System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种用于索具在使用过程中寿命预测的图像分析方法技术_技高网

一种用于索具在使用过程中寿命预测的图像分析方法技术

技术编号:42129169 阅读:15 留言:0更新日期:2024-07-25 00:44
本发明专利技术涉及图像分析处理技术领域,具体涉及一种用于索具在使用过程中寿命预测的图像分析方法,该方法包括:采集使用过程中的索具图像,经灰度处理得到索具灰度图像,计算各像素点的梯度异常监测序列内各元素的异常梯度度量指数,并计算各像素点的磨损边缘凹凸变化指数,进而获取各像素点的索具磨损特征指数;构建各像素点的局部灰度异变指数及锈蚀亮度特征变化指数,基于此获取各像素点的索具锈蚀特征指数;基于各像素点的索具磨损特征指数及索具锈蚀特征指数获取各像素点的索具损坏特征值,结合索具损坏特征值对使用过程中索具寿命进行预测。本发明专利技术提高了索具在使用过程中寿命预测的准确性。

【技术实现步骤摘要】

本申请涉及图像分析处理,具体涉及一种用于索具在使用过程中寿命预测的图像分析方法


技术介绍

1、索具一般是指与缆绳配套的器具,如松紧器、紧索夹、套环等器具,通常情况下将这类器具统称为索具。随着索具行业的发展,索具普遍应用于许多工业领域,比如港口运输、建筑以及工程机械,索具作为缆绳的重要组成部分,往往承担着吊装及运载的安全。索具质量的好坏,关系到索具使用的安全程度,因此提高索具制造的质量具有重要的现实意义。

2、通常情况下,索具在使用过程中,由于使用环境的影响,索具上容易出现磨损、锈蚀等情况,导致索具使用的安全性较低。通常情况下,当索具在使用过程中损坏程度达到某一水平,此时索具已经不能使用,应及时更换索具,保证索具使用的安全性。因此,对索具的使用寿命进行预测具有重要的安全意义。

3、随着图像处理技术的发展,大多通过采集使用过程中索具的图像,通过图像特征提取算法识别索具损坏的程度,从而对使用过程中索具的寿命进行预测。常见的图像特征提取算法如canny边缘检测算法,但是传统的canny边缘检测算法提取到的边缘特征具有较大的复杂性,提取到的边缘特征内含有正常的边缘与缺陷边缘。所以,传统的canny边缘检测算法无法准确地只识别缺陷边缘,从而影响对索具损坏程度的评定,使得对索具的使用寿命预测的准确性较低。


技术实现思路

1、为了解决上述技术问题,本专利技术提供一种用于索具在使用过程中寿命预测的图像分析方法,以解决现有的问题。

2、本专利技术的一种用于索具在使用过程中寿命预测的图像分析方法采用如下技术方案:

3、本专利技术一个实施例提供了一种用于索具在使用过程中寿命预测的图像分析方法,该方法包括以下步骤:

4、采集使用过程中的索具图像,经灰度处理得到索具灰度图像;

5、根据索具灰度图像各像素点的梯度幅值及各像素点的局部变化情况获取各像素点的梯度异常检测序列及边缘光滑性变化序列;根据各像素点的梯度异常检测序列内元素之间的差异获取各像素点的梯度异常监测序列内各元素的异常梯度度量指数;根据各像素点的边缘光滑性变化序列内元素差异及所有元素的变异系数获取各像素点的磨损边缘凹凸变化指数,根据所述异常梯度度量指数及磨损边缘凹凸变化指数获取各像素点的索具磨损特征指数;根据索具灰度图像中各像素点的灰度值获取各像素点的局部灰度异变指数,根据各像素点的局部灰度异变指数及像素点的亮度值构建各像素点的锈蚀亮度特征变化指数,根据各像素点的锈蚀亮度特征变化指数及局部像素点的亮度值获取各像素点的索具锈蚀特征指数;基于各像素点的索具磨损特征指数及索具锈蚀特征指数获取各像素点的索具损坏特征值;

6、根据各像素点的索具损坏特征值获取使用过程中索具寿命的预测结果。

7、优选的,所述根据索具灰度图像各像素点的梯度幅值及各像素点的局部变化情况获取各像素点的梯度异常检测序列及边缘光滑性变化序列,包括:

8、采用sobel边缘检测算法获取索具灰度图像中各像素点的梯度幅值及所有边缘像素点;

9、将以索具灰度图像中各像素点为中心的n×n的方形窗口,作为各像素点的搜索窗口,将各像素点的搜索窗口内各像素点的梯度幅值作为各像素点的梯度异常检测序列的各元素;将各像素点的搜索窗口内所有边缘像素点组成的曲线作为搜索窗口的边缘曲线,计算边缘曲线上每个边缘像素点位置处的曲率,将像素点的搜索窗口内每个边缘像素点的所述曲率作为像素点的边缘光滑性变化序列的每个元素。

10、优选的,所述根据各像素点的梯度异常检测序列内元素之间的差异获取各像素点的梯度异常监测序列内各元素的异常梯度度量指数,包括:

11、对于各像素点的梯度异常检测序列内各元素,计算各元素与梯度异常检测序列的元素均值的差值绝对值,获取各元素与其他元素的差值绝对值,计算两个差值绝对值的乘积,将各元素与所有其他元素计算得到的所述乘积的均值作为各元素的异常梯度度量指数。

12、优选的,所述根据各像素点的边缘光滑性变化序列内元素差异及所有元素的变异系数获取各像素点的磨损边缘凹凸变化指数,包括:

13、当像素点为索具灰度图像中的边缘像素点时,像素点的磨损边缘凹凸变化指数表达式为:

14、

15、式中,ci表示索具灰度图像中第i个像素点的磨损边缘凹凸变化指数,n表示索具灰度图像中第i个像素点的边缘光滑性变化序列内元素数目,exp()为以自然常数为底数的指数函数,bi,c和bi,c-1分别表示索具灰度图像中第i个像素点的边缘光滑性变化序列内第c个、第c-1个元素,表示索具灰度图像中第i个像素点的边缘光滑性变化序列内所有元素的变异系数,∈为预设大于零的数值;

16、反之,像素点的磨损边缘凹凸变化指数为0。

17、优选的,所述根据所述异常梯度度量指数及磨损边缘凹凸变化指数获取各像素点的索具磨损特征指数,包括:

18、对于各像素点,获取像素点的梯度异常检测序列内所有元素的异常梯度度量指数的均值,计算像素点的梯度异常检测序列内所有元素的异常梯度度量指数的信息熵,获取像素点的磨损边缘凹凸变化指数与预设大于零的数值的和值,将所述均值、所述信息熵以及所述和值三者的乘积的归一化值作为像素点的索具磨损特征指数。

19、优选的,所述根据索具灰度图像中各像素点的灰度值获取各像素点的局部灰度异变指数,包括:

20、对于索具灰度图像中各像素点,获取像素点的搜索窗口内所有像素点灰度值的均方差,计算像素点的灰度值与像素点的搜索窗口内各像素点的灰度值的差值绝对值,获取像素点与搜索窗口内所有像素点计算得到的所述差值绝对值的均值,将所述均方差与所述均值的乘积作为像素点的局部灰度变异指数。

21、优选的,所述根据各像素点的局部灰度异变指数及像素点的亮度值构建各像素点的锈蚀亮度特征变化指数,包括:

22、将索具图像进行lab转换获取各像素点的亮度值,对于各像素点,采用聚类算法将像素点的搜索窗口内所有像素点的亮度值分为两个聚类簇,计算每个聚类簇内所有亮度值的均值,将均值大的聚类簇作为像素点的索具特征聚类簇,将均值小的聚类簇作为像素点的索具锈蚀特征聚类簇;第i个像素点的锈蚀亮度特征变化指数fi的表达式为:

23、

24、式中,gi表示索具灰度图像中第i个像素点的索具锈蚀特征聚类簇内元素个数,ei表示索具灰度图像中第i个像素点的局部灰度异变指数,ri、分别表示索具灰度图像中第i个像素点的索具特征聚类簇内的亮度均值、第i个像素点的索具锈蚀特征聚类簇内第g个亮度值,∈为预设大于零的数值。

25、优选的,所述根据各像素点的锈蚀亮度特征变化指数及局部像素点的亮度值获取各像素点的索具锈蚀特征指数,包括:

26、计算各像素点的搜索窗口内所有像素点亮度值的均值,将所述均值作为以自然常数为底数的指数函数的指数;计算各像素点的索具锈蚀特征聚类簇与索具特征聚类簇的簇内元素个数之间的比值;将所述指数函数的计算本文档来自技高网...

【技术保护点】

1.一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,该方法包括以下步骤:

2.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据索具灰度图像各像素点的梯度幅值及各像素点的局部变化情况获取各像素点的梯度异常检测序列及边缘光滑性变化序列,包括:

3.如权利要求2所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的梯度异常检测序列内元素之间的差异获取各像素点的梯度异常监测序列内各元素的异常梯度度量指数,包括:

4.如权利要求3所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的边缘光滑性变化序列内元素差异及所有元素的变异系数获取各像素点的磨损边缘凹凸变化指数,包括:

5.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据所述异常梯度度量指数及磨损边缘凹凸变化指数获取各像素点的索具磨损特征指数,包括:

6.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据索具灰度图像中各像素点的灰度值获取各像素点的局部灰度异变指数,包括:

7.如权利要求2所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的局部灰度异变指数及像素点的亮度值构建各像素点的锈蚀亮度特征变化指数,包括:

8.如权利要求7所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的锈蚀亮度特征变化指数及局部像素点的亮度值获取各像素点的索具锈蚀特征指数,包括:

9.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述基于各像素点的索具磨损特征指数及索具锈蚀特征指数获取各像素点的索具损坏特征值,包括:

10.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的索具损坏特征值获取使用过程中索具寿命的预测结果,包括:

...

【技术特征摘要】

1.一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,该方法包括以下步骤:

2.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据索具灰度图像各像素点的梯度幅值及各像素点的局部变化情况获取各像素点的梯度异常检测序列及边缘光滑性变化序列,包括:

3.如权利要求2所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的梯度异常检测序列内元素之间的差异获取各像素点的梯度异常监测序列内各元素的异常梯度度量指数,包括:

4.如权利要求3所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据各像素点的边缘光滑性变化序列内元素差异及所有元素的变异系数获取各像素点的磨损边缘凹凸变化指数,包括:

5.如权利要求1所述的一种用于索具在使用过程中寿命预测的图像分析方法,其特征在于,所述根据所述异常梯度度量指数及磨损边缘凹凸变化指数获取各像素点的索具磨损特征指数,包括:

【专利技术属性】
技术研发人员:杜大平张体学张来星谷家骏李泉付善举孔彦峰韩磊张熙靳晨辉
申请(专利权)人:山东神力索具有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1