本發(fā)明涉及鋼絲繩表面缺陷檢測，具體為基于機(jī)器視覺的鋼絲繩表面缺陷檢測方法及系統(tǒng)。

背景技術(shù)：

1、鋼絲繩表面缺陷檢測技術(shù)，是指一種用于檢測鋼絲繩表面缺陷和損傷的技術(shù)，旨在確保鋼絲繩的安全可靠性和使用壽命，鋼絲繩廣泛用于吊裝、運(yùn)輸和其他工業(yè)領(lǐng)域，而表面缺陷可能會影響鋼絲繩的結(jié)構(gòu)完整性和使用性能。

2、現(xiàn)有的鋼絲繩表面缺陷檢測技術(shù)通常都是通過對鋼絲繩表面的灰度變化進(jìn)行分析來檢測鋼絲繩表面是否存在缺陷，而由于鋼絲繩是由許多鋼絲擰在一起組成的，其表面的色澤變化并無規(guī)律，且鋼絲繩表面顏色并不統(tǒng)一，鋼絲繩內(nèi)的鋼絲的色澤在形變過程中會發(fā)生一定改變，但并無規(guī)律，因此通過灰度變化分析鋼絲繩表面是否存在缺陷的可靠性不足，比如在公開號為cn112270658a的專利申請中，公開了一種基于機(jī)器視覺的電梯鋼絲繩檢測方法，該方案就是通過對鋼絲繩圖像內(nèi)的像素點(diǎn)的灰度值進(jìn)行分析來檢測鋼絲繩表面是否存在缺陷，由于鋼絲繩表面的色澤變化并無規(guī)律，因此通過灰度變化分析的方式可靠性不足，現(xiàn)有的鋼絲繩表面缺陷檢測技術(shù)還存在分析方法不夠可靠，導(dǎo)致在進(jìn)行鋼絲繩表面缺陷檢測時易出現(xiàn)誤判的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少在一定程度上解決現(xiàn)有技術(shù)中的技術(shù)問題之一，通過對鋼絲繩表面進(jìn)行圖像采集，獲取鋼絲繩圖像，然后通過opencv邊緣檢測算法對鋼絲繩圖像進(jìn)行邊緣提取，得到邊緣輪廓圖，再基于邊緣輪廓圖對鋼絲繩中的邊界線條進(jìn)行修補(bǔ)，得到修補(bǔ)輪廓圖，然后基于修補(bǔ)輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域，提取單股鋼絲區(qū)域的線形特征，挑選無缺陷的鋼絲繩作為樣本分析線形特征的正常范圍，最后基于線形特征的正常范圍對鋼絲繩的表面缺陷進(jìn)行檢測，以解決現(xiàn)有的鋼絲繩表面缺陷檢測技術(shù)還存在分析方法不夠可靠，導(dǎo)致在進(jìn)行鋼絲繩表面缺陷檢測時易出現(xiàn)誤判的問題。

2、為實(shí)現(xiàn)上述目的，第一方面，本技術(shù)提供基于機(jī)器視覺的鋼絲繩表面缺陷檢測方法，包括如下步驟：

3、對鋼絲繩表面進(jìn)行圖像采集，獲取鋼絲繩圖像；

4、對鋼絲繩圖像進(jìn)行邊緣提取，得到鋼絲繩圖像的邊緣輪廓圖，基于邊緣輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域；

5、提取單股鋼絲區(qū)域的線形特征；

6、基于無缺陷的鋼絲繩的不同單股鋼絲區(qū)域的線形特征分析線形特征的正常范圍并對鋼絲繩的表面缺陷進(jìn)行檢測。

7、進(jìn)一步地，對鋼絲繩表面進(jìn)行圖像采集，獲取鋼絲繩圖像包括如下子步驟：

8、以純白色背景板作為拍攝背景，將鋼絲繩置于純白色背景板前進(jìn)行拍攝；

9、通過高清攝像頭對純白色背景板內(nèi)的鋼絲繩進(jìn)行拍攝，同時通過對鋼絲繩進(jìn)行旋轉(zhuǎn)，對同一段鋼絲繩進(jìn)行第一次數(shù)的拍攝，每次旋轉(zhuǎn)360°/n1，n1為第一次數(shù)，得到鋼絲繩圖像。

10、進(jìn)一步地，對鋼絲繩圖像進(jìn)行邊緣提取，得到鋼絲繩圖像的邊緣輪廓圖，基于邊緣輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域包括如下子步驟：

11、通過opencv邊緣檢測算法對鋼絲繩圖像進(jìn)行邊緣提取，得到邊緣輪廓圖；

12、基于邊緣輪廓圖對鋼絲繩中的邊界線條進(jìn)行修補(bǔ)，得到修補(bǔ)輪廓圖；

13、基于修補(bǔ)輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域。

14、進(jìn)一步地，基于邊緣輪廓圖對鋼絲繩中的邊界線條進(jìn)行修補(bǔ)，得到修補(bǔ)輪廓圖包括如下子步驟：

15、對邊緣輪廓圖進(jìn)行矩形框選，得到框選輪廓，所述框選輪廓為矩形，其中包括長邊以及寬邊，將兩條寬邊的中點(diǎn)相連，將連接的直線標(biāo)記為輪廓中軸線；

16、按照從左下到右上的順序?qū)蜻x輪廓中的像素點(diǎn)進(jìn)行編號，命名為像素編號，通過符號p(n,m)表示，其中，n與m均為非零自然數(shù)且(n,m)為p的序號，p(n,m)表示框選輪廓內(nèi)處于橫向上第n個像素點(diǎn)且處于豎向上第m個像素點(diǎn)的像素點(diǎn)；

17、所述輪廓中軸線的寬度為一個像素點(diǎn)的寬度，將框選輪廓中純黑色的像素點(diǎn)標(biāo)記為輪廓點(diǎn)，獲取處于輪廓中軸線上的輪廓點(diǎn)，標(biāo)記為方向待定點(diǎn)；

18、針對任意方向待定點(diǎn)，獲取處于方向待定點(diǎn)的八鄰域內(nèi)的輪廓點(diǎn)，標(biāo)記為方向延申點(diǎn)，再以方向延申點(diǎn)作為方向待定點(diǎn)再次提取方向延申點(diǎn)，直至提取到第一數(shù)量的方向延申點(diǎn)為止；

19、獲取方向延申點(diǎn)的像素編號，提取其中的m，標(biāo)記為豎向點(diǎn)位，獲取豎向點(diǎn)位的最大值與最小值，分別標(biāo)記為豎向最高點(diǎn)位與豎向最低點(diǎn)位，計(jì)算豎向最低點(diǎn)位與豎向最高點(diǎn)位的差值的絕對值，標(biāo)記為豎向跨度；

20、將豎向跨度與第一跨度閾值進(jìn)行比對，若豎向跨度大于等于第一跨度閾值，則輸出邊界信號，否則輸出非邊界信號；

21、若輸出邊界信號，則將方向延申點(diǎn)所組成的線條標(biāo)記為邊界線條，將邊界線條上的方向延申點(diǎn)標(biāo)記為邊界點(diǎn)；

22、以n為x軸，m為y軸建立平面直角坐標(biāo)系，命名為邊界走向圖，針對任意邊界線條，將其中的邊界點(diǎn)的像素編號的n和m錄入邊界走向圖；

23、對邊界走向圖進(jìn)行線性回歸分析，得到一條邊界回歸直線，將邊界回歸直線按照與邊界點(diǎn)的相對位置放入框選輪廓中，將邊界回歸直線所經(jīng)過的像素點(diǎn)全部標(biāo)記為邊界點(diǎn)，對每一條邊界線條進(jìn)行分析后，得到修補(bǔ)輪廓圖。

24、進(jìn)一步地，基于修補(bǔ)輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域包括如下子步驟：

25、以邊界回歸直線為邊界對框選輪廓進(jìn)行區(qū)域劃分，將兩條邊界回歸直線之間的區(qū)域標(biāo)記為單股鋼絲區(qū)域；

26、所述單股鋼絲區(qū)域中不包括邊界回歸直線所經(jīng)過的邊界點(diǎn)；

27、獲取單股鋼絲區(qū)域內(nèi)輪廓點(diǎn)的數(shù)量，標(biāo)記為像素有效數(shù)量，將像素有效數(shù)量與第二數(shù)量進(jìn)行比對，若像素有效數(shù)量小于第二數(shù)量，則輸出有效像素不足信號，否則輸出有效像素充足信號；

28、判斷單股鋼絲區(qū)域的兩條邊界回歸直線是否都與框選輪廓的兩條長邊存在交點(diǎn)，若是，則輸出區(qū)域完整信號，否則輸出區(qū)域不完整信號；

29、若輸出有效像素不足信號或區(qū)域不完整信號，則將單股鋼絲區(qū)域剔除，僅保留同時輸出有效像素充足信號以及區(qū)域完整信號的單股鋼絲區(qū)域。

30、進(jìn)一步地，提取單股鋼絲區(qū)域的線形特征包括如下子步驟：

31、針對任意單股鋼絲區(qū)域，將其中的輪廓點(diǎn)重命名為區(qū)域點(diǎn)；

32、針對任意區(qū)域點(diǎn)，將其標(biāo)記為目標(biāo)點(diǎn)，查找與目標(biāo)點(diǎn)相鄰的區(qū)域點(diǎn)，標(biāo)記為鄰域點(diǎn)，再以鄰域點(diǎn)為目標(biāo)點(diǎn)依次查找鄰域點(diǎn)，直至不存在鄰域點(diǎn)為止，此時得到的目標(biāo)點(diǎn)與鄰域點(diǎn)組成一個連續(xù)的像素點(diǎn)組成的線條，標(biāo)記為特征線條，再以任意區(qū)域點(diǎn)為目標(biāo)點(diǎn)進(jìn)行分析，已經(jīng)納入特征線條的區(qū)域點(diǎn)不參與分析，重復(fù)執(zhí)行，直至單股鋼絲區(qū)域內(nèi)的所有區(qū)域點(diǎn)均納入不同的特征線條；

33、針對任意特征線條，將其中的目標(biāo)點(diǎn)以及鄰域點(diǎn)統(tǒng)一命名為線條點(diǎn)，獲取線條點(diǎn)的像素編號，獲取其中n的最小值與最大值的差值并加一，標(biāo)記為橫向跨度，獲取其中m的最小值與最大值的差值并加一，標(biāo)記為縱向跨度；

34、按照從上到下的順序?qū)μ卣骶€條進(jìn)行編號，通過符號si表示，其中，i為非零自然數(shù)且i為s的序號；

35、以i為橫軸，分別以橫向跨度和縱向跨度為縱軸建立平面直角坐標(biāo)系，命名為橫向特征圖以及縱向特征圖，將si的橫向跨度錄入橫向特征圖，縱向跨度錄入縱向特征圖，將橫向特征圖內(nèi)的坐標(biāo)點(diǎn)標(biāo)記為橫向特征點(diǎn)，將縱向特征圖內(nèi)的坐標(biāo)點(diǎn)標(biāo)記為縱向特征點(diǎn)；

36、通過平滑曲線將相鄰的橫向特征點(diǎn)相連，得到橫向線形特征，通過平滑曲線將相鄰的縱向特征點(diǎn)相連，得到縱向線形特征，所述橫向線形特征以及縱向線形特征統(tǒng)稱為線形特征。

37、進(jìn)一步地，基于無缺陷的鋼絲繩的不同單股鋼絲區(qū)域的線形特征分析線形特征的正常范圍并對鋼絲繩的表面缺陷進(jìn)行檢測包括如下子步驟：

38、挑選無缺陷的鋼絲繩作為樣本分析線形特征的正常范圍；

39、基于線形特征的正常范圍對鋼絲繩的表面缺陷進(jìn)行檢測。

40、進(jìn)一步地，挑選無缺陷的鋼絲繩作為樣本分析線形特征的正常范圍包括如下子步驟：

41、挑選無缺陷的鋼絲繩作為樣本，標(biāo)記為樣本鋼絲，將樣本鋼絲提取到的線形特征標(biāo)記為樣本特征；

42、將同一區(qū)域不同角度拍攝的鋼絲繩圖像所分析得到的樣本特征歸納為同區(qū)特征，將同區(qū)特征內(nèi)的樣本特征置于同一橫向特征圖以及縱向特征圖中，分別標(biāo)記為橫向分析圖以及縱向分析圖；

43、將橫向分析圖中的橫向線形特征標(biāo)記為橫向分析線，將縱向分析圖中的縱向線形特征標(biāo)記為縱向分析線；

44、針對任意橫軸的取值，獲取橫向分析線中縱軸取值的差值的最大值，標(biāo)記為橫向差值特征；針對任意橫軸的取值，獲取縱向分析線中縱軸取值的差值的最大值，標(biāo)記為縱向差值特征；

45、針對不同的同區(qū)特征，查找橫向差值特征與縱向差值特征的最大值，分別標(biāo)記為橫向最大差值以及縱向最大差值，所述正常范圍包括橫向范圍以及縱向范圍，所述橫向范圍即為[0,橫向最大差值]，所述縱向范圍即為[0,縱向最大差值]。

46、進(jìn)一步地，基于線形特征的正常范圍對鋼絲繩的表面缺陷進(jìn)行檢測包括如下子步驟：

47、將需要進(jìn)行表面缺陷檢測的鋼絲繩標(biāo)記為待檢鋼絲；

48、提取待檢鋼絲的同區(qū)特征的橫向差值特征以及縱向差值特征，分別標(biāo)記為橫向待檢特征以及縱向待檢特征；

49、若橫向待檢特征處于橫向范圍內(nèi)，則輸出橫向正常信號，否則輸出橫向缺陷信號；若縱向待檢特征處于縱向范圍內(nèi)，則輸出縱向正常信號，否則輸出縱向缺陷信號；

50、若同時輸出橫向正常信號與縱向正常信號，則標(biāo)記待檢鋼絲在同區(qū)特征對應(yīng)的表面不存在缺陷，否則標(biāo)記待檢鋼絲在同區(qū)特征對應(yīng)的表面存在缺陷。

51、第二方面，本技術(shù)提供基于機(jī)器視覺的鋼絲繩表面缺陷檢測系統(tǒng)，包括圖像采集模塊、區(qū)域劃分模塊、特征提取模塊以及缺陷檢測模塊；所述圖像采集模塊、區(qū)域劃分模塊以及缺陷檢測模塊分別與特征提取模塊數(shù)據(jù)連接；

52、所述圖像采集模塊用于對鋼絲繩表面進(jìn)行圖像采集，獲取鋼絲繩圖像；

53、所述區(qū)域劃分模塊用于對鋼絲繩圖像進(jìn)行邊緣提取，得到鋼絲繩圖像的邊緣輪廓圖，基于邊緣輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域；

54、所述特征提取模塊用于提取單股鋼絲區(qū)域的線形特征；

55、所述缺陷檢測模塊用于基于無缺陷的鋼絲繩的不同單股鋼絲區(qū)域的線形特征分析線形特征的正常范圍并對鋼絲繩的表面缺陷進(jìn)行檢測。

56、本發(fā)明的有益效果：本發(fā)明通過對鋼絲繩表面進(jìn)行圖像采集，獲取鋼絲繩圖像，然后通過opencv邊緣檢測算法對鋼絲繩圖像進(jìn)行邊緣提取，得到邊緣輪廓圖，再基于邊緣輪廓圖對鋼絲繩中的邊界線條進(jìn)行修補(bǔ)，得到修補(bǔ)輪廓圖，然后基于修補(bǔ)輪廓圖對鋼絲繩進(jìn)行區(qū)域分割，得到其中的單股鋼絲區(qū)域，優(yōu)勢在于，同一條鋼絲繩內(nèi)包含若干條鋼絲，對整體進(jìn)行分析時數(shù)據(jù)量較大，若其中存在較小的瑕疵，對于總體的特征影響較小，不易進(jìn)行精確檢測，特別是較粗的鋼絲繩，而較粗的鋼絲繩是由多股較細(xì)的鋼絲繩組成的，通過對較細(xì)的鋼絲繩進(jìn)行區(qū)域劃分，將鋼絲繩拆解可以有效提高表面缺陷對于線形特征的影響，提高了鋼絲繩表面缺陷分析的準(zhǔn)確性以及有效性；

57、本發(fā)明通過提取單股鋼絲區(qū)域的線形特征，挑選無缺陷的鋼絲繩作為樣本分析線形特征的正常范圍，最后基于線形特征的正常范圍對鋼絲繩的表面缺陷進(jìn)行檢測，優(yōu)勢在于，線形特征反映了單股鋼絲區(qū)域內(nèi)每條鋼絲的特征，若其中存在斷裂以及裂紋等表面缺陷，其線形特征一定會存在較大差別，且通過同一鋼絲繩的同一截部位的不同角度的鋼絲繩圖像進(jìn)行分析，可以減少鋼絲繩表面色澤的差異對于缺陷檢測的影響，因?yàn)橥粭l鋼絲繩的同一截部位內(nèi)的鋼絲無論是在制造工藝還是擰成鋼絲繩時的受力都是相同的，其表面的色澤差異最小，提高了鋼絲繩表面缺陷檢測的精準(zhǔn)性以及合理性。