou Kerui Mining Technology Co ltd
Priority to CN202110127547.8A priority Critical patent/CN112945972B/zh
Publication of CN112945972A publication Critical patent/CN112945972A/zh
Application granted granted Critical
Publication of CN112945972B publication Critical patent/CN112945972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种基于机器视觉的钢丝绳状态检测装置及方法，周向测量单元包括内齿轮轨道、从动齿轮圈、小齿轮电机、相机云台、图像采集相机和光源A；小齿轮电机驱动从动齿轮圈相对于内齿轮轨道的转动，图像采集相机和光源A均固定连接在从动齿轮圈上；动态采集机构包括支撑框架B、相平行设置的一对X轴导轨、位于一对X轴导轨之间的X轴丝杆、固定安装在支撑框架B左端部的X轴电机、支撑框架C、相平行设置的一对Y轴导轨、位于一对Y轴导轨之间的Y轴丝杆、固定连接在支撑框架C后端部的Y轴电机、设置在支撑框架C前端的采集安装架；方法：采集图像；预处理；拼接；语义分割识别；结果识别；上传并存储。该装置及方法能实现对钢丝绳状态的全面检测。

Description

一种基于机器视觉的钢丝绳状态检测装置及方法
技术领域
本发明属于机械系统状态检测技术领域，具体是一种基于机器视觉的钢丝绳状态检测装置及方法。
背景技术
钢丝绳广泛应用于各种提升、牵引和承载系统中。比如在煤矿领域，钢丝绳作为煤矿提升机的重要构件，在使用过程中承受着疲劳应变、腐蚀、磨损以及载荷冲击等工况的影响，钢丝绳会出现磨损、锈蚀以及断丝等损伤现象。煤矿的立井深度一般可以达到几百米甚至上千米，在提升机运行过程中，一旦发生钢丝绳的断绳事故，便会造成不可挽回的后果。为了有效防止因钢丝绳损伤造成安全事故，对钢丝绳健康状态进行提前检测是煤矿安全检测的重要部分。因此，研究使用精确的钢丝绳状态检测装置对于煤矿安全来说至关重要，而机器视觉检测是实现钢丝绳状态检测的有效技术手段。机器视觉的基本检测原理就是用摄像机来代替人眼，用工控机来代替人脑对客观世界物体进行感知与分析，并根据判别的结果来控制现场的设备动作。通过机器视觉代替人工视觉来检测钢丝绳状态，可大大提高检测的安全性、效率和自动化程度。但是，现有技术中基于机器视觉的检测装置结构简单，无法有效的实现对钢丝绳状态进行全面精确的检测。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于机器视觉的钢丝绳状态检测装置及方法，该装置能实现对钢丝绳状态的全面检测，能提高钢丝绳的检测效率和精度，同时，能增强钢丝绳系统的安全性；该方法能实时采集每一根动态钢丝绳的完整表面，并能通过算法检测出钢丝绳表面存在的缺陷和钢丝绳的直径，能提高检测效率和精度。
为了实现上述目的，本发明提供一种基于机器视觉的钢丝绳状态检测装置，包括周向测量机构和动态采集机构；
所述周向测量机构由支撑框架A和多个周向测量单元组成；所述支撑框架A固定支设在待检测钢丝绳的外围；多个周向测量单元沿长度方向均匀的设置在支撑框架A的内部；所述周向测量单元的数量与待检测钢丝绳的数量相同；周向测量单元包括内齿轮轨道、从动齿轮圈、小齿轮电机、相机云台、多个图像采集相机和多个光源A；所述内齿轮轨道、从动齿轮圈和相机云台均呈圆环形，且同轴心的套设在待检测钢丝绳的外部；所述内齿轮轨道通过固定连接在其外圆面上的多根连接梁与支撑框架A固定连接；所述从动齿轮圈通过轴承同轴心的连接在内齿轮轨道的内侧；从动齿轮圈的内部设置有内齿圈；所述小齿轮电机通过电机支架固定连接在内齿轮轨道内侧的下部，且其输出轴上固定套装有主动小齿轮；所述主动小齿轮与内齿圈相啮合；所述相机云台设置在从动齿轮圈的上方，并与固定连接在从动齿轮圈上端面的多个云台支撑固定连接；多个图像采集相机和多个光源A均周向均匀的固定连接在相机云台的上端面，且图像采集相机和光源A相交错的设置；
所述动态采集机构设置在周向测量机构的下方，其包括支撑框架B、相平行设置的一对X轴导轨、位于一对X轴导轨之间的X轴丝杆、固定安装在支撑框架B左端部的X轴电机、支撑框架C、相平行设置的一对Y轴导轨、位于一对Y轴导轨之间的Y轴丝杆、固定连接在支撑框架C后端部的Y轴电机、设置在支撑框架C前端的采集安装架；一对X轴导轨分别固定连接在支撑框架B的前端和后端，且每一个X轴导轨上均滑动的装配有X轴滑块；所述X轴丝杆通过轴承可转动的连接在支撑框架B的中部，且X轴丝杆上通过螺纹配合连接有X轴滑动副；所述X轴电机的输出轴与X轴丝杆的一端固定连接；支撑框架C设置在支撑框架B的上部，支撑框架C的下端在对应一对X轴导轨的部分与X轴滑块的上端固定连接；支撑框架C的下端在对应X轴丝杆的部分与X轴滑动副的上端固定连接；一对Y轴导轨分别固定连接在支撑框架C的左端和右端，且每一个Y轴导轨上均滑动的装配有Y轴滑块；所述Y轴丝杆通过轴承可转动的连接在支撑框架C的中部，且Y轴丝杆上通过螺纹配合连接有Y轴滑动副；所述Y轴电机的输出轴与Y轴丝杆的一端固定连接；所述采集安装架为左右方向延伸的框架结构，其下端在对应一对Y轴导轨的部分与Y轴滑块的上端固定连接，其下端在对应Y轴丝杆的部分与Y轴滑动副的上端固定连接；采集安装架前端沿长度方向均匀的安装有多个立板，相邻立板之间形成U形检测空间，每个U形检测空间与一根待检测钢丝绳相对应，且每个U形检测空间中设置有一个滚轮机构和四个相机光源机构；所述滚轮机构包括固定连接在相邻立板后部上端的滚轮机构安装板、设置在滚轮机构安装板中部前侧的滚轮支撑架、通过销轴可转动的安装在滚轮支撑架前端的滚轮、固定连接在滚轮支撑架后端的后支撑板、连接后支撑板与滚轮机构安装板之间的两个调整螺栓、设置在滚轮机构安装板中部前侧的两个调整螺套、设置在两个调整螺套前侧的两个复位弹簧；所述滚轮机构安装板的中部相间隔的开设有两个螺纹孔，所述后支撑板的两端对应两个螺纹孔的开设有两个导向孔；两个调整螺栓依次穿过两个螺纹孔、两个调整螺套、两个复位弹簧、两个导向孔后分别与两个锁紧螺母连接有，且调整螺栓的后端通过螺纹配合与滚轮机构安装板固定连接，两个调整螺套分别与两个调整螺栓螺纹配合，并分别套设在两个调整螺栓后部的外侧；复位弹簧的两端分别与调整螺套和后支撑板相抵接配合，后支撑板与调整螺栓的前部轴向滑动配合，两个锁紧螺母用于对后支撑板在调整螺栓上的滑动范围进行前端限位；所述滚轮的中部开设有与待检测钢丝绳尺寸相适配的环形凹槽；滚轮还与编码器连接；四个相机光源机构设置在U形检测空间的下部，且两个相机光源机构安装在一个立板内侧的下部，另两个相机光源机构安装在另一个立板内侧的下部；所述相机光源机构由相机单元和设置在相机单元上方的光源单元组成；所述相机单元包括相机安装支架、测量相机和偏振片；所述相机安装支架固定连接在立板的侧壁上，所述偏振片和测量相机分别安装在相机安装支架的内侧和外侧，且测量相机的镜头朝向U形检测空间的内部，偏振片设置在测量相机镜头的内侧；所述光源单元包括光源安装支架和光源B；所述光源安装支架固定连接在立板的侧壁上，所述光源B安装在光源安装支架上，且光源B的发光部分朝向U形检测空间的内部；四个相机光源机构中四个测量相机的镜头相互之间呈90度。
进一步，为了方便调整光源B到待检测钢丝绳的距离，同时，为了方便调整光源B的直射角度，所述光源安装支架由光源安装板、光源铰接座和定位螺栓A组成，所述光源安装板的外端与立板固定连接，其上沿长度方向开设有条形孔A，所述光源铰接座下端的端部对应条形孔A的位置开设有通孔A，所述定位螺栓A依次穿过通孔A和条形孔A后与定位螺母A连接，以用于光源铰接座在光源安装板长度方向上的定位；所述光源B的机壳与光源铰接座的上端通过旋转轴A可转动的连接；
为了方便调整测量相机到待检测钢丝绳的距离，所述相机安装支架由相机安装板、相机固定座和定位螺栓B组成，所述相机安装板的外端与立板固定连接，其上沿长度方向开设有条形孔B，所述相机固定座下端的端部对应条形孔B的位置开设有通孔B，所述定位螺栓B依次穿过通孔B和条形孔B后与定位螺母B连接，用于相机固定座在相机安装板长度方向上的定位；所述测量相机固定安装在相机固定座的上部；
为了方便调整偏振片到待检测钢丝绳的距离，所述偏振片的底座上对应条形孔B的开设有通孔C，定位螺栓C穿过通孔C和条形孔B后与定位螺母C连接。
本发明中，使滚轮机构安装板上固定连接有调整螺栓，并使滚轮支撑架滑动套设在调整螺栓上，且通过套设在调整螺栓上的复位弹簧实现对滚轮支撑架进行弹性顶持，可以使滚轮在钢丝绳移动过程中始终压紧在钢丝绳表面；通过调整螺套的设置可以便于根据实现情况调整调整复位弹簧的的预紧力，进而可以保证滚轮对钢丝绳的有效压紧；因滚轮随着钢丝绳纵向移动而滚动，这样通过编码器的设置，能通过滚轮的旋转圈数匹配出钢丝绳纵向移动的距离，再结合到采集到图像当中便可以得到钢丝绳缺陷所在的位置；由于不同的钢丝绳之间会存在张力差，进而纵向移动距离可能会不一致，因此，对应一根钢丝绳设置一个U形检测空间，可以便于通过其中的滚轮准确的测量出对应钢丝绳的纵向移动距离，也可以通过其中的相机光源机构准确的采集到表面的图像数据；本发明的动态采集装置对每根钢丝绳采用四只测量相机同时采集图像，且测量相机到偏振片、测量相机和光源B到钢丝绳之间的距离均可调整，从而保证了采集图像的清晰度和准确度；通过图像拼接，能够完整、清晰的显示每根钢丝绳的全部表面图像；结合滚轮和编码器测量出的钢丝绳行进距离信息，能够通过融合技术来在图像中显示钢丝绳缺陷所在的具体位置；本发明中的周向测量机构采用多个图像采集相机绕着钢丝绳旋转采集图像，能够根据需要获得任意角度的图像信息，从而能便于采用基于图像处理技术的边缘检测算法，通过不同角度的图像进行联合检测，以增加钢丝绳直径检测结果的准确性；本发明能够实时对钢丝绳进行检测，并可方便的获得钢丝绳缺陷位置、缺陷类型和大小以及钢丝绳直径。本发明解决了钢丝绳检测存在的检测困难，检测装置复杂，检测周期长等问题，是一种针对钢丝绳检测的可行装置。
进一步，为了方便建立与上位机的通信，还能方便进行获得数据的实时显示，还包括控制器、无线传输模块和显示模块，所述控制器分别与图像采集相机、光源A、小齿轮电机、测量相机、光源B、X轴电机、Y轴电机、无线传输模块和显示模块连接。
进一步，为了保证转动的稳定性和顺畅性，所述滚轮与销轴之间设置有轴承。
进一步，为了便于自动的进行编码器所获得数据与采集图像数据的结合，所述编码器与控制器连接。
本发明还提供了一种基于机器视觉的钢丝绳状态检测方法，包括基于深度学习的钢丝绳缺陷检测方法和基于边缘检测的钢丝绳直径检测方法；
所述基于深度学习的钢丝绳缺陷检测方法包括以下步骤：
S10：利用动态采集机构采集图像；控制X轴电机动作驱动支撑框架B在左右方向移动，控制Y轴电机动作驱动支撑框架C在前后方向移动，直至使U形检测空间包围在待检测钢丝绳外部，且滚轮的环形凹槽将待检测钢丝绳包裹；通过U形检测空间中的四个测量相机从待检测钢丝绳四周采集整个表面的图像数据，采集过程中通过光源B补光以增加光强度，并采用偏振片以调整图像亮度；
S11：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳表面信息；
S12：利用控制器进行图像的拼接；
A1：计算每幅图中相同的特征点；
A2：对图片中特征点进行匹配；
A3：采用RANSAC对特征点筛选，剔除误差较大的点；
A4：通过随机抽取四对特征点计算匹配后特征点对之间的欧氏距离，如此重复多次，选择欧式距离最小的变换矩阵作为最终结果；
A5：将一张图片进行透视变换，再与另一张拼接；
A6:对两张图片的重合区域进行边界融合处理；
A7：对拼接完成的钢丝绳周向完整表面的图像，根据钢丝绳行进时连续采集的图像拼接，形成连续的钢丝绳完整表面图像；
S13：通过基于深度学习的语义分割算法对钢丝绳图像进行缺陷检测；采用U-Net全卷积神经网络，先对图像数据进行下采样，再经卷积、池化提取图像特征作为特征提取部分；再对图像数据进行上采样，并进行反卷积处理，每次反卷积时与特征提取部分对应的通道数做相同尺度融合，融合前对其进行剪裁，以适应上采样时的通道数大小；根据缺陷检测结果，标出缺陷类型和缺陷位置；
该过程中，将编码器测量出的钢丝绳移动距离信息与采集的图像相结合，以实时显示钢丝绳位置和表面状态；
S14：通过无线传输模块将采集的图像和检测结果传输到上位机并储存；
所述基于边缘检测的钢丝绳直径检测方法包括以下步骤：
S20：利用周向测量机构采集图像；控制小齿轮电机匀速转动，驱动图像采集相机绕钢丝绳旋转，采集钢丝绳每个角度的图像，并根据需求每隔一定角度选取图像，以检测钢丝绳的直径；
S21：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳表面信息；
S22：采用基于Canny算子的边缘检测算法进行直径检测；
B1：通过高斯滤波对图像平滑处理，且在滤波的同时保留图像边缘特征；
B2：计算图像的梯度幅值和梯度方向；
B3：采用非极大值抑制提出像素点梯度的局部最大值，将非极大值的像素点置为0，剔除一部分非边缘的点；
B4：基于双阈值法提取图像边缘，剔除假边缘，直至边缘闭合；
B5：根据提取的边缘计算钢丝绳所占像素，结合相机分辨率、相机距钢丝绳距离计算钢丝绳直径，结合同一位置不同角度的相机拍摄的图片，取检测结果的平均值，作为直径检测结果；
S23：通过无线传输模块将采集的图像和检测得到的直径数据传输到上位机并储存。
作为一种优选，S11和S21中图像预处理包括灰度化处理、几何变换处理和图像增强处理。
本方法中，采用基于深度学习的分割算法，能够识别并标注出钢丝绳表面缺陷位置及大小；采用的U-Net语义分割网络，能进行多尺度识别，并适用于大尺度图像分割；此外，可通过弹性形变处理对样本实现有效扩充，能够使用较少的训练样本得到较好的检测效果，降低数据集制作的难度。本发明能够实时采集每一根钢丝绳的完整表面图像，并能通过算法准确的检测出钢丝绳表面存在的缺陷和钢丝绳的直径，同时能进行缺陷位置的标注，并能将数据传输回上位机，有效提高了钢丝绳检测效率和精度，增强了绳系统运行的安全性。
附图说明
图1是本发明中的结构示意图；
图2是本发明中周向测量机构的结构示意图；
图3是本发明中动态采集机构的结构示意图；
图4是本发明中滚轮机构的结构示意图；
图5是本发明中相机光源机构的结构示意图；
图6是本发明中基于深度学习的钢丝绳缺陷检测方法的流程图；
图7是本发明中图像拼接过程的流程图；
图8是本发明中基于深度学习的钢丝绳缺陷检测方法的流程图。
图中：1、钢丝绳，2、周向测量机构，3、支撑框架A，4、动态采集机构，5、光源A，6、相机云台，7、云台支撑，8、图像采集相机，9、从动齿轮圈，10、主动小齿轮，11、小齿轮电机，12、内齿轮轨道，13、X轴电机，14、支撑框架B，15、X轴导轨，16、相机光源机构，17、滚轮机构，18、采集安装架，19、Y轴电机，20、支撑框架C，21、Y轴导轨，22、光源B，23、光源铰接座，24、旋转轴A，25、光源安装板，26、测量相机，27、偏振片，28、相机安装板，29、相机固定座，30、后支撑板，31、滚轮，32、复位弹簧，33、调整螺栓，34、调整螺套，35、滚轮支撑架，36、销轴，37、X轴滑块，38、X轴丝杠，39、Y轴丝杆，40、X轴滑动副，41、Y轴滑动副，42、立板，43、U形检测空间，44、滚轮机构安装板，45、条形孔A，46、定位螺栓A，47、定位螺栓B，48、条形孔B，49、定位螺栓C。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1至图5所示，本发明提供一种基于机器视觉的钢丝绳状态检测装置，包括周向测量机构2和动态采集机构4；周向测量机构2和动态采集机构4间隔一段距离设置，且相互独立安装；
所述周向测量机构2由支撑框架A3和多个周向测量单元组成；所述支撑框架A固定支设在待检测钢丝绳1的外围；多个周向测量单元沿长度方向均匀的设置在支撑框架A3的内部；所述周向测量单元的数量与待检测钢丝绳1的数量相同；周向测量单元包括内齿轮轨道12、从动齿轮圈9、小齿轮电机11、相机云台6、多个图像采集相机8和多个光源A5；所述内齿轮轨道12、从动齿轮圈9和相机云台6均呈圆环形，且同轴心的套设在待检测钢丝绳1的外部；所述内齿轮轨道12通过固定连接在其外圆面上的多根连接梁37与支撑框架A3固定连接；所述从动齿轮圈9通过轴承同轴心的连接在内齿轮轨道12的内侧；从动齿轮圈9的内部设置有内齿圈；所述小齿轮电机11通过电机支架固定连接在内齿轮轨道12内侧的下部，且其输出轴上固定套装有主动小齿轮10；所述主动小齿轮10与内齿圈相啮合；所述相机云台6设置在从动齿轮圈9的上方，并与固定连接在从动齿轮圈9上端面的多个云台支撑7固定连接；多个图像采集相机8和多个光源A5均周向均匀的固定连接在相机云台6的上端面，且图像采集相机8和光源A5相交错的设置；
通过小齿轮电机11的驱动，从动齿轮圈9能在内齿轮轨道12的内部做旋转运动，进而可以方便图像采集相机8对钢丝绳的周向进行有效的图像采集；
作为一种优选，内齿轮轨道12和从动齿轮圈9均采用两个半圆环形结构组成，且两个半圆环结构之间通过螺栓连接，这样可以方案安装和拆卸；
所述动态采集机构4设置在周向测量机构2的下方，其包括支撑框架B14、相平行设置的一对X轴导轨15、位于一对X轴导轨15之间的X轴丝杆38、固定安装在支撑框架B14左端部的X轴电机13、支撑框架C20、相平行设置的一对Y轴导轨21、位于一对Y轴导轨21之间的Y轴丝杆39、固定连接在支撑框架C20后端部的Y轴电机19、设置在支撑框架C20前端的采集安装架18；一对X轴导轨15分别固定连接在支撑框架B14的前端和后端，且每一个X轴导轨15上均滑动的装配有X轴滑块37；所述X轴丝杆38通过轴承可转动的连接在支撑框架B14的中部，且X轴丝杆38上通过螺纹配合连接有X轴滑动副40；所述X轴电机13的输出轴与X轴丝杆38的一端固定连接；支撑框架C20设置在支撑框架B14的上部，支撑框架C20的下端在对应一对X轴导轨15的部分与X轴滑块37的上端固定连接；支撑框架C20的下端在对应X轴丝杆38的部分与X轴滑动副40的上端固定连接；一对Y轴导轨21分别固定连接在支撑框架C20的左端和右端，且每一个Y轴导轨21上均滑动的装配有Y轴滑块；所述Y轴丝杆39通过轴承可转动的连接在支撑框架C20的中部，且Y轴丝杆39上通过螺纹配合连接有Y轴滑动副41；所述Y轴电机19的输出轴与Y轴丝杆39的一端固定连接；所述采集安装架18为左右方向延伸的框架结构，其下端在对应一对Y轴导轨21的部分与Y轴滑块的上端固定连接，其下端在对应Y轴丝杆39的部分与Y轴滑动副41的上端固定连接；采集安装架18前端沿长度方向均匀的安装有多个立板42，相邻立板42之间形成U形检测空间43；作为一种优选，所述立板42的数量为三个，且形成两个U形检测空间43；这样，能同时对两根钢丝绳进行检测；
每个U形检测空间43与一根待检测钢丝绳1相对应，且每个U形检测空间43中设置有一个滚轮机构17和四个相机光源机构16；所述滚轮机构17包括固定连接在相邻立板42后部上端的滚轮机构安装板44、设置在滚轮机构安装板44中部前侧的滚轮支撑架35、通过销轴36可转动的安装在滚轮支撑架35前端的滚轮31、固定连接在滚轮支撑架35后端的后支撑板30、连接后支撑板30与滚轮机构安装板44之间的两个调整螺栓33、设置在滚轮机构安装板44中部前侧的两个调整螺套34、设置在两个调整螺套34前侧的两个复位弹簧32；所述滚轮机构安装板44的中部相间隔的开设有两个螺纹孔，所述后支撑板30的两端对应两个螺纹孔的开设有两个导向孔；两个调整螺栓33依次穿过两个螺纹孔、两个调整螺套34、两个复位弹簧32、两个导向孔后分别与两个锁紧螺母连接有，且调整螺栓33的后端通过螺纹配合与滚轮机构安装板44固定连接，两个调整螺套34分别与两个调整螺栓33螺纹配合，并分别套设在两个调整螺栓33后部的外侧；复位弹簧32的两端分别与调整螺套34和后支撑板30相抵接配合，后支撑板30与调整螺栓33的前部轴向滑动配合，两个锁紧螺母用于对后支撑板30在调整螺栓33上的滑动范围进行前端限位；所述滚轮31的中部开设有与待检测钢丝绳1尺寸相适配的环形凹槽；滚轮31还与编码器连接；四个相机光源机构16设置在U形检测空间43的下部，且两个相机光源机构16安装在一个立板42内侧的下部，另两个相机光源机构16安装在另一个立板42内侧的下部；所述相机光源机构16由相机单元和设置在相机单元上方的光源单元组成；所述相机单元包括相机安装支架、测量相机26和偏振片27；所述相机安装支架固定连接在立板42的侧壁上，所述偏振片27和测量相机26分别安装在相机安装支架的内侧和外侧，且测量相机26的镜头朝向U形检测空间43的内部，偏振片27设置在测量相机26镜头的内侧；所述光源单元包括光源安装支架和光源B22；所述光源安装支架固定连接在立板42的侧壁上，所述光源B22安装在光源安装支架上，且光源B22的发光部分朝向U形检测空间43的内部；四个相机光源机构16中四个测量相机26的镜头相互之间呈90度，这样，能对钢丝绳的表面图像进行准确检测，也能保证后结图像拼接的准确性。
通过偏振片27的设置，能有效减少绳表面的反光、并可调整图像的亮度；
作为一种优选，图像采集相机8和测量相机26均采用高帧率相机，帧率为150fps并可根据工况调整，从而可实现钢丝绳高速运行状态下的在线检测。
为了方便调整光源B到待检测钢丝绳的距离，同时，为了方便调整光源B的直射角度，所述光源安装支架由光源安装板25、光源铰接座23和定位螺栓A46组成，所述光源安装板25的外端与立板42固定连接，其上沿长度方向开设有条形孔A45，所述光源铰接座23下端的端部对应条形孔A45的位置开设有通孔A，所述定位螺栓A46依次穿过通孔A和条形孔A45后与定位螺母A连接，以用于光源铰接座23在光源安装板25长度方向上的定位；所述光源B22的机壳与光源铰接座23的上端通过旋转轴A24可转动的连接；
为了方便调整测量相机到待检测钢丝绳的距离，所述相机安装支架由相机安装板28、相机固定座29和定位螺栓B47组成，所述相机安装板28的外端与立板42固定连接，其上沿长度方向开设有条形孔B48，所述相机固定座29下端的端部对应条形孔B48的位置开设有通孔B，所述定位螺栓B47依次穿过通孔B和条形孔B48后与定位螺母B连接，用于相机固定座29在相机安装板28长度方向上的定位；所述测量相机26固定安装在相机固定座29的上部；
为了方便调整偏振片到待检测钢丝绳的距离，所述偏振片27的底座上对应条形孔B48的开设有通孔C，定位螺栓C49穿过通孔C和条形孔B48后与定位螺母C连接。
为了方便建立与上位机的通信，还能方便进行获得数据的实时显示，还包括控制器、无线传输模块和显示模块，所述控制器分别与图像采集相机、光源A5、小齿轮电机11、测量相机26、光源B22、X轴电机13、Y轴电机19、无线传输模块和显示模块连接。
作为一种优选，还可以包括与控制器连接的报警模块，从而可以便于通过报警模块及时做出预警。
为了保证转动的稳定性和顺畅性，所述滚轮31与销轴36之间设置有轴承。
为了便于自动的进行编码器所获得数据与采集图像数据的结合，所述编码器与控制器连接。
本发明中，使滚轮机构安装板上固定连接有调整螺栓，并使滚轮支撑架滑动套设在调整螺栓上，且通过套设在调整螺栓上的复位弹簧实现对滚轮支撑架进行弹性顶持，可以使滚轮在钢丝绳移动过程中始终压紧在钢丝绳表面；通过调整螺套的设置可以便于根据实现情况调整调整复位弹簧的的预紧力，进而可以保证滚轮对钢丝绳的有效压紧；因滚轮随着钢丝绳纵向移动而滚动，这样通过编码器的设置，能通过滚轮的旋转圈数匹配出钢丝绳纵向移动的距离，再结合到采集到图像当中便可以得到钢丝绳缺陷所在的位置；由于不同的钢丝绳之间会存在张力差，进而纵向移动距离可能会不一致，因此，对应一根钢丝绳设置一个U形检测空间，可以便于通过其中的滚轮准确的测量出对应钢丝绳的纵向移动距离，也可以通过其中的相机光源机构准确的采集到表面的图像数据；本发明的动态采集装置对每根钢丝绳采用四只测量相机同时采集图像，且测量相机到偏振片、测量相机和光源B到钢丝绳之间的距离均可调整，从而保证了采集图像的清晰度和准确度；通过图像拼接，能够完整、清晰的显示每根钢丝绳的全部表面图像；结合滚轮和编码器测量出的钢丝绳行进距离信息，能够通过融合技术来在图像中显示钢丝绳缺陷所在的具体位置；本发明中的周向测量机构采用多个图像采集相机绕着钢丝绳旋转采集图像，能够根据需要获得任意角度的图像信息，从而能便于采用基于图像处理技术的边缘检测算法，通过不同角度的图像进行联合检测，以增加钢丝绳直径检测结果的准确性；本发明能够实时对钢丝绳进行检测，并可方便的获得并显示钢丝绳缺陷位置、缺陷类型和大小以及钢丝绳直径，还能进行报警提醒。本发明解决了钢丝绳检测存在的检测困难，检测装置复杂，检测周期长等问题，是一种针对钢丝绳检测的可行装置。
如图6至图8所示，本发明还提供了一种基于机器视觉的钢丝绳状态检测方法，包括基于深度学习的钢丝绳缺陷检测方法和基于边缘检测的钢丝绳直径检测方法；
所述基于深度学习的钢丝绳缺陷检测方法包括以下步骤：
S10：利用动态采集机构采集图像；控制X轴电机13动作驱动支撑框架B14在左右方向移动，控制Y轴电机19动作驱动支撑框架C20在前后方向移动，直至使U形检测空间43包围在待检测钢丝绳1外部，且滚轮31的环形凹槽将待检测钢丝绳1包裹；通过U形检测空间43中的四个测量相机26从待检测钢丝绳1四周采集整个表面的图像数据，采集过程中通过光源B22补光以增加光强度，并采用偏振片27以调整图像亮度；同时，根据需要转动光源B22相对于光源铰接座的角度，以达到调整照射角度的目的；
检测完一个工位后，控制X轴电机13和Y轴电机19使U形检测空间移动到下一工位继续检测，直至完成所有钢丝绳的检测；
S11：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳1表面信息；图像预处理包括灰度化处理、几何变换处理和图像增强处理等，目的是消除图像中背景、噪声等无关的信息，以增强检测的准确性，并改进后续特征提取和图像识别的可靠性，同时可以简化图像数据，加快后续检测及识别速度；
S12：利用控制器进行图像的拼接；
A1：计算每幅图中相同的特征点；
A2：对图片中特征点进行匹配；
A3：由于可能存在部分特征点匹配错误，采用RANSAC对特征点筛选，剔除误差较大的点；
A4：通过随机抽取四对特征点计算匹配后特征点对之间的欧氏距离，如此重复多次，选择欧式距离最小的变换矩阵作为最终结果；
A5：将一张图片进行透视变换，再与另一张拼接；
A6:对两张图片的重合区域进行边界融合处理；
A7：对拼接完成的钢丝绳1周向完整表面的图像，根据钢丝绳1行进时连续采集的图像拼接，形成连续的钢丝绳1完整表面图像，以便于识别和观察；
S13：通过基于深度学习的语义分割算法对钢丝绳1图像进行缺陷检测；采用U-Net全卷积神经网络，先对图像数据进行下采样，再经卷积、池化提取图像特征作为特征提取部分；再对图像数据进行上采样，并进行反卷积处理，每次反卷积时与特征提取部分对应的通道数做相同尺度融合，融合前对其进行剪裁，以适应上采样时的通道数大小；根据缺陷检测结果，标出缺陷类型和缺陷位置；
该过程中，将编码器测量出的钢丝绳1移动距离信息与采集的图像相结合，以实时显示钢丝绳1位置和表面状态，便于查看；
S14：通过无线传输模块将采集的图像和检测结果传输到上位机并储存；
所述基于边缘检测的钢丝绳直径检测方法包括以下步骤：
S20：利用周向测量机构采集图像；控制小齿轮电机11匀速转动，驱动图像采集相机8绕钢丝绳1旋转，采集钢丝绳1每个角度的图像，并根据需求每隔一定角度选取图像，以检测钢丝绳1的直径；
S21：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳1表面信息；
S22：采用基于Canny算子的边缘检测算法进行直径检测；
B1：通过高斯滤波对图像平滑处理，选择合适的参数，且在滤波的同时保留图像边缘特征；
B2：计算图像的梯度幅值和梯度方向；
B3：采用非极大值抑制提出像素点梯度的局部最大值，将非极大值的像素点置为0，剔除一部分非边缘的点；
B4：基于双阈值法提取图像边缘，剔除假边缘，直至边缘闭合；
B5：根据提取的边缘计算钢丝绳1所占像素，结合相机分辨率、相机距钢丝绳1距离计算钢丝绳1直径，结合同一位置不同角度的相机拍摄的图片，取检测结果的平均值，作为直径检测结果；
S23：通过无线传输模块将采集的图像和检测得到的直径数据传输到上位机并储存，以便查看。
作为一种优选，S11和S21中图像预处理包括灰度化处理、几何变换处理和图像增强处理。
本方法中，采用基于深度学习的分割算法，能够识别并标注出钢丝绳表面缺陷位置及大小；采用的U-Net语义分割网络，能进行多尺度识别，并适用于大尺度图像分割；此外，可通过弹性形变处理对样本实现有效扩充，能够使用较少的训练样本得到较好的检测效果，降低数据集制作的难度。本发明能够实时采集每一根钢丝绳的完整表面图像，并能通过算法准确的检测出钢丝绳表面存在的缺陷和钢丝绳的直径，同时能进行缺陷位置的标注，并能将数据传输回上位机，有效提高了钢丝绳检测效率和精度，增强了绳系统运行的安全性。

Claims (7)

1.一种基于机器视觉的钢丝绳状态检测装置，包括周向测量机构(2)和动态采集机构(4)，其特征在于；
所述周向测量机构(2)由支撑框架A(3)和多个周向测量单元组成；所述支撑框架A固定支设在待检测钢丝绳(1)的外围；多个周向测量单元沿长度方向均匀的设置在支撑框架A(3)的内部；所述周向测量单元的数量与待检测钢丝绳(1)的数量相同；周向测量单元包括内齿轮轨道(12)、从动齿轮圈(9)、小齿轮电机(11)、相机云台(6)、多个图像采集相机(8)和多个光源A(5)；所述内齿轮轨道(12)、从动齿轮圈(9)和相机云台(6)均呈圆环形，且同轴心的套设在待检测钢丝绳(1)的外部；所述内齿轮轨道(12)通过固定连接在其外圆面上的多根连接梁(37)与支撑框架A(3)固定连接；所述从动齿轮圈(9)通过轴承同轴心的连接在内齿轮轨道(12)的内侧；从动齿轮圈(9)的内部设置有内齿圈；所述小齿轮电机(11)通过电机支架固定连接在内齿轮轨道(12)内侧的下部，且其输出轴上固定套装有主动小齿轮(10)；所述主动小齿轮(10)与内齿圈相啮合；所述相机云台(6)设置在从动齿轮圈(9)的上方，并与固定连接在从动齿轮圈(9)上端面的多个云台支撑(7)固定连接；多个图像采集相机(8)和多个光源A(5)均周向均匀的固定连接在相机云台(6)的上端面，且图像采集相机(8)和光源A(5)相交错的设置；
所述动态采集机构(4)设置在周向测量机构(2)的下方，其包括支撑框架B(14)、相平行设置的一对X轴导轨(15)、位于一对X轴导轨(15)之间的X轴丝杆(38)、固定安装在支撑框架B(14)左端部的X轴电机(13)、支撑框架C(20)、相平行设置的一对Y轴导轨(21)、位于一对Y轴导轨(21)之间的Y轴丝杆(39)、固定连接在支撑框架C(20)后端部的Y轴电机(19)、设置在支撑框架C(20)前端的采集安装架(18)；一对X轴导轨(15)分别固定连接在支撑框架B(14)的前端和后端，且每一个X轴导轨(15)上均滑动的装配有X轴滑块(37)；所述X轴丝杆(38)通过轴承可转动的连接在支撑框架B(14)的中部，且X轴丝杆(38)上通过螺纹配合连接有X轴滑动副(40)；所述X轴电机(13)的输出轴与X轴丝杆(38)的一端固定连接；支撑框架C(20)设置在支撑框架B(14)的上部，支撑框架C(20)的下端在对应一对X轴导轨(15)的部分与X轴滑块(37)的上端固定连接；支撑框架C(20)的下端在对应X轴丝杆(38)的部分与X轴滑动副(40)的上端固定连接；一对Y轴导轨(21)分别固定连接在支撑框架C(20)的左端和右端，且每一个Y轴导轨(21)上均滑动的装配有Y轴滑块；所述Y轴丝杆(39)通过轴承可转动的连接在支撑框架C(20)的中部，且Y轴丝杆(39)上通过螺纹配合连接有Y轴滑动副(41)；所述Y轴电机(19)的输出轴与Y轴丝杆(39)的一端固定连接；所述采集安装架(18)为左右方向延伸的框架结构，其下端在对应一对Y轴导轨(21)的部分与Y轴滑块的上端固定连接，其下端在对应Y轴丝杆(39)的部分与Y轴滑动副(41)的上端固定连接；采集安装架(18)前端沿长度方向均匀的安装有多个立板(42)，相邻立板(42)之间形成U形检测空间(43)，每个U形检测空间(43)与一根待检测钢丝绳(1)相对应，且每个U形检测空间(43)中设置有一个滚轮机构(17)和四个相机光源机构(16)；所述滚轮机构(17)包括固定连接在相邻立板(42)后部上端的滚轮机构安装板(44)、设置在滚轮机构安装板(44)中部前侧的滚轮支撑架(35)、通过销轴(36)可转动的安装在滚轮支撑架(35)前端的滚轮(31)、固定连接在滚轮支撑架(35)后端的后支撑板(30)、连接后支撑板(30)与滚轮机构安装板(44)之间的两个调整螺栓(33)、设置在滚轮机构安装板(44)中部前侧的两个调整螺套(34)、设置在两个调整螺套(34)前侧的两个复位弹簧(32)；所述滚轮机构安装板(44)的中部相间隔的开设有两个螺纹孔，所述后支撑板(30)的两端对应两个螺纹孔的开设有两个导向孔；两个调整螺栓(33)依次穿过两个螺纹孔、两个调整螺套(34)、两个复位弹簧(32)、两个导向孔后分别与两个锁紧螺母连接有，且调整螺栓(33)的后端通过螺纹配合与滚轮机构安装板(44)固定连接，两个调整螺套(34)分别与两个调整螺栓(33)螺纹配合，并分别套设在两个调整螺栓(33)后部的外侧；复位弹簧(32)的两端分别与调整螺套(34)和后支撑板(30)相抵接配合，后支撑板(30)与调整螺栓(33)的前部轴向滑动配合，两个锁紧螺母用于对后支撑板(30)在调整螺栓(33)上的滑动范围进行前端限位；所述滚轮(31)的中部开设有与待检测钢丝绳(1)尺寸相适配的环形凹槽；滚轮(31)还与编码器连接；四个相机光源机构(16)设置在U形检测空间(43)的下部，且两个相机光源机构(16)安装在一个立板(42)内侧的下部，另两个相机光源机构(16)安装在另一个立板(42)内侧的下部；所述相机光源机构(16)由相机单元和设置在相机单元上方的光源单元组成；所述相机单元包括相机安装支架、测量相机(26)和偏振片(27)；所述相机安装支架固定连接在立板(42)的侧壁上，所述偏振片(27)和测量相机(26)分别安装在相机安装支架的内侧和外侧，且测量相机(26)的镜头朝向U形检测空间(43)的内部，偏振片(27)设置在测量相机(26)镜头的内侧；所述光源单元包括光源安装支架和光源B(22)；所述光源安装支架固定连接在立板(42)的侧壁上，所述光源B(22)安装在光源安装支架上，且光源B(22)的发光部分朝向U形检测空间(43)的内部；四个相机光源机构(16)中四个测量相机(26)的镜头相互之间呈90度。
2.根据权利要求1所述的一种基于机器视觉的钢丝绳状态检测装置，其特征在于，所述光源安装支架由光源安装板(25)、光源铰接座(23)和定位螺栓A(46)组成，所述光源安装板(25)的外端与立板(42)固定连接，其上沿长度方向开设有条形孔A(45)，所述光源铰接座(23)下端的端部对应条形孔A(45)的位置开设有通孔A，所述定位螺栓A(46)依次穿过通孔A和条形孔A(45)后与定位螺母A连接，以用于光源铰接座(23)在光源安装板(25)长度方向上的定位；所述光源B(22)的机壳与光源铰接座(23)的上端通过旋转轴A(24)可转动的连接；
所述相机安装支架由相机安装板(28)、相机固定座(29)和定位螺栓B(47)组成，所述相机安装板(28)的外端与立板(42)固定连接，其上沿长度方向开设有条形孔B(48)，所述相机固定座(29)下端的端部对应条形孔B(48)的位置开设有通孔B，所述定位螺栓B(47)依次穿过通孔B和条形孔B(48)后与定位螺母B连接，用于相机固定座(29)在相机安装板(28)长度方向上的定位；所述测量相机(26)固定安装在相机固定座(29)的上部；
所述偏振片(27)的底座上对应条形孔B(48)的开设有通孔C，定位螺栓C(49)穿过通孔C和条形孔B(48)后与定位螺母C连接。
3.根据权利要求1所述的一种基于机器视觉的钢丝绳状态检测装置，其特征在于，还包括控制器、无线传输模块和显示模块，所述控制器分别与图像采集相机、光源A(5)、小齿轮电机(11)、测量相机(26)、光源B(22)、X轴电机(13)、Y轴电机(19)、无线传输模块和显示模块连接。
4.根据权利要求3所述的一种基于机器视觉的钢丝绳状态检测装置，其特征在于，所述滚轮(31)与销轴(36)之间设置有轴承。
5.根据权利要求4所述的一种基于机器视觉的钢丝绳状态检测装置，其特征在于，所述编码器与控制器连接。
6.一种基于机器视觉的钢丝绳状态检测方法，包括基于深度学习的钢丝绳缺陷检测方法和基于边缘检测的钢丝绳直径检测方法，其特征在于；
所述基于深度学习的钢丝绳缺陷检测方法包括以下步骤：
S10：利用动态采集机构采集图像；控制X轴电机(13)动作驱动支撑框架B(14)在左右方向移动，控制Y轴电机(19)动作驱动支撑框架C(20)在前后方向移动，直至使U形检测空间(43)包围在待检测钢丝绳(1)外部，且滚轮(31)的环形凹槽将待检测钢丝绳(1)包裹；通过U形检测空间(43)中的四个测量相机(26)从待检测钢丝绳(1)四周采集整个表面的图像数据，采集过程中通过光源B(22)补光以增加光强度，并采用偏振片(27)以调整图像亮度；
S11：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳(1)表面信息；
S12：利用控制器进行图像的拼接；
A1：计算每幅图中相同的特征点；
A2：对图片中特征点进行匹配；
A3：采用RANSAC对特征点筛选，剔除误差较大的点；
A4：通过随机抽取四对特征点计算匹配后特征点对之间的欧氏距离，如此重复多次，选择欧式距离最小的变换矩阵作为最终结果；
A5：将一张图片进行透视变换，再与另一张拼接；
A6:对两张图片的重合区域进行边界融合处理；
A7：对拼接完成的钢丝绳(1)周向完整表面的图像，根据钢丝绳(1)行进时连续采集的图像拼接，形成连续的钢丝绳(1)完整表面图像；
S13：通过基于深度学习的语义分割算法对钢丝绳(1)图像进行缺陷检测；采用U-Net全卷积神经网络，先对图像数据进行下采样，再经卷积、池化提取图像特征作为特征提取部分；再对图像数据进行上采样，并进行反卷积处理，每次反卷积时与特征提取部分对应的通道数做相同尺度融合，融合前对其进行剪裁，以适应上采样时的通道数大小；根据缺陷检测结果，标出缺陷类型和缺陷位置；
该过程中，将编码器测量出的钢丝绳(1)移动距离信息与采集的图像相结合，以实时显示钢丝绳(1)位置和表面状态；
S14：通过无线传输模块将采集的图像和检测结果传输到上位机并储存；
所述基于边缘检测的钢丝绳直径检测方法包括以下步骤：
S20：利用周向测量机构采集图像；控制小齿轮电机(11)匀速转动，驱动图像采集相机(8)绕钢丝绳(1)旋转，采集钢丝绳(1)每个角度的图像，并根据需求每隔一定角度选取图像，以检测钢丝绳(1)的直径；
S21：利用控制器进行图像的预处理；将接收到的图像数据进行预处理，消除图像中的无关信息，并恢复有用的钢丝绳(1)表面信息；
S22：采用基于Canny算子的边缘检测算法进行直径检测；
B1：通过高斯滤波对图像平滑处理，且在滤波的同时保留图像边缘特征；
B2：计算图像的梯度幅值和梯度方向；
B3：采用非极大值抑制提出像素点梯度的局部最大值，将非极大值的像素点置为0，剔除一部分非边缘的点；
B4：基于双阈值法提取图像边缘，剔除假边缘，直至边缘闭合；
B5：根据提取的边缘计算钢丝绳(1)所占像素，结合相机分辨率、相机距钢丝绳(1)距离计算钢丝绳(1)直径，结合同一位置不同角度的相机拍摄的图片，取检测结果的平均值，作为直径检测结果；
S23：通过无线传输模块将采集的图像和检测得到的直径数据传输到上位机并储存。
7.根据权利要求6所述的一种基于机器视觉的钢丝绳状态检测方法，其特征在于，S11和S21中图像预处理包括灰度化处理、几何变换处理和图像增强处理。
CN202110127547.8A 2021-01-29 2021-01-29 一种基于机器视觉的钢丝绳状态检测装置及方法 Active CN112945972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110127547.8A CN112945972B (zh) 2021-01-29 2021-01-29 一种基于机器视觉的钢丝绳状态检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110127547.8A CN112945972B (zh) 2021-01-29 2021-01-29 一种基于机器视觉的钢丝绳状态检测装置及方法

Publications (2)

Publication Number Publication Date
CN112945972A true CN112945972A (zh) 2021-06-11
CN112945972B CN112945972B (zh) 2022-04-15

Family

ID=76239867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110127547.8A Active CN112945972B (zh) 2021-01-29 2021-01-29 一种基于机器视觉的钢丝绳状态检测装置及方法

Country Status (1)

Country Link
CN (1) CN112945972B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113588677A (zh) * 2021-07-21 2021-11-02 安吉八塔机器人有限公司 一种网袋实时缺陷检测设备
CN114088515A (zh) * 2021-11-02 2022-02-25 国家高速列车青岛技术创新中心 一种单目视觉多视角裂纹扩展监测装置
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
CN114166800A (zh) * 2022-01-10 2022-03-11 桂林电子科技大学 一种旋转式可升降纹影装置及其使用方法
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
CN114719778A (zh) * 2022-06-07 2022-07-08 四川中绳矩阵技术发展有限公司 一种适用于三维图像采集用的数据采集平台及其采集方法
CN117250210A (zh) * 2023-11-20 2023-12-19 常州海图信息科技股份有限公司 一种应用于钢丝绳的自动检测设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070107637A (ko) * 2007-10-18 2007-11-07 인태환 케이블카,콘도라, 스키리프트에서 사용하는 케이블 및 로프검사용 시스템 및 그 방법
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
CN107764839A (zh) * 2017-10-12 2018-03-06 中南大学 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
CN108116521A (zh) * 2017-12-15 2018-06-05 中国矿业大学 一种钢丝绳缺陷巡检机构
CN207756516U (zh) * 2017-12-19 2018-08-24 宁波大学 一种高温轴类件的在线缺陷检测装置
CN209673667U (zh) * 2018-12-21 2019-11-22 金开琼 一种大型药瓶整体升降式旋转检测设备
CN110658212A (zh) * 2019-09-25 2020-01-07 浙江大学 一种用于缺陷识别的轴类件表面全貌图像采集装置
CN110930357A (zh) * 2019-10-17 2020-03-27 中国矿业大学 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN111721216A (zh) * 2020-06-29 2020-09-29 河南科技大学 基于三维图像的钢丝绳检测装置、表面损伤检测及绳径计算方法
CN111862083A (zh) * 2020-07-31 2020-10-30 中国矿业大学 一种基于视觉-电磁检测的钢丝绳状态综合监测系统及方法
CN111981990A (zh) * 2020-08-03 2020-11-24 无锡鼎茂机械制造有限公司 基于机器视觉的自封拉链质量在线检测方法
CN112053332A (zh) * 2020-08-31 2020-12-08 安徽机电职业技术学院 一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法
CN112258444A (zh) * 2020-07-13 2021-01-22 安徽机电职业技术学院 一种电梯钢丝绳检测方法
CN212963223U (zh) * 2020-08-18 2021-04-13 浙江增诚钢管有限公司 一种无缝钢管直径测量与表面缺陷检测系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070107637A (ko) * 2007-10-18 2007-11-07 인태환 케이블카,콘도라, 스키리프트에서 사용하는 케이블 및 로프검사용 시스템 및 그 방법
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
CN107764839A (zh) * 2017-10-12 2018-03-06 中南大学 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
CN108116521A (zh) * 2017-12-15 2018-06-05 中国矿业大学 一种钢丝绳缺陷巡检机构
CN207756516U (zh) * 2017-12-19 2018-08-24 宁波大学 一种高温轴类件的在线缺陷检测装置
CN209673667U (zh) * 2018-12-21 2019-11-22 金开琼 一种大型药瓶整体升降式旋转检测设备
CN110658212A (zh) * 2019-09-25 2020-01-07 浙江大学 一种用于缺陷识别的轴类件表面全貌图像采集装置
CN110930357A (zh) * 2019-10-17 2020-03-27 中国矿业大学 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN111721216A (zh) * 2020-06-29 2020-09-29 河南科技大学 基于三维图像的钢丝绳检测装置、表面损伤检测及绳径计算方法
CN112258444A (zh) * 2020-07-13 2021-01-22 安徽机电职业技术学院 一种电梯钢丝绳检测方法
CN111862083A (zh) * 2020-07-31 2020-10-30 中国矿业大学 一种基于视觉-电磁检测的钢丝绳状态综合监测系统及方法
CN111981990A (zh) * 2020-08-03 2020-11-24 无锡鼎茂机械制造有限公司 基于机器视觉的自封拉链质量在线检测方法
CN212963223U (zh) * 2020-08-18 2021-04-13 浙江增诚钢管有限公司 一种无缝钢管直径测量与表面缺陷检测系统
CN112053332A (zh) * 2020-08-31 2020-12-08 安徽机电职业技术学院 一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113588677A (zh) * 2021-07-21 2021-11-02 安吉八塔机器人有限公司 一种网袋实时缺陷检测设备
CN113588677B (zh) * 2021-07-21 2024-03-01 安吉八塔机器人有限公司 一种网袋实时缺陷检测设备
CN114088515A (zh) * 2021-11-02 2022-02-25 国家高速列车青岛技术创新中心 一种单目视觉多视角裂纹扩展监测装置
CN114166800A (zh) * 2022-01-10 2022-03-11 桂林电子科技大学 一种旋转式可升降纹影装置及其使用方法
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
CN114216912B (zh) * 2022-02-22 2022-05-10 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
CN114719778A (zh) * 2022-06-07 2022-07-08 四川中绳矩阵技术发展有限公司 一种适用于三维图像采集用的数据采集平台及其采集方法
CN117250210A (zh) * 2023-11-20 2023-12-19 常州海图信息科技股份有限公司 一种应用于钢丝绳的自动检测设备
CN117250210B (zh) * 2023-11-20 2024-01-30 常州海图信息科技股份有限公司 一种应用于钢丝绳的自动检测设备

Also Published As

Publication number Publication date
CN112945972B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN112945972B (zh) 一种基于机器视觉的钢丝绳状态检测装置及方法
CN103175847B (zh) 光栅表面缺陷检测装置
KR102277633B1 (ko) 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템
CN111014079B (zh) 一种轴承缺陷检测装置及轴承缺陷检测方法
KR20210157000A (ko) 차량 하부 검사 시스템 및 그 방법
CN107200038B (zh) 一种车辆检修装置及检修方法
CN204924983U (zh) 一种光栅调制的镜片疵病自动检测装置
JP4739044B2 (ja) 外観検査装置
JP2014115222A (ja) 検査装置および検査方法
CN102890093A (zh) 汽车刹车主缸活塞表面质量机器视觉检测装置
CN114570662A (zh) 一种人造板板面质量检测设备
CN109709108B (zh) 一种瓶装透明液体杂质检测设备及方法
JP2013156173A (ja) タービン翼の検査方法及びその装置
CN110082365B (zh) 基于机器视觉的钢卷边部质量检测机器人
CN111950351B (zh) 基于太赫兹和可见光的农机劳损早期诊断巡检系统
CN212872019U (zh) 一种基于机器视觉的轮毂中心花键套浇铸品质检测设备
CN109047456A (zh) 一种联动式三步自检测冲孔装置
CN115060742A (zh) 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法
JP2800932B2 (ja) 円筒ころ軸受の検査装置
CN114544655A (zh) 用于格架缺陷的自动检测装置
CN112051272A (zh) 一种基于机器视觉的高压气瓶内表面缺陷检测系统
CN111811961A (zh) 一种基于机器视觉的轮毂中心花键套浇铸品质检测设备
CN111610205A (zh) 一种金属零部件x光图像缺陷检测装置
CN213813380U (zh) 一种检测贴片表观的设备
CN110849887A (zh) 一种钢管内壁涂层缺陷检测装置及其检测方法

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