一种乱绳检测方法及检测装置与流程

本发明属于起重机领域，涉及基于视觉识别的多层卷绕钢丝绳乱绳检测，具体为一种乱绳检测方法及检测装置。

背景技术：

一般起重机起升机构钢丝绳是卷绕在卷筒装置的绳槽上，也有部分为无绳槽的光卷筒。为了适应高扬程或其它要求的大容绳量钢丝绳卷绕，出现了钢丝绳多层卷绕卷筒，此时多采用折线卷筒，即钢丝绳第一层卷绕卷筒的折线结构的绳槽上，第二层以上钢丝绳则卷绕在下一层两根钢丝绳之间，过渡段则交叉卷绕在卷筒上。受关键设计参数取值、钢丝绳结构、制造偏差、安装等因素的影响，多层卷绕可能会出现重叠及跳槽等卷绕不良问题，影响起重设备的性能和安全性，为此需要对钢丝绳卷绕状态进行检测。

技术实现要素：

针对上述现有技术中多层卷绕可能会出现重叠及跳槽等卷绕不良问题，影响起重设备的性能和安全性的不足，本发明提供了一种乱绳检测方法及检测装置。

一种乱绳检测的检测装置，其特征在于包括:钢丝绳卷筒、钢丝绳、钢丝绳挡环、照明灯、摄像头、图像采集模块、数据传输模块、嵌入式计算机、周向位置标志，所述钢丝绳卷筒上设置有多圈钢丝绳，所述钢丝绳挡环设置在卷筒的两侧，所述照明灯设置在钢丝绳卷筒的外侧，所述钢丝绳挡环上设置有周向位置标志，所述摄像头、图像采集模块、数据传输模块和嵌入式计算机设置在钢丝绳卷筒的外侧，所述图像采集模块、数据传输模块和嵌入式计算机采用信号相连。

所述照明灯用于摄像头的光照补偿。

所述周向位置标志用于表面钢丝绳卷绕的方向。

所述钢丝绳挡环用于防止钢丝绳脱离钢丝绳卷筒。

一种乱绳检测的方法，其特征在于检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

所述步骤2中图像处理算法和优化算法判定的具体步骤为：首先进行图像采集，将采集到的图像进行滤波降噪，对滤波降噪后的图像进行图像校正，对校正后的图像进行特征提取，将提取到的特征进行边缘检测，对检测后的图像进行位置判断，最后输出得到卷绕状态图。

所述步骤4的判定方式为：具体采用短间隔采样，对采样样例连续判断的方式判定。

本发明的有益效果：

1.本发明涉及方法及装置可无接触实现钢丝绳乱绳的检测，特别是针对多层卷绕钢丝绳可及发现乱绳问题，并发出报警停机信号，提高起升机构的可靠性和安全性

2.本发明解决了重叠及跳槽等卷绕不良问题，采用非接触监测方式，并且可以实现适时动态监测，信号运程输出及共享，提高了起重设备的性能和安全性。

附图标记

1、钢丝绳卷筒，2、钢丝绳，3、钢丝绳挡环，4、照明灯，5、摄像头，6、图像采集模块，7、数据传输模块，8、嵌入式计算机，9、周向位置标志。

附图说明

图1为本发明涉及的钢丝绳卷筒工作示意图；

图2为本发明检测时的工作状态图；

图3为本检测装置的结构示意图；

图4为本发明涉及到图像处理的流程图；

图5为本检测方法的流程图

具体实施方式：

实施例1：

如图4-5

一种乱绳检测的方法的检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

实施例2：

如图1-3

一种乱绳检测的检测装置包括:钢丝绳卷筒、钢丝绳、钢丝绳挡环、照明灯、摄像头、图像采集模块、数据传输模块、嵌入式计算机、周向位置标志，所述钢丝绳卷筒上设置有多圈钢丝绳，所述钢丝绳挡环设置在卷筒的两侧，所述照明灯设置在钢丝绳卷筒的外侧，所述钢丝绳挡环上设置有周向位置标志，所述摄像头、图像采集模块、数据传输模块和嵌入式计算机设置在钢丝绳卷筒的外侧，所述图像采集模块、数据传输模块和嵌入式计算机采用信号相连。

所述照明灯用于摄像头的光照补偿。

所述周向位置标志用于表面钢丝绳卷绕的方向。

所述钢丝绳挡环用于防止钢丝绳脱离钢丝绳卷筒。

实施例3：

如图4-5

一种乱绳检测的方法的检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

所述步骤2中图像处理算法和优化算法判定的具体步骤为：首先进行图像采集，将采集到的图像进行滤波降噪，对滤波降噪后的图像进行图像校正，对校正后的图像进行特征提取，将提取到的特征进行边缘检测，对检测后的图像进行位置判断，最后输出得到卷绕状态图。

所述步骤4的判定方式为：具体采用短间隔采样，对采样样例连续判断的方式判定。

实施例4：

如图4-5

一种乱绳检测的方法的检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

所述步骤4的判定方式为：具体采用短间隔采样，对采样样例连续判断的方式判定。

实施例5：

如图4-5

一种乱绳检测的方法的检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

所述步骤2中图像处理算法和优化算法判定的具体步骤为：首先进行图像采集，将采集到的图像进行滤波降噪，对滤波降噪后的图像进行图像校正，对校正后的图像进行特征提取，将提取到的特征进行边缘检测，对检测后的图像进行位置判断，最后输出得到卷绕状态图。

实施例6：

如图4-5

一种乱绳检测的方法的检测步骤包括：

步骤1.通过摄像头采集正处于卷绕状态钢丝绳的图像；

步骤2.通过相应图像处理和优化算法判定钢丝绳外轮廓；

步骤3.通过摄像头采集标识在卷筒外圆的周向位置标志；

步骤4.通过钢丝绳轴向位置数据与周向位置参数比较判定钢丝绳卷绕是否处于正常状态。

所述步骤2中图像处理算法和优化算法判定的具体步骤为：首先进行图像采集，将采集到的图像进行滤波降噪，对滤波降噪后的图像进行图像校正，对校正后的图像进行特征提取，将提取到的特征进行边缘检测，对检测后的图像进行位置判断，最后输出得到卷绕状态图。

所述步骤4的判定方式为：具体采用短间隔采样，对采样样例连续判断的方式判定。