一种整芯阻燃输送带表面缺陷检测方法

摘要

本发明涉及图像数据处理技术领域，具体涉及一种整芯阻燃输送带表面缺陷检测方法。该方法获取多张输送带区域图像，获得输送带区域图像上的疑似裂缝边缘，基于裂缝特征值筛选出真实裂缝边缘；使用不同滤波半径的滤波器进行增强得到增强输送带区域图像；依据每个尺度下增强前后各输送带块之间的灰度值分布的差异获取图像块效应值，并获取图像对比度增强值；获取canny边缘检测下的目标低阈值，并结合图像块效应值和图像对比度增强值筛选出选取最优滤波半径；对使用最优滤波半径增强的图像进行分析，获取输送带表面缺陷情况，提高了整芯阻燃输送带表面缺陷检测的准确率。

权利要求

1.一种整芯阻燃输送带表面缺陷检测方法，其特征在于，该方法包括：获取整芯阻燃输送带运动过程中至少两帧输送带区域图像；

获得输送带区域图像上的疑似裂缝边缘；根据疑似裂缝边缘的形状和方向获得裂缝特征值，根据裂缝特征值筛选出真实裂缝边缘；

获得使用不同滤波半径的滤波器对所述输送带区域图像进行增强处理的增强输送带区域图像；

分别在不同尺度下将每张所述增强输送带区域图像划分为输送带块；根据每个尺度下增强前后各输送带块之间的灰度值分布的差异，获取对应尺度下的初始块效应值；根据所有尺度下的初始块效应值获取增强输送带区域图像的图像块效应值；

使用预设尺寸的扫描框扫描每张所述增强输送带区域图像；根据每个扫描框内不同尺度下的初始块效应值，及增强前后的对比度差异，获取对应增强输送带区域图像的图像对比度增强值；

对增强输送带区域图像进行不同低阈值下的canny边缘检测，根据每次边缘检测获得的边缘和真实裂缝边缘之间的数量差异确定目标低阈值；结合所述目标低阈值、所述图像块效应值和所述图像对比度增强值筛选出最优滤波半径；

使用所述最优滤波半径获取最优增强输送带区域图像；根据最优增强输送带区域图像中进行缺陷检测；

所述最优滤波半径的获取方法，包括：

将所述目标低阈值进行负相关并归一化，得到边缘增强值；将所述增强输送带区域图像的所述图像块效应值与所述图像对比度增强值的比值作为图像边缘显著值，将所述边缘增强值与所述图像边缘显著值的乘积作为所述增强输送带区域图像的所述图像增强效果值；

将每张增强输送带区域图像的所述图像增强效果值进行归一化，得到归一化图像增强效果值；设置增强效果阈值，从小到大依次将滤波半径对应的增强输送带区域图像的所述归一化图像增强效果值与所述增强效果阈值进行比较；当所述增强输送带区域图像的所述归一化图像增强效果值大于所述增强效果阈值时，将所述增强输送带区域图像对应的滤波半径作为最优滤波半径。

2.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述疑似裂缝边缘的获取方法，包括：计算输送带区域图像与相邻帧输送带区域图像之间的灰度值差异；

设置灰度阈值；将输送带区域图像中所述灰度值差异大于所述灰度阈值的像素点作为裂缝区域像素点；使用连通域分析所述裂缝区域像素点得到至少两个裂缝区域；

分别对每个所述裂缝区域进行膨胀运算和腐蚀运算，获取每个裂缝区域的膨胀图像和腐蚀图像，将每个裂缝区域的膨胀图像减去腐蚀图像得到的图像再次进行腐蚀操作后，得到对应裂缝区域的初始疑似裂缝边缘；

设置数量阈值；将所述初始疑似裂缝边缘上像素点数量大于数量阈值的初始疑似裂缝边缘，作为所述疑似裂缝边缘。

3.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述裂缝特征值的获取方法，包括：设置节点数量阈值；将每条所述疑似裂缝边缘上每个像素点的预设邻域内像素点的数量大于节点数量阈值的像素点作为节点像素点；统计每条疑似裂缝边缘上的所述节点像素点的数量作为对应疑似裂缝边缘的节点特征值；将每条所述疑似裂缝边缘的所述节点特征值进行负相关映射并归一化，得到对应疑似裂缝边缘的分支特征值；

过疑似裂缝边缘上每个像素点作疑似裂缝边缘的切线，将每个像素点的切线斜率与相邻像素点的切线斜率之间差值绝对值的均值作为对应像素点的斜率变化值，将疑似裂缝边缘上像素点的所述斜率变化值的均值作为疑似裂缝边缘的斜率特征值；

将疑似裂缝边缘上每个像素点的切线与水平方向的夹角作为对应像素点的倾斜角，将像素点的所述倾斜角与预设角度的差值绝对值作为对应像素点的角度值，将疑似裂缝边缘上像素点的所述角度值与预设常数之和的均值作为初始角度特征值，将所述初始角度特征值的倒数作为疑似裂缝边缘的角度特征值；

将所述斜率特征值与所述角度特征值乘积作为所述方向特征值；

将所述分支特征值与所述方向特征值的乘积作为将疑似裂缝边缘的所述裂缝特征值。

4.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述真实裂缝边缘的获取方法，包括：设置裂缝判断阈值；

将每条疑似裂缝边缘的所述裂缝特征值进行归一化，得到归一化裂缝特征值；

将所述归一化裂缝特征值大于所述裂缝判断值的疑似裂缝边缘作为真实裂缝边缘。

5.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述初始块效应值的获取方法，包括：选取任意尺度作为目标尺度，使用目标尺度将所述增强输送带区域图像划分为至少两个输送带块；

选取任意所述输送带块作为目标输送带块，将图像增强前后所述目标输送带块内像素点的灰度均值之间的差值绝对值作为所述目标输送带块的对比灰度差；改变目标输送带块，获取每个输送带块的所述对比灰度差；

将所述目标输送带块的对比灰度差与输送带块的对比灰度差的均值之间的差值，作为所述目标输送带块的初始块效应值；改变目标输送带块，获取每个输送带块的所述初始块效应值。

6.根据权利要求5所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述图像块效应值的获取方法，包括：将所述目标尺度下输送带块的所述初始块效应值平方的均值作为目标尺度的初始尺度增强显著值，将所述初始尺度增强显著值的开方作为目标尺度的尺度增强显著值；

改变所述目标尺度，获取任意尺度下的所述尺度增强显著值；将所有尺度下的所述尺度增强显著值进行累加，得到所述图像块效应值。

7.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述图像对比度增强值的获取方法，包括：选取任意扫描框为目标扫描框；

将每个尺度下的每个输送带块的所述初始块效应值作为对应输送带块内每个像素点的特征值，像素点的特征值的数量等于尺度的数量；将所述增强输送带区域图像内每个像素点的特征值的均值作为综合特征值；将所述目标扫描框内像素点的综合特征值的均值作为所述目标扫描框的综合对比差异值；改变目标扫描框，获取每个扫描框的所述综合对比差异值；

将图像增强前后所述目标扫描框的对比度的差值绝对值与所述综合对比差异值乘积，作为目标扫描框的框增强显著值；

将目标扫描框的所述框增强显著值与框增强显著值的均值之间差值绝对值作为目标扫描框的第一图像对比度增强值；改变目标扫描框，获取每个扫描框的所述第一图像对比度增强值；将所有扫描框的所述第一图像对比度增强值的均值作为第二图像对比度增强值；

将所述第二图像对比度增强值进行负相关映射，得到所述图像对比度增强值。

8.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述目标低阈值的获取方法，包括：对所述增强输送带区域图像进行不同低阈值下的canny边缘检测，得到每个低阈值下的待测裂缝边缘；

设置裂缝数量阈值，当所述待测裂缝边缘中所述真实裂缝边缘占比大于等于所述裂缝数量阈值时，所对应的低阈值为目标低阈值。

9.根据权利要求1所述的一种整芯阻燃输送带表面缺陷检测方法，其特征在于，所述缺陷检测的具体方法，为：对最优增强输送带区域图像进行边缘检测得到裂缝边缘，统计所述裂缝边缘的数量；

将所述裂缝边缘上像素点的数量作为裂缝边缘的长度，将增强输送带区域图像中所有裂缝边缘的长度进行累加得到裂缝程度；将所述数量与所述裂缝程度的乘积作为输送带的表面裂缝缺陷程度；

将所述表面裂缝缺陷程度进行归一化，得到归一化表面裂缝缺陷程度；

设置缺陷阈值，当所述归一化表面裂缝缺陷程度大于缺陷阈值时，则认为输送带出现严重裂缝。

说明书

一种整芯阻燃输送带表面缺陷检测方法

技术领域

[0001] 本发明涉及图像数据处理技术领域，具体涉及一种整芯阻燃输送带表面缺陷检测方法。

背景技术

[0002] 整芯阻燃输送带是一种高强力型输送带，具有良好的阻燃、抗静电、抗冲击、耐磨损、耐腐蚀等性能，主要用于煤矿井下运煤作业。用涂刮法生产的整芯输送带生产线具备连续生产，效率高，成本低，质量稳定等优点。带式输送机作为工业生产的重要设备，其稳定运行直接影响企业的经济效益和工作人员的安全。输送带的纵向撕裂是生产过程中的频发故障，且由于输送带的特殊结构和较快的运行速度，当输送带出现局部性纵向撕裂时，会造成整条输送带在短时间之内撕裂报废，严重的输送带撕裂故障甚至会引发火灾，造成严重的生产事故。因此，实现对输送带纵向撕裂故障及时的智能化检测，对于工业生产线的安全运行有重大意义。

[0003] 现有技术通过利用不同尺度的滤波核在多个方向上对传送带的灰度图像进行滤波处理，得到多张特征显著图，对这些特征显著图按照一定比例进行加权融合得到显著图，融合后的显著图即为增强效果最优的图像；通过霍夫直线检测显著图获取疑似裂纹区域，依据疑似裂纹区域的梯度分布特征和随机指标获取评价指标，将评价指标满足条件的疑似裂纹区域记为真实裂纹，之后根据真实裂纹的斜率计算评价指标，进而判断传送带的表面缺陷。由于融合后的显著图不能使得对图像各个区域的增强处理均为最优，仅保证对整体图像增强效果最优，使得图像内部分区域的增强效果不精确，使得裂纹的判断存在误差，进而降低传送带表面的缺陷检测的准确率。

发明内容

[0004] 为了解决通过对图像的整体增强程度进行融合使得图像内各部分增强效果不是最优的，进而导致裂缝识别不准确的技术问题，本发明的目的在于提供一种整芯阻燃输送带表面缺陷检测方法，所采用的技术方案具体如下：

[0005] 本发明提出了一种整芯阻燃输送带表面缺陷检测方法，该方法包括：

[0006] 获取整芯阻燃输送带运动过程中至少两帧输送带区域图像；

[0007] 获得输送带区域图像上的疑似裂缝边缘；根据疑似裂缝边缘的形状和方向获得裂缝特征值，根据裂缝特征值筛选出真实裂缝边缘；

[0008] 获得使用不同滤波半径的滤波器对所述输送带区域图像进行增强处理的增强输送带区域图像；

[0009] 分别在不同尺度下将每张所述增强输送带区域图像划分为输送带块；根据每个尺度下增强前后各输送带块之间的灰度值分布的差异，获取对应尺度下的初始块效应值；根据所有尺度下的初始块效应值获取增强输送带区域图像的图像块效应值；

[0010] 使用预设尺寸的扫描框扫描每张所述增强输送带区域图像；根据每个扫描框内不同尺度下的初始块效应值，及增强前后的对比度差异，获取对应增强输送带区域图像的图像对比度增强值；

[0011] 对增强输送带区域图像进行不同低阈值下的canny边缘检测，根据每次边缘检测获得的边缘和真实裂缝边缘之间的数量差异确定目标低阈值；结合所述目标低阈值、所述图像块效应值和所述图像对比度增强值筛选出最优滤波半径；

[0012] 使用所述最优滤波半径获取最优增强输送带区域图像；根据最优增强输送带区域图像中进行缺陷检测。

[0013] 进一步地，所述疑似裂缝边缘的获取方法，包括：

[0014] 计算输送带区域图像与相邻帧输送带区域图像之间的灰度值差异；

[0015] 设置灰度阈值；将输送带区域图像中所述灰度值差异大于所述灰度阈值的像素点作为裂缝区域像素点；使用连通域分析所述裂缝区域像素点得到至少两个裂缝区域；

[0016] 分别对每个所述裂缝区域进行膨胀运算和腐蚀运算，获取每个裂缝区域的膨胀图像和腐蚀图像，将每个裂缝区域的膨胀图像减去腐蚀图像得到的图像再次进行腐蚀操作后，得到对应裂缝区域的初始疑似裂缝边缘；

[0017] 设置数量阈值；将所述初始疑似裂缝边缘上像素点数量大于数量阈值的初始疑似裂缝边缘，作为所述疑似裂缝边缘。

[0018] 进一步地，所述裂缝特征值的获取方法，包括：

[0019] 设置节点数量阈值；将每条所述疑似裂缝边缘上每个像素点的预设邻域内像素点的数量大于节点数量阈值的像素点作为节点像素点；统计每条疑似裂缝边缘上的所述节点像素点的数量作为对应疑似裂缝边缘的节点特征值；将每条所述疑似裂缝边缘的所述节点特征值进行归一化，得到对应疑似裂缝边缘的分支特征值；

[0020] 将疑似裂缝边缘上每个像素点的切线与水平方向的夹角作为对应像素点的倾斜角，将像素点的所述倾斜角与预设角度的差值绝对值作为对应像素点的角度值，将疑似裂缝边缘上像素点的所述角度值与预设常数之和的均值作为初始角度特征值，将所述初始角度特征值的倒数作为疑似裂缝边缘的角度特征值；

[0021] 将疑似裂缝边缘上每个像素点的切线与水平方向的夹角作为对应像素点的倾斜角，将像素点的所述倾斜角与预设角度的差值绝对值作为对应像素点的角度值，将疑似裂缝边缘上像素点的所述角度值与预设常数之和的均值的倒数作为疑似裂缝边缘的角度特征值；

[0022] 将所述斜率特征值与所述角度特征值乘积作为所述方向特征值；

[0023] 将所述分支特征值与所述方向特征值的乘积作为将疑似裂缝边缘的所述裂缝特征值。

[0024] 进一步地，所述真实裂缝边缘的获取方法，包括：

[0025] 设置裂缝判断阈值；

[0026] 将每条疑似裂缝边缘的所述裂缝特征值进行归一化，得到归一化裂缝特征值；

[0027] 将所述归一化裂缝特征值大于所述裂缝判断值的疑似裂缝边缘作为真实裂缝边缘。

[0028] 进一步地，所述初始块效应值的获取方法，包括：

[0029] 选取任意尺度作为目标尺度，使用目标尺度将所述增强输送带区域图像划分为至少两个输送带块；

[0030] 选取任意所述输送带块作为目标输送带块，将图像增强前后所述目标输送带块内像素点的灰度均值之间的差值绝对值作为所述目标输送带块的对比灰度差；改变目标输送带块，获取每个输送带块的所述对比灰度差；

[0031] 将所述目标输送带块的对比灰度差与输送带块的对比灰度差的均值之间的差值，作为所述目标输送带块的初始块效应值；改变目标输送带块，获取每个输送带块的所述初始块效应值。

[0032] 进一步地，所述图像块效应值的获取方法，包括：

[0033] 将所述目标尺度下输送带块的所述初始块效应值平方的均值作为目标尺度的初始尺度增强显著值，将所述初始尺度增强显著值的开方作为目标尺度的尺度增强显著值；

[0034] 改变所述目标尺度，获取任意尺度下的所述尺度增强显著值；将所有尺度下的所述尺度增强显著值进行累加，得到所述图像块效应值。

[0035] 进一步地，所述图像对比度增强值的获取方法，包括：

[0036] 选取任意扫描框为目标扫描框；

[0037] 将每个尺度下的每个输送带块的所述初始块效应值作为对应输送带块内每个像素点的特征值，像素点的特征值的数量等于尺度的数量；将所述增强输送带区域图像内每个像素点的特征值的均值作为综合特征值；将所述目标扫描框内像素点的综合特征值的均值作为所述目标扫描框的综合对比差异值；改变目标扫描框，获取每个扫描框的所述综合对比差异值；

[0038] 将图像增强前后所述目标扫描框的对比度的差值绝对值与所述综合对比差异值乘积，作为目标扫描框的框增强显著值；

[0039] 将目标扫描框的所述框增强显著值与框增强显著值的均值之间差值绝对值作为目标扫描框的第一图像对比度增强值；改变目标扫描框，获取每个扫描框的所述第一图像对比度增强值；将所有扫描框的所述第一图像对比度增强值的均值作为第二图像对比度增强值；

[0040] 将所述第二图像对比度增强值进行负相关映射并归一化，得到所述图像对比度增强值。

[0041] 进一步地，所述目标低阈值的获取方法，包括：

[0042] 对所述增强输送带区域图像进行不同低阈值下的canny边缘检测，得到每个低阈值下的待测裂缝边缘；

[0043] 设置裂缝数量阈值，当所述待测裂缝边缘中所述真实裂缝边缘占比大于等于所述裂缝数量阈值时，所对应的低阈值为目标低阈值。

[0044] 进一步地，所述最优滤波半径的获取方法，包括：

[0045] 将所述目标低阈值进行归一化，得到边缘增强值；将所述增强输送带区域图像的所述图像块效应值与所述图像对比度增强值的比值作为图像边缘显著值，将所述边缘增强值与所述图像边缘显著值的乘积作为所述增强输送带区域图像的所述图像增强效果值；

[0046] 将每张增强输送带区域图像的所述图像增强效果值进行归一化，得到归一化图像增强效果值；设置增强效果阈值，从小到大依次将滤波半径对应的增强输送带区域图像的所述归一化图像增强效果值与所述增强效果阈值进行比较；当所述增强输送带区域图像的所述归一化图像增强效果值大于所述增强效果阈值时，将所述增强输送带区域图像对应的滤波半径作为最优滤波半径。

[0047] 进一步地，所述缺陷检测的具体方法，为：

[0048] 对最优增强输送带区域图像进行边缘检测得到裂缝边缘，统计所述裂缝边缘的数量；

[0049] 将所述裂缝边缘上像素点的数量作为裂缝边缘的长度，将增强输送带区域图像中所有裂缝边缘的长度进行累加得到裂缝程度；将所述数量与所述裂缝程度的乘积作为输送带的表面裂缝缺陷程度；

[0050] 将所述表面裂缝缺陷程度进行归一化，得到归一化表面裂缝缺陷程度；

[0051] 设置缺陷阈值，当所述归一化表面裂缝缺陷程度大于缺陷阈值时，则认为输送带出现严重裂缝。

[0052] 本发明具有如下有益效果：

[0053] 本发明实施例在图像采集过程中因光照等因素使图像产生灰度差异变化，使输送带区域图像中存在灰度差异的区域并不全是裂缝边缘，将这些区域作为疑似裂缝边缘，从裂缝的形状进行分析，裂缝边缘存在多条细小裂缝分支，从裂缝的方向进行分析，裂缝大多为纵向裂缝且裂缝边缘较为粗糙，通过对裂缝边缘的形状和方向进行分析，得到的裂缝特征值能够较为准确地反映裂缝的相关特征，提高了对图像中裂缝边缘判断的准确率；利用不同滤波半径的滤波器对输送带区域图像进行增强，得到增强输送带区域图像，由于滤波半径大小不同，导致图像增强前后不同图像区域的图像增强程度不同，表现为图像中出现块效应的明显程度，先依据不同尺度将增强输送带区域图像划分输送带块，将每个尺度下增强前后各输送带块之间的灰度值分布的差异得到对应尺度下的初始块效应值综合进行分析，使得获取的图像块效应值能够更加准确反映整体图像的块效应情况；因为增强输送带区域图像的图像块效应影响图像中对比度增强均衡情况，且图像中不同区域的对比度情况存在差异，所以先使用扫描框扫描增强输送带区域图像，结合扫描框内不同尺度下的初始块效应值及增强前后的对比度差异进行分析，使图像对比度增强值完整且准确地呈现图像增强均衡程度；边缘检测中低阈值设置影响获取图像中边缘信息，根据每次边缘检测获得的边缘和真实裂缝边缘之间的数量差异确定目标低阈值，图像的增强效果较差，则图像中裂缝边缘信息越模糊，如果需要获取较多的裂缝边缘则需要调小低阈值，因此目标低阈值可用于评价图像的增强效果；结合目标低阈值、图像块效应值和图像对比度增强值得到最优滤波半径，使最优滤波半径更加准确；使用最优滤波半径对图像进行增强，获取最优增强输送带区域图像，进而提高了对整芯阻燃输送带表面进行缺陷检测的准确率。

附图说明

[0054] 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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。

[0055] 图1为本发明一个实施例所提供的一种整芯阻燃输送带表面缺陷检测方法的方法流程图。

具体实施方式

[0056] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种整芯阻燃输送带表面缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0057] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0058] 下面结合附图具体的说明本发明所提供的一种整芯阻燃输送带表面缺陷检测方法的具体方案。

[0059] 请参阅图1，其示出了本发明一个实施例提供的一种整芯阻燃输送带表面缺陷检测方法的方法流程图，该方法包括：

[0060] 步骤S1：获取整芯阻燃输送带运动过程中至少两帧输送带区域图像。

[0061] 具体的，在整芯阻燃输送带表面的上方放置工业相机，当整芯阻燃输送带的表面无煤时，使用工业相机获取输送带表面图像，此时工业相机能够获取完整输送带的表面信息。由于整芯阻燃输送带表面的裂缝不会在极短时间内形成，为减少工业相机的工作时间，每天在固定时间段内获取整芯阻燃输送带的输送带表面图像，在这个固定时间段内整芯阻燃输送带的表面不运输煤等物品，实施者可根据具体的实施场景选取固定时间段。需要注意的是，在使用工业相机获取输送带表面图像时，使整芯阻燃输送带的运动方向与相机视野水平方向保持垂直。

[0062] 将获取的输送带表面图像进行灰度化和去噪等预处理，得到输送带预处理图像。使用神经网络语义分割获取输送带预处理图像中输送带区域图像：其中神经网络语义分割使用残差神经网络，网络输入为：输送带预处理图像，网络输出为：输送带区域图像；神经网络标记方法为：将图像背景区域标记为0，输送带区域标记为1；神经网络损失函数使用交叉熵损失函数。其中，残差神经网络为公知技术，具体方法在此不做介绍。

[0063] 需要说明的是，本发明实施例中选用加权平均灰度化算法进行灰度化处理，使用高斯滤波进行去噪处理，具体方法在此不做介绍，均为本领域技术人员熟知的技术手段。

[0064] 每张输送带表面图像均经过上述处理，获取图像内的输送带区域图像。

[0065] 步骤S2：获得输送带区域图像上的疑似裂缝边缘；根据疑似裂缝边缘的形状和方向获得裂缝特征值，根据裂缝特征值筛选出真实裂缝边缘。

[0066] 由于对输送带进行图像采集时，输送带为运动状态，故可以根据相邻帧输送带区域图像中与当前输送带区域图像中灰度差异变化较大的区域进行比较。由于大多输送带表面出现的裂缝为纵向撕裂，故若出现明显灰度变化的区域在图像中连成一条线，则说明该直线区域附近可能出现裂缝区域。

[0067] 优选地，裂缝区域的具体获取方法为：计算输送带区域图像与相邻帧输送带区域图像之间的灰度值差异；设置灰度阈值；将输送带区域图像中灰度值差异大于灰度阈值的像素点作为裂缝区域像素点；使用连通域分析裂缝区域像素点得到至少两个裂缝区域。将当前的输送带区域图像与其前一帧的输送带区域图像内像素点的灰度值进行比较，将灰度值差值的绝对值大于灰度阈值的像素点在当前的输送带区域图像内进行标记，作为裂缝区域像素点。由于输送带表面可能存在多处裂缝，则对输送带区域图像内的裂缝区域像素点使用连通域算法进行分析，利用连通域算法将聚集在一起的裂缝区域像素点自动构成一个连通域，一个连通域对应一个裂缝区域，可以得到多个裂缝区域。本发明实施例中灰度阈值取经验值10。

[0068] 其中，连通域算法为公知技术，具体方法在此不做介绍。

[0069] 由于裂缝区域中裂缝边缘包含裂缝区域的细节信息，为了对裂缝区域的细节进行针对性分析，所以获取疑似裂缝边缘。疑似裂缝边缘的获取方法为：分别对每个裂缝区域进行膨胀运算和腐蚀运算，获取每个裂缝区域的膨胀图像和腐蚀图像，将每个裂缝区域的膨胀图像减去腐蚀图像得到的图像再次进行腐蚀操作后，得到对应裂缝区域的初始疑似裂缝边缘；设置数量阈值；将初始疑似裂缝边缘上像素点数量大于数量阈值的初始疑似裂缝边缘，作为疑似裂缝边缘。本发明实施例中数量阈值取经验值30。

[0070] 其中，形态学膨胀运算和腐蚀运算均为公知技术，具体方法在此不做介绍。

[0071] 需要说明的是，疑似裂缝边缘的获取方法同样可通过现有的边缘检测算法进行识别，但是通过本发明提出的优选实施例，能够排除由于灯光照射或输送带长时间使用产生脏污所形成的较长且形状规则的裂缝带来的影响，减少输送带区域图像中疑似裂缝边缘的数量，方便后续对疑似裂缝边缘进一步筛选。

[0072] 在输送带图像采集场景中由于灯光照射或输送带表面光滑程度不一等原因，可能导致相邻帧图像中出现较大灰度差异，使得输送带表面因光照形成灰度变化的像素点被错误识别为裂缝区域像素点。因此，需要根据裂缝边缘的形状和方向特征对疑似裂缝边缘进行详细分析。

[0073] 从裂缝的形状进行分析，裂缝边缘存在多条细小裂缝分支；从裂缝的方向进行分析，裂缝大多为纵向裂缝且裂缝边缘较为粗糙，通过对裂缝边缘的形状和方向进行分析，得到的裂缝特征值能够较为准确地反映裂缝的相关特征，提高了对图像中裂缝边缘判断的准确率。

[0074] （1）从裂缝的形状进行分析获取分支特征值。

[0075] 因为裂缝边缘由撕裂产生，所以导致获取的裂缝边缘并不是一条完整贯穿始终的边缘线，而是存在多条细小裂缝分支的裂缝边缘。因此根据疑似裂缝边缘上细小分叉边缘的数量获取当前疑似裂缝边缘的分支特征值。

[0076] 优选的，分支特征值的获取方法为：设置节点数量阈值；将每条疑似裂缝边缘上每个像素点的预设邻域内像素点的数量大于节点数量阈值的像素点作为节点像素点；统计每条疑似裂缝边缘上的节点像素点的数量作为对应疑似裂缝边缘的节点特征值；将每条疑似裂缝边缘的节点特征值进行归一化，得到对应疑似裂缝边缘的分支特征值。

[0077] 作为一个示例，将疑似裂缝边缘上像素点的预设邻域内存在像素点的数量多于数量阈值的像素点作为节点像素点，本发明实施例中预设邻域的尺寸取经验值3×3。疑似裂缝边缘上存在一个分支节点，表明该疑似裂缝上存在一条细小的分支，一条疑似裂缝边缘上存在的分支节点越多，即疑似裂缝边缘的分支特征值越大，则该疑似裂缝边缘为裂缝边缘的可能性越大。本发明实施例中数量阈值取经验值2。分支特征值的计算公式如下：

[0078]

[0079] 式中，F为疑似裂缝边缘的分支特征值，n为疑似裂缝边缘上像素点的数量，si为疑似裂缝边缘上第i个像素点的预设邻域内像素点的数量；exp为以自然常数e为底数的指数函数。

[0080] 需要说明的是，在公式中，通过对指数添加负号，使得利用以自然常数为底数的指数函数能对指数进行负相关映射并且映射值的取值区间是在0到1中，然后利用数值1减去映射值实现对节点特征值的归一化目的，即通过处理后节点映射值与分支特征值仍是正相关关系。在其他实施例中也可通过其他方法进行归一化目的，例如极差标准化，双曲正切函数映射等方法。

[0081] 需要说明的是，裂缝边缘由撕裂产生，存在多条细小裂缝分支的裂缝边缘；当疑似裂缝边缘上分支节点越多，即该疑似裂缝边缘上存在细小裂缝分支的数量越多，则疑似裂缝边缘的分支特征值F越大。

[0082] （2）从裂缝的方向进行分析获取方向特征值。

[0083] 根据裂缝区域的裂缝特征可知，由于裂缝边缘较为粗糙，则裂缝边缘上像素点的斜率变化不规律，并且整芯阻燃输送带表面的裂缝大多为纵向裂缝，故可以根据疑似裂缝边缘上像素点的方向进行分析，获取疑似裂缝边缘的方向特征值。优选地，裂缝特征值的具体获取方法为：过疑似裂缝边缘上每个像素点作疑似裂缝边缘的切线，将每个像素点的切线斜率与相邻像素点的切线斜率之间差值绝对值的均值作为对应像素点的斜率变化值，将疑似裂缝边缘上像素点的斜率变化值的均值作为疑似裂缝边缘的斜率特征值；将疑似裂缝边缘上每个像素点的切线与水平方向的夹角作为对应像素点的倾斜角，将像素点的倾斜角与预设角度的差值绝对值作为对应像素点的角度值，将疑似裂缝边缘上像素点的角度值与预设常数之和的均值作为初始角度特征值，将初始角度特征值的倒数作为疑似裂缝边缘的角度特征值；将斜率特征值与角度特征值乘积作为方向特征值。

[0084] 作为一个示例，疑似裂缝边缘上像素点的方向能够反映裂缝特征，裂缝特征为纵向裂缝且裂缝边缘上像素点的斜率变化不规律。因为本发明一个实施例中在使用工业相机获取输送带表面图像时，使整芯阻燃输送带的运动方向与相机视野水平方向保持垂直，所以裂缝边缘上像素点的切线与水平方向的夹角接近90°，即疑似裂缝边缘上像素点的切线越接近竖直方向，则将角度值作为判断裂缝的因素。需要注意的是，裂缝边缘上像素点的切线与水平方向的夹角的取值范围为[0°，180°]。本发明实施例中，预设角度取经验值90°。因为裂缝边缘较为粗糙，导致裂缝边缘上像素点的斜率变化不规律，所以计算像素点与相邻像素点之间斜率值差异的均值。需要说明的是，若该像素点存在两个相邻像素点，则分别计算这两个相邻像素点与对应像素点的切线之间的差异，取差异的均值作为斜率变化值；若该像素点仅存在一个相邻像素点，则将相邻像素点与对应像素点的切线之间的差异作为斜率变化值。结合裂缝的两个特征获取裂缝的方向特征值。方向特征值的计算公式如下：

[0085]

[0086] 式中，D为疑似裂缝边缘方向特征值，n为疑似裂缝边缘上像素点的数量，θi为疑似裂缝边缘上第i个像素点的角度值， 为疑似裂缝边缘上第i个像素点的斜率变化值，为预设常数，取经验值0.001，防止公式无意义；为绝对值函数。

[0087] 需要说明的是，由于整芯阻燃输送带表面的裂缝大多为纵向裂缝，则疑似裂缝边缘上像素点的切线的倾斜角大多接近90°，当像素点的角度值 越小时，说明疑似裂缝边缘上像素点的切线方向越接近竖直方向，即该疑似裂缝边缘为纵向裂缝，使得对应疑似裂缝边缘的方向特征值越大；因为裂缝边缘较为粗糙，导致裂缝边缘上像素点的斜率变化不规律，即裂缝边缘上相邻像素点之间的斜率差异较大，即对应像素点的斜率变化值ki”越大，所以方向特征值越大。

[0088] （3）结合裂缝的形状和边缘获取裂缝的裂缝特征值。

[0089] 将分支特征值与方向特征值的乘积作为将疑似裂缝边缘的裂缝特征值。裂缝特征值的计算公式如下：

[0090]

[0091] 式中，δ为疑似裂缝边缘的裂缝特征值，F为疑似裂缝边缘的分支特征值，D为疑似裂缝边缘的方向特征值。

[0092] 需要说明的是，分支特征值反映疑似裂缝边缘上存在细小裂缝分支的数量，当F越大，说明疑似裂缝边缘越符合裂缝边缘的形状特征，则δ越大；方向特征值呈现疑似裂缝边缘的方向特征，当D越大，说明疑似裂缝边缘为纵向裂缝且边缘较为粗糙符合裂缝边缘的方向特征，则δ越大。

[0093] 使用上述方法，获取每张输送带区域图像上每个疑似裂缝边缘对应的裂缝特征值。

[0094] 裂缝特征值反映了疑似裂缝边缘为实际的裂缝边缘的可能性，设置裂缝判断阈值；将每条疑似裂缝边缘的裂缝特征值进行归一化，得到归一化裂缝特征值；将归一化裂缝特征值大于裂缝判断值的疑似裂缝边缘作为真实裂缝边缘，本发明实施例中裂缝判断阈值取经验值0.8。获取每张增强输送带区域图像中所有的真实裂缝边缘。

[0095] 步骤S3：获得使用不同滤波半径的滤波器对输送带区域图像进行增强处理的增强输送带区域图像。

[0096] 具体的，选用视网膜大脑皮层（Retina+Cortex，retinex）算法对输送带区域图像进行增强。在进行图像增强时，不同高斯滤波半径会产生不同的图像增强效果。因此，根据不同滤波半径对应的增强图像中裂缝识别的难易程度，获取图像增强效果。

[0097] 其中，retinex算法为公知技术，具体方法在此不做介绍。

[0098] 由于在使用retinex算法对输送带区域图像进行增强时，不同高斯滤波半径会带来不同的图像增强效果。故本发明实施例设置滤波半径的选取范围，从小到大依次使用不同滤波半径的滤波器对输送带区域图像进行增强处理，每一种滤波半径均获取一张增强后的增强输送带区域图像。其中，滤波半径大小为2n+1，本发明实施例中n的取值分别为1，2，…，15，即每张输送带区域的图像一共获取15张使用retinex算法增强后的增强输送带区域图像。

[0099] 步骤S4：分别在不同尺度下将每张增强输送带区域图像划分为输送带块；根据每个尺度下增强前后各输送带块之间的灰度值分布的差异，获取对应尺度下的初始块效应值；根据所有尺度下的初始块效应值获取增强输送带区域图像的图像块效应值。

[0100] 通过对使用不同滤波半径大小获取的增强输送带区域图像进行分析，获取使用对应滤波半径增强的图像增强效果，根据图像增强效果获取优选滤波半径大小，故可以根据获取的最优滤波半径对后续的图像进行直接增强。

[0101] 在根据不同滤波半径大小进行分析时，获取的不同滤波半径下的图像存在失真情况。其中，失真情况主要由于图像增强前后，由于滤波半径的大小不同，使得图像增强前后不同图像区域的图像增强程度不同，从而导致图像出现失真。图像失真具体表现为，图像信息不连续、图像出现块效应，故本发明实施例通过对增强后的增强输送带区域图像进行分析，获取强输送带区域图像中各个区域之间的连续性，以及图像增强前后图像表达信息量的差异。

[0102] 为了便于对增强输送带区域图像进行区域性分析，需要将增强输送带区域图像划分为输送带块。输送带块的划分方法为：对同一张增强输送带区域图像使用不同尺度大小的超像素分割算法进行分割，即使用每种尺度的超像素分割算法依次对增强输送带区域图像进行超像素块划分。相同尺度的分割方法下，各输送带块在增强前后灰度值分布的差异能够反映每个尺度下图像内块效应的明显程度，即初始块效应值。优选地，初始块效应值的获取方法为：选取任意尺度作为目标尺度，使用目标尺度将增强输送带区域图像划分为至少两个输送带块；选取任意输送带块作为目标输送带块，将图像增强前后目标输送带块内像素点的灰度均值之间的差值绝对值作为目标输送带块的对比灰度差；改变目标输送带块，获取每个输送带块的对比灰度差；将目标输送带块的对比灰度差与输送带块的对比灰度差的均值之间的差值，作为目标输送带块的初始块效应值；改变目标输送带块，获取每个输送带块的初始块效应值。

[0103] 将不同尺度下的初始块效应值综合进行分析，获取增强输送带区域图像的图像块效应值。优选地，图像块效应值的计算方法为：将目标尺度下输送带块的初始块效应值平方的均值作为目标尺度的初始尺度增强显著值，将初始尺度增强显著值的开方作为目标尺度的尺度增强显著值；改变目标尺度，获取任意尺度下的尺度增强显著值；将所有尺度下的尺度增强显著值进行累加，得到图像块效应值。

[0104] 作为一个示例，依次使用不同尺度大小的超像素块对同一张增强输送带区域图像分别进行划分，即使用每种尺度大小的超像素块依次对同一张增强输送带区域图像进行分割。超像素块尺度大小集合Z={10，15，20，25，30，50，100}，c为集合Z中第c个尺度大小，进行超像素分割时，超像素块分割的大小为c×c，将超像素块记为输送带块。获取每种尺度大小下增强输送带区域图像中输送带块的数量，输送带块数量的计算方法为：增强输送带区域图像长边上输送带块的数量 ，增强输送带区域图像宽边上输送带块的数量， 为第c个尺度大小下增强输送带区域图像内输送带块的数量。其中，a为增强输送带区域图像的长度，b为增强输送带区域图像的宽度， 为向上取整函数。依据每个尺度下增强前后各输送带块之间的灰度值分布的差异，得到对应尺度下的初始块效应值，将不同尺度下输送带块的初始块效应值综合进行分析，得到经过相应滤波半径增强后图像的图像块效应值，每张增强输送带区域图像均获取对应的图像块效应值。图像块效应值的计算公式如下：

[0105]

[0106]

[0107] 式中，T为增强输送带区域图像的图像块效应值，Ri为增强输送带区域图像中第i个输送带块的初始块效应值，gi为增强输送带区域图像中第i个输送带块内像素点在图像增强前的灰度值均值，Gi为增强输送带区域图像中第i个输送带块内像素点的灰度值均值，Bc为第c个尺度大小下增强输送带区域图像内输送带块的数量，Z为输送带块尺度大小集合；为绝对值函数。

[0108] 需要说明的是，对比灰度差 为第i个输送带块内像素点在图像增强前后的灰度变化，即输送带块的增强情况，当任意尺度大小下每个输送带块在图像增强前后的增强情况与各输送带块的平均增强情况的差异Ri越大，说明图像增强前后输送带块的灰度变化出现较大的差异，则图像块效应越明显，T越大。

[0109] 步骤S5：使用预设尺寸的扫描框扫描每张增强输送带区域图像；根据每个扫描框内不同尺度下的初始块效应值，及增强前后的对比度差异，获取对应增强输送带区域图像的图像对比度增强值。

[0110] 图像失真可能是由于图像增强前后导致的图像模糊，使得图像区域对比度发生变化，且块效应明显区域的对比度变化会更大。当增强输送带区域图像的图像块效应越明显时，导致输送带块的边缘较为明显，即输送带块之间的对比度较高，故图像块效应明显的区域容易出现对比度增强不均衡的现象。因此，需要对图像块效应大的区域进行重点关注，由于单个区域的对比度的提高代表不了整体图像，即可能某些区域对比度提高较大，而某些区域的对比度提高较小，则需要将图像中各区域的对比度进行综合分析，得到图像增强的均衡程度。

[0111] 由于根据不同区域大小分析会得到不同的对比度，则使用预设尺寸的扫描框扫描增强输送带区域图像，各扫描框内输送带块的增强程度的差异及扫描框内增强前后的差异均可以反映图像内各扫描框区域的增强均衡程度，结合这两个因素获取增强输送带图像的图像对比度增强值。优选地，图像对比度增强值的具体获取方法为：选取任意扫描框为目标扫描框；将每个尺度下的每个输送带块的初始块效应值作为对应输送带块内每个像素点的特征值，像素点的特征值的数量等于尺度的数量；将增强输送带区域图像内每个像素点的特征值的均值作为综合特征值；将目标扫描框内像素点的综合特征值的均值作为目标扫描框的综合对比差异值；改变目标扫描框，获取每个扫描框的综合对比差异值；将图像增强前后目标扫描框的对比度的差值绝对值与综合对比差异值乘积，作为目标扫描框的框增强显著值；将目标扫描框的框增强显著值与框增强显著值的均值之间差值绝对值作为目标扫描框的第一图像对比度增强值；改变目标扫描框，获取每个扫描框的第一图像对比度增强值；将所有扫描框的第一图像对比度增强值的均值作为第二图像对比度增强值；将第二图像对比度增强值进行负相关映射并归一化，得到图像对比度增强值。

[0112] 作为一个示例，使用o×o大小扫描框，o为步长，扫描每张增强输送带区域图像，本发明实施例中o取经验值20。因为增强输送带区域图像的图像块效应会导致区域内出现对比度增强不均衡的现象，所以在分析图像对比度增强值时，需要将初始图像块效应值作为影响图像对比度的重要因素。由于在不同尺度下输送带块的大小不一，且各输送带块内像素点存在差异，为了对扫描框内对比度进行分析，需要将每个输送带块的初始块效应值作为块内每个像素点的特征值，且增强输送带区域图像内每个像素点的特征值的数量等于超像素块尺度大小集合Z内元素的数量。在本发明实施例中，每个像素点均有7个特征值，将这7个特征值的均值作为对应像素点的综合特征值，将扫描框内像素点的综合特征值的均值作为对应扫描框的综合对比差异值，综合对比差异值反映了在不同尺度下输送带块的初始块效应值综合情况。将每个扫描框内不同尺度下的初始块效应值与增强前后的对比度差异进行结合，分析图像对比度增强值。图像对比度增强值的计算公式如下：

[0113]

[0114] 式中，H为图像对比度增强值， 为增强输送带区域图像中第i个扫描框的综合对比差异值，ti为增强输送带区域图像中第i个扫描框的对比度，为增强输送带区域图像中第i个扫描框在图像增强前的对比度，p为增强输送带区域图像内扫描框的数量；为绝对值函数，exp为以自然常数e为底数的指数函数。通过将负的第二图像对比度增强值作为以自然常数为底的指数函数的指数，实现对第二图像对比度增强值的负相关映射，并且取值范围在0到1之间，即实现了负相关映射及归一化的目的。在其他实施例中也可通过其他方法实现该目的获得图像对比度增强值，例如将第二图像对比度先进行归一化，然后通过数值1减去归一化值，对于本领域技术人员而言可通过多种基础数学运算进行实现，在此不做限定。

[0115] 需要说明的是，当扫描框在图像增强前后的对比度差异越大，即 越大，说明该扫描框内对比度增强程度越大；扫描框的综合对比差异值 由不同尺度下输送带块的初始块效应值综合获取，反映扫描框内的块效应程度，框增强显著值 反映了分析扫描框内图像的均衡情况，当扫描框内像素点的块效应越明显且对比度增强程度越大，说明该扫描框内像素点越突出，则越可能出现增强不均衡的情况；当扫描框的框增强显著值与所有框增强显著值均值的差异越大，说明图像增强效果越差，导致图像增强越不均衡，即图像对比度增强值H越小。

[0116] 扫描框的对比度反映了扫描框内各像素点的灰度情况，在本发明实施例中，扫描框的对比度 ，其中，l为扫描框内像素点的数量，fj为扫描框内第j个像素点与其八邻域内像素点间灰度值差异的均值。

[0117] 步骤S6：对增强输送带区域图像进行不同低阈值下的canny边缘检测，根据每次边缘检测获得的边缘和真实裂缝边缘之间的数量差异确定目标低阈值；结合目标低阈值、图像块效应值和图像对比度增强值筛选出最优滤波半径。

[0118] 在使用canny边缘检测算法对进行图像增强后的增强输送带区域图像进行边缘检测时，可能会由于低阈值设置过高，导致增强输送带区域图像缺少过多的边缘信息，故通过不断改变canny边缘检测算法的低阈值，直至找到足够多的裂缝边缘。由于目标低阈值是保证在足够多的裂缝边缘下所获得的，图像增强效果越好，图像中边缘特征放大的越明显，则较大的目标低阈值即可获得较多的裂缝边缘；图像增强效果越差，图像中边缘特征越模糊，如果需要获得较多的裂缝边缘则需要调小目标低阈值，因此目标低阈值可用于评价图像增强效果。其中，canny边缘检测算法为本领域技术人员熟知的技术手段，具体方法在此不做介绍。

[0119] 输送带区域图像的真实裂缝边缘在增强输送带区域图像的位置反映了图像增强算法的增强情况，进而获取边缘检测算法中的目标低阈值。优选地，目标低阈值的获取方法为：对增强输送带区域图像进行不同低阈值下的canny边缘检测，得到每个低阈值下的待测裂缝边缘；设置裂缝数量阈值，当待测裂缝边缘中真实裂缝边缘占比大于等于裂缝数量阈值时，所对应的低阈值为目标低阈值。

[0120] 作为一个示例，由于待测裂缝边缘是通过增强输送带区域图像进行canny边缘检测获取，若canny边缘检测的低阈值设置过高，则增强输送带区域图像内较多的边缘信息被排除，仅保留少数的边缘信息，所以需要先设置低阈值的初始值，随着低阈值不断变小，则增强输送带区域图像中通过canny边缘检测出的裂缝边缘逐渐变多。本发明实施中低阈值的初始值取经验值120。当待测裂缝边缘中包含真实裂缝边缘的数量与待测裂缝边缘的数量的比值小于裂缝数量阈值时，调整边缘检测算法中低阈值的大小，重新对增强输送带区域图像进行边缘检测，直至待测裂缝边缘中包含真实裂缝边缘的数量与待测裂缝边缘的数量的比值大于等于裂缝数量阈值，将此时边缘检测算法中的低阈值作为目标低阈值。本发明实施中裂缝数量阈值取经验值0.9。

[0121] 目标低阈值反映了使用不同滤波半径的图像增强算法的增强效果，目标低阈值较小，使增强输送带区域图像内的边缘信息较少，则图像的增强效果较差，图像块效应值呈现图像中块效应的程度，图像对比度增强值表现图像增强的均衡程度，且图像块效应值和图像对比度增强值均反映了图像的增强效果，所以将三个指标进行结合，获取增强输送带区域图像的增强效果值。优选地，图像增强效果值的获取方法为：将目标低阈值进行归一化，得到边缘增强值；将增强输送带区域图像的图像块效应值与图像对比度增强值的比值作为图像边缘显著值，将边缘增强值与图像边缘显著值的乘积作为增强输送带区域图像的图像增强效果值。图像增强效应值的计算公式为：

[0122]

[0123] 式中，v为目标低阈值，H为图像对比度增强值，T为图像块效应值；exp为以自然常数e为底数的指数函数。

[0124] 需要说明的是，图像块效应值T呈现图像中块效应的程度，当增强输送带区域图像的图像块效应越明显时，即T越大，说明图像中的失真情况越严重，则图像的增强效果越差，P越小；图像对比度增强值H表现图像增强的均衡程度，当增强输送带区域图像的图像对比度增强值越大，即H越大，说明图像出现较轻微的失真情况，图像中各区域的增强程度较均衡，P越大；目标低阈值反映了使用不同滤波半径的图像增强算法的增强效果，使用较大的滤波半径进行图像增强，使得图像的增强效果越明显。需要说明的是， 表示为对目标低阈值进行归一化，在其他实施例中可选用如极差标准化等其他操作进行归一化，在此不做限定。

[0125] 在步骤S3中使用retinex算法对输送带区域图像进行增强时，依据滤波半径从小到大依次对输送带区域图像进行图像增强，每个滤波半径对应一张增强输送带区域图像。依据上述增强输送带区域图像的图像增强效应值的获取方法，得到每张增强输送带区域图像的图像增强效应值。将每张增强输送带区域图像的图像增强效果值进行归一化，得到归一化图像增强效果值；设置增强效果阈值，从小到大依次将滤波半径对应的增强输送带区域图像的归一化图像增强效果值与增强效果阈值进行比较；当增强输送带区域图像的归一化图像增强效果值大于增强效果阈值时，将增强输送带区域图像对应的滤波半径作为最优滤波半径。本发明实施例中增强效果阈值取经验值0.6。需要说明的是，为了减少获取最优滤波半径的判断次数，按照滤波半径从小到大进行图像增强得到的增强输送带区域图像的归一化图像增强效果值，依次与增强效果阈值比较，当某个滤波半径下增强输送带区域图像的归一化图像增强效果值大于增强效果阈值时，则将该滤波半径作为最优滤波半径，且不再对大于该滤波半径的滤波半径下获取的增强输送带区域图像的归一化图像增强效果值进行判断。

[0126] 步骤S7：使用最优滤波半径获取最优增强输送带区域图像；根据最优增强输送带区域图像中目标裂缝边缘的数量和长度对整芯阻燃输送带进行缺陷检测。

[0127] 在相同的场景下获取的输送带区域图像，直接使用最优滤波半径进行图像增强，获取最优增强输送带区域图像。对最优增强输送带区域图像进行边缘检测，获取图像中的裂缝边缘信息。

[0128] 在整芯阻燃输送带表面上裂缝边缘的数量和长度两种因素均能够反映输送带表面的缺陷情况，结合两种因素进行分析得到表面裂缝缺陷程度。优选地，表面裂缝缺陷程度的获取方法为：对最优增强输送带区域图像进行边缘检测得到裂缝边缘，统计裂缝边缘的数量，将裂缝边缘上像素点的数量作为裂缝边缘的长度，将增强输送带区域图像中所有裂缝边缘的长度进行累加得到裂缝程度；将数量与裂缝程度的乘积作为输送带的表面裂缝缺陷程度。表面裂缝缺陷程度P的计算公式如下：

[0129]

[0130] 式中，N为增强输送带区域图像中真实裂缝边缘的数量，Si为第i个真实裂缝边缘的长度。

[0131] 需要说明的是，当增强输送带区域图像中真实裂缝边缘的数量越多，且真实裂缝边缘的长度越长，说明输送带表面的裂缝越严重，则输送带的表面裂缝缺陷程度P越大。

[0132] 将表面裂缝缺陷程度进行归一化，得到归一化表面裂缝缺陷程度；设置缺陷阈值，当归一化表面裂缝缺陷程度大于缺陷阈值时，则认为输送带出现严重裂缝，需要进行修补。本发明实施例中缺陷阈值取经验值0.7。

[0133] 至此，本发明完成。

[0134] 综上所述，本发明实施例中，获取多张输送带区域图像，获得输送带区域图像上的疑似裂缝边缘，基于裂缝特征值筛选出真实裂缝边缘；使用不同滤波半径的滤波器进行增强得到增强输送带区域图像；依据每个尺度下增强前后各输送带块之间的灰度值分布的差异获取图像块效应值，并获取图像对比度增强值；获取canny边缘检测下的目标低阈值，并结合图像块效应值和图像对比度增强值筛选出选取最优滤波半径；对使用最优滤波半径增强的图像进行分析，获取输送带表面缺陷情况，提高了整芯阻燃输送带表面缺陷检测的准确率。

[0135] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0136] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。