CN116309557A - 一种挖掘机履带板断裂检测方法 - Google Patents
一种挖掘机履带板断裂检测方法 Download PDFInfo
- Publication number
- CN116309557A CN116309557A CN202310546964.5A CN202310546964A CN116309557A CN 116309557 A CN116309557 A CN 116309557A CN 202310546964 A CN202310546964 A CN 202310546964A CN 116309557 A CN116309557 A CN 116309557A
- Authority
- CN
- China
- Prior art keywords
- crack
- detected
- coefficient
- pixel
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims description 12
- 241000219098 Parthenocissus Species 0.000 claims description 6
- 230000001788 irregular Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000750 progressive effect Effects 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
- 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
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种挖掘机履带板断裂检测方法。该方法包括:获取履带板表面灰度图像,确定待测像素点所处第一方向上的第一灰度值序列和第二方向上的第二灰度值序列;计算待测像素点的第一裂纹特征系数和第二裂纹特征系数;根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算邻域裂纹系数;根据待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,确定裂纹指标;根据所有像素点的裂纹指标,确定疑似裂纹像素点,对疑似裂纹像素点进行标注,得到裂纹区域。本发明能够有效提升裂纹区域检测的准确性,提升挖掘机履带板断裂检测的可靠性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种挖掘机履带板断裂检测方法。
背景技术
履带板是一种常见于挖掘机等工程机械设备的底盘件,在实际工作过程中主要承担机械设备的冲击压力,使挖掘机正常平稳运行,是一种易损的工程机械部件。挖掘机履带板由于需要承受较大的冲击负荷,同时与地面不断磨损,对强度要求较大,因此,在生产履带板的过程中需要对裂纹进行检测。
相关技术中,使用边缘检测的方式确定挖掘机履带板表面的裂纹区域,由于挖掘机的履带为金属制品,对应的裂纹通常为不规则的深色细长状裂隙,又由于挖掘机履带板表面通常具有一定的规则性切割纹理和凸起纹理,因此仅通过对履带板表面灰度图像进行边缘检测处理,更容易将裂纹区域作为正常区域,将规则的切割纹理和凸起纹理作为裂纹区域,进而导致对裂纹区域检测的准确性不足,进而导致挖掘机履带板断裂检测的可靠性不足。
发明内容
为了解决裂纹区域检测的准确性不足,进而导致挖掘机履带板断裂检测的可靠性不足的技术问题,本发明提供一种挖掘机履带板断裂检测方法,所采用的技术方案具体如下:
本发明提出了一种挖掘机履带板断裂检测方法,方法包括:
获取履带板表面灰度图像,在所述履带板表面灰度图像中任选某一像素点作为待测像素点,确定待测像素点所处第一方向上所有像素点的第一灰度值序列和待测像素点所处第二方向上所有像素点的第二灰度值序列;
根据所述第一灰度值序列,计算所述待测像素点在第一方向上的第一灰度系数,根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,确定所述待测像素点的第一裂纹特征系数;根据所述第二灰度值序列,计算所述待测像素点在第二方向上的第二灰度系数,根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,确定所述待测像素点的第二裂纹特征系数;
遍历所述待测像素点周围像素点,根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的邻域裂纹系数;根据所述待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的裂纹指标;
根据所述履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,对所述疑似裂纹像素点进行标注,得到裂纹区域。
进一步地,所述根据所述第一灰度值序列,计算所述待测像素点在第一方向上的第一灰度系数,包括:
计算所述待测像素点的灰度值分别与所述第一灰度值序列中所有像素点的灰度值差值绝对值的均值,得到所述待测像素点在第一方向上的第一灰度系数。
进一步地,所述根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,确定所述待测像素点的第一裂纹特征系数,包括:
基于灰度梯度计算公式计算所述待测像素点在第一方向上的灰度梯度;
根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,获得所述待测像素点的第一裂纹特征系数,其中,所述第一灰度系数与所述第一裂纹特征系数呈正相关关系,所述待测像素点在第一方向上的灰度梯度与所述第一裂纹特征系数呈正相关关系,所述第一裂纹特征系数的取值为归一化后的数值。
进一步地,所述根据所述第二灰度值序列,计算所述待测像素点在第二方向上的第二灰度系数,包括:
计算所述待测像素点的灰度值分别与所述第二灰度值序列中所有像素点的灰度值差值绝对值的均值,得到所述待测像素点在第二方向上的第二灰度系数。
进一步地,所述根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,确定所述待测像素点的第二裂纹特征系数,包括:
基于灰度梯度计算公式计算所述待测像素点在第二方向上的灰度梯度;
根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,获得所述待测像素点的第二裂纹特征系数,其中,所述第二灰度系数与所述第二裂纹特征系数呈正相关关系,所述待测像素点在第二方向上的灰度梯度与所述第二裂纹特征系数呈正相关关系,所述第二裂纹特征系数的取值为归一化后的数值。
进一步地,所述根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的邻域裂纹系数,包括:
将像素点在第一方向上的第一裂纹特征系数和第二方向上的第二裂纹特征系数作为对应方向上的坐标值,得到像素点的特征空间映射点;
计算所述待测像素点的特征空间映射点与八邻域内任一像素点的特征空间映射点间的欧氏距离作为对应两个像素点的裂纹相似系数;
遍历所述待测像素点八邻域内所有像素点,得到所述待测像素点与八邻域内所有像素点的裂纹相似系数的均值作为所述待测像素点的邻域裂纹系数。
进一步地,所述根据所述待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的裂纹指标,包括:
计算所述待测像素点的第一裂纹特征系数的平方值和所述第二裂纹特征系数的平方值的和值,对所述和值进行开平方处理,得到所述待测像素点的裂纹特征总系数;
根据所述裂纹特征总系数和所述邻域裂纹系数,得到所述裂纹指标,其中,所述裂纹特征总系数与所述裂纹指标呈正相关关系,所述邻域裂纹系数与所述裂纹指标呈正相关关系,所述裂纹指标的取值为归一化后的数值。
进一步地,所述根据所述履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,包括:
将所述裂纹指标大于预设裂纹阈值的像素点作为疑似像素点。
本发明具有如下有益效果:
本发明通过待测像素点在第一方向和第二方向上的所有像素点的灰度值分布,得到第一灰度系数和第二灰度系数,第一灰度系数和第二灰度系数可以有效表征待测像素点与对应方向上其他像素点的灰度差异,由于结合第一方向上的灰度梯度和第一灰度系数得到第一裂纹特征系数,能够根据梯度信息进一步进行处理,从而提升第一裂纹特征系数的可靠性,同理结合第二方向上的灰度梯度和第二灰度系数得到第二裂纹特征系数,能够提升第二裂纹特征系数的可靠性,相较于传统边缘检测算子进行检测,第一裂纹特征系数和第二裂纹特征系数能够有效结合挖掘机履带板表面裂纹的不规则特点和挖掘机履带板表面规则的正常纹理特点,从而能够更为准确地表征待测像素点为裂纹像素点的可能程度,根据第一裂纹特征系数和第二裂纹特征系数得到邻域裂纹系数,根据邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数得到裂纹指标,极大程度提升裂纹指标的灵敏性,从而在根据裂纹指标确定疑似裂纹像素点时,能够增强疑似裂纹像素点的检测效果,进而提升裂纹区域的准确性,增强挖掘机履带板断裂检测的准确性与可靠性。综上,本发明能够有效提升裂纹区域检测的准确性,进而提升挖掘机履带板断裂检测的准确性与可靠性。
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和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种挖掘机履带板断裂检测方法流程图;
图2为本发明一个实施例所提供的履带板表面灰度图像示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种挖掘机履带板断裂检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种挖掘机履带板断裂检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种挖掘机履带板断裂检测方法流程图,该方法包括:
S101:获取履带板表面灰度图像,在履带板表面灰度图像中任选某一像素点作为待测像素点,确定待测像素点所处第一方向上所有像素点的第一灰度值序列和待测像素点所处第二方向上所有像素点的第二灰度值序列。
本发明实施例中,可以使用高精度工业相机拍摄挖掘机履带板的表面原始图像,因表面原始图像为红绿蓝(Red Green Blue,RGB)色彩空间的图片,为了便于检测,将RGB格式的图片转换为灰度图片,本发明实施例对表面原始图像的灰度化处理可以具体例如为均值灰度化处理或加权灰度化处理,对此不做限制,而后,对灰度化得到的图像进行去噪处理和去背景化处理,得到履带板表面灰度图像,其中,去噪处理和去背景化处理为本领域所熟知的技术,对此不作赘述。如图2所示,图2为本发明一个实施例所提供的履带板表面灰度图像示意图。
可以理解的是,由于直接进行边缘检测处理容易导致裂纹检测准确性不足,因此,本发明对每个像素点所对应的纹理特征进行分析,具体地,任意选取履带板表面灰度图像中的某一像素点作为待测像素点,而后,统计待测像素点所处第一方向上所有像素点的灰度值得到第一灰度值序列,统计待测像素点所处第二方向上所有像素点的灰度值得到第二灰度值序列。
其中,第一方向和第二方向,为待测像素点所对应图像上的方向,具体地,第一方向可以例如为水平方向,第二方向可以例如为竖直方向,当然,本发明还支持使用多种其他任意可能的方向,例如各种倾斜方向等,对此不做限制,需要说明的是,本发明实施例中的第一方向和第二方向不相同。
S102:根据第一灰度值序列,计算待测像素点在第一方向上的第一灰度系数,根据第一灰度系数和待测像素点在第一方向上的灰度梯度,确定待测像素点的第一裂纹特征系数;根据第二灰度值序列,计算待测像素点在第二方向上的第二灰度系数,根据第二灰度系数和待测像素点在第二方向上的灰度梯度,确定待测像素点的第二裂纹特征系数。
可以理解的是,第一灰度值序列可以表征待测像素点所处第一方向上所有像素点的分布情况,而第二灰度值序列可以表征待测像素点所处第二方向上所有像素点的分布情况,由于正常的履带纹理为规则的形状,也即在第一灰度值序列和第二灰度值序列中,至少一个序列对应的像素点灰度分布较为规则,而在裂纹区域处像素点灰度分布较为杂乱,因此,本发明实施例基于该特征进行检测。
进一步地,本发明实施例中,根据第一灰度值序列,计算待测像素点在第一方向上的第一灰度系数,包括:计算待测像素点的灰度值分别与第一灰度值序列中所有像素点的灰度值差值绝对值的均值,得到待测像素点在第一方向上的第一灰度系数。对应的计算公式为:
式中,表示第个像素点在第一方向上的第一灰度系数,其中,表示第一方
向,表示像素点的索引,本发明实施例将第个像素点作为待测像素点,表示待测像素点
所在第一灰度值序列中灰度值的总数量,表示第一灰度值序列中灰度值的索引,表示
第一方向上第个灰度值,表示第一方向上第个像素点所对应的灰度值,表示取绝
对值。
可以理解的是,由于裂纹所处像素点对应的灰度值与第一方向上其他正常灰度值差异较大,且由于裂纹的不规则性,对应在特定方向上的灰度值的频率较小,因此,在第一灰度系数越大时,越能表明待测像素点为裂纹所处像素点。
进一步地,本发明实施例中,根据第一灰度系数和待测像素点在第一方向上的灰度梯度,确定待测像素点的第一裂纹特征系数,包括:基于灰度梯度计算公式计算待测像素点在第一方向上的灰度梯度;根据第一灰度系数和待测像素点在第一方向上的灰度梯度,获得待测像素点的第一裂纹特征系数,其中,第一灰度系数与第一裂纹特征系数呈正相关关系,待测像素点在第一方向上的灰度梯度与第一裂纹特征系数呈正相关关系,第一裂纹特征系数的取值为归一化后的数值。
其中,灰度梯度计算公式为根据同一方向上像素点的灰度值计算对应像素点的灰度梯度的方式,灰度梯度计算公式为本领域所熟知的技术,对此不作赘述。
本发明实施例中,第一裂纹特征系数对应的计算公式可以具体例如为:
式中,表示第个像素点在第一方向上的第一裂纹特征系数,其中,表示第一
方向,表示像素点的索引,本发明实施例将第个像素点作为待测像素点,表示第个像
素点在第一方向上的灰度梯度,表示第个像素点在第一方向上的第一灰度系数,表示求归一化,在本发明的一个实施例中,归一化处理可以具体例如为最大最小值归
一化处理,并且,后续步骤中的归一化均可以采用最大最小值归一化处理,在本发明的其他
实施例中可以根据数值具体范围选择其他归一化方法,对此不再赘述。
当然,实施者也可通过其他形式的公式表征第一裂纹特征系数,例如:
其中,对应的参数与本发明实施例中第一裂纹特征系数的计算公式中对应参数的含义相同,在此不做进一步赘述。
本发明实施例中,在第一方向上的灰度梯度越大,越表明对应待测像素点与第一方向相邻的像素点灰度值差距越大,也即待测像素点在第一方向上越突出,而第一灰度系数越大,越表明待测像素点灰度值与第一方向上所有其他像素点的灰度值差异越大,也即在第一方向上待测像素点越可能为孤立的像素点,也即越不可能为纹理规则的像素点,则待测像素点为裂纹像素点的概率越大,第一裂纹特征系数越大。
进一步地,本发明实施例中,根据第二灰度值序列,计算待测像素点在第二方向上的第二灰度系数,包括:计算待测像素点的灰度值分别与第二灰度值序列中所有像素点的灰度值差值绝对值的均值,得到待测像素点在第二方向上的第二灰度系数。对应的计算公式为:
式中,表示第个像素点在第二方向上的第二灰度系数,其中,表示第二方
向,表示像素点的索引,本发明实施例将第个像素点作为待测像素点,表示待测像素点
所在第二灰度值序列中灰度值的总数量,表示第二灰度值序列中灰度值的索引,表示
第二方向上第个灰度值,表示第二方向上第个像素点所对应的灰度值,表示取绝
对值。
可以理解的是,由于裂纹所处像素点对应的灰度值与第二方向上其他正常灰度值差异较大,且由于裂纹的不规则性,对应在特定方向上的灰度值的频率较小,因此,在第二灰度系数越大时,越能表明待测像素点为裂纹所处像素点。
进一步地,本发明实施例中,根据第二灰度系数和待测像素点在第二方向上的灰度梯度,确定待测像素点的第二裂纹特征系数,包括:基于灰度梯度计算公式计算待测像素点在第二方向上的灰度梯度;根据第二灰度系数和待测像素点在第二方向上的灰度梯度,获得待测像素点的第二裂纹特征系数,其中,第二灰度系数与第二裂纹特征系数呈正相关关系,待测像素点在第二方向上的灰度梯度与第二裂纹特征系数呈正相关关系,第二裂纹特征系数的取值为归一化后的数值。
其中,灰度梯度计算公式为根据同一方向上像素点的灰度值计算对应像素点的灰度梯度的方式,灰度梯度计算公式为本领域所熟知的技术,对此不作赘述。
本发明实施例中,第二裂纹特征系数对应的计算公式可以具体例如为:
式中,表示第个像素点在第二方向上的第二裂纹特征系数,其中,表示第二
方向,表示像素点的索引,本发明实施例将第个像素点作为待测像素点,表示第个像
素点在第二方向上的灰度梯度,表示第个像素点在第二方向上的第二灰度系数,表示求归一化。
当然,实施者也可通过其他形式的公式表征第二裂纹特征系数,例如:
其中,对应的参数与本发明实施例中第二裂纹特征系数的计算公式中对应参数的含义相同,在此不做进一步赘述。
本发明实施例中,在第二方向上的灰度梯度越大,越表明对应待测像素点与第二方向相邻的像素点灰度值差距越大,也即待测像素点在第二方向上越突出,而第二灰度系数越大,越表明待测像素点灰度值与第二方向上其他所有像素点的灰度值差异越大,也即在第二方向上待测像素点不可能为纹理规则的像素点,则待测像素点为裂纹像素点的概率越大,第二裂纹特征系数越大。
可以理解的是,挖掘机履带板图像上规则的纹理通常为水平方向或竖直方向上的直线纹理,也即是说,对应的第一裂纹特征系数和第二裂纹特征系数中可能仅有一个数值偏大,而另一个数值偏小,或者两个数值均偏小,对于不规则的裂纹纹理,由于其在第一方向和第二方向上分布杂乱,则对应的第一裂纹特征系数和第二裂纹特征系数的数值均偏大,因此,第一裂纹特征系数和第二裂纹特征系数相结合,能够有效表征待测像素点的灰度值在第一方向和第二方向上孤立情况。
S103:遍历待测像素点周围像素点,根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算待测像素点的邻域裂纹系数;根据待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算待测像素点的裂纹指标。
进一步地,本发明实施例中,根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算待测像素点的邻域裂纹系数,包括:将像素点在第一方向上的第一裂纹特征系数和第二方向上的第二裂纹特征系数作为对应方向上的坐标值,得到像素点的特征空间映射点;计算待测像素点的特征空间映射点与八邻域内任一像素点的特征空间映射点间的欧氏距离作为对应两个像素点的裂纹相似系数;遍历待测像素点八邻域内所有像素点,得到待测像素点与八邻域内所有像素点的裂纹相似系数的均值作为待测像素点的邻域裂纹系数。
本发明实施例中,可以根据第一方向和第二方向搭建裂纹特征系数的坐标系,而后,将第一方向上的第一裂纹特征系数和第二方向上的第二裂纹特征系数分别作为第一方向和第二方向上的坐标值,从而得到对应的特征空间映射点,则两个像素点间的特征空间映射点可以表征像素点间第一裂纹特征系数和第二裂纹特征系数的数值差异情况。
可以理解的是,由于挖掘机履带板表面有规则的凸起区域和孔洞区域,也即是说,在面对规则的凸起区域和孔洞区域内的像素点时,其对应八邻域内包含有多个与其第一裂纹特征系数和第二裂纹特征系数相似的像素点,也即是说,对应的欧式距离会较小,裂纹相似系数较小,则本发明实施例中,计算待测像素点与八邻域内所有像素点的裂纹相似系数的均值作为待测像素点的邻域裂纹系数,在邻域裂纹系数较小时,则可以表示对应的待测像素点与八邻域内其他像素点的分布相似性较高,也即是说待测像素点可能为规则的凸起区域和孔洞区域内的像素点,而在邻域裂纹系数较大时,则可以表示对应的待测像素点与八邻域内其他像素点的分布相似性较低,也即是说待测像素点可能为不规则的裂纹区域内的像素点。
进一步地,本发明实施例中,根据待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算待测像素点的裂纹指标,包括:计算待测像素点的第一裂纹特征系数的平方值和第二裂纹特征系数的平方值的和值,对和值进行开平方处理,得到待测像素点的裂纹特征总系数;根据裂纹特征总系数和邻域裂纹系数,得到裂纹指标,其中,裂纹特征总系数与裂纹指标呈正相关关系,邻域裂纹系数与裂纹指标呈正相关关系,裂纹指标的取值为归一化后的数值。对应的计算公式可以具体例如为:
式中,表示第个像素点的裂纹指标,其中,表示第一方向,表示第二方向,表
示像素点的索引,本发明实施例将第个像素点作为待测像素点,表示第个像素点在第
一方向上的第一裂纹特征系数,表示第个像素点在第二方向上的第二裂纹特征系
数,表示第个像素点的邻域裂纹系数,表示第个像素点的裂纹特征总系
数,表示求归一化。
当然,实施者也可通过其他形式的公式表征裂纹指标,例如:
其中,对应的参数与本发明实施例中裂纹指标的计算公式中对应参数的含义相同,在此不做进一步赘述。
可以理解的是,待测像素点的裂纹特征总系数即待测像素点所对应的特征空间映射点的长度,也即是说,裂纹特征总系数越大,则可以表示第一裂纹特征系数和第二裂纹特征系数越大,待测像素点越可能为裂纹区域对应的像素点,裂纹指标的数值越大,又由于邻域裂纹系数较大时,则可以表示对应的待测像素点与八邻域内其他像素点的分布相似性较低,也即是说待测像素点越可能为不规则的裂纹区域内的像素点,由此,计算得到裂纹指标,以根据裂纹指标表征待测像素点为裂纹像素点的可能性。
S104:根据履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,对疑似裂纹像素点进行标注,得到裂纹区域。
进一步地,本发明实施例中,根据履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,包括:将裂纹指标大于预设裂纹阈值的像素点作为疑似像素点。
其中,预设裂纹阈值,为预先设置的裂纹指标的门限值,可选地,预设裂纹阈值为0.7,当然,本发明实施例还支持使用多种其他任意可能的实现方式根据裂纹指标确定疑似裂纹像素点,例如将裂纹指标满足一定范围需求的像素点作为疑似裂纹像素点,或者,将裂纹指标最大的预设数量个像素点作为疑似裂纹像素点等,对此不做限制。
本发明实施例中,可以统计所得到的所有的疑似裂纹像素点,对疑似裂纹像素点进行标注,得到裂纹区域。
本发明通过待测像素点在第一方向和第二方向上的所有像素点的灰度值分布,得到第一灰度系数和第二灰度系数,第一灰度系数和第二灰度系数可以有效表征待测像素点与对应方向上其他像素点的灰度差异,由于结合第一方向上的灰度梯度和第一灰度系数得到第一裂纹特征系数,能够根据梯度信息进一步进行处理,从而提升第一裂纹特征系数的可靠性,同理结合第二方向上的灰度梯度和第二灰度系数得到第二裂纹特征系数,能够提升第二裂纹特征系数的可靠性,相较于传统边缘检测算子进行检测,第一裂纹特征系数和第二裂纹特征系数能够有效结合挖掘机履带板表面裂纹的不规则特点和挖掘机履带板表面规则的正常纹理特点,从而能够更为准确地表征待测像素点为裂纹像素点的可能程度,根据第一裂纹特征系数和第二裂纹特征系数得到邻域裂纹系数,根据邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数得到裂纹指标,极大程度提升裂纹指标的灵敏性,从而在根据裂纹指标确定疑似裂纹像素点时,能够增强疑似裂纹像素点的检测效果,进而提升裂纹区域的准确性,增强挖掘机履带板断裂检测的准确性与可靠性。综上,本发明能够有效提升裂纹区域检测的准确性,进而提升挖掘机履带板断裂检测的准确性与可靠性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (8)
1.一种挖掘机履带板断裂检测方法,其特征在于,所述方法包括:
获取履带板表面灰度图像,在所述履带板表面灰度图像中任选某一像素点作为待测像素点,确定待测像素点所处第一方向上所有像素点的第一灰度值序列和待测像素点所处第二方向上所有像素点的第二灰度值序列;
根据所述第一灰度值序列,计算所述待测像素点在第一方向上的第一灰度系数,根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,确定所述待测像素点的第一裂纹特征系数;根据所述第二灰度值序列,计算所述待测像素点在第二方向上的第二灰度系数,根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,确定所述待测像素点的第二裂纹特征系数;
遍历所述待测像素点周围像素点,根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的邻域裂纹系数;根据所述待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的裂纹指标;
根据所述履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,对所述疑似裂纹像素点进行标注,得到裂纹区域。
2.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述第一灰度值序列,计算所述待测像素点在第一方向上的第一灰度系数,包括:
计算所述待测像素点的灰度值分别与所述第一灰度值序列中所有像素点的灰度值差值绝对值的均值,得到所述待测像素点在第一方向上的第一灰度系数。
3.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,确定所述待测像素点的第一裂纹特征系数,包括:
基于灰度梯度计算公式计算所述待测像素点在第一方向上的灰度梯度;
根据所述第一灰度系数和所述待测像素点在第一方向上的灰度梯度,获得所述待测像素点的第一裂纹特征系数,其中,所述第一灰度系数与所述第一裂纹特征系数呈正相关关系,所述待测像素点在第一方向上的灰度梯度与所述第一裂纹特征系数呈正相关关系,所述第一裂纹特征系数的取值为归一化后的数值。
4.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述第二灰度值序列,计算所述待测像素点在第二方向上的第二灰度系数,包括:
计算所述待测像素点的灰度值分别与所述第二灰度值序列中所有像素点的灰度值差值绝对值的均值,得到所述待测像素点在第二方向上的第二灰度系数。
5.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,确定所述待测像素点的第二裂纹特征系数,包括:
基于灰度梯度计算公式计算所述待测像素点在第二方向上的灰度梯度;
根据所述第二灰度系数和所述待测像素点在第二方向上的灰度梯度,获得所述待测像素点的第二裂纹特征系数,其中,所述第二灰度系数与所述第二裂纹特征系数呈正相关关系,所述待测像素点在第二方向上的灰度梯度与所述第二裂纹特征系数呈正相关关系,所述第二裂纹特征系数的取值为归一化后的数值。
6.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据待测像素点周围预设邻域范围内其他像素点的第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的邻域裂纹系数,包括:
将像素点在第一方向上的第一裂纹特征系数和第二方向上的第二裂纹特征系数作为对应方向上的坐标值,得到像素点的特征空间映射点;
计算所述待测像素点的特征空间映射点与八邻域内任一像素点的特征空间映射点间的欧氏距离作为对应两个像素点的裂纹相似系数;
遍历所述待测像素点八邻域内所有像素点,得到所述待测像素点与八邻域内所有像素点的裂纹相似系数的均值作为所述待测像素点的邻域裂纹系数。
7.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述待测像素点的邻域裂纹系数、第一裂纹特征系数和第二裂纹特征系数,计算所述待测像素点的裂纹指标,包括:
计算所述待测像素点的第一裂纹特征系数的平方值和所述第二裂纹特征系数的平方值的和值,对所述和值进行开平方处理,得到所述待测像素点的裂纹特征总系数;
根据所述裂纹特征总系数和所述邻域裂纹系数,得到所述裂纹指标,其中,所述裂纹特征总系数与所述裂纹指标呈正相关关系,所述邻域裂纹系数与所述裂纹指标呈正相关关系,所述裂纹指标的取值为归一化后的数值。
8.如权利要求1所述的一种挖掘机履带板断裂检测方法,其特征在于,所述根据所述履带板表面灰度图像中所有像素点的裂纹指标,确定疑似裂纹像素点,包括:
将所述裂纹指标大于预设裂纹阈值的像素点作为疑似像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310546964.5A CN116309557B (zh) | 2023-05-16 | 2023-05-16 | 一种挖掘机履带板断裂检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310546964.5A CN116309557B (zh) | 2023-05-16 | 2023-05-16 | 一种挖掘机履带板断裂检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309557A true CN116309557A (zh) | 2023-06-23 |
CN116309557B CN116309557B (zh) | 2023-08-01 |
Family
ID=86827253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310546964.5A Active CN116309557B (zh) | 2023-05-16 | 2023-05-16 | 一种挖掘机履带板断裂检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309557B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095004A (zh) * | 2023-10-20 | 2023-11-21 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN118225790A (zh) * | 2024-05-23 | 2024-06-21 | 陕西奥尔德机械有限公司 | 一种履带断裂检测预警装置及其方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093538A (zh) * | 2006-06-19 | 2007-12-26 | 电子科技大学 | 一种基于小波变换过零表示的虹膜识别方法 |
CN107505145A (zh) * | 2017-10-16 | 2017-12-22 | 济南大学 | 一种履带式推土机负荷综合试验平台及其方法 |
CN110390669A (zh) * | 2019-06-26 | 2019-10-29 | 杭州电子科技大学 | 一种桥梁图像中裂缝的检测方法 |
CN112150418A (zh) * | 2020-09-08 | 2020-12-29 | 上海交通大学 | 一种磁粉探伤智能识别方法 |
CN113096121A (zh) * | 2021-05-06 | 2021-07-09 | 绍兴文理学院 | 基于交叉断裂力学和图像处理的路面裂缝检测方法和*** |
CN113436168A (zh) * | 2021-06-25 | 2021-09-24 | 重庆邮电大学 | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 |
CN113538433A (zh) * | 2021-09-17 | 2021-10-22 | 海门市创睿机械有限公司 | 基于人工智能的机械铸件缺陷检测方法及*** |
CN113706496A (zh) * | 2021-08-23 | 2021-11-26 | 中国飞机强度研究所 | 一种基于深度学习模型的飞行器结构裂纹检测方法 |
CN114387249A (zh) * | 2022-01-12 | 2022-04-22 | 深圳中科飞测科技股份有限公司 | 检测方法及检测装置、设备和存储介质 |
CN115063430A (zh) * | 2022-08-19 | 2022-09-16 | 南通金茂防爆电气有限公司 | 基于图像处理的电气管道裂纹检测方法 |
CN115330628A (zh) * | 2022-08-18 | 2022-11-11 | 盐城众拓视觉创意有限公司 | 基于图像处理的视频逐帧去噪方法 |
CN115345885A (zh) * | 2022-10-19 | 2022-11-15 | 南通鹏宝运动用品有限公司 | 一种金属健身器材外观质量检测方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN115880304A (zh) * | 2023-03-08 | 2023-03-31 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于复杂场景下的枕轨缺陷识别方法 |
CN115937177A (zh) * | 2022-12-27 | 2023-04-07 | 中国万宝工程有限公司 | 零部件表面缺陷识别方法及装置 |
-
2023
- 2023-05-16 CN CN202310546964.5A patent/CN116309557B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093538A (zh) * | 2006-06-19 | 2007-12-26 | 电子科技大学 | 一种基于小波变换过零表示的虹膜识别方法 |
CN107505145A (zh) * | 2017-10-16 | 2017-12-22 | 济南大学 | 一种履带式推土机负荷综合试验平台及其方法 |
CN110390669A (zh) * | 2019-06-26 | 2019-10-29 | 杭州电子科技大学 | 一种桥梁图像中裂缝的检测方法 |
CN112150418A (zh) * | 2020-09-08 | 2020-12-29 | 上海交通大学 | 一种磁粉探伤智能识别方法 |
CN113096121A (zh) * | 2021-05-06 | 2021-07-09 | 绍兴文理学院 | 基于交叉断裂力学和图像处理的路面裂缝检测方法和*** |
CN113436168A (zh) * | 2021-06-25 | 2021-09-24 | 重庆邮电大学 | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 |
CN113706496A (zh) * | 2021-08-23 | 2021-11-26 | 中国飞机强度研究所 | 一种基于深度学习模型的飞行器结构裂纹检测方法 |
CN113538433A (zh) * | 2021-09-17 | 2021-10-22 | 海门市创睿机械有限公司 | 基于人工智能的机械铸件缺陷检测方法及*** |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN114387249A (zh) * | 2022-01-12 | 2022-04-22 | 深圳中科飞测科技股份有限公司 | 检测方法及检测装置、设备和存储介质 |
CN115330628A (zh) * | 2022-08-18 | 2022-11-11 | 盐城众拓视觉创意有限公司 | 基于图像处理的视频逐帧去噪方法 |
CN115063430A (zh) * | 2022-08-19 | 2022-09-16 | 南通金茂防爆电气有限公司 | 基于图像处理的电气管道裂纹检测方法 |
CN115345885A (zh) * | 2022-10-19 | 2022-11-15 | 南通鹏宝运动用品有限公司 | 一种金属健身器材外观质量检测方法 |
CN115937177A (zh) * | 2022-12-27 | 2023-04-07 | 中国万宝工程有限公司 | 零部件表面缺陷识别方法及装置 |
CN115880304A (zh) * | 2023-03-08 | 2023-03-31 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于复杂场景下的枕轨缺陷识别方法 |
Non-Patent Citations (2)
Title |
---|
DIHAO AI 等: "Automatic Pixel-Level Pavement Crack Detection Using Information of Multi-Scale Neighborhoods", 《IEEE ACCESS》, pages 24452 - 24463 * |
熊龙辉 等: "在役钢轨浅表层伤损快速检测技术", 《中国铁路》, pages 118 - 125 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095004A (zh) * | 2023-10-20 | 2023-11-21 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN117095004B (zh) * | 2023-10-20 | 2024-01-12 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN118225790A (zh) * | 2024-05-23 | 2024-06-21 | 陕西奥尔德机械有限公司 | 一种履带断裂检测预警装置及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116309557B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116309557B (zh) | 一种挖掘机履带板断裂检测方法 | |
CN113689428B (zh) | 基于图像处理的机械零件应力腐蚀检测方法及*** | |
CN117078672B (zh) | 基于计算机视觉的手机屏幕缺陷智能检测方法 | |
CN116309537B (zh) | 一种极耳模具表面油污的缺陷检测方法 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及*** | |
CN108711158B (zh) | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 | |
CN115908411B (zh) | 基于视觉检测的混凝土养护质量分析方法 | |
CN116645367B (zh) | 一种高端制造用的钢板切割质量检测方法 | |
CN115345885A (zh) | 一种金属健身器材外观质量检测方法 | |
CN111274939B (zh) | 基于单目摄像头的道路路面坑洼破损自动提取方法 | |
CN104517276A (zh) | 一种棋盘格角点检测方法 | |
CN115797473B (zh) | 一种土建工程用混凝土成型评估方法 | |
CN116452598A (zh) | 基于计算机视觉的车桥生产质量快速检测方法及*** | |
CN113781446B (zh) | 玻纤表面油污检出方法、装置、存储介质和电子设备 | |
CN116137036A (zh) | 基于机器学习的基因检测数据智能处理*** | |
CN116883408A (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116542968A (zh) | 一种基于模板匹配的钢筋智能计数方法 | |
CN117437223A (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN116740053B (zh) | 一种锻造加工智能生产线的管理*** | |
CN116718599B (zh) | 一种基于三维点云数据的表观裂缝长度测量方法 | |
CN116452613B (zh) | 一种地质调查中裂缝轮廓提取方法 | |
CN116385268A (zh) | 一种遥感图像增强方法 | |
CN114638805B (zh) | 一种轨道板裂缝检测方法、***及存储介质 | |
CN113902894B (zh) | 一种基于图像处理的条式水平仪自动读数识别方法 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for detecting the fracture of excavator track shoes Granted publication date: 20230801 Pledgee: China Postal Savings Bank Co.,Ltd. Jining Branch Pledgor: Shandong Juning Machinery Co.,Ltd. Registration number: Y2024980000478 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |