CN117541615A - 一种自动铺网装置的螺栓松动检测方法 - Google Patents
一种自动铺网装置的螺栓松动检测方法 Download PDFInfo
- Publication number
- CN117541615A CN117541615A CN202410027350.0A CN202410027350A CN117541615A CN 117541615 A CN117541615 A CN 117541615A CN 202410027350 A CN202410027350 A CN 202410027350A CN 117541615 A CN117541615 A CN 117541615A
- Authority
- CN
- China
- Prior art keywords
- bolt
- degree
- image
- bolts
- motion blur
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 6
- 230000005856 abnormality Effects 0.000 claims description 32
- 210000000746 body region Anatomy 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 230000005641 tunneling Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- VEMKTZHHVJILDY-UHFFFAOYSA-N resmethrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=COC(CC=2C=CC=CC=2)=C1 VEMKTZHHVJILDY-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种自动铺网装置的螺栓松动检测方法，包括：采集各个时刻各个螺栓的图像，获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域，根据螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度，根据运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度，根据螺栓主体区域以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度；根据不同螺栓的第一异常程度的差异获取螺栓的第二异常程度，进而筛选松动螺栓。本发明可在盾构机以及自动铺网装置工作过程中准确识别出松动螺栓并及时处置，减少了安全隐患。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种自动铺网装置的螺栓松动检测方法。
背景技术
自动铺网装置是指与盾构机配合工作的自动铺网装置，而盾构机是一种特定和专业的隧道掘进机，其设计旨在适应一些特殊的地质条件，提供更好的隧道稳定性和地质保护，而自动铺网装置被安装在盾构机的后部，以覆盖整个施工工作面，用于捕捉和处理在隧道施工过程中掉落的碎屑和泥土的装置。这些碎屑是由盾构机掘进头部分破碎和挖掘地层时产生的，自动铺网装置的作用是防止这些碎屑进入隧道周围的土壤和地质中，以维护施工安全和环境保护。所以说自动铺网装置的定期检查与维护至关重要，其中针对自动铺网装置的螺栓松动状况更是其中重要的一项，而目前针对其的检测更多的是通过人工视觉目测或者是扭矩扳手测量紧固力是否符合制造商规定的要求。
由于人工检测的方法受限于需要专业人员能力的限制并且还需要在自动铺网装置停止工作时进行检查，如此检测的效率相对低下，无法在设备运行时实现对螺栓松动状况的自动化检测，无法对已经出现螺栓松动的信息状况及时地获取，可能会导致螺栓的松动造成相应的安全问题。
发明内容
为了解决上述问题，本发明提供一种自动铺网装置的螺栓松动检测方法，该方法包括以下步骤：
采集各个时刻自动铺网装置的各个螺栓的图像；获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域；
对于各个时刻各个螺栓的图像，根据图像中螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度；根据图像中运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度；根据图像中螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取螺栓的综合模糊程度；
根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度；根据当前时刻不同螺栓的第一异常程度的差异获取当前时刻每个螺栓的第二异常程度；根据所述第二异常程度筛选松动螺栓。
优选的，所述根据图像中螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中包含的行数；/>表示归一化函数；/>是以自然常数为底的指数函数。
优选的，所述根据图像中运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度，包括的具体步骤如下：
对于每一时刻的每个螺栓的图像中的运动模糊区域，将运动模糊区域的内边界上每个像素点作为内边缘像素点；根据运动模糊区域中所有像素点的灰度值获取每个内边缘像素点在各个延伸方向上的模糊灰度序列；根据运动模糊区域中所有内边缘像素点的同一延伸方向上的模糊灰度序列获取运动模糊区域在该延伸方向上灰度渐变性；将运动模糊区域在所有延伸方向上灰度渐变性的最大值作为该运动模糊区域的整体渐变程度；
根据每一时刻的每个螺栓的图像中的运动模糊区域的整体渐变程度以及运动模糊区域内像素点的灰度分布获取每一时刻的每个螺栓的图像中的运动模糊区域的模糊程度。
优选的，所述延伸方向包括、/>、/>、/>、/>、/>、/>以及/>的方向。
优选的，所述根据运动模糊区域中所有像素点的灰度值获取每个内边缘像素点在各个延伸方向上的模糊灰度序列，包括的具体步骤如下：
对于每个内边缘像素点，依次获取内边缘像素点的一个延伸方向上所有位于运动模糊区域的像素点的灰度值，构成该内边缘像素点的该延伸方向上的模糊灰度序列。
优选的，所述根据运动模糊区域中所有内边缘像素点的同一延伸方向上的模糊灰度序列获取运动模糊区域在该延伸方向上灰度渐变性，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域在第/>个延伸方向上的灰度渐变性；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中内边缘像素点的数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中包含的灰度值的数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第个灰度值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第/>个灰度值。
优选的，所述根据每一时刻的每个螺栓的图像中的运动模糊区域的整体渐变程度以及运动模糊区域内像素点的灰度分布获取每一时刻的每个螺栓的图像中的运动模糊区域的模糊程度，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中包含的像素点数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个像素点的灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的所有像素点的灰度均值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域的整体渐变程度；/>表示归一化函数；/>是以自然常数为底的指数函数。
优选的，所述根据图像中螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，包括的具体步骤如下：
对于每一时刻每个螺栓的图像，将图像中螺栓主体区域的模糊程度与图像中运动模糊区域的模糊程度的乘积作为该时刻该螺栓的综合模糊程度。
优选的，所述根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度，包括的具体步骤如下：
其中，表示当前时刻第/>个螺栓的第一异常程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示当前时刻之前共有个时刻。
优选的，所述根据当前时刻不同螺栓的第一异常程度的差异获取当前时刻每个螺栓的第二异常程度，包括的具体步骤如下：
其中，表示当前时刻第/>个螺栓的第二异常程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示所有螺栓的数量；表示归一化函数。
本发明的技术方案的有益效果是：本发明采集各个时刻各个螺栓的图像，获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域，根据螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度，根据运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度，根据螺栓主体区域以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度；根据不同螺栓的第一异常程度的差异获取螺栓的第二异常程度，进而筛选松动螺栓。本发明可在盾构机以及自动铺网装置工作过程中准确识别出松动螺栓并及时处置，减少了安全隐患。
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他的附图。
图1为本发明的一种自动铺网装置的螺栓松动检测方法的步骤流程图。
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自动铺网装置的螺栓松动检测方法，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自动铺网装置的螺栓松动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自动铺网装置的螺栓松动检测方法的步骤流程图，该方法包括以下步骤：
S001．采集各个时刻自动铺网装置的各个螺栓的图像，获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域。
将微型高清摄像头固定在自动铺网装置的各个螺栓的同一位置角度处，从自动铺网装置开始工作时，通过微型高清摄像头采集各个螺栓的第一时刻的图像，后续每间隔五分钟采集一次，由此获得各个螺栓各个时刻的图像。需要说明的是，对于螺栓的图像的采集间隔，本实施例仅以五分钟为例进行叙述，具体不做限定，在其他实施例中，实施人员可根据实际实施情况设置采集间隔。
由于微型高清摄像头固定在自动铺网装置的各个螺栓的同一位置角度处，使得螺栓位于拍摄的图像中心，且在图像中竖直分布，螺栓上螺母在螺纹的上方。如此可以保证获取到的各个时刻的各个螺栓的图像是处于同一角度下的，方便后续针对每一时刻每个螺栓的图像进行运动模糊分析。
对于采集的每一时刻的每个螺栓的图像，通过语义分割网络获取图像中螺栓主体区域以及运动模糊区域，该语义分割网络的具体内容如下：
语义分割网络的结构为全卷积神经网络FCN，语义分割网络的输入为螺栓图像，输出为螺栓图像中螺栓主体区域以及运动模糊区域，语义分割网络的训练集为螺栓图像数据集，通过人为标注螺栓图像中的类别信息，其中背景像素类别为0，螺栓主体区域为1，运动模糊区域为2，语义分割网络的损失函数为交叉熵损失。
将每一时刻的每个螺栓的图像输入到训练好的语义分割网络中，得到每一时刻的每个螺栓的图像中螺栓主体区域以及运动模糊区域。
至此，实现了螺栓图像的采集，获取了螺栓图像中螺栓主体区域以及运动模糊区域。
S002．根据各个时刻各个螺栓的图像中螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度。
需要说明的是，螺栓在随自动铺网装置工作时，通过摄像头拍下的各时刻的螺栓图像，会由于螺栓的不同松动程度而产生不同程度的运动模糊。螺栓的松紧程度是由螺母和螺纹部分决定的，因此本实施例通过分析螺纹部分的对应的运动模糊作为螺栓的模糊程度，螺纹部分的螺纹排列通常是均匀分布的，同时其排布紧凑密集，而其由于产生的运动模糊会使得图像中的灰度值更加平滑，失去了一些微妙的细节和纹理。同时，在振动导致轮廓延展的区域，由于像素位置的变化，可能会引起灰度值的平均化效应，并且沿着振动轨迹延展的方向，灰度值可能会呈现渐变的趋势。因此本实施例根据螺栓图像中螺栓主体区域中像素点的灰度变化情况分析螺栓主体区域的模糊程度。
具体的，获取每一时刻的每个螺栓的图像中螺栓主体区域的模糊程度：
其中，表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中包含的行数；/>表示归一化函数；/>是以自然常数为底的指数函数；由于螺栓位于拍摄的图像中心，且在图像中竖直分布，螺栓上螺母在螺纹的上方，因此螺栓主体区域中每一行表示一条螺纹，在由螺母到螺纹的竖直方向上，螺纹的不同沟壑是周期排布的，正常情况下相邻行的平均灰度值是存在差异的，相邻行的平均灰度值之间的比值与1相差较大，当产生运动模糊越大时，螺纹的沟壑越不明显，相邻行的平均灰度值趋于一致，相邻行的平均灰度值之间的比值接近于1，因此当/>越小时，螺栓主体区域中螺纹的沟壑越不明显，螺栓主体区域的模糊程度越大。
至此，获取了每一时刻每个螺栓的图像中螺栓主体区域的模糊程度。
S003．根据各个时刻各个螺栓的图像中运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度。
需要说明的是，在振动导致轮廓延展的区域，由于像素位置的变化，可能会引起灰度值的平均化效应，并且沿着振动轨迹延展的方向，灰度值可能会呈现渐变的趋势。因此，本实施例对每一时刻的每个螺栓的图像中的运动模糊区域的灰度渐变特征进行分析。由于运动模糊区域是螺栓主体区域的扩展，因此运动模糊区域环绕在螺栓主体区域外，即运动模糊区域呈现环形，具有内边界与外边界。
具体的，对于每一时刻的每个螺栓的图像中的运动模糊区域，将运动模糊区域的内边界上每个像素点作为内边缘像素点。将、/>、/>、/>、/>、/>、/>、方向分别作为一个延伸方向。对于每个内边缘像素点，依次获取内边缘像素点的一个延伸方向上所有位于运动模糊区域的像素点的灰度值，构成该内边缘像素点的该延伸方向上的模糊灰度序列。
根据运动模糊区域中所有内边缘像素点的同一延伸方向上的模糊灰度序列获取运动模糊区域在该延伸方向上灰度渐变性：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域在第/>个延伸方向上的灰度渐变性；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中内边缘像素点的数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中包含的灰度值的数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第个灰度值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第/>个灰度值；由于螺栓颜色较深，背景颜色较浅，则在螺栓发生运动模糊的区域，越靠近螺栓灰度越小，越远离螺栓灰度越大，因此在运动模糊区域中内边缘像素点的模糊灰度序列中，越靠前的灰度值越小，越靠后的灰度值越大，因此本实施例将/>与1比较，当/>相较于1越大，在对应的延伸方向上相邻两个像素点的灰度值差异越大，螺栓松动程度越大，造成的模糊程度越大，对应的延伸方向上的灰度渐变性越强。需要说明的是，当运动模糊区域的内边缘像素点的某个延伸方向上的模糊灰度序列为空时，该内边缘像素点不参与该运动模糊区域的该延伸方向上的灰度渐变性的计算。
将运动模糊区域在所有延伸方向上灰度渐变性的最大值作为该运动模糊区域的整体渐变程度。
根据每一时刻的每个螺栓的图像中的运动模糊区域的整体渐变程度以及运动模糊区域内像素点的灰度分布获取每一时刻的每个螺栓的图像中的运动模糊区域的模糊程度：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中包含的像素点数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个像素点的灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的所有像素点的灰度均值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域的整体渐变程度；/>表示归一化函数；/>是以自然常数为底的指数函数；当第/>个时刻第/>个螺栓的图像中运动模糊区域中包含的像素点数量越多，该时刻该螺栓振动程度越大，造成的运动模糊区域的范围越大，此时该螺栓的图像中的运动模糊区域的模糊程度越大；在振动导致轮廓延展的区域（即运动模糊区域），由于像素位置的变化，可能会引起灰度值的平均化效应，也就是说，轮廓附近的像素灰度值可能趋向于螺栓主体区域的平均灰度值，因为物体的轮廓在图像中的位置发生了变化，并且当振动引起的平均化效应越强烈时，通常会导致图像模糊程度增加，所以基于模糊造成的平均灰度值效应来说，/>对应的值越小说明灰度平均值化效应越强，运动模糊区域的模糊程度越大。同时，当运动模糊区域的整体渐变程度越大，运动模糊区域的模糊程度越大。
至此，获取了每一时刻每个螺栓的图像中运动模糊区域的模糊程度。
S004．根据螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度。
根据每一时刻每个螺栓的图像中螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取每一时刻每个螺栓的综合模糊程度：
其中，表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域的模糊程度，当/>越大，说明第/>个时刻第/>个螺栓的综合模糊程度越大，对应螺栓松动情况出现的可能性就越大。
至此，得到了每一时刻每个螺栓的综合模糊程度。
需要说明的是，在拍摄第一时刻的螺栓的图像时，盾构机开始启动，还未产生振动，使得第一时刻的螺栓中运动模糊程度较小，因此本实施例将各个时刻螺栓的综合模糊程度与第一时刻螺栓的综合模糊程度进行比较，根据不同时刻螺栓的综合模糊程度的变化情况分析螺栓的松动情况。螺栓松动是一个整体的过程，在松动过程中某一时刻的综合模糊程度越大，意味着该螺栓的松动可能性也越大，对当前时刻该螺栓的松动情况的参考价值也就越大，因此本实施例根据每一时刻螺栓的综合模糊程度获取每一时刻的权重，根据不同时刻的螺栓的综合模糊程度与第一时刻螺栓的综合模糊程度的差异获取当前时刻螺栓的第一异常程度，用来一定程度上反映螺栓的松动情况。
具体的，根据每一时刻每个螺栓的综合模糊程度与第一时刻每个螺栓的综合模糊程度的差异，获取当前时刻每个螺栓的第一异常程度：
其中，表示当前时刻第/>个螺栓的第一异常程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示当前时刻之前共有个时刻；/>表示第/>个时刻第/>个螺栓的综合模糊程度在所有时刻第i个螺栓的综合模糊程度之和中的占比，用作第/>个时刻的权重。公式整体通过各个时刻与第一时刻的综合模糊程度差异以及各个时刻对应的权重来确定当前时刻第i个螺栓的第一异常程度，当某一时刻该螺栓的综合模糊程度越大时，权重越大，此时越关注对应时刻与第一时刻的螺栓的综合模糊程度的差异，差异越大，该螺栓越可能产生了松动，此时该螺栓越异常。反之，差异越小，该螺栓越不可能产生松动，该螺栓的第一异常程度越小。
至此，获取了当前时刻各个螺栓的第一异常程度。
S005．根据当前时刻不同螺栓的第一异常程度的差异获取当前时刻每个螺栓的第二异常程度，根据第二异常程度筛选松动螺栓。
需要说明的是，由于自动铺网装置连接在盾构机之后，盾构机工作带动自动铺网装置的螺栓振动。不同时刻盾构机工作状态不同，使得自动铺网的螺栓的振动程度不同，当振动程度不同时，产生的运动模糊也不同，若直接根据单个螺栓的第一异常程度来识别螺栓的松动状态，不同时刻不同的振动程度会对识别结果造成影响。在同一时刻，盾构机工作带来相同松动程度的螺栓的振动程度相同，因此本实施例根据当前时刻不同螺栓的第一异常程度的差异来确定每个螺栓的松动程度。
具体的，根据当前时刻每个螺栓的第一异常程度获取当前时刻每个螺栓的第二异常程度：
其中，表示当前时刻第/>个螺栓的第二异常程度，用来反应当前时刻第/>个螺栓的松动程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示所有螺栓的数量；/>表示归一化函数；若当前时刻第/>个螺栓的第一异常程度相较于其他螺栓的第一异常程度越大，则当前第/>个螺栓越可能产生了松动，此时第/>个螺栓的第二异常程度越大；若当前时刻第/>个螺栓的第一异常程度相较于其他螺栓的第一异常程度越小，则当前第/>个螺栓越不可能产生松动，此时第/>个螺栓的第二异常程度越小。
至此，获取了当前时刻每个螺栓的第二异常程度。
预设一个异常阈值，具体不做限定，例如/>，实施人员可根据实际实施情况设置异常阈值。若当前时刻螺栓的第二异常程度大于异常阈值时，认为该螺栓存在松动的情况，此时通知相关人员对该螺栓进行检修。
通过以上步骤，完成了自动铺网装置的螺栓松动检测。
本发明实施例通过采集各个时刻各个螺栓的图像，获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域，根据螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度，根据运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度，根据螺栓主体区域以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度；根据不同螺栓的第一异常程度的差异获取螺栓的第二异常程度，进而筛选松动螺栓。本发明可在盾构机以及自动铺网装置工作过程中准确识别出松动螺栓并及时处置，减少了安全隐患。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动铺网装置的螺栓松动检测方法，其特征在于，该方法包括以下步骤：
采集各个时刻自动铺网装置的各个螺栓的图像；获取各个时刻各个螺栓的图像中的螺栓主体区域以及运动模糊区域；
对于各个时刻各个螺栓的图像，根据图像中螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度；根据图像中运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度；根据图像中螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取螺栓的综合模糊程度；
根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度；根据当前时刻不同螺栓的第一异常程度的差异获取当前时刻每个螺栓的第二异常程度；根据所述第二异常程度筛选松动螺栓。
2.根据权利要求1所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据图像中螺栓主体区域的像素点的灰度值获取螺栓主体区域的模糊程度，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中第/>行所有像素点的平均灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域中包含的行数；/>表示归一化函数；/>是以自然常数为底的指数函数。
3.根据权利要求1所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据图像中运动模糊区域的像素点的灰度分布获取运动模糊区域的模糊程度，包括的具体步骤如下：
对于每一时刻的每个螺栓的图像中的运动模糊区域，将运动模糊区域的内边界上每个像素点作为内边缘像素点；根据运动模糊区域中所有像素点的灰度值获取每个内边缘像素点在各个延伸方向上的模糊灰度序列；根据运动模糊区域中所有内边缘像素点的同一延伸方向上的模糊灰度序列获取运动模糊区域在该延伸方向上灰度渐变性；将运动模糊区域在所有延伸方向上灰度渐变性的最大值作为该运动模糊区域的整体渐变程度；
根据每一时刻的每个螺栓的图像中的运动模糊区域的整体渐变程度以及运动模糊区域内像素点的灰度分布获取每一时刻的每个螺栓的图像中的运动模糊区域的模糊程度。
4.根据权利要求3所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述延伸方向包括、/>、/>、/>、/>、/>、/>以及/>的方向。
5.根据权利要求3所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据运动模糊区域中所有像素点的灰度值获取每个内边缘像素点在各个延伸方向上的模糊灰度序列，包括的具体步骤如下：
对于每个内边缘像素点，依次获取内边缘像素点的一个延伸方向上所有位于运动模糊区域的像素点的灰度值，构成该内边缘像素点的该延伸方向上的模糊灰度序列。
6.根据权利要求3所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据运动模糊区域中所有内边缘像素点的同一延伸方向上的模糊灰度序列获取运动模糊区域在该延伸方向上灰度渐变性，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域在第/>个延伸方向上的灰度渐变性；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中内边缘像素点的数量；表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中包含的灰度值的数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第个灰度值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个内边缘像素点的第/>个延伸方向上的模糊灰度序列中第/>个灰度值。
7.根据权利要求3所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据每一时刻的每个螺栓的图像中的运动模糊区域的整体渐变程度以及运动模糊区域内像素点的灰度分布获取每一时刻的每个螺栓的图像中的运动模糊区域的模糊程度，包括的具体步骤如下：
其中，表示第/>个时刻第/>个螺栓的图像中运动模糊区域的模糊程度；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中包含的像素点数量；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域中第/>个像素点的灰度值；/>表示第/>个时刻第/>个螺栓的图像中螺栓主体区域的所有像素点的灰度均值；/>表示第/>个时刻第/>个螺栓的图像中运动模糊区域的整体渐变程度；/>表示归一化函数；/>是以自然常数为底的指数函数。
8.根据权利要求1所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据图像中螺栓主体区域的模糊程度以及运动模糊区域的模糊程度获取螺栓的综合模糊程度，包括的具体步骤如下：
对于每一时刻每个螺栓的图像，将图像中螺栓主体区域的模糊程度与图像中运动模糊区域的模糊程度的乘积作为该时刻该螺栓的综合模糊程度。
9.根据权利要求1所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据每一时刻每个螺栓的综合模糊程度获取当前时刻每个螺栓的第一异常程度，包括的具体步骤如下：
其中，表示当前时刻第/>个螺栓的第一异常程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示第/>个时刻第/>个螺栓的综合模糊程度；/>表示当前时刻之前共有/>个时刻。
10.根据权利要求1所述的一种自动铺网装置的螺栓松动检测方法，其特征在于，所述根据当前时刻不同螺栓的第一异常程度的差异获取当前时刻每个螺栓的第二异常程度，包括的具体步骤如下：
其中，表示当前时刻第/>个螺栓的第二异常程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示当前时刻第/>个螺栓的第一异常程度；/>表示所有螺栓的数量；/>表示归一化函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027350.0A CN117541615B (zh) | 2024-01-09 | 2024-01-09 | 一种自动铺网装置的螺栓松动检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027350.0A CN117541615B (zh) | 2024-01-09 | 2024-01-09 | 一种自动铺网装置的螺栓松动检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117541615A true CN117541615A (zh) | 2024-02-09 |
| CN117541615B CN117541615B (zh) | 2024-04-26 |
Family
ID=89788447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410027350.0A Active CN117541615B (zh) | 2024-01-09 | 2024-01-09 | 一种自动铺网装置的螺栓松动检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117541615B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080102808A (ko) * | 2007-05-22 | 2008-11-26 | 삼성전자주식회사 | 액정표시장치와 그 제어방법 |
| CN102353527A (zh) * | 2011-08-26 | 2012-02-15 | 东南大学 | 笔记本电脑显示屏亮度响应特性测量方法 |
| CN104899834A (zh) * | 2015-03-04 | 2015-09-09 | 苏州大学 | 基于sift算法的模糊图像识别方法及装置 |
| CN107451973A (zh) * | 2017-07-31 | 2017-12-08 | 西安理工大学 | 基于丰富边缘区域提取的运动模糊图像复原方法 |
| CN115294137A (zh) * | 2022-10-09 | 2022-11-04 | 南通市通州区欢伴纺织品有限公司 | 一种布料表面渗色的缺陷检测方法 |
| CN116664451A (zh) * | 2023-07-27 | 2023-08-29 | 中铁九局集团第一建设有限公司 | 基于多图像处理的测量机器人测量优化方法 |
| CN117152135A (zh) * | 2023-10-30 | 2023-12-01 | 济宁市市政园林养护中心 | 一种道路施工裂缝缺陷评估检测方法 |
-
2024
- 2024-01-09 CN CN202410027350.0A patent/CN117541615B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080102808A (ko) * | 2007-05-22 | 2008-11-26 | 삼성전자주식회사 | 액정표시장치와 그 제어방법 |
| CN102353527A (zh) * | 2011-08-26 | 2012-02-15 | 东南大学 | 笔记本电脑显示屏亮度响应特性测量方法 |
| CN104899834A (zh) * | 2015-03-04 | 2015-09-09 | 苏州大学 | 基于sift算法的模糊图像识别方法及装置 |
| CN107451973A (zh) * | 2017-07-31 | 2017-12-08 | 西安理工大学 | 基于丰富边缘区域提取的运动模糊图像复原方法 |
| CN115294137A (zh) * | 2022-10-09 | 2022-11-04 | 南通市通州区欢伴纺织品有限公司 | 一种布料表面渗色的缺陷检测方法 |
| CN116664451A (zh) * | 2023-07-27 | 2023-08-29 | 中铁九局集团第一建设有限公司 | 基于多图像处理的测量机器人测量优化方法 |
| CN117152135A (zh) * | 2023-10-30 | 2023-12-01 | 济宁市市政园林养护中心 | 一种道路施工裂缝缺陷评估检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘伟韬: "断层突水温度- 非线性渗流- 应力耦合模型 研究", 《煤矿安全》, 30 November 2018 (2018-11-30) * |
| 宋志刚: "利用数字图像处理技术检测锥螺纹", 《中国优秀硕士学位论文全文数据库》, 15 December 2004 (2004-12-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117541615B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110310261B (zh) | 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法 | |
| CN111650204B (zh) | 基于级联目标检测的输电线路金具缺陷检测方法及*** | |
| EP3783374A1 (en) | Method for detecting corona discharge employing image processing | |
| CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其***、设备、介质 | |
| CN108647652A (zh) | 一种基于图像分类和目标检测的棉花发育期自动识别方法 | |
| CN102628854A (zh) | 汽车仪表板检测***及方法 | |
| CN110490872A (zh) | 加工设备的异物检测方法和*** | |
| CN109030499B (zh) | 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 | |
| CN115266732B (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
| CN109579934A (zh) | 水浸多重监测方法及*** | |
| CN112686120A (zh) | 一种基于无人机航拍图像的输电线异常检测方法 | |
| CN115936672A (zh) | 一种智慧电网在线安全运维管理方法和*** | |
| CN117541615B (zh) | 一种自动铺网装置的螺栓松动检测方法 | |
| CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
| CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
| DE69309730T2 (de) | Ausscheidung von vorübergehenden Ereignissen zur Erfassung und Nachführung | |
| DE102015205524B4 (de) | Verfahren und Vorrichtung zum Klassifizieren eines Objekts, beispielsweise eines Verkehrsschildes, in einem Bild | |
| CN105335981A (zh) | 一种基于图像的货物监控方法 | |
| CN112241707A (zh) | 一种风电场智能视频识别装置 | |
| CN115457459A (zh) | 一种能够有效提升检测效率的机器视觉*** | |
| CN103095967B (zh) | 一种视频噪声量化计算方法及*** | |
| Xu et al. | Computer assistance image processing spores counting | |
| Yang et al. | Cherry recognition based on color channel transform | |
| CN114757905A (zh) | 一种基于视觉的卷绳缠绕异常检测装置及方法 | |
| CN110827272B (zh) | 一种基于图像处理的轮胎x光图像缺陷检测方法 |
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 |