基于图像处理的钢绞线质量检测方法与流程

本申请一般地涉及图像处理领域，尤其涉及一种基于图像处理的钢绞线质量检测方法。

背景技术：

1、钢绞线是由多根钢丝绞合构成的钢铁制品，钢绞线常常作为承力索、拉线、加强芯、预应力材料、阻拦索、地线等被广泛应用于桥梁、电力、水利、建筑及道路围栏等多个工程领域。钢绞线作为承重部件，其质量与工作安全密切相关，故加工过程中钢绞线的质量检测尤为重要。

2、目前，公开号为cn116342598a的专利申请文件公开了一种基于机器视觉的钢绞线质量检测方法，获取钢绞线图像的边缘图像，对所述边缘图像进行分割得到多个局部区域；利用每一个局部区域中边缘像素点的位置得到每一个局部区域的边缘密集性；根据每个局部区域中所包含目标边缘像素点对集合中每对目标边缘像素点的距离、目标边缘像素点对的数量及局部区域的边缘密集性得到每个局部区域的腐蚀程度，依据腐蚀程度实现钢绞线的质量检测。

3、然而，上述方法仅依据边缘信息获取腐蚀程度，并依据腐蚀程度这一单一特征实现钢绞线的质量检测，质量检测不全面，导致钢绞线质量检测的准确性较低。

技术实现思路

1、为了解决现有技术中的上述技术问题，本申请提供了一种基于图像处理的钢绞线质量检测方法，以提高钢绞线质量检测的准确性。

2、本发明提供了一种基于图像处理的钢绞线质量检测方法，包括：采集钢绞线图像，所述钢绞线图像包括多根加工完毕的钢绞线；获取所述钢绞线图像中每根钢丝的连通域，并对所有钢丝的连通域进行形态学处理，得到每根钢绞线的连通域；对一根钢丝的连通域进行距离变换，获得所述连通域中间一条像素值最大的目标线的像素值序列，计算所述像素值序列的方差以作为所述钢丝的形变度，其中所述像素值为像素点与连通域边缘的最小距离；对于一根钢绞线的连通域，计算所述钢绞线中所有钢丝的形变度的均值以作为所述钢绞线的形变度；将一根钢绞线的连通域与所述钢绞线图像相乘得到所述钢绞线的钢绞线区域，获取所述钢绞线区域的灰度共生矩阵，并将所述灰度共生矩阵的能量作为所述钢绞线的平滑度；计算任意两根钢绞线之间的相似度以计算稳定性，所述稳定性用于表征钢绞线加工过程中的加工质量的稳定程度，所述稳定性满足关系式：

3、

4、其中，为所述钢绞线图像中钢绞线的数量，为钢绞线和钢绞线的相似度；将所述稳定性以及每根钢绞线的形变度和平滑度输入训练完毕的分类器，输出所述钢绞线图像中每根钢绞线的质量检测结果。

5、在一些实施例中，所述获取所述钢绞线图像中每根钢丝的连通域包括：利用连通域提取算法对所述钢绞线图像进行连通域提取，得到钢丝连通域图像，所述钢丝连通域图像包括所述钢绞线图像中每根钢丝的连通域；其中所述连通域提取算法为分水岭算法或漫水填充算法。

6、在一些实施例中，所述对所有钢丝的连通域进行形态学处理，得到每根钢绞线的连通域包括：对所述钢丝连通域图像进行膨胀处理后，再进行腐蚀处理，得到钢绞线连通域图像，所述钢绞线连通域图像包括所述钢绞线图像中每根钢绞线的连通域。

7、在一些实施例中，所述对一根钢丝的连通域进行距离变换包括：对于所述钢丝的连通域内的任意像素点，计算所述像素点与连通域边缘的最小距离，作为所述像素点的像素值；其中所述最小距离为最小欧氏距离或最小棋盘距离或最小曼哈顿距离。

8、在一些实施例中，所述对于一根钢绞线的连通域，计算所述钢绞线中所有钢丝的形变度的均值以作为所述钢绞线的形变度包括：计算一根钢丝的连通域与所述钢绞线的连通域之间的交集，响应于所述交集不为空集，将所述钢丝作为所述钢绞线的目标钢丝；遍历所有钢丝的连通域，得到所述钢绞线的所有目标钢丝；计算所有目标钢丝的形变度的均值，作为所述钢绞线的形变度。

9、在一些实施例中，所述将一根钢绞线的连通域与所述钢绞线图像相乘得到所述钢绞线的钢绞线区域包括：对于一根钢绞线的连通域，将所述连通域内像素点的像素值置为1，所述连通域外像素点的像素值置为0，得到所述钢绞线的掩码信息；将所述掩码信息与所述钢绞线图像相乘，得到所述钢绞线的钢绞线区域。

10、在一些实施例中，所述方法还包括：统计所述钢绞线图像中钢绞线数量；响应于所述钢绞线数量大于设定数量，计算所述钢绞线图像中所有钢绞线的平滑度总和；对于一根钢绞线，将所述钢绞线的平滑度与所述平滑度总和的比值作为所述钢绞线更新后的平滑度，所述钢绞线更新后的平滑度满足关系式：

11、

12、其中，为钢绞线的平滑度，为所述平滑度总和，为钢绞线更新后的平滑度。

13、在一些实施例中，所述计算任意两根钢绞线之间的相似度以计算稳定性包括：按照设定顺序对每根钢绞线的连通域进行编号；获取每根钢绞线对应的钢绞线区域，所述钢绞线区域包括对应钢绞线的灰度图像信息；对于任意两根钢绞线，计算对应钢绞线区域之间的相似度，所述相似度满足关系式：

14、

15、其中，为钢绞线的钢绞线区域，为钢绞线的钢绞线区域，为钢绞线和钢绞线的相似度；基于任意两根钢绞线之间的相似度计算稳定性。

16、在一些实施例中，所述分类器为分类神经网络，所述分类器的训练方法包括：采集多张钢绞线图像，计算每张钢绞线图像稳定性以及每根钢绞线的形变度和平滑度，标注每张钢绞线图像中每根钢绞线的质量标签，所述质量标签为合格或不合格；将任意钢绞线图像输入所述分类器以获取输出结果，基于所述输出结果和所述钢绞线图像每根钢绞线的质量标签计算交叉熵损失函数；利用梯度下降法更新所述分类器以降低所述交叉熵损失函数，完成一次训练；执行多次训练直至所述交叉熵损失函数小于设定损失，得到训练完毕的分类器。

17、本申请实施例提供的上述基于图像处理的钢绞线质量检测系统，获取钢绞线图像中每根钢丝和每根钢绞线的连通域，计算每根钢丝连通域的形变度进而得到每根钢绞线的形变度；依据灰度共生矩阵的能量计算每根钢绞线表面的平滑度；考虑到钢绞线生产加工时加工质量的稳定程度，依据任意钢绞线之间的相似度计算稳定性；综合稳定性、每根钢绞线的形变度和平滑度获取钢绞线图像中每根钢绞线的质量检测结果，提高钢绞线质量检测的准确性和检测效率。

技术特征：

1.一种基于图像处理的钢绞线质量检测方法，一根钢绞线包括多根钢丝，其特征在于：

2.如权利要求1所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述获取所述钢绞线图像中每根钢丝的连通域包括：

3.如权利要求2所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述对所有钢丝的连通域进行形态学处理，得到每根钢绞线的连通域包括：

4.如权利要求1所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述对一根钢丝的连通域进行距离变换包括：

5.如权利要求1所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述对于一根钢绞线的连通域，计算所述钢绞线中所有钢丝的形变度的均值以作为所述钢绞线的形变度包括：

6.如权利要求1所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述将一根钢绞线的连通域与所述钢绞线图像相乘得到所述钢绞线的钢绞线区域包括：

7.如权利要求6所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述方法还包括：

8.如权利要求7所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述计算任意两根钢绞线之间的相似度以计算稳定性包括：

9.如权利要求1所述的一种基于图像处理的钢绞线质量检测方法，其特征在于，所述分类器为分类神经网络，所述分类器的训练方法包括：

技术总结
本申请涉及图像处理领域，尤其涉及一种基于图像处理的钢绞线质量检测方法。所述方法包括：采集钢绞线图像，所述钢绞线图像包括多根加工完毕的钢绞线；获取所述钢绞线图像中每根钢丝的连通域和每根钢绞线的连通域；对钢丝的连通域进行距离变换以计算钢丝的形变度，进而计算每根钢绞线的形变度；获取钢绞线图像中钢绞线区域的灰度共生矩阵，并将灰度共生矩阵的能量作为钢绞线的平滑度；计算任意两根钢绞线之间的相似度以计算稳定性；将所述稳定性以及每根钢绞线的形变度和平滑度输入分类器，输出所述钢绞线图像中每根钢绞线的质量检测结果。通过本申请的技术方案，能够提高钢绞线质量检测的准确性和检测效率。

技术研发人员：邹文,杨成,姜晓博,王微,郑水全
受保护的技术使用者：汉中禹龙科技新材料有限公司
技术研发日：
技术公布日：2024/1/15