一种基于无人机的缆索表面缺陷检测系统的制作方法
本发明涉及缆索表面缺陷检测技术领域，具体涉及一种基于无人机的缆索表面缺陷检测系统。
背景技术：
作为桥梁的主要受力构件之一——缆索，因在空气中长期暴露，其表面会出现不同程度的破坏。以往多是人工观察对缆索表面进行检测，但是人工检测极易造成疲劳，致使产生漏检等问题。
技术实现要素：
针对上述问题，本发明提供一种基于无人机的缆索表面缺陷检测系统。
本发明的目的采用以下技术方案来实现：
一种基于无人机的缆索表面缺陷检测系统，该检测系统包括无人机本体和安装在无人机本体上的机载巡检装置、对无人机本体进行远程操控的远程操控终端和远程监控中心。
机载巡检装置用于采集缆索信息数据并发送至远程监控中心，远程监控中心用于对缆索信息数据进行处理，得到缆索状态信息，并对缆索状态信息进行发布。
本发明的有益效果：利用本发明的检测系统对缆索表面缺陷进行检测，该检测手段具有非接触、速度快、操作简单、重复性好的特点。且处理速度快、精确度高，避免人工检测主观认知上的差异性，能够长时间稳定工作，可靠性高，解决了人工检测费时费力、效率不高的缺点。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明检测系统的结构图；
图2是本发明远程监控中心4的框架结构图；
图3是本发明图像融合子模块9的框架结构图。
附图标记：无人机本体1；机载巡检装置2；远程操作终端3；远程监控中心4；预处理模块5；缺陷特征提取模块6；缺陷特征识别模块7；图像去噪子模块8；图像融合子模块9；nsct变换单元10；低频子带系数融合单元11；高频子带系数融合单元12；nsct反变换单元13；第一计算子单元14；第二计算子单元15；决策融合子单元16。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种基于无人机的缆索表面缺陷检测系统，该检测系统包括无人机本体1和安装在无人机本体1上的机载巡检装置2、对无人机本体1进行远程操控的远程操控终端3和远程监控中心4。机载巡检装置2用于采集缆索信息数据并发送至远程监控中心4，远程监控中心4用于对缆索信息数据进行处理，得到缆索状态信息，并对缆索状态信息进行发布。
本发明的有益效果：利用本发明的检测系统对缆索表面缺陷进行检测，该检测手段具有非接触、速度快、操作简单、重复性好的特点。且处理速度快、精确度高，避免人工检测主观认知上的差异性，能够长时间稳定工作，可靠性高，解决了人工检测费时费力、效率不高的缺点。
作为优选，所述采集缆索信息数据并发送至远程监控中心，具体是利用红外偏振相机和红外热像仪分别获取待检测缆索的红外偏振图像和红外光强图像，并将待检测缆索的红外偏振图像和红外光强图像发送至远程监控中心。
作为优选，参见图2，远程监控中心4包括预处理模块5、缺陷特征提取模块6和缺陷特征识别模块7。
预处理模块5用于对待检测缆索的红外偏振图像和红外光强图像进行预处理；
缺陷特征提取模块6用于从预处理后的待检测缆索图像中提取待检测缆索表面特征数据；
缺陷特征识别模块7用于对获取的待检测缆索表面特征数据和预存的缆索表面无缺陷的特征数据进行匹配，若匹配程度低于设定的阈值，则待检测缆索表面存在缺陷，反之，则待检测缆索表面无缺陷。
作为优选，预处理模块5包括图像去噪子模块8和图像融合子模块9；
图像去噪子模块8，用于去除待检测缆索的红外偏振图像和红外光强图像的随机噪声；
图像融合子模块9，用于对去噪后的待检测缆索的红外偏振图像和红外光强图像进行融合处理，得到待检测缆索的融合图像。
作为优选，所述去除所述待检测缆索的红外偏振图像和红外光强图像的随机噪声，具体为：
(1)利用衰减函数计算所述红外偏振图像中各个像素点的灰度值的衰减程度值，其中，所述衰减函数的表达式为：
式中，f(a，b)为衰减函数，表示坐标为(a，b)的像素点的灰度值的衰减程度值，
(2)根据得到的各个像素点的灰度值衰减度值，利用下式计算各个像素点去噪后的灰度值，所有去噪像素点灰度值构成的集合即为去噪后的红外偏振图像；其中，像素点p(a，b)去噪后的灰度值为：
式中，
(3)采用步骤1和步骤2对所述红外光强图像进行去噪，即可得到去噪后的红外光强图像。
有益效果：利用衰减函数计算待检测缆索的红外偏振图像和红外光强图像中各个像素点由于外界噪声带来的各个像素点灰度值的衰减程度值，进而求得去噪后的各个像素点的灰度值，该方法能够在保留待检测缆索的红外偏振图像和红外光强图像中待检测缆索的边缘信息、纹理信息的同时，有效地去除两个图像中的随机噪声，提高了待检测缆索的红外偏振图像和红外光强图像的清晰度，有利于后续准确地获取待检测缆索表面特征数据，提高了该缺陷检测系统的准确率。
作为优选，参见图3，图像融合子模块9包括nsct变换单元10、低频子带系数融合单元11、高频子带系数融合单元12和nsct反变换单元13。
nsct变换单元10，用于将去噪后的待检测缆索的红外偏振图像和红外光强图像分别进行nsct变换，得到去噪后的红外偏振图像和红外光强图像的子带系数，该子带系数包括低频子带系数和高频子带系数；
低频子带系数融合单元11，用于根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算待检测缆索的融合图像的低频子带系数；
高频子带系数融合单元12，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，基于多尺度融合计算待检测缆索的融合图像的高频子带系数；
nsct反变换单元13，用于根据低频子带系数融合单元11和高频子带系数融合单元12所得的待检测缆索的融合图像的低频子带系数和高频子带系数，进行nsct反变换，即可得到待检测缆索的融合图像。
作为优选，根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算待检测缆索的融合图像的低频子带系数，具体地，是利用平均加权算法计算待检测缆索的融合图像中每个像素点的低频子带系数，其中待检测缆索的融合图像中像素点(m，n)的低频子带系数
式中，
作为优选，高频子带系数融合单元12包括第一计算子单元14、第二计算子单元15和决策融合子单元16。
第一计算子单元14，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的各个像素点的高频子带系数的活性度值，其中，对于去噪后的红外偏振图像和红外光强图像每个像素点，按照下式计算每个像素点的各个高频子带系数的活性度值：
式中，
有益效果：通过计算高频子带系数的活性度值，该活性度值可以度量相应高频子带系数的显著程度，同时在求解各个高频子带系数的活性度值时，考虑了图像中位置(x，y)的邻域窗口内其他位置处的高频子带系数对位置(x，y)处高频子带系数活性度的影响，使得各个高频子带系数能够自适应的进行调整，能够更加准确地描述各个高频子带系数的显著程度，有利于后续求解融合图像的高频子带系数。
第二计算子单元15，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的高频子带系数在各个像素点的匹配度值，其中，
式中，mj，k(x，y)表示在像素点(x，y)处的
有益效果：该第二计算子单元15考虑了两个图像中相同像素点位置的高频子带系数的匹配程度，该做法更多地保留了两个图像中的边缘信息和纹理信息，同时在后续中有利于在进行融合的同时，能够有效地综合去噪后的红外偏振图像和红外光强图像中的有用信息，提高了后续的融合效果，保留了详细的待检测缆索表面的纹理特征信息，方便后续对待检测缆索的表面缺陷进行识别，提高了该检测系数识别缆索表面缺陷的准确度。
决策融合子单元16，用于对第一计算子单元14和第二计算子单元15得到的计算结果进行综合分析和判断，并对去噪后的红外偏振图像和红外光强图像的高频子带系数进行融合，得到融合图像的高频子带系数，其中，在融合图像中像素点(x，y)在j尺度、k方向上的高频子带系数可利用下方的融合公式得到：
式中，
有益效果：通过设定的匹配度阈值，对待进行融合处理的去噪后的红外偏振图像和红外光强图像的匹配程度进行判断，当匹配程度大于设定的阈值时，再进一步利用活跃度值进一步判断，该做法能够保留高频子带系数中的显著信息，同时进一步抑制了去噪后的红外偏振图像和红外光强图像中残余噪声带来的干扰。提高了对去噪后红外偏振图像和红外光强图像的融合效果，降低了后续对待检测缆索表面特征数据提取的复杂度，延长了该检测系统的使用寿命，同时也有利于后续对待检测缆索表面是否有缺陷进行准确判断，方便工作人员进行维护。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，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实质和范围。
- 还没有人留言评论。精彩留言会获得点赞！