[发明专利]基于机器视觉的自动扶梯驱动链安全检测方法在审

专利信息
申请号: 202310237002.1 申请日: 2023-03-13
公开(公告)号: CN116482105A 公开(公告)日: 2023-07-25
发明(设计)人: 夏豪杰;王磊;曾鸿飞;潘成亮;李维诗;赵会宁 申请(专利权)人: 合肥工业大学
主分类号: G01N21/88 分类号: G01N21/88;G01N21/95;G01N21/01;G01B11/02;G01N3/56
代理公司: 北京科名专利代理有限公司 11468 代理人: 陈朝阳
地址: 230009 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 机器 视觉 自动扶梯 驱动 安全 检测 方法
【权利要求书】:

1.一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,包括以下步骤:

步骤S1,搭建检测装置,检测装置包括对应待测驱动链(1)处设置的支撑架(5),支撑架(5)上设置有与数字光源控制器(4)连接的背景光源(2),背景光源(2)一侧设置有CMOS相机(3),计算机(6)通过CMOS相机(3)实时采集检测图片;

步骤S2,CMOS相机(3)对准待测驱动链需要测量位置,使用计算机(6)控制数字光源控制器(4)调整背景光源(2)亮度,使CMOS相机(3)能够清晰的采集待检测位置;

步骤S3,计算机(6)接收CMOS相机(3)采集到的实时图像,通过图像处理对待测图样进行分析;

所述的图像处理包括:相机标定、预处理、长度测量、缺陷检测;

步骤S31,相机标定,采用张正友标定法重新标定相机的内外参数,并且计算畸变参数;

步骤S32,预处理,包括灰度化、图像增强和形态学处理;

灰度化将原有图片的像素RGB值统一成同一个值,灰度化后的图像将由三通道变为单通道;

图像增强对原始图片的边缘信息、轮廓信息和对比度进行突出或增强,更好的显示图像的有用信息;

形态学处理为对图像进行滤波、剔除无效信息,进一步增强图像的特征信息;

步骤S33,长度测量,通过特征提取、图像拼接与轮廓提取进行处理;

对预处理之后的图片,把链条作为明显的特征从原有的图像中提取出来;

对驱动链进行人工标记分割为相机的有效视野范围大小,采用图像拼接技术把每次拍摄的图片进行拼接

将拼接完成的图像,进行轮廓提取,从而获得完整链条的轮廓,进而测得链条的长度;

步骤S34,缺陷检测,包括特征提取、轮廓提取、边缘检测以及模板匹配;

计算机对于实时接收到的驱动链图片,经过初始化之后进行特征提取,将链条从复杂的背景中提取出来;

通过轮廓提取、边缘检测,获得部分链条的清晰轮廓,判断此部分链条有无明显磨损;

采用模板匹配算法对驱动链内部的磨损缺陷检测,以完好无缺的链条为初始模板,采用基于形状的模板匹配,对链条进行实时检测。

2.根据权利要求1所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S1中,所述的背景光源(2)为条形光源,背景光源(2)的长度尺寸可以根据实际需求进行调整,照射角度、透光度也可以根据需求随时调整。

3.根据权利要求1所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S1中,所述的数字光源控制器(4)是PWM数字调光模式,有4个光控通道,单通道的最大输出功率为30W。

4.根据权利要求3所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S1中,所述的数字光源控制器(4)采用上位机控制,通过RS232通讯接口连接计算机(6),设置各通道的亮度等级,并且可以读取各个通道的当前等级亮度。

5.根据权利要求1所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S1中,所述的CMOS相机(3)与背景光源(2)的高度调节与前后距离的移动,通过调节模组的高度实现CMOS相机(3)高度调整为237.50±100.00mm,背景光源(2)可调高度为287.17±100mm,通过调整旋钮的位置可以调整CMOS相机(3)与背景光源(2)间距范围在50mm-400mm。

6.根据权利要求1所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S33中,所述的图像拼接为采用基于局部特征匹配的图像拼接算法,图像局部特征是由角点、边缘、斑点组成,通过寻求多幅图像间共同的特征,将相同特征进行融合,进而得到高分辨率的宽视角的图像。

7.根据权利要求1所述的一种基于机器视觉的自动扶梯驱动链安全检测方法,其特征在于,所述的步骤S34中,所述的边缘检测采用Canny算子进行边缘检测。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310237002.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top