(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210458550.2 (22)申请日 2022.04.24 (71)申请人 中国矿业大 学 地址 221116 江苏省徐州市铜山区大 学路1 号 申请人 江苏建筑职业技术学院　 西南交通大 学 (72)发明人 张营营　喻秋　徐俊豪　周祎　 张元值　张兰兰　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 姜慧勤 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/26(2022.01)G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06N 5/02(2006.01) (54)发明名称 一种基于知识库快速提取和匹配识别索膜 结构损伤的方法 (57)摘要 本发明公开了一种基于知识库快速提取和 匹配识别索膜结构损伤的方法， 包括以下步骤： S1， 建立索膜结构损伤知识库， 并使用主要特征 提取方法按损伤类型提取关键特征信息； S2， 对 服役的索 膜结构进行拍摄， 使用工业相机往复式 拍摄服役的索膜结构局部视频， 以2秒为步长抽 取视频关键帧， 使用图像分割方法对关键帧进行 图像分割， 获取图像信息； S3， 使用相似度匹配方 法将步骤S2图像分割后的关键帧与步骤S1的关 键特征信息进行匹配， 完成服役的索膜结构的损 伤识别。 本发 明可以降低知识库存储空间和 信息 量， 提高检测时的匹配效率； 提高了索膜结构智 能化检测的效率和准确率。 权利要求书3页 说明书7页 附图3页 CN 114943913 A 2022.08.26 CN 114943913 A 1.一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于， 包括以下 步骤： S1， 建立索膜结构损伤知识库， 并使用主要特征提取方法按损伤类型提取关键特征信 息； S2， 对服役的索膜结构进行拍摄， 使用工业相机往复式拍摄服役的索膜结构局部视频， 以2秒为步长抽取视频关键帧， 使用图像分割方法对关键帧进行图像分割， 获取图像信息； S3， 使用相似度匹配方法将步骤S2图像分割后的关键帧与 步骤S1的关键特征信息进行 匹配， 完成服役的索膜结构的损伤 识别。 2.根据权利要求1所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于： 步骤S1中所述的索膜结构损伤知识库由若干索膜结构损伤图像组成， 按照索 膜结构损伤类型进行分类存储， 每种类型的图像不少于150张， 每张图像的像素为256 × 256。 3.根据权利要求2所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于： 所述索膜结构损伤类型包括 撕裂、 穿孔、 变形、 腐锈蚀、 污垢和断丝 。 4.根据权利要求1所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于， 步骤S1中所述 提取关键特 征信息包括以下步骤： S11， 使用下式对索膜结构损伤知识库中的彩色图像进行 灰度化处 理， 得到灰度图， 式中， Grayi,j为转换后的灰度值， 取值范围为0 ‑255， i＝1, …,256， j＝1, …,256， R、 G、 B 分别表示索膜结构损 伤知识库中的彩色图像的红、 绿、 蓝3个通道的数值， Gray256×256为256 ×256的灰度图矩阵； S12， 将步骤S11得到的灰度图矩阵Gray256×256重置为1列， 将同一个类型的损伤图像按 列排放得到如下公式： 式中， Total为索膜结构损伤知识库中同一个类型的损伤图像对应的灰度图数据重置 后按列排放的整体矩阵， Tot al的行数为65536， 列数为索膜结构损伤知识库中该类型损伤 图像总数 K； S13， 求取步骤S12中整体矩阵Total每行的平均灰度值， 得到： GM65536×1＝[gm1…gm65536]T 式中， GM表示按行求取的Total平均灰度值矩阵， 是一个65536 ×1的列矩阵， gm为Total权　利　要　求　书 1/3 页 2 CN 114943913 A 2某行的平均灰度值， gm的下 标为行号， T表示 转置； 其中， 平均灰度值gm计算公式如下： 式中， n表示该平均值对应Total中的行号， k表示当前图像编号， 即对应Total中的列 号， i和j分别表示灰度图像的行号和列号， N 为整数集； S14， 对Total进行去中心化处理， 整体矩阵Total的每个元素减去对应行的平均灰度值 gm， 如下式： 式中， U为整体矩阵Total按行去中心化后的去中心 矩阵； S15， 求去中心矩阵U的特征值和特征向量， 并对特征值从大到小进行排序， 按照主要特 征贡献率90％为标准保留特 征向量； S16， 使用保留的特 征向量与整体矩阵Total相乘， 得到降维的灰度图像整体矩阵； S17， 按照1列为1张图像， 反向复原灰度图像， 得到降维的索膜结构损伤知识库； S18， 将步骤S17中反向复原灰度图像的特 征值的占比作为图像编号， 所述占比为： 式中， βa为第a张反向复原灰度图像的特征值的占比， M为步骤S15保留的特征值的数量， λa为当前特征值， 为所有特 征值总和。 5.根据权利要求4所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于： 步骤S15中所述主要特征贡献率为计算去中心矩阵U的特征值和特征向量后， 根据矩阵论思想其所有特征值之和为1， 以90％为标准， 将特征值按照从大到小排序， 并不 断累加求比率， 直到超过90％时停止， 保留参与累加的几组特征值及其对应特征向量， 即保 留主要特征。 6.根据权利要求4所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于， 步骤S2中所述图像分割方法包括以下步骤： S21， 对从视频中抽取的关键帧使用S1 1中的公式进行 灰度化处 理， 得到灰度图； S22， 使用高斯滤波对灰度图滤波， 剔除图像中的噪声点； S23， 使用canny算子提取经步骤S22滤波后的损伤部位图像的边缘， 完成损伤部位分 割。 7.根据权利要求1所述的一种基于知识库快速提取和匹配识别索膜结构损伤的方法， 其特征在于， 步骤S3中所述相似度匹配方法包括以下步骤： S31， 从知识库的每种损伤类型中各随机抽取图像5张；权　利　要　求　书 2/3 页 3 CN 114943913 A 3