CN115049736B - 用于电缆表面缺陷精准定位的方法 - Google Patents
用于电缆表面缺陷精准定位的方法 Download PDFInfo
- Publication number
- CN115049736B CN115049736B CN202210971263.1A CN202210971263A CN115049736B CN 115049736 B CN115049736 B CN 115049736B CN 202210971263 A CN202210971263 A CN 202210971263A CN 115049736 B CN115049736 B CN 115049736B
- Authority
- CN
- China
- Prior art keywords
- gray
- defect
- image
- line
- row
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000011218 segmentation Effects 0.000 claims abstract description 37
- 238000005286 illumination Methods 0.000 claims abstract description 27
- 230000002411 adverse Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种用于电缆表面缺陷精准定位的方法,涉及图像处理领域。包括:获得待进行表面缺陷定位的电缆的表面灰度图像;判断表面灰度图像中每一行分别为强光照行或弱光照行;分别判断表面灰度图像中每一行是否为疑似缺陷行;将表面灰度图像中被判定为弱光照行且被判定为疑似缺陷行的行作为第一类行,分别确定对每一第一类行中每一像素点更新后的灰度值,并利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,以分别获得每一疑似缺陷行中缺陷像素点,并将所有缺陷像素点组成所定位出的缺陷区域。本发明实施例能够避免电缆的表面光照不均的不良影响,从而获得更为精确的对于电缆的表面缺陷的定位结果。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种用于电缆表面缺陷精准定位的方法。
背景技术
电缆作为进行传输电能,实现电磁能转化的重要的工业线材产品,在基础设施建设中占据重要地位,同时电缆在生产过程中,由于生产原料、模套承线、机身温度等原因,可能会在表面存在麻花纹、凹陷小孔、划痕破损等表面缺陷,这些缺陷不仅影响着电缆的美观,而且还会给电缆的使用过程带来安全隐患,因此,需要对电缆的表面缺陷进行检测。
目前对于电缆中所存在的表面缺陷的检测,主要通过电缆的表面灰度图像的灰度直方图进行分析,从而确定出用于进行缺陷分割的灰度阈值,并利用灰度阈值分割出其中的表面缺陷所在的区域。
然而,发明人在实现本发明实施例的过程中发现,电缆呈现为圆柱状且其表面光滑,在电缆的表面会产生高反光现象,造成电缆的表面不同位置的光照并不均匀,使得通过灰度直方图确定整体分割的阈值并进行阈值分割的做法,所得到的对于电缆的表面缺陷的检测结果并不准确。
发明内容
针对上述技术问题,本发明提供了一种用于电缆表面缺陷精准定位的方法,通过对待进行表面缺陷定位的电缆的表面灰度图像进行处理,分别判断表面灰度图像中每一行为强光照行或弱光照行,同时分别判断表面灰度图像中每一行是否为疑似缺陷行,同时将表面图像中像素点的亮度纳入考虑,实现对被判定为疑似缺陷且被判定为弱光照行中像素点的灰度值的更新,并分别确定每一缺陷疑似行的分割阈值,避免了电缆的表面光照不均对缺陷检测结果的不良影响,相对于全局阈值分割获得缺陷区域,能够获得更为精确的表面缺陷的定位结果。
本发明实施例提出了一种用于电缆表面缺陷精准定位的方法,包括:
获得待进行表面缺陷定位的电缆的表面灰度图像。
根据表面灰度图像中每一行的像素点的灰度均值与每一行的标准灰度均值的大小关系,判断表面灰度图像中每一行分别为强光照行或弱光照行。
根据表面灰度图像中每一行的像素点的灰度值的方差与每一行的灰度值的方差的标准值的大小关系,分别判断表面灰度图像中每一行是否为疑似缺陷行。
将表面灰度图像中被判定为弱光照行且被判定为疑似缺陷行的行作为第一类行,根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,确定对第一类行中像素点更新后的灰度值。
对第一类行中像素点的灰度值进行更新后,利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,以分别获得每一疑似缺陷行中缺陷像素点,并将所有缺陷像素点组成所定位出的缺陷区域。
进一步的,用于电缆表面缺陷精准定位的方法中,根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,确定对第一类行中像素点更新后的灰度值,包括:
根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,分别确定第一类行中像素点相对于邻域内每一像素点的灰度特征差值。
将第一类行中像素点相对于邻域内各像素点的所有灰度特征差值的绝对值之和,作为对第一类行中像素点更新后的灰度值。
进一步的,用于电缆表面缺陷精准定位的方法中,利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,包括:
分别确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的初始的类间方差,所述分割阈值从每一疑似缺陷行中所有灰度级中进行选择。
根据分割阈值对应的灰度级在每一疑似缺陷行中像素点的频数占比,确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的新的类间方差,且所述频数占比越大,新的类间方差越小。
将类间方差最大的分割阈值作为表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值。
进一步的,用于电缆表面缺陷精准定位的方法中,获得待进行表面缺陷定位的电缆的表面灰度图像,包括:
获得待测电缆的表面的第一灰度图像。
根据第一灰度图像中像素点的灰度值的方差是否大于预设方差阈值,判断待测电缆中是否存在表面缺陷。
将被判定为存在缺陷的待测电缆的第一灰度图像作为待进行表面缺陷定位的电缆的表面灰度图像。
进一步的,用于电缆表面缺陷精准定位的方法中,获得待测电缆的表面的第一灰度图像后,所述方法还包括:对第一灰度图像中的电缆区域进行提取,并将所提取出的电缆区域作为新的第一灰度图像。
进一步的,用于电缆表面缺陷精准定位的方法中,每一行的标准灰度均值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度均值获得的。
进一步的,用于电缆表面缺陷精准定位的方法中,每一行的灰度值的方差的标准值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度值得方差获得的。
本发明提供了一种用于电缆表面缺陷精准定位的方法,相比于现有技术,本发明实施例的有益效果在于:通过对待进行表面缺陷定位的电缆的表面灰度图像进行处理,分别判断表面灰度图像中每一行为强光照行或弱光照行,同时分别判断表面灰度图像中每一行是否为疑似缺陷行,同时将表面图像中像素点的亮度纳入考虑,实现对被判定为疑似缺陷且被判定为弱光照行中像素点的灰度值的更新,并分别确定每一缺陷疑似行的分割阈值,避免了电缆的表面光照不均对缺陷检测结果的不良影响,相对于全局阈值分割获得缺陷区域,能够获得更为精确的表面缺陷的定位结果。
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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用于电缆表面缺陷精准定位的方法的流程示意图;
图2是本发明实施例中图像采集过程的示意图;
图3是本发明实施例中边缘存在缺陷的电缆的示意图;
图4是本发明实施例中电缆表面产生反光现象的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本发明实施例的主要目的是:对所采集的电缆的表面图像进行图像处理,实现对电缆中所存在的缺陷的精确定位。
本发明实施例提供了一种用于电缆表面缺陷精准定位的方法,如图1所示,包括:
步骤S101、获得待进行表面缺陷定位的电缆的表面灰度图像。
可以通过图像采集设备(例如,可以是相机)采集待进行表面缺陷定位的电缆的表面灰度图像,图2为本发明实施例图像采集过程的示意图,电缆沿着预定方向进行运动,与此同时进行电缆的表面图像的采集。
此外,为了使得获得待进行表面缺陷定位的电缆的完整的表面图像,可以通过设置多个图像采集设备的方式,例如,设置三台图像采集设备沿着电缆的环向等间距进行布置;如此,利用各图像采集设备,可以获得完整的电缆的表面图像。
可以首先判断待测电缆中是否存在缺陷,并对存在表面缺陷的电缆的表面图像进行处理,具体可以包括如下步骤:获得待测电缆的表面的第一灰度图像;根据第一灰度图像中像素点的灰度值的方差是否大于预设方差阈值,判断待测电缆中是否存在表面缺陷;将被判定为存在缺陷的待测电缆的第一灰度图像作为待进行表面缺陷定位的电缆的表面灰度图像。
需要说明的是,预设方差阈值可以根据无缺陷的电缆的表面灰度图像中像素点的灰度值的方差获得。
可选的,可以在图像采集的过程中,将LED灯光进行环向等间距布置,使得在电缆处的光照尽量均匀,同时可以将图像采集过程中的背景设置为黑色,如此,便于在后续过程中避免背景区域造成的不良影响。
同时,所获得的电缆的表面灰度图像中可能存在一些噪声,这些噪声的存在会影响从图像中所提取的特征的精度,进而阻碍后续对图像的处理和分析的结果,因此可以使用中值滤波对线缆的表面灰度图像进行去噪处理,达到抑制或消除其中所存在的噪声并改善图像的质量的目的。
可选的,在获得电缆的表面灰度图像后,由于其中可能存在属于电缆以外的背景部分,可以将其中存在的背景区域进行去除,具体可以包括如下步骤:计算整幅图像的灰度均值,并将电缆表面灰度图像中小于该灰度均值的像素点的像素值置0,并将最后所有大于0的区域进行提取,将所提取得到的区域重新作为电缆的表面灰度图像。
由于拍摄角度的问题,当缺陷处于所获得的表面灰度图像的边缘时,如图3所示,呈现为电缆部分在边缘处的横向宽度小于在正常电缆在边缘处的宽度,同时图像采集设备的视野范围有限,因此在图像采集设备与所采集的电缆之间的距离相对固定的情况下,所获得的电缆部分的宽度相对固定,可以通过电缆的表面灰度图像中电缆区域各行的横向宽度的方差,从侧面反映电缆是否存在表面缺陷。
步骤S102、根据表面灰度图像中每一行的像素点的灰度均值与每一行的标准灰度均值的大小关系,判断表面灰度图像中每一行分别为强光照行或弱光照行。
由于图像采集过程中,所采集的电缆通常为圆柱形且其表面光滑,如图4所示,其表面产生高反光现象,使得电缆呈现朗伯体,同时根据朗伯模型可知,所拍摄得到的表面灰度图像中电缆部分的不同行的亮度不同,使得直接通过灰度值进行缺陷区域的检测可能会出现误判。
同时,亮度更大的行在灰度图像中表现为行的灰度均值更大,因此,根据表面灰度图像中每一行的像素点的灰度均值与每一行的标准灰度均值的大小关系,判断表面灰度图像中每一行分别为强光照行或弱光照行,具体的,本发明实施例中强光照行中像素点的灰度均值大于该行对应的标准灰度均值,弱光照行中像素点的灰度均值不大于该行对应的标准灰度均值,同时,每一行的标准灰度均值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度均值获得的,例如,第1行的标准灰度均值,根据无缺陷的电缆的表面灰度图像中第1行中像素点的灰度均值进行获得。
步骤S103、根据表面灰度图像中每一行的像素点的灰度值的方差与每一行的灰度值的方差的标准值的大小关系,分别判断表面灰度图像中每一行是否为疑似缺陷行。
分别计算表面灰度图像中每一行的像素点的灰度值的方差,当同一行中存在缺陷时,会使得行中像素点的灰度值表现为不均匀,因此,当某一行中像素点的灰度值不均匀时,该行中更有可能存在缺陷,本发明实施例中通过每一行的像素点的灰度值的方差,与每一行的灰度值的方差的标准值的大小关系,判断表面灰度图像中每一行是否为疑似缺陷行,同时,每一行的灰度值的方差的标准值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度值得方差获得的;例如,第1行的灰度值的方差的标准值,根据无缺陷的电缆的表面灰度图像中第1行中像素点的灰度值的方差进行获得。
步骤S104、将表面灰度图像中被判定为弱光照行且被判定为疑似缺陷行的行作为第一类行,根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,确定对第一类行中像素点更新后的灰度值。
在光照强度较弱的疑似缺陷行中,阴影区域和缺陷区域灰度差异较小,容易将背景像素点误判为缺陷像素点,可以将表面灰度图像中被判定为弱光照行且被判定为疑似缺陷行的行作为第一类行,并将不同行之间的亮度纳入考虑,对第一类行中像素点的灰度值进行更新,避免光照对于缺陷检测结果的准确性的不良影响。
根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,分别确定第一类行中像素点相对于邻域内每一像素点的灰度特征差值;本发明实施例中第一类行中像素点相对于邻域内每一像素点的灰度特征差值的获得过程可以包括:,其中,为第一类行中像素点相对于其邻域内第i个像素点的灰度特征差值,为第一类行中像素点的灰度值,为第一类行中像素点的邻域内第i个像素点的灰度值,为第一类行中像素点所在行的像素点的灰度均值,为第一类行中像素点的邻域内第i个像素点所在行的像素点的灰度均值。
然后,将第一类行中像素点相对于邻域内各像素点的所有灰度特征差值的绝对值之和,作为对第一类行中像素点更新后的灰度值,如此,将像素点所在行之间的光照的不同纳入考虑,从而避免光照的不同对于缺陷检测的结果的不良影响。
步骤S105、对第一类行中像素点的灰度值进行更新后,利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,以分别获得每一疑似缺陷行中缺陷像素点,并将所有缺陷像素点组成所定位出的缺陷区域。
需要说明的是,大津法又称为最大类间方差法,该方法的基本思想是根据选取的阈值将图像分为目标和背景两个部分,在本发明实施例中对应于将疑似缺陷行中的像素点划分为缺陷像素点以及缺陷像素点以外的像素点,计算像素的灰度值对应的最大类间方差值,将类间方差值取最大时对应的阈值作为最佳阈值,然而,电缆中缺陷像素点和缺陷像素点以外的像素点之间的灰度级有时并不明显,因此,本发明实施例中分别确定对于每一疑似缺陷行的缺陷分割阈值,从而获得更为精确的电缆中的缺陷区域。
首先,分别确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的初始的类间方差,所述分割阈值从每一疑似缺陷行中所有灰度级中进行选择。
根据分割阈值对应的灰度级在每一疑似缺陷行中像素点的频数占比,确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的新的类间方差,且所述频数占比越大,新的类间方差越小;将类间方差最大的分割阈值作为表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值。
需要说明的是,由于在每一行中存在缺陷的像素点所占的比例较小,因此,本发明实施例中通过使灰度级在疑似缺陷行中像素点的频数占比越大,新的类间方差越小的方式,弱化了频数占比较大的灰度级对于新的类间方差的影响,同时强化了频数占比较小的灰度级对于新的类间方差的影响,并且,从所有分割阈值中确定类间方差最大的分割阈值,将其作为表面灰度图像中疑似缺陷行对应的缺陷分割阈值,并以此分别确定对于每一疑似缺陷行对应的缺陷分割阈值;同时,由于在不同的疑似缺陷行中灰度分布情况不同,不同疑似缺陷行对应的缺陷分割阈值可能相同,也可能不同。
在分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值后,可以分别获得每一疑似缺陷行中缺陷像素点,从而将所有缺陷像素点组成所定位出的电缆中的缺陷区域。
综上所述,通过对待进行表面缺陷定位的电缆的表面灰度图像进行处理,分别判断表面灰度图像中每一行为强光照行或弱光照行,同时分别判断表面灰度图像中每一行是否为疑似缺陷行,同时将表面图像中像素点的亮度纳入考虑,实现对被判定为疑似缺陷且被判定为弱光照行中像素点的灰度值的更新,并分别确定每一缺陷疑似行的分割阈值,避免了电缆的表面光照不均对缺陷检测结果的不良影响,相对于全局阈值分割获得缺陷区域,能够获得更为精确的表面缺陷的定位结果。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的方法和系统中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例,并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (7)
1.用于电缆表面缺陷精准定位的方法,其特征在于,包括:
获得待进行表面缺陷定位的电缆的表面灰度图像;
根据表面灰度图像中每一行的像素点的灰度均值与每一行的标准灰度均值的大小关系,判断表面灰度图像中每一行分别为强光照行或弱光照行;
根据表面灰度图像中每一行的像素点的灰度值的方差与每一行的灰度值的方差的标准值的大小关系,分别判断表面灰度图像中每一行是否为疑似缺陷行;
将表面灰度图像中被判定为弱光照行且被判定为疑似缺陷行的行作为第一类行,根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,确定对第一类行中像素点更新后的灰度值;
对第一类行中像素点的灰度值进行更新后,利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,以分别获得每一疑似缺陷行中缺陷像素点,并将所有缺陷像素点组成所定位出的缺陷区域。
2.根据权利要求1所述的方法,其特征在于,根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,确定对第一类行中像素点更新后的灰度值,包括:
根据第一类行中像素点的邻域内像素点所在行的像素点的灰度均值,以及第一类行中像素点的邻域内像素点的灰度值,分别确定第一类行中像素点相对于邻域内每一像素点的灰度特征差值;
将第一类行中像素点相对于邻域内各像素点的所有灰度特征差值的绝对值之和,作为对第一类行中像素点更新后的灰度值。
3.根据权利要求1所述的方法,其特征在于,利用大津法分别确定表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值,包括:
分别确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的初始的类间方差,所述分割阈值从每一疑似缺陷行中所有灰度级中进行选择;
根据分割阈值对应的灰度级在每一疑似缺陷行中像素点的频数占比,确定每一分割阈值对表面灰度图像中每一疑似缺陷行进行分割后的新的类间方差,且所述频数占比越大,新的类间方差越小;
将类间方差最大的分割阈值作为表面灰度图像中每一疑似缺陷行对应的缺陷分割阈值。
4.根据权利要求1所述的方法,其特征在于,获得待进行表面缺陷定位的电缆的表面灰度图像,包括:
获得待测电缆的表面的第一灰度图像;
根据第一灰度图像中像素点的灰度值的方差是否大于预设方差阈值,判断待测电缆中是否存在表面缺陷;
将被判定为存在缺陷的待测电缆的第一灰度图像作为待进行表面缺陷定位的电缆的表面灰度图像。
5.根据权利要求4所述的方法,其特征在于,获得待测电缆的表面的第一灰度图像后,所述方法还包括:对第一灰度图像中的电缆区域进行提取,并将所提取出的电缆区域作为新的第一灰度图像。
6.根据权利要求1所述的方法,其特征在于,每一行的标准灰度均值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度均值获得的。
7.根据权利要求1所述的方法,其特征在于,每一行的灰度值的方差的标准值,是根据无缺陷的电缆的表面灰度图像中同一行的像素点的灰度值得方差获得的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210971263.1A CN115049736B (zh) | 2022-08-15 | 2022-08-15 | 用于电缆表面缺陷精准定位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210971263.1A CN115049736B (zh) | 2022-08-15 | 2022-08-15 | 用于电缆表面缺陷精准定位的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049736A CN115049736A (zh) | 2022-09-13 |
CN115049736B true CN115049736B (zh) | 2022-10-25 |
Family
ID=83166739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210971263.1A Active CN115049736B (zh) | 2022-08-15 | 2022-08-15 | 用于电缆表面缺陷精准定位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049736B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222741B (zh) * | 2022-09-20 | 2023-02-28 | 江苏昱恒电气有限公司 | 一种电缆表面缺陷检测方法 |
CN115457035B (zh) * | 2022-11-10 | 2023-03-24 | 山东鲁旺机械设备有限公司 | 基于机器视觉的建筑吊篮焊接质量检测方法 |
CN117173180B (zh) * | 2023-11-03 | 2023-12-29 | 江苏康意德科技有限公司 | 基于图像增强的钢管缺陷智能检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007315967A (ja) * | 2006-05-26 | 2007-12-06 | Sharp Corp | 欠陥検出装置、欠陥検出方法、欠陥検出プログラム、および、それを記録したコンピュータ読み取り可能な記録媒体 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
CN113628189A (zh) * | 2021-08-11 | 2021-11-09 | 西安工程大学 | 一种基于图像识别的快速带钢划痕缺陷检测方法 |
CN114820597A (zh) * | 2022-06-24 | 2022-07-29 | 江苏欧盛液压科技有限公司 | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
-
2022
- 2022-08-15 CN CN202210971263.1A patent/CN115049736B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007315967A (ja) * | 2006-05-26 | 2007-12-06 | Sharp Corp | 欠陥検出装置、欠陥検出方法、欠陥検出プログラム、および、それを記録したコンピュータ読み取り可能な記録媒体 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
CN113628189A (zh) * | 2021-08-11 | 2021-11-09 | 西安工程大学 | 一种基于图像识别的快速带钢划痕缺陷检测方法 |
CN114820597A (zh) * | 2022-06-24 | 2022-07-29 | 江苏欧盛液压科技有限公司 | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
Non-Patent Citations (5)
Title |
---|
Defect Inspection in Low-Contrast LCD Images Using Hough Transform-Based Nonstationary Line Detection;Wei-Chen Li等;《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》;20110204;第7卷(第1期);第136-147页 * |
Prune Defect Detection by Line-scan imaging;M.J.Delwiche;《Transactions of the ASAE》;19901230;第0950-0954页 * |
基于BP神经网络和均值差分的TFT-LCD MURA缺陷检测方法;曾毅等;《湖南理工学院学报(自然科学版)》;20170315(第01期);第32-38页 * |
基于点对称变换的乙丙橡胶电缆终端缺陷诊断;周利军等;《电工技术学报》;20220515;第37卷(第9期);第2388-2398页 * |
铁轨表面缺陷的机器视觉检测系统;吴迪;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180715;C033-12 * |
Also Published As
Publication number | Publication date |
---|---|
CN115049736A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115049736B (zh) | 用于电缆表面缺陷精准定位的方法 | |
CN115375676B (zh) | 一种基于图像识别的不锈钢制品质量检测方法 | |
CN116758061B (zh) | 基于计算机视觉的铸件表面缺陷检测方法 | |
JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのbgaチップの視覚識別方法 | |
CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN115147414B (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
CN115272321B (zh) | 一种基于机器视觉的纺织品缺陷检测方法 | |
TWI412739B (zh) | 缺陷檢測方法及缺陷檢測裝置 | |
US11313806B2 (en) | Defect inspection method and defect inspection device | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
JP6922539B2 (ja) | 表面欠陥判定方法および表面欠陥検査装置 | |
CN115578389B (zh) | 一种沟槽mos器件的缺陷检测方法 | |
KR100598381B1 (ko) | 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법 | |
JP6371044B2 (ja) | 表面欠陥検査装置および表面欠陥検査方法 | |
CN115984272B (zh) | 基于计算机视觉的半挂车车桥缺陷识别方法 | |
CN115020267A (zh) | 一种半导体表面缺陷检测方法 | |
CN111583216A (zh) | Pcba电路板的缺陷检测方法 | |
CN115861320A (zh) | 一种汽车零件加工信息智能检测方法 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
WO2023109557A1 (zh) | 连接器件检测方法、电子设备及存储介质 | |
CN115471486A (zh) | 一种交换机接口完好性检测方法 | |
CN117173661A (zh) | 基于计算机视觉的沥青道路质量检测方法 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for precise positioning of surface defects on cables Granted publication date: 20221025 Pledgee: Liaocheng Branch of Postal Savings Bank of China Co.,Ltd. Pledgor: Liaocheng Zhengsheng Cable Co.,Ltd. Registration number: Y2024980020776 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |