一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统

摘要

本发明公开了一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统，属于机械零部件损伤监测与诊断领域，包括图像采集、原始图像数据规范化预处理、建立分类器和在线智能诊断四个步骤；本发明提出了在钢丝绳表面图像采集前进行污垢自动清除，以减少对缺陷识别的影响；本发明克服了钢丝绳位姿不正和图像背景信息的影响，可提高算法的工作环境适应性和鲁棒性；所提出的WR‑CNN算法能够达到99％的诊断精度，且只消耗8ms/样本，可满足实时性的要求；可一定程度上实时发现钢丝绳断丝、磨损损伤，并可在此基础上扩展缺陷类型，以检测更多类型缺陷，克服了人工巡检的效率低、检测周期长和无法及时发现的问题。