[发明专利]一种基于机器视觉的起重机制动器健康状态评估方法

权利要求书

1.一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于该方法包括以下步骤：

(1)通过图像采集单元采集起重机制动器制动力矩标尺，起重机制动器推杆行程标尺图像；

(2)图像采集单元将采集的图像传输至上位机；

(3)上位机对采集的图像进行图像预处理；

(4)通过数字图像处理方法读出图像中标尺的数值；

(5)用人工智能方法进行起重机制动器健康状态评估；

(6)根据评估结果识别起重器制动器健康状态。

2.根据权利要求1所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述步骤(3)图像预处理的具体步骤如下：

(3-1)对图像采集系统进行标定，采集并设定标准图像模板；

(3-2)用标准图像模板对采集的图像进行图像质量评估，评估指标包括：亮度、对比度、信噪比及结构；

(3-3)设定阈值将采集的图像质量根据指标分类，根据分类结果对采集的图像进行图像增强；

(3-4)对增强后图像进行图像倾斜校正。

3.根据权利要求2所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述图像增强包括直方图均衡化、二值化、图像去雾及腐蚀膨胀处理。

4.根据权利要求2所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述图像倾斜校正具体是通过边缘检测算法检测图像边缘，通过霍夫变换检测标尺边缘直线，计算直线与水平坐标轴夹角，对图像进行旋转使图像边缘垂直水平坐标轴。

5.根据权利要求1所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述步骤(4)的数字图像处理方法的具体步骤包括：

(4-1)分离标尺图像刻度与数值；

(4-2)用标准数字模板与数值图像进行图像匹配，读出刻度对应数值；

(4-3)通过游标像素计算游标指示的数值。

6.根据权利要求5所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述图像匹配为模板匹配。

7.根据权利要求1所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述步骤(5)的评估方法的具体步骤包括：

(5-1)用记录的起重机制动器数据训练人工智能算法模型；

(5-2)将采集的制动器参数输入训练好的人工智能算法模型，识别制动器状态和拟合制动器寿命曲线。

8.根据权利要求7所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述人工智能算法模型包括人工神经网络模型和支持向量机模型。

9.根据权利要求7所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述制动器参数包括标尺的数值和制动器的规格参数。

10.根据权利要求1所述的一种基于机器视觉的起重机制动器健康状态评估方法，其特征在于所述步骤(6)的识别制动器健康状态具体为：根据设定的制动器健康状态阈值，将制动器状态分为严重、一般、良好及健康。