钢桥密集螺栓异常状态视觉识别方法

摘要：

针对传统机器视觉方法无法从不同拍摄视角和拍摄距离的图像中较好地识别出异常螺栓的问题,依据钢桥密集螺栓区域自身视觉特点,提出基于区域异常点分析的密集螺栓异常状态视觉识别方法.该方法首先提取和比对图像蓝色和红色通道灰度,完成梁体颜色分割,并运用选定的Canny算子提取梁体区域内边缘,采用Hough线识别方法剔除杂波;其次依据密集螺栓呈现簇状分布特点,运用密度聚类分析定位螺栓簇区域,并依据密集螺栓位置呈现平行网格分布的特点,运用投影分析定位单个螺栓区域;然后依据各螺栓的阴影特征,利用切比雪夫不等式快速判定螺栓状态,完成螺栓异常识别;最后,制作钢桥节点板模型,采集不同螺栓松动或脱落图像,对该方法进行测试.结果表明:该方法对图像拍摄视角和距离的适用度高,对螺栓脱落的识别能力优于对螺栓松动的识别;不同场景下单个螺栓定位的平均交并比大于0.75,且螺栓脱落和松动识别的准确率和召回率分别在0.89和0.85以上.

关键词：钢桥、螺栓、脱落、松动、视觉识别、密度聚类分析、投影分析

所属期刊栏目：44

分类号：TP391.41;U446(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中国国家铁路集团有限公司实验室基础研究项目;河北省自然科学基金创新研究群体项目;河北省高等学校科技研究项目

在线出版日期：2023-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：81-93