基于matlab的塔機卷揚機鋼絲繩纏繞形式圖像識別技術

崔康基

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

關鍵詞：鋼絲繩;亂繩;圖像處理;標記顯示

0.引言

如今，國內城市化建設進程加快，塔式起重機（以下稱為塔機）作為建筑施工現場重要的垂直運輸機械，得到了廣泛的應用，但塔機安全管理手段和技術的相對不足，也導致的塔機安全事故頻繁發生。據不完全統計，在塔機服役期間，由于鋼絲繩損傷所引起的安全事故占塔機設備事故原因的7%左右，而能引起鋼絲繩損傷的一個重要的原因就是在塔機卷揚機對鋼絲繩進行纏繞的過程中，由于導向滑輪或排繩裝置異常導致繞繩過程出現亂繩現象，造成鋼絲繩應力增加和磨損，縮短了鋼絲繩的使用壽命，易導致鋼絲繩發生斷裂，造成安全事故的發生。

故針對上述問題，現階段所采用的技術是利用視頻監測技術，在卷揚機上方安裝網絡攝像頭，用于采集卷揚機卷繩的工作狀態視頻，并顯示在塔機司機室內的顯示器上，依靠司機觀察判斷是否出現亂繩現象。本文基于該技術基礎上，對拍攝到的現場圖片進行圖像處理，以一種更加直觀明確的方式判斷顯示出現的亂繩現象，為判斷鋼絲繩纏繞狀態提供一種輔助手段，方便對出現的亂繩問題進行整改。

1.圖像預處理

由于現場拍攝到的圖片尺寸質量不一，卷揚機所在位置也大不相同，故首先要對圖像進行幾何操作，將卷揚機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行數字處理，其運算量較大，且不利于研究后續處理。所以我們先將源色彩圖像運rgb2gray函數轉化為灰度圖像，然后對經過灰度處理的圖像進行幾何處理。

1.2圖像插值旋轉

在對數字圖像進行旋轉的時候，各像素的坐標會發生變化，使得旋轉之后不能正好落在整數坐標出，需要進行插值。使用imrotate可以對圖像進行插值旋轉，其默認插值方法為最鄰近插值法。

1.3圖像剪切

在對圖像進行插值旋轉之后，對卷揚機部分進行剪切。運用imcrop函數，剪切圖像中的一個矩陣子圖，通過調整矩陣參數獲得圖像中卷揚機的部分。

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，導致圖像質量下降，影響視覺效果和信息的可用性，故要對圖像進行降噪處理。

本文采用的降噪方法為中值濾波，原理是把數字圖像或數字序列中一點數值用該店的某個領域中所有點的中值來代替。它的優點是運算簡單且速度快，在濾除噪聲尤其是濾除脈沖噪聲的同時，能很好的保護信號的細節信息。將進行完幾何變換之后的圖像進行中值濾波，完成降噪處理。

2.動態閾值分割-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、突發噪聲、背景灰度變化等因素導致的圖像鋼絲繩排列狀況不易觀察區分的問題采用圖像分割中的動態閾分割。可以用于坐標相關的一組閾值（即閾值是坐標的函數）來對圖像各個部分分別進行分割，該方法的時間復雜度和空間復雜度比較大，但抗噪聲能力強，對一些用全局閾值法不易分割的圖像有較好的效果。

本文采用的動態閾值算法為Bernsen算法，通過對每個像素確定以它為中心的一個窗口.計算窗口內的最大值和最小值，再取它們的平均值作為該點的閾值，可以證明圖像像素點灰度值和該閾值的差具有二階導數的性質，故取差的過零點就可以得到二值分割結果。Bernsen算法的具體過程如下：

對圖像中各個像素點（i，j）用b（i，j）值逐點進行二值化。

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

3.尋找亂繩特征位置

3.1灰度直方圖

灰度直方圖表示數字圖像中各灰度級與其出現的概率的統計關系，對圖像進行灰度直方圖的繪制，找出出現亂繩特征的位置其灰度級的不同狀態。

3.2二值化處理

根據繪制的直方圖，找出亂繩位置的灰度級范圍，將在此范圍之內的灰度級統一為灰度級255，在該范圍之外的灰度級統一為灰度級0。

3.3 bwareaopen函數

為保障二值化處理后的圖像不受一些細小噪聲的影響，使用bwareaopen函數將一些出現在圖像中面積較小的區域刪除掉，增加亂繩特征位置識別的準確性，經過處理的圖像如下：

4.標記亂繩特征位置

4.1灰度膨脹函數

為使二值化處理的特征位置圖像表現出來的亂繩特征更加明顯，便于區分，運用imdilate灰度膨脹函數對特征圖像進行膨脹處理。

4.2連通域標記函數

經過灰度膨脹處理后的特征圖像表現出來的特征為出現亂繩特征的位置，其相鄰的灰度級為255的特征會連通為同一塊區域，亂繩位置與連通區域個數相同，故用 連通域標記函數bwlabel將連通區域的位置和個數計算出來，本文采用8連通尋找區域，指一個像素，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，則認為他們是聯通的。

4.3標記亂繩位置

基于上述的圖像處理工作，運用rectangle函數繪制標記矩形，將計算得到的亂繩特征出現的不同位置用綠色矩形在灰度圖像中標記出來，其效果圖如下：

5.總結

本文基于機器視覺技術運用matlab將塔機卷揚機在工作過程中出現的亂繩現象在圖像資料中標記出來，目的以輔助工作人員對卷揚機鋼絲繩狀態進行判斷，對出現問題的塔機卷揚機鋼絲繩及時進行整改，避免安全事故的發生。本文雖對出現亂繩現象的圖像進行識別標記，但整個識別缺乏智能化，對每一副圖像都要確定基礎參數，需要在日后的工作中進行優化。

參考文獻

[1] 秦貝貝，毛一敏，王艷梅.MATLAB在數字圖像處理中的應用[J].無線互聯科技，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實現[J].內蒙古科技與經濟，2019，10：64-66.