一种强抖动下基于形态学滤波的钢丝绳断丝检测方法与流程

1.本发明属于无损检测技术领域，更为具体地讲，涉及一种强抖动下基于形态学滤波的钢丝绳断丝在线检测方法。


背景技术：

2.如今，钢丝绳已广泛用于诸如货物运输、电梯和水坝之类的场景中。然而，钢丝绳会由于腐蚀、磨损或其他因素而损坏受到损坏，并且这种损伤是不可避免的。钢丝绳表面的局部缺陷是钢丝绳的一种常见缺陷。如果不及时检测到这种缺陷，可能会对人们的生命财产造成重大损失。例如，曾经世界上最大的单碟射电望远镜的波多黎各阿雷西博天文台在2020年因未及时更换钢丝绳而倒塌。因此，为了防止因为钢丝绳损伤断裂造成事故，钢丝绳需要在使用前和使用中确认表面健康状况。
3.用于钢丝绳断丝检测的无损检测方法有很多，例如超声波探伤法、x光诊断法。但目前较为成熟的方法仍是电磁检测法。在电磁检测法中，最受欢迎的方法是通过检测钢丝绳的漏磁信号来判断钢丝绳表面的健康状况。这一方法是利用钢丝绳的磁通量与钢丝绳有效体积的相关性。当使用永磁体或通电线圈磁化钢丝绳时，钢丝绳会与检测装置形成闭合回路。当钢丝绳表面有断丝时,有效体积减少会导致通过断口空气隙外泄的漏磁通相对增大，在这一情况下，通过使用传感器采集漏磁信号即可分析钢丝绳断丝情况。
4.目前，有收集漏磁信号的集成传感器很多，例如霍尔传感器、穿隧磁阻效应(tunnel magnetoresistance effect，简称tmr)传感器和巨磁阻效应(giant magnetoresistance effect，简称gmr)传感器。此外，在漏磁(magnetic flux leakage，简称mfl)检测检查设备中使用这些传感器有两个思路。第一种思路是使用单通道集成传感器检测漏磁信号。尽管这种方法成本更低，但是扫描整个swr却要花费大量时间。因此，第二种方法更受欢迎，是使用传感器阵列来采集漏磁信号。通过使用多通道信号，钢丝绳钢丝绳的健康状况更准确被诊断。
5.然而，在断丝信号检测中，不可避免地有噪声影响检测效果。目前主要发现的有两种噪声，一种是因为钢丝绳表面凹凸不平的结构导致的“股波噪声”。另一种是因为钢丝绳或者装置不可避免的抖动产生的“抖动噪声”。到目前为止，对股波噪声的研究比较成熟，但对抖动噪声的研究不足。并非像研究股波噪声一样，抖动噪声对钢丝绳断丝检测的影响，抖动噪声的信号特征、图像特征，有效的抖动噪声消除算法都是未知的。目前作为参考的股波噪声消除算法，大多数是利用股波噪声信号的周期性特征，在一维信号层面进行滤波。但是在使用多路传感器矩阵的诊断装置采集漏磁信号的情况下，实际上获得的信号信息是空间上的信号。因此，使用二维空间特征进行图像处理是比一维信号处理的更加有效的。
6.从以上分析可以看出，现有的钢丝绳断丝诊断技术在去噪，尤其是抖动噪声方面是不足的。因此，对在强抖动噪声影响下的钢丝绳漏磁信号处理与断丝检测方法进行深入研究是很有必要的，而且，如果能够使用空间下的抖动信号特征设计去噪算法，例如形态学滤波，算法的有效性以及鲁棒性相比一维信号处理会更加出色。


技术实现要素：

7.本发明的目的在于克服现有技术的不足，提供一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，首次将形态学图像处理方法应用于由多路漏磁信号构成的三维漏磁图像之中，利用股波噪声、抖动噪声在图像形态学特征上与断丝图像不同的特点，将股波噪声，抖动噪声依次滤除，最终得到去噪后的断丝图像以便于对钢丝绳表面损伤状况进行评估。
8.为实现上述发明目的，本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，其特征在于，包括以下步骤：
9.(1)、采集漏磁信号；
10.使用拥有k路霍尔矩阵的检测装置扫描待测钢丝绳表面，得到k路漏磁信号，其中，第n0路漏磁信号记为x0(m0,n0)，m0表示第m0个采样点，n0表示第n0个传感器；
11.(2)、对每一路漏磁信号进行去趋势处理；
12.(2.1)、利用卡尔曼滤波器对漏磁信号x0(m0,n0)进行滤波处理，得到估计的漏磁信号
13.(2.2)、将漏磁信号x0(m0,n0)减去滤波后的漏磁信号得到去趋势后的漏磁信号x1(m0,n0)；
[0014][0015]
(3)、消除每一路漏磁信号的股波噪声；
[0016]
(3.1)、使用m点线性插值的方法对漏磁信号x1(m0,n0)进行线性插值，得到漏磁信号x2(m0,n0)；
[0017]
x2(m,n)＝interpolation(x1(m0,n0),m)
[0018]
其中，interpolation(
·
)表示线性插值，m,n分别表示插值后的采样点数和传感器个数；
[0019]
(3.2)、利用符号分离器将漏磁信号x2(m,n)分成正漏磁信号x

(m,n)和负漏磁信号x
‑
(m,n)；
[0020]
(3.3)、消除股波噪声；
[0021]
使用“竖直直线”结构元素分别对正漏磁信号x

(m,n)和负漏磁信号x
‑
(m,n)进行闭运算；
[0022]
在闭运算过程中，先对x
±
(m,n)进行膨胀处理：
[0023][0024]
其中，se
line
表示“竖直直线”结构元素，(se
line
)
mn
表示在点(m,n)处取结构元素的中心；
[0025]
接着对进行腐蚀处理：
[0026][0027]
通过对正/负漏磁信号x
±
(m,n)进行闭运算处理，得到了消除股波噪声的正/负信
号
[0028]
(4)、消除正/负漏磁信号的抖动；
[0029]
(4.1)、使用“竖直直线”结构元素分别对正/负漏磁信号进行开运算处理；
[0030]
在开运算过程中，先对进行腐蚀处理：
[0031][0032]
其中，se
line
表示“竖直直线”结构元素，(se
line
)
mn
表示在点(m,n)处取结构元素的中心；
[0033]
接着对进行膨胀处理：
[0034][0035]
通过对正/负漏磁信号x
±
(m,n)进行开运算处理，识别出部分抖动噪声
[0036]
(4.2)、对正/负信号进行白帽操作，得到消除部分抖动噪声的正/负漏磁信号
[0037][0038]
(4.3)、使用“方块”结构元素分别对正/负漏磁信号进行开运算处理；
[0039]
在开运算过程中，先对进行腐蚀处理：
[0040][0041]
其中，se
square
表示“方块”结构元素，(se
square
)
mn
表示在点(m,n)处取结构元素的中心；
[0042]
接着对进行膨胀处理：
[0043][0044]
通过对正/负漏磁信号进行闭运算处理，得到了消除抖动的正/负漏磁信号
[0045]
(5)、待测钢丝绳的断丝可视化处理；
[0046]
(5.1)、对正/负漏磁信号进行希尔伯特变换，得到漏磁信号
[0047][0048]
其中，hilbert(
·
)表示希尔伯特变换；
[0049]
(5.2)、调整漏磁信号的图像尺寸，恢复到原输入信号的尺寸；
[0050]
[0051]
其中，resize{
·
}表示图像尺寸调整；
[0052]
(5.3)、对漏磁信号进行二值化处理，得到二值图
[0053][0054]
其中，threshold为钢丝绳断丝检测阈值；
[0055]
在二值化图像中，如果某一像素点(m0,n0)的像素值大于等于threshold，则认为对应钢丝断裂，最后，统计像素值大于等于threshold的个数，进而获取到钢丝绳断丝数量。
[0056]
本发明的发明目的是这样实现的：
[0057]
本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，先采集漏磁信号，再对采集的漏磁信号去趋势和消除股波噪声，从而为之后的形态学滤波做准备；接着，基于形态学滤波算法消除漏磁信号的抖动噪声，这样消除了外界因素的影响，使断丝在漏磁信号和图像中显示更加明显，最后，将去除抖动噪声后的漏磁信号进行断丝可视化处理，使断丝清晰可见，具有操作简单、检测精准度高等特点。
[0058]
同时，本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法还具有以下有益效果：
[0059]
(1)、首次将卡尔曼滤波器应用在钢丝绳漏磁信号去趋势领域。卡尔曼滤波器作为现代信号处理的经典算法之一，常被用于基于雷达、声呐的目标检测等领域。本发明方法首次将卡尔曼滤波应用于漏磁信号去趋势方向上，利用断丝信号与抖动噪声为随机信号的特点，达到消除采集到的漏磁信号趋势的目的。
[0060]
(2)、首次充分利用采集到的多路漏磁信号的三维信号特征。不同于单路漏磁信号，由传感器矩阵采集的多路漏磁信号在由第n路传感器、采样点(时间)、信号强度(电压)构成三维空间拥有更多信息等待被挖掘。将多路漏磁信号重构成漏磁图像进行分析，处理意味着该三维空间上的信息被充分利用，而不是简单每次对单方向信号进行分析处理，而目前领域的方法仍停留在该单方向信号处理层面。
[0061]
(3)、首次将形态学图像处理方法应用于多路漏磁信号的去噪处理算法设计中。一般在钢丝绳损伤检测领域，形态学图像处理被广泛应用于由摄像机拍摄的钢丝绳图像的边缘检测和图像分割之上。而本发明首次将形态学图像处理方法应用于由多路漏磁信号构成的三维漏磁图像之中，利用股波噪声、抖动噪声在图像形态学特征上与断丝图像不同的特点，将股波噪声、抖动噪声依次滤除，最终得到去噪后的断丝图像以便于对钢丝绳表面损伤状况进行评估。
[0062]
(4)、首次使用符号分类器将去趋势后的正负信号分别处理。该领域对去趋势后的漏磁信号一般操作为直接使用包络方法，将正负信号重构成正信号，加强断丝信号强度，但该操作的前提是信噪比足够大，即大部分抖动噪声，股波噪声被抑制消除。若信噪比不够大，直接使用包络方法会改变噪声的信号特征，不利于噪声消除算法的开发。本发明则直接将去趋势后的信号分为两类，正信号与负信号，分别进行噪声消除的处理，最终再结合成一个信号进行包络，二值化等断丝可视化处理的操作，最大限度的保留噪声信号的原始特征，实现对噪声的去除。
附图说明
[0063]
图1是漏磁信号与对应漏磁图像示意图；
[0064]
图2是本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法流程图；
[0065]
图3是去除股波噪声的流程图；
[0066]
图4是去趋势以及插值后的20路漏磁信号对应漏磁图像示意图；
[0067]
图5是经过符号分类器后的正漏磁信号图像；
[0068]
图6是消除抖动噪声流程图；
[0069]
图7是使用抖动噪声消除算法后的漏磁信号与图像；
[0070]
图8是“断丝可视化处理”漏磁信号与图像图。
具体实施方式
[0071]
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
[0072]
实施例
[0073]
图1是本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法流程图。
[0074]
在本实施例中，实验钢丝绳表面有五处不同位置的断丝，使用拥有20路霍尔矩阵的检测装置扫描该钢丝绳表面，得到图1中的(a)所示的20路漏磁信号，以及图1中的(b)所示的漏磁图像。观察可得，五处断丝在漏磁信号和图像中并非明显，其主要受三种因素影响。第一为因为不同霍尔矩阵差异导致采集的漏磁信号并非有相同的基线。第二为持续不断的股波噪声对信噪比的影响。第三种因素为随机出现的抖动噪声对信噪比的影响。
[0075]
接下来，如图2所示，介绍强抖动下基于形态学滤波的钢丝绳断丝检测的具体过程，包括以下步骤：
[0076]
s1、采集漏磁信号；
[0077]
使用拥有20路霍尔矩阵的检测装置扫描待测钢丝绳表面，得到20路漏磁信号，其中，第n0路漏磁信号记为x0(m0,n0)，m0表示第m0个采样点，n0表示第n0个传感器；
[0078]
s2、对每一路漏磁信号进行去趋势处理；
[0079]
s2.1、利用卡尔曼滤波器对突然变换的数据不敏感的特点(如断丝信号，噪声的特点)，对漏磁信号x0(m0,n0)进行滤波处理，得到估计的漏磁信号这样实现了对多路漏磁信号的去趋势，消除多路传感器输出电压差异，并且削弱股波噪声幅值；
[0080]
s2.2、将漏磁信号x0(m0,n0)减去滤波后的漏磁信号得到去趋势后的漏磁信号x1(m0,n0)；
[0081][0082]
s3、消除每一路漏磁信号的股波噪声；
[0083]
s3.1、直接使用多路漏磁信号输出图像分辨率有限，不利于之后的图像形态学滤波，因此，为了提高漏磁图像分辨率，使用m点线性插值的方法对漏磁信号x1(m0,n0)进行线性插值，得到漏磁信号x2(m0,n0)；
[0084]
x2(m,n)＝interpolation(x1(m0,n0),m)
[0085]
其中，interpolation(
·
)表示线性插值，m,n分别表示插值后的采样点数和传感器个数；
[0086]
s3.2、利用符号分离器将漏磁信号x2(m,n)分成正漏磁信号x

(m,n)和负漏磁信号x
‑
(m,n)；
[0087]
s3.3、消除股波噪声；
[0088]
使用“竖直直线”结构元素分别对正漏磁信号x

(m,n)和负漏磁信号x
‑
(m,n)进行闭运算，达到消除股波形态的目的，即输出图像无斜向曲线；
[0089]
在闭运算过程中，如图3所示，先对x
±
(m,n)进行膨胀处理：
[0090][0091]
其中，se
line
表示“竖直直线”结构元素，(se
line
)
mn
表示在点(m,n)处取结构元素的中心；
[0092]
在这一操作下，图像在竖直方向上被膨胀处理，倾斜的线在竖直方向上被连接了起来，接着对进行腐蚀处理：
[0093][0094]
通过对正/负漏磁信号x
±
(m,n)进行闭运算处理，得到了消除股波噪声的正/负信号
[0095]
在本实施例中，在卡尔曼滤波的效果下，20路漏磁信号的基线被调整统一，如图4中的(a)所示，对应的漏磁图像如图4中的(b)所示，图像从纵向观察相比未做处理的漏磁图像差异性更小了，换而言之，不同霍尔矩阵的差异被消除了。此时影响断丝检测效果的第一种因素被解决了。在这一基础上，使用插值方法，提升漏磁信号的尺度，得到差值后的漏磁信号，如图4中的(c)所示，从而为之后的形态学滤波做准备。
[0096]
在符号分类器的作用下，漏磁信号被分为正/负漏磁信号，其中，正漏磁信号如图5中的(a)所示。在股波消除算法的作用下，正漏磁图像中的斜线被消除了，换言之，股波噪声被消除了，得到图5中的(b)所示的正漏磁图像，此时影响断丝检测效果的第二种因素被解决了。
[0097]
s4、消除正/负漏磁信号的抖动；
[0098]
s4.1、由于断丝形态很多样，但抖动噪声形态固定，更易于识别，因此，如图6所示，先使用“竖直直线”结构元素分别对正/负漏磁信号进行开运算处理；
[0099]
在开运算过程中，先对进行腐蚀处理：
[0100][0101]
其中，se
line
表示“竖直直线”结构元素，(se
line
)
mn
表示在点(m,n)处取结构元素的中心；
[0102]
接着对进行膨胀处理：
[0103]
[0104]
通过对正/负漏磁信号x
±
(m,n)进行开运算处理，识别出部分抖动噪声
[0105]
s4.2、对正/负信号进行白帽操作，得到消除部分抖动噪声的正/负漏磁信号
[0106][0107]
s4.3、在绝大多数抖动噪声被消除的情况下，最后使用“方块”结构元素分别对正/负漏磁信号进行开运算处理；
[0108]
在开运算过程中，先对进行腐蚀处理：
[0109][0110]
其中，se
square
表示“方块”结构元素，(se
square
)
mn
表示在点(m,n)处取结构元素的中心；
[0111]
接着对进行膨胀处理：
[0112][0113]
通过对正/负漏磁信号进行闭运算处理，得到了消除抖动的正/负漏磁信号
[0114]
在本实施例中，消除抖动的正漏磁信号如图7中的(a)所示，从图上可以看到绝大部分的抖动噪声被消除，仅有五处断丝信号被留下来了，并且可以通过观察图7中的(b)所示的正漏磁图像，竖直直线(抖动信号)被消除干净。在抖动消除算法的作用下，抖动噪声被消除了。此时影响断丝检测效果的第三种因素被解决了。
[0115]
s5、待测钢丝绳的断丝可视化处理；
[0116]
s5.1、对正/负漏磁信号进行希尔伯特变换，得到图8中的(a)所示的漏磁信号此时使用希尔伯特变换取包络，目的在于集中能量钢丝绳断丝信号能量更集中，更适合可视化处理；
[0117][0118]
其中，hilbert(
·
)表示希尔伯特变换；
[0119]
s5.2、调整漏磁信号的图像尺寸，恢复到原输入信号的尺寸，图8中的(b)所示，以便于断丝的定位；
[0120][0121]
其中，resize{
·
}表示图像尺寸调整；
[0122]
s5.3、对漏磁信号进行二值化处理，得到二值图
[0123]
[0124]
其中，threshold为钢丝绳断丝检测阈值，取值为0.0025；
[0125]
如图8中的(c)所示。在二值化图像中，如果某一像素点(m0,n0)的像素值大于等于threshold，则认为对应钢丝断裂，最后，统计像素值大于等于threshold的个数，进而获取到钢丝绳断丝数量。
[0126]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。