具体技术细节
[0005] 基于此，有必要针对上述问题，提供避免人为进行现场检查的钢丝绳缺陷识别方法、装置、设备和介质。
[0006] 一种钢丝绳缺陷识别的方法，所述方法包括：
[0007] 获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
[0008] 从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
[0009] 在其中一个实施例中，在所述从知识库中下载目标缺陷模型之前，还包括：
[0010] 构建图像缺陷库，所述图像缺陷库包括钢丝绳缺陷图像及匹配每一所述钢丝绳缺陷图像的缺陷标签；
[0011] 对所述钢丝绳缺陷图像进行扩增预处理，所述扩增预处理包括图像模糊、角度旋转、调整对比度及切换通道中的至少一种，获取处理后的扩增钢丝绳缺陷图像及匹配的缺陷标签；
[0012] 将所述扩增钢丝绳缺陷图像及匹配的缺陷标签输入训练缺陷模型进行迭代训练，直至基于所述训练缺陷模型的训练输出结果与所述缺陷标签确定所述训练缺陷模型收敛，获取训练完成的目标缺陷模型。
[0013] 在其中一个实施例中，所述缺陷标签包括断丝、钢丝交错、绳套插接不良、股丝松散、节距不均、股松弛、波浪形、灯笼形、扭结、涂油不良、表面损伤、磨损变形、机械磨损、直径变细、锈蚀中的至少一种。
[0014] 在其中一个实施例中，在所述识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷之后，还包括：
[0015] 将所述目标钢丝绳图像及所述目标缺陷输入所述目标缺陷模型进行迭代训练，以调整卷积神经网络中的超参数。
[0016] 在其中一个实施例中，所述方法还包括：
[0017] 根据所述目标缺陷将所述目标钢丝绳图像进行归类，将所述目标钢丝绳图像以相同的类别为划分进行展示。
[0018] 在其中一个实施例中，在所述识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷之后，还包括：
[0019] 获取预设的告警等级标准，根据所述目标缺陷及所述告警等级标准确定告警等级，发出所述告警等级的告警提醒。
[0020] 在其中一个实施例中，所述预处理包括灰度处理、高斯模糊、开闭操作及边缘检测中的至少一种。
[0021] 一种钢丝绳缺陷识别装置，所述装置包括：
[0022] 预处理模块，用于获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
[0023] 模型识别模块，用于从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
[0024] 一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0025] 获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
[0026] 从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
[0027] 一种钢丝绳缺陷识别设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0028] 获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
[0029] 从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
[0030] 本发明提供了钢丝绳缺陷识别方法、装置、设备和介质，对目标钢丝绳图像进行图像预处理，获取预处理图像。再从知识库中下载最新的目标缺陷模型，结合深度学习技术，用目标缺陷模型来识别预处理图像的缺陷，一旦发现缺陷，则将检测结果上传到数据平台，从而实现提高钢丝绳缺陷的检测效率，降低误判风险，节省人力成本的效果。
法律保护范围
涉及权利要求数量10：其中独权4项，从权-4项
1.一种钢丝绳缺陷识别的方法，其特征在于，所述方法包括：
获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
2.根据权利要求1所述的方法，其特征在于，在所述从知识库中下载目标缺陷模型之前，还包括：
构建图像缺陷库，所述图像缺陷库包括钢丝绳缺陷图像及匹配每一所述钢丝绳缺陷图像的缺陷标签；
对所述钢丝绳缺陷图像进行扩增预处理，所述扩增预处理包括图像模糊、角度旋转、调整对比度及切换通道中的至少一种，获取处理后的扩增钢丝绳缺陷图像及匹配的缺陷标签；
将所述扩增钢丝绳缺陷图像及匹配的缺陷标签输入训练缺陷模型进行迭代训练，直至基于所述训练缺陷模型的训练输出结果与所述缺陷标签确定所述训练缺陷模型收敛，获取训练完成的目标缺陷模型。
3.根据权利要求2所述的方法，其特征在于，所述缺陷标签包括断丝、钢丝交错、绳套插接不良、股丝松散、节距不均、股松弛、波浪形、灯笼形、扭结、涂油不良、表面损伤、磨损变形、机械磨损、直径变细、锈蚀中的至少一种。
4.根据权利要求2所述的方法，其特征在于，在所述识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷之后，还包括：
将所述目标钢丝绳图像及所述目标缺陷输入所述目标缺陷模型进行迭代训练，以调整卷积神经网络中的超参数。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述目标缺陷将所述目标钢丝绳图像进行归类，将所述目标钢丝绳图像以相同的类别为划分进行展示。
6.根据权利要求5所述的方法，其特征在于，在所述识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷之后，还包括：
获取预设的告警等级标准，根据所述目标缺陷及所述告警等级标准确定告警等级，发出所述告警等级的告警提醒。
7.根据权利要求1所述的方法，其特征在于，所述预处理包括灰度处理、高斯模糊、开闭操作及边缘检测中的至少一种。
8.一种钢丝绳缺陷识别装置，其特征在于，所述装置包括：
预处理模块，用于获取目标钢丝绳图像，对所述目标钢丝绳图像进行图像预处理，获取预处理图像；
模型识别模块，用于从知识库中下载目标缺陷模型，根据所述目标缺陷模型对所述预处理图像进行缺陷识别，以识别得到所述目标钢丝绳图像中钢丝绳的目标缺陷。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种钢丝绳缺陷识别设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
