一种基于人工智能的电缆缺陷检测方法及系统技术方案

本发明专利技术涉及一种基于人工智能的电缆缺陷检测方法及系统，属于电缆缺陷检测技术领域。方法包括以下步骤：根据各第一连通域对应的主成分方向，对各第一连通域进行筛选得到电缆目标图像对应的第二连通域；对各第二连通域进行霍夫变换，得到各第二连通域对应的目标高亮点的数量；根据各第二连通域对应的第一弯曲程度和各第二连通域对应的目标高亮点的数量，对各第二连通域进行筛选得到电缆目标图像对应的各目标连通域；根据各目标连通域对应的主成分方向，得到各目标连通域之间的平行度；根据各目标连通域之间的平行度和各目标连通域对应第一弯曲程度，判断电缆是否出现散股缺陷。本发明专利技术能够提高电缆散股缺陷检测的准确性。发明专利技术能够提高电缆散股缺陷检测的准确性。发明专利技术能够提高电缆散股缺陷检测的准确性。

【技术实现步骤摘要】
一种基于人工智能的电缆缺陷检测方法及系统


[0001]本专利技术涉及电缆缺陷检测
，具体涉及一种基于人工智能的电缆缺陷检测方法及系统。

技术介绍

[0002]现代工业中电缆绞线是将若干根相同直径或不同直径的单线，按一定的方向和一定的规则绞合在一起，成为一个整体的绞合线芯；而在绞合的过程中可能会出现外层与内层之间产生轻微的滑移或者在绞合的过程中可能会出现某一段的扭力过小，使电缆的最外层导线出现局部散股的缺陷，而出现散股缺陷可能会严重影响绞线的质量，造成不可估量的后果。
[0003]现有的一般基于比较常规的阈值分割方法检测电缆绞线是否出现散股缺陷，而这种检测方法受到电缆绞线材质反光等现象的影响，使现有的阈值分割方法检测的准确性较低。

技术实现思路

[0004]本专利技术提供一种基于人工智能的电缆缺陷检测方法及系统，用于解决现有不能准确检测电缆散股缺陷的问题，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于人工智能的电缆缺陷检测方法及系统包括以下步骤：获得电缆目标图像；对所述电缆目标图像进行连通域分析，得到电缆目标图像对应的多个第一连通域；根据各第一连通域中各像素点坐标，得到电缆目标图像对应的各第一连通域对应的主成分方向；根据所述各第一连通域对应的主成分方向，对各第一连通域进行筛选得到电缆目标图像对应的多个第二连通域；根据各第二连通域中的最小横坐标和各第二连通域中的最大横坐标，得到各第二连通域对应的第一弯曲程度；对所述各第二连通域进行霍夫变换，得到各第二连通域对应的目标高亮点的数量；根据所述各第二连通域对应的第一弯曲程度和所述各第二连通域对应的目标高亮点的数量，对各第二连通域进行筛选得到电缆目标图像对应的各目标连通域；根据所述各目标连通域对应的主成分方向，得到各目标连通域之间的平行度；根据所述各目标连通域之间的平行度和所述各目标连通域对应第一弯曲程度，判断电缆是否出现散股缺陷。
[0005]本专利技术还提供了一种基于人工智能的电缆缺陷检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种基于人工智能的电缆缺陷检测方法。
[0006]有益效果：本专利技术将各第一连通域对应的主成分方向作为对各第一连通域进行筛选得到电缆目标图像对应的第二连通域的依据；将各第二连通域对应的弯曲程度和各第二连通域对应的目标高亮点的数量作为对各第二连通域进行筛选得到电缆目标图像对应的各目标连通域的依据，将各目标连通域之间的平行度和各目标连通域对应第一弯曲程度作为判断电缆是否出现散股缺陷的依据，本专利技术通过存在散股缺陷区域的特征对电缆目标图像上的各区域进行筛选，过滤电缆绞线材质反光或者其它因素对散股缺陷区域检测的干扰，提高电缆散股缺陷检测的准确性。
[0007]优选的，获得电缆目标图像方法，包括：获取电缆侧面图像和对应的标准电缆侧面图像；对所述电缆侧面图像进行语义分割处理，得到仅含有电缆侧面的图像；对所述仅含有电缆侧面的图像进行二值化处理，得到仅含有电缆侧面的图像对应的二值化图像；所述二值化图像上最外层导线的像素点的像素值为1，最外层导线与导线之间缝隙区域的像素点的像素值为0；对所述二值化图像进行反向灰度化处理；将反向灰度化处理后的二值化图像中最外层的导线与导线之间缝隙区域作为掩膜与所述仅含有电缆表面的图像相乘，得到电缆侧面图像对应的电缆目标图像。
[0008]优选的，根据各第一连通域中各像素点坐标，得到电缆目标图像对应的各第一连通域对应的主成分方向；根据所述各第一连通域对应的主成分方向，对各第一连通域进行筛选得到电缆目标图像对应的多个第二连通域的方法，包括：根据所述各第一连通域中各像素点坐标，利用主成分分析法得到各第一连通域对应的第一主成分方向；以所述电缆目标图像中最小横坐标和最小纵坐标对应的像素点作为原点构建坐标系，将构建得到的坐标系记为目标坐标系；获得各第一主成分方向与所述目标坐标系中横坐标轴之间的夹角，将所述各第一主成分方向与所述目标坐标系中横坐标轴之间的夹角记为各第一连通域对应的方向角；将所述方向角排序，利用多阈值分割方法对排序后的所述方向角进行分类，并得到各类别中所述方向角的数量；根据所述标准电缆侧面图像，得到所述标准电缆侧面图像中导线的数量；根据所述标准电缆侧面图像中导线的数量，得到标准电缆侧面图像对应的标准第一连通域数量；判断所述各类别中所述方向角的数量与所述标准第一连通域数量的差值的绝对值是否大于预设差值阈值，若是，将对应的第一连通域剔除；将剔除之后的剩余的所述第一连通域记为电缆目标图像对应的第二连通域。
[0009]优选的，根据各第二连通域中的最小横坐标和各第二连通域中的最大横坐标，得到各第二连通域对应的第一弯曲程度的方法，包括：根据各第二连通域中最小横坐标对应的像素点坐标、最小横坐标对应的像素点数量、最大横坐标对应的像素点坐标以及最大横坐标对应的像素点数量，得到各第二连通域对应的第一短边和第二短边；根据所述各第二连通域对应的第一短边和第二短边，得到各第二连通域对应的第一长边和第二长边；根据所述各第二连通域对应的方向角，得到各第二连通域对应的第一主成分方向
对应的斜率；根据所述各第二连通域中的中心点坐标和所述各第二连通域对应的第一主成分方向对应的斜率，得到各第二连通域对应的第一主成分方向直线的表达式；将所述第一主成分方向直线的表达式记为第二连通域对应的第一主成分方向线；过所述第一主成分方向线上的各像素点作垂直于对应的第一主成分方向线的垂线，将所述垂线记为所述第一主成分方向线上的各像素点对应的垂线；获得所述第一主成分方向线上的各像素点对应的垂线与对应的第二连通域对应的第一长边上的交点；将所述第一长边上的交点记为第一主成分方向线上的各像素点对应的第一交点；计算所述第一主成分方向线上的各像素点与对应的第一交点之间的距离；将所述第一主成分方向线上的各像素点与对应的第一交点之间的距离记为各第二连通域对应的第一距离；根据所述第一距离，构建得到各第二连通域对应的第一距离序列；选取所述第一距离序列中的最大第一距离和最小第一距离，根据所述最大第一距离和最小第一距离，得到各第二连通域对应的第一弯曲率；获得所述第一主成分方向线上的各像素点对应的垂线与对应的第二连通域对应的第二长边上的交点；将所述第二长边上的交点记为第一主成分方向线上的各像素点对应的第二交点；计算所述第一主成分方向线上的各像素点与对应的第二交点之间的距离，将所述第一主成分方向线上的各像素点与对应的第二交点之间的距离记为各第二连通域对应的第二距离；根据所述第二距离，构建得到各第二连通域对应的第二距离序列；选取所述第二距离序列中的最大第二距离和最小第二距离，根据所述最大第二距离和最小第二距离，得到各第二连通域对应的第二弯曲率；根据所述第一弯曲率和第二弯曲率，得到各第二连通域对应的第一弯曲程度。
[0010]优选的，对所述各第二连通域进行霍夫变换，得到各第二连通域对应的目标高亮点的数量的方法，包括：对所述电缆目标图像对应的各第二连通域进行二值化处理，对二值化处理之后的所述各第二连通域进行霍夫直线检测，得到所述各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电缆缺陷检测方法，其特征在于，该方法包括如下步骤：获得电缆目标图像；对所述电缆目标图像进行连通域分析，得到电缆目标图像对应的多个第一连通域；根据各第一连通域中各像素点坐标，得到电缆目标图像对应的各第一连通域对应的主成分方向；根据所述各第一连通域对应的主成分方向，对各第一连通域进行筛选得到电缆目标图像对应的多个第二连通域；根据各第二连通域中的最小横坐标和各第二连通域中的最大横坐标，得到各第二连通域对应的第一弯曲程度；对所述各第二连通域进行霍夫变换，得到各第二连通域对应的目标高亮点的数量；根据所述各第二连通域对应的第一弯曲程度和所述各第二连通域对应的目标高亮点的数量，对各第二连通域进行筛选得到电缆目标图像对应的各目标连通域；根据所述各目标连通域对应的主成分方向，得到各目标连通域之间的平行度；根据所述各目标连通域之间的平行度和所述各目标连通域对应第一弯曲程度，判断电缆是否出现散股缺陷。2.如权利要求1所述的一种基于人工智能的电缆缺陷检测方法，其特征在于，所述获得电缆目标图像方法，包括：获取电缆侧面图像和对应的标准电缆侧面图像；对所述电缆侧面图像进行语义分割处理，得到仅含有电缆侧面的图像；对所述仅含有电缆侧面的图像进行二值化处理，得到仅含有电缆侧面的图像对应的二值化图像；所述二值化图像上最外层导线的像素点的像素值为1，最外层导线与导线之间缝隙区域的像素点的像素值为0；对所述二值化图像进行反向灰度化处理；将反向灰度化处理后的二值化图像中最外层的导线与导线之间缝隙区域作为掩膜与所述仅含有电缆表面的图像相乘，得到电缆侧面图像对应的电缆目标图像。3.如权利要求2所述的一种基于人工智能的电缆缺陷检测方法，其特征在于，所述根据各第一连通域中各像素点坐标，得到电缆目标图像对应的各第一连通域对应的主成分方向；根据所述各第一连通域对应的主成分方向，对各第一连通域进行筛选得到电缆目标图像对应的多个第二连通域的方法，包括：根据所述各第一连通域中各像素点坐标，利用主成分分析法得到各第一连通域对应的第一主成分方向；以所述电缆目标图像中最小横坐标和最小纵坐标对应的像素点作为原点构建坐标系，将构建得到的坐标系记为目标坐标系；获得各第一主成分方向与所述目标坐标系中横坐标轴之间的夹角，将所述各第一主成分方向与所述目标坐标系中横坐标轴之间的夹角记为各第一连通域对应的方向角；将所述方向角排序，利用多阈值分割方法对排序后的所述方向角进行分类，并得到各类别中所述方向角的数量；根据所述标准电缆侧面图像，得到所述标准电缆侧面图像中导线的数量；根据所述标准电缆侧面图像中导线的数量，得到标准电缆侧面图像对应的标准第一连通域数量；判断所述各类别中所述方向角的数量与所述标准第一连通域数量的差值的绝对值是否大于预设差值阈值，若是，将对应的第一连通域剔除；
将剔除之后的剩余的所述第一连通域记为电缆目标图像对应的第二连通域。4.如权利要求3所述的一种基于人工智能的电缆缺陷检测方法，其特征在于，所述根据各第二连通域中的最小横坐标和各第二连通域中的最大横坐标，得到各第二连通域对应的第一弯曲程度的方法，包括：根据各第二连通域中最小横坐标对应的像素点坐标、最小横坐标对应的像素点数量、最大横坐标对应的像素点坐标以及最大横坐标对应的像素点数量，得到各第二连通域对应的第一短边和第二短边；根据所述各第二连通域对应的第一短边和第二短边，得到各第二连通域对应的第一长边和第二长边；根据所述各第二连通域对应的方向角，得到各第二连通域对应的第一主成分方向对应的斜率；根据所述各第二连通域中的中心点坐标和所述各第二连通域对应的第一主成分方向对应的斜率，得到各第二连通域对应的第一主成分方向直线的表达式；将所述第一主成分方向直线的表达式记为第二连通域对应的第一主成分方向线；过所述第一主成分方向线上的各像素点作垂直于对应的第一主成分方向线的垂线，将所述垂线记为所述第一主成分方向线上的各像素点对应的垂线；获得所述第一主成分方向线上的各像素点对应的垂线与对应的第二连通域对应的第一长边上的交点；将所述第一长边上的交点记为第一主成分方向线上的各像素点对应的第一交点；计算所述第一主成分方向线上的各像素点与对应的第一交点之间的距离；将所述第一主成分方向线上的各像素点与对应的第一交点之间的距离记为各第二连通域对应的第一距离；根据所述第一距离，构建得到各第二连通域对应的第一距离序列；选取所述第一距离序列中的最大第一距离和最小第一距离，根据所述最大第一距离和最小第一距离，得到各第二连通域对应的第一弯曲率；...

【专利技术属性】
技术研发人员：束建磊，刘建强，
申请(专利权)人：山东鹰联光电科技股份有限公司，
类型：发明
国别省市：