基于图像处理的胶带输送机传输带缺陷检测方法

摘要

本发明涉及图像处理领域，具体涉及基于图像处理的胶带输送机传输带缺陷检测方法，获取传送带表面图像的第二灰度差分矩阵数据，根据灰度差分矩阵数据中相同元素出现的次数得到灰度差分矩阵的信息特征量，根据每个像素点的灰度差分值得到第二灰度差分矩阵数据，根据第二灰度差分矩阵数据得到每个灰度级的重要性，根据灰度差分矩阵数据中大于阈值的元素对应的像素点得到每个灰度级的线性分布程度，根据重要性和线性分布程度得到每个灰度级的压缩程度，对压缩后的灰度级和每个方向上的灰度差分矩阵数据的信息特征量进行处理得到灰度共生矩阵数据，进而得到传输带存在裂纹的可能性，根据可能性判断传送带健康状态，方法智能、精准。

权利要求

1.基于图像处理的胶带输送机传输带缺陷检测方法，其特征在于，包括：获取传送带表面灰度图像；

根据灰度图像中每个像素点与其每个方向上相邻像素点的灰度差得到灰度图像每个方向上的第一灰度差分矩阵；

根据灰度图像每个方向上的第一灰度差分矩阵中相同元素出现的次数得到灰度图像每个方向上的第一灰度差分矩阵的信息特征量；

得到灰度图像每个方向上的第一灰度差分矩阵的信息特征量的获取方法为：式中， 为 方向上的第一灰度差分矩阵的信息特征量， 为第一灰度差分矩阵中第 行第 列的元素, 、 为矩阵的总行数、总列数， 为第一灰度差分矩阵中元素 相等的元素的个数；

获取灰度图像中每个像素点与其八邻域的灰度差值，将灰度差值中的最大差值作为该像素点的灰度差分值，根据每个像素点的灰度差分值得到灰度图像的第二灰度差分矩阵；

根据第二灰度差分矩阵中每个元素的出现次数和该元素对应像素点的灰度级得到灰度图像中每个灰度级的重要性；

所述灰度图像中每个灰度级的重要性的获取方法为：

式中， 为灰度图像中灰度级j的重要性， ， 为灰度图像的总行数和总列数，为第二差分矩阵中第 行，第 列的元素，为 对应的像素点的灰度级， 为第二差分矩阵中元素 出现的次数；

获取第二灰度差分矩阵中大于灰度差值阈值的元素对应的目标像素点，根据每个目标像素点在每个方向上的像素点的数量和灰度级得到每个灰度级在灰度图像中的线性分布程度；

所述每个灰度级在灰度图像中的线性分布程度的获取方法为：式中， 为灰度在灰度图像中的线性分布程度， 为 方向上的像素点的数量， 为灰度级为j的像素点的数量， 为 方向上的像素点的线性相关性；

根据每个灰度级的重要性和每个灰度级的线性分布程度得到每个灰度级的压缩程度，利用压缩程度对灰度图像中的每个灰度级进行压缩；

所述每个灰度级的压缩程度的计算方法为：

式中， 为灰度级j的压缩程度， 为灰度级j的重要性， 为灰度级j的线性分布程度；

根据压缩后的灰度级和每个方向上的第一灰度差分矩阵的信息特征量得到传送带表面灰度图像的灰度共生矩阵；

得到传送带表面灰度图像的灰度共生矩阵的具体方法为：设定第一灰度差分矩阵的方向分别为 、 、 、 方向；

将 、 、 、 方向上的第一灰度差分矩阵的信息特征量依次记为： 、、 、 ；

以每个方向的信息特征量 作为构成图像灰度共生矩阵的每个方向的权值，得到灰度图像的灰度共生矩阵为：式中， 为灰度共生矩阵， ， ， ， 分别为 ， ， ， 方向上构建的灰度共生矩阵；

根据灰度共生矩阵的信息熵和灰度共生矩阵中每个灰度对的灰度差得到灰度图像的像素信息熵；根据灰度图像的像素信息熵得到传送带表面灰度图像中存在裂纹的可能性；

所述灰度图像的像素信息熵的获取方法为：

式中， 为灰度共生矩阵中的灰度对的灰度级 和灰度级 之间的灰度差，为像素信息熵， 为灰度共生矩阵的信息熵，计算方法为：式中， 为灰度对 在灰度共生矩阵中出现的概率， 为灰度共生矩阵的信息熵；

所述根据灰度图像的像素信息熵得到传送带表面灰度图像中存在裂纹的可能性的获取方法为：对灰度图像分块得到多个分块区域图像；

根据每个分块区域图像对应的灰度共生矩阵计算所有分块区域图像的像素信息熵的均值和标准差；

根据所有分块区域图像的像素信息熵的均值和标准差及所有分块区域中的最大像素信息熵计算所有分块区域图像之间的像素信息熵的差异性；

根据灰度图像的像素信息熵及所有分块区域图像之间的像素信息熵的差异性计算传送带表面存在裂纹的可能性；

根据存在裂纹的可能性判断传送带的健康状态。

2.根据权利要求1所述的基于图像处理的胶带输送机传输带缺陷检测方法，其特征在于，所述 方向上的像素点的线性相关性的获取方法为：设置灰度差值阈值 ，筛选出灰度图像的差分矩阵中大于 的元素对应的像素点；

获取筛选出的每个像素点 的 方向上分布的所有像素点对应的灰度差分值，将灰度差分值小于阈值 的像素点作为目标像素点；

则灰度图像中 方向上像素点线性相关性为：

式中， 为灰度图 方向上像素点的相关性， 为灰度图 角度分布的目标像素点的数量， 为 角度上的像素点的数量， 为当前 角度对应的第个目标像素点与其最相邻的两个目标像素点之间的距离之和。

3.根据权利要求1所述的基于图像处理的胶带输送机传输带缺陷检测方法，其特征在于，所述根据存在裂纹的可能性判断传送带的健康状态的方法为：根据经验值设置可能性阈值，当传送带表面存在裂纹的可能性 可能性阈值时，当前图像对应的传送带表面不存在裂纹，即传送带健康状态良好；当传送带表面存在裂纹的可能性 可能性阈值时，当前图像对应的传送带表面存在裂纹，即传送带健康状态不佳，存在安全隐患，需及时进行检测维修。

说明书

基于图像处理的胶带输送机传输带缺陷检测方法

技术领域

[0001] 本申请涉及图像处理领域，具体涉及基于图像处理的胶带输送机传输带缺陷检测方法。

背景技术

[0002] 传送带广泛应用于各行各业，如矿用胶带输送机传输的传送带，其会由于长时间的工作以及磨损，导致传送带的表面存在断裂的风险，存在安全隐患，所以需要对传送带的运行状态进行实时监测，其中，对于传送带表面断裂的风险检测主要依据传送带表面的裂纹识别。

[0003] 传统的传送带表面缺陷检测通常是通过人工来实现，随着近年来机器视觉的发展，图像处理技术被逐渐应用到传送带缺陷检测中，现有的方法为，采集图像数据，直接基于裂纹本身直接进行数据分析处理，但是矿用输送机传送带的表面，会由于传输的物品染色传送带，使得传送带表面的灰度分布较暗，裂纹区域对比度不明显，所以常规的根据表面的图像数据进行分析处理方法，对传送带表面的裂纹不能很好的识别。

发明内容

[0004] 本发明提供基于图像处理的胶带输送机传输带缺陷检测方法，解决矿用胶带传送带监测不够精准的问题，采用如下技术方案：

[0005] 获取传送带表面灰度图像；

[0006] 根据灰度图像中每个像素点与其不同方向上相邻像素点的灰度差，得到灰度图像每个方向上的第一灰度差分矩阵，根据每个方向上的第一灰度差分矩阵中相同元素出现的次数得到每个方向上的第一灰度差分矩阵的信息特征量；

[0007] 获取灰度图像中每个像素点与其八邻域的灰度差值，将灰度差值中的最大差值作为该像素点的灰度差分值，根据每个像素点的灰度差分值得到灰度图像的第二灰度差分矩阵；

[0008] 根据第二灰度差分矩阵中每个元素的出现次数和该元素对应像素点的灰度级得到灰度图像中每个灰度级的重要性；

[0009] 获取第二灰度差分矩阵中大于灰度差值阈值的元素对应的目标像素点，根据每个目标像素点在每个方向上的像素点的数量和灰度级得到每个灰度级在灰度图像中的线性分布程度；

[0010] 根据每个灰度级的重要性和每个灰度级的线性分布程度得到每个灰度级的压缩程度，利用压缩程度对图像中的每个灰度级进行压缩；

[0011] 根据压缩后的灰度级和每个方向上的灰度差分矩阵的信息特征量得到传送带表面灰度图像的灰度共生矩阵；

[0012] 根据灰度共生矩阵的信息熵和灰度共生矩阵中每个灰度对的灰度差得到灰度图像的像素信息熵；根据灰度图像的像素信息熵得到传送带表面灰度图像中存在裂纹的可能性；

[0013] 根据存在裂纹的可能性判断传送带的健康状态。

[0014] 所述每个方向上的灰度差分矩阵的信息量的获取方法为：

[0015]

[0016] 式中， 为 方向上的灰度差分矩阵的信息特征量， 为灰度差分矩阵中第行第 列的元素， ， 为矩阵的总行数，总列数， 为灰度差分矩阵中元素 相等的元素的个数。

[0017] 所述每个灰度级的压缩程度的计算方法为：

[0018]

[0019] 式中， 为灰度级j的压缩程度， 为灰度级j的重要性， 为灰度级j的线性分布程度。

[0020] 所述灰度图像中每个灰度级的重要性的获取方法为：

[0021]

[0022] 式中， 为灰度图像中灰度级j的重要性， ， 为灰度图像的总行数和总列数，为灰度图的差分矩阵中第 行，第 列的元素，为 对应的像素点的灰度级， 为差分矩阵中元素 出现的次数。

[0023] 所述每个灰度级在灰度图像中的线性分布程度的获取方法为：

[0024]

[0025] 式中， 为灰度 在灰度图像中的线性分布程度， 为 方向上的像素点的数量， 为灰度级为j的像素点的数量， 为 方向上的像素点的线性相关性。

[0026] 所述 方向上的像素点的线性相关性的获取方法为：

[0027] 设置灰度差值阈值 ，筛选出灰度图像的差分矩阵中大于 的元素对应的像素点；

[0028] 获取筛选出的每个像素点 的 方向上分布的所有像素点对应的灰度差分值，将灰度差分值小于阈值 的像素点作为目标像素点；

[0029] 则灰度图像中 方向上像素点线性相关性为：

[0030]

[0031] 式中， 为灰度图 方向上像素点的相关性， 为灰度图 角度分布的目标像素点的数量， 为 角度上的像素点的数量， 为当前 角度对应的第 个目标像素点与其最相邻的两个目标像素点之间的距离之和。

[0032] 所述传送带表面灰度图像的灰度共生矩阵的获取方法为：

[0033] 获取 、 、 、 方向上的灰度差分矩阵的信息特征量分别为： 、 、、 ；

[0034] 以每个方向的信息特征量 作为构成图像灰度共生矩阵的每个方向的权值，得到灰度图像的灰度共生矩阵为：

[0035]

[0036] 式中， 为灰度共生矩阵， ， ， ， 分别为 ， ， ， 方向上构建的灰度共生矩阵。

[0037] 所述灰度图像的像素信息熵的获取方法为：

[0038]

[0039] 式中， 为灰度共生矩阵中的灰度对的灰度级 和灰度级 之间的灰度差，为像素信息熵， 为灰度共生矩阵的信息熵，计算方法为：

[0040]

[0041] 式中， 为图像灰度级， 为灰度共生矩阵的信息熵。

[0042] 所述传送带表面灰度图像中存在裂纹的可能性的获取方法为：

[0043] 对图像进行分块，将图像分为 部分，在每一个分块区域内计算分块区域的为 ；

[0044] 则分块区域图像的 的差异性为：

[0045]

[0046] 式中， 为分块区域图像的 的差异性， 分别为所有分块区域的 的均值与标准差， 为图像中所有分块区域的 的最大值；

[0047] 则传送带表表面存在裂纹的可能性为：

[0048]

[0049] 式中， 表示传送带表表面存在裂纹的可能性。

[0050] 所述根据存在裂纹的可能性判断传送带的健康状态的方法为：

[0051] 根据经验值设置可能性阈值，当传送带表面存在裂纹的可能性 可能性阈值时，当前图像对应的传送带表面不存在裂纹，即传送带健康状态良好；当传送带表面存在裂纹的可能性 可能性阈值时，当前图像对应的传送带表面存在裂纹，即传送带健康状态不佳，存在安全隐患，需及时进行检测维修。

[0052] 本发明的有益效果是：获取传送带表面灰度图像不同方向上的灰度差分矩阵数据，根据每个方向上的灰度差分矩阵数据中相同元素出现的次数得到每个方向上的灰度差分矩阵数据的信息特征量，根据每个像素点与其八邻域的灰度差值，根据每个像素点的灰度差分值得到灰度图像的第二灰度差分矩阵数据，根据第二灰度差分矩阵数据中每个元素的出现次数和该元素对应像素点的灰度级得到灰度图像中每个灰度级的重要性，根据第二灰度差分矩阵数据中大于灰度差值阈值的元素对应的像素点得到每个灰度级在灰度图像中的线性分布程度，根据重要性和线性分布程度得到每个灰度级的压缩程度，对压缩后的灰度级和每个方向上的灰度差分矩阵数据的信息特征量进行处理得到灰度共生矩阵数据，根据信息熵和每个灰度对的灰度差得到灰度图像的像素信息熵，根据灰度图像的像素信息熵得到存在裂纹的可能性，根据可能性判断传送带的健康状态，方法智能、精准。

附图说明

[0053] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0054] 图1是本发明的基于图像处理的胶带输送机传输带缺陷检测方法流程示意图。

具体实施方式

[0055] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0056] 本发明的基于图像处理的胶带输送机传输带缺陷检测方法的实施例，如图1所示，包括：

[0057] 步骤一：获取传送带表面灰度图像；

[0058] 该步骤的目的是，采集传送带表面灰度图像作为后续分析数据基础。

[0059] 本实施例所针对的情景为：

[0060] 对于胶带输送机传送带的健康状态的监测，主要分析传送带表面的裂纹，对于矿用输送机传送带的表面在使用的过程中被煤块染色，导致一般的识别方法不能很好的对裂纹进行识别。所以在本实施例中主要通过裂纹的信息对灰度级进行压缩，同时确定构建灰度共生矩阵的点对方向，实现传送带表面存在裂纹缺陷的可能性，进而实现传送带的健康状态监测。

[0061] 其中，获取胶带输送机传送带表面灰度图像的方法为：

[0062] 在胶带输送机传送带运行的同时，在胶带输送机传送带的底部安装相机，拍摄传送带图像。已知传送带的运行速度为 ，相机拍摄的单张图像所表示的实际宽度为 ，此时判断设置相机拍摄时间间隔为 ，此时通过相机能够拍摄到传送带的所有表面信息，然后，通过语义分割获得传送带区域的图像，并对传送带区域图像进行灰度化获得灰度图，后续计算均基于灰度图像。

[0063] 步骤二：根据灰度图像中每个像素点与其不同方向上相邻像素点的灰度差，得到灰度图像每个方向上的第一灰度差分矩阵，根据每个方向上的第一灰度差分矩阵中相同元素出现的次数得到每个方向上的第一灰度差分矩阵的信息特征量；

[0064] 该步骤的目的是，分析灰度图像各个方向上的突变信息量。

[0065] 其中，灰度差分矩阵的获取方法为：

[0066] 在原灰度图像中选择四个方向 ， ， ， ，分别计算四个方向的灰度差分值，得到每个方向上的第一灰度差分矩阵分别表示为 ， ， ， ；

[0067] 对于每一个灰度差分矩阵，对应每一个元素 ,(矩阵中第 行第 列的矩阵元素)。则对于图像中的有用信息主要存在于 较大时对应的位置，所以，根据不同方向的差分矩阵判断最后灰度共生矩阵的方向。

[0068] 其中，每个方向上的灰度差分矩阵的信息特征量的获取方法为：

[0069]

[0070] 其中， 表示灰度差分矩阵的第 行第 列的元素， ， 表示矩阵的行和列，表示在灰度差分矩阵中与当前元素 相等的元素的个数， 表示不同方向的灰度差分矩阵的信息量， 越大，信息越多，同时 越小，突变信息越多，最后获得 越大，突变信息特征量越多。

[0071] 需要说明的是，计算灰度差分矩阵中的信息量，灰度差分越大，信息量越大。同时在差分矩阵中，相同元素出现的次数越多，对应元素所代表的信息量越可能表示图像原有特征，即，相同元素出现的次数越少，越有可能表示缺陷的信息。

[0072] 步骤三：获取灰度图像中每个像素点与其八邻域的灰度差值，将灰度差值中的最大差值作为该像素点的灰度差分值，根据每个像素点的灰度差分值得到灰度图像的第二灰度差分矩阵；根据第二灰度差分矩阵中每个元素的出现次数和该元素对应像素点的灰度级得到灰度图像中每个灰度级的重要性；

[0073] 该步骤的目的根据每个像素点与其八邻域像素点的灰度差异，构建灰度差分矩阵，统计矩阵中每个元素对应像素点灰度级的出现次数，得到图像中每个灰度级的重要性。

[0074] 其中，第二灰度差分矩阵的灰度差分矩阵的获取方法为：为判断图像中个灰度级的特点，获取原始图像的每一个像素点与8邻域内像素点之间灰度差的最大值表示当前像素点的灰度差分值，表示为 ，其中x,y分别表示像素点的位置，所有像素点的灰度差分值构成灰度图像的第二灰度差分矩阵D，然后根据所构建的第二灰度差分矩阵确定图像中灰度级的重要性。

[0075] 其中，灰度图像中每个灰度级的重要性的获取方法为：

[0076]

[0077] 其中， ， 表示图像的行，列，表示 所对应像素点的灰度级， 表示第二灰度差分矩阵中第x行第y列元素 出现的次数， 表示图像中灰度级j的主要性， 越大，表示灰度级j重要性越高，由于传送带表面的裂纹区域，夹杂更多的煤炭粉末，使得裂纹灰度值更低，则将已知灰度差分矩阵D中的每一个元素表示为 ，元素 所对应的像素点的灰度值表示为 ，同时 代表原图像的信息量， 出现的次数越多，代表的信息越重要。

[0078] 步骤四：获取第二灰度差分矩阵中大于灰度差值阈值的元素对应的目标像素点，根据每个目标像素点在每个方向上的像素点的数量和灰度级得到每个灰度级在灰度图像中的线性分布程度；

[0079] 该步骤的目的是，对第二灰度差分矩阵元素对应像素点的灰度级进行方向相关性判断，得到灰度图像中灰度级的线性分布程度。

[0080] 对于图像中裂纹的识别，主要针对裂纹的带状表现，判断可能为裂纹区域的灰度级。带状的裂纹，使得原图像的灰度差分矩阵具有连续方向性的高灰度差表现。所以，对所有的矩阵元素进行方向相关性判断，判断灰度差分在四个方向的近似相关性，原始图像像素点的分布特点。

[0081] 对第二灰度差分矩阵的元素进行线性相关性分析，主要反映灰度差分矩阵元素的线性分布特定，同时主要对应可能为裂纹区域的像素点的关系。所以，需要根据像素点的特点筛选需要判断线性相关性的像素点。

[0082] 其中，每个灰度级在灰度图像中的线性分布程度的获取方法为：

[0083] （1）首先对于可能为裂纹区域像素点在灰度差分矩阵中数值较高，此时设置灰度差分值阈值 ，筛选出 的像素点判断其线性相关性。

[0084] （2）对于图像中的裂纹区域，其分布方向不确定，所以对于所筛选的像素点的线性方向不确定，所以，需要分析所筛选的像素点在不同方向的线性相关性。对于不同方向的线性相关性的分析，需要再次筛选不同方向的像素点：

[0085] 获取筛选出的 的像素点，分析每个像素点 在 方向的相关性，此时获得与像素点 分布在 方向的像素点，即 ，此时k表示当前方向的斜率，对于当前方向的像素点，可能存在裂纹区域像素点和背景区域像素点，此时为分析可能为裂纹的像素点分布的线性相关性，此时需要选择 方向上像素点灰度差分值小于阈值 的像素点作为目标像素点，值根据经验设定。

[0086] （3）在图像中的分别判断角度 方向的线性相关性。则像素点线性相关性表示为：

[0087]

[0088] 式中， 为灰度图 方向上像素点的相关性， 为灰度图 角度上分布的目标像素点的数量， 为 角度上所有像素点的数量， 为当前 角度对应的每一个目标像素点与其最相邻的两个目标像素点之间的距离之和， 表示原始图像持续分布的高灰度差的像素点的相关性，反映图像的纹理信息。

[0089] （4）针对图像中的裂纹区域，其分布方向性具有不确定性，所以，同一灰度级可能在不同的方向表现不同的线性相关性：

[0090] 对所有的 对应的 ，在整个灰度差分矩阵中获得所有的 ，则灰度级 在图像中的线性分布程度为：

[0091]

[0092] 其中， 表示当前线性分布判断运算中像素点的数量，表示灰度级为j的像素点的数量， 表示灰度级 在图像中的线性分布程度，即灰度级j存在于裂纹区域的可能性， 越大，表示灰度级在图像中的线性分布程度越大，反映了图像中的裂纹信息在灰度级中的表现。

[0093] 步骤五：根据每个灰度级的重要性和每个灰度级的线性分布程度得到每个灰度级的压缩程度，利用压缩程度对图像中的每个灰度级进行压缩；根据压缩后的灰度级和每个方向上的灰度差分矩阵的信息特征量得到传送带表面灰度图像的灰度共生矩阵；

[0094] 该步骤的目的是，对灰度图像中的灰度级进行压缩，压缩后生成不同方向上的灰度共生矩阵。

[0095] 需要说明的是，由于图像中的灰度级较多，大部分相邻灰度级表现的信息相同，所以需要通过对灰度级进行压缩，在保证图像原有信息的同时减少计算量，对于传送带中裂纹检测，需要最大程度的表现裂纹区域的灰度级，所以在灰度共生矩阵的构建中，需要根据灰度级的有用信息确定灰度级压缩。对于灰度级的压缩，主要为减少灰度共生矩阵的计算量，同时最大程度的保证裂纹区域像素点灰度级的差异性，所以通过上述方法判断出每一个像素级针对裂纹区域的重要性以及对应像素点分布线性相关性，确定原图像中的所有灰度级的压缩程度 ，根据 对图像灰度级进行压缩，并将灰度级压缩为10个灰度级。

[0096] 其中，对于原始图像的灰度级的压缩主要取决于灰度级的重要性 以及灰度级线性分布程度 。在压缩过程中 越大，对应灰度级压缩程度较小， 越大，对应灰度级压缩程度同样较小，则每个灰度级的压缩程度表示为：

[0097]

[0098] 其中， 表示灰度级j的压缩程度， 越大，对应灰度级压缩程度越大，一般对于图像灰度级的压缩，都是直接对图像原有灰度级进行线性压缩，但是在本发明中，对应的图像为用于传送煤的传送带，所以矿用胶带输送机传送带一般都是被煤块染色，整体颜色较暗，所以，需要分析图像的原有信息，确定灰度级的压缩程度。

[0099] 其中，传送带表面灰度图像的灰度共生矩阵的构建方法如下：

[0100] 对所获得的四个方向的第一灰度差分矩阵的特征信息量 进行归一化处理，分别表示为 ， ， ， ，所以，以各方向的突变信息特征量 作为构成图像灰度共生矩阵的方向的权值，则最后灰度共生矩阵表示为：

[0101]

[0102] 其中， ， ， ， 分别表示在 ， ， ， 方向构建的灰度共生矩阵， 表示最后获得的灰度共生矩阵，由于，构建灰度共生矩阵是为判断图像中的裂纹缺陷，所以，根据不同方向的突变信息特征量 确定灰度共生矩阵的方向。

[0103] 步骤六：根据灰度共生矩阵的信息熵和灰度共生矩阵中每个灰度对的灰度差得到灰度图像的像素信息熵；根据灰度图像的像素信息熵得到传送带表面灰度图像中存在裂纹的可能性；

[0104] 该步骤的目的是分析灰度共生矩阵中的灰度对信息特征，得到传送带表面灰度图像中存在裂纹缺陷的可能性。

[0105] 其中，灰度图像的像素信息熵的获取方法如下：

[0106] （1）获取灰度共生矩阵的信息熵：

[0107] 在传送带图像中，裂纹的存在破坏传送带表面的纹理，在灰度共生矩阵中信息熵变大，灰度图像的信息熵为：

[0108]

[0109] 其中，，表示图像灰度级， 表示图像的信息熵， 越大，纹理越复杂，颜色跳跃越大，在图像中越有可能存在裂纹，此时，对于图像中的裂纹信息，在像素层面主要表现为灰度的差异， 为灰度对 在灰度共生矩阵中出现的概率；

[0110] （2）则灰度图像中像素信息熵表示为：

[0111]

[0112] 其中， 表示灰度共生矩阵的灰度对 和 的灰度差， 表示具有像素信息熵， 越大，图像中存在裂纹的可能性越高。

[0113] 其中，传送带表面灰度图像中存在裂纹的可能性的获取方法为：

[0114] （1）对灰度图像分块得到多个分块区域图像：

[0115] 对灰度图像进行分块运算，即将图像分为 部分，在每一个分块区域内计算分块区域的 ，表示为 ；

[0116] （2）根据每个分块区域图像对应的灰度共生矩阵计算所有分块区域图像的像素信息熵的均值 和标准差 ；

[0117] （3）根据所有分块区域图像的像素信息熵的均值和标准差及所有分块区域中的最大像素信息熵计算所有分块区域图像之间的像素信息熵的差异性 ；

[0118]

[0119] 其中， 表示所有分块区域的 的均值， 表示所有分块区域的的标准差， 表示图像中所有分块区域图像的 的最大值， 表示所有分块区域图像的像素信息熵 的差异性， 越大，越有可能存在裂纹，在图像中存在裂纹时，裂纹区域使得图像 变大，同时对于各分块区域图像内，存在裂纹的区域的与其他区域的 存在较大差异，即对于存在裂纹的图像中所有分块区域的存在离群值。

[0120] （4）则传送带表表面存在裂纹的可能性为：

[0121]

[0122] 式中， 表示传送带表表面存在裂纹的可能性，对于整个图像中的裂纹存在主要基于 和 的分析，根据上述步骤获得整个图像的 和 ，判断图像中存在裂纹的可能性， 越大，表示图像对应的传送带表面存在裂纹的可能性越大。

[0123] 步骤七：根据存在裂纹的可能性判断传送带的健康状态。

[0124] 该步骤的目的是，根据存在裂纹的可能性判断传送带的健康状态实现对传送带的健康监测。

[0125] 其中，根据存在裂纹的可能性判断传送带的健康状态的方法为：

[0126] 对于传送带表面存在裂纹，破坏传送带表面的结构完整性，导致传送带存在安全隐患。所以，根据传送带表面存在裂纹的可能性 ，判断传送带的健康状态。此时根据经验值设置阈值 ，当 时，判断当前图像对应的传送带表面不存在裂纹，即传送带健康状态良好。 ，判定当前图像对应的传送带表面存在裂纹，即传送带健康状态不佳，存在安全隐患，需及时进行检测维修。

[0127] 本实施例对于传送带图像中的裂纹的判断，主要依据裂纹区域对原始图像灰度纹理的破环，所以在本发明中通过灰度共生矩阵判断图像中存在裂纹的可能性。首先根据裂纹区域导致灰度变化的特点，确定灰度共生矩阵的方向权值，然后分析个灰度级的重要性以及突变区域灰度级的线性相关性确定灰度级的压缩程度，最后构成灰度共生矩阵，判断存在裂纹的可能性，利用图像中裂纹区域的特点，确定灰度级的压缩程度，最大程度的反映裂纹区域的信息，再通过灰度共生矩阵判断存在裂纹可能性，实现传送带的健康监测，本技术方案通过获取图像不同方向上的图像信息特征，根据图像灰度级的特点对灰度级进行不同程度的压缩，再构建灰度共生矩阵，识别图像中的裂纹，实现传输带的健康监测，同时可以排除传送带表面固有纹理的影响，对于不同类型传送带的表面裂纹都具有识别效果。

[0128] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。