UCP采煤机屏蔽橡套电缆

　　核心词：UCP 采煤机 橡 套 电缆 
　　为保证隧道内电缆没有破损,需要定期对电缆表面及电缆卡扣进行检查,长期以来都由人工进行。受人的眼睛疲劳和情绪影响,不能长期有效地对破损电缆进行排查,研究高效、准确的自动检测技术意义重大。将电缆区域分割出来是实现检测的关键一步,由于隧道墙体表面存在裂纹、水泥颗粒、施工标准线等,且电缆表面亮度分布不均,再加上光照不均及产生的阴影,使得传统方法不能达到理想效果。基于边缘的分割对噪声敏感,适用于噪声较小且不太复杂的图像。传统的阈值分割一般只考虑像素自身的灰度值,未考虑空间特征对噪声也很敏感这一因素。基于区域的分割方法需手工确定种子点,当分割目标较大时效率不高。基于特殊理论的分割方法主要问题是耗时太长,将其与一些节省时间的算法联合是图像分割的一种趋向。近几年,一些学者提出了一些改进算法。文献中使用结合直方图反投影的多特征目标检测算法进行目标检测,能达到实时检测要求,处理效果也较为理想。不过当目标和背景的灰度、纹理相近时容易出现过分割现象。Akash等提出了一种将萤火虫算法与K均值算法相结合的算法,能够快速有效地分割复杂的多目标图像,但对目标边界识别效果差且受噪声影响较大。虽然墙面和电缆表面复杂多变,但电缆和墙面的分界处灰度较小、梯度较大、领域分布独特。针对这些特点,先将图像经过预处理确定感兴趣区域,然后遍历各像素融合其灰度、梯度、领域特点,将疑似边缘的像素点标记出来。考虑到边界的连续性、平行性及噪声分布分散性,矿用橡套电缆采用霍夫变换将边界提取出来。
　　1、UCP采煤机屏蔽橡套电缆:提出了一种改进的Hough变换算法
　　由于标准霍夫变换耗时较长,不能满足视频图像实时检测要求,故提出一种改进的霍夫变换算法。霍夫变换是常见的间断边界检测方法,其基本思想是图像空间与参数空间点的对偶性。其中a、b分别表示斜率和截距。可以看出,在图像空间里共线的点1和2对应于参数空间里相交于点p的两条线。

换言之,参数空间中相交的线与图像空间中共线的点相对应。标准霍夫变换将参数空间视为离散,把ρθ平面量化成许多小格,对XY坐标系中的每一个像素点依次求出不同θ量化值对应的ρ值,并在对应的量化小格中进行投票。检测量化参数空间中投票结果的峰值,此峰值对应的就是图像域中共线点数目最多的直线方程参数。
　　2、UCP采煤机屏蔽橡套电缆:清除一定范围内检测到的峰值及其邻域值
　　将检测到的峰值及其一定范围内的邻域值清零,然后继续检测,直到检测出所有满足要求的直线为止。这种算法鲁棒性较强、受噪声影响小,但运算量大,在极端情况下,其运算复杂度为O。综合考虑空域滤波、频域滤波以及双边滤波等多种滤波方式后,本文采用高斯低通滤波器。它是一种根据高斯函数的形状决定权值的线性平滑滤波器,对于滤除呈正态分布的噪声十分有效,适当选取截止频率D0可使滤波效果最佳。
　　3、UCP采煤机屏蔽橡套电缆:实验环境为Intel Core i5
　　对本算法进行有效性、时效性实验,实验环境为:IntelCorei5,3.20GHz,512G内存,软件环境为MATLABR2012b。在提取到电缆边界后,对电缆区域进行填充。选取了视频中包含所有干扰类型的第6帧、第237帧和第607帧作为待处理图。将本文算法与文献和文献提出的算法进行对比,见图4、图5、图6。实验结果表明,当背景的灰度、纹理与目标区域相近或噪声较大时,反投影直方图法和萤火虫算法与K均值相结合的算法都不能准确定位目标区域,且识别结果中边界较为粗糙,没能去掉阴影影响,而本文提出的算法处理效果较为理想,能准确对目标区域进行定位且抗噪能力较强。为验证算法的时效性,选取该视频中具有代表性的第6、51、159、237、652帧进行时间性能分析,表1为标准霍夫变换与改进霍夫变换运算时间对比结果。另外,边界提取前一部分平均用时为24ms,提取边界总用时为35～45ms左右,对于20帧/s的采样速率,能满足实际工程需求。本文针对复杂背景下仅靠单一特征无法将目标区域准确检测的问题,采用了多特征融合的方式,先将目标边界点尽可能显示出来,再从中提取出所需边界。在提取边界线时,针对标准霍夫变换耗时太多的问题,提出一种基于分块的两点表决式霍夫变换,使其达到实时检测要求。实验结果表明,本文提出的算法对复杂墙面背景电缆的检测比一般算法在检测效果上有很大提升,能满足实时检测的工程需求。
　　如果您对“UCP采煤机屏蔽橡套电缆”感兴趣，欢迎您联系我们