专利名称：一种监测目标物体缺陷的方法及设备的制作方法
技术领域：
本发明涉及图像处理技术领域，特别涉及一种监测目标物体缺陷的方法及设备。
背景技术：
钢丝绳具有强度高、挠性好、自重轻、耐冲击、运行平稳、安全可靠等优点，广泛应用于煤炭、冶金、交通、运输、建筑、旅游等行业和部门，尤其是作为承载构件应用于起重机的各工作机构中。在使用过程中，当钢丝绳产生缺陷(如断丝、热蚀、划伤、裂纹、旋转损坏等)后，该缺陷会不断积累加重，积累到一定程度后极可能会发生整根钢丝绳突然断裂的情况，从而引发严重的事故，因此作为承载构件的钢丝绳的安全检测一直备受关注。 传统的钢丝绳缺陷的检测是采用人工方式，即由专职检测人员定期对使用中的钢丝绳进行观察，采用卡尺测量绳径、触摸或目测以确定钢丝绳是否存在缺陷，在钢丝绳产生缺陷时进行更换，以此来避免由于钢丝绳的断裂而引发的事故。但由于人工方式受人为因素的影响较大，检查结果的可靠性差且检测效率低，不能确保钢丝绳安全、可靠、高效地工作。为了解决上述问题，提出了利用图像处理技术确定钢丝绳缺陷的方法。目前采用图像处理技术对钢丝绳缺陷的检测包括采集包括待检测钢丝绳的图像，然后将待检测钢丝绳的图像与背景图像分离，再计算待检测钢丝绳的图像的特征数据，将这些特征数据进行识别和规范化后，确定待检测钢丝绳是否有缺陷。由于这种检测方法是对整个待检测钢丝绳的图像进行特征数据的计算，因此计算特征数据的速度较慢，处理效率低；并且该方法只能确定待检测钢丝绳是否存在缺陷，而不能确定缺陷区域的具体位置，因此确定的缺陷信息不完整，对钢丝绳的后续处理带来了不便。综上所述，目前采用图像处理技术检测钢丝绳缺陷的方案处理效率低，且不能确定缺陷区域的具体位置。
发明内容
本发明实施例提供一种监测目标物体缺陷的方法及设备，用以解决现有技术中存在的处理效率低，且不能确定缺陷区域位置的问题。本发明实施例的一种监测目标物体缺陷的方法包括采集待检测目标物体的图像；对所述待检测目标物体进行着色处理；根据设定的聚类中心确定包含所述待检测目标物体的图像中属于每个聚类中心的像素点，其中属于同一个聚类中心的像素点组成该聚类中心的隶属区域；根据属于同一个该隶属区域包含的像素点确定该隶属区域对应的特征数据；根据每个隶属区域对应的特征数据及该特征数据对应的阈值，确定所述隶属区域是否为所述待检测目标物体的缺陷区域。确定属于每个聚类中心的像素点，包括
确定所述图像中的像素点与所述聚类中心的隶属度矩阵；根据预设的模糊度系数和所述隶属度矩阵，确定目标函数矩阵；根据目标函数矩阵，确定每个聚类中心对应的每个像素点的筛选值；针对一个聚类中心，根据该聚类中心对应的每个像素点的筛选值，确定属于该聚类中心的隶属区域中的像素点。确定目标函数矩阵，包括根据预设的模糊度系数对所述隶属度矩阵进行修正处理，得到修正隶属度矩阵；根据所述修正隶属度矩阵确定所述图像的目标函数矩阵。优选的，根据下列公式确定所述修正隶属度矩阵中的元素值
权利要求
1.ー种监测目标物体缺陷的方法，其特征在于，所述方法包括 采集待检测目标物体的图像； 对所述待检测目标物体进行着色处理； 根据设定的聚类中心确定包含所述待检测目标物体的图像中属于每个聚类中心的像素点，其中属于同一个聚类中心的像素点组成该聚类中心的隶属区域； 根据属于同一个隶属区域的像素点确定该隶属区域对应的特征数据； 根据每个隶属区域对应的特征数据及该特征数据对应的阈值，确定所述隶属区域是否为所述待检测目标物体的缺陷区域。
2.根据权利要求I所述的方法，其特征在于，确定属于每个聚类中心的像素点，包括 确定所述图像中的像素点与所述聚类中心的隶属度矩阵； 根据预设的模糊度系数和所述隶属度矩阵，确定目标函数矩阵； 根据目标函数矩阵，确定每个聚类中心对应的每个像素点的筛选值； 针对ー个聚类中心，根据该聚类中心对应的每个像素点的筛选值，确定属于该聚类中心的隶属区域中的像素点。
3.根据权利要求2所述的方法，其特征在于，确定目标函数矩阵，包括 根据预设的模糊度系数对所述隶属度矩阵进行修正处理，得到修正隶属度矩阵； 根据所述修正隶属度矩阵确定所述图像的目标函数矩阵。
4.根据权利要求3所述的方法，其特征在于，根据下列公式确定所述修正隶属度矩阵中的元素值 其中，Uij为修正隶属度矩阵中的元素值；α为模糊度系数,O≤α≤I如:,I为所述图像的隶属度矩阵，1 = 1,2,…，c, j = I, 2，..., n ；i0 = I, 2，···，c, j0 = I, 2，…，η ;其中 η为所述图像的像素点的数目，c为聚类中心的数目。
5.根据权利要求2所述的方法，其特征在于，根据下列公式确定每个聚类中心对应的姆个像素点的筛选值 其中，'m^1J1为每个像素点对应的筛选值；{μ 为经过归ー化处理后的修正隶属度矩阵山=I, 2，…，c,ム=I, 2，…，n ；i = I, 2，···，c, j = I, 2，…，n ;其中n为所述图像的像素点的数目，c为聚类中心的数目；J(i, j)为目标函数矩阵；m为模糊加权指数,m e [I, 00)。
6.根据权利要求5所述的方法，其特征在于，确定属于该聚类中心的隶属区域中的像素点，包括将所有未被检测出属于已检测的聚类中心的隶属区域的像素点作为本次检测的聚类中心对应的像素点，并从本次检测的聚类中心对应的像素点中选择ー个像素点作为本次检测的聚类中心的隶属区域中的像素点； 针对本次检测的聚类中心对应的一个像素点，确定该像素点对应的目标像素点，其中所述目标像素点属于该聚类中心的隶属区域，若该像素点在所述目标函数矩阵中对应的位置和目标像素点在所述目标函数矩阵中对应的位置之间有其他像素点，则所述其他像素点都不属于该聚类中心的隶属区域； 确定该像素点的筛选值和目标像素点的筛选值之间的差值的绝对值； 若确定的绝对值小于预设的门限值，则确定该像素点属于该聚类中心的隶属区域； 若确定的绝对值不小于所述门限值，则确定该像素点不属于该聚类中心的隶属区域。
7.如权利要求I所述的方法，其特征在于，每个所述聚类中心对应区域的特征数据包括多种类型的特征数据； 确定所述隶属区域是否为所述待检测目标物体的缺陷区域，包括 从未使用的特征数据的类型中选择本次检测所使用的特征数据的类型； 根据选择的特征数据的类型，确定每个未检测出是缺陷区域的隶属区域的特征数据；根据确定的隶属区域的特征数据，确定每个未检测出是缺陷区域的隶属区域的比值；将确定的隶属区域的比值与该类型特征数据对应的阈值进行比较，在确定的隶属区域的比值小于该类型特征数据对应的阈值时，确定该隶属区域是缺陷区域。
8.如权利要求7所述的方法，其特征在于，确定该隶属区域是缺陷区域之后，还包括 判断是否有未使用的特征数据的类型； 若有，则返回从未使用的特征数据的类型中选择本次检测所使用的特征数据的类型的步骤。
9.如权利要求6所述的方法，其特征在于，在确定的隶属区域的比值小于该类型特征数据对应的阈值之后，还包括 将比较时使用的特征数据的类型对应的缺陷类别作为该聚类中心对应的缺陷区域的缺陷类别。
10.ー种监测目标物体缺陷的设备，其特征在于，所述设备包括 图像采集模块，用于采集待检测目标物体的图像； 着色处理模块，用于对所述待检测目标物体进行着色处理； 隶属区域确定模块，用于根据设定的聚类中心确定包含所述待检测目标物体的图像中属于每个聚类中心的像素点，其中属于同一个聚类中心的像素点组成该聚类中心的隶属区域； 特征数据确定模块，用于根据属于同一个隶属区域的像素点确定该隶属区域对应的特征数据； 缺陷区域确定模块，用于根据每个隶属区域对应的特征数据及该特征数据对应的阈值，确定所述隶属区域是否为所述待检测目标物体的缺陷区域。
11.如权利要求10所述的设备，其特征在于，所述隶属区域确定模块具体用于 确定所述图像中的像素点与所述聚类中心的隶属度矩阵；根据预设的模糊度系数和所述隶属度矩阵，确定目标函数矩阵；根据目标函数矩阵，确定每个聚类中心对应的每个像素点的筛选值；针对ー个聚类中心，根据该聚类中心对应的每个像素点的筛选值，确定属于该聚类中心的隶属区域中的像素点。
12.如权利要求11所述的设备，其特征在于，所述隶属区域确定模块还用于 将所有未被检测出属于已检测的聚类中心的隶属区域的像素点作为本次检测的聚类中心对应的像素点，并从本次检测的聚类中心对应的像素点中选择ー个像素点作为本次检测的聚类中心的隶属区域中的像素点； 针对本次检测的聚类中心对应的一个像素点，确定该像素点对应的目标像素点，其中所述目标像素点属于该聚类中心的隶属区域，若该像素点在所述目标函数矩阵中对应的位置和目标像素点在所述目标函数矩阵中对应的位置之间有其他像素点，则所述其他像素点都不属于该聚类中心的隶属区域；确定该像素点的筛选值和目标像素点的筛选值之间的差值的绝对值；若确定的差绝对值小于预设的门限值，则确定该像素点属于该聚类中心的隶属区域；若确定的绝对值不小于所述门限值，则确定该像素点不属于该聚类中心的隶属区 域。
13.如权利要求10所述的设备，其特征在于，所述缺陷区域确定模块具体用于 每个所述聚类中心对应区域的特征数据包括多种类型的特征数据，从未使用的特征数据的类型中选择本次检测所使用的特征数据的类型；根据选择的特征数据的类型，确定每个未检测出是缺陷区域的隶属区域的特征数据；根据确定的隶属区域的特征数据，确定每个未检测出是缺陷区域的隶属区域的比值；将确定的隶属区域的比值与该类型特征数据对应的阈值进行比较，在确定的隶属区域的比值小于该类型特征数据对应的阈值时，确定该隶属区域是缺陷区域。
全文摘要
本发明公开了一种监测目标物体缺陷的方法及设备，用以解决现有技术中存在的处理效率低且不能确定缺陷区域位置的问题。本发明实施例的方法包括采集待检测目标物体的图像；对待检测目标物体进行着色处理；根据设定的聚类中心确定包含待检测目标物体的图像中属于每个聚类中心的像素点；根据属于同一个隶属区域的像素点确定该隶属区域对应的特征数据；根据每个隶属区域对应的特征数据及该特征数据对应的阈值，确定隶属区域是否为待检测目标物体的缺陷区域。本发明实施例根据属于每个设定的聚类中心的像素点组成的隶属区域的特征数据及阈值以确定待检测目标物体的缺陷区域，不仅处理速度快，而且能够确定待检测目标物体的缺陷区域的位置。
文档编号G06T7/00GK102842131SQ201210236820
公开日2012年12月26日 申请日期2012年7月10日 优先权日2012年7月10日
发明者涂宏斌 申请人:中联重科股份有限公司