【技术实现步骤摘要】
一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法及系统
[0001]本专利技术涉及机器视觉
，尤其是涉及一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法及系统。
技术介绍
[0002]大丝束碳纤维是一种含碳量在95％以上的高强度新型纤维材料，其比重不到钢的四分之一，强度却是钢的7至9倍，并且还具有耐腐蚀的特性，被称为“新材料之王”，可广泛应用于飞机部件、轨道交通原材料、车身制造等领域。而国内大丝束碳纤维缺陷检测起步较慢，且以人工检测为主，人工成本高且准确度较低，因此大丝束碳纤维缺陷检测对于企业的生产成本的降低和提高自动化程度有着重要意义。
[0003]大丝束碳纤维生产的过程中会出现打结、纬线、毛团、断丝等缺陷，传统的图像处理方法对于大丝束碳纤维缺陷的检出精度不高，且缺陷分类效果较差，容易造成误报和漏报。其中也有采用深度学习进行检测，但其都需要人工进行标记缺陷区域位置，容易发生标记错误，导致数据集的不准确，降低分类精确度。并且需要采集、标记四类缺陷数据集，难度较大，造成人工成本提升。
【技术保护点】
【技术特征摘要】
1.一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，包括：采集大丝束碳纤维图像并进行预处理；基于预处理后的图像对大丝束碳纤维中断丝和纬线缺陷进行检测；对于不存在断丝和纬线缺陷的图像，判断缺陷区域，并基于缺陷区域的中心点从大丝束碳纤维原图中裁剪出缺陷图像；对裁剪的缺陷图像基于深度学习检测毛团缺陷和打结缺陷。2.根据权利要求1所述的一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，所述采集大丝束碳纤维图像并进行预处理，包括：对采集的大丝束碳纤维图像进行中值滤波；对中值滤波后的图像进行灰度加强；对灰度加强后的图像进行全局阈值分割，并将分割后的区域进行打散得到单独的连通域，筛选灰度值满足预设要求的连通域区域并去除面积不符合预设要求的杂质区域。3.根据权利要求2所述的一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，所述基于预处理后的图像对大丝束碳纤维中断丝和纬线缺陷进行检测，包括：提取筛选后的各连通域区域宽度，如果存在连通域区域宽度大于整个图像宽度的一半则判断为纬线缺陷，否则不是纬线缺陷；对筛选后的连通域区域取最小内接矩形；对得到的最小内接矩形进行宽度延长，将筛选后的连通域区域与宽度延长后的区域进行相交得到交集区域；将筛选后的连通域区域与所得到的交集区域做差，得到差值区域；对所述差值区域进行打散，并计算打散后的连通域个数，若打散后的连通域个数大于等于2则判断为断丝缺陷，否则不为断丝缺陷。4.根据权利要求2所述的一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，所述对于不存在断丝和纬线缺陷的图像，判断缺陷区域，包括：对预处理筛选后的各个连通域区域进行矩形度计算；对于矩形度大于0.8的连通域区域，基于灰度均值判断缺陷区域；对于矩形度小于0.8的连通域区域，基于边缘提取及轮廓分割判断缺陷区域。5.根据权利要求4所述的一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，所述对于矩形度大于0.8的连通域区域，基于灰度均值判断缺陷区域，包括：对于矩形度大于0.8的连通域区域，计算连通域区域的灰度均值；若灰度均值大于50，则判断为缺陷区域，否则不是缺陷区域。6.根据权利要求4所述的一种基于图像处理与深度学习相结合的大丝束碳纤维缺陷检测方法，其特征在于，所述对于矩形度小于0.8的连通域区域，基于边缘提取及轮廓分割判断缺陷区域，包括：对于矩形度小于0.8的连通域区域，对连通域区域进行亚像素边缘提取；采用直线对提...
【专利技术属性】
技术研发人员：李威，王冬慧，陈雅洁，罗国庆，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。