本技術(shù)涉及盾構(gòu)機(jī)刀具檢測(cè)，且更為具體地，涉及一種盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、盾構(gòu)機(jī)作為現(xiàn)代隧道挖掘工程中的關(guān)鍵設(shè)備，其刀具的磨損情況直接影響到施工效率和安全性。傳統(tǒng)的盾構(gòu)機(jī)刀具磨損檢測(cè)方法主要依賴于人工檢查或定期更換，這種方法不僅耗費(fèi)大量的人力物力，而且難以準(zhǔn)確評(píng)估刀具的實(shí)際磨損程度，容易造成過(guò)度維護(hù)或者延誤維修的最佳時(shí)機(jī)。此外，在惡劣的工作環(huán)境下進(jìn)行人工檢查還可能對(duì)工作人員的安全構(gòu)成威脅。

2、隨著技術(shù)的進(jìn)步，一些基于傳感器的自動(dòng)化檢測(cè)方案開(kāi)始應(yīng)用于盾構(gòu)機(jī)刀具磨損的監(jiān)控中。然而，這些方案通常需要在刀具上安裝額外的傳感器，這不僅增加了系統(tǒng)的復(fù)雜性和成本，也可能因?yàn)閭鞲衅鞅旧淼哪途眯詥?wèn)題而影響監(jiān)測(cè)效果。此外，這類傳感器往往只能提供間接的磨損信息，如溫度變化或振動(dòng)頻率等，并不能直接反映刀具表面的真實(shí)磨損狀況。

3、圖像處理技術(shù)的發(fā)展為解決上述問(wèn)題提供了新的思路。通過(guò)攝像組件采集刀具圖像并利用圖像處理算法分析刀具的磨損情況，可以實(shí)現(xiàn)非接觸式的實(shí)時(shí)監(jiān)測(cè)。不過(guò)，現(xiàn)有的圖像處理技術(shù)在實(shí)際應(yīng)用中仍然面臨諸多挑戰(zhàn)。例如，盾構(gòu)機(jī)工作環(huán)境中的灰塵、光照變化等因素會(huì)對(duì)圖像質(zhì)量產(chǎn)生嚴(yán)重影響，從而降低圖像分析的準(zhǔn)確性。

4、因此，期待一種優(yōu)化的盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方案。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問(wèn)題，提出了本技術(shù)。本技術(shù)的實(shí)施例提供了一種盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)系統(tǒng)及方法，其實(shí)現(xiàn)了磨損程度的自動(dòng)化評(píng)估，減少了人為干預(yù)，提升了檢測(cè)效率和準(zhǔn)確性，同時(shí)也能及時(shí)發(fā)現(xiàn)刀具磨損狀況，避免因延遲維修帶來(lái)的安全隱患，從而極大地提高了盾構(gòu)機(jī)施工的安全性和效率。

2、根據(jù)本技術(shù)的一個(gè)方面，提供了一種盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法，包括：獲取由攝像組件采集的盾構(gòu)機(jī)刀具圖像；對(duì)所述盾構(gòu)機(jī)刀具圖像進(jìn)行圖像預(yù)處理和噪聲抑制以得到增強(qiáng)盾構(gòu)機(jī)刀具圖像；對(duì)所述增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行刀具區(qū)域分割和感興趣區(qū)域提取以得到刀具目標(biāo)roi圖像，其中，刀具區(qū)域分割采用基于灰度閾值的圖像分割，所述灰度閾值通過(guò)每個(gè)滑窗區(qū)域的刀具幾何特征和刀具紋理特征來(lái)確定；對(duì)所述刀具目標(biāo)roi圖像進(jìn)行刀具磨損特征提取以得到刀具磨損特征；將所述刀具磨損特征輸入基于支持向量回歸模型的刀具磨損智能檢測(cè)器以得到檢測(cè)結(jié)果，所述檢測(cè)結(jié)果為磨損程度等級(jí)標(biāo)簽。

3、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，對(duì)所述盾構(gòu)機(jī)刀具圖像進(jìn)行圖像預(yù)處理和噪聲抑制以得到增強(qiáng)盾構(gòu)機(jī)刀具圖像，包括：對(duì)所述盾構(gòu)機(jī)刀具圖像進(jìn)行中值濾波以得到濾波后盾構(gòu)機(jī)刀具圖像；對(duì)所述濾波后盾構(gòu)機(jī)刀具圖像進(jìn)行對(duì)比度增強(qiáng)以得到對(duì)比度增強(qiáng)盾構(gòu)機(jī)刀具圖像；對(duì)所述對(duì)比度增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行圖像去霧以得到所述增強(qiáng)盾構(gòu)機(jī)刀具圖像。

4、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，所述攝像組件包括攝像頭、環(huán)繞地設(shè)置于所述攝像頭的周圍的環(huán)形led光源和可調(diào)節(jié)支架，所述攝像頭和所述環(huán)形led光源固定于所述可調(diào)節(jié)支架。

5、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，所述環(huán)形led光源具有窄光譜，其中心波長(zhǎng)接近450nm。

6、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，對(duì)所述增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行刀具區(qū)域分割和感興趣區(qū)域提取以得到刀具目標(biāo)roi圖像，包括：對(duì)所述增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行基于灰度閾值的圖像分割以得到刀具區(qū)域；對(duì)所述刀具區(qū)域進(jìn)行形態(tài)學(xué)操作以得到優(yōu)化刀具區(qū)域；利用模版匹配算法定位所述優(yōu)化刀具區(qū)域的刀刃區(qū)域并進(jìn)行裁剪以得到所述刀具目標(biāo)roi圖像。

7、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，對(duì)所述增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行基于灰度閾值的圖像分割以得到刀具區(qū)域，包括：步驟311：將所述增強(qiáng)盾構(gòu)機(jī)刀具圖像轉(zhuǎn)化為灰度圖像以得到灰度刀具圖像；步驟312：對(duì)所述灰度刀具圖像進(jìn)行滑窗采樣并基于滑窗內(nèi)的圖像灰度值分布來(lái)確定對(duì)應(yīng)于滑窗區(qū)域的灰度閾值；步驟313：基于所述對(duì)應(yīng)于滑窗區(qū)域的灰度閾值，對(duì)所述灰度刀具圖像的滑窗區(qū)域進(jìn)行圖像二值化分割以得到刀具滑窗分割區(qū)域；步驟314：重復(fù)執(zhí)行步驟312和步驟313直至所述灰度刀具圖像的所有區(qū)域被圖像二值化分割以得到所述刀具區(qū)域。

8、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，對(duì)所述刀具目標(biāo)roi圖像進(jìn)行刀具磨損特征提取以得到刀具磨損特征，包括：基于canny邊緣檢測(cè)算法來(lái)計(jì)算刀具幾何特征；基于灰度共生矩陣來(lái)計(jì)算刀具紋理特征；將所述刀具幾何特征和所述刀具紋理特征進(jìn)行合并以得到所述刀具磨損特征。

9、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，對(duì)所述灰度刀具圖像進(jìn)行滑窗采樣并基于滑窗內(nèi)的圖像灰度值分布來(lái)確定對(duì)應(yīng)于滑窗區(qū)域的灰度閾值，包括：計(jì)算對(duì)應(yīng)于滑窗區(qū)域的初始灰度閾值；計(jì)算所述滑窗區(qū)域的刀具幾何特征和刀具紋理特征；基于所述滑窗區(qū)域的刀具幾何特征和刀具紋理特征，對(duì)所述初始灰度值初始灰度閾值進(jìn)行優(yōu)化以得到對(duì)應(yīng)于滑窗區(qū)域的灰度閾值。

10、在上述盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法中，基于所述滑窗區(qū)域的刀具幾何特征和刀具紋理特征，對(duì)所述初始灰度值初始灰度閾值進(jìn)行優(yōu)化以得到對(duì)應(yīng)于滑窗區(qū)域的灰度閾值，包括：根據(jù)初始灰度閾值對(duì)刀具幾何特征和刀具紋理特征的計(jì)算因果關(guān)聯(lián)性，將刀具幾何特征和刀具紋理特征進(jìn)行歸一化，表示為：；其中，表示第個(gè)刀具幾何特征，表示刀具幾何特征的總數(shù)，和是刀具幾何特征的均值和標(biāo)準(zhǔn)差，表示第個(gè)刀具紋理特征，表示刀具紋理特征的總數(shù)，和是刀具紋理特征的均值和標(biāo)準(zhǔn)差，表示歸一化后的刀具幾何特征，表示歸一化后的刀具紋理特征。

11、基于歸一化后的刀具幾何特征和歸一化后的刀具紋理特征，對(duì)所述初始灰度閾值進(jìn)行優(yōu)化，表示為：；其中，為調(diào)諧系數(shù)，表示自然常數(shù)，表示對(duì)應(yīng)于滑窗區(qū)域的灰度閾值。

12、根據(jù)本技術(shù)的另一個(gè)方面，還提供了一種盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)系統(tǒng)，用于執(zhí)行上述的盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)方法，包括：盾構(gòu)機(jī)刀具圖像獲取模塊，用于獲取由攝像組件采集的盾構(gòu)機(jī)刀具圖像；盾構(gòu)機(jī)刀具圖像預(yù)處理模塊，用于對(duì)所述盾構(gòu)機(jī)刀具圖像進(jìn)行圖像預(yù)處理和噪聲抑制以得到增強(qiáng)盾構(gòu)機(jī)刀具圖像；刀具目標(biāo)提取模塊，用于對(duì)所述增強(qiáng)盾構(gòu)機(jī)刀具圖像進(jìn)行刀具區(qū)域分割和感興趣區(qū)域提取以得到刀具目標(biāo)roi圖像，其中，刀具區(qū)域分割采用基于灰度閾值的圖像分割，所述灰度閾值通過(guò)每個(gè)滑窗區(qū)域的刀具幾何特征和刀具紋理特征來(lái)確定；刀具磨損特征提取模塊，用于對(duì)所述刀具目標(biāo)roi圖像進(jìn)行刀具磨損特征提取以得到刀具磨損特征；刀具磨損智能檢測(cè)模塊，用于將所述刀具磨損特征輸入基于支持向量回歸模型的刀具磨損智能檢測(cè)器以得到檢測(cè)結(jié)果，所述檢測(cè)結(jié)果為磨損程度等級(jí)標(biāo)簽。

13、與現(xiàn)有技術(shù)相比，本技術(shù)提供的盾構(gòu)機(jī)刀具磨損自動(dòng)檢測(cè)系統(tǒng)及方法，其獲取由攝像組件采集的盾構(gòu)機(jī)刀具圖像，并分別進(jìn)行圖像預(yù)處理、噪聲抑制、刀具區(qū)域分割和感興趣區(qū)域提取以得到刀具目標(biāo)roi圖像，其中，刀具區(qū)域分割采用基于灰度閾值的圖像分割，灰度閾值通過(guò)每個(gè)滑窗區(qū)域的刀具幾何特征和刀具紋理特征來(lái)確定，這種方法能夠提升圖像分割準(zhǔn)確性以及幾何特征和紋理特征的準(zhǔn)確性。最后，對(duì)刀具目標(biāo)roi圖像進(jìn)行刀具磨損特征提取并輸入基于支持向量回歸模型的刀具磨損智能檢測(cè)器以得到檢測(cè)結(jié)果。這樣，實(shí)現(xiàn)了磨損程度的自動(dòng)化評(píng)估，減少了人為干預(yù)，提升了檢測(cè)效率和準(zhǔn)確性。