线缆竹节缺陷智能检测方法及装置、介质、设备制造方法及图纸

本发明专利技术提供一种线缆竹节缺陷智能检测方法及装置、介质、设备。方法包括：获取线缆交联线芯图像，对所述线缆交联线芯图像进行畸变矫正；对畸变矫正后的线缆交联线芯图像进行图像增强处理；确定图像增强后的线缆交联线芯图像中线缆的倾斜角度；根据所述倾斜角度，将所述线缆旋转至水平位置，并提取出处于水平状态的线缆对应的矩形轮廓区域；从所述矩形轮廓区域中提取出每一列中的线缆像素数量；根据各列各自对应的线缆像素数量和标准数量，计算均方误差；其中，所述标准数量为不存在竹节缺陷的线缆在对应列中的线缆像素数量；根据所述均方误差，确定所述线缆交联线芯图像是否存在竹节缺陷。本发明专利技术实施例可以提高竹节缺陷检测效率。本发明专利技术实施例可以提高竹节缺陷检测效率。本发明专利技术实施例可以提高竹节缺陷检测效率。

【技术实现步骤摘要】
线缆竹节缺陷智能检测方法及装置、介质、设备


[0001]本专利技术涉及线缆生产
，尤其是涉及一种线缆竹节缺陷智能检测方法及装置、介质、设备。

技术介绍

[0002]目前，在交联线缆生产中世界各国普遍采用过氧化物直接交联工艺，其过程是：导电线芯经过挤包内屏蔽、绝缘层和外屏蔽后进入交联管内化学交联。生产线包括塑料挤出机组、交联机冷却系统、上下牵引装置。由于牵引不稳，模具选配不合适等原因，交联线缆绝缘线芯生产过程中时常会发生线缆塑料层厚度不均，呈竹节形等问题。
[0003]一旦发生这种问题就会使线缆成为废品，所以问题的及早发现很重要，及时处理可以避免造成更大的损失。目前线缆生产车间多采用人工质检的方式，而人工质检的方法不可避免的会有以下问题产生：效率低：人工质检须专人紧盯生产线，发现质量问题，时间久了极易视觉疲劳，会存在预警不及时，精度无法保障等问题。成本高：成本方面，并不能每条产线都配备一位质检人员，多采用巡逻的方式，导致无人看管的时候会发生漏检情况，事后造成更大的损失。

技术实现思路

[0004]针对以上至少一个技术问题，本专利技术实施例提供一种线缆竹节缺陷智能检测方法及装置、介质、设备。
[0005]根据第一方面，本专利技术实施例提供的线缆竹节缺陷智能检测方法，包括：
[0006]获取线缆交联线芯图像，对所述线缆交联线芯图像进行畸变矫正；
[0007]对畸变矫正后的线缆交联线芯图像进行图像增强处理；
[0008]确定图像增强后的线缆交联线芯图像中线缆的倾斜角度；
[0009]根据所述倾斜角度，将所述线缆旋转至水平位置，并提取出处于水平状态的线缆对应的矩形轮廓区域；
[0010]从所述矩形轮廓区域中提取出每一列中的线缆像素数量；
[0011]根据各列各自对应的线缆像素数量和标准数量，计算均方误差；其中，所述标准数量为不存在竹节缺陷的线缆在对应列中的线缆像素数量；
[0012]根据所述均方误差，确定所述线缆交联线芯图像是否存在竹节缺陷。
[0013]根据第二方面，本专利技术实施例提供的线缆竹节缺陷智能检测装置，包括：
[0014]图像获取模块，用于获取线缆交联线芯图像，对所述线缆交联线芯图像进行畸变矫正；
[0015]增强处理模块，用于对畸变矫正后的线缆交联线芯图像进行图像增强处理；
[0016]区域确定模块，用于确定图像增强后的线缆交联线芯图像中线缆的倾斜角度；根据所述倾斜角度将所述线缆旋转至水平位置，并提取出处于水平状态的线缆对应的矩形轮廓区域；
[0017]数量确定模块，用于从所述矩形轮廓区域中提取出每一列中的线缆像素数量；
[0018]第一计算模块，用于根据各列各自对应的线缆像素数量和标准数量，计算均方误差；其中，所述标准数量为不存在竹节缺陷的线缆在对应列中的线缆像素数量；
[0019]缺陷判断模块，用于根据所述均方误差，确定所述线缆交联线芯图像是否存在竹节缺陷。
[0020]根据第三方面，本专利技术实施例提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现第一方面提供的方法。
[0021]根据第四方面，本专利技术实施例提供的计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的方法。
[0022]本专利技术实施例提供的线缆竹节缺陷智能检测方法及装置、介质、设备，采集线缆交联线芯图像，并对线缆交联线芯图像进行畸变矫正；然后对线缆交联线芯图像做数据增强，提取矩形轮廓区域，统计线缆纵向每列所占像素点的数量，根据各部分直径变化的离散程度判定线缆粗细是否均匀，从而判断是否有竹节缺陷产生。该方法实现了线缆竹节缺陷的智能化实时在线检测，相较于传统的人工方法，不仅检测精度高、实时性好，而且实现了检测全过程的智能化替代，在提升产线生产效率的同时，可以大幅降低线缆的缺陷率。
附图说明
[0023]图1为本专利技术一实施例中线缆竹节缺陷智能检测方法的流程示意图；
[0024]图2为图像增强后的线缆交联线芯图像；
[0025]图3为二值化后的线缆交联线芯图像；
[0026]图4为存在竹节缺陷的线缆对应的均方误差的变化示意图。
具体实施方式
[0027]第一方面，本专利技术实施例提供一种线缆竹节缺陷智能检测方法，参见图1，该方法包括如下步骤S110～S170：
[0028]S110、获取线缆交联线芯图像，对所述线缆交联线芯图像进行畸变矫正；
[0029]其中，线缆交联线芯图像是指在交联线缆绝缘线芯生产过程中线缆的图像。具体可以通过工业相机采集线缆交联线芯图像。
[0030]由于工业相机的透镜的制造以及组装工艺偏差，采集到的线缆交联线芯图像会出现图像畸变的现象，所以首先要对工业相机采集到的线缆交联线芯图像进行畸变矫正。
[0031]在一个实施例中，对所述线缆交联线芯图像进行畸变矫正，可以包括：
[0032]S111、确定世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的关联关系；确定畸变数学模型，所述畸变数学模型中包括畸变参数；
[0033]S112、根据所述关联关系，求解所述畸变数学模型中的畸变参数；
[0034]S113、根据所述畸变参数，对所述线缆交联线芯图像进行畸变矫正。
[0035]具体的：
[0036](1)世界坐标系到相机坐标系的转换关系为：
[0037](2)相机坐标系到图像坐标系的转换是一个三维坐标投影到二维平面的过程，相机坐标系到图像坐标系的转换关系如下：
[0038][0039](3)图像坐标系到像素坐标系的转换关系是：
[0040][0041]因此由上述关系可以得到四个坐标系之间的关联关系为：
[0042][0043]上述关联关系体现了世界坐标系和像素坐标系之间的转换关系。
[0044]其中，Z
c
为常数，(u、v)为像素坐标系中的坐标，(u0，v0)为图像坐标系的圆心在像素坐标系中的坐标，(x，y)为图像坐标系中的坐标，f为焦距，工业相机的外参矩阵为外参矩阵随着图像而改变，R和T为外参；(x
c
，y
c
，z
c
)为相机坐标系中的坐标，(x
w
，y
w
，z
w
)为世界坐标系中的坐标。
[0045]其中，为内参矩阵，与工业相机有关。
[0046]其中的内参和外参可以采用张正友法计算得到。
[0047]可理解的是，图像成像是拍摄对象从世界坐标系(Xw,Yw,Zw)转换为相机坐标系(Xc,Yc,Zc)，投影到图像坐标系(X,Y)，转换为像素坐标系(U,V)的过程。转换过程中因为透镜精度和工艺的原因会导致图像产生畸变。图像畸变一般分为径向畸变与切向畸变。畸变数学模型中可以包括径向畸变的数学模型和切向畸变的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线缆竹节缺陷智能检测方法，其特征在于，包括：获取线缆交联线芯图像，对所述线缆交联线芯图像进行畸变矫正；对畸变矫正后的线缆交联线芯图像进行图像增强处理；确定图像增强后的线缆交联线芯图像中线缆的倾斜角度；根据所述倾斜角度，将所述线缆旋转至水平位置，并提取出处于水平状态的线缆对应的矩形轮廓区域；从所述矩形轮廓区域中提取出每一列中的线缆像素数量；根据各列各自对应的线缆像素数量和标准数量，计算均方误差；其中，所述标准数量为不存在竹节缺陷的线缆在对应列中的线缆像素数量；根据所述均方误差，确定所述线缆交联线芯图像是否存在竹节缺陷。2.根据权利要求1所述方法，其特征在于，所述计算所述线缆交联线芯图像的均方误差，包括：采用第一公式计算所述均方误差，所述第一公式为：其中，MSE为所述均方误差，n为所述矩形轮廓区域中线缆像素的有效列数，Y
i
为所述矩形轮廓区域中第i列的线缆像素数量，Y
′
i
为第i列对应的标准数量。3.根据权利要求1所述方法，其特征在于，所述对畸变矫正后的线缆交联线芯图像进行图像增强处理，包括：通过单调函数对畸变矫正后的线缆交联线芯图像进行灰度值拉伸映射，以使畸变矫正后的线缆交联线芯图像中的前景线缆区域和背景区域之间的对比度增强。4.根据权利要求1所述方法，其特征在于，所述确定图像增强后的线缆交联线芯图像中线缆的倾斜角度，包括：采用自适应阈值法将图像增强后的线缆交联线芯图像转换为对应的二值图像；从所述二值图像中提取出前景线缆区域；根据所述前景线缆区域的左侧边界的中心点坐标和右侧边界的中心点坐标，确定线缆的倾斜角度。5.根据权利要求4所述方法，其特征在于，所述采用自适应阈值法将图像增强后的线缆交联线芯图像转换为对应的二值图像，包括：将图像增强后的线缆交联线芯图像划分为多个子...

【专利技术属性】
技术研发人员：郭智勇，朱宪，李超，孙桂刚，
申请(专利权)人：浪潮软件集团有限公司，
类型：发明
国别省市：