CN117585399B - 基于图像处理的煤矿传送带撕裂检测方法 - Google Patents
基于图像处理的煤矿传送带撕裂检测方法 Download PDFInfo
- Publication number
- CN117585399B CN117585399B CN202410076891.2A CN202410076891A CN117585399B CN 117585399 B CN117585399 B CN 117585399B CN 202410076891 A CN202410076891 A CN 202410076891A CN 117585399 B CN117585399 B CN 117585399B
- Authority
- CN
- China
- Prior art keywords
- frequency
- straight line
- line segment
- point
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 abstract description 9
- 238000001228 spectrum Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003818 cinder Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G15/00—Conveyors having endless load-conveying surfaces, i.e. belts and like continuous members, to which tractive effort is transmitted by means other than endless driving elements of similar configuration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及基于图像处理的煤矿传送带撕裂检测方法,包括:根据传送带表面图像的频谱图中的参考直线段上频率点到频谱图中心点的距离和频率值与其对应的拟合曲线值的差异,确定频率点的异常程度,根据主体参考直线段上频率点对应的滑窗内所有频率点的异常程度,确定标准窗口,从而确定裂痕频率中心点,以其为圆点作圆,根据圆内频率点的数量和异常程度,确定裂痕半径,从而获得裂痕边界点,根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的距离,确定最佳增强阈值,进而得到增强后的传送带表面图像,精准检测裂痕区域。本发明通过自适应最佳增强阈值,减少光照不均匀的影响,准确得到裂痕区域。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及基于图像处理的煤矿传送带撕裂检测方法。
背景技术
带式输送机具有输送量大、输送效率高、装卸方便且能够持续不间断作业的优点,广泛应用于工业生产当中。煤矿传送带在工作过程中被用作牵引、运输的工具,常常处于恶劣的生产环境下,传送带老化、硬物挤压、负载过大等原因造成传送带的撕裂、跑偏、表面损伤等故障,严重时发生传送带断裂,造成生产事故以及停产。故煤矿传送带的缺陷检测在生产过程中显得尤为重要,但由于煤矿作业环境恶劣,采集到的传送带图像往往会出现光照不均匀的现象,影响缺陷检测的准确性。
同态滤波可以对光照不均匀图像进行增强和校正,使得图像中的细节更加清晰可见。它通过在频域中对图像的对数进行操作,将原始图像转换为可增强的频域表示,并在频域中进行滤波操作后再进行逆变换,以得到增强后的图像。算法中正确选择适当的增强阈值可以保留图像中所需的细节,并减少不必要的噪声或伪影。
现有的问题:煤矿作业环境复杂多变,采集的不同传送带图像所受光照不均匀的影响程度不同,会出现全局较亮或较暗、局部高亮或阴影等不同程度的影响。故不同传送带图像需要不同的增强阈值,而过高的增强阈值可能引入过度增强和伪影,过低的增强阈值可能无法有效增强所需的图像细节。
发明内容
本发明提供基于图像处理的煤矿传送带撕裂检测方法,以解决现有的问题。
本发明的基于图像处理的煤矿传送带撕裂检测方法采用如下技术方案:
本发明一个实施例提供了基于图像处理的煤矿传送带撕裂检测方法,该方法包括以下步骤:
使用工业相机采集煤矿传送带下侧图像,得到传送带表面图像;使用二维离散傅里叶变换方法,传送带表面图像转换为频谱图;
获取频谱图中参考横线上的参考直线段,根据参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度;
获取频谱图中的主体参考直线段,根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口;根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点;
以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径;
获取标准直线段,根据标准直线段上相邻频率点的频率值差异,确定标准直线段上所有的频率点的斜率;将以裂痕频率中心点为圆点、半径为裂痕半径的圆与标准直线段的交点,记为裂痕边界点;根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值;
根据最佳增强阈值,确定低通滤波器;使用低通滤波器对频谱图进行滤波处理,得到增强后的频谱图;对增强后的频谱图进行逆傅里叶变换,得到增强后的传送带表面图像;根据增强后的传送带表面图像,得到裂痕区域。
进一步地,所述获取频谱图中参考横线上的参考直线段,根据参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度,包括的具体步骤如下:
取频谱图中过频谱图中心点的横线和过频谱图中心点的横线上方与下方的若干条相邻的横线,记为参考横线,得到a条参考横线;其中a为预设的横线数量;
将参考横线以其中心点划分为两个直线段,记为参考直线段;
使用最小二乘法对参考直线段上的所有频率点的频率值进行曲线拟合,得到参考直线段上的每个频率点的频率值对应的拟合曲线值;
将参考直线段上的频率点到频谱图中心点的欧式距离的归一化值和参考直线段上的频率点的频率值与其对应的拟合曲线值的差值的绝对值的乘积,记为参考直线段上的频率点的异常程度。
进一步地,所述获取频谱图中的主体参考直线段,根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口,包括的具体步骤如下:
将频谱图中过频谱图中心点的参考横线对应的参考直线段,记为主体参考直线段;
使用预设的滑窗在主体参考直线段上逐频率点遍历,得到主体参考直线段上每个频率点对应的滑窗;
将主体参考直线段上每个频率点对应的滑窗内所有参考直线段上的频率点的异常程之和,记为主体参考直线段上每个频率点的整体异常程度;
将主体参考直线段上所有频率点的整体异常程度中的最大值对应的频率点对应的滑窗,记为标准窗口。
进一步地,所述根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点,包括的具体步骤如下:
根据标准窗口内所有参考直线段上的频率点的异常程度和标准窗口内每个参考直线段上的频率点的频率值,确定标准窗口内每个参考直线段上的频率点为裂痕频率中心点的概率;
将标准窗口内所有参考直线段上的频率点为裂痕频率中心点的概率中最大值对应的参考直线段上的频率点,记为裂痕频率中心点。
进一步地,所述根据标准窗口内所有参考直线段上的频率点的异常程度和标准窗口内每个参考直线段上的频率点的频率值,确定标准窗口内每个参考直线段上的频率点为裂痕频率中心点的概率对应的具体计算公式为:
其中为标准窗口内第y个参考直线段上的频率点为裂痕频率中心点的概率,/>为标准窗口内第y个参考直线段上的频率点的频率值,/>为标准窗口内第y个参考直线段上的频率点的异常程度,/>为标准窗口内所有非第y个参考直线段上的频率点的异常程度均值。
进一步地,所述以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径,包括的具体步骤如下:
根据裂痕频率中心点到频谱图中心点的欧式距离,得到预设的半径取值范围;
以裂痕频率中心点为圆点,将预设的半径取值范围内每个半径与每个半径减一后对应的圆内所有参考直线段上的频率点的数量和异常程度之间的差异,得到预设的半径取值范围内每个半径对应的异常程度变化率;
将预设的半径取值范围内所有半径对应的异常程度变化率中的最大值对应的半径,记为裂痕半径。
进一步地,所述以裂痕频率中心点为圆点,将预设的半径取值范围内每个半径与每个半径减一后对应的圆内所有参考直线段上的频率点的数量和异常程度之间的差异,得到预设的半径取值范围内每个半径对应的异常程度变化率对应的具体计算公式为:
其中为半径为r时对应的异常程度变化率,/>为以裂痕频率中心点为圆点、半径为r的圆内第i个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r的圆内所有参考直线段上的频率点的数量,/>为以裂痕频率中心点为圆点、半径为r-1的圆内第j个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r-1的圆内所有参考直线段上的频率点的数量。
进一步地,所述获取标准直线段,根据标准直线段上相邻频率点的频率值差异,确定标准直线段上所有的频率点的斜率,包括的具体步骤如下:
将频谱图中心点到裂痕频率中心点的直线段,记为标准直线段;
将标准直线段上后一个频率点的频率值减去前一个频率点的频率值的差值,记为标准直线段上所述前一个频率点的斜率,得到标准直线段上所有的频率点的斜率。
进一步地,所述根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值,包括的具体步骤如下:
若标准直线段上的频率点的斜率小于等于预设的斜率阈值,则将标准直线段上的频率点的斜率特征值设置为预设的斜率特征值;
若标准直线段上的频率点的斜率大于预设的斜率阈值,则将标准直线段上的频率点的斜率的归一化值加一,记为标准直线段上的频率点的斜率特征值;
将标准直线段上的频率点的相邻两频率点的异常程度之差的绝对值的二分之一,记为标准直线段上的频率点的异常程度变化率;
根据标准直线段上的频率点的斜率特征值和标准直线段上的频率点的异常程度变化率以及标准直线段上的频率点到裂痕边界点的欧式距离,确定标准直线段上的频率点对应的最佳增强阈值概率;
将标准直线段上所有的频率点对应的最佳增强阈值概率中的最大值对应的频率点到频谱图中心点的欧式距离,记为最佳增强阈值。
进一步地,所述根据标准直线段上的频率点的斜率特征值和标准直线段上的频率点的异常程度变化率以及标准直线段上的频率点到裂痕边界点的欧式距离,确定标准直线段上的频率点对应的最佳增强阈值概率对应的具体计算公式为:
其中为标准直线段上第x个频率点对应的最佳增强阈值概率,/>标准直线段上第x个频率点的斜率特征值,/>为标准直线段上第x个频率点到裂痕边界点的欧式距离,和/>分别为标准直线段上第x+1和第x-1个频率点的异常程度。
本发明的技术方案的有益效果是:
本发明实施例中,根据传送带表面图像的频谱图中的参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度,再根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口,根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点,以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径,从而获得裂痕边界点,根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值,根据最佳增强阈值,确定低通滤波器,使用低通滤波器对频谱图进行滤波处理,得到增强后的频谱图,对增强后的频谱图进行逆傅里叶变换,得到增强后的传送带表面图像,根据增强后的传送带表面图像,得到精准的裂痕区域。其根据频谱图中由裂痕导致的高频范围大小,寻找最佳增强阈值,在图像中减少光照不均匀的影响,增强裂痕与皮带正常区域的对比度,准确判断裂痕的存在及其位置信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于图像处理的煤矿传送带撕裂检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于图像处理的煤矿传送带撕裂检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于图像处理的煤矿传送带撕裂检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于图像处理的煤矿传送带撕裂检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:使用工业相机采集煤矿传送带下侧图像,得到传送带表面图像;使用二维离散傅里叶变换方法,传送带表面图像转换为频谱图。
煤矿传送带撕裂一般分为横向撕裂和纵向撕裂两大类,横向撕裂一般由于传送带自身质量问题导致,其很少出现。而纵向撕裂一般是由于生产作业过程中的挤压、过载刺穿而导致的,其可以较好的反应生产作业时出现的问题。因此本实施例主要针对纵向撕裂进行分析检测。
煤矿传送带的上方存在煤矿、煤渣等干扰因素,当传送带存在裂痕时,传送带下方也会显示有缺陷,所以选择对传送带的下方进行图像采集,根据图像进行缺陷检测。在传送带正下方布置固定工业相机,对准传送带的下侧拍摄图像,得到传送带表面图像。
对传送带表面图像进行灰度化处理,再进行二维离散傅里叶变换获得幅度谱,而后对调四个象限,得到中心化后的幅度谱,即频谱图。在频谱图像中基本信息及光照影响属于低频分量,裂痕属于细节纹理信息,在频谱中表现为高频信息,故通过对频谱图进行滤波处理即可实现对传送带表面图像的增强。其中,灰度图像转换为频谱图为公知技术,具体方法在此不做介绍。
煤炭传送带上的裂痕,相对于传送带正常区域颜色表现为更深的颜色,在频域中,裂痕的边缘属于高频信息。而空域中影响检测的不均匀光照在频域中表现为低频信息。对频谱图进行同态滤波处理,抑制光照等低频信息,增强裂痕的高频信息。本实施例中同态滤波算法使用高斯函数作为低通滤波器,用于调整图像的频率范围。根据频谱图中频率点的分布,判断纵向裂痕频率中心点所存在的位置,然后再根据中心点附近频率点的关系确定裂痕所在的频率范围,确定裂痕频率范围后,结合增强的需求,得到自适应的高斯核的标准差作为增强阈值,对图像进行增强处理。
步骤S002:获取频谱图中参考横线上的参考直线段,根据参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度。
在空域中,纵向裂痕主要沿着传送带的纵方向,转换到频域中,会因频域的特性,纵向裂痕在频谱图中的高频点位主要集中在过频谱中心点的横方直线上,由于纵向裂痕并不完全沿传送带纵向方向,有可能存在偏移,故需要考虑过频谱中心点的横方向线附近的区域的高频点位。
本实施例以设定的横线数量a=5为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。取频谱图中过频谱图中心点的横线和过频谱图中心点的横线上方与下方的分别两条相邻的横线,记为参考横线,由此得到a条参考横线。
以每条参考横线为单位,分析每条参考横线上的频率点分布。因频谱图像沿中心点对称,故取一侧分析即可,在频谱图中将每个参考横线以其中心点划分为两个直线段,记为参考直线段,取一个参考直线段为例。
在频谱图中,距离中心点越远,频率点的频率越高,而裂痕在频谱图中属于高频像素点,故距离频谱中心点距离越远,此频率点为裂痕频率点的概率越大。
在频谱图中,中心点附近的频率点为低频,描述的为对应空域图像中的基本信息,远离中心点的频率点为高频,描述的为对应空域图像中的纹理细节。传送带空域图像中,大部分都为纹理、边缘像素点,处于低频。裂痕处属于细节信息,处于高频。
使用最小二乘法对频谱图中该参考直线段上的所有频率点的频率值进行曲线拟合,拟合曲线以该参考直线段上的所有频率点到频谱图中心点的欧式距离为横轴,以频率值为纵轴。由此得到该参考直线段上的每个频率点的频率值对应的拟合曲线值。当拟合曲线上的横轴值较小时,空域图像的灰度变化缓慢,低频点较多,频率值较大。根据该参考直线段上的所有频率点的频率值的拟合曲线,裂痕处的频率点分布较为集中,拟合曲线上的横轴值越接近于裂痕中心频率点位置,频率值与其对应的拟合曲线值的差值的绝对值会越大。
取该参考直线段上的第z个频率点为例,则该参考直线段上的第z个频率点的异常程度的计算公式为:
其中为该参考直线段上的第z个频率点的异常程度,/>越大,属于裂痕频率的概率越高。/>为该参考直线段上的第z个频率点的频率值与其对应的拟合曲线值的差值的绝对值,/>越大,频率点的异常概率越高。/>为该参考直线段上的第z个频率点到频谱图中心点的欧式距离的归一化值,归一化方式为:使用/>线性归一化函数,将数据值归一化至[0,1]区间内,裂痕对应的频率点属于高频点,将/>作为/>的权值,两者乘积为该参考直线段上的第z个频率点的异常程度。
所需说明的是:频率值与其对应的拟合曲线值的差值的绝对值越大,频率点距离频谱图中心点的距离越远,异常程度越高。
按照上述方式,获取频谱图中所有参考直线段上的所有频率点的异常程度。
步骤S003:获取频谱图中的主体参考直线段,根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口;根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点。
因为裂痕在频谱图上表现为连续的高频频率点,所以需计算局部区域内的整体异常程度。本实施例以设定的b×b的正方形滑窗为例进行叙述,其中b=5,其它实施方式中可设置为其它值,本实施例不进行限定。
将频谱图中过频谱图中心点的参考横线对应的参考直线段,记为主体参考直线段,取一个主体参考直线段为例,用设定的滑窗在该主体参考直线段上逐频率点遍历,得到该主体参考直线段上每个频率点对应的滑窗,将每个滑窗内所有参考直线段上的频率点的异常程之和,记为该主体参考直线段上每个频率点的整体异常程度。
因为纵向裂痕在频域上的频率具有连续区域性的特点,所以将该主体参考直线段上所有频率点的整体异常程度中的最大值对应的频率点对应的滑窗,记为标准窗口,标准窗口内会存在裂痕频率中心点。所需说明的是,若该主体参考直线段上所有频率点的整体异常程度中存在多个最大值,则取这多个最大值对应的频率点中与频谱图中心点欧式距离最大的频率点对应的滑窗,记为标准窗口。
裂痕频率点在频谱图中较为集中,频率值越大的频率点为裂痕频率中心点的概率越高。
根据频率点的异常程度和频率值大小计算标准窗口内每个频率点为裂痕频率中心点的概率。取标准窗口内第y个参考直线段上的频率点为例,则标准窗口内第y个参考直线段上的频率点为裂痕频率中心点的概率的计算公式为:
其中为标准窗口内第y个参考直线段上的频率点为裂痕频率中心点的概率,/>为标准窗口内第y个参考直线段上的频率点的频率值,/>为标准窗口内第y个参考直线段上的频率点的异常程度,/>为标准窗口内所有非第y个参考直线段上的频率点的异常程度均值。
所需说明的是:频率点的异常程度越高,频率值越大,频率点为裂痕频率中心点的概率越大。
按照上述方式,得到标准窗口内所有参考直线段上的频率点为裂痕频率中心点的概率,将标准窗口内所有参考直线段上的频率点为裂痕频率中心点的概率中最大值对应的参考直线段上的频率点,记为裂痕频率中心点。所需说明的是,若标准窗口内所有参考直线段上的频率点为裂痕频率中心点的概率中存在多个最大值,则取这多个最大值对应的频率点到频谱图中心点的欧式距离中的最大值对应的频率点,记为裂痕频率中心点。
步骤S004:以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径。
由于裂痕频率点围绕裂痕频率中心点分布,裂痕频率点分布较为集中,根据裂痕频率中心点位置及其附近频率点的异常程度,确定裂痕频率范围。
本实施例以设定的半径r的取值范围为为例进行叙述,其中/>为向下取整,L为裂痕频率中心点到频谱图中心点的欧式距离,且半径r为整数,其它实施方式中可设置为其它值,本实施例不进行限定。以裂痕频率中心点为圆点,获取半径r逐渐扩增时圆内所有参考直线段上的频率点的异常程度的均值变化特征,裂痕频率点分布集中,频率点的异常程度的均值变化最大时,裂痕频率点与正常区域频率点的区分最明显,将频率点的异常程度的均值变化最大时对应的半径r作为裂痕频率点与正常区域频率点的临界值。
由此可知半径为r时的异常程度变化率的计算公式为:
其中为半径为r时的异常程度变化率,/>为以裂痕频率中心点为圆点、半径为r的圆内第i个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r的圆内所有参考直线段上的频率点的数量,/>为以裂痕频率中心点为圆点、半径为r-1的圆内第j个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r-1的圆内所有参考直线段上的频率点的数量,/>为向下取整,/>为裂痕频率中心点到频谱图中心点的欧式距离。由此获得异常程度变化率集合/>,其中/>为半径为时的异常程度变化率。
所需说明的是:当以裂痕频率中心点为圆点、半径为r的圆内的频率点的异常程度的均值,相比半径r-1的圆内的频率点的异常程度的均值的差值越大,异常程度变化率越大。
将异常程度变化率集合中最大值对应的半径r,记为裂痕半径J,由此得到裂痕频率点分布范围。所需说明的是,若异常程度变化率集合/>中存在多个最大值,则取这多个最大值对应的半径r中的最大的半径r,记为裂痕半径J。
步骤S005:获取标准直线段,根据标准直线段上相邻频率点的频率值差异,确定标准直线段上所有的频率点的斜率;将以裂痕频率中心点为圆点、半径为裂痕半径的圆与标准直线段的交点,记为裂痕边界点;根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值。
本实施例中同态滤波算法使用高斯函数作为低通滤波器,用于调整图像的频率范围。需要根据增强与压缩的频率阈值,结合高斯核的标准差进行图像的增强。令高斯核的标准差作为增强阈值,频率大小在频域中显示为与频域中心点的距离,故计算频谱图中心点到裂痕频率中心点的直线段上的频率点的特征,判断最佳增强阈值。
将频谱图中心点到裂痕频率中心点的直线段,记为标准直线段。将计算标准直线段上后一个频率点的频率值减去前一个频率点的频率值的差值,记为标准直线段上该前一个频率点的斜率,得到标准直线段上所有的频率点的斜率。所需说明的是,标准直线段上最后一个频率点的斜率为标准直线段上倒数第二个频率点的斜率。
标准直线段上各频率点的斜率应为正,且斜率最大时,即频率值变化最大,为最佳增强阈值的概率越大。计算标准直线段上每个频率点的异常程度,相邻频率点的异常程度差异最大处,增强的必要性最高,为最佳增强阈值的概率越大。
将以裂痕频率中心点为圆点、半径为裂痕半径J的圆与标准直线段的交点,记为裂痕边界点Q。
取标准直线段上第x个频率点为例,则标准直线段上第x个频率点对应的最佳增强阈值概率的计算公式为:
当时,/>的获取方式如下:
当时,/>的获取方式如下:
其中为标准直线段上第x个频率点对应的最佳增强阈值概率,/>标准直线段上第x个频率点的斜率特征值,/>为标准直线段上第x个频率点的斜率,/>为设定的斜率阈值,K为设定的斜率特征值,/>为标准直线段上第x个频率点到裂痕边界点Q的欧式距离,/>和/>分别为标准直线段上第x+1和第x-1个频率点的异常程度,/>为线性归一化函数,将数据值归一化至[0,1]区间内,本实施例以/>,/>为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。
所需说明的是:当频率点的斜率小于等于设定的斜率阈值/>时,令频率点的斜率特征值/>等于设定的斜率特征值K,当频率点的斜率/>大于设定的斜率阈值/>时,令频率点的斜率特征值/>为一加归一化的频率点的斜率/>。其中频率点的斜率/>越大,增强必要性越强。/>最大时对应的频率点到频谱图中心点的欧式距离应为最佳增强阈值,/>的值越小,越能将裂痕较为完整的增强,/>表示标准直线段上第x个频率点处,异常程度变化率,在标准直线段的两端点处时,使用端点与其相邻的唯一频率点的异常程度之差的绝对值为端点的异常程度变化率。
按照上述方式,得到标准直线段上所有频率点对应的最佳增强阈值概率,取标准直线段上所有频率点对应的最佳增强阈值概率中的最大值对应的频率点到频谱图中心点的欧式距离为最佳增强阈值。所需说明的是。若标准直线段上所有频率点对应的最佳增强阈值概率中存在多个最大值,则取这些最大值对应的频率点到频谱图中心点的欧式距离最大的为最佳增强阈值。
步骤S006:根据最佳增强阈值,确定低通滤波器;使用低通滤波器对频谱图进行滤波处理,得到增强后的频谱图;对增强后的频谱图进行逆傅里叶变换,得到增强后的传送带表面图像;根据增强后的传送带表面图像,得到裂痕区域。
将最佳增强阈值作为高斯核的三倍标准差,其中/>为高斯核的标准差。将该高斯函数作为同态滤波算法中的低通滤波器,由此对频谱图进行滤波处理,得到增强后的频谱图。
对增强后的频谱图进行逆傅里叶变换后,得到增强后的传送带表面图像,其中传送带裂痕在图像中显示为黑色,其他正常区域显示为灰色且灰度值相近。使用大津法获取增强后的传送带表面图像内的分割阈值,令增强后的传送带表面图像内灰度值小于分割阈值的像素点为裂痕区域,令灰度值大于等于分割阈值的像素点为正常区域。由此完成煤矿传送带撕裂检测。
至此,本发明完成。
综上所述,在本发明实施例中,根据传送带表面图像的频谱图中的参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度,再根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口,从而确定裂痕频率中心点,以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径,从而获得裂痕边界点,根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值,进而得到增强后的传送带表面图像,最终得到精准的裂痕区域。其根据频谱图中由裂痕导致的高频范围大小,寻找最佳增强阈值,在图像中减少光照不均匀的影响,增强裂痕与皮带正常区域的对比度,准确判断裂痕的存在及其位置信息。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于图像处理的煤矿传送带撕裂检测方法,其特征在于,该方法包括以下步骤:
使用工业相机采集煤矿传送带下侧图像,得到传送带表面图像;使用二维离散傅里叶变换方法,传送带表面图像转换为频谱图;
获取频谱图中参考横线上的参考直线段,根据参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度;
获取频谱图中的主体参考直线段,根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口;根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点;
以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径;
获取标准直线段,根据标准直线段上相邻频率点的频率值差异,确定标准直线段上所有的频率点的斜率;将以裂痕频率中心点为圆点、半径为裂痕半径的圆与标准直线段的交点,记为裂痕边界点;根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值;
根据最佳增强阈值,确定低通滤波器;使用低通滤波器对频谱图进行滤波处理,得到增强后的频谱图;对增强后的频谱图进行逆傅里叶变换,得到增强后的传送带表面图像;根据增强后的传送带表面图像,得到裂痕区域;
所述以裂痕频率中心点为圆点作圆,根据圆内所有参考直线段上的频率点的数量和异常程度,确定裂痕半径,包括的具体步骤如下:
根据裂痕频率中心点到频谱图中心点的欧式距离,得到预设的半径取值范围;
以裂痕频率中心点为圆点,将预设的半径取值范围内每个半径与每个半径减一后对应的圆内所有参考直线段上的频率点的数量和异常程度之间的差异,得到预设的半径取值范围内每个半径对应的异常程度变化率;
将预设的半径取值范围内所有半径对应的异常程度变化率中的最大值对应的半径,记为裂痕半径;
所述以裂痕频率中心点为圆点,将预设的半径取值范围内每个半径与每个半径减一后对应的圆内所有参考直线段上的频率点的数量和异常程度之间的差异,得到预设的半径取值范围内每个半径对应的异常程度变化率对应的具体计算公式为:
其中为半径为r时对应的异常程度变化率,/>为以裂痕频率中心点为圆点、半径为r的圆内第i个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r的圆内所有参考直线段上的频率点的数量,/>为以裂痕频率中心点为圆点、半径为r-1的圆内第j个参考直线段上的频率点的异常程度,/>为以裂痕频率中心点为圆点、半径为r-1的圆内所有参考直线段上的频率点的数量;
所述根据标准直线段上所有频率点的斜率和异常程度以及到裂痕边界点的欧式距离,确定最佳增强阈值,包括的具体步骤如下:
若标准直线段上的频率点的斜率小于等于预设的斜率阈值,则将标准直线段上的频率点的斜率特征值设置为预设的斜率特征值;
若标准直线段上的频率点的斜率大于预设的斜率阈值,则将标准直线段上的频率点的斜率的归一化值加一,记为标准直线段上的频率点的斜率特征值;
将标准直线段上的频率点的相邻两频率点的异常程度之差的绝对值的二分之一,记为标准直线段上的频率点的异常程度变化率;
根据标准直线段上的频率点的斜率特征值和标准直线段上的频率点的异常程度变化率以及标准直线段上的频率点到裂痕边界点的欧式距离,确定标准直线段上的频率点对应的最佳增强阈值概率;
将标准直线段上所有的频率点对应的最佳增强阈值概率中的最大值对应的频率点到频谱图中心点的欧式距离,记为最佳增强阈值;
所述根据标准直线段上的频率点的斜率特征值和标准直线段上的频率点的异常程度变化率以及标准直线段上的频率点到裂痕边界点的欧式距离,确定标准直线段上的频率点对应的最佳增强阈值概率对应的具体计算公式为:
其中为标准直线段上第x个频率点对应的最佳增强阈值概率,/>标准直线段上第x个频率点的斜率特征值,/>为标准直线段上第x个频率点到裂痕边界点的欧式距离,/>和分别为标准直线段上第x+1和第x-1个频率点的异常程度。
2.根据权利要求1所述基于图像处理的煤矿传送带撕裂检测方法,其特征在于,所述获取频谱图中参考横线上的参考直线段,根据参考直线段上的频率点到频谱图中心点的欧式距离和参考直线段上的频率点的频率值与其对应的拟合曲线值的差异,确定参考直线段上的频率点的异常程度,包括的具体步骤如下:
取频谱图中过频谱图中心点的横线和过频谱图中心点的横线上方与下方的若干条相邻的横线,记为参考横线,得到a条参考横线;其中a为预设的横线数量;
将参考横线以其中心点划分为两个直线段,记为参考直线段;
使用最小二乘法对参考直线段上的所有频率点的频率值进行曲线拟合,得到参考直线段上的每个频率点的频率值对应的拟合曲线值;
将参考直线段上的频率点到频谱图中心点的欧式距离的归一化值和参考直线段上的频率点的频率值与其对应的拟合曲线值的差值的绝对值的乘积,记为参考直线段上的频率点的异常程度。
3.根据权利要求1所述基于图像处理的煤矿传送带撕裂检测方法,其特征在于,所述获取频谱图中的主体参考直线段,根据主体参考直线段上的频率点对应的滑窗内所有参考直线段上的频率点的异常程度,确定标准窗口,包括的具体步骤如下:
将频谱图中过频谱图中心点的参考横线对应的参考直线段,记为主体参考直线段;
使用预设的滑窗在主体参考直线段上逐频率点遍历,得到主体参考直线段上每个频率点对应的滑窗;
将主体参考直线段上每个频率点对应的滑窗内所有参考直线段上的频率点的异常程之和,记为主体参考直线段上每个频率点的整体异常程度;
将主体参考直线段上所有频率点的整体异常程度中的最大值对应的频率点对应的滑窗,记为标准窗口。
4.根据权利要求1所述基于图像处理的煤矿传送带撕裂检测方法,其特征在于,所述根据标准窗口内所有参考直线段上的频率点的异常程度和频率值,确定裂痕频率中心点,包括的具体步骤如下:
根据标准窗口内所有参考直线段上的频率点的异常程度和标准窗口内每个参考直线段上的频率点的频率值,确定标准窗口内每个参考直线段上的频率点为裂痕频率中心点的概率;
将标准窗口内所有参考直线段上的频率点为裂痕频率中心点的概率中最大值对应的参考直线段上的频率点,记为裂痕频率中心点。
5.根据权利要求4所述基于图像处理的煤矿传送带撕裂检测方法,其特征在于,所述根据标准窗口内所有参考直线段上的频率点的异常程度和标准窗口内每个参考直线段上的频率点的频率值,确定标准窗口内每个参考直线段上的频率点为裂痕频率中心点的概率对应的具体计算公式为:
其中为标准窗口内第y个参考直线段上的频率点为裂痕频率中心点的概率,/>为标准窗口内第y个参考直线段上的频率点的频率值,/>为标准窗口内第y个参考直线段上的频率点的异常程度,/>为标准窗口内所有非第y个参考直线段上的频率点的异常程度均值。
6.根据权利要求1所述基于图像处理的煤矿传送带撕裂检测方法,其特征在于,所述获取标准直线段,根据标准直线段上相邻频率点的频率值差异,确定标准直线段上所有的频率点的斜率,包括的具体步骤如下:
将频谱图中心点到裂痕频率中心点的直线段,记为标准直线段;
将标准直线段上后一个频率点的频率值减去前一个频率点的频率值的差值,记为标准直线段上所述前一个频率点的斜率,得到标准直线段上所有的频率点的斜率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410076891.2A CN117585399B (zh) | 2024-01-19 | 2024-01-19 | 基于图像处理的煤矿传送带撕裂检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410076891.2A CN117585399B (zh) | 2024-01-19 | 2024-01-19 | 基于图像处理的煤矿传送带撕裂检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117585399A CN117585399A (zh) | 2024-02-23 |
CN117585399B true CN117585399B (zh) | 2024-04-09 |
Family
ID=89922375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410076891.2A Active CN117585399B (zh) | 2024-01-19 | 2024-01-19 | 基于图像处理的煤矿传送带撕裂检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117585399B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117979508B (zh) * | 2024-03-05 | 2024-07-12 | 六班电气有限公司 | 一种基于井下环境感知的灯光智能调控方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003059789A2 (en) * | 2002-01-14 | 2003-07-24 | Carnegie Mellon University | Conveyor belt inspection system and method |
CN110980192A (zh) * | 2019-12-10 | 2020-04-10 | 安徽银河物联通信技术有限公司 | 一种皮带撕裂检测方法 |
CN114187237A (zh) * | 2021-11-12 | 2022-03-15 | 广东能源集团科学技术研究院有限公司 | 一种输送带撕裂和跑偏检测方法、装置、设备及存储介质 |
CN114419048A (zh) * | 2022-03-31 | 2022-04-29 | 启东亦大通自动化设备有限公司 | 基于图像处理的输送机在线检测方法及系统 |
CN115535525A (zh) * | 2022-09-08 | 2022-12-30 | 潍坊大友电子科技有限公司 | 基于图像匹配的输送带纵向撕裂检测系统及方法 |
CN115954291A (zh) * | 2023-03-04 | 2023-04-11 | 天合光能(宿迁)光电有限公司 | 一种TOPCon结构光伏电池板的裂纹监测系统 |
CN117237359A (zh) * | 2023-11-15 | 2023-12-15 | 天津市恒一机电科技有限公司 | 传送带撕裂检测方法、装置、存储介质和电子设备 |
-
2024
- 2024-01-19 CN CN202410076891.2A patent/CN117585399B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003059789A2 (en) * | 2002-01-14 | 2003-07-24 | Carnegie Mellon University | Conveyor belt inspection system and method |
CN110980192A (zh) * | 2019-12-10 | 2020-04-10 | 安徽银河物联通信技术有限公司 | 一种皮带撕裂检测方法 |
CN114187237A (zh) * | 2021-11-12 | 2022-03-15 | 广东能源集团科学技术研究院有限公司 | 一种输送带撕裂和跑偏检测方法、装置、设备及存储介质 |
CN114419048A (zh) * | 2022-03-31 | 2022-04-29 | 启东亦大通自动化设备有限公司 | 基于图像处理的输送机在线检测方法及系统 |
CN115535525A (zh) * | 2022-09-08 | 2022-12-30 | 潍坊大友电子科技有限公司 | 基于图像匹配的输送带纵向撕裂检测系统及方法 |
CN115954291A (zh) * | 2023-03-04 | 2023-04-11 | 天合光能(宿迁)光电有限公司 | 一种TOPCon结构光伏电池板的裂纹监测系统 |
CN117237359A (zh) * | 2023-11-15 | 2023-12-15 | 天津市恒一机电科技有限公司 | 传送带撕裂检测方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117585399A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN115311270B (zh) | 一种塑料制品表面缺陷检测方法 | |
CN114842017A (zh) | 一种hdmi线缆表面质量检测方法及系统 | |
CN108389216B (zh) | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 | |
CN117585399B (zh) | 基于图像处理的煤矿传送带撕裂检测方法 | |
CN110706210B (zh) | 一种基于深度学习的钢筋计数方法及装置 | |
CN117853493B (zh) | 一种基于图像处理的墙板生产质量检测方法 | |
CN116805317B (zh) | 基于人工智能的回转炉内壁缺陷检测方法 | |
CN115115612A (zh) | 一种用于机械配件的表面缺陷检测方法及系统 | |
CN116188468B (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
CN112085651B (zh) | 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN117291919B (zh) | 一种钢轨螺栓表面润滑脂视觉检测方法 | |
CN117541582A (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN116229438A (zh) | 一种纺纱质量视觉识别系统 | |
CN118014994B (zh) | 一种稻壳可降解餐盒裂缝检测方法 | |
CN117314940B (zh) | 基于人工智能的激光切割零件轮廓快速分割方法 | |
CN117808796B (zh) | 一种基于计算机视觉的齿轮表面损伤检测方法 | |
CN117388263B (zh) | 用于充电枪的五金端子质量检测方法 | |
CN117237350B (zh) | 一种铸钢件质量实时检测方法 | |
CN117542488B (zh) | 一种用于脑肿瘤ct数据的智能处理方法 | |
CN111723808B (zh) | 一种基于最大值背景预测的红外弱目标提取方法 | |
CN117274203B (zh) | 一种环保塑料制品表面质量视觉检测方法 | |
CN117474897B (zh) | 一种充电器表面缺陷视觉检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |