专利名称：一种多功能智能皮带表面斑块边缘检测方法
技术领域：
本发明涉及一种皮带检测方法，特别是涉及一种多功能智能皮带表面斑块边缘检测方法。
背景技术：
我国是世界上疆域辽阔、地质条件优越、矿产资源丰富的国家，其中传输皮带在各个领域、港口、电力系统的物料传输中起着主导的作用。在传输物料的过程中，其运输系统多采用皮带运输，皮带运输系统是生产的重要组成部分，皮带运输系统的线路长且由多个环节和各种传输设备配套而成，由于皮带运行荷载量大、连续运行时间长等原因，会造成钢丝绳芯锈蚀、皮带带面磨损、皮带钢芯断裂、皮带厚度降低等故障，故障一旦发生，传输线路就会中断，使物料传输作业陷入停顿，甚至会导致全面停工。高效、安全和可靠的传输工作，对提高传输皮带生产效率和改善传输的技术、经济指标有很大的影响。因此，皮带运输系统运行得好坏直接关系到生产能否正常进行。传输皮带的安全防治是生产安全的重要环节，也是目前传输皮带传输亟待解决的问题。皮带运输机又称带式输送机，是一种连续运输机械，也是一种通用机械。它是物料传输生产运输系统中普遍使用的设备，它承担着传输的重任，在传输皮带安全生产过程中发挥着重要作用，具有运距长、运量大、可连续运送物料的特点。皮带运输机工作过程中噪音较小，结构简单，可用于水平或倾斜运输，还可应用于连续运输移动机械上。其单根皮带长度可以是几十米甚至几千米，运输线的总长度可达十几千米。皮带运输机的输送能力可以为几百千克/小时到万吨/小时，皮带运输机是散料连续运输机械，是应用于短距离连续运输的的重要机械设备。皮带运输机所用的皮带有多种选择，如钢芯带，帆布芯带，尼龙带，聚脂带等。对载荷较小的皮带运输机一般选择帆布带。如果皮带的载荷较大时可采用钢芯带。一般在矿山或冶金企业中所使用的多为1000 — 1200mm的皮带。传输皮带经常会遇到磨损、撕裂、油污等情况。一旦发生断带事故，就会摧毁输送机机架，后果极其严重，同时影响生产效益。为了避免故障的产生，传输皮带的正常运行、日常检修、故障监测对于企业来说至关重要。皮带承担着物料传输的重任，一旦发生故障，将严重影响生产效益。目前皮带维护基本是处于故障发生后的被动停产维修状态，长距离传输皮带故障点的查找耗费了大量的人力、物力、财力，且检查环境恶劣，不利于准确发现故障点，甚至传输皮带内部钢芯的运行状态，维修人员根本发现不了，那么皮带的正常运行、日常检修、故障监测对于传输来说至
关重要。目前传输皮带的检测应用是X射线探伤装置，国内外专家对钢丝绳芯传输皮带在线无损检测作了大量的研究与测试，在国内有X射线透视仪、电涡流检测仪、探片预置检测仪等，但对钢丝绳芯传输皮带在线无损检测没能从根本上解决；在国外研制的SPF传输皮带检测仪是利用目前公认的最佳的检测钢丝绳的方法一磁检测法，但是SPF检测仪对无限不确定长、接头复杂、多根密集并列的钢丝绳芯传输皮带检测数据的处理，易出现漏检与误判。而多功能智能皮带检测系统和方法的研究使得皮带传输故障在源头得以控制，提高了生产的安全指数。同时皮带边缘检测方法在算法中也存在较大问题:(I)、边缘检测算法f(x,y)是点(x，y)的灰度值，Vx为该点x方向的微分值，Vy为该点y方向微分值。Sobel算子梯度为
权利要求
1.一种多功能智能皮带表面斑块边缘检测方法，其特征在于:包括以下步骤: (1)、在图像空间利用2个方向模板与图像进行邻域卷积完成计算图像的梯度幅值； (2)、计算出边缘像素点的梯度值和梯度方向，并根据梯度方向信息进行边缘搜索，获得更为准确的传输皮带磨损斑点图像的边缘点信息； (3)、目标边缘点的梯度方向上进行二次多项式插值的方法，实现对目标边缘的亚像素定位。
2.根据权利要求1所述的一种多功能智能皮带表面斑块边缘检测方法，其特征在于:所述步骤(I)中包括以下步骤:采用Sobel算子对图像进行边缘检测，构造一个的矩阵模板，然后用这个模板对图像中的像素点逐个地进行卷积计算，得到的结像素点的信息新值，Sobel算子以f (i, j)为中心的3X3邻域上计算x和y方向，一个连续图像函数f (x, y)，f(x, y)在位置(x，y)的梯度可表示为一个矢量，其中G5^P Gy分别为沿X方向和Y方向的梯度，图像像素点的信息可以用像素点的幅值和梯度值来表示，Sobel梯度算子的一阶导数是基于各种二维梯度的近似值为:
3.根据权利要求2所述的一种多功能智能皮带表面斑块边缘检测方法，其特征在于:步骤(I)中，获取阈值T: (1)选择阈值T，通常选择图像的平均灰度值来作为初始阈值； (2)通过初始阈值T，把图像的平均灰度值分成两组； (3)计算这两组平均灰度值μi和μ 2 ; (4)重新选择阈值Τ，新的定义为:T=(U1+μ 2) / 2； 循环作第二步到第四步，一直到两组的平均灰度值4工和μ 2不再发生改变，那么就获得了所需要的最佳阈值。
理论方法获取阈值T: T = y---- y T是与梯度模平均值成比例的值，其中Y是比例系数，M和N分别代表图像水平和垂直方向的最大像素数。G(x，y) € Ω，Ω= (O≤X≤M-1 H O ^N-1), M和N分别代表图像水平和垂直方向的最大像素数， 然后用固定阈值T对获得的梯度图像进行分割，大于阈值T的所有像素点组成候选边缘点集， 大于阈值T的像素点集:Qq={(x，y) e Ω |G(x, y)>T} 其中G(x，y)是应用sobel算子获得的梯度图像，Ω^是子集，即候选边缘点集。
4.根据权利要求3所述的一种多功能智能皮带表面斑块边缘检测方法，其特征在于:所述步骤(2)中包括以下步骤:对原始图像求其灰度梯度图像的方法: I )、构造8个方向的模板来对图像进行边缘检测，其中8个方向的模模板是根据卷积核求得，卷积可以简单的看成加权求和的过程，卷积时使用的权用一个很小的矩阵来表示，矩阵的大小是奇数，而且与使用的区域的大小相同。这种权矩阵叫做卷积核根据如表I求得.图像区域中的每个像素分别与卷积核中的元素相乘，所有乘积之和为区域中心像素的新值， 表I卷积核
5.根据权利要求4所述的一种多功能智能皮带表面斑块边缘检测方法，其特征在于:所述步骤(3)中包括以下步骤: 对于已确定的边缘点(m，η)，在梯度图像R(i，j)的X方向上取三点R(m-1, n),R(m, n),R(m+l, η)，以这三点的梯度幅值作为函数值代入二次多项式插值函数:
6.根据权利要求5所述的一种多功能智能皮带表面斑块边缘检测方法，其特征在于:在步骤(3)中，如果满足以下条件，算法在理论上可以获得较高的边缘定位精度， R(m, n) >R(m-l, η)且 R(m, η) >R(m+l, η) R (m, n) >R (m, η_1)且 R (m, η) >R (m, n+1) 根据插值理论，插值多项式为:
全文摘要
本发明公开了一种多功能智能皮带表面斑块边缘检测方法，其特征在于包括以下步骤(1)在图像空间利用2个方向模板与图像进行邻域卷积完成计算图像的梯度幅值；(2)计算出边缘像素点的梯度值和梯度方向，根据梯度方向信息进行边缘搜索，获得准确的传输皮带斑点图像边缘点信息；(3)边缘点梯度方向进行二次多项式插值的方法，实现对目标边缘的亚像素定位。本发明多功能智能皮带表面斑块边缘检测方法杜绝了传输皮带的安全隐患，减少了传输皮带的不定期维修和停机检修时间，提高生产效率，为安全生产起到保驾护航的作用，为促进经济发展有着重要的现实意义，具有广泛的应用前景。本方法可以用于皮带表面磨损检测和表面油污检测。
文档编号G06T7/00GK103208117SQ201310093020
公开日2013年7月17日 申请日期2013年3月21日 优先权日2013年3月21日
发明者袁景 申请人:袁景