纜索表面檢測與缺陷提取研究

孫洪超

摘 ? 要：文章采用模塊蛇形機器人作為纜索檢測的運動載體，通過搭載攝像頭對纜索表面進行觀測，將視頻信息通過無線模塊傳輸至地面工作站，地面工作站對纜索缺陷部位進行提取。

關(guān)鍵詞：纜索;表面檢測;缺陷提取

1 ? ?纜索表面檢測流程

在纜索表面檢測中利用蛇形機器人進行作業(yè)，以螺旋攀爬步態(tài)爬到纜索上，為實現(xiàn)纜索表面缺陷的檢測，一般為蛇體配備大量的傳感器設(shè)備。帶有傳感器的蛇形機器人以單環(huán)翻滾攀爬的方式進行纜索無損檢測[1]。通過這種全面的纜索無損檢測方法，能夠及時發(fā)現(xiàn)缺陷及問題所在，有效地防止纜索斷裂，及時發(fā)現(xiàn)故障和潛在威脅并進行更換。目前的纜索缺陷檢測主要由纜索表面缺陷檢測和纜索內(nèi)部斷絲檢測兩部分內(nèi)容構(gòu)成。

纜索內(nèi)部檢測的主要目的是檢測內(nèi)部纜絲的腐蝕和缺陷等問題，內(nèi)部斷絲主要的原因包括銹蝕以及磨損等，一般可以通過超聲檢測、機械檢測以及漏磁檢測實現(xiàn)纜索內(nèi)部檢測，當(dāng)前實際應(yīng)用中最常見的方法是漏磁檢測法。

纜索表面檢測需要由配有攝像頭的機器人進行，通過傳感器以及攝像頭能夠采集表面缺陷信息，同時利用通信系統(tǒng)將采集到的信息傳遞回上位機，在上位機中，利用計算機技術(shù)對采集到的纜索圖像和數(shù)據(jù)進行處理，最終確定缺陷信息。對纜索的表面缺陷檢測而言，數(shù)據(jù)和信息采集應(yīng)該保證其具有較高的穩(wěn)定性、準(zhǔn)確性和實時性。對于采集設(shè)備和上位機比較遠（一般為100 M以上）的作業(yè)，可以采用無線網(wǎng)絡(luò)傳輸進行數(shù)據(jù)的傳遞。采集到的數(shù)據(jù)和信息能夠以可視化的圖片、視頻等方式進行實時顯示，根據(jù)采集信息和數(shù)據(jù)定位缺陷位置。

2 ? ?缺陷信息的傳輸與接收

由于實際纜索缺陷信息檢測中往往纜索與地面距離較遠，為保證正常通信，單一無線網(wǎng)絡(luò)設(shè)備已經(jīng)不能很好地滿足相關(guān)需求，建議采用具有無線分布式系統(tǒng)（Wireless Distribution System，WDS）功能的路由器來進行信息傳遞，保證網(wǎng)絡(luò)全覆蓋。

WDS由多個無線網(wǎng)絡(luò)協(xié)調(diào)配合構(gòu)成一個大型無線網(wǎng)絡(luò)，該分布式系統(tǒng)的提出主要是為了解決單一無線網(wǎng)絡(luò)覆蓋范圍小的問題。該系統(tǒng)通過多個無線網(wǎng)絡(luò)無線訪問接入點（Access Point，AP）或無線路由進行橋接，實現(xiàn)無線信號的擴展以及無線信號更高范圍的覆蓋。

WDS的提出和應(yīng)用改變了傳統(tǒng)單一模式的無線應(yīng)用，能夠提供無線橋接和無線信號覆蓋，從而為用戶提供全新、靈活、多變的無線組網(wǎng)方式，實現(xiàn)大面積、大范圍的無線組網(wǎng)。不僅能夠?qū)崿F(xiàn)本區(qū)域內(nèi)的無線網(wǎng)絡(luò)信號覆蓋，而且能夠?qū)崿F(xiàn)橋接遠端支持WDS的同類設(shè)備。

在纜索表面缺陷檢測的過程中，通過分布式網(wǎng)絡(luò)將檢測到的視頻信息進行傳遞，制定接收端地址，并自動匹配目標(biāo)地址。以工程建設(shè)為例，在地面上位機中采用Linux操作系統(tǒng)，并采用VLC播放器作為客戶端進行視頻RTP數(shù)據(jù)的接收。VLC作為典型的開源且能應(yīng)用于Linux系統(tǒng)的播放器，能夠保證采集視頻的流暢播放，傳輸速度很快，能夠達到25幀每秒。

當(dāng)信息和數(shù)據(jù)顯示在上位機端的時候，工作人員能實時進行數(shù)據(jù)和信息的觀察處理，了解纜索表面狀況。同時，通過上位機端還能夠?qū)φ谟^測的蛇體進行控制，包括運行速度、檢測范圍、檢測角度等。當(dāng)發(fā)現(xiàn)缺陷或者潛在缺陷的時候，工作人員可以手動控制調(diào)焦進一步放大纜索表面信息。

通過傳感器以及信息數(shù)據(jù)采集設(shè)備的采集，將采集到的數(shù)據(jù)和信息傳遞到地面上位機之后，計算機進一步分析、處理、鑒別纜索缺陷，然后對發(fā)現(xiàn)的缺陷及故障進行定位，為纜索修復(fù)和更換提供一手資料。

3 ? ?纜索邊緣提取

在蛇體機器人運動和檢測中，不可避免地會產(chǎn)生機體抖動進而引起攝像頭抖動，拍攝到的畫面可能存在蛇體結(jié)構(gòu)、環(huán)境背景等冗余信息[2]。同時，在纜索的表面還有灰塵污染等外在影響，這些物理因素也成為缺陷檢測提取的阻礙。除此之外，纜索本身形狀也會造成影響，因其呈弧狀，極易引起不同程度背光，影響檢測質(zhì)量。

圖像質(zhì)量邊緣退化、檢測細(xì)節(jié)模糊等給圖像處理和數(shù)據(jù)分析帶來極大阻礙。因此，在進行分析之前需要對采集到的圖像和數(shù)據(jù)進行預(yù)處理，去除冗余信息，通過特征提取與優(yōu)化提高圖像質(zhì)量。

圖像噪聲也是導(dǎo)致圖像質(zhì)量不高的一大重要因素，高斯噪聲、指數(shù)噪聲以及脈沖噪聲等都是圖像噪聲的常見類型。另外，橋梁纜索表面的灰塵和白色斑點等也會產(chǎn)生噪聲，此類噪聲為椒鹽噪聲。除此之外，在視頻傳輸中還可能會產(chǎn)生隨機噪聲等。因此，為保證視頻和圖像質(zhì)量，必須對這些噪聲進行處理，中值濾波算法對這些噪聲有很好的濾除效果。

作為一種非線性信號處理方法，中值濾波算法采用非線性中值濾波器進行濾波處理。通過中值濾波能夠?qū)€性濾波造成的細(xì)節(jié)模糊等圖像問題進行處理，很好應(yīng)對脈沖干擾以及圖像掃描噪聲。在實際運行過程中，濾波的窗口越大，降噪效果越好，但處理后的圖像會出現(xiàn)模糊的現(xiàn)象。窗口小時，雖然降噪效果會變差，但是圖像細(xì)節(jié)會得到保護。一般在實際應(yīng)用中，需要保護圖像細(xì)節(jié)，建議采用3×3的矩形窗口。

完成圖像預(yù)處理之后，進行纜索邊緣查找，對纜索的背景也需要進行剔除處理。纜索邊緣特征分布的不連續(xù)處往往是缺陷所在，因而成為圖像識別和信息特征提取的關(guān)鍵位置。一般可以通過Sobel，Prewitt，Roberts，LoG，Canny等算法實現(xiàn)信息采集和處理。圖像邊緣檢測步驟可以概括為以下幾步：

（1）濾波，由于邊緣檢測中不可避免地會出現(xiàn)噪聲，因此需要進行降噪，通過濾波器的濾波功能實現(xiàn)降噪，但這一操作也會導(dǎo)致邊緣強度出現(xiàn)損失問題。

（2）增強，引入增強算法對鄰域灰度進行分析，提取灰度顯著的點，并對提取點進行突出顯示。一般通過計算梯度幅值完成。

（3）檢測，在進行實際檢測過程中會發(fā)現(xiàn)梯度幅值變化的位置，這些位置并不是邊緣點，這一檢測過程通過幅值閾值判定。

（4）定位，通過定位能夠發(fā)現(xiàn)故障和潛在缺陷所在，對所在位置進行精確定位，一般通過簡單的Sobel算法就能夠?qū)崿F(xiàn)這一功能。

在對纜索進行完邊緣檢測之后，能夠得到具有完整邊緣信息的圖像以及資料。在其中引入直線檢測方法，對纜索邊緣特征進行進一步提取，得到纜索區(qū)域圖。最常用的直線檢測方法是哈夫（Hough）變換，這一方法具有顯著的全局特性，而且不容易受到邊界間斷以及噪聲的影響，且運算量較小，具有較好的魯棒性。

4 ? ?纜索表面缺陷提取

在經(jīng)過預(yù)處理等過程之后能夠得到無背景、相對質(zhì)量較高的纜索表面圖像，在此基礎(chǔ)上需要進一步處理得到纜索表面缺陷信息。

纜索表面缺陷特征明顯，一般具有缺陷的位置光線和其他位置不同，灰度值會較低，可以通過閾值分割的方法進行缺陷的識別和分離。但在實際拍攝過程中會因為光線不足導(dǎo)致纜索邊緣灰度值也較低，因此，利用這一方法進行識別的時候，會出現(xiàn)部分偽缺陷，需要進行進一步分析。在線索缺陷位置，光線引起的偽缺陷位置灰度變化是漸變的，而真正的缺陷位置會出現(xiàn)較大的灰度變化。

圖1是以130為閾值（閾值的選擇通過觀察灰度直方圖，灰度直方圖兩波峰之間的最低值可作為閾值）分割出的圖像效果，在進行圖像分析后能夠發(fā)現(xiàn)，如果單純利用灰度進行區(qū)分判別難度較大，邊緣部位、缺陷部位和圖像底部光線不好的位置區(qū)別不明顯。圖2為Sobel邊緣檢測得到的結(jié)果，能夠很明顯地發(fā)現(xiàn)纜索底部的灰度呈現(xiàn)漸變，說明并沒有提取出邊緣。說明這一方法和閾值選擇存在問題，因此，在實際的工作中需要對缺陷提取方法、閾值選擇進行合理判別：首先，將全部缺陷進行提取，提取出的缺陷可能存在大量偽缺陷;其次，對缺陷進行進一步處理，利用邊緣監(jiān)測找出灰度突變位置，兩者結(jié)合進行分析和細(xì)化，找出偽缺陷并去除，最終完成缺陷提取。

為進一步精確定位分析缺陷部位，需要采用自適應(yīng)技術(shù)對不同圖像進行調(diào)節(jié)分割，建議采用基于最大類間方差的閾值分割算法來實現(xiàn)圖像閾值分割。首先對圖像進行劃分和處理，通過灰度特性差異劃分為目標(biāo)和背景兩個層次，確定閾限值使得目標(biāo)和背景方差最大便于區(qū)分。如果目標(biāo)和背景之間的方差越大，說明兩部分存在的差異越大，當(dāng)部分目標(biāo)被錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致這兩部分差別變小。因此，使用類間方差最大的分割意味著錯分概率最小，這是該方法的主要思路。

5 ? ?結(jié)語

文章介紹了蛇形機器人對纜索表面缺陷檢測過程，采用最大類間方差的閾值分割算法來實現(xiàn)，最后通過與邊緣檢測結(jié)果對照，將虛假邊緣去除，得到最終的纜索表面缺陷信息。

[參考文獻]

[1]劉登躍，何斌，陳鵬杰，等.一種新型的輪式纜索檢測機器人系統(tǒng)[J].中國科技信息，2015（Z1）：108-111.

[2]魏武，何振勇.纜索檢測攀爬蛇形機器人系統(tǒng)綜合設(shè)計與實現(xiàn)[J].自動化與儀表，2013（12）：9-12.