本發(fā)明涉及電氣化高鐵接觸網(wǎng)安全檢測領(lǐng)域，具體涉及一種基于圖像的斜腕臂末端管帽的缺失檢測方法及系統(tǒng)。

背景技術(shù)：

隨著高速鐵路運(yùn)輸技術(shù)的進(jìn)一步發(fā)展及其廣泛應(yīng)用，高鐵接觸網(wǎng)作為向機(jī)車提供電能的重要設(shè)施，其是否處于安全工作狀態(tài)也越來越受到關(guān)注。為了保證接觸網(wǎng)處于良好工作狀態(tài)，以利于電氣化鐵道的安全運(yùn)營，需要盡快發(fā)現(xiàn)并處理接觸網(wǎng)中出現(xiàn)的故障。實(shí)際中，高鐵接觸網(wǎng)故障主要由零部件的松、脫、缺、裂等造成。斜腕臂是接觸網(wǎng)中支持裝置的重要組成部分，其狀態(tài)良好與否直接決定了電力機(jī)車的正常供電。而對于斜腕臂末端管帽是否存在直接影響著接觸網(wǎng)的安全，如果斜腕臂末端管帽脫落不存在，下雨天的雨水或其它水分進(jìn)入斜腕臂中，會(huì)給帶電的接觸網(wǎng)造成不安全的隱患。目前，接觸網(wǎng)檢測模式是在天窗作業(yè)時(shí)人工上線巡檢，但由于線路所處環(huán)境復(fù)雜，人為觀察危險(xiǎn)性高以及職工素質(zhì)不均等因素，及有可能會(huì)出現(xiàn)漏檢的情況，從而造成安全隱患。因此，如何快速準(zhǔn)確檢測高鐵接觸網(wǎng)中斜腕臂末端管帽是否處于良好狀態(tài)是一個(gè)亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種基于圖像的斜腕臂末端管帽的缺失檢測方法及系統(tǒng)，通過該方法及系統(tǒng)能夠快速檢測出斜腕臂末端管帽是否存在。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種基于圖像的斜腕臂末端管帽的缺失檢測方法，包括以下步驟：

(1)采集高鐵接觸網(wǎng)的接觸定位裝置的圖像；

(2)將所述圖像進(jìn)行二值化處理，并將二值化圖像進(jìn)行邊緣檢測，得到二值化圖像的邊緣輪廓；

(3)根據(jù)斜腕臂的輪廓特征提取所述邊緣輪廓中的斜腕臂的邊緣輪廓，計(jì)算斜腕臂的輪廓方向角，根據(jù)斜腕臂的輪廓方向角進(jìn)行二值化圖像的旋轉(zhuǎn)，使旋轉(zhuǎn)后的圖像中斜腕臂處于水平位置；所述輪廓方向角是指斜腕臂的邊緣輪廓的點(diǎn)所在的直線與水平線之間的夾角；夾角的范圍為[0,π/2]；

(4)確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域，并裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失；

裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失的方式為：

4.1)根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第一裁剪圖像；

4.2)計(jì)算第一裁剪圖像的灰度均值graymean；

4.3)判斷所述灰度均值graymean是否小于第一灰度閾值threshold1，若是，則判斷管帽存在，若否，則判斷灰度均值graymean是否小于第二灰度閾值threshold2，若是，則判斷管帽缺失，若否，則進(jìn)入下一步；其中，threshold1＜threshold2；

4.4)根據(jù)第二預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第二裁剪圖像；所述第二預(yù)設(shè)圖像尺寸大于所述第一預(yù)設(shè)圖像尺寸；

4.5)對第二裁剪圖像做卷積提取豎向邊緣，根據(jù)豎向邊緣的個(gè)數(shù)判斷出管帽是否存在：若符合預(yù)設(shè)面積范圍的豎向邊緣為兩個(gè)，則判斷管帽存在，若符合預(yù)設(shè)面積范圍的豎向邊緣為一個(gè)，則判斷管帽缺失。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟(3)中，所述斜腕臂的輪廓特征包括預(yù)設(shè)的斜腕臂的輪廓長度范圍、輪廓方向角范圍、縱坐標(biāo)范圍和橫坐標(biāo)范圍。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟(4)中，采用仿射變換矩陣進(jìn)行二值化圖像的旋轉(zhuǎn)，仿射變換旋轉(zhuǎn)矩陣hommat2drotate為：

其中，θxie為斜腕臂的輪廓方向角。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟(4)中，確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域的方式為：

標(biāo)記旋轉(zhuǎn)后的二值化圖像中的各連通域，各連通域中面積最大的連通域?qū)?yīng)的區(qū)域?yàn)樾蓖蟊鬯诘膮^(qū)域。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟4.1)中，根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在的區(qū)域進(jìn)行裁剪的方式為：

記錄旋轉(zhuǎn)后的斜腕臂所在區(qū)域的左上角像素點(diǎn)坐標(biāo)(minrows,mincolumns)和右下角像素點(diǎn)的坐標(biāo)(maxrows,maxcolumns)，分別以(minrows+r1,maxcolumns-c1)和(minrows+r2,maxcolumns-c2)為矩形的左上角點(diǎn)坐標(biāo)和右下角坐標(biāo)進(jìn)行裁剪；其中，r1、c1、r2和c2均為正整數(shù)，且r1＜r2，c1＞c2。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟4.5)中，所述卷積操作的公式為：

g(x,y)＝f(x,y)*c(u,v)

其中，g(x,y)表示卷積操作后的像素值，f(x,y)表示卷積操作前的像素值，c(u,v)為卷積操作矩陣。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測方法，步驟(2)中，將所述圖像進(jìn)行二值化處理之前，還包括：

對所述圖像進(jìn)行預(yù)處理，使處理后的圖像中斜腕臂位于支柱的左側(cè)。

本發(fā)明實(shí)施例中還提供了一種基于圖像的斜腕臂末端管帽的缺失檢測系統(tǒng)，包括：

圖像采集模塊，用于采集高鐵接觸網(wǎng)的接觸定位裝置的圖像；

邊緣提取模塊，用于將所述圖像進(jìn)行二值化處理，并將二值化圖像進(jìn)行邊緣檢測，得到二值化圖像的邊緣輪廓；

圖像旋轉(zhuǎn)模塊，用于根據(jù)斜腕臂的輪廓特征提取所述邊緣輪廓中的斜腕臂的邊緣輪廓，計(jì)算斜腕臂的輪廓方向角，根據(jù)斜腕臂的輪廓方向角進(jìn)行二值化圖像的旋轉(zhuǎn)，使旋轉(zhuǎn)后的圖像中斜腕臂處于水平位置；所述輪廓方向角是指斜腕臂的邊緣輪廓的點(diǎn)所在的直線與水平線之間的夾角；夾角的范圍為[0,π/2]；

管帽缺失判斷模塊，用于確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域，并裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失；所述管帽缺失判斷模塊包括：

第一圖像裁剪單元，用于根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第一裁剪圖像；

灰度均值計(jì)算單元，用于計(jì)算第一裁剪圖像的灰度均值graymean；

第一管帽缺失判斷單元，用于判斷所述灰度均值graymean是否小于第一灰度閾值threshold1，若是，則判斷管帽存在，若否，則判斷灰度均值graymean是否小于第二灰度閾值threshold2；若是，則判斷管帽缺失，若否，則進(jìn)入第二圖像裁剪單元；其中，threshold1＜threshold2；

第二圖像裁剪單元，用于根據(jù)第二預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第二裁剪圖像；所述第二預(yù)設(shè)圖像尺寸大于所述第一預(yù)設(shè)圖像尺寸；

第二管帽缺失判斷單元，用于對第二裁剪圖像做卷積提取豎向邊緣，根據(jù)豎向邊緣的個(gè)數(shù)判斷出管帽是否存在：若符合預(yù)設(shè)面積范圍的豎向邊緣為兩個(gè)，則判斷管帽存在，若符合預(yù)設(shè)面積范圍的豎向邊緣為一個(gè)，則判斷管帽缺失。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測系統(tǒng)，所述斜腕臂的輪廓特征包括預(yù)設(shè)的斜腕臂的輪廓長度范圍、輪廓方向角范圍、縱坐標(biāo)范圍和橫坐標(biāo)范圍。

進(jìn)一步，如上所述的一種基于圖像的斜腕臂末端管帽的缺失檢測系統(tǒng)，所述管帽缺失判斷模塊確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域的方式為：

標(biāo)記旋轉(zhuǎn)后的二值化圖像中的各連通域，各連通域中面積最大的連通域?qū)?yīng)的區(qū)域?yàn)樾蓖蟊鬯诘膮^(qū)域。

本發(fā)明的有益效果在于：本發(fā)明所提供的方法及系統(tǒng)，實(shí)現(xiàn)了基于圖像的斜腕臂末端管帽是否存在的自動(dòng)化檢測，與現(xiàn)有的人工巡檢方式相比，更快速準(zhǔn)確，為高鐵接觸網(wǎng)的安全提供了保障，能夠有效減少安全隱患。

附圖說明

圖1為本發(fā)明具體實(shí)施方式中提供的一種基于圖像的斜腕臂末端管帽的缺失檢測方法的流程圖；

圖2為具體實(shí)施方式中接觸定位裝置的圖像；

圖3為需要進(jìn)行水平翻轉(zhuǎn)預(yù)處理的接觸定位裝置的圖像；

圖4為根據(jù)斜腕臂方向角旋轉(zhuǎn)后斜腕臂處于水平位置的圖像；

圖5為裁剪后得到的斜腕臂末端管帽所在區(qū)域的圖像；

圖6為本發(fā)明具體實(shí)施方式中提供的種基于圖像的斜腕臂末端管帽的缺失檢測系統(tǒng)的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面結(jié)合說明書附圖與具體實(shí)施方式對本發(fā)明做進(jìn)一步的詳細(xì)說明。

圖1示出了本發(fā)明具體實(shí)施方式中提供的一種基于圖像的斜腕臂末端管帽的缺失檢測方法的流程圖，由圖中可以看出，該方法主要包括以下步驟：

步驟s100：采集高鐵基礎(chǔ)網(wǎng)的接觸定位裝置的圖像；

首先，通過圖像采集設(shè)備采集高鐵基礎(chǔ)網(wǎng)的接觸定位裝置的全局圖像。如圖2所示為一幅接觸定位裝置的圖像，圖像中包括了支柱、斜腕臂、斜腕臂末端的管帽(該圖中管帽存在)、還包括由斜拉線、斜拉線定位管等其它部分。

為了提高后續(xù)圖像處理的效率，采集到圖像后，對圖像進(jìn)行統(tǒng)一格式的 預(yù)處理，本實(shí)施方式中，判斷采集到的圖像中支柱是否圖像的左側(cè)，即判斷斜腕臂等其它部分是否位于支柱的右側(cè)，若是，則不需要進(jìn)行處理，若否，則將圖像進(jìn)行水平翻轉(zhuǎn)，使支柱位于圖像的最左側(cè)。如采集到的圖像為圖3中所示的圖像，通過水平翻轉(zhuǎn)，可以得到和圖2中所示的統(tǒng)一格式的圖像。

在采集圖像時(shí)，可以根據(jù)需要預(yù)設(shè)采集的圖像的尺寸，單位為像素個(gè)數(shù)。

步驟s200：將所述圖像進(jìn)行二值化處理，并將二值化圖像進(jìn)行邊緣檢測，得到二值化圖像的邊緣輪廓；

步驟s300：計(jì)算斜腕臂的輪廓方向角，根據(jù)斜腕臂的輪廓方向角進(jìn)行二值化圖像的旋轉(zhuǎn)，使旋轉(zhuǎn)后的圖像中斜腕臂處于水平位置；

對步驟s100中采集到的圖像，使用閾值法二值化所述圖像，在進(jìn)行圖像二值化時(shí)，灰度閾值可以根據(jù)實(shí)際需要進(jìn)行設(shè)定，本實(shí)施方式中，進(jìn)行圖像二值化時(shí)的灰度閾值為128，二值化處理后圖像中的背景色的灰度值為0。

完成圖像的二值化后，采用邊緣檢測算法(如canny邊緣檢測算法)得到二值化圖像的邊緣輪廓，根據(jù)斜腕臂的輪廓特征提取所述邊緣輪廓中的斜腕臂的邊緣輪廓。其中，所述斜腕臂的輪廓特征包括預(yù)設(shè)的斜腕臂的輪廓長度范圍、輪廓方向角范圍、縱坐標(biāo)范圍和橫坐標(biāo)范圍。輪廓長度指的是斜腕臂的輪廓上像素點(diǎn)的數(shù)量和，即為周長。輪廓方向角是指斜腕臂的邊緣輪廓上的像素點(diǎn)所在的直線與水平線之間的夾角，即斜腕臂的邊緣輪廓上的像素點(diǎn)所近似的直線與水平方向的夾角，夾角的范圍為[0,π/2]。

其中，所述預(yù)設(shè)的斜腕臂的輪廓長度lengthxld、輪廓方向角θ、橫坐標(biāo)x、縱坐標(biāo)y的具體范圍并不是唯一的，可以根據(jù)實(shí)際情況進(jìn)行設(shè)定。

通過計(jì)算二值圖像的具有相同連通性的各邊緣輪廓中各輪廓的長度、方向角、橫坐標(biāo)及縱坐標(biāo)，將計(jì)算的結(jié)果與上述各預(yù)設(shè)的范圍相比較，符合上述預(yù)設(shè)的所有范圍條件的邊緣輪廓即為斜腕臂的邊緣輪廓。

本實(shí)施方式中，采用圖像的二階矩來計(jì)算具有相同連通性的各邊緣輪廓的方向角，具體計(jì)算方式如下：

首先，標(biāo)記二值化圖像中具有相同連通性的各個(gè)邊緣輪廓，本實(shí)施方式中，以二值圖像c(x,y)中的任一具有相同連通性的輪廓r為例來計(jì)算該輪廓的輪廓方向角：

計(jì)算輪廓r的面積s，計(jì)算公式為：

其中，(x,y)∈r表示輪廓r上的所有像素點(diǎn)，x、y分別為像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，表示輪廓r上灰度值為1的像素點(diǎn)的數(shù)量和，即輪廓上的白色像素點(diǎn)的數(shù)量。

輪廓r的面積的歸一化的(p+q)階矩np,q的計(jì)算公式為：

其中，p≥0,q≥0；

輪廓r的面積的歸一化的(p+q)階中心矩up,q的計(jì)算公式為：

其中，p+q≥2

輪廓r的輪廓方向角θ的計(jì)算公式為：

得到斜腕臂的輪廓方向角之后，根據(jù)該輪廓方向角進(jìn)行二值化圖像的旋轉(zhuǎn)，以使旋轉(zhuǎn)后的圖像中斜腕臂處于水平的位置，本實(shí)施方式中，采用仿射變換矩陣進(jìn)行二值化圖像的旋轉(zhuǎn)，仿射變換旋轉(zhuǎn)矩陣hommat2drotate為：

其中，θxie為斜腕臂的輪廓方向角。

如圖4所示，為本實(shí)施方式中采用仿射變換矩陣將圖2旋轉(zhuǎn)后的示意圖。

步驟s400：提取斜腕臂末端管帽所在的區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失。

完成二值化圖像的旋轉(zhuǎn)后，確定出旋轉(zhuǎn)后的圖像中斜腕臂所在的區(qū)域，確定方式為：標(biāo)記旋轉(zhuǎn)后的二值化圖像中的各連通域，各連通域中面積最大 的連通域?qū)?yīng)的區(qū)域?yàn)樾蓖蟊鬯诘膮^(qū)域。

在確定出斜腕臂所在的區(qū)域后，為了進(jìn)一步精確檢測的區(qū)域，首先對圖像進(jìn)行裁剪，裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，之后判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失。

本實(shí)施方式中，裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失的方式為：

1)根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第一裁剪圖像；

2)計(jì)算第一裁剪圖像的灰度均值graymean；

3)判斷所述灰度均值graymean是否小于第一灰度閾值threshold1，若是，則判斷管帽存在，若否，則判斷灰度均值graymean是否小于第二灰度閾值threshold2；若是，則判斷管帽缺失，若否，則進(jìn)入下一步；其中，threshold1＜threshold2；第一灰度閾值threshold1和第二灰度閾值threshold2均為經(jīng)驗(yàn)值；

4)根據(jù)第二預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第二裁剪圖像；所述第二預(yù)設(shè)圖像尺寸大于所述第一預(yù)設(shè)圖像尺寸；該步驟即重新裁剪斜腕臂末端管帽所在的區(qū)域，擴(kuò)大裁剪范圍。

5)對第二裁剪圖像做卷積操作，突出圖像的豎向紋理，提取圖像的豎向邊緣，根據(jù)卷積操作后圖像中符合預(yù)設(shè)面積范圍的豎向邊緣的個(gè)數(shù)判斷出管帽是否存在：若符合預(yù)設(shè)面積范圍的豎向邊緣為兩個(gè)，則判斷管帽存在，若符合預(yù)設(shè)面積范圍的豎向邊緣為一個(gè)，則判斷管帽缺失；所述卷積操作的公式為：

g(x,y)＝f(x,y)*c(u,v)

其中，g(x,y)表示卷積操作后的像素值，f(x,y)表示卷積操作前的像素值，c(u,v)為卷積操作矩陣。實(shí)際應(yīng)用中，卷積操作矩陣c(u,v)可以根據(jù)不用的應(yīng)用場景進(jìn)行設(shè)置。

在實(shí)際處理中，所述第一預(yù)設(shè)圖像尺寸和第一預(yù)設(shè)圖像尺寸的大小均為經(jīng)驗(yàn)值，根據(jù)需要處理的圖像來確定。根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在的區(qū)域進(jìn)行裁剪的方式為：

記錄旋轉(zhuǎn)后的斜腕臂所在區(qū)域的左上角像素點(diǎn)坐標(biāo)(minrows,mincolumns)和右下角像素點(diǎn)的坐標(biāo)(maxrows,maxcolumns)，分別以(minrows+r1,maxcolumns-c1)和(minrows+r2,maxcolumns-c2)為矩形的左上角點(diǎn)坐標(biāo)和右下角坐標(biāo)進(jìn)行裁剪。如圖5所示，為將圖4中的斜腕臂所在的區(qū)域進(jìn)行裁剪后，得到的斜腕臂末端管帽所在區(qū)域的示意圖。本實(shí)施方式中，圖像的左上角為坐標(biāo)原點(diǎn)，原點(diǎn)向右為坐標(biāo)系橫軸的正半軸，原點(diǎn)向下為坐標(biāo)系縱軸的正半軸，所述r1、c1、r2和c2均為正整數(shù)，且r1＜r2，c1＞c2。

本實(shí)施方式中，首先根據(jù)第一裁剪圖像的灰度均值和預(yù)設(shè)的經(jīng)驗(yàn)值即第一灰度閾值threshold1和第二灰度閾值threshold2來判斷管帽是否缺失，而灰度均值處于第一灰度閾值threshold1和第二灰度閾值threshold2之間的圖像則再進(jìn)一步擴(kuò)大感興趣區(qū)域范圍并做卷積處理，通過突出圖像豎向紋理的卷積操作，根據(jù)卷積操作后的圖像中的豎向邊緣特征判斷出管帽是否存在，通過這兩種方式，更準(zhǔn)確的保證了判斷結(jié)果。由圖5可以看出，如果圖像中存在管帽，則卷積處理后的圖像中的邊緣中應(yīng)該存在兩個(gè)滿足管帽豎向邊緣特征的豎向邊緣，即滿足預(yù)設(shè)面積范圍的豎向邊緣，本實(shí)施方式中，預(yù)設(shè)面積范圍可以根據(jù)需要進(jìn)行設(shè)置，如果管帽存在，則卷積操作后的圖像中應(yīng)該有兩個(gè)面積在預(yù)設(shè)面積范圍內(nèi)的豎向邊緣，豎向邊緣的面積指的是豎向邊緣的像素值為1的像素點(diǎn)的個(gè)數(shù)。

與圖1中所示的方法相對應(yīng)，本發(fā)明還提供了一種基于圖像的斜腕臂末端管帽的缺失檢測系統(tǒng)，如圖6所示，該系統(tǒng)主要包括圖像采集模塊100、邊緣提取模塊200、圖像旋轉(zhuǎn)模塊300和管帽缺失判斷模塊400。其中：

圖像采集模塊100，用于采集高鐵接觸網(wǎng)的接觸定位裝置的圖像；

邊緣提取模塊200，用于將所述圖像進(jìn)行二值化處理，并將二值化圖像進(jìn)行邊緣檢測，得到二值化圖像的邊緣輪廓；

圖像旋轉(zhuǎn)模塊300，用于根據(jù)斜腕臂的輪廓特征提取所述邊緣輪廓中的斜腕臂的邊緣輪廓，計(jì)算斜腕臂的輪廓方向角，根據(jù)斜腕臂的輪廓方向角進(jìn)行二值化圖像的旋轉(zhuǎn)，使旋轉(zhuǎn)后的圖像中斜腕臂處于水平位置；所述輪廓方向角是指斜腕臂的邊緣輪廓的點(diǎn)所在的直線與水平線之間的夾角；夾角的范 圍為[0,π/2]；所述斜腕臂的輪廓特征包括預(yù)設(shè)的斜腕臂的輪廓長度范圍、輪廓方向角范圍、縱坐標(biāo)范圍和橫坐標(biāo)范圍；

管帽缺失判斷模塊400，用于確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域，并裁剪出斜腕臂所在區(qū)域中斜腕臂末端管帽所在區(qū)域，判斷斜腕臂末端管帽所在區(qū)域中管帽是否缺失；管帽缺失判斷模塊400確定出旋轉(zhuǎn)后的圖像中斜腕臂所在區(qū)域的方式為：

標(biāo)記旋轉(zhuǎn)后的二值化圖像中的各連通域，各連通域中面積最大的連通域?qū)?yīng)的區(qū)域?yàn)樾蓖蟊鬯诘膮^(qū)域。

所述管帽缺失判斷模塊400包括：

第一圖像裁剪單元401，用于根據(jù)第一預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第一裁剪圖像；

灰度均值計(jì)算單元402，用于計(jì)算第一裁剪圖像的灰度均值graymean；

第一管帽缺失判斷單元403，用于判斷所述灰度均值graymean是否小于第一灰度閾值threshold1，若是，則判斷管帽存在，若否，則判斷灰度均值graymean是否小于第二灰度閾值threshold2；若是，則判斷管帽缺失，若否，則進(jìn)入第二圖像裁剪單元；其中，threshold1＜threshold2；

第二圖像裁剪單元404，用于根據(jù)第二預(yù)設(shè)圖像尺寸對斜腕臂末端管帽所在區(qū)域進(jìn)行裁剪，得到第二裁剪圖像；所述第二預(yù)設(shè)圖像尺寸大于所述第一預(yù)設(shè)圖像尺寸；

第二管帽缺失判斷單元405，用于對第二裁剪圖像做卷積提取豎向邊緣，根據(jù)豎向邊緣的個(gè)數(shù)判斷出管帽是否存在：若符合預(yù)設(shè)面積范圍的豎向邊緣為兩個(gè)，則判斷管帽存在，若符合預(yù)設(shè)面積范圍的豎向邊緣為一個(gè)，則判斷管帽缺失。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其同等技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。