[发明专利]一种基于视觉的卷绳缠绕异常检测装置及方法

权利要求书

1.一种基于视觉的卷绳缠绕异常检测装置，其特征在于：包括工业摄像头以及与工业摄像头相连的工控机，所述工业摄像头架设在钢绳卷轴应用现场并适于实时采集钢绳卷轴的图像，所述工控机内设有缠绕异常检测模块，所述缠绕异常检测模块适于接收工业摄像头传输而来的图像并进行缠绕异常判断。

2.根据权利要求1所述的一种基于视觉的卷绳缠绕异常检测装置，其特征在于：还包括与缠绕异常检测模块相连的报警模块，所述报警模块采用安装在钢绳卷轴应用现场的信号报警器或适于向外部系统发送报警数据。

3.根据权利要求1所述的一种基于视觉的卷绳缠绕异常检测装置，其特征在于：所述工业摄像头与工控机之间通过USB线或以太网线相连。

4.一种基于视觉的卷绳缠绕异常检测方法，其特征在于：采用如权利要求1至3任一项所述的基于视觉的卷绳缠绕异常检测装置，包括以下步骤：

步骤S1：通过工业摄像头对钢绳卷轴进行持续拍摄，并将实时采集的图像传输至工控机；

步骤S2：工控机的缠绕异常检测模块对接收到的钢绳卷轴画面进行预处理；

步骤S3：对预处理后的钢绳卷轴画面进行卷绳ROI提取，从而从图像中取出卷绳所在区域；

步骤S4：对于选定的卷绳ROI区域，分别进行纹理检测和高性能边缘检测，判断是否存在异常缠绕类型A和异常缠绕类型B；

步骤S5：将所述异常缠绕类型A和异常缠绕类型B的检测结果汇总后输出至外部系统，并在出现缠绕异常时发出报警信号。

5.根据权利要求4所述的一种基于视觉的卷绳缠绕异常检测方法，其特征在于：所述步骤S4中的纹理检测基于HOG方法，具体包括以下步骤：

步骤S41：对选定的卷绳ROI区域划分成预设大小的多个子区域，分别计算每个子区域内的纹理方向与强度；

步骤S42：利用机器学习方法，对获得的HOG特征分布进行分类，判断纹理特征是否分布均匀，若卷绳ROI区域内的纹理特征分布均匀，则不存在异常缠绕类型A；否则，则认为存在异常缠绕类型A。

6.根据权利要求5所述的一种基于视觉的卷绳缠绕异常检测方法，其特征在于：所述机器学习方法为SVM方法。

7.根据权利要求4所述的一种基于视觉的卷绳缠绕异常检测方法，其特征在于：所述步骤S4中的高性能边缘检测基于UCM方法，检测卷绳ROI区域内的有效边缘以及获得所述有效边缘的像素权重，当所述有效边缘的像素权重相接近，则不存在异常缠绕类型B，否则，则认为存在异常缠绕类型B。

8.根据权利要求4所述的一种基于视觉的卷绳缠绕异常检测方法，其特征在于：所述步骤S2中的预处理包括对采集的图像进行图像滤波处理和图像增强处理。