【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及基于深度学习的瓷绝缘子表面反光去除方法及系统。
技术介绍
1、深度学习这一概念是基于人工神经网络的研究而提出的，其中多层感知器作为一种具有多个隐层的深层学习结构，反映了深度学习技术的特点。通过将底层特征相互作用，并不断生成更抽象的高级概念，从而确定所研究数据的属性、类别或特征。此技术已被广泛用于图像处理领域，包括去除瓷绝缘表面反光。
2、瓷绝缘作为一种常见的电气绝缘材料，由于瓷绝缘子本身具有光滑的表面，在光线照射下产生反光现象，使得反光区域与产品本身的颜色非常接近，现有的dan+irn网络无法准确且有效区分反光区域和产品本身颜色相近的情况；为了处理由于反光区域与产品之间对比度较低而导致去除反光效果不理想的情况，本专利技术设计提出了基于记忆网络的mem-residual block模块和gl-ssim损失函数，提高当瓷绝缘子图像存在反光时，绝缘子识别低的问题，提高反光区域表面瑕疵细节的呈现效果，为后续瓷绝缘子表面缺陷的检测提供保障。
技术实现思路
1、针对现有算法的不足，本专利技术解决现有网络无法有效预处理瓷绝缘子表面反光问题。
2、本专利技术所采用的技术方案是：一种基于深度学习的瓷绝缘子表面反光去除方法包括以下步骤：
3、步骤一、获取瓷绝缘子的颜色图像和深度图像；
4、进一步的，步骤一具体包括：
5、通过深度相机捕获环境的深度和颜色信息；对镜头畸变进行矫正以及同步颜色图像和深度图像。
...【技术保护点】
1.基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，步骤一具体包括：
3.根据权利要求2所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，深度图像是根据相似三角形关系并结合视差计算物体在相机坐标系中的深度值，将深度值映射到像素值上。
4.根据权利要求1所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，预处理包括：使用均值滤波器消除深度图像中的噪声，保留边缘信息，并进行归一化处理。
5.根据权利要求4所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，还包括：应用开运算和闭运算消除瓷绝缘子图像上的孔洞和突出物。
6.根据权利要求4所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，DIAN子网络包括：五个残差块、一个卷积模块和两个反卷积层；其中，第一残差块采用三层卷积，三层卷积的卷积核大小分别为5×5、1×1和使用3×3，将输入特征与第三层卷积进行残差连接；
7.根据权利要求6所述的基于深
8.根据权利要求1所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，GL-SSIM损失函数的公式为：
9.基于深度学习的瓷绝缘子表面反光去除系统，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如权利要求1-8任一项所述的基于深度学习的瓷绝缘子表面反光去除方法。
...【技术特征摘要】
1.基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，步骤一具体包括：
3.根据权利要求2所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，深度图像是根据相似三角形关系并结合视差计算物体在相机坐标系中的深度值，将深度值映射到像素值上。
4.根据权利要求1所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，预处理包括：使用均值滤波器消除深度图像中的噪声，保留边缘信息，并进行归一化处理。
5.根据权利要求4所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，还包括：应用开运算和闭运算消除瓷绝缘子图像上的孔洞和突出物。
6.根据权利要求4所述的基于深度学习的瓷绝缘子表面反光去除方法，其特征在于，dian子网络包括：五个残差块、一个卷积模块和两个反卷积层；其中，第一残差块采用三层卷积，三层卷积的卷积核大小分别为5×5、1×1和使用3×3，将输入特征与第三层卷积进行残差连接；
【专利技术属性】
技术研发人员：吕继东，周润杰，丁慎平，邹凌，牛亮亮，戎海龙，
申请(专利权)人：常州大学，
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。