文摘

因为我的潮湿,阴暗,它不容易检测到刚性罐直接通道的结构破坏。因此,我们判断槽通道的表面状况通过检测提升容器的振动位移的大小。在我们的研究中,我们使用激光视觉系统测量结构振动位移。为了准确地细分激光点的振动图像信息,我们提出了一个方法,链接之间的关系附近区域的灰度值阈值点和背景的灰度值到目标图像。我们使用多国评价评估阈值分割的分割效果,验证了改进算法的精度检测激光点的像素重心。在我们的研究结果表明,该改进算法的最佳阈值分割效果,可以接近0.0003,错误分类的最小偏差得到振动位移接近0.1像素,从而实现准确提取振动信号的垂直轴槽。该方法的新颖性在于精确的阈值分割和降噪处理激光斑点的振动图像在各种干扰环境下矿井提升系统的操作和振动信号的精确采集。准确评估的研究工作提供了一个基础的机械自动化技术的缺点。

1。介绍

中国的煤炭资源是充满活力的,它是一个重要组成部分的能量场<一个href="#B1">1]。矿井提升机系统进行运输任务,比如煤炭、设备和人员,其运行状态直接影响到煤矿的安全、高效生产。提升容器时干扰操作期间,将产生结构振动。通过分析其振动特征,矿井提升系统的健康可以间接获得。有许多现有的振动测量方法,通常采用接触加速度传感器法。然而,这种方法容易信号失真,延迟,和其他后果<一个href="#B2">2]。相比之下,机器视觉的非接触光学测量技术已经得到了越来越多的关注由于其优势,如高精度和直觉(<一个href="#B3">3]。激光点的视觉测量方法振动位移是指结合激光和CCD相机,标记上的激光点振动,使用CCD相机采集激光标记点,并执行相应的图像处理获得的振动位移测量的位置(<一个href="#B4">4),如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig1/" target="_blank">1。

图像分割的技术和流程是将一幅图像划分为几个特定区域并提出功能目标。阈值分割的方法吸引了太多的关注它的简单性和适应性<一个href="#B5">5]。更广泛使用的阈值算法基于最大方差大津方法类之间;这是一个日本学者首先提出的图像二值化算法。然而,大津法具有一定的局限性。对于一些干扰图像和灰度直方图的双峰特征不显著,分割精度不能保证。许多学者改进的大津方法算法适应复杂的图像在更多的情况下。Ng提出了一个组内的方差方法,强调槽,使用灰度值的概率作为阈值作为权重,并将它添加到目标组内的方差公式,所以图像分割的最佳阈值往往槽位置的灰度值(<一个href="#B6">6]。在此基础上,风扇和雷<一个href="#B7">7)提出了一个组内的方差方法强调槽附近,考虑目标和背景的灰度值分布,并添加所有像素的概率权重分布在附近的阈值点。沈et al。<一个href="#B8">8)提出了一种递归的multithreshold分割方法。基于强调波谷的邻居,相关因素之间的相对关系渠道和直方图的波峰补充说,有效地改善了分割结果的边界信息。为了考虑中心像素之间的空间关系及其附近,Yu介绍基于区域提出了一种新的活动轮廓模型,有效段相似的图像通过测量当地的补丁(<一个href="#B9">9]。第二年,一个新的水平集方法用于医学图像分割,提出了基于自适应扰动,它可以有效地分割医学图像与强度不均匀性(<一个href="#B10">10]。

上面的算法改进的大津法在一定程度上和同样也被证明是有用的标记目标分割。然而,这种改进算法的分割效果不均匀地照亮图像和噪声图像是有限的。煤矿的地下环境是复杂的,而且它是具有挑战性的,以确保图像CCD接收到不受噪声的影响,灰尘,和强烈的光。此外,地下矿山环境潮湿,激光是容易产生异常透射光在传播过程中,杂散光。鬼成像表现重新塑造几个反映造成的杂散光灯在光传输系统(<一个href="#B11">11,<一个href="#B12">12]。在视觉系统中,鬼聚集在图像表面图像由CCD摄像头接收将会增加图像的噪声。激光点的质心可能检测到错误。

当硬件措施不能消除噪音,可以优化图像预处理(<一个href="#B13">13]。本研究分析了相关改进算法的问题标记激光散斑细分脉冲噪声的干扰下,强烈的光线,和鬼图片。考虑到不同的干扰对图像灰度值分布的影响,提出了一种改进算法。结合灰度值的像素邻域阈值点的灰度值之差的背景和目标图像直方图,附近的范围大小和灰度值的比值的阈值点的背景,和阈值点的灰度值到目标区域,选择最优阈值更接近理想的分割阈值。数学形态学的算法具有良好的噪声鲁棒性,结合数学形态学处理图像分割,避免下——或者oversegmentation生成在阈值分割,有效地解决环境干扰的影响,提高分割的目标质量(<一个href="#B14">14]。

2。研究基础

收集故障的振动图像垂直轴吊装罐,立井提升系统如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig2/" target="_blank">2建成。这个实验可以模拟三种失效模式的步骤撞,关节错位,和关节间隙,通过采取不同的坦克故障和收集和提升容器的振动图像。提升速度是0.18米/秒,造成的冲击力造成的高频振动影响一步槽通道的缺陷导致激光斑质心的位移像素。CCD相机传感器连接到中心提升容器的顶部。荧光屏幕上放置H以上镜头,和荧光屏相对固定的CCD相机。两个激光发射器对称安装在同一个平面上高于我的坦克,和发射的方向是向下的。在这个实验中,激光点立井提升系统试验台的振动图像收集。

实验硬件条件Core i5 - 3470 CPU 3.20 GHZ,使用MATLAB R2015a和编程环境。如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig3/" target="_blank">3,我们的研究的图片收集DMK33G618 CCD工业相机成像提供的源代码,分辨率为640×480像素,最大帧率120 fps, 16毫米的镜头焦距。激光发射器的两套超小红点,发光纯红色激光波长为650 nm。红斑可以手动调整的大小从0.4毫米到几厘米。它还采用防腐DC插头电缆,适用于全天候和各种环境使用,如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig4/" target="_blank">4。

激光视觉振动测量系统是建立和完成,和相机的程序设计收集振动图像完成。然后,执行一系列的算法处理得到振动图像,振动的激光点图像检测,振动位移信息的激光点的质心提取,和它的像素坐标实时获得。基本的想法是做图像预处理在振动分析和阈值分割图像收集的相机和存储静态激光点的质心坐标信息开始。在下一帧图像,实时激光点的质心坐标,初始质心坐标计算,和激光点的相对振动位移信息获取;流程如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig5/" target="_blank">5。

3所示。传统的大津阈值分割算法

大津法自动阈值法最大化类之间的方差。基于灰度直方图的算法来源于使用最小二乘的原则。它有快速处理速度和操作简单的特点。它是一种常用的方法。它的特点是处理速度快,操作简单,是一种常用的阈值选择方法(<一个href="#B15">15]。的基本思想如下:

一个数字图像F= (f(x,y)]_米×N的大小米 N,f(x,y)代表灰度值的像素点(x,y),有l能级灰色值,即f(x,y)H,H= {0、1、2…l−1}。的灰度值l(0l l−1)设置为横坐标,像素的灰度值的数量l在图像h(l)为纵坐标,绘制图像的灰度直方图。像素的灰度值l出现在图像的概率如下:

在哪里l= 0,1,…,l−1。同时,

阈值T设置划分相对应的图像中像素灰度直方图分为两种类型:背景区域C₀和目标区域C₁,在那里C₀像素的总数吗 灰度值在[0,T),C₁的灰度值是(T+ 1,l−1)像素的总数 ;像素区域的比例如下:

的平均值C₀和C₁如下:

从(<一个href="#EEq4">4),我们可以看到 在哪里代表背景区域的平均值C₀,表示目标区域的平均值C₁,代表图像的全球平均值。

然后,类间方差定义如下:

考虑到T∈(0,l−1)T值达到最大值时的最优阈值

研究传统的阈值分割效果大津算法,一个不干扰激光点图像被选为验证。

如图<一个href="//www.newsama.com/journals/sv/2021/9590547/fig6/" target="_blank">6可以看出,传统的大津法分割不干扰激光点图像。虽然目标可以提取,分割目标部分不能完全匹配与原来的激光点,导致错误的检测中心。黑色区域是背景部分小于阈值灰度值,白色区域是目标部分灰度值大于阈值。因为传统的大津方法不完全独立的目标和背景抗干扰的激光点图像,它不探索干扰下的图像分割的效果。

4所示。其他改进算法

近年来,国内外学者做了许多优化改进基于大津法使大津法广泛而有效地进行阈值分割。Ng (<一个href="#B6">6)提出了灰度值时发生概率灰度直方图的阈值作为权重因子。图像分割的最佳阈值的灰度值往往是槽的位置。改进的具体表达式如下:

风扇等人提出了一个基于Ng平滑直方图加权大津方法(<一个href="#B7">7]。这包括阈值点的灰度值和权重考虑所有像素的分布在附近的阈值点。概率信息让权重和阈值定位更准确更有效。改进的具体表达式如下:

其中, 在哪里代表像素灰度值之和的概率分布阈值T附近的灰度直方图(2k+ 1),加强的可能性在直方图的灰度值。

基于平滑直方图的权重,沈<一个href="#B8">8)的概率进一步考虑槽的灰度值直方图和灰度值的相对高度的运河和邻近的山峰。他们使用它作为项目选择阈值时的重量。改进的具体表达式如下:

其中,

在哪里h_l(T),h_R(T)是最近的峰值的概率直方图的灰度值的像素。结合阈值附近的像素值和阈值的相对高度和相邻波峰,目标分配比的影响降低,和公式的最优解往往是灰度值。如果灰度值T是相邻的左派和右派的山峰,T用于取代这个峰值的灰度值。

探索改进的大津算法的阈值分割效果,不同规格的不干扰激光散斑图像我和激光散斑图像的高强度光ii, iii脉冲噪声,鬼像第四选择。这些阈值分割算法分别处理(<一个href="#B12">12]。

从数据可以看出<一个href="//www.newsama.com/journals/sv/2021/9590547/fig7/" target="_blank">7- - - - - -<一个href="//www.newsama.com/journals/sv/2021/9590547/fig10/" target="_blank">10Ng,风扇,和沈算法都是成功的分段激光点图像不受干扰。由于强烈的光的灰度值接近目标点的灰度值,Ng算法使用灰色的社区作为体重增加的比例槽。强烈的光的干涉下,最终阈值几乎完全是在后台区域。沈算法认为硅谷灰度值之间的关系和左派和右派的峰值灰色值,使阈值更向目标。最终的分割效果是改善与风扇算法相比,但分割失败。Ng算法只考虑谷在图像的灰度值;强烈的光的干涉下,最终的分割效果高于风扇和沈算法,但分割失败。包括大津阈值和70%和80%的像素范围内,激光点不能完全分开的强烈的光背景。鬼成像也是一种杂散光。Ng、风扇和沈算法未能段,这不能保证目标点的完整性。 It can be seen from the figure that the Ng, Fan, and Shen algorithms do not affect impulse noise.

5。改进的算法

的具体改进计划是:图像直方图、灰度值过滤掉l_米在背景峰直方图和灰度值l_n在目标峰值。的遍历范围阈值T是l_米<T<l_n。背景的灰度值的峰值l_米。总像素点的灰度值l_n在目标波高峰N_一个;阈值T在直方图和灰度值T在附近(2k+ 1)像素的总数N_一个所有灰度值,占领了灰色背景。全部像素点比度值的灰色的目标价值P_l(T);距离阈值的背景和灰色的目标价值X_米和X_n,分别。的灰度值T在阈值附近占阈值的背景,和目标灰度值的比值差异 ;上述参数加权因素引入大津法和改进的目标类间方差的公式如下:

它可以从改进的组内的方差目标公式P_l(T),P_X(T)作为加权系数和权重因素的文献[<一个href="#B6">6)的总和。背景目标灰度值和像素信息被添加到目标灰色。度值的组内的方差相对增加。最优阈值范围是进一步接近目标灰度值,这减少了影响最优阈值,当背景比例很大。

数学形态学的形态是由一组代数操作符,可以解决噪声抑制等图像处理问题,特征提取,阈值分割和形状识别<一个href="#B16">16]。严于2019年提出了一个新颖的早期故障检测策略基于增强规模形态帽产品过滤(ESMHPF),实现噪声抑制的效果和功能增强(<一个href="#B17">17]。同时,基于多尺度形态学分析算法特征选择框架提出了构建多区的特性,突出故障症状,抑制了噪声,提高故障检测能力(<一个href="#B18">18]。

激光点的目标分割完成后,包含激光点的二进制图像。然而,仍有一定的噪音,但仍然干扰后续的检测。在这方面,选择的形态来过滤杂质干扰。自从激光点图像是由几个小的激光点,结合环境噪声的特点,半径是定义为2像素结构元素,和S是用来分割图像执行打开和关闭操作,定义如下: 在哪里表示膨胀算子,表示腐蚀算子,打开操作符,关闭操作符。

6。实验结果的讨论

测试改进的阈值分割算法的分割效果在垂直轴上槽的振动图像,分割性能评估由两个评价指标:误分类错误(MCE)和像素重心偏移。多国评价代表单个图像阈值分割的结果,这表明错误的比例划分背景像素时目标区域图像的目标像素分为背景区域。像素重心偏移值代表了机器视觉的综合评价的结果振动位移检测在实际操作。它代表的偏差值激光点像素重心的位移在分割图像和笼子里的位移坦克在立井提升系统上运行。

7所示。多国评价评价阈值分割结果

多国评价是用来评估阈值分割的影响<一个href="#B19">19]。多国评价∈[0,1]代表的概率阈值分割后的图像分类错误,其中0表示没有错误分类的图像像素,1意味着完整的错误分类的图像像素,和多国评价价值越大,分类错误的像素越多。多国评价定义如下:

在哪里B_o和一个_o分别是标准的背景区域和目标区域像素分割状态(没有标准分割图像,手动调整到最佳分割效果作为标准分割图像)B_T和一个_T分别是在测试背景区域和目标区域像素分割状态。点的数量、║代表像素的数量。

如表所示<一个href="//www.newsama.com/journals/sv/2021/9590547/tab1/" target="_blank">1,一个图像的分割效果可以看到通过多国评价的价值。无论如果没有干扰或其他干扰,在这项研究改进算法的分割效果是最好的。目视检查失败,多国评价价值不足以承担整体图像分割效果的负担。最重要的是获得的振动位移是否准确和有用的。因此,有必要计算分割后像素重心的位置偏差。

8。算法有效性测试

测试在这个研究分割算法,在相同的实验环境,改进后的算法在本研究使用没有干扰我,强光下脉冲噪声干扰图像II, III和鬼成像脉冲噪声干扰下图像阈值分割,探索其分割效果。测试图片和相应的阈值分割结果如图11 - 13。

我们可以看到数据的分割结果<一个href="//www.newsama.com/journals/sv/2021/9590547/fig11/" target="_blank">11- - - - - -<一个href="//www.newsama.com/journals/sv/2021/9590547/fig13/" target="_blank">13算法的阈值取决于这个研究能有效区分目标和背景边缘地区(<一个href="#B20">20.]。尽管一些噪声处理是左边,目标点的特征信息在测试图像可以被保留特性匹配。

质心检测是进行上述分割图像,和标准的均方误差是用来检测原始质心坐标和实际质心坐标(<一个href="#B21">21),定义如下:

(在哪里x₁,y₁)是激光的实际质心坐标点和分割图像 最初的质心坐标,单位是像素。

如表所示<一个href="//www.newsama.com/journals/sv/2021/9590547/tab2/" target="_blank">2从偏差值,可以看出激光点的重心在分割的算法,该方法在本研究略高于其他方法抗干扰的图像。然而,强烈的光干涉图像脉冲噪声和鬼成像干涉图像脉冲噪声下,该算法的改进阈值远比其他三个阈值分割算法。根据激光散斑的特性,因此,本研究可以提高基于大津法阈值分割算法和数学形态学结合段激光散斑振动图像。

9。结论

本研究提出了一种激光视觉检测方法对垂直轴刚性罐路面失败。针对振动现场图像,获得一种改进的大津分割算法。根据槽的相对高度的灰度值直方图和最近的峰值,背景介绍。之间的相对关系目标灰度值和像素信息用作重量,结合数学形态学处理,有效地分割点的形状和数据在脉冲噪声,高强度光干扰,鬼成像的干扰。因此,提升容器的振动位移得到更准确。沈Ng算法比较,风扇算法,算法和改进的阈值算法的研究,结果表明,该算法的分割效果在这个研究是显著提高与其他算法相比,错误分类可以接近0.0003,分割效果是最好的。对比实验和现场图像的像素重心检测和偏差值。最小误差值接近0.1像素,现场验证信息的准确性和完整性算法分割。

本研究主要采用激光视觉系统,数学形态学的融合,一种改进的大津阈值分割算法检测立井提升容器的振动图像。后续将进一步讨论智能故障诊断方法诊断垂直轴刚性罐通道故障准确。

数据可用性

视频数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由安徽大学的自然科学研究基金(批准号KJ2020A0281),安徽省自然科学基金(批准号2008085 me178),国家重点实验室(批准号SKLMRDPC20ZZ01),安徽大学一流的人才计划(批准号gxbjZD202020063),安徽大学的合作创新项目(批准号gxxt - 2019 - 048),安徽省的主要研究和发展计划(批准号202104 a07020005)。