[发明专利]一种气动风动绞车的异常状态检测方法

权利要求书

1.一种气动风动绞车的异常状态检测方法，其特征在于，包括以下步骤：

获取钢丝绳灰度图；根据钢丝绳灰度图中每个像素点的梯度幅值获取钢丝绳梯度直方图；根据钢丝绳梯度直方图中每个梯度幅值的累积频率获取分界梯度幅值；其中，分界梯度幅值获取的步骤如下：

获取钢丝绳中钢丝内部像素点与钢丝所有像素点的比率；

获取梯度直方图每个梯度幅值的累积频率，当一个梯度幅值的累积频率≥且该梯度幅值前一个梯度幅值的累积频率＜时，以该梯度幅值作为分界梯度幅值；

根据梯度直方图中梯度幅值的分布预设频率阈值分布函数、梯度直方图中的梯度幅值频率及所述分界梯度幅值获取多个不同的所述频率阈值分布函数；

所述频率阈值分布函数如下：

式中，、、为频率阈值分布函数的幅值、标准差、均值参数；

为梯度幅值的频率阈值；

根据每个频率阈值分布函数计算的频率阈值分别对梯度幅值频率进行修正，利用修正后的梯度幅值频率对梯度直方图进行均衡化，得到多个均衡化后的梯度直方图；通过计算每个均衡化后的梯度直方图的梯度幅值熵，获取梯度幅值熵最大的均衡化梯度直方图；利用获取的均衡化梯度直方图对钢丝绳灰度图像增强，获取清晰的钢丝绳图像；

修正后的频率为：

其中，为梯度幅值的频率阈值；为修正后的频率均值：为梯度幅值的频率；

修正后的频率均值的计算公式如下：

式中，为梯度幅值；为最大的梯度幅值；为梯度幅值的个数；

利用均衡化的特征获取频率阈值分布函数的约束条件：

其中，为分界梯度幅值的修正频率；为修正后的频率均值；为梯度幅值的修正频率；为最小的梯度幅值；为最大的梯度幅值；为分界梯度幅值；

根据获取清晰的钢丝绳图像对钢丝绳异常进行检测。

2.根据权利要求1所述的气动风动绞车的异常状态检测方法，其特征在于，根据梯度直方图中的梯度幅值频率及所述分界梯度幅值分别获取的取值范围。

3.根据权利要求2所述的气动风动绞车的异常状态检测方法，其特征在于，

所述的取值范围为；

所述的取值范围为；

所述的取值范围为；

其中，所述为梯度幅值最大值；为分界梯度幅值；为梯度直方图中对应于0梯度幅值的梯度幅值频率。

4.根据权利要求2所述的气动风动绞车的异常状态检测方法，其特征在于，多个不同所述频率阈值分布函数是在参数、的取值范围内以0.1为步长，遍历获取参数、，在参数的取值范围内以1为步长遍历获取参数而获取的。

5.根据权利要求1所述的气动风动绞车的异常状态检测方法，其特征在于，对钢丝绳异常进行检测的过程包括以下步骤：

建立神经网络，将清晰的钢丝绳图像输入该神经网络，输出钢丝绳的异常类别、异常位置及尺寸。