宁波大学机械工程与力学学院,浙江 宁波 315211
针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题,提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex 自适应图像增强算法,利用引导滤波对图像进行照度分量估计,经自适应Gamma 矫正得到光照均衡图像,实现自适应图像增强;再对传统Canny 边缘检测方法进行改进,采用双边滤波平滑图像,通过迭代阈值法进行缺陷图像分割,根据边缘像素相似性进行连接,实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统,利用履带式小车搭载云台摄像机,对管道内壁缺陷进行全方位视觉检测。实验结果表明,本文的检测方法可自适应矫正图像亮度,图像亮度不均匀明显改善,相比次优算法,图像信息熵提升2.4%,图像平均梯度提升2.3%,峰值信噪比提升4.4%,可有效提取出管道缺陷边缘,缺陷识别准确率达到97%。
管道机器人 自适应图像增强 Gamma 矫正 缺陷检测 pipeline robot adaptive image enhancement Gamma correction defect inspection