螺钉阵列异位故障检测方法与系统与流程

本发明涉及故障检测技术领域，特别是涉及螺钉阵列异位故障检测方法与系统。

背景技术：

螺钉常用于固定物体，在对某个比较大范围接触的两个物体进行固定时，常会采用螺钉阵列来进行固定，例如蒙皮螺钉。

蒙皮螺钉是否存在异常会直接给整个机体结构的安全带来影响。以飞机蒙皮为例，高可靠性高质量的机务维修是飞机安全飞行重要保证。目前，以人为主的航空机务维修很难避免由人为差错引起的飞机安全隐患。

对飞机的可拆卸式蒙皮而言，一个蒙皮的安装固定一般需要数十个甚至上百个快卸式螺钉，机务人员在整个检修过程中需要不断重复的拆卸安装螺钉，这种简单、重复且枯燥的工作，极易出现差错，导致漏装或未拧紧某螺钉，造成安全隐患，甚至引起飞行安全事故。这迫切需要一种自动化的手段来辅助解决这一问题。

技术实现要素：

基于此，有必要针对目前尚无螺钉阵列异位故障检测的问题，提供一种准确的螺钉阵列异位故障检测方法与系统。

一种螺钉阵列异位故障检测方法，包括步骤：

确定螺钉中设置于螺帽的直线状的第一标记以及分别设置于螺钉区两侧的第二标记与第三标记，当螺钉阵列正常时，所述第一标记、所述第二标记以及所述第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直；

获取蒙皮图像，并提取蒙皮图像中螺钉区图像；

分割螺钉区图像，获取各螺钉区的子图像；

计算各子图像中最长线段的长度；

将各子图像中最长线段的长度与预设阈值比较，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。

一种螺钉阵列异位故障检测系统，包括：

确定模块，用于确定螺钉中设置于螺帽的直线状的第一标记以及分别设置于螺钉区两侧的第二标记与第三标记，当螺钉阵列正常时，所述第一标记、所述第二标记以及所述第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直；

图像提取模块，用于获取蒙皮图像，并提取蒙皮图像中螺钉区图像；

分割模块，用于分割螺钉区图像，获取各螺钉区的子图像；

计算模块，用于计算各子图像中最长线段的长度；

检测模块，用于将各子图像中最长线段的长度与预设阈值比较，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。

本发明螺钉阵列异位故障检测方法与系统，确定螺帽中设置的直线状第一标记，螺钉区两侧设置有第二标记和第三标记，当正常时，第一标记、第二标记以及第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直，获取蒙皮图像，并提取蒙皮图像中螺钉区图像，分割获取各螺钉区的子图像，计算各子图像中最长线段的长度，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。整个过程中，采用多种图像处理手段，准确对螺钉阵列异位故障的自动诊断识别。

附图说明

图1为本发明螺钉阵列异位故障检测方法第一个实施例的流程示意图；

图2为局部飞机蒙皮图；

图3为螺钉阵列正常情况下局部飞机蒙皮图；

图4为螺钉阵列故障情况下局部飞机蒙皮图；

图5为本发明螺钉阵列异位故障检测方法第二个实施例的流程示意图；

图6为蒙皮取补图；

图7为蒙皮除去背景图；

图8为各螺钉区域阈值分割图；

图9为螺钉骨架图；

图10为各螺钉区域分支点图；

图11为各螺钉区域的定位分割图；

图12为各螺钉状态诊断图；

图13为各螺钉区域的优化图；

图14为本发明螺钉阵列异位故障检测系统第一个实施例的结构示意图；

图15为本发明螺钉阵列异位故障检测系统第二个实施例的结构示意图。

具体实施方式

如图1所示，一种螺钉阵列异位故障检测方法，包括步骤：

S100：确定螺钉中设置于螺帽的直线状的第一标记以及分别设置于螺钉区两侧的第二标记与第三标记，当螺钉阵列正常时，所述第一标记、所述第二标记以及所述第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直。

本发明螺钉阵列异位故障检测方法的检测对象是螺钉，具体来说，螺钉中螺帽设置有直线状的第一标记，螺钉区两侧分别设置有第二标记以及第三标记，当螺钉阵列正常时，第一标记、第二标记以及第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直。以飞机蒙皮中的螺钉为例，如图2所示，图2为飞机蒙皮图，在图2中，飞机螺钉的特征为在螺钉螺帽的中间部位有一沟槽(第一标记)，螺钉区两侧标有螺钉正常位置的两条短线(第二标记与第三标记)，正常情况，如图3所示，下这三个部分呈一直线，故障情况，如图4所示下沟槽与螺钉位置标识线近似垂直。在这里的螺钉故障为螺钉的未拧紧状态。

S200：获取蒙皮图像，并提取蒙皮图像中螺钉区图像。

可以采用图像获取设备直接拍摄蒙皮图像或者直接从其它设备(例如U盘)导入已存的蒙皮图像，拍摄蒙皮图像的设备可以为数码相机、智能手机或工业相机。在蒙皮图像中主要包括螺钉区图像以及背景图像，后续操作主要是针对螺钉区图像进行操作，在这里提取蒙皮图像中螺钉区图像。非必要的，为避免背景图像对后续处理的干扰，需要准确提取蒙皮图像中螺钉区图像。

如图5在其中一个实施例中，步骤S200包括：

S220：将蒙皮图像转换为灰度图像。

为便于图像的处理分析，转换彩色图像为灰度图，灰度图中螺钉沟槽(第一标记)和螺钉两侧标识线(第二标记以及第三标记)与图像背景区域对比度明显。

S240：对灰度图像数据依次进行取补运算、开运算、相减运算、中值滤波以及自适应门限分割处理，提取蒙皮图像中螺钉区图像。

对图像进行取补运算，调换螺钉区与蒙皮背景区，如图6所示。图6中图像四周偏亮，中部偏暗，亮度不均匀，对图像进行开运算和相减运算，去除图像背景区域亮度不均的影响。如图7所示，螺钉圆环区对螺钉区的检测识别存在一定干扰，为保证消除圆环区域噪声的同时，保留螺钉沟槽和标识线的细节信息，选用中值滤波对图像进行处理，中值滤波后的图像，整个螺钉区域亮度不均匀，为消除亮度差异对图像分割的影响，选用自适应门限对图像进行阈值分割，获得如图8所示的图像。

S400：分割螺钉区图像，获取各螺钉区的子图像。

在螺钉区图像中存在有多个螺钉对应的螺钉区图像，需要分别对各螺钉区图像进行故障检测。在此，对步骤S200获得螺钉区图像进行分割，获取各螺钉区的子图像。具体来说，分割方法可以为：细化处理步骤S200所得图像并与之相减，得到螺钉骨架尖刺图像，提取螺钉骨架尖刺图像的分支点，对螺钉骨架尖刺分支点图像进行膨胀处理，连通各螺钉区域的分支点，统计各螺钉区域的质心坐标和区域面积，分割步骤S200所得图像，得到各螺钉区的子图像。

如图5所示，在其中一个实施例中，步骤S400包括步骤：

S410：对螺钉区图像进行最大限度细化处理，获得螺钉骨架图像，其中，最大限度细化处理准则为在保证图像中的连通像素区在细化过程中不断裂前提下，尽可能的逼近像素区中心线。

首先最大限度的进行细化处理，同时保证图像中的连通像素区在细化过程中不断裂，细化过程中尽可能的逼近像素区中心线。具体如图9所示，图9为对螺钉区图像进行最大限度细化处理之后得到的图像，图9中线条状结构称为图像的骨架。

S420：获取螺钉骨架尖刺图像。

将细化处理之后的图像与螺钉区图像相减，获得螺钉骨架尖刺图像。简单来说，假定螺钉区图像为A图像，对其进行最大限度细化处理之后获得B图像，将A图像减去B图像，获得螺钉骨架尖刺图像C。即螺钉骨架尖刺图像C＝A图像-B图像。

S430：提取螺钉骨架尖刺图像中的分支点。

针对步骤S420获得的螺钉骨架尖刺图像，提取其中的分支点。具体来说，首先去除步骤S420获取螺钉骨架尖刺图像中的尖刺，然后，将获得的图像再与螺钉骨架尖刺图像相减，得到螺钉图像骨架尖刺，最后，确定螺钉骨架尖刺图像分支点，并作为各螺钉区关键点。简单来说，假定步骤S420获得的为螺钉骨架尖刺图像C，去除螺钉骨架尖刺图像C中的尖刺，获得图像D，再将螺钉骨架尖刺图像C与图像D相减，得到螺钉图像骨架尖刺，将得到的螺钉图像骨架尖刺作为螺钉骨架尖刺图像分支点，具体如图10所示。

S440：膨胀处理分支点，以连通各螺钉区中的分支点。

对步骤S430获得的分支点进行膨胀处理，以连通各螺钉区中的分支点。

S450：统计各螺钉区的质心坐标和区域面积，分割螺钉区图像，获取各螺钉区的子图像。

在步骤S440连通各螺钉区中的分支点后，可以实现对各目标区域的近似定位，进一步结合各螺钉区面积，则可分割图像中的螺钉区域，具体如图11所示。

S600：计算各子图像中最长线段的长度。

针对步骤S400获得的各螺钉区的子图像，分别计算子图像中最长线段的长度。具体来说，计算可以采用霍夫变换计算各子图像中的最长线段，即在参数空间中进行简单的累加统计，通过在霍夫空间中寻找累加器峰值检测图像空间中的直线。

S800：将各子图像中最长线段的长度与预设阈值比较，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。

比较各子图像中的最长线段与阈值，若该最长线段小于阈值，则判断该子图像中的螺钉故障，否则，该子图像中的螺钉正常，如图12所示。

非必要的，如图5所示，在其中一个实施例中，步骤S800之前还包括步骤：

S720：随机选择获取至少2幅螺钉区的子图像。

对步骤S400获得的螺钉区的子图像，随机选取至少2幅。为提高最终故障检测的准确度，在这里可以获取比较多的螺钉区的子图像，甚至可以获取全部螺钉区的子图像。

S740：计算选取的螺钉区的子图像中的第二标记与第三标记之间最长距离的均值。

计算步骤S720获取的螺钉区的子图像中第二标记与第三标记之间最长距离的均值，以采用求平均值的方式提高数据的准确度。

S760：将均值乘以比例系数，获得预设阈值，比例系数大于等于0.8且小于等于0.9。

将步骤S740获取的均值乘以0.8～0.9，获得预设阈值。

具体来说，随机选择S400中子图像5～10幅，当螺钉正常，该子图像中的最长直线贯穿第一标记、第二标记和第三标记，当螺钉故障，该子图像中的最长线段无法同时贯穿三个标记，因此计算各子图像中第二标记与第三标记间最长距离的均值，将此值乘以0.8～0.9作为阈值。

本发明螺钉阵列异位故障检测方法，确定螺帽中设置的直线状第一标记，螺钉区两侧设置有第二标记和第三标记，当正常时，第一标记、第二标记以及第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直，获取蒙皮图像，并提取蒙皮图像中螺钉区图像，分割获取各螺钉区的子图像，计算各子图像中最长线段的长度，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。整个过程中，采用多种图像处理手段，准确对螺钉阵列异位故障的自动诊断识别。

如图5所示，在其中一个实施例中，步骤S400之前还包括：

S300：对螺钉区图像依次进行膨胀与腐蚀处理。

正常螺钉区阈值分割后在螺钉沟槽线段(第一标记)与螺钉两侧的标识线(第二标记与第三标记)段之间出现断层，为使螺钉沟槽线段与螺钉两侧的标识线连通，依次对图像进行膨胀和腐蚀处理，以优化螺钉区图像，如图13所示。

如图14所示，一种螺钉阵列异位故障检测系统，包括：

确定模块100，用于确定螺钉中设置于螺帽的直线状的第一标记以及分别设置于螺钉区两侧的第二标记与第三标记，当螺钉阵列正常时，所述第一标记、所述第二标记以及所述第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直。

图像提取模块200，用于获取蒙皮图像，并提取蒙皮图像中螺钉区图像。

分割模块400，用于分割螺钉区图像，获取各螺钉区的子图像。

计算模块600，用于计算各子图像中最长线段的长度。

检测模块800，用于将各子图像中最长线段的长度与预设阈值比较，当子图像中最长线段的长度小于预设阈值时，判定该子图像中的螺钉故障。

本发明螺钉阵列异位故障检测系统，确定模块100确定螺帽中设置的直线状第一标记，螺钉区两侧设置有第二标记和第三标记，当正常时，第一标记、第二标记以及第三标记处于同一条直线，当螺钉阵列故障时，所述第一标记与所述第二标记和所述第三标记垂直，图像提取模块200获取蒙皮图像，并提取蒙皮图像中螺钉区图像，分割模块400分割获取各螺钉区的子图像，计算模块600计算各子图像中最长线段的长度，当子图像中最长线段的长度小于预设阈值时，检测模块800判定该子图像中的螺钉故障。整个过程中，采用多种图像处理手段，准确对螺钉阵列异位故障的自动诊断识别，确保被蒙皮机体结构的安全。

如图15所示，在其中一个实施例中，图像提取模块200包括：

灰度转换单元220，用于将蒙皮图像转换为灰度图像。

提取单元240，用于对灰度图像数据依次进行取补运算、开运算、相减运算、中值滤波以及自适应门限分割处理，提取蒙皮图像中螺钉区图像。

如图15所示，在其中一个实施例中，螺钉阵列异位故障检测系统还包括：

优化模块300，用于对螺钉区图像依次进行膨胀与腐蚀处理。

如图15所示，在其中一个实施例中，分割模块400包括：

骨架图像获取单元410，用于对螺钉区图像进行最大限度细化处理，获得螺钉骨架图像，其中，最大限度细化处理准则为在保证图像中的连通像素区在细化过程中不断裂前提下，尽可能的逼近像素区中心线。

尖刺图像获取单元420，用于获取螺钉骨架尖刺图像。

分支点提取单元430，用于提取螺钉骨架尖刺图像中的分支点。

膨胀单元440，用于膨胀处理分支点，以连通各螺钉区中的分支点。

分割单元450，用于统计各螺钉区的质心坐标和区域面积，分割螺钉区图像，获取各螺钉区的子图像。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。