基于机器视觉的钢绞线质量检测方法与流程

本发明涉及图像处理，具体涉及基于机器视觉的钢绞线质量检测方法。

背景技术：

1、钢绞线是一种由多根细钢丝通过捻合或编织而成的绳索，常用于吊装、牵引、挂起和固定等工业应用。尤其是桥梁方面的应用，主要用途为建筑的承重结构，作用为支撑桥梁的附加荷载和外部环境下的影响。

2、钢绞线作为桥梁的承重结构其质量与工作安全密切相关，如果钢绞线质量发生问题，可能会在工作中出现断裂等危险情况，从而可能导致伤害甚至生命危险。例如钢绞线在使用过程中因湿度、盐分、渗水以及维护不当等原因造成的锈蚀问题，严重可导致钢绞线断裂。现有的钢绞线的锈蚀检测主要是通过磁粉检测，但是磁粉检测过程对于环境的要求高、检测的数量较少、检测成本极高。这种检测方式在实验室环境下较为可行，但是应用在桥梁钢索的检测中不仅浪费了大量的人力物力，而且检测效率低下。

技术实现思路

1、本发明用于解决目前对钢绞线检测效率低下的技术问题，提供一种能够快速的对钢绞线的质量进行检测，且检测准确性高的基于机器视觉的钢绞线质量检测方法，包括：

2、获取钢绞线图像的边缘图像；

3、对所述边缘图像进行分割得到多个局部区域；

4、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；

5、获取边缘图像的两条尺寸边缘，所述尺寸边缘为边缘图像中最外侧的两条边缘图像；且获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合；

6、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；

7、利用所有局部区域的腐蚀程度对钢绞线的质量进行评估。

8、对所述边缘图像进行分割得到多个局部区域的方法包括：

9、获取边缘图像中每一个边缘像素点所在位置的坐标；

10、基于边缘像素点的坐标采用二维自适应k-means聚类算法对边缘像素点进行聚类得到多个局部区域。

11、得到每一个局部区域的边缘密集性的方法包括：

12、边缘密集性的表达式为：

13、

14、式中：表示第个局部区域的边缘密集性；表示第个局部区域内边缘像素点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差；表示所有局部区域的数量；表示第个局部区域，且，；第个局部区域内边缘像素点的数量；表示第个局部区域内所有边缘像素点的坐标的方差；表示第个局部区域内所有边缘像素点的坐标的方差。

15、获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合的方法包括：

16、将两条尺寸边缘上边缘像素点少的一条尺寸边缘作为目标边缘尺寸；

17、将目标边缘尺寸上每个边缘像素点及该另一条尺寸边缘上距离该边缘像素点最近的边缘像素点组成的边缘像素点对作为目标边缘像素点对；

18、根据依次获得目标边缘尺寸上所有边缘像素点的目标边缘像素点对组成目标边缘像素点对集合。

19、获取每个局部区域的腐蚀程度的方法包括：

20、所述腐蚀程度的表达式为：

21、

22、式中：表示第个局部区域的腐蚀程度；表示第个局部区域内第个目标像素点对中两个目标像素点的距离；表示第个局部区域内第个目标像素点对中两个目标像素点的距离；表示第个局部区域内目标像素点对的数量；表示目标边缘像素点对集合中第个目标像素点对中两个目标像素点的距离；表示目标边缘像素点对集合中第个目标像素点对中两个目标像素点的距离；表示目标边缘像素点对集合中目标像素点对的数量；表示第个局部区域的边缘密集性。

23、利用所有局部区域的腐蚀程度对钢绞线的质量进行评估的方法包括：

24、利用每个局部区域的腐蚀程度获取钢绞线的整体质量指标；

25、根据钢绞线的整体质量指标对钢绞线的质量进行评估；

26、获取整体质量指标的表达式为：

27、

28、式中：表示钢绞线的整体质量指标；表示第个局部区域的腐蚀程度；表示所有局部区域的数量；表示归一化函数。

29、根据钢绞线的整体质量指标对钢绞线的质量进行评估的方法为，当，钢绞线的质量较差。

30、本发明的有益效果是：本发明相较于现有的磁粉检测钢绞线锈蚀的方式，通过对获取的钢绞线图像进行边缘检测得到边缘图像，对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的边缘密集性及局部区域中每个目标像素点对中像素点的距离来直接得到每个局部区域的腐蚀程度，利用钢绞线中所有的腐蚀程度对钢绞线的质量进行评估，检测的结果更加准确，并且无需将其带入到实验室进行检测，检测方法简单，计算量小，检测成本较低。

技术特征：

1.基于机器视觉的钢绞线质量检测方法，其特征在于，包括：

2.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，对所述边缘图像进行分割得到多个局部区域的方法包括：

3.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，得到每一个局部区域的边缘密集性的方法包括：

4.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，获取两条尺寸边缘上相互匹配所有目标边缘像素点对集合的方法包括：

5.根据权利要求1或4所述的基于机器视觉的钢绞线质量检测方法，其特征在于，获取每个局部区域的腐蚀程度的方法包括：

6.根据权利要求1所述的基于机器视觉的钢绞线质量检测方法，其特征在于，利用所有局部区域的腐蚀程度对钢绞线的质量进行评估的方法包括：

7.根据权利要求6所述的基于机器视觉的钢绞线质量检测方法，其特征在于，根据钢绞线的整体质量指标对钢绞线的质量进行评估的方法为，当，钢绞线的质量较差。

技术总结
本发明涉及图像处理技术领域，公开了基于机器视觉的钢绞线质量检测方法，包括获取的钢绞线图像进行边缘检测得到边缘图像，对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的边缘密集性及局部区域中每个目标像素点对中像素点的距离来直接得到每个局部区域的腐蚀程度，利用钢绞线中所有的腐蚀程度对钢绞线的质量进行评估，检测的结果更加准确，并且无需将其带入到实验室进行检测，检测方法简单，计算量小，检测成本较低。

技术研发人员：孙岱
受保护的技术使用者：天维云筑预应力科技（天津）有限公司
技术研发日：
技术公布日：2024/1/13