[发明专利]一种气动风动绞车的异常状态检测方法

说明书

本发明公开了一种气动风动绞车的异常状态检测方法，属于绞车智能检测技术领域；包括以下步骤：获取钢丝绳灰度图；获取多个不同的所述频率阈值分布函数；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，获取清晰的钢丝绳图像；根据获取清晰的钢丝绳图像对钢丝绳异常进行检测。本发明利用计算机视觉，对采集到的钢丝绳图像进行处理，结合钢丝绳梯度直方图对钢丝绳图像进行图像增强，根据增强后的图像获取钢丝绳异常。

技术领域

本发明涉及绞车智能检测技术领域，具体涉及一种气动风动绞车的异常状态检测方法。

背景技术

气动风动绞车以叶片式气动马达为动力，通过行星齿轮减速机传递动力至滚筒起吊重物，具有体积小、重量轻、结构紧凑、操作简单、维修方便等特点。在气动风动绞车使用前，需对气动风动绞车状态进行检查，以确保使用过程中的安全。

气动风动绞车的钢丝绳为起吊重物的重要部件，因此对钢丝绳的异常检查至关重要。对于齿轮箱内的钢丝绳由人工可以进行异常检查，但对于气动风动绞车上方的钢丝绳，由于其距离操作人员较远，人工检查容易误检或漏检。

目前，通过图像处理对钢丝绳进行检测过程中，若直接根据清晰度较差的钢丝绳图像进行异常检测，得到的结果准确率较低。因此需对钢丝绳灰度图像进行增强。现有的图像增强方法如直方图均衡化存在图像熵下降、细节丢失等问题，梯度直方图均衡化存在过度增强的问题。

发明内容

为了解决现有技术中的不足，本发明提供一种气动风动绞车的异常状态检测方法，该方法利用计算机视觉，对采集到的钢丝绳图像进行处理，首先，根据钢丝绳梯度直方图中梯度幅值的分布获取频率阈值分布函数；其次，根据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获取梯度幅值熵最大的均衡化梯度直方图；再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；最后根据增强后的清晰的钢丝绳图像对其钢丝绳进行异常检测获取钢丝绳异常；为此实现了对气动风动绞车上方的钢丝绳进行异常检查，同时也可对齿轮箱内的钢丝绳进行异常检查，提高检查准确率以及检查效率。

本发明的目的是提供一种气动风动绞车的异常状态检测方法，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；

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；

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；

根据获取清晰的钢丝绳图像对钢丝绳异常进行检测。

优选的，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。

更优选的，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。

更优选的，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。