一种基于机器视觉的皮带纵向撕裂缺陷识别方法及系统与流程

本发明涉及皮带检测，具体来说，涉及一种基于机器视觉的皮带纵向撕裂缺陷识别方法及系统。

背景技术：

1、带式输送机是工矿领域核心连续输送设备，皮带纵向撕裂作为最常见、危害最高的隐蔽性故障之一，极易引发断带、物料洒落及安全事故，对其进行高精度、高实时性自动识别是实现智能运维的关键。

2、现有识别技术多基于单一可见光图像或灰度图像，仅获取皮带表面二维纹理，无法同步表征微观纹理变化与纵向宏观几何形变，检测维度单一；在粉尘遮挡、光照不均及皮带磨损等复杂工况下，图像特征易缺失失真，难以完整捕捉早期微弱撕裂和隐性错动，环境鲁棒性差。

3、同时，传统视觉算法未结合皮带纤维编织方向这一固有结构特性进行先验约束，仅依靠通用边缘检测与阈值分割提取线状特征，无法有效区分接头纹理、表面划痕等伪缺陷与真实纵向撕裂裂纹，误检率高、抗干扰能力弱。

4、此外，现有方法多为静态单帧图像分割，未利用裂纹沿程扩展的物理特性进行动态分析，缺乏对撕裂扩展趋势及演化规律的量化判别，对萌芽状撕裂灵敏度低，仅能检出成型大开口缺陷，预警严重滞后，难以满足预防性安全监测需求。

5、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种基于机器视觉的皮带纵向撕裂缺陷识别方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、根据本发明的一个方面，提供了一种基于机器视觉的皮带纵向撕裂缺陷识别方法，该方法包括：

4、s1、对获取的皮带表面的偏振纹理图像与皮带纵向高度序列进行时空配准与多模态融合处理，输出复合数据场；

5、s2、基于复合数据场提取梯度突变界面线，并结合皮带纤维编织方向对梯度突变界面线进行滤波与连接处理，生成撕裂候选脊线及撕裂候选脊线端点初值集合；

6、s3、以撕裂候选脊线端点初值集合作为种子点，并结合复合数据场对撕裂候选脊线进行沿程扩展特性分析，得到撕裂候选脊线的真实性判定结果及撕裂前缘动态扩展向量；

7、s4、以真实性判定结果为真实撕裂脊线的撕裂候选脊线端点为起点，以撕裂前缘动态扩展向量为引导，沿撕裂候选脊线方向搜索撕裂尖端，当满足预设阈值条件时锁定撕裂边界并映射至皮带空间坐标，输出撕裂区域的位置、几何尺寸及风险等级。

8、根据本发明的另一个方面，还提供了一种基于机器视觉的皮带纵向撕裂缺陷识别系统，该系统包括：

9、多模态融合模块，用于对获取的皮带表面的偏振纹理图像与皮带纵向高度序列进行时空配准与多模态融合处理，输出复合数据场；

10、候选脊线提取模块，用于基于复合数据场提取梯度突变界面线，并结合皮带纤维编织方向对梯度突变界面线进行滤波与连接处理，生成撕裂候选脊线及撕裂候选脊线端点初值集合；

11、裂纹真伪判别模块，用于以撕裂候选脊线端点初值集合作为种子点，并结合复合数据场对撕裂候选脊线进行沿程扩展特性分析，得到撕裂候选脊线的真实性判定结果及撕裂前缘动态扩展向量；

12、缺陷量化识别模块，用于以真实性判定结果为真实撕裂脊线的撕裂候选脊线端点为起点，以撕裂前缘动态扩展向量为引导，沿撕裂候选脊线方向搜索撕裂尖端，当满足预设阈值条件时锁定撕裂边界并映射至皮带空间坐标，输出撕裂区域的位置、几何尺寸及风险等级。

13、本发明的有益效果为：

14、1、本发明通过偏振纹理图像与纵向高度序列的双模时空配准融合，构建同时携带微观纹理与宏观轮廓的复合数据场，实现了皮带表面微观应力特征与宏观几何形变的同步精准感知，显著提升缺陷特征提取的完整性与环境鲁棒性。

15、2、本发明引入皮带纤维编织方向作为先验约束，对梯度突变界面线进行方向一致性筛选，并结合沿程幂律扩展特性分析对撕裂候选脊线进行真伪鉴别，在保障真实撕裂高检出率的同时协同抑制接头、磨损等非撕裂纹理干扰。

16、3、本发明通过沿程幂律扩展指数与差分信号持续增强的双重判据，将撕裂识别从静态图像分割提升为沿程扩展物理特性的动态验证，对早期微弱撕裂具备高灵敏度，可在撕裂扩展初期实现可靠检出。

17、4、本发明通过集成多模态融合、协同判别、闭环追踪与多维风险分级，显著提升了撕裂检出准确率、几何尺寸测量精度与高危预警时效性，实现了安全监测与智能运维的双重目标。

1.一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述对获取的皮带表面的偏振纹理图像与皮带纵向高度序列进行时空配准与多模态融合处理，输出复合数据场包括：

3.根据权利要求2所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述将预处理后的偏振纹理图像与高程图配准至统一坐标系包括：

4.根据权利要求1所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述基于复合数据场提取梯度突变界面线，并结合皮带纤维编织方向对梯度突变界面线进行滤波与连接处理，生成撕裂候选脊线及撕裂候选脊线端点初值集合包括：

5.根据权利要求4所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述对复合数据场进行计算，得到梯度幅值图与梯度方向图，对梯度幅值图进行非极大值抑制细化处理，提取梯度突变界面线包括：

6.根据权利要求4所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述结合皮带纤维编织方向与梯度突变界面线在梯度方向图中对应的局部方向，对梯度突变界面线进行方向一致性筛选，得到沿程界面线段包括：

7.根据权利要求1所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述以撕裂候选脊线端点初值集合作为种子点，并结合复合数据场对撕裂候选脊线进行沿程扩展特性分析，得到撕裂候选脊线的真实性判定结果及撕裂前缘动态扩展向量包括：

8.根据权利要求7所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述根据沿程增长的幂律指数是否落入预设撕裂纹理扩展特征区间，以及沿程差分信号序列是否持续增强，对撕裂候选脊线进行真实性判定，得到真实性判定结果包括：

9.根据权利要求1所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，所述以真实性判定结果为真实撕裂脊线的撕裂候选脊线端点为起点，以撕裂前缘动态扩展向量为引导，沿撕裂候选脊线方向搜索撕裂尖端，当满足预设阈值条件时锁定撕裂边界并映射至皮带空间坐标，输出撕裂区域的位置、几何尺寸及风险等级包括：

10.一种基于机器视觉的皮带纵向撕裂缺陷识别系统，用于实现权利要求1-9中任一项所述的一种基于机器视觉的皮带纵向撕裂缺陷识别方法，其特征在于，该系统包括：