CN107578047A - 电力电缆的偏心度检测方法 - Google Patents
电力电缆的偏心度检测方法 Download PDFInfo
- Publication number
- CN107578047A CN107578047A CN201710712574.5A CN201710712574A CN107578047A CN 107578047 A CN107578047 A CN 107578047A CN 201710712574 A CN201710712574 A CN 201710712574A CN 107578047 A CN107578047 A CN 107578047A
- Authority
- CN
- China
- Prior art keywords
- degree
- eccentricity
- image
- picture
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种偏心度的检测方法,尤其涉及一种电力电缆的偏心度检测方法。本发明的目的在于提出一种以图像识别技术为基础的,自动对电缆绝缘层切片偏心度进行计算和判断的方法。本发明包括以下步骤:(a)图像提取,将电缆绝缘层切片转换为数字图像,以便进行后续分析;(b)图像识别,对得到的图片进行预处理,将图片像素转化为灰度值,并与典型电缆切片比对,确定所取得切片图片是否符合要求;(c)图像处理,对符合要求的图片计算其最大连通区间、核心、基准向量、分布最小值、厚度值;(d)偏心度计算判定,根据图像处理结果判断电缆偏心度,若偏心度大于10%,判定电缆不合格,若偏心度小于10%,判定电缆合格。
Description
技术领域
本发明涉及一种偏心度的检测方法,尤其涉及一种电力电缆的偏心度检测方法。
背景技术
依据国家标准规定,凡是电力电缆,在物资交货后,应进行样品抽检,确保产品质量。其中一个检测项目就是电力电缆“偏心度”,是考核电缆绝缘层挤包均匀程度的指标。偏心度为在同一断面上测得的绝缘层最大厚度和最小厚度的差值与最大厚度比值的百分数。依据GB/T2951.11、Q/GDW371要求该项指标不大于10%。
当前,我们常用的检测仪器为测量投影仪,该测量投影仪的使用方法为,通过光学投影,将电缆绝缘层切片投影到上方屏幕,再通过手动移动移动坐标支架的方式,读取不同位置点的坐标,计算厚度值,再算出偏心度。这种测量方法存在的问题主要有以下三点:
1、手动计算复杂
需要工作人员手动计算xy坐标值以及亮点之间的坐标距离,计算量较大、计算用时较长、手动计算容易出现错误。
2、肉眼判断最大值与最小值不够准确
绝缘层厚度的最大值与最小值选取时通过人眼判断,所选取的最大点与最小点可能不是真正的极值点,与实际存在偏差。
3、仪器操作复杂
该仪器为光学仪器,在使用前需要对光线强度,各位置镜片的焦距进行调整,才能确保能清晰的显示图形形状。整个过程调节仪器所用时间比较长。
发明内容
本发明的目的在于提出了一种以图像识别技术为基础的,自动对电缆绝缘层切片偏心度进行计算和判断的方法。
本发明是采用以下的技术方案实现的:
一种电力电缆的偏心度检测方法,包括以下步骤:
(a)图像提取,将电缆绝缘层切片转换为数字图像,以便进行后续分析;
(b)图像识别,对得到的图片进行预处理,将图片像素转化为灰度值,并与典型电缆切片比对,确定所取得切片图片是否符合要求;
(c)图像处理,对符合要求的图片计算其最大连通区间、核心、基准向量、分布最小值、厚度值;
(d)偏心度计算判定,根据图像处理结果判断电缆偏心度,若偏心度大于10%,判定电缆不合格,若偏心度小于10%,判定电缆合格。
进一步的,步骤(a)所述的图像提取方法包括:光学投影仪拍照法,利用现有光学投影仪,将切片投影出来,再将投影得到的清晰的图像进行拍照,图像应尽可能布满整个屏幕,照片像素不低于3120*4208像素。
进一步的,步骤(a)所述的图像提取方法包括:直接扫描法,将切片直接放置到扫描仪上进行扫描,输出PNG或者JPEG格式图片,图片像素不低于1280*1280。
进一步的,步骤(b)所述的图像识别包括以下步骤:
1)图像预处理,将图片像素点转化为灰度值矩阵,方便后续处理,转化公式为Gray=R*0.299+G*0.587+B*0.114,转化后,图像变为一个灰度值二维矩阵,记为g(x,y);
2)图像比对,使用SIFT算法,将图片与标准切片图片进行相似度比对,当相似度达到85%以上是认为切片图片合格,可以进一步处理,否则反馈“图像有误,请重新制作切片或者重新扫描”。
进一步的,步骤(c)所述的图像处理包括:
1)最大连通区间计算,使用“种子填充法”,按照灰度值变化,将整个图形划分为由内到外依次连接的5个最大连通区间,分别将这五个连同区间所包含的像素点,标记为S1、S2、S3、S4、S5五个集合,其中S1为电缆内存放导体的像素点集合;
2)核心计算,绝缘层对应的图像区域标记为S3,将S3集合中全部坐标点求平均值,可算得S3区间的集合中心,记为O点,计算公式为
其中xi与yi为S3集合中全部像素点的坐标;
3)基准向量计算,由O点向四周设定128条记住向量,向量之间夹角应为2.8125°,这些向量与S3集合相交像素中,距离O点最近的点分别记为T1、T2……T128,计算公式为T1(x1,y1)=min[(xi-x0)2+(yi-y0)2];
4)分布最小值计算,在Ti基准点,以原基准向量为基准,在原基准向量正负30°范围内,设定61条分布向量,分布向量之间应保持1°夹角,在这些分布向量与S3集合重叠的像素点中,距离Ti距离最远的点分别记为A1、A2、A3……A61;
5)厚度值计算,Ti与A1-A61计算直线距离,其中最小值min(TAi)为该点对应的厚度值Di。
进一步的,步骤(d)所述的偏心度计算公式为:偏心度=[max(Di)-min(Di)]/max(Di)*100%。
本发明的有益效果是:
(1)本发明所述的电力电缆的偏心度检测方法,通过设置算法使电力电缆偏心度自动计算,工作效率极大提高,减轻工作人员工作量;
(2)本发明所述的电力电缆的偏心度检测方法,采用向量算法,更加精准,精准度超越原有肉眼判断最大值、最小值算法;
(3)本发明所述的电力电缆的偏心度检测方法,对图片进行数字化处理,便于电缆检测数据的存档、比对。
附图说明
图1是连通区间分布示意图;
图2是基准向量分布示意图;
图3是分布向量分布示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1-3所示,本发明所述的电力电缆的偏心度检测方法,包括以下步骤:
(a)图像提取,将电缆绝缘层切片转换为数字图像,以便进行后续分析。
所述的图像提取方法包括:光学投影仪拍照法或直接扫描法,光学投影仪拍照法是利用现有光学投影仪,将切片投影出来,再将投影得到的清晰的图像进行拍照,图像应尽可能布满整个屏幕,照片像素不低于3120*4208像素;直接扫描法,是将切片直接放置到扫描仪上进行扫描,输出PNG或者JPEG格式图片,图片像素不低于1280*1280。
(b)图像识别,对得到的图片进行预处理,将图片像素转化为灰度值,并与典型电缆切片比对,确定所取得切片图片是否符合要求。
其中图像识别包括以下步骤:
1)图像预处理,将图片像素点转化为灰度值矩阵,方便后续处理,转化公式为Gray=R*0.299+G*0.587+B*0.114,转化后,图像变为一个灰度值二维矩阵,记为g(x,y);
2)图像比对,使用SIFT算法,将图片与标准切片图片进行相似度比对,当相似度达到85%以上是认为切片图片合格,可以进一步处理,否则反馈“图像有误,请重新制作切片或者重新扫描”。
(c)图像处理,对符合要求的图片计算其最大连通区间、核心、基准向量、分布最小值、厚度值。
其中,1)最大连通区间计算,使用“种子填充法”,按照灰度值变化,将整个图形划分为由内到外依次连接的5个最大连通区间,分别将这五个连同区间所包含的像素点,标记为S1、S2、S3、S4、S5五个集合,其中S1为电缆内存放导体的像素点集合;
2)核心计算,绝缘层对应的图像区域标记为S3,将S3集合中全部坐标点求平均值,可算得S3区间的集合中心,记为O点,计算公式为
其中xi与yi为S3集合中全部像素点的坐标;
3)基准向量计算,由O点向四周设定128条记住向量,向量之间夹角应为2.8125°,这些向量与S3集合相交像素中,距离O点最近的点分别记为T1、T2……T128,计算公式为T1(x1,y1)=min[(xi-x0)2+(yi-y0)2];
4)分布最小值计算,在Ti基准点,以原基准向量为基准,在原基准向量正负30°范围内,设定61条分布向量,分布向量之间应保持1°夹角,在这些分布向量与S3集合重叠的像素点中,距离Ti距离最远的点分别记为A1、A2、A3……A61;
5)厚度值计算,Ti与A1-A61计算直线距离,其中最小值min(TAi)为该点对应的厚度值Di。
(d)偏心度计算判定,根据图像处理结果判断电缆偏心度,若偏心度大于10%,判定电缆不合格,若偏心度小于10%,判定电缆合格。
偏心度计算公式为:偏心度=[max(Di)-min(Di)]/max(Di)*100%。
当然,上述内容仅为本发明的较佳实施例,不能被认为用于限定对本发明的实施例范围。本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的均等变化与改进等,均应归属于本发明的专利涵盖范围内。
Claims (6)
1.一种电力电缆的偏心度检测方法,其特征在于包括以下步骤:
(a)图像提取,将电缆绝缘层切片转换为数字图像,以便进行后续分析;
(b)图像识别,对得到的图片进行预处理,将图片像素转化为灰度值,并与典型电缆切片比对,确定所取得切片图片是否符合要求;
(c)图像处理,对符合要求的图片计算其最大连通区间、核心、基准向量、分布最小值、厚度值;
(d)偏心度计算判定,根据图像处理结果判断电缆偏心度,若偏心度大于10%,判定电缆不合格,若偏心度小于10%,判定电缆合格。
2.根据权利要求1所述的电力电缆的偏心度检测方法,其特征在于步骤(a)所述的图像提取方法包括:光学投影仪拍照法,利用现有光学投影仪,将切片投影出来,再将投影得到的清晰的图像进行拍照,图像应尽可能布满整个屏幕,照片像素不低于3120*4208像素。
3.根据权利要求1所述的电力电缆的偏心度检测方法,其特征在于步骤(a)所述的图像提取方法包括:直接扫描法,将切片直接放置到扫描仪上进行扫描,输出PNG或者JPEG格式图片,图片像素不低于1280*1280。
4.根据权利要求1所述的电力电缆的偏心度检测方法,其特征在于步骤(b)所述的图像识别包括以下步骤:
1)图像预处理,将图片像素点转化为灰度值矩阵,方便后续处理,转化公式为Gray=R*0.299+G*0.587+B*0.114,转化后,图像变为一个灰度值二维矩阵,记为g(x,y);
2)图像比对,使用SIFT算法,将图片与标准切片图片进行相似度比对,当相似度达到85%以上是认为切片图片合格,可以进一步处理,否则反馈“图像有误,请重新制作切片或者重新扫描”。
5.根据权利要求1所述的电力电缆的偏心度检测方法,其特征在于步骤(c)所述的图像处理包括:
1)最大连通区间计算,使用“种子填充法”,按照灰度值变化,将整个图形划分为5个最大连同区间,分别将这五个连同区间所包含的像素点,标记为S1、S2、S3、S4、S5五个集合;
2)核心计算,绝缘层对应的图像区域标记为S3,将S3集合中全部坐标点求平均值,可算得S3区间的集合中心,记为O点,计算公式为
<mrow>
<mi>O</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中xi与yi为S3集合中全部像素点的坐标;
3)基准向量计算,由O点向四周设定128条记住向量,向量之间夹角应为2.8125°,这些向量与S3集合相交像素中,距离O点最近的点分别记为T1、T2……T128,计算公式为T1(x1,y1)=min[(xi-x0)2+(yi-y0)2];
4)分布最小值计算,在Ti基准点,以原基准向量为基准,在原基准向量正负30°范围内,设定61条分布向量,分布向量之间应保持1°夹角,在这些分布向量与S3集合重叠的像素点中,距离Ti距离最远的点分别记为A1、A2、A3……A61;
5)厚度值计算,Ti与A1-A61计算直线距离,其中最小值min(TAi)为该点对应的厚度值Di。
6.根据权利要求1所述的电力电缆的偏心度检测方法,其特征在于步骤(d)所述的偏心度计算公式为:偏心度=[max(Di)-min(Di)]/max(Di)*100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710712574.5A CN107578047B (zh) | 2017-08-18 | 2017-08-18 | 电力电缆的偏心度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710712574.5A CN107578047B (zh) | 2017-08-18 | 2017-08-18 | 电力电缆的偏心度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578047A true CN107578047A (zh) | 2018-01-12 |
CN107578047B CN107578047B (zh) | 2021-03-12 |
Family
ID=61033799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710712574.5A Active CN107578047B (zh) | 2017-08-18 | 2017-08-18 | 电力电缆的偏心度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578047B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846397A (zh) * | 2018-05-31 | 2018-11-20 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN109489554A (zh) * | 2018-12-29 | 2019-03-19 | 浙江科技学院 | 一种全自动电缆各层参数智能检测方法及装置 |
CN109543505A (zh) * | 2018-09-29 | 2019-03-29 | 江苏濠汉智能设备有限公司 | 一种基于视频图像的目标检测系统及方法 |
CN110363773A (zh) * | 2018-12-19 | 2019-10-22 | 嘉兴市恒创电力设备有限公司 | 一种基于图像处理的电缆类别检测系统和检测方法 |
CN113865915A (zh) * | 2021-09-18 | 2021-12-31 | 长江存储科技有限责任公司 | 一种切片样品的检测方法 |
CN114509013A (zh) * | 2022-02-14 | 2022-05-17 | 知微行易(上海)智能科技有限公司 | 一种基于计算机视觉的线缆质检方法 |
CN116576806A (zh) * | 2023-04-21 | 2023-08-11 | 深圳市磐锋精密技术有限公司 | 一种基于视觉分析的厚度检测设备用的精密度管控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104567680A (zh) * | 2015-01-07 | 2015-04-29 | 上海捷胜线缆科技有限公司 | 一种电线电缆结构的测量系统 |
CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
CN107037062A (zh) * | 2017-05-17 | 2017-08-11 | 中天射频电缆有限公司 | 同轴电缆材料微波特性在线监测和诊断装置及方法 |
-
2017
- 2017-08-18 CN CN201710712574.5A patent/CN107578047B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104567680A (zh) * | 2015-01-07 | 2015-04-29 | 上海捷胜线缆科技有限公司 | 一种电线电缆结构的测量系统 |
CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
CN107037062A (zh) * | 2017-05-17 | 2017-08-11 | 中天射频电缆有限公司 | 同轴电缆材料微波特性在线监测和诊断装置及方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846397B (zh) * | 2018-05-31 | 2021-01-15 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN108846397A (zh) * | 2018-05-31 | 2018-11-20 | 浙江科技学院 | 一种基于图像处理的电缆半导电层自动检测方法 |
CN109543505A (zh) * | 2018-09-29 | 2019-03-29 | 江苏濠汉智能设备有限公司 | 一种基于视频图像的目标检测系统及方法 |
CN110363773B (zh) * | 2018-12-19 | 2022-11-08 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于图像处理的电缆类别检测系统和检测方法 |
CN110363773A (zh) * | 2018-12-19 | 2019-10-22 | 嘉兴市恒创电力设备有限公司 | 一种基于图像处理的电缆类别检测系统和检测方法 |
CN109489554A (zh) * | 2018-12-29 | 2019-03-19 | 浙江科技学院 | 一种全自动电缆各层参数智能检测方法及装置 |
CN109489554B (zh) * | 2018-12-29 | 2024-02-02 | 浙江科技学院 | 一种全自动电缆各层参数智能检测方法及装置 |
CN113865915B (zh) * | 2021-09-18 | 2023-10-13 | 长江存储科技有限责任公司 | 一种切片样品的检测方法 |
CN113865915A (zh) * | 2021-09-18 | 2021-12-31 | 长江存储科技有限责任公司 | 一种切片样品的检测方法 |
CN114509013A (zh) * | 2022-02-14 | 2022-05-17 | 知微行易(上海)智能科技有限公司 | 一种基于计算机视觉的线缆质检方法 |
CN114509013B (zh) * | 2022-02-14 | 2024-06-11 | 知微行易(上海)智能科技有限公司 | 一种基于计算机视觉的线缆质检方法 |
CN116576806A (zh) * | 2023-04-21 | 2023-08-11 | 深圳市磐锋精密技术有限公司 | 一种基于视觉分析的厚度检测设备用的精密度管控系统 |
CN116576806B (zh) * | 2023-04-21 | 2024-01-26 | 深圳市磐锋精密技术有限公司 | 一种基于视觉分析的厚度检测设备用的精密度管控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107578047B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578047A (zh) | 电力电缆的偏心度检测方法 | |
Liu et al. | A detection and recognition system of pointer meters in substations based on computer vision | |
CN104501720B (zh) | 非接触式物体大小及距离图像测量仪 | |
CN104132613B (zh) | 一种复杂表面和不规则物体体积的非接触光学测量方法 | |
CN107044821A (zh) | 一种非接触式管类物体的测量方法及系统 | |
CN109752835A (zh) | 一种显微镜局部视野的x、y轴定位控制方法及系统 | |
CN114894642B (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
JP3236362B2 (ja) | 皮膚表面に関する画像からの3次元形状の復元に基づく皮膚表面形状の特徴抽出装置 | |
CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
Su et al. | Multi-object surface roughness grade detection based on Faster R-CNN | |
CN112819842B (zh) | 适用于工件质检的工件轮廓曲线拟合方法、装置及介质 | |
CN116612176A (zh) | 一种轧制棒线材剪切废料尺寸的测量方法和装置 | |
CN112200778A (zh) | 一种非接触式多线缆类型参数测量的方法及系统 | |
CN108180871A (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
CN107091729A (zh) | 一种无机械运动的透镜焦距测试方法 | |
CN106840005A (zh) | 一种架空导线线径非接触测定方法及线缆标准板 | |
CN115830318A (zh) | 基于改进Mask-RCNN网络的重叠烟丝图像分割方法及装置 | |
CN109444150A (zh) | 非接触式裂纹测量方法及其装置 | |
JP2017023474A (ja) | 皮膚毛穴解析装置,皮膚毛穴解析方法および該装置に用いるプログラム | |
CN114755226A (zh) | 一种锂电池负极的检测方法、装置和介质,一种检测系统 | |
JP2008084109A (ja) | 目開閉判定装置及び目開閉判定方法 | |
CN110956640B (zh) | 一种异源图像边缘点检测与配准方法 | |
CN113963069A (zh) | 一种跳线与铁塔间的测距方法、系统、计算机及存储介质 | |
CN104330066B (zh) | 一种基于Freeman链码检测的不规则物体体积测量方法 | |
CN111829876A (zh) | 一种应用于螺纹钢断后延伸率测量的视觉设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |