基于matlab的塔機(jī)卷揚(yáng)機(jī)鋼絲繩纏繞形式圖像識別技術(shù)

崔康基

摘 要：針對由于塔機(jī)卷揚(yáng)機(jī)在纏繞鋼絲繩過程中由于出現(xiàn)亂繩現(xiàn)象導(dǎo)致鋼絲繩磨損問題，利用MATLAB的圖像處理技術(shù)對現(xiàn)場拍攝到的卷揚(yáng)機(jī)鋼絲繩圖像進(jìn)行處理，基于得到的亂繩特征圖像對出現(xiàn)亂繩的位置進(jìn)行標(biāo)記顯示，對排線整齊的部分正常顯示。通過圖像處理可以判斷塔機(jī)卷揚(yáng)機(jī)上纏繞的鋼絲繩是否存在亂繩現(xiàn)象及出現(xiàn)亂繩的位置。

關(guān)鍵詞：鋼絲繩;亂繩;圖像處理;標(biāo)記顯示

0.引言

如今，國內(nèi)城市化建設(shè)進(jìn)程加快，塔式起重機(jī)（以下稱為塔機(jī)）作為建筑施工現(xiàn)場重要的垂直運(yùn)輸機(jī)械，得到了廣泛的應(yīng)用，但塔機(jī)安全管理手段和技術(shù)的相對不足，也導(dǎo)致的塔機(jī)安全事故頻繁發(fā)生。據(jù)不完全統(tǒng)計(jì)，在塔機(jī)服役期間，由于鋼絲繩損傷所引起的安全事故占塔機(jī)設(shè)備事故原因的7%左右，而能引起鋼絲繩損傷的一個(gè)重要的原因就是在塔機(jī)卷揚(yáng)機(jī)對鋼絲繩進(jìn)行纏繞的過程中，由于導(dǎo)向滑輪或排繩裝置異常導(dǎo)致繞繩過程出現(xiàn)亂繩現(xiàn)象，造成鋼絲繩應(yīng)力增加和磨損，縮短了鋼絲繩的使用壽命，易導(dǎo)致鋼絲繩發(fā)生斷裂，造成安全事故的發(fā)生。

故針對上述問題，現(xiàn)階段所采用的技術(shù)是利用視頻監(jiān)測技術(shù)，在卷揚(yáng)機(jī)上方安裝網(wǎng)絡(luò)攝像頭，用于采集卷揚(yáng)機(jī)卷繩的工作狀態(tài)視頻，并顯示在塔機(jī)司機(jī)室內(nèi)的顯示器上，依靠司機(jī)觀察判斷是否出現(xiàn)亂繩現(xiàn)象。本文基于該技術(shù)基礎(chǔ)上，對拍攝到的現(xiàn)場圖片進(jìn)行圖像處理，以一種更加直觀明確的方式判斷顯示出現(xiàn)的亂繩現(xiàn)象，為判斷鋼絲繩纏繞狀態(tài)提供一種輔助手段，方便對出現(xiàn)的亂繩問題進(jìn)行整改。

1.圖像預(yù)處理

由于現(xiàn)場拍攝到的圖片尺寸質(zhì)量不一，卷揚(yáng)機(jī)所在位置也大不相同，故首先要對圖像進(jìn)行幾何操作，將卷揚(yáng)機(jī)分割出來方便以下的操作。

1.1圖像灰度化處理

如果對源色彩圖像進(jìn)行數(shù)字處理，其運(yùn)算量較大，且不利于研究后續(xù)處理。所以我們先將源色彩圖像運(yùn)rgb2gray函數(shù)轉(zhuǎn)化為灰度圖像，然后對經(jīng)過灰度處理的圖像進(jìn)行幾何處理。

1.2圖像插值旋轉(zhuǎn)

在對數(shù)字圖像進(jìn)行旋轉(zhuǎn)的時(shí)候，各像素的坐標(biāo)會發(fā)生變化，使得旋轉(zhuǎn)之后不能正好落在整數(shù)坐標(biāo)出，需要進(jìn)行插值。使用imrotate可以對圖像進(jìn)行插值旋轉(zhuǎn)，其默認(rèn)插值方法為最鄰近插值法。

1.3圖像剪切

在對圖像進(jìn)行插值旋轉(zhuǎn)之后，對卷揚(yáng)機(jī)部分進(jìn)行剪切。運(yùn)用imcrop函數(shù)，剪切圖像中的一個(gè)矩陣子圖，通過調(diào)整矩陣參數(shù)獲得圖像中卷揚(yáng)機(jī)的部分。

1.4噪聲中值濾波

由于天氣狀況、背景干擾等特殊因素的影響，圖像被引入了各種噪聲，導(dǎo)致圖像質(zhì)量下降，影響視覺效果和信息的可用性，故要對圖像進(jìn)行降噪處理。

本文采用的降噪方法為中值濾波，原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)數(shù)值用該店的某個(gè)領(lǐng)域中所有點(diǎn)的中值來代替。它的優(yōu)點(diǎn)是運(yùn)算簡單且速度快，在濾除噪聲尤其是濾除脈沖噪聲的同時(shí)，能很好的保護(hù)信號的細(xì)節(jié)信息。將進(jìn)行完幾何變換之后的圖像進(jìn)行中值濾波，完成降噪處理。

2.動態(tài)閾值分割-bernsen算法

為解決圖像中的陰影、光照不均勻、各處的對比度不同、突發(fā)噪聲、背景灰度變化等因素導(dǎo)致的圖像鋼絲繩排列狀況不易觀察區(qū)分的問題采用圖像分割中的動態(tài)閾分割。可以用于坐標(biāo)相關(guān)的一組閾值（即閾值是坐標(biāo)的函數(shù)）來對圖像各個(gè)部分分別進(jìn)行分割，該方法的時(shí)間復(fù)雜度和空間復(fù)雜度比較大，但抗噪聲能力強(qiáng)，對一些用全局閾值法不易分割的圖像有較好的效果。

本文采用的動態(tài)閾值算法為Bernsen算法，通過對每個(gè)像素確定以它為中心的一個(gè)窗口.計(jì)算窗口內(nèi)的最大值和最小值，再取它們的平均值作為該點(diǎn)的閾值，可以證明圖像像素點(diǎn)灰度值和該閾值的差具有二階導(dǎo)數(shù)的性質(zhì)，故取差的過零點(diǎn)就可以得到二值分割結(jié)果。Bernsen算法的具體過程如下：

對圖像中各個(gè)像素點(diǎn)（i，j）用b（i，j）值逐點(diǎn)進(jìn)行二值化。

用bernsen法對預(yù)處理完成的三張圖片進(jìn)行分割，可以得到得到鋼絲繩的排線狀態(tài)。

3.尋找亂繩特征位置

3.1灰度直方圖

灰度直方圖表示數(shù)字圖像中各灰度級與其出現(xiàn)的概率的統(tǒng)計(jì)關(guān)系，對圖像進(jìn)行灰度直方圖的繪制，找出出現(xiàn)亂繩特征的位置其灰度級的不同狀態(tài)。

3.2二值化處理

根據(jù)繪制的直方圖，找出亂繩位置的灰度級范圍，將在此范圍之內(nèi)的灰度級統(tǒng)一為灰度級255，在該范圍之外的灰度級統(tǒng)一為灰度級0。

3.3 bwareaopen函數(shù)

為保障二值化處理后的圖像不受一些細(xì)小噪聲的影響，使用bwareaopen函數(shù)將一些出現(xiàn)在圖像中面積較小的區(qū)域刪除掉，增加亂繩特征位置識別的準(zhǔn)確性，經(jīng)過處理的圖像如下：

4.標(biāo)記亂繩特征位置

4.1灰度膨脹函數(shù)

為使二值化處理的特征位置圖像表現(xiàn)出來的亂繩特征更加明顯，便于區(qū)分，運(yùn)用imdilate灰度膨脹函數(shù)對特征圖像進(jìn)行膨脹處理。

4.2連通域標(biāo)記函數(shù)

經(jīng)過灰度膨脹處理后的特征圖像表現(xiàn)出來的特征為出現(xiàn)亂繩特征的位置，其相鄰的灰度級為255的特征會連通為同一塊區(qū)域，亂繩位置與連通區(qū)域個(gè)數(shù)相同，故用 連通域標(biāo)記函數(shù)bwlabel將連通區(qū)域的位置和個(gè)數(shù)計(jì)算出來，本文采用8連通尋找區(qū)域，指一個(gè)像素，如果和其他像素在上、下、左、右、左上角、左下角、右上角或右下角連接著，則認(rèn)為他們是聯(lián)通的。

4.3標(biāo)記亂繩位置

基于上述的圖像處理工作，運(yùn)用rectangle函數(shù)繪制標(biāo)記矩形，將計(jì)算得到的亂繩特征出現(xiàn)的不同位置用綠色矩形在灰度圖像中標(biāo)記出來，其效果圖如下：

5.總結(jié)

本文基于機(jī)器視覺技術(shù)運(yùn)用matlab將塔機(jī)卷揚(yáng)機(jī)在工作過程中出現(xiàn)的亂繩現(xiàn)象在圖像資料中標(biāo)記出來，目的以輔助工作人員對卷揚(yáng)機(jī)鋼絲繩狀態(tài)進(jìn)行判斷，對出現(xiàn)問題的塔機(jī)卷揚(yáng)機(jī)鋼絲繩及時(shí)進(jìn)行整改，避免安全事故的發(fā)生。本文雖對出現(xiàn)亂繩現(xiàn)象的圖像進(jìn)行識別標(biāo)記，但整個(gè)識別缺乏智能化，對每一副圖像都要確定基礎(chǔ)參數(shù)，需要在日后的工作中進(jìn)行優(yōu)化。

參考文獻(xiàn)

[1] 秦貝貝，毛一敏，王艷梅.MATLAB在數(shù)字圖像處理中的應(yīng)用[J].無線互聯(lián)科技，2018，12：135-136.

[2] 黃岳銳，黃楷佳.基于圖像處理的車牌識別與字符分割及MATLAB實(shí)現(xiàn)[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2019，10：64-66.