CN114757939A - 一种基于机器视觉的光缆生产检测监管系统 - Google Patents
一种基于机器视觉的光缆生产检测监管系统 Download PDFInfo
- Publication number
- CN114757939A CN114757939A CN202210529620.9A CN202210529620A CN114757939A CN 114757939 A CN114757939 A CN 114757939A CN 202210529620 A CN202210529620 A CN 202210529620A CN 114757939 A CN114757939 A CN 114757939A
- Authority
- CN
- China
- Prior art keywords
- optical cable
- image
- production
- gray value
- production stage
- 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.)
- Withdrawn
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 154
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 99
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000007547 defect Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000002372 labelling Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于机器视觉的光缆生产检测监管系统，涉及光缆检测技术领域，包括监管中心，监管中心通信和/或电性连接有数据采集模块、数据处理模块以及数据分析模块；本发明是通过获取不同生产阶段的光缆图像，并对所获得的光缆图像进行处理，获得对应的二值图像，并根据二值图像对每个生产阶段的光缆进行检测，判断其与对应生产阶段的标准是否一致，从而判断光缆在不同的生产阶段的状态是否正常，同时对光缆进行表面缺陷检测，从而判断光缆表面是否存在破损或颜色误差等情况出现，同时获得每个生产阶段不合格光缆的数量，从而对每个生产阶段的生产稳定性做出有效判断。
Description
技术领域
本发明涉及光缆检测技术领域，具体是一种基于机器视觉的光缆生产检测监管系统。
背景技术
在光缆的生产过程中通过机器视觉的手段，来检测光缆生产过程中着色后光纤的颜色、光缆外保护层的颜色、光缆的直径以及是否有缺陷等。将这些光缆的属性进行数据转化成数字信息进行储存，作为研究生产线工作状态检测的手段；
如何能够更好地使生产更加智能，方便对不同生产阶段的光缆的参数进行检测和记录，从而对不同生产工序的光缆的状态进行采集，对生产阶段进行有效监控，是我们需要解决的问题，现提供一种基于机器视觉的光缆生产检测监管系统。
发明内容
本发明的目的在于提供一种基于机器视觉的光缆生产检测监管系统。
本发明的目的可以通过以下技术方案实现：一种基于机器视觉的光缆生产检测监管系统，包括监管中心，所述监管中心通信和/或电性连接有数据采集模块、数据处理模块以及数据分析模块；
所述数据采集模块包括若干个图像数据采集终端，用于获取光缆生产过程中的光缆图像；
所述数据处理模块用于对图像采集终端所获取到的各个阶段的光缆图像进行处理，获得光缆的二值图像，并对所获得的二值图像对光缆的表面进行缺陷检测；
所述数据分析模块用于根据数据处理模块所获取到的数据，判断光缆表面是否存在缺陷，并对各个生产阶段的生产稳定性进行分析。
进一步的，所述数据采集模块获取光缆图像的过程包括：
在光缆生产的不同阶段，根据需求安装图像数据采集终端；
光缆生产的不同阶段设置图像采集区域，通过所安装的图像数据采集终端获取图像采集区域内的光缆图像。
进一步的，所述数据处理模块对光缆图像的处理过程包括：
对图像采集终端所获取到的光缆图像进行标记，将所获取到的光缆图像进行灰度化处理，获得光缆图像的黑白图像，并读取黑白图像中各个区域的灰度值；
设置灰度值阈值，并将所获得的黑白图像的各个区域的灰度值与灰度值阈值进行对比；
将黑白图像中灰度值高于灰度值阈值的区域进行标记，并进行框选标记，记为特征区域；同时将黑白图像中未被框选标记的区域进行反选，记为无效区域，获得灰度图像；
对所获得的灰度图像进行图像二值化处理，获得光缆图像的二值图像。
进一步的，通过二值图像对光缆表面进行缺陷检测的具体过程包括：
将二值图像中被框选标记的区域进行选定，根据所选定的区域，获得光缆的直径和长度，并获得二值图像中特征区域的灰度值；
建立光缆匹配对照模型，将所获得的二值图像中的光缆的直径和灰度值输入至光缆匹配对照模型内；根据光缆的直径获得光缆所在的生产阶段，从而获得光缆在该生产阶段的参照灰度值；
将所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值进行对比，并输出对比结果。
进一步的，所述数据分析模块对光缆是否存在缺陷的分析过程包括：
若所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值一致，表示光缆对应的生产阶段的正确，则对光缆的表面进行缺陷检测；
获取特征区域的面积，并获取得光缆表面的缺陷系数；
设置缺陷系数阈值，并将所获得的光缆表面的缺陷系数与缺陷系数阈值进行对比，判断光缆缺陷检测是否合格。
进一步的，所述数据分析模块还用于根据所获得的各个生产阶段的光缆缺陷检测结果，对生产线的稳定性进行分析，包括：
对每个生产阶段进行标号；
则获取每个生产阶段所检测的光缆总数量以及光缆表面的缺陷检测合格和不合格的数量；将其中每个不合格的光缆进行标记，并在不合格光缆出现时，将其与上一个不合格光缆的间隔时长进行标记；从而获取每个生产阶段的生产稳定系数，根据所获得的生产稳定系数判断各个生产阶段的生产稳定性是否正常。
与现有技术相比，本发明的有益效果是：通过获取不同生产阶段的光缆图像，并对所获得的光缆图像进行处理，获得对应的二值图像，并根据二值图像对每个生产阶段的光缆进行检测，判断其与对应生产阶段的标准是否一致，从而判断光缆在不同的生产阶段的状态是否正常，同时对光缆进行表面缺陷检测，从而判断光缆表面是否存在破损或颜色误差等情况出现，同时获得每个生产阶段不合格光缆的数量，从而对每个生产阶段的生产稳定性做出有效判断。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示，一种基于机器视觉的光缆生产检测监管系统，包括监管中心，监管中心通信和/或电性连接有数据采集模块、数据处理模块以及数据分析模块；
数据采集模块包括若干个图像数据采集终端，用于获取光缆生产过程中不同生产阶段的光缆图像，具体过程包括：
在光缆生产的不同阶段，根据需求安装图像数据采集终端；
光缆生产的不同阶段设置图像采集区域，通过所安装的图像数据采集终端获取图像采集区域内的光缆图像；
需要进一步说明的是，在具体实施过程中，图像数据采集终端与图像采集区域之间的距离为固定距离，即可根据实际需求对图像采集终端与图像采集区域之间的距离进行设置，且可根据光缆生产的不同阶段，设置各个阶段的图像采集终端获取光缆图像的拍摄间隔时长；
将每个图像采集终端所获取到的每个生产阶段的光缆图像发送至数据处理模块。
数据处理模块用于对图像采集终端所获取到的各个阶段的光缆图像进行处理，具体处理过程包括：
对图像采集终端所获取到的光缆图像进行标记，将所获取到的光缆图像进行灰度化处理，获得光缆图像的黑白图像，并读取黑白图像中各个区域的灰度值
设置灰度值阈值，并将所获得的黑白图像的各个区域的灰度值与灰度值阈值进行对比；
将黑白图像中灰度值高于灰度值阈值的区域进行标记，并进行框选标记，记为特征区域；同时将黑白图像中未被框选标记的区域进行反选，记为无效区域，从而获得灰度图像；
对所获得的灰度图像进行图像二值化处理，获得光缆图像的二值图像；
根据所获得的二值图像对光缆的表面进行缺陷检测。
需要进一步说明的是，在具体实施过程中，通过二值图像对光缆表面进行缺陷检测的具体过程包括：
将二值图像中被框选标记的区域进行选定，根据所选定的区域，获得光缆的直径和长度，并将光缆的直径标记为L和C；
将所获得二值图像中特征区域的灰度值记为HD；
建立光缆匹配对照模型；需要进一步说明的是，在具体实施过程中，光缆匹配对照模型内设置有不同生产阶段光缆的直径以及灰度值，并分别标记为参照直径和参照灰度值，且每个生产阶段的光缆的参照直径和参照灰度值相关联，获得对照匹配组，其中各个生产阶段对照匹配组中，光缆的参照直径和参照灰度值至少存在一个数据不相同；
将所获得的二值图像中的光缆的直径和灰度值输入至光缆匹配对照模型内；
根据光缆的直径获得光缆所在的生产阶段，从而获得光缆在该生产阶段的参照灰度值；
将所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值进行对比，并输出对比结果，将对比结果发送至数据分析模块。
数据分析模块用于根据数据处理模块所获取到的数据对光缆的生产过程的稳定性进行分析，具体分析过程包括：
若所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值一致，表示光缆对应的生产阶段的正确，则对光缆的表面进行缺陷检测；
获取特征区域的面积，并将特征区域的标记为S，则获取光缆表面的缺陷系数DS，其中DS＝k*S/[(0.5L)2π*C]，其中k为不同生产阶段的权重缺陷系数占比，且不同的生产阶段对应的k值可以不一致；
设置缺陷系数阈值D0，则当DS＜D0时，表示光缆表面存在缺陷，将该光缆进行标记并生成预警信息，并将预警信息发送至监管中心；
当DS≥D0时，则表示光缆表面的缺陷检测合格。
需要进一步说明的是，在具体实施过程中，数据分析模块还用于根据所获得的各个生产阶段的光缆缺陷检测结果，对生产线的稳定性进行分析，具体过程包括：
对每个生产阶段进行标号，记为i，其中i＝1，2，……，n，n为整数；
则获取标号为i的生产阶段所检测的光缆总数量，并将标号为i的生产阶段所检测的光缆总数量记为GSi，分别获取其中光缆表面的缺陷检测合格和不合格的数量，并分别记为HSj和BSk，其中GSi＝HSj+BSk；其中j、k均为整数，j＝0，2,……，m，k＝0，2,……，q；其中q、m为整数；且m+q＝n；
将其中每个不合格的光缆进行标记，并在不合格光缆出现时，将其与上一个不合格光缆的间隔时长记为Tk；需要进一步说明的是，在具体实施过程中，当第一个不合格光缆出现时，则该不合格光缆与上个不合格光缆的间隔时长默认为与该生产阶段所检测的第一个光缆的间隔时长；
获取每个生产阶段的生产稳定系数，并将每个生产阶段的生产稳定系数标记为HGi，其中
其中T0为系统预设时间阈值；
设置稳定系数阈值H0，则当HGi≥H0时，表示标号为i的生产阶段的生产稳定性异常；反之当HGi＜H0时，则表示标号为i的生产阶段的生产稳定性正常；
需要进一步说明的是，在具体实施过程中，当生产稳定性异常时，则在检测出标号为q的光缆的时刻生成预警信息，并将预警信息发送至监管中心，从而使得管理人员能够快速对产线上的异常进行处理，避免产线的生产阶段生产稳定性出现异常而无法及时被发现。
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 (6)
1.一种基于机器视觉的光缆生产检测监管系统，包括监管中心，其特征在于，所述监管中心通信和/或电性连接有数据采集模块、数据处理模块以及数据分析模块；
所述数据采集模块包括若干个图像数据采集终端，用于获取光缆生产过程中的光缆图像；
所述数据处理模块用于对图像采集终端所获取到的各个阶段的光缆图像进行处理，获得光缆的二值图像，并对所获得的二值图像对光缆的表面进行缺陷检测；
所述数据分析模块用于根据数据处理模块所获取到的数据，判断光缆表面是否存在缺陷，并对各个生产阶段的生产稳定性进行分析。
2.根据权利要求1所述的一种基于机器视觉的光缆生产检测监管系统，其特征在于，所述数据采集模块获取光缆图像的过程包括：
在光缆生产的不同阶段，根据需求安装图像数据采集终端；
光缆生产的不同阶段设置图像采集区域，通过所安装的图像数据采集终端获取图像采集区域内的光缆图像。
3.根据权利要求2所述的一种基于机器视觉的光缆生产检测监管系统，其特征在于，所述数据处理模块对光缆图像的处理过程包括：
对图像采集终端所获取到的光缆图像进行标记，将所获取到的光缆图像进行灰度化处理，获得光缆图像的黑白图像，并读取黑白图像中各个区域的灰度值；
设置灰度值阈值，并将所获得的黑白图像的各个区域的灰度值与灰度值阈值进行对比；
将黑白图像中灰度值高于灰度值阈值的区域进行标记，并进行框选标记，记为特征区域；同时将黑白图像中未被框选标记的区域进行反选，记为无效区域，获得灰度图像；
对所获得的灰度图像进行图像二值化处理，获得光缆图像的二值图像。
4.根据权利要求3所述的一种基于机器视觉的光缆生产检测监管系统，其特征在于，通过二值图像对光缆表面进行缺陷检测的具体过程包括：
将二值图像中被框选标记的区域进行选定，根据所选定的区域，获得光缆的直径和长度，并获得二值图像中特征区域的灰度值；
建立光缆匹配对照模型，将所获得的二值图像中的光缆的直径和灰度值输入至光缆匹配对照模型内；根据光缆的直径获得光缆所在的生产阶段，从而获得光缆在该生产阶段的参照灰度值；
将所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值进行对比，并输出对比结果。
5.根据权利要求4所述的一种基于机器视觉的光缆生产检测监管系统，其特征在于，所述数据分析模块对光缆是否存在缺陷的分析过程包括：
若所获得的参照灰度值与所获得的二值图像中的特征区域的灰度值一致，表示光缆对应的生产阶段的正确，则对光缆的表面进行缺陷检测；
获取特征区域的面积，并获取得光缆表面的缺陷系数；
设置缺陷系数阈值，并将所获得的光缆表面的缺陷系数与缺陷系数阈值进行对比，判断光缆缺陷检测是否合格。
6.根据权利要求5所述的一种基于机器视觉的光缆生产检测监管系统，其特征在于，所述数据分析模块还用于根据所获得的各个生产阶段的光缆缺陷检测结果，对生产线的稳定性进行分析，包括：
对每个生产阶段进行标号；
则获取每个生产阶段所检测的光缆总数量以及光缆表面的缺陷检测合格和不合格的数量；将其中每个不合格的光缆进行标记，并在不合格光缆出现时，将其与上一个不合格光缆的间隔时长进行标记；从而获取每个生产阶段的生产稳定系数，根据所获得的生产稳定系数判断各个生产阶段的生产稳定性是否正常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210529620.9A CN114757939A (zh) | 2022-05-16 | 2022-05-16 | 一种基于机器视觉的光缆生产检测监管系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210529620.9A CN114757939A (zh) | 2022-05-16 | 2022-05-16 | 一种基于机器视觉的光缆生产检测监管系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114757939A true CN114757939A (zh) | 2022-07-15 |
Family
ID=82334585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210529620.9A Withdrawn CN114757939A (zh) | 2022-05-16 | 2022-05-16 | 一种基于机器视觉的光缆生产检测监管系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114757939A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710901A (zh) * | 2024-02-02 | 2024-03-15 | 鲁能泰山曲阜电缆有限公司 | 一种基于机器视觉的电缆制造异常检测系统 |
-
2022
- 2022-05-16 CN CN202210529620.9A patent/CN114757939A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710901A (zh) * | 2024-02-02 | 2024-03-15 | 鲁能泰山曲阜电缆有限公司 | 一种基于机器视觉的电缆制造异常检测系统 |
| CN117710901B (zh) * | 2024-02-02 | 2024-04-26 | 鲁能泰山曲阜电缆有限公司 | 一种基于机器视觉的电缆制造异常检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
| CN108734704B (zh) | 基于灰度方差归一化的输电导线断股检测方法 | |
| CN112381800B (zh) | 一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质 | |
| CN113470005B (zh) | 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 | |
| CN114882039B (zh) | 一种应用于pcb板自动分拣过程中的pcb板缺陷识别方法 | |
| CN114757939A (zh) | 一种基于机器视觉的光缆生产检测监管系统 | |
| CN115294114A (zh) | 一种基于ecu电路焊接的质量检测方法 | |
| CN111830051A (zh) | 一种基于深度学习的变电站设备漏油检测方法及检测系统 | |
| CN113065484A (zh) | 一种基于紫外图谱的绝缘子污秽状态评估方法 | |
| CN116718600B (zh) | 一种用于对线束产品进行智能化检测的检测装置 | |
| CN113506290A (zh) | 一种线路绝缘子缺陷检测方法及装置 | |
| CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
| CN114266893A (zh) | 烟火隐患识别方法和设备 | |
| CN117437623A (zh) | 一种基于图像边缘检测的中间接头缺陷识别方法和系统 | |
| CN112164045A (zh) | 一种用于电缆生产的综合检测系统 | |
| CN115598138B (zh) | 基于显著性检测的电源控制电路板瑕疵检测方法及系统 | |
| CN110782431B (zh) | 一种基于深度学习的高压电线结冰区域检测方法 | |
| CN112669302A (zh) | 吊弦缺陷检测方法、装置、电子设备及存储介质 | |
| CN111325708A (zh) | 一种输电线路检测方法和服务器 | |
| CN114779031A (zh) | 一种数字化电力设备紫外成像放电异常检测方法及系统 | |
| CN111507316A (zh) | 一种光交箱智能识别方法及系统 | |
| CN116433665B (zh) | 基于视觉检测的飞机部件缺陷在线识别系统 | |
| CN117314896B (zh) | 一种基于深度学习的电力系统异常检测方法及系统 | |
| CN116708633B (zh) | 基于显著性分析的手机屏幕坏点自动检测方法及检测系统 | |
| CN117953434B (zh) | 基于智能网关的输电线路外力破坏监测方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220715 |
|
| WW01 | Invention patent application withdrawn after publication |