CN104730083A - 钢丝绳芯输送带接头抽动自动检测方法 - Google Patents
钢丝绳芯输送带接头抽动自动检测方法 Download PDFInfo
- Publication number
- CN104730083A CN104730083A CN201510164949.XA CN201510164949A CN104730083A CN 104730083 A CN104730083 A CN 104730083A CN 201510164949 A CN201510164949 A CN 201510164949A CN 104730083 A CN104730083 A CN 104730083A
- Authority
- CN
- China
- Prior art keywords
- image
- joint
- twitching
- normalization coefficient
- distance
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种钢丝绳芯输送带接头抽动自动检测方法,包括以下步骤:a、对待检测接头图像和基准接头图像进行接头点检测;b、对待检接头点图像进行surf特征提取,根据特征值进行特征匹配,寻求接头图像与基准接头图像间的一个映射关系,得到归一化系数;c、根据归一化系数再进行抽动分析计算得到抽动距离,本发明的钢丝绳芯输送带接头抽动自动检测方法,能保证归一化系数计算可靠性,因此即使输送带跑偏或速度变化,只要接头点匹配正确,根据归一化系数就能确保接头点距离计算准确,提高了钢丝绳接头抽动检测精度,解决了输送带内部钢丝绳接头抽动计算不准确问题,能适应输送带速度变化和平移;对保障运输***的安全运行具有重要意义。
Description
技术领域
本发明涉及一种输送带接头检测方法,尤其涉及一种钢丝绳芯输送带接头抽动自动检测方法。
背景技术
在煤矿输送带运输领域,长距离的钢绳芯输送带有很多硫化接头,而接头为整条钢绳芯输送带抗拉最薄弱的环节。就现有煤炭企业中钢绳芯输送带断裂事故来看,大多数是由于接头抽动未被及时发现而造成的。因此,对钢绳芯输送带接头抽动情况进行检测以及预测,对避免断带事故的发生有着重要的现实意义。国内多个大学及公司对X射线透视输送带接头图像进行抽动分析,然而这些技术中都没考虑实际运输环境中,输送带由于运载负荷不同会发生速度变化、抖动、跑偏,探测器二次采集的同一接头图像就会发生平移、伸缩等变形。如果直接对二次采集的接头图像进行接头抽动计算,无疑会出现很大误差。导致出现误报或漏报,影响安全生产,甚至可能因为已抽动的接头未被及时发现处理,发生输送带断带事故,造成经济损失。
发明内容
有鉴于此,本发明的目的是提供一种能适应输送带速度变化、平移的钢丝绳芯输送带接头抽动自动检测方法,对待检测接头图像和基准接头图像进行接头点检测与特征提取,根据特征值进行特征匹配,寻求接头图像与基准接头图像间的一个接头映射关系,得到归一化系数,根据归一化系数再进行抽动分析计算得到抽动距离,因此即使输送带跑偏或速度变化,只要接头点匹配正确,根据归一化系数就能确保接头点距离计算准确。
本发明的钢丝绳芯输送带接头抽动自动检测方法,包括以下步骤:a、对待检测接头图像和基准接头图像进行接头点检测;b、对待检接头点图像进行surf特征提取,根据特征值进行特征匹配,寻求接头图像与基准接头图像间的一个映射关系,得到归一化系数;c、根据归一化系数再进行抽动分析计算得到抽动距离;
进一步,所述步骤a具体包括以下步骤:a1、灰度级修正;a2、高斯滤波;a3、图像分割;a4、图像滤波消除孤立点;a5、轮廓跟踪定位接头点;
进一步,所述步骤b具体包括以下步骤:b1、接头点surf特征值描述;b2、基准图像与待检测图像特征点匹配;b3、计算待检测图像接头长度;b4、得到归一化系数k;
进一步,所述步骤c具体包括以下步骤:c1、计算待检测图像对接头距离;c2、根据对接头距离和标号,求得抽动距离。
本发明的有益效果是:本发明的钢丝绳芯输送带接头抽动自动检测方法,采用接头点特征匹配方式,即使输送带跑偏或速度变化,只要接头点匹配正确,根据归一化计算就能确保接头点距离计算准确,提高了钢丝绳接头抽动检测精度,解决了输送带内部钢丝绳接头抽动计算不准确问题,能适应输送带速度变化和平移;对保障运输***的安全运行具有重要意义。
附图说明
图1为接头图像示意图;
图2为消除孤立点图像示意图;
图3为接头距离示意图。
具体实施方式
图1为接头图像示意图,图2为消除孤立点图像示意图,图3为接头距离示意图;如图所示:本实施例的钢丝绳芯输送带接头抽动自动检测方法,包括以下步骤:a、对待检测接头图像和基准接头图像进行接头点检测;b、对待检接头点图像进行surf特征提取,根据特征值进行特征匹配,寻求接头图像与基准接头图像间的一个映射关系,得到归一化系数;c、根据归一化系数再进行抽动分析计算得到抽动距离。
本实施例中,所述步骤a具体包括以下步骤:a1、灰度级修正;a2、高斯滤波;a3、图像分割;a4、图像滤波消除孤立点;a5、轮廓跟踪定位接头点;所述步骤a1中,由于探测器像元受X射线光照射强弱不同,灰度分布不均,图像两侧灰度值较低,需要对接头图像进行灰度修正,采用分段线性变换映射某一灰度范围内,原图像f(x,y)灰度范围为[min,max],变换后图像g(x,y)灰度范围扩展至[a,b],其灰度变换表示为:
然后采用高斯平滑滤波消除噪声;步骤a2中,参见图1所示的接头图像,接头点在垂直方向与其相邻点灰度值差较大,其中上接头点灰度值小于相邻灰度值,下接头点灰度值大于相邻灰度值,对每个像素点作Y方向差分即可实现图像分割,记垂直方向差分为DY=P(x,y)-P(x,y+1),P(x,y)为某一像素点灰度值,P(x,y+1)为垂直方向相邻像素点灰度值,thr为一个阈值,令
灰度值为128则认为是上接头点,灰度值为255则认为是下接头点,thr由灰度修正后接头图像灰度范围和图像对比度来确定,如果接头图像对比度较大,则阈值可选取较大;在实际应用中,受噪声影响,亮度灰度变化通常存在过渡部分,如果直接用邻域点本身的灰度值计算,阈值确定较困难,为了有效避免这种情况,在应用式(1)计算前,把接头点的值和它的一个相邻像素点灰度作平均,采用三个相邻像素点灰度作平均,再进行Y方向差分,记DY=(P(x-1,y)+P(x,y)+P(x+1,y))/3-P(x,y+1),步骤a3中,对接头差分分割后,还存在很多面积较小噪声孤立点,需要将这些孤立点排除,消除孤立点的方法很多,如可以进行5×5的中值滤波处理,但是有时接头点面积也比较小,被当作孤立点消除了,通过观察接头点像素分布,只对孤立点X方向进行滤波处理,令P(x,y)=0,如P(x-1,y)=0且P(x+1,y)=0,参见图2所示的消除孤立点图像;最后通过轮廓跟踪目标区域中的所有上下接头点,计算接头点的质心坐标。
本实施例中,所述步骤b具体包括以下步骤:b1、接头点surf特征值描述;b2、基准图像与待检测图像特征点匹配;b3、计算待检测图像接头长度;b4、得到归一化系数k;步骤b1中,把提取出的接头点作为关键特征点,建立一阶Haar小波在x和y方向上的响应的分布(局部信息整合),算法步骤如下:
①选取特征点周围24×24区域作为兴趣区域,并把这区域分割成4×4的子区域,为了多保留一些空间信息,子区域会有部分重叠,子区域为9×9大小;
②每一个子区域中,在9×9的点阵内计算Haar小波响应dx,dy,并进行高斯加权;
③分别对子区域的dx,dy,|dx|,|dy|响应求和并归一化向量。得到特征描述[∑dx,∑dy,∑|dx|,∑|dy|],这样每个特征点就是一个64维向量;
步骤b2中,计算基准图像所有接头特征点和待检测图像所有接头点的欧式距离其中,(x1,x2…x64)为基准图像某个接头特征点的特征向量,(x1′,x2′…x64′)待检测图像某个接头特征点的特征向量;计算其最近邻和次近邻欧式距离比来查询匹配点,当比值小于某个阈值时,则认为两点匹配;
步骤b3中,经过b1步骤匹配后,获得了待检测图像的匹配点集合,[(x1,y1),(x2,y2)…(xn,yn)],观察分割后的接头图像,设定空间约束条件,很容易获得接头最上端接头点和最下端接头点,最上端接头点即图2中最上端一行白点,它们都包含于匹配点集合[(x1,y1),(x2,y2)…(xn,yn)]中,令上接头点为下接头点 k为上接头点个数,l为下接头点个数;平均多个接头特征点坐标求接头长度,待检测接头长度表示为:Lc=((yb1+yb2+…+ybl)/l-(yt1+yt2+…+ytk)/k)×PixWidth,其中PixWidth为像素间距,同理也可以求得基准图像接头长度令为Lr,最后,步骤b4中计算得到归一化系数k=Lc/r。
本实施例中,所述步骤c具体包括以下步骤:c1、计算待检测图像对接头距离;c2、根据对接头距离和标号,求得抽动距离;其中步骤c1中,由接头检测得到上接头记为U(xi,yi),下接头记为D(xj,yj),其中xi,yi表示某个接头的坐标;
如果满足以下空间距离约束条件,则认为对应上下2个接头点为一个对接头;|xi-xj|<σx (2)
|yi-yj|<σy (3)
σx和σy为水平阈值和垂直阈值,由具体应用中输送带规格来决定,通常σx略大于两条钢丝绳芯间的平均距离,σy略大于上下接头点间的标准垂直距离;得到匹配对接头后,计算接头间的距离,表示为:其中PixWidth为像素间距,由探测器精度决定;
根据这两个接头点的特征描述,给这个对接头一个唯一的标号,这样就保证基准参考图像中所有对接头与待检测图像中的对接头一一对应;步骤c2中,分别计算基准图像和待检测图像相同标号对接头的距离,参见图3,分别记为Ri和Ci,其中(i=0,1…N),N为对接头个数,i为对接头编号,则对接头抽动距离Li=Ci×k-Ri,平均抽动距离为Li/N。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种钢丝绳芯输送带接头抽动自动检测方法,其特征在于:包括以下步骤:a、对待检测接头图像和基准接头图像进行接头点检测;b、对待检接头点图像进行surf特征提取,根据特征值进行特征匹配,寻求接头图像与基准接头图像间的一个映射关系,得到归一化系数;c、根据归一化系数再进行抽动分析计算得到抽动距离。
2.根据权利要求1所述的钢丝绳芯输送带接头抽动自动检测方法,其特征在于:所述步骤a具体包括以下步骤:a1、灰度级修正;a2、高斯滤波;a3、图像分割;a4、图像滤波消除孤立点;a5、轮廓跟踪定位接头点。
3.根据权利要求1所述的钢丝绳芯输送带接头抽动自动检测方法,其特征在于:所述步骤b具体包括以下步骤:b1、接头点surf特征值描述;b2、基准图像与待检测图像特征点匹配;b3、计算待检测图像接头长度;b4、得到归一化系数k。
4.根据权利要求1所述的钢丝绳芯输送带接头抽动自动检测方法,其特征在于:所述步骤c具体包括以下步骤:c1、计算待检测图像对接头距离;c2、根据对接头距离和标号,求得抽动距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164949.XA CN104730083B (zh) | 2015-04-09 | 2015-04-09 | 钢丝绳芯输送带接头抽动自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164949.XA CN104730083B (zh) | 2015-04-09 | 2015-04-09 | 钢丝绳芯输送带接头抽动自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104730083A true CN104730083A (zh) | 2015-06-24 |
CN104730083B CN104730083B (zh) | 2018-05-01 |
Family
ID=53454181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510164949.XA Active CN104730083B (zh) | 2015-04-09 | 2015-04-09 | 钢丝绳芯输送带接头抽动自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730083B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296700A (zh) * | 2016-08-15 | 2017-01-04 | 南京工程学院 | 一种钢丝绳输送带接头抽动检测方法 |
CN106706238A (zh) * | 2016-11-22 | 2017-05-24 | 山西大学 | 钢丝绳芯输送带接头搭接标记和识别方法 |
CN107423744A (zh) * | 2017-03-23 | 2017-12-01 | 北京环境特性研究所 | 钢绳芯输送带的接头识别及损伤定位方法 |
CN107728223A (zh) * | 2017-09-13 | 2018-02-23 | 太原理工大学 | 一种钢绳芯输送带接头抽动在线检测方法 |
CN108550135A (zh) * | 2018-03-07 | 2018-09-18 | 天津工业大学 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
CN110288562A (zh) * | 2019-05-16 | 2019-09-27 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN114235825A (zh) * | 2022-02-24 | 2022-03-25 | 武汉祥文钢材制品有限公司 | 一种基于计算机视觉的钢丝绳质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1062163A (ja) * | 1996-08-14 | 1998-03-06 | Fuji Electric Co Ltd | 車間距離測定装置 |
KR20090037585A (ko) * | 2007-10-12 | 2009-04-16 | 광주과학기술원 | 영상 특징 추출 방법 및 장치, 이를 이용한 컨텐츠 기반의영상 검색 방법 및 장치 그리고 상기 방법들을 수행하는프로그램이 기록된 기록 매체 |
JP2010165248A (ja) * | 2009-01-16 | 2010-07-29 | Casio Computer Co Ltd | 画像処理装置、画像照合方法、および、プログラム |
CN103679703A (zh) * | 2013-11-25 | 2014-03-26 | 河海大学 | 一种基于共形几何代数的高光谱遥感影像降维方法 |
-
2015
- 2015-04-09 CN CN201510164949.XA patent/CN104730083B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1062163A (ja) * | 1996-08-14 | 1998-03-06 | Fuji Electric Co Ltd | 車間距離測定装置 |
KR20090037585A (ko) * | 2007-10-12 | 2009-04-16 | 광주과학기술원 | 영상 특징 추출 방법 및 장치, 이를 이용한 컨텐츠 기반의영상 검색 방법 및 장치 그리고 상기 방법들을 수행하는프로그램이 기록된 기록 매체 |
JP2010165248A (ja) * | 2009-01-16 | 2010-07-29 | Casio Computer Co Ltd | 画像処理装置、画像照合方法、および、プログラム |
CN103679703A (zh) * | 2013-11-25 | 2014-03-26 | 河海大学 | 一种基于共形几何代数的高光谱遥感影像降维方法 |
Non-Patent Citations (2)
Title |
---|
樊荣 等: "强力输送带接头抽动检测算法研究", 《工矿自动化》 * |
赵小川: "《MATLAB图像处理能力提高与应用案例》", 31 January 2014, 北京航空航天大学出版社 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296700A (zh) * | 2016-08-15 | 2017-01-04 | 南京工程学院 | 一种钢丝绳输送带接头抽动检测方法 |
CN106296700B (zh) * | 2016-08-15 | 2019-02-15 | 南京工程学院 | 一种钢丝绳输送带接头抽动检测方法 |
CN106706238B (zh) * | 2016-11-22 | 2019-01-29 | 山西大学 | 钢丝绳芯输送带接头搭接标记和识别方法 |
CN106706238A (zh) * | 2016-11-22 | 2017-05-24 | 山西大学 | 钢丝绳芯输送带接头搭接标记和识别方法 |
CN107423744A (zh) * | 2017-03-23 | 2017-12-01 | 北京环境特性研究所 | 钢绳芯输送带的接头识别及损伤定位方法 |
CN107728223A (zh) * | 2017-09-13 | 2018-02-23 | 太原理工大学 | 一种钢绳芯输送带接头抽动在线检测方法 |
CN108550135A (zh) * | 2018-03-07 | 2018-09-18 | 天津工业大学 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
CN108550135B (zh) * | 2018-03-07 | 2021-07-30 | 天津工业大学 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
CN110288562A (zh) * | 2019-05-16 | 2019-09-27 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
WO2020228111A1 (zh) * | 2019-05-16 | 2020-11-19 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN110288562B (zh) * | 2019-05-16 | 2023-01-17 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN114235825A (zh) * | 2022-02-24 | 2022-03-25 | 武汉祥文钢材制品有限公司 | 一种基于计算机视觉的钢丝绳质量检测方法 |
CN114235825B (zh) * | 2022-02-24 | 2022-05-17 | 武汉祥文钢材制品有限公司 | 一种基于计算机视觉的钢丝绳质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104730083B (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104730083A (zh) | 钢丝绳芯输送带接头抽动自动检测方法 | |
CN111079747B (zh) | 铁路货车转向架侧架断裂故障图像识别方法 | |
CN107154040B (zh) | 一种隧道衬砌表面图像裂缝检测方法 | |
US9818301B2 (en) | Lane correction system, lane correction apparatus and method of correcting lane | |
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 | |
CN106548147B (zh) | 一种快速的噪声鲁棒性图像异物检测方法及teds*** | |
CN110458839B (zh) | 一种有效的电线电缆监测*** | |
US20180365843A1 (en) | Method and system for tracking moving objects based on optical flow method | |
US10445868B2 (en) | Method for detecting a defect on a surface of a tire | |
CN107093178A (zh) | 区域增长方法 | |
WO2023082418A1 (zh) | 基于人工智能技术的电力综合管廊沉降裂缝识别方法 | |
CN106296700A (zh) | 一种钢丝绳输送带接头抽动检测方法 | |
CN116805317B (zh) | 基于人工智能的回转炉内壁缺陷检测方法 | |
CN107730521B (zh) | 一种图像中屋脊型边缘的快速检测方法 | |
CN103729828B (zh) | 视频去雨方法 | |
CN104463165A (zh) | 一种融合Canny算子与Vibe算法的目标检测方法 | |
CN105787470A (zh) | 一种基于聚合多通道特征对图像中输电线路杆塔进行检测的方法 | |
CN111091548A (zh) | 基于深度学习的铁路货车承载鞍错位故障图像识别方法及*** | |
CN116665080B (zh) | 基于目标识别的无人机劣化绝缘子检测方法及*** | |
CN116433668A (zh) | 一种智能液压油管漏油检测方法 | |
CN116665011A (zh) | 一种基于机器视觉的煤矿带式输送机煤流异物识别方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi***的缺陷特征提取与识别方法 | |
CN105205829A (zh) | 基于改进的二维Otsu的变电站红外图像分割方法 | |
CN105740796B (zh) | 一种基于灰度直方图的透视变换后车道线图像二值化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |