专利名称：一种基于x光图像处理技术的钢丝绳损伤检测方法
技术领域：
本发明涉及钢丝绳损伤识别领域，特别涉及一种基于X光图像处理技术的钢丝绳损伤检测方法。
背景技术：
钢丝绳在矿山、冶金、航运、旅游和建筑等诸多行业得到广泛应用，在使用过程中会发生疲劳、腐蚀、磨损、甚至断裂等现象，钢丝绳破断引发的事故危及人身和设备安全，因此实时监测钢丝绳损伤情况具有十分重要的社会和经济效益。多年来，人们一直探索检测钢丝绳缺陷的各种方法，主要有人工检测法、电磁法、X 光射线检测法等。人工检测法，即由专业人员定期对钢丝绳进行外观检查，采用卡尺测量、 手摸或目测等方式寻找缺陷。该方法简单易行，但难以探测到钢丝绳内部缺陷，同时受人为因素的影响较大，很容易造成漏检。电磁法是根据电磁原理，将钢丝绳磁化，然后通过检查磁场曲线实现对截面损失的定量检测，但磁场曲线不能反映缺陷的周向分布情况，而且易受工作环境的干扰，不能保证得到准确的磁场曲线。X光射线检测法是一种基于X射线投影成像及计算机图像处理的无损探伤技术。 其原理是利用钢丝绳对X射线吸收率的不同，通过X射线吸收量的变化生成透视图像，利用图像纹理的变化来监测钢丝绳缺陷是否已经发生。该方法可实现实时检测、信息量丰富，国内外已开发出基于X光探测原理的钢丝绳检测系统。但在实际应用中，由于钢丝绳工作环境恶劣，线路传输、射线散射、及钢丝绳自身振动等因素也会降低图像质量；同时，图像信号转换过程中会引入大量测量噪声，造成图像像素值出现偏差。特别是当出现较小缺陷时，测量误差的影响往往掩盖了钢丝绳损伤的信息，很难判断损伤是否已经发生。因此需要进一步提高钢丝绳X光检测的可靠性和智能性。近年来，随着计算机技术、模式识别等领域的快速发展，人工智能方法也引入损伤检测领域。例如，在现已公开的关于钢丝绳损伤检测的专利中，发明专利(公开号为CN 1928543A) “基于霍尔传感器阵列的钢丝绳无损检测方法”，以霍尔传感器阵列获取缺陷标样处的漏磁信号，采用K-L变换提取特征量并以此训练神经网络，再以该网络检验实际缺陷。发明专利申请(公开号为CN201010146881.X) “X光成像的钢丝绳芯拉伸故障自动检测方法”，根据局部直方图信息筛选拼接钢丝绳芯完整X光图像，采用改进的差分算法和聚类方法实现对接头拉伸故障的自动检测。但如果要取得较好的预测效果，上述方法都需要收集大量可靠的试验数据充分训练预测模型，这在很大程度上限制了人工智能方法的广泛应用。近年来出现的支持向量机算法(Support Vector Machine, SVM),能够在样本量较少的情况下亦能获得很好的学习效果，并避免神经网络等方法模型参数难于确定、过学习以及局部极小化等问题，在数据样本量较少的情况下亦能获得很好的学习效果。基于X光图像处理技术的钢丝绳损伤检测，很适合支持向量机算法的应用。
发明内容
针对上述问题，本发明的主要目的在于在现有钢丝绳X光图像检测技术的基础上，进一步提高钢丝绳损伤监测的可靠性和精度，提出一种基于X光图像处理技术的钢丝绳损伤检测方法。为了要解决上述的技术问题，本发明的技术方案如下首先采集钢丝绳X光图像并预处理，通过数字图像增强处理技术提高图像质量。然后选取一组典型无缺陷钢丝绳X 光图像，计算纹理能量并经过合成变换处理，得到相应的纹理能量特征向量，从而建立无缺陷钢丝绳图像训练样本集。接着通过支持向量机分类算法，构建钢丝绳损伤检测模型。待测图像的能量特征向量输入到分类模型中，即可判断损伤是否发生，并可进一步确定损伤发生位置。本发明是通过下述技术方案来解决上述技术问题的一种基于X光图像处理技术的钢丝绳损伤检测方法，其特征在于所述方法包括如下步骤(I).采集预处理钢丝绳X光图像；X射线发生器发射X光束穿透钢丝绳，由X射线光伏探测器接收，经采集得到钢丝绳X光二维投影图像，并转换为24位(bit)离散的图像数字信号。根据现场测试环境特点，进行图像增强处理。测量噪声可分成随机噪声和系统噪声。通过图像平滑滤波处理方法减少随机测量噪声，利用图像补偿的方法降低系统测量噪声。(2).取一组典型无缺陷钢丝绳X光图像，进行纹理能量计算得到能量特征向量， 建立无缺陷钢丝绳图像训练样本集；选取一组典型无缺陷钢丝绳X光图像，首先进行纹理能量计算，即对图像中每个像素及其邻域的灰度分布进行一阶统计分析，采用模板滤波方式实现。一般可取3 5个 5X5的模板，将每幅图像与模板进行卷积运算，分别得到与之对应的纹理能量图。将每幅图像对应的所有纹理能量图合成为一幅能量图，然后采用高斯滤波对合成图进行平滑处理，就得到了一组无缺陷钢丝绳X光图像的纹理能量特征向量，从而建立了无缺陷钢丝绳图像训练样本集。(3).建立基于支持向量机分类算法的钢丝绳损伤检测模型；将步骤(2)所建立的训练样本输入到支持向量机分类算法中，选择合适的核函数及相关参数，建立基于支持向量机算法的钢丝绳损伤检测模型。为了提高支持向量机算法的计算精度，需要选择合适的核函数，一般常用的核函数有线性核函数、多项式核函数以及径向基核函数等。通过计算发现，采取径向基函数能够取得较好的预测效果。径向基函数参数的选择，利用遗传算法自动寻优得到。(4).待测图像分类将待测钢丝绳X光图像的能量特征向量输入步骤(3)建立的损伤检测模型中，即可判断缺陷是否发生，并可进一步通过图像差值运算确定损伤发生位置。本发明的积极进步效果在于本发明提供的基于X光图像处理技术的钢丝绳损伤检测方法具有以下优点本发明利用支持向量机对钢丝绳X光图像进行分类，一方面可以降低X光测试噪声的干扰，提高计算精度；另一方面将待测X光图像的能量特征向量输入到检测模型中，即可接判断是否发生损伤。从而提高了 X光图像的处理精度，简化了损伤识别过程，节省检测时间。
图I本发明提供的基于X光图像处理技术的钢丝绳损伤检测方法的具体流程图。
具体实施例方式下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。本发明提供的基于X光图像处理技术的钢丝绳损伤检测方法的具体流程图，如图 I所示。本发明的基于X光图像处理技术的钢丝绳损伤检测方法，按以下步骤具体实施I)钢丝绳X光图像采集预处理。X射线光伏探测器接收到钢丝绳X光束，采集得到钢丝绳的二维投影图像，并转换为24位(bit)离散的图像数字信号。根据现场测试环境特点，进行图像预处理。对于随机测量噪声，可通过多次平滑滤波图像处理方法进行处理。例如先用3X3的窗口进行一次中值滤波，再用5X5窗口进行二次中值滤波，这样处理后的图像比只用3X3的窗口进行滤波的效果好。而测量系统噪声可以用图像补偿的方法降低。在没有射线照射的情况下，可采集空白暗场图像进行补偿。2)然后建立无缺陷钢丝绳图像训练样本集。选取一组典型无缺陷钢丝绳X光图像，首先进行纹理能量计算合成，得到X光图像的纹理能量特征向量，这就建立了一组无缺陷钢丝绳图像训练样本集。例如，可选取9幅无缺陷钢丝绳X光图像进行处理。取3个一维矢量，分别为L = (I 4 5 4 I)、E = (-1 -2 I 2 I)和 S = (-1 O 3 0-1)。将这 3 个矢量经过两两不同的组合及行列矢量积运算，构造5个二维5X5矩阵作为模板，分别为
权利要求
1.一种基于X光图像处理技术的钢丝绳损伤检测方法，其特征在于所述方法包括如下步骤(1).采集预处理钢丝绳X光图像；将采集到的钢丝绳X光二维投影图像转换为24位 (bit)离散的图像数字信号，并进行图像增强处理降低测量噪声。(2).取一组典型无缺陷钢丝绳X光图像，进行纹理能量计算得到能量特征向量，建立无缺陷钢丝绳图像训练样本集；(3).将步骤(2)所建立的训练样本集输入到支持向量机分类算法中，建立基于支持向量机分类算法的钢丝绳损伤检测模型；(4).待测图像分类将待测钢丝绳X光图像的能量特征向量输入步骤(3)得到的损伤检测模型中，即可判断缺陷是否发生，并可进一步确定缺陷发生的位置。
2.根据权利要求I所述的基于X光图像处理技术的钢丝绳损伤检测方法，其特征在于 步骤(2)中的具体步骤包括选取一组典型无缺陷钢丝绳X光图像，进行纹理能量计算合成，得到与之对应的纹理能量图；然后采用高斯滤波进行平滑处理，就得到了无缺陷钢丝绳 X光图像的能量特征向量，建立无缺陷钢丝绳图像训练样本集。
3.根据权利要求I所述的基于X光图像处理技术的钢丝绳损伤检测方法，其特征在于 步骤(3)中的具体步骤包括选择径向基核函数，并利用遗传算法自动寻优函数参数，将步骤(2)所建立的训练样本集输入到支持向量机分类算法中，建立基于支持向量机分类算法的钢丝绳损伤检测模型。
全文摘要
本发明涉及一种基于X光图像处理技术的钢丝绳损伤检测方法，包括如下步骤(1)采集预处理钢丝绳X光图像；(2)取一组典型无缺陷钢丝绳X光图像，进行纹理能量计算得到能量特征向量，建立无缺陷钢丝绳图像训练样本集；(3)将步骤(2)所建立的训练样本集输入到支持向量机分类算法中，建立基于支持向量机分类算法的钢丝绳损伤检测模型；(4)待测图像分类将待测钢丝绳X光图像的能量特征向量输入步骤(3)得到的损伤检测模型中，即可判断缺陷是否发生，并可进一步确定缺陷发生的位置。本发明所提出的方法适用于钢丝绳损伤检测，能够提高缺陷识别精度，实现钢丝绳缺陷判断智能化。
文档编号G01N23/04GK102590247SQ20121005554
公开日2012年7月18日 申请日期2012年3月5日 优先权日2012年3月5日
发明者刘龙, 董达善 申请人:上�：Ｊ麓笱�
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
