一种基于视觉的卷绳缠绕异常检测装置及方法制造方法及图纸

本发明专利技术公开了一种基于视觉的卷绳缠绕异常检测装置及方法，其中检测装置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。本发明专利技术利用工业摄像机采集钢绳卷轴的图像，然后在工控机中进行纹理检测和高性能边缘检测，得到最终的异常检测判断，从而实现实时检测是否出现缠绕异常，便于及时停止错误缠绕操作并重新进行正确缠绕操作，降低损失。降低损失。降低损失。

【技术实现步骤摘要】
一种基于视觉的卷绳缠绕异常检测装置及方法


[0001]本专利技术涉及视觉检测
，尤其涉及一种基于视觉的卷绳缠绕异常检测装置及方法。

技术介绍

[0002]在各类工程应用中，为了避免钢绳因为受力不均匀或者互相碾压等原因造成的磨损，卷轴在收回钢绳时，通常都要求严格按照钢绳缠绕的先后顺序进行逐圈排列。但是在实际操作过程中，难免会出现缠绕异常现象出现，主要分成一下两种：
[0003]异常缠绕类型A：钢绳经过了多圈的非规则缠绕，每圈缠绕方向都不完全一致。
[0004]异常缠绕类型B：绝大多数钢绳缠绕正常，只有少数几圈出现明显的缠绕方向偏差。
[0005]在钢绳卷轴应用现场，由于没有自动检测报警装置，当操作员发现时，缠绕异常现象往往已经发生很久，造成钢绳损坏，导致经济损失。

技术实现思路

[0006]本专利技术的目的是针对现有技术的不足之处而提出一种基于视觉的卷绳缠绕异常检测装置及方法，在卷轴在收回钢绳，当出现缠绕异常时，能够及时检测出来，便于及时停止错误缠绕操作并重新进行正确缠绕操作，降低损失。
[0007]实现本专利技术目的技术方案是：
[0008]一种基于视觉的卷绳缠绕异常检测装置，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。
[0009]进一步地，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。
[0010]进一步地，所述工业摄像头与工控机之间通过USB线或以太网线相连。
[0011]一种基于视觉的卷绳缠绕异常检测方法，采用如上所述的基于视觉的卷绳缠绕异常检测装置，包括以下步骤：
[0012]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；
[0013]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；
[0014]步骤S3：对预处理后的钢绳卷轴画面进行卷绳ROI(Region of Interests)提取，从而从图像中取出卷绳所在区域；
[0015]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；
[0016]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。
[0017]进一步地，所述步骤S4中的纹理检测基于HOG(Histogram of Oriented Gradients)方法，具体包括以下步骤：
[0018]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，根据经验，子区域尺寸通常采用16x16或32x32像素尺寸，然后分别计算每个子区域内的纹理方向与强度；
[0019]步骤S42：利用机器学习方法，对获得的HOG特征分布进行分类，具体的，将不同方向的纹理强度组成一个固定长度的多维向量，通过训练一个分类器对这些向量进行分类；
[0020]判断纹理特征是否分布均匀，具体地，通过人工来判断、并对用于分类器训练的训练样本进行标注，通过已进行良好训练的分类器，即可实现判断纹理特征是否均匀；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。
[0021]进一步地，所述机器学习方法为SVM(Support Vector Machine)方法。
[0022]进一步地，所述步骤S4中的高性能边缘检测基于UCM(Ultrametric Contour Map)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。具体地，在卷绳ROI区域内，通过UCM方法，计算每个有效边缘对应的像素权重，对属于有效边缘的像素权重进行累加。正常缠绕时，卷绳ROI区域内的有效边缘的像素权重比较均匀，而且取值都小于阈值T，所述阈值T根据经验预先设定；当异常缠绕B存在时，会存在像素权重明显大于阈值T的边缘，并且该边缘的像素权重强度会明显大于卷绳ROI区域内的其他边缘的像素权重。
[0023]进一步地，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。
[0024]采用了上述技术方案，本专利技术具有以下的有益效果：
[0025](1)本专利技术检测装置利用摄像机采集钢绳卷轴的图像，然后通过工控机中的缠绕异常检测模块实时检测是否出现缠绕异常，当出现缠绕异常时，能够及时检测出来，便于及时停止错误缠绕操作并重新进行正确缠绕操作，降低损失。
[0026](2)本专利技术检测装置还设有报警模块，通过信号报警器或直接向外部系统发送报警数据，及时提醒操作人员，响应迅速。
[0027](3)本专利技术工业摄像头和工控机之间提供了两种连接方式，适应不同场景使用需求，适用范围广。
[0028](4)本专利技术检测方法通过对实时采集的图像进行处理，提取卷绳ROI区域，将钢绳卷轴缠绕异常画面分成两大类，分别进行纹理检测判断是否存在异常缠绕类型A以及进行高性能边缘检测判断是否存在异常缠绕类型B，从而准确地判断出缠绕异常现象；当发现缠绕异常时，及时报警，并将异常画面输出至外部系统。
[0029](5)本专利技术检测方法的纹理检测基于HOG方法，通过将选定的卷绳ROI区域划分成多个子区域，对子区域内的纹理方向与强度进行计算，从而保证测试结果的准确性；通过机器学习方法，对获得的HOG特征分布进行分类，从而高效准确地判断纹理特征是否分布，进而判断是否存在异常缠绕类型A。
[0030](6)本专利技术的机器学习方法为SVM方法，在小样本、非线性及高维模式识别中具有
明显优势，能够高效准确地进行分类。
[0031](7)本专利技术基于UCM方法进行高性能边缘检测，检测有效边缘的同时计算有效边缘的像素权重，通过像素权重客观地反映出是否存在异常缠绕类型B。
[0032](8)本专利技术通过对采集的图像进行预处理，减少外部干扰，从而提高后期分析地准确度。
附图说明
[0033]为了使本专利技术的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本专利技术作进一步详细的说明，其中：
[0034]图1为本专利技术基于视觉的卷绳缠绕异常检测装置的结构简图；
[0035]图2为本专利技术基于视觉的卷绳缠绕异常检测方法的流程图。
[0036]附图中的标号为：
[0037]工业摄像头1、工控机2。
具体实施方式
[0038]为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0039](实施例1)
[0040]如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：袁龙涛，瞿鑫，蒋鑫，
申请(专利权)人：中科领目常州智能科技有限公司，
类型：发明
国别省市：