一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法与流程

本发明涉及电梯钢丝绳检测的技术领域，特别涉及一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法。

背景技术：

钢丝绳作为电梯系统的重要组成部分，在使用过程中会受到各种应力、摩擦和腐蚀等损伤，造成钢丝绳产生疲劳、断丝和磨损。传统的钢丝绳人工检测方法存在效率低、主观影响大等缺点从而导致电梯钢丝绳缺陷不能及时准确的发现，给人民生命安全带来了极大隐患。因此，对钢丝绳表面缺陷进行快速准确的检测具有十分重大的现实意义。

技术实现要素：

本发明所要解决的技术问题是提供一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法，以实现快速检测电梯钢丝绳表面缺陷情况为研究目标，通过从图像处理技术、硬件系统搭建、检测系统软件设计等方面开展深入的研究工作，开发出一套快速智能化的电梯钢丝绳缺表面陷检测系统，实现对钢丝绳表面情况动态非接触的检测。

为实现上述目的，本发明提供以下的技术方案：一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法，具体的步骤如下：

(1)图像采集和预处理：首先利用ccd工业摄像机对电梯钢丝绳图像进行采集，再对原始图像进行预处理，获取灰度图像；

(2)图像滤波降噪：图像系统在采集过程中，所采集图像常伴有大量的闪烁亮点，且这些噪声呈磁化的铁粉状，并对预处理过的图像需要运用一定的滤波算法对其进行运算，得到所需图像；

(3)图像曲面投影校正：由于我们所采集的电梯钢丝绳表面图像，实质上是类圆柱体在平面上的投影，因此为实现钢丝绳圆柱曲面上缺陷的精确检测，我们对所采样曲面投影图像进行插值展开，其插值灰度值取临近两个像素点灰度值的平均值；

(4)图像纹理特征提取：钢丝绳图像进行了预处理之后，可以从中提取一些能反映缺陷纹理性质并且相对稳定的特征，作为识别缺陷的依据；

(5)图像边缘检测：引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值的问题，即其输入是一幅灰度图像，输出图像上记录了输入图像上灰度变化不连续点的位置信息，再对其进行高斯平滑运算、求导运算，最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线；

(6)缺陷分类识别：利用神经网络来对钢丝绳进行判断，将提取的纹理特征值作为神经网络的输入，通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断。

优选的，所述步骤(1)在对图像预处理技术中，应再相同条件下连续采集两幅无缺陷的钢丝绳表面现象，用差影法获得噪声模型，然后对获得的噪声模型进行分析噪声特性，设计滤波器来处理。

优选的，所述步骤(1)中所利用到的ccd工业摄像机是将采集的电梯钢丝绳样本转化为数字信号，实时地将钢丝绳表面的图像数据传送到图像处理模块中；所述图像处理模块采用ti公司tms320c5000系列高性能dsp处理器为核心对电梯钢丝绳表面图像进行获取、存储以及运算处理，在上位机上进行显示。

优选的，所述步骤(6)中在钢丝绳表面缺陷判断上，是采用灰度共生矩阵参数提取图像纹理特征，利用神经网络对钢丝绳缺陷进行判别。

优选的，所述该检测系统还应用labview编程工具设计电梯钢丝绳表面缺陷检测系统的软件，其中包含了图像采集、图像预处理、纹理特征参数提取、图像边缘检测等功能。

采用以上技术方案的有益效果是：采用机器视觉检测技术，以数字图像处理技术为核心，进行电梯钢丝绳表面缺陷检测方法的研究；具体是通过对电梯钢丝绳图像的采集，分割、噪声处理、缺陷特征提取等步骤，最后再利用神经网络算法对钢丝绳表面缺陷进行判别；从而探索出一条电梯钢丝绳的快速检测新方法，对提高特种设备的检测检验质量具有重要的意义，为基于机器视觉的无损检测设备在特种设备检测检验现场的实际应用奠定了基础。

附图说明

图1是本发明一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法的技术方案流程图。

具体实施方式

下面结合附图详细说明本发明的优选实施方式。

如图1所示，本发明的具体实施方式：一种基于机器视觉的曳引电梯钢丝绳检测系统控制方法，具体的步骤如下：

(1)图像采集和预处理：首先利用ccd工业摄像机对电梯钢丝绳图像进行采集，再对原始图像进行预处理，获取灰度图像；

所述步骤(1)在对图像预处理技术中，应再相同条件下连续采集两幅无缺陷的钢丝绳表面现象，用差影法获得噪声模型，然后对获得的噪声模型进行分析噪声特性，设计滤波器来处理；

所述步骤(1)中所利用到的ccd工业摄像机是将采集的电梯钢丝绳样本转化为数字信号，实时地将钢丝绳表面的图像数据传送到图像处理模块中；所述图像处理模块采用ti公司tms320c5000系列高性能dsp处理器为核心对电梯钢丝绳表面图像进行获取、存储以及运算处理，在上位机上进行显示；

(2)图像滤波降噪：图像系统在采集过程中，所采集图像常伴有大量的闪烁亮点，且这些噪声呈磁化的铁粉状，并对预处理过的图像需要运用一定的滤波算法对其进行运算，得到所需图像；

所述步骤(2)中所提到的噪声主要有两类：一类是高斯噪声，在图像上表现为细小、微弱的颗粒性亮点；再一类就是脉冲噪声，在图像上的表现为较大的、明亮的随机性亮点，它们主要由光电转换器件、图像采集器件和环境因素所造成，其结果一是淹没较小的缺陷目标，导致目标不可见；二是腐蚀目标的边缘，导致图像分辨率严重下降。

(3)图像曲面投影校正：由于我们所采集的电梯钢丝绳表面图像，实质上是类圆柱体在平面上的投影，因此为实现钢丝绳圆柱曲面上缺陷的精确检测，我们对所采样曲面投影图像进行插值展开，其插值灰度值取临近两个像素点灰度值的平均值；

(4)图像纹理特征提取：钢丝绳图像进行了预处理之后，可以从中提取一些能反映缺陷纹理性质并且相对稳定的特征，作为识别缺陷的依据；

(5)图像边缘检测：引入图像边缘检测算子把边缘检测问题转换为检测单元函数极大值的问题，即其输入是一幅灰度图像，输出图像上记录了输入图像上灰度变化不连续点的位置信息，再对其进行高斯平滑运算、求导运算，最后把所有处于“山脊”上最高处的点提取出来得到图像的边缘线；

(6)缺陷分类识别：利用神经网络来对钢丝绳进行判断，将提取的纹理特征值作为神经网络的输入，通过训练样本对神经网络进行训练后就可以对钢丝绳是否有表面缺陷进行判断。

所述步骤(6)中在钢丝绳表面缺陷判断上，是采用灰度共生矩阵参数提取图像纹理特征，利用神经网络对钢丝绳缺陷进行判别。

所述该检测系统还应用labview编程工具设计电梯钢丝绳表面缺陷检测系统的软件，其中包含了图像采集、图像预处理、纹理特征参数提取、图像边缘检测等功能。

采用本技术方案，根据电梯钢丝绳表面图像特点，研究了图像采集、灰度转化等图像预处理技术，通过对各种滤波算法进行实验对比，选出最佳的算法对检测环境所造成图像噪声进行降噪，并通过插值技术实现钢丝绳曲面校正。在钢丝绳表面缺陷判断上，采用灰度共生矩阵参数提取图像纹理特征，利用神经网络对钢丝绳缺陷进行判别；

且本发明以实现快速检测电梯钢丝绳表面缺陷情况为研究目标，通过从图像处理技术、硬件系统搭建、检测系统软件设计等方面开展深入的研究工作，开发出一套快速智能化的电梯钢丝绳缺表面陷检测系统，实现对钢丝绳表面情况动态非接触的检测。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，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。