[发明专利]一种钢丝绳磨损的检测方法及装置

权利要求书

1.一种钢丝绳磨损的检测方法，其特征在于，所述方法包括下述步骤：

获取待检测钢丝绳的初始处理图像；

对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；

识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；

对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；

依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；

所述磨损评估数W的计算公式为：

W＝ABS(S-b)/(b-a)*100％；

其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。

2.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线采用K-means聚类算法识别。

3.根据权利要求2所述的钢丝绳磨损的检测方法，其特征在于，所述斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；

其对应熵值S公式为：

当采用平均值统计时，S＝(K1+K2+K3+...+Kn)/n；

或

当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。

4.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述钢股线的斜率的获取包括下述步骤：

在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；

依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。

5.根据权利要求1所述的钢丝绳磨损的检测方法，其特征在于，所述待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。

6.一种钢丝绳磨损的检测装置，其特征在于，所述装置包括：

初始图像获取模块，用于获取待检测钢丝绳的初始处理图像；

边缘检测模块，用于对所述待检测钢丝绳的初始处理图像进行canny边缘检测算法处理，生成canny边缘检测效果图；

分类识别模块，用于识别所述canny边缘检测效果图中的钢丝绳边缘轮廓线、钢股线、及钢股中的钢丝线；

混乱度统计模块，用于对所述canny边缘检测效果图中所有的钢股线的斜率进行混乱程度进行统计量的计算，生成熵值S；

磨损评估数生成模块，用于依据所述熵值S输出描述所述钢丝绳磨损程度的磨损评估数W；

所述磨损评估数W的计算公式为：

W＝ABS(S-b)/(b-a)*100％；

其中，所述a，b为S的最小值和最大值，所述ABS(S-b)为S与b差值的绝对值，所述W的范围为[0，100％]。

7.根据权利要求6所述的钢丝绳磨损的检测装置，其特征在于，所述分类识别模块采用采用K-means聚类算法识别canny边缘检测效果图中钢丝绳的钢股线、钢丝线、及钢丝绳边缘轮廓线。

8.根据权利要求7所述的钢丝绳磨损的检测装置，其特征在于，所述混乱度统计模块中斜率混乱程度统计量的计算采用所述钢股线斜率的平均值或或者标准差统计；

其对应熵值S公式为：

当采用平均值统计时，S＝(K1+K2+K3+...+Kn)/n；

或

当采用标准差统计时，所述K1、K2、Kn为canny边缘检测效果图中所有钢股线的斜率，所述K为钢股线斜率的平均值。

9.根据权利要求6所述的钢丝绳磨损的检测装置，其特征在于，所述混乱度统计模块还包括：

直线拟合生成模块，用于在所述canny边缘检测效果图中使用连通区域分析算法获取每个联通区域内的像素点，所述连通区域分析算法采用Two-Pass算法或Seed-Filling种子填充算法；

斜率生成模块，用于依据所述像素点拟合出每条钢股线的线段，所述线段的斜率即为钢股线的斜率Kn。

10.根据权利要求6所述的钢丝绳磨损的检测装置，其特征在于，所述初始图像获取模块中待检测钢丝绳的初始图像为在待检测钢丝绳原始图像中进行自动或者人工抠图生成。