CN113984569A - 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机 - Google Patents

滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机 Download PDF

Info

Publication number
CN113984569A
CN113984569A CN202111247761.3A CN202111247761A CN113984569A CN 113984569 A CN113984569 A CN 113984569A CN 202111247761 A CN202111247761 A CN 202111247761A CN 113984569 A CN113984569 A CN 113984569A
Authority
CN
China
Prior art keywords
hob
image
abrasion
formula
detection system
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
Application number
CN202111247761.3A
Other languages
English (en)
Inventor
黄力平
雷江松
龙宏德
张中安
宋天田
刘飞香
程永亮
杨军伍
彭正阳
张卫东
赵宗华
肖京
刘龙
杨连花
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.)
Shenzhen Metro Group Co ltd
China Railway Construction Heavy Industry Group Co Ltd
Original Assignee
Shenzhen Metro Group Co ltd
China Railway Construction Heavy Industry Group Co Ltd
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 Shenzhen Metro Group Co ltd, China Railway Construction Heavy Industry Group Co Ltd filed Critical Shenzhen Metro Group Co ltd
Priority to CN202111247761.3A priority Critical patent/CN113984569A/zh
Publication of CN113984569A publication Critical patent/CN113984569A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/56—Investigating resistance to wear or abrasion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
    • G01N2203/0647—Image analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机，滚刀磨损图像识别的测量方法包括：根据获取到的盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)，其中，F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；当滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像；根据滚刀图像得到滚刀的实际外边缘；根据实际外边缘和理论边缘之间的差值，得到滚刀的计算磨损量。

Description

滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机
技术领域
本发明涉及刀具磨损测量技术领域，特别涉及一种滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机。
背景技术
在隧道施工的过程中，随着盾构机的掘进，滚刀磨损已经成为一个影响工程质量和进度的关键问题。滚刀的完善性及滚刀的磨损状态判断是盾构机正常掘进中的关键因素，如何判断滚刀的磨损量显得极其重要。
在现有技术中，一般是通过人工使用卡尺、圆度仪等手工仪器直接在刀盘上攀爬测量滚刀尺寸，来确定滚刀的磨损量，这样一来，测量效率低，且测量耗时耗力，有很大的施工安全问题，人为引入误差导致精确度严重不足。
发明内容
本发明的目的是提供一种滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机，既可以预测滚刀磨损状态，又能定量检测出滚刀的磨损量。
为实现上述目的，本发明提供一种滚刀磨损图像识别的测量方法，包括：
根据获取到的盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)，其中，F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；
当滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像；
根据滚刀图像得到滚刀的实际外边缘；
根据实际外边缘和理论边缘之间的差值，得到滚刀的计算磨损量。
可选地，
总推力公式
Figure BDA0003321411090000021
贯入度公式
Figure BDA0003321411090000022
刀盘速度公式
Figure BDA0003321411090000023
刀盘扭矩公式
Figure BDA0003321411090000024
其中，K1为总推力权重因子，K2为贯入度权重因子，K3为刀盘速度权重因子，K4为刀盘扭矩权重因子，M为滚刀的个数，R为滚刀的半径，L为掘进距离，T为总推力，P为贯入度，V为刀盘速度，N为刀盘扭矩。
可选地，当滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像之前，还包括：
采用递推最小二乘估计法更新总推力公式F1(T)、贯入度公式F2(P)、刀盘速度公式F3(V)和刀盘扭矩公式F4(N)。
可选地，获取滚刀的滚刀图像，包括：
获取刀箱的刀箱图像，刀箱中设有滚刀，刀箱图像包括滚刀图像。
可选地，根据滚刀图像得到滚刀的实际外边缘，包括：
通过对刀箱图像进行透视变换，完成对滚刀图像的畸变校正；
对畸变校正后的滚刀图像提取滚刀的边缘图像；
根据边缘图像确定滚刀的实际外边缘。
可选地，通过对刀箱图像进行透视变换，完成对滚刀图像的畸变校正的步骤和对畸变校正后的滚刀图像提取滚刀的边缘图像的步骤之前，还包括：
对畸变校正后的滚刀图像进行滤波处理，去除干扰噪声，将滚刀图像中背景色分离。
本发明还提供一种滚刀的检测系统，用于执行上述的滚刀磨损图像识别的测量方法，滚刀的检测系统包括：相互连接的机器人系统和磨损检测系统，
机器人系统包括：行走机构和设于行走机构的机械臂，机械臂的末端安装磨损检测系统，机械臂可将磨损检测系统由盾构机的存储仓驱动至滚刀处；
磨损检测系统包括：保护罩和设于保护罩内部的工业相机，工业相机能够相对于保护罩伸出和缩回，且工业相机用以进行拍照。
可选地，还包括：连接机器人系统和磨损检测系统的主控装置；
主控装置用以控制机械臂的位置和姿态，主控装置还用以控制工业相机的运行，并用以接收工业相机的成像信号。
可选地，还包括：用以标定工业相机、机械臂和存储仓三者位置关系的标定设备。
本发明还提供一种盾构机，包括设有滚刀的刀盘，还包括存储仓，存储仓内设有如上述的滚刀的检测系统；存储仓设有密封舱门，当盾构机在掘进时，滚刀的检测系统位于存储仓中，且密封舱门关闭，当盾构机停止掘进并拼装管片时，密封舱门开启，以使磨损检测系统由存储仓运动至滚刀处。
相对于上述背景技术，本发明提供的滚刀磨损图像识别的测量方法，包括：根据获取到的盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)，其中，F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；当滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像；根据滚刀图像得到滚刀的实际外边缘；根据实际外边缘和理论边缘之间的差值，得到滚刀的计算磨损量。
如此设置的滚刀磨损图像识别的测量方法，首先能够大致预测滚刀的磨损状态，进而可以针对性的停机检测，这样便提高了检测及时性以及减少不必要的检测时间，提高施工效率。其次通过获取滚刀的滚刀图像可以采用高分辨率工业相机，从而减少人员测量误差，有效提高精度，准确获知滚刀的磨损量。
本发明提供的滚刀的检测系统和盾构机，具备上述有益效果，此处将不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的具有滚刀的检测系统的盾构机在运行时的示意图；
图2为本发明实施例所提供的滚刀的检测系统的磨损检测系统的剖视图；
图3为本发明实施例所提供的刀盘撑子面探测装置的磨损检测系统的轴测图；
图4为本发明实施例所提供的具有滚刀的检测系统的盾构机在未运行时的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了使本技术领域的技术人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
本申请实施例提供的一种滚刀磨损图像识别的测量方法，包括：
S1，根据获取到的盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)，其中，F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；
S2，当滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像；
S3，根据滚刀图像得到滚刀的实际外边缘；
S4，根据实际外边缘和理论边缘之间的差值，得到滚刀的计算磨损量。
其中，刀盘可设有多个滚刀，每个滚刀在刀盘上的位置不一，获取滚刀的滚刀图像可以通过后文记载的磨损检测系统3和机器人系统4来实现，简言之，机器人系统4包括机械臂401，机械臂401的末端安装磨损检测系统3，磨损检测系统3包括工业相机302，工业相机302可以进行拍照。
在具体操作时，可以首先记录滚刀在刀盘面板的分布位置及角度，并标定机械臂401与刀盘的位置关系，根据机器人运动学及刀盘的旋转角度，以此可以定位出滚刀的位置及刀号；然后，还可以通过操作按钮启动冲洗装置，对滚刀及其周围进行冲洗，以提高图像采集的准确度；接着，操作软件控制测量单元采集图像并自动存储，应用图像处理技术，对拍摄的滚刀图像进行图像处理计算，可以得到此时滚刀的半径大小，与设计半径的差值即可确定滚刀的磨损量。
针对步骤S1，可以从上位机程序采集盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N等掘进参数作为输入量，滚刀磨损量Y作为输出量，在盾构机的始发阶段，一般为掘进前10m左右，滚刀无磨损，根据初始阶段的掘进数据，以及每隔一段时间内的掘进参数及滚刀磨损量，建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)。
F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；预测模型中的F1(T)、F2(P)、F3(V)和F4(N)，是根据收集大量的掘进参数，地质情况总结而得到的模型，需要不断的调节参数，类似于PID控制。
安装滚刀的个数为M，滚刀的半径为R，掘进距离为L，K1为总推力T的权重因子，K2为贯入度P的权重因子，K3为刀盘速度V的权重因子，K4为刀盘扭矩N的权重因子。
总推力公式
Figure BDA0003321411090000061
贯入度公式
Figure BDA0003321411090000062
刀盘速度公式
Figure BDA0003321411090000063
刀盘扭矩公式
Figure BDA0003321411090000064
本文中，由于考虑到掘进数据是在线的不断的传过来，不停的采用最小二乘的解法来解是相当消耗资源与内存的，所以要有一种递推的形式来保证对自变量前的系数在线更新。而递推最小二乘估计方法随着未知参数数目的增加而递推地计算出最小二乘估计量，采用递推最小二乘估计的方法是最有效的，可建立如下状态方程：
估计器更新：
Figure BDA0003321411090000065
增益计算：
Figure BDA0003321411090000066
均方误差更新：
Figure BDA0003321411090000067
在上式中，
Figure BDA0003321411090000068
为各个预测模型中的F1(T)、F2(P)、F3(V)和F4(N)的第n次估计值，Yn是第n次刀具量的测量值，
Figure BDA0003321411090000069
是在第n-1测量值的基础上得到第n次的估计值。
其作用是根据掘进前10m的数据，总结归纳出测量方程式，根据估计值和测量值，不断的更新，使估计值更加接近真实的测量值，使均方误差最小。
根据实际滚刀磨损状态及该工程的地质情况、围岩类别，不断调整权重因子，即调整上文中的K1、K2、K3和，K4，建立反馈机制，从而给出滚刀磨损状态的评估值及预警提示。
当滚刀磨损预测模型提示滚刀磨损时，此时就需要测量滚刀磨损量，也即在步骤S2中，预先设置一个预设磨损值，当滚刀磨损预测模型的Y值大于预设磨损值时，会触发预警提示而后执行步骤S3和步骤S4；预设磨损值可根据实际工程经验，人工输入，当滚刀磨损预测模型的Y值大于预设磨损值时，会提示出滚刀磨损。
在执行步骤S2时，为提高测量精度，拍摄滚刀的高清图像，选用分辨率较高的工业相机302。工业相机302选型确定后，可在厂内借助标定板计算工业相机内参数，内参数主要包括焦距、畸变系数、主点位置等。
具体来说，可以利用全站仪或者激光跟踪仪等标定设备标定工业相机302、机械臂401、存储舱402三者的位置关系，存储舱402是机械臂401伸出的位置。设定刀盘1零度位置，按照顺时针记录滚刀号。测量标定板标记点的坐标、机械臂401关机坐标等，转换到机械臂401坐标系下。工业相机302以不同的角度拍摄测试点，得到测试点的像素坐标，记录机械臂401关节坐标，应用机器人正运动学，计算出工业相机302-机械臂401-存储舱402三者的运动学变换矩阵。值得注意的是本发明利用激光跟踪仪标定只需在组装完成后进行一次即可，在后续施工中，不需要重复标定。
由于存储舱402与刀盘1的距离及刀盘1中心位置是固定的，在停机以后，根据此时刀盘1的旋转角度，控制机械臂401从存储舱402内伸出，使机械臂401末端运动到滚刀2后方位置，由盾构机操作人员控制操作面板按钮启动冲洗装置304，对滚刀2及其周围进行冲洗，以提高图像采集的准确度，再由光源303提供照明，工业相机302拍摄滚刀2的图像，把图像上传到电脑，进行图像处理；通过控制机械臂401伸出的长度并使其顺时针运动，来拍摄分布在刀盘1面板上的所有滚刀，直至拍摄完成。
当得到滚刀图像以后，首先进行图像透视变换，由于工业相机302与滚刀不是垂直拍摄的，图像就会产生一定的畸变，影响识别算法的正确判断，需要先对图像进行透视变换，变换公式为：
Figure BDA0003321411090000081
等号左边的x′和y′具体为变换后的不带缩放因子的像素坐标，w′是变换后的缩放因子。等号右边u和v是原始图片的像素坐标，w是缩放因子。
等号右边的aii(i＝1，2，3；j＝1，2，3)构成的矩阵是透视变换矩阵，
Figure BDA0003321411090000082
表示图像线性变换，[a13 a23]表示图像透视变换，[a31 a32 a33]表示图像平移。
u和v是原始图片的像素坐标，w是缩放因子，对应得到变换后的图像像素坐标x和y；其中x＝x′/w′,y＝y′/w′。可写成：
Figure BDA0003321411090000083
Figure BDA0003321411090000084
由此，已知4个点就可以求取透视变换公式。采用图像形态学，进行图像腐蚀和膨胀算法自动获取刀箱图像的四个顶点坐标，带入上述变换公式(1)中，即可完成滚刀图像的畸变校正。
因为透视变化，需要四个已知点，而要透视变换的对象是刀箱，所以要获取刀箱的四个顶点。即由于刀箱中设有滚刀，通过获取刀箱的刀箱图像，从而间接获得滚刀图像。
获取一个点的像素(u，v)，可以列两个变换公式(1)，则四个像素点可以列八个变换公式(1)，从而能够求出透视变换矩阵。
针对采用图像形态学，进行图像膨胀算法自动获取刀箱的四个顶点的具体方式：
首先从透视变换后的刀箱图像中提取对表达和描绘区域形状有意义的图像分量，
然后根据图像情况进行膨胀操作或者腐蚀操作，膨胀的运算符是
Figure BDA0003321411090000091
其定义如下：
Figure BDA0003321411090000092
该公式表示用B来对图像A进行膨胀处理，其中B是一个卷积模板或卷积核，其形状可以为正方形或圆形，通过模板B与图像A进行卷积计算，扫描图像中的每一个像素点，用模板元素与二值图像元素做“与”运算，如果都为0，那么目标像素点为0，否则为1。从而计算B覆盖区域的像素点最大值，并用该值替换参考点的像素值实现膨胀。在所有0和1交界处的像素构成一个正方形，正方形的四个角点即是刀箱图像的四个顶点。
当完成对滚刀图像的畸变校正之后，可以再进行滤波处理，去除干扰噪声，使用自适应阈值提取算法设置二值化阈值，分离出滚刀与背景色。
可以取图像的3×3的邻域模板内的像素平均值代替3×3的图像像素的灰度值，去除掉刀箱图像的干扰噪声，在降低噪声的同时也模糊了刀箱图像的边缘，即过滤掉与滤波模板尺寸相比较小的像素区域的“不相关”的细节。
在阈值选取中，不是计算全局图像的阈值，而是根据刀箱图像不同区域亮度分布，计算其局部阈值，用3×3的模板在图像上移动，用移动平均法计算某个邻域(局部)的均值。自适应的去设置阈值，高于这个阈值的就标记为滚刀，低于阈值的就标记为背景，从而分离出滚刀与背景色。
之后，可以采用边缘提取算法Canny算子，提取滚刀的边缘图像；因为滚刀在刀箱中，工业相机302拍摄的只是滚刀的一部分图像，边缘是圆的一部分。采用霍夫圆算法，即可拟合滚刀完整的边缘图形，霍夫圆检测的原理是，圆周上任意三点所确定的圆，经Hough变换后在三维参数空间应对应一点，以此确定该圆。
对分理出的滚刀图像，采用四个滤波器分别检测图像中的水平、垂直和对角线边缘，滤波器可以设置成5×5的模板，所有边缘的角度都在上述选定的四个方向(0°，45°，90°，135°)周围，在这四个方向上的像素保留，设置一个门限值，把数值大于门限值的作为边缘线提取出来。
最后，如步骤S4，可以得到此时每个滚刀的半径ri，与理论的设计半径r0相减，即可得到每个滚刀的磨损量△ri＝ri-r0。
可以看出，采用上述滚刀磨损图像识别测量方法，运用图像视觉技术，可以弥补人工采集时间长、精度低、人身不安全等不足之处。同时通过建立滚刀磨损预测模型Y，能够提前预知滚刀是否磨损，不必停机并清洗刀盘上渣土以后，再用图像采集装置检测，这样即可避免在检测以后如果没有发现磨损，浪费时间的现象发生。当滚刀出现磨损后，可以立即得知滚刀的状态，及时发现滚刀的磨损，降低了滞后性，确保掘进的正常进行。
本申请实施例提供的滚刀检测系统，可参考说明书附图1至附图4，用于执行上述的滚刀磨损图像识别的测量方法，包括：相互连接的机器人系统4和磨损检测系统3，
机器人3系统包括：行走机构403和设于行走机构403的机械臂401，机械臂401的末端安装磨损检测系统3，机械臂401可将磨损检测系统3由盾构机的存储仓402驱动至滚刀处；磨损检测系统3包括：保护罩305和设于保护罩305的内部的工业相机302，工业相机302能够相对于保护罩305伸出和缩回，且工业相机302用以进行拍照。
滚刀的检测系统的具体运动过程可参考上述滚刀磨损图像识别的测量方法，其中，滚刀的检测系统主要包含磨损检测系统3和检测机器人系统4两部分，盾构机包括滚刀的检测系统，还包括刀盘1和滚刀2等，具体地，包括刀盘1，滚刀2，图像采集盒301，工业相机302、光源303，冲洗装置304，保护罩305，摄像头冲洗装置306，机械臂401，存储舱402，行走机构403，轨道404，土仓隔板5和密封舱门6。
针对盾构机来说，密封舱门6位于土仓隔板5和存储舱402之间，当检测机器人系统4不作业的时候，检测机器人系统4位于存储舱402内，此时密封舱门6处于关闭状态，如说明书附图4所示。当检测机器人系统4作业时，密封舱门6处于开启状态，如说明书附图1所示。
针对磨损检测系统3，主要包括图像采集盒301、工业相机302、光源303、冲洗装置304、保护罩305和摄像头冲洗装置306。光源303有多个，位于工业相机302周围，用以提高照明效果；摄像头冲洗装置306位于工业相机302的两侧，主要作用是对工业相机302和光源303进行水气冲洗，防止杂物影响照明和成像效果，冲洗装置304的作用是冲洗刀具。
针对检测机器人系统4，主要包括检测机械臂401、存储舱402、行走机构403和轨道404；轨道404布置在存储仓402内，行走机构403位于轨道404上，行走机构403可以沿轨道404水平运动，机械臂401尾部与行走机构403连接，并且机械臂401首部搭载磨损检测系统3。滚刀的检测系统还可以包括主控装置，主控装置用以控制机械臂401的位置和姿态，主控装置还用以控制工业相机302的运行，并用以接收工业相机302的成像信号。
盾构机在掘进施工过程中，当刀盘开挖土体时，不进行刀具检测，检测机械臂401收缩存储在土仓隔板5处的存储舱402内，密封舱门6处于关闭状态；当盾构拼装管片时，刀盘不对土体进行开挖，此时可以根据需要开展刀具检测工作，密封舱门6开启，机械臂401由存储舱402内伸出，通过调整机械臂401首部位置，实现对多点位刀具的磨损检测。
检测机器人系统4的作业流程：
检测机器人系统4准备作业时，刀盘1停止转动，存储舱402调压与土仓压力平衡。
密封舱门6开启，首部光源303开启照明，行走机构403在轨道404上向前运动，驱动机械臂401进入开挖仓，机械臂401可以驱动磨损检测系统3覆盖刀盘1上待检测区域内所有正面和边缘滚刀。
主控装置可调整机械臂401的姿态，使磨损检测系统3靠近滚刀2，如说明书附图1所示。磨损检测系统3与滚刀2的距离可根据冲洗和图像采集要求具体调整。
然后由盾构机操作人员控制操作面板按钮启动冲洗装置304，对滚刀2及其周围进行冲洗，以提高图像采集的准确度，在机器人作业过程中，如遇到照明有遮挡或成像不清晰时，可根据需求开启摄像头冲洗装置306，对光源303和工业相机302进行水气冲洗。
当滚刀冲洗干净后，增强光源303的亮度，工业相机302拍摄滚刀2的图像，并自动传输于电脑中，以供图像处理。
检测机器人系统4作业完成后，机械臂401连同磨损检测系统3返回存储舱402内，关闭密封舱门6，存储舱402调压至常压，关闭照明和控制信号，如说明书附图4所示。
本申请提供的一种盾构机，包括上述刀盘1和存储仓402等，在存储仓402内设有上文记载的滚刀的检测系统；此外，盾构机的其他部分可以参照现有技术，本文不再展开。
本申请提供的滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机，根据掘进参数建立滚刀磨损状态预测反馈模型。在开始掘进的一段时间，假设滚刀是没有磨损的，采集与之相关的掘进参数建立预测模型，比如推力、贯入度、掘进速度等。根据这些参数状态的变化来预测滚刀磨损情况，再根据实际的滚刀状态不断的反馈。图像采集装置首先使用工业相机拍摄不同角度下的标定板对相机进行标定，得出相机焦距、畸变系数、像素间距等内部参数；然后，将工业相机和光源放置在一个采集盒内，将冲洗装置放置在保护罩内。采集盒及含冲洗装置的保护罩均与机械臂相连接，其中，工业相机及冲洗装置与操作室的电脑进行通讯。
需要说明的是，在本说明书中，诸如第一和第二之类的关系术语仅仅用来将一个实体与另外几个实体区分开来，而不一定要求或者暗示这些实体之间存在任何这种实际的关系或者顺序。
以上对本发明所提供的滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种滚刀磨损图像识别的测量方法，其特征在于，包括：
根据获取到的盾构机的总推力T、贯入度P、刀盘速度V和刀盘扭矩N建立滚刀磨损预测模型Y＝F1(T)+F2(P)+F3(V)+F4(N)，其中，F1(T)为总推力公式，F2(P)为贯入度公式，F3(V)为刀盘速度公式，F4(N)为刀盘扭矩公式；
当所述滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像；
根据所述滚刀图像得到所述滚刀的实际外边缘；
根据所述实际外边缘和理论边缘之间的差值，得到所述滚刀的计算磨损量。
2.根据权利要求1所述的滚刀磨损图像识别的测量方法，其特征在于，
所述总推力公式
Figure FDA0003321411080000011
所述贯入度公式
Figure FDA0003321411080000012
所述刀盘速度公式
Figure FDA0003321411080000013
所述刀盘扭矩公式
Figure FDA0003321411080000014
其中，K1为总推力权重因子，K2为贯入度权重因子，K3为刀盘速度权重因子，K4为刀盘扭矩权重因子，M为滚刀的个数，R为滚刀的半径，L为掘进距离，T为所述总推力，P为所述贯入度，V为所述刀盘速度，N为所述刀盘扭矩。
3.根据权利要求2所述的滚刀磨损图像识别的测量方法，其特征在于，当所述滚刀磨损预测模型的Y值大于预设磨损值时，获取滚刀的滚刀图像之前，还包括：
采用递推最小二乘估计法更新所述总推力公式F1(T)、所述贯入度公式F2(P)、所述刀盘速度公式F3(V)和所述刀盘扭矩公式F4(N)。
4.根据权利要求1-3任意一项所述的滚刀磨损图像识别的测量方法，其特征在于，获取滚刀的滚刀图像，包括：
获取刀箱的刀箱图像，所述刀箱中设有滚刀，所述刀箱图像包括滚刀图像。
5.根据权利要求4所述的滚刀磨损图像识别的测量方法，其特征在于，根据所述滚刀图像得到所述滚刀的实际外边缘，包括：
通过对所述刀箱图像进行透视变换，完成对所述滚刀图像的畸变校正；
对畸变校正后的所述滚刀图像提取所述滚刀的边缘图像；
根据所述边缘图像确定所述滚刀的实际外边缘。
6.根据权利要求5所述的滚刀磨损图像识别的测量方法，其特征在于，通过对所述刀箱图像进行透视变换，完成对所述滚刀图像的畸变校正的步骤和对畸变校正后的所述滚刀图像提取所述滚刀的边缘图像的步骤之前，还包括：
对畸变校正后的所述滚刀图像进行滤波处理，去除干扰噪声，将所述滚刀图像中背景色分离。
7.一种滚刀的检测系统，用于执行上述权利要求1-6中任意一项所述的滚刀磨损图像识别的测量方法，其特征在于，包括：相互连接的机器人系统和磨损检测系统，
所述机器人系统包括：行走机构和设于所述行走机构的机械臂，所述机械臂的末端安装所述磨损检测系统，所述机械臂可将所述磨损检测系统由盾构机的存储仓驱动至所述滚刀处；
所述磨损检测系统包括：保护罩和设于所述保护罩内部的工业相机，所述工业相机能够相对于所述保护罩伸出和缩回，且所述工业相机用以进行拍照。
8.根据权利要求7所述的滚刀的检测系统，其特征在于，还包括：连接所述机器人系统和所述磨损检测系统的主控装置；
所述主控装置用以控制所述机械臂的位置和姿态，所述主控装置还用以控制所述工业相机的运行，并用以接收所述工业相机的成像信号。
9.根据权利要求7所述的滚刀的检测系统，其特征在于，还包括：用以标定所述工业相机、所述机械臂和所述存储仓三者位置关系的标定设备。
10.一种盾构机，包括设有滚刀的刀盘，其特征在于，还包括存储仓，所述存储仓内设有如上述权利要求7-9任意一项所述的滚刀的检测系统；所述存储仓设有密封舱门，当所述盾构机在掘进时，所述滚刀的检测系统位于所述存储仓中，且所述密封舱门关闭，当所述盾构机停止掘进并拼装管片时，所述密封舱门开启，以使所述磨损检测系统由所述存储仓运动至所述滚刀处。
CN202111247761.3A 2021-10-26 2021-10-26 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机 Pending CN113984569A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111247761.3A CN113984569A (zh) 2021-10-26 2021-10-26 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111247761.3A CN113984569A (zh) 2021-10-26 2021-10-26 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机

Publications (1)

Publication Number Publication Date
CN113984569A true CN113984569A (zh) 2022-01-28

Family

ID=79741600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111247761.3A Pending CN113984569A (zh) 2021-10-26 2021-10-26 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机

Country Status (1)

Country Link
CN (1) CN113984569A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818640A (zh) * 2006-03-03 2006-08-16 广州市盾建地下工程有限公司 隧道掘进机掘进过程中刀具磨损的检测方法
CN104156536A (zh) * 2014-08-19 2014-11-19 中交隧道工程局有限公司 一种盾构机刀具磨损的可视化定量标定及分析方法
CN104155300A (zh) * 2014-08-19 2014-11-19 中交隧道工程局有限公司 一种盾构机刀具磨损的后部可视化检测装置及其方法
CN108710722A (zh) * 2018-04-04 2018-10-26 郑州大学 一种tbm滚刀磨损的预测方法
WO2019105044A1 (zh) * 2017-11-28 2019-06-06 东莞市普灵思智能电子有限公司 一种镜头畸变矫正和特征提取的方法及系统
CN110454182A (zh) * 2019-08-31 2019-11-15 中铁工程装备集团有限公司 一种全断面隧道掘进机换刀机器人视觉定位结构及方法
CN111043964A (zh) * 2019-12-31 2020-04-21 中铁工程装备集团有限公司 基于图像分析的土压平衡盾构机滚刀磨损监测装置及方法
CN111626623A (zh) * 2020-05-29 2020-09-04 中铁二十局集团第五工程有限公司 一种复合地层中盾构机滚刀换刀控制方法
CN113189001A (zh) * 2021-03-31 2021-07-30 山东大学 一种能够实现刀具磨损影像检测的盾构机及方法
CN113404502A (zh) * 2021-06-21 2021-09-17 中南大学 基于碴片形貌的盾构滚刀磨耗监测装置及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818640A (zh) * 2006-03-03 2006-08-16 广州市盾建地下工程有限公司 隧道掘进机掘进过程中刀具磨损的检测方法
CN104156536A (zh) * 2014-08-19 2014-11-19 中交隧道工程局有限公司 一种盾构机刀具磨损的可视化定量标定及分析方法
CN104155300A (zh) * 2014-08-19 2014-11-19 中交隧道工程局有限公司 一种盾构机刀具磨损的后部可视化检测装置及其方法
WO2019105044A1 (zh) * 2017-11-28 2019-06-06 东莞市普灵思智能电子有限公司 一种镜头畸变矫正和特征提取的方法及系统
CN108710722A (zh) * 2018-04-04 2018-10-26 郑州大学 一种tbm滚刀磨损的预测方法
CN110454182A (zh) * 2019-08-31 2019-11-15 中铁工程装备集团有限公司 一种全断面隧道掘进机换刀机器人视觉定位结构及方法
CN111043964A (zh) * 2019-12-31 2020-04-21 中铁工程装备集团有限公司 基于图像分析的土压平衡盾构机滚刀磨损监测装置及方法
CN111626623A (zh) * 2020-05-29 2020-09-04 中铁二十局集团第五工程有限公司 一种复合地层中盾构机滚刀换刀控制方法
CN113189001A (zh) * 2021-03-31 2021-07-30 山东大学 一种能够实现刀具磨损影像检测的盾构机及方法
CN113404502A (zh) * 2021-06-21 2021-09-17 中南大学 基于碴片形貌的盾构滚刀磨耗监测装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹建农: "图像分割方法研究", 31 August 2006, 西安地图出版社, pages: 25 - 27 *
李涛: "数字图像处理之红外弱目标分割方法研究", 30 June 2016, 西南交通大学出版社, pages: 28 - 31 *

Similar Documents

Publication Publication Date Title
CN113605483B (zh) 一种挖掘机自动作业控制方法和装置
CN109615653B (zh) 基于深度学习与视场投影模型的渗漏水面积检测与识别方法
CN109903279B (zh) 焊缝运动轨迹的自动示教方法和装置
Protopapadakis et al. Autonomous robotic inspection in tunnels
JP5175528B2 (ja) トンネル覆工のひび割れ検査装置
CN111027484B (zh) 基于三维成像的隧道钢拱识别方法
CN110189257B (zh) 点云获取的方法、装置、系统及存储介质
CN107234488B (zh) 一种基于数控机床视觉检测的刀具破损度检测方法
CN210573937U (zh) 一种辊压机辊面在线三维成像装置
CN115592324B (zh) 基于人工智能的自动焊接机器人控制系统
CN115075857B (zh) 液压支架定量推移方法和系统
WO2022143284A1 (zh) 移动方向确定方法、装置、扫地机器人和存储介质
CN111064870A (zh) 视觉机器人的镜头清洁方法、控制装置及存储介质
CN110942520B (zh) 作业设备辅助定位方法、装置、系统及存储介质
CN116912715A (zh) 一种面向风机叶片巡检的无人机视觉伺服控制方法及系统
JP2024531089A (ja) 作業機械の地面係合ツールの摩耗及び損失検出システム及び方法
JP2024532674A (ja) ツール交換条件を示す作業機械の地面係合ツールの摩耗レベルを判定するためのシステム及びコンピュータにより実施される方法
CN115830070A (zh) 一种牵引变电所巡检机器人红外激光融合定位方法
CN117491355B (zh) 一种耙齿类大构件立体曲面磨损量视觉检测方法
CN113984569A (zh) 滚刀磨损图像识别测量方法、滚刀的检测系统和盾构机
CN116560062B (zh) 显微镜对焦防碰撞控制方法
CN117369460A (zh) 一种车辆螺栓松动故障的智能巡检方法及系统
CN109490314B (zh) 一种基于改进型传感检测装置的工业机器视觉系统
Liu et al. A new measurement method of real-time pose estimation for an automatic hydraulic excavator
CN114932292B (zh) 一种窄间隙被动视觉焊缝跟踪方法及系统

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