CN114441452A - 一种光纤尾纤检测方法 - Google Patents
一种光纤尾纤检测方法 Download PDFInfo
- Publication number
- CN114441452A CN114441452A CN202111551695.9A CN202111551695A CN114441452A CN 114441452 A CN114441452 A CN 114441452A CN 202111551695 A CN202111551695 A CN 202111551695A CN 114441452 A CN114441452 A CN 114441452A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- image
- fiber pigtail
- color
- size
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 166
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000005070 sampling Methods 0.000 claims abstract description 53
- 239000000835 fiber Substances 0.000 claims abstract description 29
- 238000007789 sealing Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000012797 qualification Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000013461 design Methods 0.000 claims description 27
- 238000002845 discoloration Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 7
- 230000003190 augmentative effect Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 3
- 208000003464 asthenopia Diseases 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种光纤尾纤检测方法，属于光纤尾线检测技术领域，具体方法包括：步骤一：在光纤尾纤的生产线上设置封闭装置，封闭装置内设有高清摄像机和多色光源；步骤二：通过RFID技术对光纤尾纤打上识别标签，对通过封闭装置的光纤尾纤进行外观数据采集；步骤三：对采集的外观数据进行分析，获得外观颜色不符合要求的光纤尾纤；步骤四：获取光纤尾纤图像，对光纤尾纤进行筛选，获得抽样样品；步骤五：对抽样样品进行尺寸检测，计算光纤尾纤的生产合格率；通过将变色比对条的颜色设置为与多色光源发出的颜色相同，使得在后续的尺寸检测中，可以精准的获取变色比对条的轮廓，进而确认图像中的比例关系。
Description
技术领域
本发明属于光纤尾线检测技术领域，具体是一种光纤尾纤检测方法。
背景技术
光纤尾线是指用于连接光纤和光纤耦合器的一个类似一半跳线的接头，当前对光纤尾纤的外观颜色和尺寸进行检测采用的方法为人工通过标准比色卡或使用尺子进行检测，造成生产工厂人员用工多，劳动强度大，效率低，并且因为是人工检测，受个体的视觉判断、人眼疲劳、人的生理、心境状况等因素的影响，具有一定的误判；自动化程度较低。因此目前需要提出一种光纤尾纤检测方法，用于解决上述问题或部分上述问题。
发明内容
为了解决上述方案存在的问题，本发明提供了一种光纤尾纤检测方法。
本发明的目的可以通过以下技术方案实现：
一种光纤尾纤检测方法，具体方法包括：
步骤一：在光纤尾纤的生产线上设置封闭装置，封闭装置内设有高清摄像机和多色光源；
步骤二：通过RFID技术对光纤尾纤打上识别标签，对通过封闭装置的光纤尾纤进行外观数据采集；
步骤三：对采集的外观数据进行分析，获得外观颜色不符合要求的光纤尾纤；
步骤四：获取光纤尾纤图像，对光纤尾纤进行筛选，获得抽样样品；
步骤五：对抽样样品进行尺寸检测，计算光纤尾纤的生产合格率。
进一步地，所述封闭装置内设有变色比对条，所述变色比对条的颜色与多色光源发出的颜色相同，所述高清摄像机为竖直拍摄；多色光源用于根据接收到的信号发出不同颜色的光源。
进一步地，对通过封闭装置的光纤尾纤进行外观数据采集的方法包括：
获取当前光纤尾纤的设计颜色，根据获取的光纤尾纤设计颜色生成对应的颜色信号，将颜色信号发送给多色光源，多色光源根据接收到的颜色信号发出对应的光源颜色；
通过高清摄像机实时获取通过封闭装置的光纤尾纤图像，对获取的光纤尾纤图像进行分割，获得只具有光纤尾纤的图像，标记为分割图像，在光纤尾纤图像和分割图像中建立相同的坐标系，获取分割图像的边界坐标，根据获取的边界坐标对光纤尾纤图像进行分割，获得分析图像，获取色号识别模型，通过色号识别模型对分析图像进行识别，获得分析图像的色号。
进一步地，对获取的光纤尾纤图像进行分割的方法包括：
将光纤尾纤图像进行图像预处理，并将图像预处理之后的图像标记为灰度图像，以灰度图像中心为原点，建立图像灰度值三维坐标系，将灰度图像的灰度值输入到坐标系中，将相邻灰度值点使用平滑曲线进行连接，形成尾纤灰度值曲面；获取灰度背景图像，将灰度背景图像的灰度值输入到坐标系中，将属于灰度背景图像中的相邻灰度值点使用平滑曲线进行连接，形成背景灰度值曲面，根据背景灰度值曲面和尾纤灰度值曲面标记光纤尾纤的边界坐标，根据光纤尾纤的边界坐标对灰度图像进行分割。
进一步地，对采集的外观数据进行分析的方法包括：
建立外观缺陷表，获取光纤尾纤的设计颜色色号允许范围和分析图像的色号，将设计颜色色号误差范围和分析图像的色号进行比较，当分析图像的色号位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色符合要求，不进行操作；当分析图像的色号没有位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色不符合要求，识别对应光纤尾纤上的识别标签，将识别标签储存到外观缺陷表中。
进一步地，对光纤尾纤进行筛选的方法包括：
获取分析图像的边界坐标，识别光纤尾纤图像中变色比对条的边界坐标，设置尺寸模型，将光纤尾纤图像、分析图像的边界坐标、变色比对条的边界坐标和变色比对条真实尺寸整合为尺寸输入数据，将尺寸输入数据输入到尺寸模型中，获得对应光纤尾纤的尺寸，标记为检测尺寸；获取光纤尾纤的设计尺寸，标记为标准尺寸，计算检测尺寸与标准尺寸之间的差值，根据差值的大小顺序将对应的光纤尾纤进行排列，选取排列的前N个光纤尾纤作为抽样样品。
进一步地，对抽样样品进行尺寸检测的方法包括：
获取抽样样品，将抽样样品置于平行光下，平行光的角度为0°或90°，获取抽样样品的投影图像，对投影图像进行分割，获得抽样样品的投影轮廓，识别投影轮廓的尺寸，标记为抽样尺寸，将抽样尺寸与标准尺寸进行比较，判断抽样样品是否符合规范要求。
进一步地，对抽样样品进行尺寸检测的方法包括：
获取抽样样品的标准高清图像，对抽样样品的标准高清图像进行轮廓提取，获得抽样样品轮廓，获取合格光纤尾纤的图像轮廓，计算抽样样品轮廓与合格光纤尾纤的图像轮廓之间相似度，判断相似度是否符合要求。
进一步地，对抽样样品进行尺寸检测的方法包括：
获取合格的光纤尾纤，利用增强现实的技术将合格的光纤尾纤转化为虚拟模型，获取抽样样品，将转化的虚拟模型与抽样样品进行匹配，计算虚拟模型与抽样样品的重合率，判断重合率是否符合要求。
与现有技术相比，本发明的有益效果是：通过将变色比对条的颜色设置为与多色光源发出的颜色相同，使得在后续的尺寸检测中，可以精准的获取变色比对条的轮廓，进而确认图像中的比例关系；通过RFID技术对光纤尾纤打上识别标签，便于对光纤尾纤进行快速追踪；通过封闭装置和多色光源的相互配合，实现对光纤尾纤图像的预先处理，提高对光纤尾纤图像分割的效率和准确性；
实现对光纤尾纤外观颜色的智能识别，提高对光纤尾纤外观颜色的自动化，降低人力资源的使用，提高光纤尾纤外观颜色的检测效率，避免因为个人因素造成的资源浪费，而且相比与人工的抽检检测，本申请的外观检测更加的全面；实现对光纤尾纤尺寸检测的自动化，解决现有的尺寸检测过程中只能通过人工使用尺子进行测量检测的问题，提高检测的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种光纤尾纤检测方法，具体方法包括：
步骤一：在光纤尾纤的生产线上设置封闭装置，封闭装置内设有高清摄像机和多色光源；
所述封闭装置内设有变色比对条，所述变色比对条的颜色与多色光源发出的颜色相同，即变色比对条的颜色随多色光源的变化而变化；所述高清摄像机为竖直拍摄；变色比对条为单位长度的一种标准尺，用于确定图像中的缩放比例；封闭装置为安装在生产流水线中的隔离暗箱体，光纤尾纤生产线穿过密封装置，多色光源用于根据接收到的信号发出不同颜色的光源。
步骤二：通过RFID技术对光纤尾纤打上识别标签，对通过封闭装置的光纤尾纤进行外观数据采集；
如何使用RFID技术对光纤尾纤打上识别标签为本领域常识，因此不进行详细叙述；
对通过封闭装置的光纤尾纤进行外观数据采集的方法包括：
获取当前光纤尾纤的设计颜色，根据获取的光纤尾纤设计颜色生成对应的颜色信号，将颜色信号发送给多色光源，多色光源根据接收到的颜色信号发出对应的光源颜色；
通过高清摄像机实时获取通过封闭装置的光纤尾纤图像，对获取的光纤尾纤图像进行分割，获得只具有光纤尾纤的图像，标记为分割图像，在光纤尾纤图像和分割图像中建立相同的坐标系，获取分割图像的边界坐标，根据获取的边界坐标对光纤尾纤图像进行分割，获得分析图像，获取色号识别模型，通过色号识别模型对分析图像进行识别，获得分析图像的色号；
获取色号识别模型可以使用现有的颜色识别模型，因为目前市场上具有很多的颜色识别算法或模型；分析图像即为光纤尾纤图像中对应分割图像的部分图像；
对获取的光纤尾纤图像进行分割的方法包括：
将光纤尾纤图像进行图像预处理，并将图像预处理之后的图像标记为灰度图像，以灰度图像中心为原点，建立图像灰度值三维坐标系，将灰度图像的灰度值输入到坐标系中，将相邻灰度值点使用平滑曲线进行连接，形成尾纤灰度值曲面；获取灰度背景图像，将灰度背景图像的灰度值输入到坐标系中，将属于灰度背景图像中的相邻灰度值点使用平滑曲线进行连接，形成背景灰度值曲面，根据背景灰度值曲面和尾纤灰度值曲面标记光纤尾纤的边界坐标，根据光纤尾纤的边界坐标对灰度图像进行分割。
图像预处理包括图像分割、图像去噪、图像增强和灰度变换；
根据背景灰度值曲面和尾纤灰度值曲面标记光纤尾纤的边界坐标的方式为：根据两个灰度值曲面的交汇点进行分割的，因为背景灰度值曲面和尾纤灰度值曲面的差距极其明显，因为光纤尾纤图像的色彩分界线非常的明显，例如有与物体颜色相同的光照在物体上，则物体显示本来颜色，没有与物体颜色相同的光照在物体上，则物体显示黑色，如白光或蓝光或蓝黄混合光照在蓝色物体上，显示蓝色；黄光或红光照在蓝色物体上，显示黑色；而黑色与红色、黄色、绿色的分界线非常明显，因此在尾纤灰度值曲面中会有一个突变的部分，方便图像的分割；
灰度背景图像即为相同条件下不含光纤尾纤时获得的图像的灰度图像。
步骤三：对采集的外观数据进行分析，获得外观颜色不符合要求的光纤尾纤；
对采集的外观数据进行分析的方法包括：
建立外观缺陷表，获取光纤尾纤的设计颜色色号允许范围和分析图像的色号，将设计颜色色号误差范围和分析图像的色号进行比较，当分析图像的色号位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色符合要求，不进行操作；当分析图像的色号没有位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色不符合要求，识别对应光纤尾纤上的识别标签，将识别标签储存到外观缺陷表中；
外观缺陷表即用于储存对应不符合要求的光纤尾纤信息，光纤尾纤的设计颜色色号允许范围是根据相关规定要求进行设置的。
因为当前对光纤尾纤的外观进行检测采用的方法为人工通过标准比色卡进行比较，造成生产工厂人员用工多，劳动强度大，效率低，并且因为是人工分选，受个体的视觉判断、人眼疲劳、人的生理、心境状况等因数的影响，具有一定的误判；而通过本申请提出的方法可以实现对光纤尾纤的外观智能化检测，实现对光纤尾纤的快速检测，减少了人工，避免了各种人为因数所造成的不确定性与资源浪费，提升了生产效率，保证了产品质量的稳定性。
步骤四：获取光纤尾纤图像，对光纤尾纤进行筛选，获得抽样样品；
对光纤尾纤进行筛选的方法包括：
获取分析图像的边界坐标，识别光纤尾纤图像中变色比对条的边界坐标，设置尺寸模型，将光纤尾纤图像、分析图像的边界坐标、变色比对条的边界坐标和变色比对条真实尺寸整合为尺寸输入数据，将尺寸输入数据输入到尺寸模型中，获得对应光纤尾纤的尺寸，标记为检测尺寸；获取光纤尾纤的设计尺寸，标记为标准尺寸，计算检测尺寸与标准尺寸之间的差值，根据差值的大小顺序将对应的光纤尾纤进行排列，选取排列的前N个光纤尾纤作为抽样样品；N为正整数，且N>8；
识别光纤尾纤图像中变色比对条的边界坐标的方法与步骤二中获取分析图像边界坐标的方法相同；尺寸模型是基于CNN网络或DNN网络进行建立的，通过获取大量的尺寸输入数据和对应设置的光纤尾纤尺寸进行训练建立的；计算检测尺寸与标准尺寸之间的差值的方法是采用累差法，即多个尺寸的差值绝对值累加，例如检测尺寸为长3cm，宽0.8cm；标准尺寸为长3.2cm，宽0.7cm，则检测尺寸与标准尺寸之间的差值为0.3cm；
步骤五：对抽样样品进行尺寸检测，计算光纤尾纤的生产合格率；
如何根据抽样样品合格数量、光纤尾纤外观合格数量计算光纤尾纤的生产合格率为本领域技术人员的常识，因此不进行详细的叙述；
在一个实施例中，对抽样样品进行尺寸检测的方法包括：
获取抽样样品，将抽样样品置于平行光下，平行光的角度为0°或90°，获取抽样样品的投影图像，对投影图像进行分割，获得抽样样品的投影轮廓，对投影图像进行分割可以使用现有的图像识别技术，来获取投影轮廓；识别投影轮廓的尺寸，标记为抽样尺寸，将抽样尺寸与标准尺寸进行比较，判断抽样样品是否符合规范要求。
在一个实施例中，对抽样样品进行尺寸检测的方法包括：
获取抽样样品的标准高清图像，抽样样品的标准高清图像指的是在标准位置获取的图像，标准位置指的是与获取合格光纤尾纤的图像在同一个位置，用于保障提取的轮廓的比例相同，对抽样样品的标准高清图像进行轮廓提取，获得抽样样品轮廓，获取合格光纤尾纤的图像轮廓，计算抽样样品轮廓与合格光纤尾纤的图像轮廓之间相似度，判断相似度是否符合要求；
对抽样样品的标准高清图像进行轮廓提取使用的是现有的图像识别技术进行轮廓提取的；获取合格光纤尾纤的图像轮廓的方法是通过对合格光纤尾纤的图像进行轮廓提取获得的，可以使用现有的图像识别技术进行轮廓提取；相似度要求是由专家组根据光纤尾纤尺寸要求规范进行设置的；计算抽样样品轮廓与合格光纤尾纤的图像轮廓之间相似度可以使用现有的相似度算法。
在一个实施例中，对抽样样品进行尺寸检测的方法包括：
获取合格的光纤尾纤，利用增强现实的技术将合格的光纤尾纤转化为虚拟模型，获取抽样样品，将转化的虚拟模型与抽样样品进行匹配，计算虚拟模型与抽样样品的重合率，判断重合率是否符合要求；
重合率要求是由专家组根据光纤尾纤尺寸要求规范进行设置的；计算虚拟模型与抽样样品的重合率可以使用现有的算法进行计算；如何利用增强现实的技术将合格的光纤尾纤转化为虚拟模型本领域常识，因此不进行详细叙述。
本发明的工作原理：在光纤尾纤的生产线上设置封闭装置，封闭装置内设有高清摄像机和多色光源；通过RFID技术对光纤尾纤打上识别标签，对通过封闭装置的光纤尾纤进行外观数据采集；获取当前光纤尾纤的设计颜色，根据获取的光纤尾纤设计颜色生成对应的颜色信号，将颜色信号发送给多色光源，多色光源根据接收到的颜色信号发出对应的光源颜色；通过高清摄像机实时获取通过封闭装置的光纤尾纤图像，对获取的光纤尾纤图像进行分割，获得只具有光纤尾纤的图像，标记为分割图像，在光纤尾纤图像和分割图像中建立相同的坐标系，获取分割图像的边界坐标，根据获取的边界坐标对光纤尾纤图像进行分割，获得分析图像，获取色号识别模型，通过色号识别模型对分析图像进行识别，获得分析图像的色号；对采集的外观数据进行分析，获得外观颜色不符合要求的光纤尾纤；获取光纤尾纤图像，对光纤尾纤进行筛选，获得抽样样品；对抽样样品进行尺寸检测，计算光纤尾纤的生产合格率。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (9)
1.一种光纤尾纤检测方法，其特征在于，具体方法包括：
步骤一：在光纤尾纤的生产线上设置封闭装置，封闭装置内设有高清摄像机和多色光源；
步骤二：通过RFID技术对光纤尾纤打上识别标签，对通过封闭装置的光纤尾纤进行外观数据采集；
步骤三：对采集的外观数据进行分析，获得外观颜色不符合要求的光纤尾纤；
步骤四：获取光纤尾纤图像，对光纤尾纤进行筛选，获得抽样样品；
步骤五：对抽样样品进行尺寸检测，计算光纤尾纤的生产合格率。
2.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，所述封闭装置内设有变色比对条，所述变色比对条的颜色与多色光源发出的颜色相同，所述高清摄像机为竖直拍摄；多色光源用于根据接收到的信号发出不同颜色的光源。
3.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对通过封闭装置的光纤尾纤进行外观数据采集的方法包括：
获取当前光纤尾纤的设计颜色，根据获取的光纤尾纤设计颜色生成对应的颜色信号，将颜色信号发送给多色光源，多色光源根据接收到的颜色信号发出对应的光源颜色；
通过高清摄像机实时获取通过封闭装置的光纤尾纤图像，对获取的光纤尾纤图像进行分割，获得只具有光纤尾纤的图像，标记为分割图像，在光纤尾纤图像和分割图像中建立相同的坐标系，获取分割图像的边界坐标，根据获取的边界坐标对光纤尾纤图像进行分割，获得分析图像，获取色号识别模型，通过色号识别模型对分析图像进行识别，获得分析图像的色号。
4.根据权利要求3所述的一种光纤尾纤检测方法，其特征在于，对获取的光纤尾纤图像进行分割的方法包括：
将光纤尾纤图像进行图像预处理，并将图像预处理之后的图像标记为灰度图像，以灰度图像中心为原点，建立图像灰度值三维坐标系，将灰度图像的灰度值输入到坐标系中，将相邻灰度值点使用平滑曲线进行连接，形成尾纤灰度值曲面；获取灰度背景图像，将灰度背景图像的灰度值输入到坐标系中，将属于灰度背景图像中的相邻灰度值点使用平滑曲线进行连接，形成背景灰度值曲面，根据背景灰度值曲面和尾纤灰度值曲面标记光纤尾纤的边界坐标，根据光纤尾纤的边界坐标对灰度图像进行分割。
5.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对采集的外观数据进行分析的方法包括：
建立外观缺陷表，获取光纤尾纤的设计颜色色号允许范围和分析图像的色号，将设计颜色色号误差范围和分析图像的色号进行比较，当分析图像的色号位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色符合要求，不进行操作；当分析图像的色号没有位于设计颜色色号允许范围内时，表明对应光纤尾纤的外观颜色不符合要求，识别对应光纤尾纤上的识别标签，将识别标签储存到外观缺陷表中。
6.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对光纤尾纤进行筛选的方法包括：
获取分析图像的边界坐标，识别光纤尾纤图像中变色比对条的边界坐标，设置尺寸模型，将光纤尾纤图像、分析图像的边界坐标、变色比对条的边界坐标和变色比对条真实尺寸整合为尺寸输入数据，将尺寸输入数据输入到尺寸模型中，获得对应光纤尾纤的尺寸，标记为检测尺寸；获取光纤尾纤的设计尺寸，标记为标准尺寸，计算检测尺寸与标准尺寸之间的差值，根据差值的大小顺序将对应的光纤尾纤进行排列，选取排列的前N个光纤尾纤作为抽样样品。
7.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对抽样样品进行尺寸检测的方法包括：
获取抽样样品，将抽样样品置于平行光下，平行光的角度为0°或90°，获取抽样样品的投影图像，对投影图像进行分割，获得抽样样品的投影轮廓，识别投影轮廓的尺寸，标记为抽样尺寸，将抽样尺寸与标准尺寸进行比较，判断抽样样品是否符合规范要求。
8.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对抽样样品进行尺寸检测的方法包括：
获取抽样样品的标准高清图像，对抽样样品的标准高清图像进行轮廓提取，获得抽样样品轮廓，获取合格光纤尾纤的图像轮廓，计算抽样样品轮廓与合格光纤尾纤的图像轮廓之间相似度，判断相似度是否符合要求。
9.根据权利要求1所述的一种光纤尾纤检测方法，其特征在于，对抽样样品进行尺寸检测的方法包括：
获取合格的光纤尾纤，利用增强现实的技术将合格的光纤尾纤转化为虚拟模型，获取抽样样品，将转化的虚拟模型与抽样样品进行匹配，计算虚拟模型与抽样样品的重合率，判断重合率是否符合要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111551695.9A CN114441452B (zh) | 2021-12-17 | 2021-12-17 | 一种光纤尾纤检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111551695.9A CN114441452B (zh) | 2021-12-17 | 2021-12-17 | 一种光纤尾纤检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114441452A true CN114441452A (zh) | 2022-05-06 |
| CN114441452B CN114441452B (zh) | 2023-09-08 |
Family
ID=81364026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111551695.9A Active CN114441452B (zh) | 2021-12-17 | 2021-12-17 | 一种光纤尾纤检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114441452B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114897910A (zh) * | 2022-07-15 | 2022-08-12 | 长飞光纤光缆股份有限公司 | 内参外参结合的光纤混色识别方法、系统、设备及介质 |
| CN115060665A (zh) * | 2022-08-16 | 2022-09-16 | 君华高科集团有限公司 | 一种食品安全自动巡检系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6912329B1 (en) * | 2002-10-18 | 2005-06-28 | At&T Corp. | Fiber color detector method and apparatus |
| JP2014106328A (ja) * | 2012-11-27 | 2014-06-09 | Fujitsu Telecom Networks Ltd | 画像解析装置、及び光ファイバ融着接続システム |
| CN105021628A (zh) * | 2015-07-19 | 2015-11-04 | 中北大学 | 一种用于光纤倒像器表面缺陷的检测方法 |
| CN105281837A (zh) * | 2014-05-30 | 2016-01-27 | 欧书云 | 一种基于rfid的光纤尾纤智能配对方法 |
| CN105358948A (zh) * | 2013-06-26 | 2016-02-24 | 诺瓦硅镁产品有限公司 | 一种用于扫描瓷砖彩色表面的方法及实施该方法的装置 |
| CN105891228A (zh) * | 2016-06-07 | 2016-08-24 | 江南工业集团有限公司 | 基于机器视觉的光纤外观缺陷检测及外径测量装置 |
| CN107607205A (zh) * | 2017-09-30 | 2018-01-19 | 江苏西格数据科技有限公司 | 线束颜色顺序检测系统和方法 |
| US20180059162A1 (en) * | 2016-08-30 | 2018-03-01 | Corning Incorporated | Multi-fiber identification using jacket color |
| CN109102549A (zh) * | 2018-08-17 | 2018-12-28 | 深圳大学 | 图像光源颜色的检测方法、装置、计算机设备及存储介质 |
| CN110646354A (zh) * | 2019-08-28 | 2020-01-03 | 东华大学 | 一种棉纤维的颜色测试装置及方法 |
| CN110947637A (zh) * | 2019-12-31 | 2020-04-03 | 佛山喀视科技有限公司 | 一种瓷砖分拣系统 |
-
2021
- 2021-12-17 CN CN202111551695.9A patent/CN114441452B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6912329B1 (en) * | 2002-10-18 | 2005-06-28 | At&T Corp. | Fiber color detector method and apparatus |
| JP2014106328A (ja) * | 2012-11-27 | 2014-06-09 | Fujitsu Telecom Networks Ltd | 画像解析装置、及び光ファイバ融着接続システム |
| CN105358948A (zh) * | 2013-06-26 | 2016-02-24 | 诺瓦硅镁产品有限公司 | 一种用于扫描瓷砖彩色表面的方法及实施该方法的装置 |
| CN105281837A (zh) * | 2014-05-30 | 2016-01-27 | 欧书云 | 一种基于rfid的光纤尾纤智能配对方法 |
| CN105021628A (zh) * | 2015-07-19 | 2015-11-04 | 中北大学 | 一种用于光纤倒像器表面缺陷的检测方法 |
| CN105891228A (zh) * | 2016-06-07 | 2016-08-24 | 江南工业集团有限公司 | 基于机器视觉的光纤外观缺陷检测及外径测量装置 |
| US20180059162A1 (en) * | 2016-08-30 | 2018-03-01 | Corning Incorporated | Multi-fiber identification using jacket color |
| CN107607205A (zh) * | 2017-09-30 | 2018-01-19 | 江苏西格数据科技有限公司 | 线束颜色顺序检测系统和方法 |
| CN109102549A (zh) * | 2018-08-17 | 2018-12-28 | 深圳大学 | 图像光源颜色的检测方法、装置、计算机设备及存储介质 |
| CN110646354A (zh) * | 2019-08-28 | 2020-01-03 | 东华大学 | 一种棉纤维的颜色测试装置及方法 |
| CN110947637A (zh) * | 2019-12-31 | 2020-04-03 | 佛山喀视科技有限公司 | 一种瓷砖分拣系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114897910A (zh) * | 2022-07-15 | 2022-08-12 | 长飞光纤光缆股份有限公司 | 内参外参结合的光纤混色识别方法、系统、设备及介质 |
| CN115060665A (zh) * | 2022-08-16 | 2022-09-16 | 君华高科集团有限公司 | 一种食品安全自动巡检系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114441452B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
| CN108074231B (zh) | 一种基于卷积神经网络的磁片表面缺陷检测方法 | |
| CN109409272B (zh) | 基于机器视觉的电缆验收系统和方法 | |
| CN114441452B (zh) | 一种光纤尾纤检测方法 | |
| CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| CN109685075A (zh) | 一种基于图像的电力设备识别方法、装置及系统 | |
| CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
| CN109583324A (zh) | 一种基于单点多盒检测器的指针仪表读数自动识别方法 | |
| Boucher et al. | Development of a semi-automatic system for pollen recognition | |
| CN109284718B (zh) | 面向巡检机器人的变视角多仪表同时识别方法 | |
| CN106529519A (zh) | 一种电力指针式仪表自动读数识别的方法及系统 | |
| CN108764134A (zh) | 一种适用于巡检机器人的多类型仪表自动定位与识别方法 | |
| CN115019294A (zh) | 一种指针式仪表读数识别方法及系统 | |
| CN114494103A (zh) | 缺陷检测方法及检测装置 | |
| CN106248634A (zh) | 果实外表皮光泽度测量装置及方法 | |
| CN113269195A (zh) | 读数表图像字符识别方法和装置以及可读存储介质 | |
| CN113065556A (zh) | 一种数字式仪表定位和数字识别方法、装置和计算机设备 | |
| CN110930393A (zh) | 一种基于机器视觉的芯片料管计数方法、装置及系统 | |
| WO2023098187A1 (zh) | 一种处理方法及处理装置、处理系统 | |
| CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| CN115900578A (zh) | 一种基于压力容器设计的三维模型可视化系统 | |
| CN114742823A (zh) | 一种物体表面划痕智能检测方法 | |
| CN112893178B (zh) | 一种笔芯质量检测系统 | |
| CN112001359A (zh) | 基于模式识别和最优分配的启发式多叉线修补方法 | |
| CN115239709B (zh) | 一种玻璃瓶烫金工艺的质量检测方法 |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: 234000, Building 4, No. 2, No. 108 Jingye Road, Zhengpugang New Area, Ma'anshan City, Anhui Province Patentee after: MAANSHAN Xindi youtewei optical fiber and cable Co.,Ltd. Address before: 234000 east side of building B, standardization plant, Jinpu Electronic Industrial Park, zhengpugang new area, Maanshan City, Anhui Province Patentee before: MAANSHAN Xindi youtewei optical fiber and cable Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |