CN115100200B - 基于光学手段的光纤缺陷检测方法及系统 - Google Patents
基于光学手段的光纤缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN115100200B CN115100200B CN202211017605.2A CN202211017605A CN115100200B CN 115100200 B CN115100200 B CN 115100200B CN 202211017605 A CN202211017605 A CN 202211017605A CN 115100200 B CN115100200 B CN 115100200B
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- edge
- line
- pixel
- determining
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 593
- 230000007547 defect Effects 0.000 title claims abstract description 135
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 230000003287 optical effect Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 57
- 230000002950 deficient Effects 0.000 claims description 30
- 239000000835 fiber Substances 0.000 claims description 27
- 230000006378 damage Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 abstract description 13
- 238000004154 testing of material Methods 0.000 abstract description 3
- 208000025174 PANDAS Diseases 0.000 description 5
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000010287 polarization Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 240000004718 Panda Species 0.000 description 3
- 235000016496 Panda oleosa Nutrition 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005253 cladding Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000006748 scratching Methods 0.000 description 2
- 230000002393 scratching effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
- 238000004804 winding 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
- G06T7/0002—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/70—
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Abstract
本发明涉及材料测试和分析技术领域,具体涉及一种基于光学手段的光纤缺陷检测方法及系统,即通过光学手段获取待检测的光纤段的可见光图像,进而获取该可见光图像对应的灰度图像,然后基于该灰度图像进行相应的材料分析与测试,确定该灰度图像中的各个边缘线连通域对应的光纤线条边缘正常率,并根据各个边缘线连通域对应的光纤线条边缘正常率,确定各个边缘线连通域对应的光纤线条边缘类型,进而确定待检测的光纤段的光纤缺陷类型。本发明基于待检测的光纤段的可见光图像,并进行相应的材料测试和分析,最终可以确定待检测的光纤段的光纤缺陷类型,由于无需借助大量的训练样本进行训练,在保证检测精确度的情况,有效降低了检测成本。
Description
技术领域
本发明涉及材料测试和分析技术领域,具体涉及一种基于光学手段的光纤缺陷检测方法及系统。
背景技术
光纤通信技术具有传输频带宽、容量大、损耗低、抗干扰能力强等特点,是现代通信的主要支柱之一,在现代电信网中起着举足轻重的作用。其中,熊猫型保偏光纤采用等离子体化学气相沉积工艺制造,具有折射率分布精确、截面几何对称性好、纵向均匀性好、光学性能优异等特点,被广泛应用于光纤通讯与光纤传感技术领域。
由于熊猫型保偏光纤的质量好坏对通讯效果影响巨大,因此在熊猫型保偏光纤出厂之前,需要对其进行缺陷检测。传统通常采用人工的方式对熊猫型保偏光纤进行缺陷检测,但是人工检测效率低下,且易受到人的疲劳和技能熟练度影响,容易出现缺陷遗漏的问题,进而容易造成质量事故。现有的基于机器视觉的缺陷检测方法主要依靠神经网络,例如《基于机器视觉的光纤环绕制监测技术研究》(哈尔滨工程大学硕士学位论文,杨震)就提出了一种基于SVM的光纤缺陷检测,但是这种检测方法需要大量样本进行训练,且光纤的种类较多,不同种类需要不同的训练集,花费成本较高。随着光纤通讯与光纤传感技术领域的发展,熊猫保偏光纤的需求量越来越大,现有方法已经不能满足企业的实际需求,找到一种训练成本较低的基于机器视觉的光纤自动检测方法成为亟待解决的重要问题。
发明内容
本发明的目的在于提供一种基于光学手段的光纤缺陷检测方法及系统,用于解决现有的基于机器视觉的光纤缺陷检测方法需要大量的训练样本,导致检测成本较大的问题。
为解决上述技术问题,本发明提供了一种基于光学手段的光纤缺陷检测方法,包括以下步骤:
获取待检测的光纤段的可见光图像,进而得到可见光图像对应的灰度图像;
对灰度图像进行边缘检测,从而得到边缘图像,并对边缘图像进行边缘线连通域分析,从而得到各个边缘线连通域;
对各个边缘线连通域中的像素点进行直线拟合,从而得到各个边缘线连通域对应的拟合直线和拟合优度;
根据各个边缘线连通域中的像素点的位置以及灰度图像中的各个像素点的位置,确定各个边缘线连通域对应的光纤延伸方向像素点占比;
根据各个边缘线连通域对应的光纤延伸方向像素点占比、拟合直线和拟合优度,确定各个边缘线连通域对应的光纤线条边缘正常率;
根据各个边缘线连通域对应的光纤线条边缘正常率,确定各个边缘线连通域对应的光纤线条边缘类型,所述光纤线条边缘类型包括正常光纤线条边缘和瑕疵光纤线条边缘;
根据各个边缘线连通域对应的光纤线条边缘类型,确定待检测的光纤段的光纤缺陷类型,所述光纤缺陷类型包括无缺陷光纤、轻度损伤光纤、严重损伤光纤。
进一步的,确定各个边缘线连通域对应的光纤延伸方向像素点占比,包括:
根据各个边缘线连通域中的像素点的位置,确定各个边缘线连通域在光纤延伸方向上的像素点数目;
根据灰度图像中的各个像素点的位置,确定灰度图像在光纤延伸方向上的像素点数目;
分别计算各个边缘线连通域在光纤延伸方向上的像素点数目与灰度图像在光纤延伸方向上的像素点数目的比值,并将该比值作为对应边缘线连通域对应的光纤延伸方向像素点占比。
进一步的,确定各个边缘线连通域对应的光纤线条边缘正常率对应的计算公式为:
其中,为每个边缘线连通域对应的光纤线条边缘正常率,为每个边缘线连通域
对应的拟合优度,为每个边缘线连通域对应的光纤延伸方向像素点占比,为每个边缘线
连通域对应的拟合直线的倾斜角,为第一调节系数,函数为取最小值函数。
进一步的,确定待检测的光纤段的光纤缺陷类型,包括:
根据各个边缘线连通域对应的光纤线条边缘类型,若所有边缘线连通域对应的光纤线条边缘类型均为正常光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为无缺陷光纤,若所有边缘线连通域对应的光纤线条边缘类型均为瑕疵光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为严重损伤光纤,否则判定待检测的光纤段的光纤缺陷类型为轻度损伤光纤。
进一步的,若待检测的光纤段的光纤缺陷类型为轻度损伤光纤,该方法还包括:
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域及其对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比;
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比、光纤延伸方向像素点占比、拟合直线和拟合优度,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度;
计算光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度的均值,从而得到待检测的光纤段对应的光纤线条连通度;
根据灰度图像,获取灰度图像对应的方向梯度直方图,并根据方向梯度直方图,确定各个设定梯度角度所对应的幅值序列;
根据确定的各个设定梯度角度所对应的幅值序列以及预先获取的各个设定梯度角度所对应的标准幅值序列,确定待检测的光纤段对应的瑕疵方向显著度系数;
对边缘图像进行角点检测,从而得到各个角点,并根据各个角点的位置,对各个角点进行聚类,从而得到各个角点簇;
在灰度图像中确定各个角点簇对应的凸包区域,并根据各个凸包区域中的角点数目、各个凸包区域中的各个像素点的数目和像素值以及灰度图像中的各个像素点的像素值,确定待检测的光纤段对应的瑕疵亮度显著度系数;
根据待检测的光纤段对应的光纤线条连通度、瑕疵方向显著度系数和瑕疵亮度显著度系数,确定待检测的光纤段对应的光纤瑕疵指数;
根据待检测的光纤段对应的光纤瑕疵指数,确定待检测的光纤段对应的子光纤缺陷类型,所述子光纤缺陷类型包括轻度损伤光纤中的微小缺陷光纤和局部损伤光纤。
进一步的,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比,包括:
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点,进而确定所经过的各个像素点的窗口区域;
根据光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点的窗口区域,确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域在灰度图像中的整体区域;
确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点,所述离群像素点位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域中,但不位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域在灰度图像中的整体区域内;
计算光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点的数目与该边缘线连通域内所有像素点数目的比值,从而对应得到光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的离群像素点占比。
进一步的,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度对应的计算公式为:
其中,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的
光纤线条连通度,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的
拟合优度,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的光纤延
伸方向像素点占比,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应
的拟合直线的倾斜角,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对
应的离群像素点占比,函数为取最大值函数。
进一步的,确定待检测的光纤段对应的瑕疵方向显著度系数,包括:
根据确定的各个设定梯度角度所对应的幅值序列以及预先获取的各个设定梯度角度所对应的标准幅值序列,分别计算两序列中对应元素之间的差值;
计算两序列中对应元素之间的差值的方差以及两序列中对应元素之间的差值的二次方的累加和,进而计算差值的方差与差值的二次方的累加和的乘积值,从而对应得到待检测的光纤段对应的瑕疵方向显著度系数。
进一步的,确定待检测的光纤段对应的瑕疵亮度显著度系数,包括:
根据各个凸包区域中的各个像素点的像素值,计算每个凸包区域中的各个像素点的像素值均值;
根据灰度图像中的各个像素点的像素值,确定灰度图像中的像素值大于设定灰度阈值的各个像素点;
根据灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值,计算灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值;
根据每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值,确定各个目标凸包区域,所述目标凸包区域中各个像素点的像素值均值大于灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值;
根据各个凸包区域中的角点数目,确定角点数目的最大值,并根据各个目标凸包区域中的各个像素点的数目,确定各个目标凸包区域中的各个像素点的数目的最大值和最小值;
根据角点数目的最大值、各个目标凸包区域中的各个像素点的数目的最大值和最小值、每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值均值,确定待检测的光纤段对应的瑕疵亮度显著度系数。
本发明还提供了一种基于光学手段的光纤缺陷检测系统,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现上述的基于光学手段的光纤缺陷检测方法。
本发明具有如下有益效果:通过光学手段获取待检测的光纤段的可见光图像,进而获取该可见光图像对应的灰度图像,然后基于该灰度图像进行相应的材料测试与分析,即对不同损伤程度光纤的不同条状纹理特征进行分析,确定灰度图像对应的边缘图像中的各个边缘线连通域,进而确定各个边缘线连通域对应的拟合直线和拟合优度,并结合各个边缘线连通域以及灰度图像,确定各个边缘线连通域对应的光纤延伸方向像素点占比,从而最终确定各个边缘线连通域对应的光纤线条边缘正常率,基于各个边缘线连通域对应的光纤线条边缘正常率,可以确定各个边缘线连通域对应的光纤线条边缘类型,从而可以确定待检测的光纤段的光纤缺陷类型是无缺陷光纤、轻度损伤光纤还是严重损伤光纤。由于本发明通过获取待检测的光纤段的可见光图像的灰度图像,然后对灰度图像中不同损伤程度光纤的不同条状纹理特征进行准确分析,在正确识别出光纤缺陷类型的情况下,无需借助大量的训练样本进行训练,有效降低了光纤缺陷检测成本。
进一步的,在确定待检测的光纤段的光纤缺陷类型是轻度损伤光纤的情况下,借助微小缺陷光纤仍存在多条平行的条状纹理,但与光纤轴向垂直方向会出现斑点或带状斑点的特征,以及局部损伤光纤的条状纹理仍然存在,但是在纹理中会出现局部灰度加深区域或带局部的高亮度区域的特征,确定待检测的光纤段对应的光纤线条连通度、瑕疵方向显著度系数和瑕疵亮度显著度系数,并最终确定待检测的光纤段对应的光纤瑕疵指数,根据该光纤瑕疵指数,可以进一步将轻度损伤光纤细分为微小缺陷光纤和局部损伤光纤,由于只需预先借助少量的参考图像获取对应的标准幅值序列等数据,而无需借助大量的训练样本进行训练,在有效降低光纤缺陷检测成本的前提下,有效保证了光纤缺陷检测的精细程度。
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和优点,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它附图。
图1为本发明实施例的基于光学手段的光纤缺陷检测方法的流程图;
图2为本发明实施例的光纤段可见光图像获取装置的结构示意图;
图3为本发明实施例的直方图均衡增强前的某段光纤对应的灰度图像;
图4为本发明实施例的直方图均衡增强后的某段光纤对应的灰度图像;
图5为本发明实施例的无缺陷光纤的灰度图像示意图;
图6为本发明实施例的微小缺陷光纤的灰度图像示意图;
图7为本发明实施例的局部损伤光纤的灰度图像示意图;
图8为本发明实施例的严重损伤光纤的灰度图像示意图;
图9为本发明实施例的将轻度损伤光纤做进一步细分的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
为了解决现有的基于机器视觉的光纤缺陷检测方法需要大量的训练样本,导致检测成本较大的问题,本实施例提供了一种基于光学手段的光纤缺陷检测方法,该检测方法通过获取待检测的光纤段的可见光图像,并对该可见光图像进行预处理,从而得到灰度图像;根据灰度图像中不同损伤程度光纤的不同条状纹理特征,识别出无缺陷光纤、轻度损伤光纤和严重损伤光纤;然后针对轻度损伤光纤,根据光纤条状纹理内出现的损伤的程度不同,获得对应的光纤瑕疵指数,进而将轻度损伤光纤细分为微小缺陷光纤和局部损伤光纤。
其中,该基于光学手段的光纤缺陷检测方法对应的流程图如图1所示,具体包括以下步骤:
步骤S1:获取待检测的光纤段的可见光图像,进而得到可见光图像对应的灰度图像。
为了获取待检测的光纤段的可见光图像,本实施提供了一种光纤段可见光图像获取装置,如图2所示,该装置包括CCD相机1、显微镜头2、环形光源3和背景屏4。其中,CCD相机1的靶心、显微镜头2的光心、环形光源3和待检检测的光纤段7的观测中心在同一垂直中心线上,图2中的5和6为分线轴,用于对光纤进行分线操作。环形光源3固定在显微镜头2的外径上,采用漫反射的入射方式,将环形光源3与图像摄入CCD相机1的靶面,镜头正下方放置与光纤颜色成鲜明对比的带有黑色、致密质地衬底的钢化玻璃板的背景屏4。
通过使用上述的光纤段可见光图像获取装置,可以采集到待检测的光纤段的可见光图像,该可见光图像为RGB图像。而需要说明的是,上述仅仅是具体给出一种获取待检测的光纤段的可见光图像的装置,作为其他的实施方式,也可以采用现有技术中的其他合适装置,来获取待检测的光纤段的可见光图像。
在得到可见光图像之后,为了减少环境和噪音的影响,对采集的可见光图像进行预处理,具体过程包括:将可见光图像转化为灰度图像,然后采用高斯滤波对灰度图像降噪,即利用高斯函数和灰度图像做卷积,以消除随机噪声的影响,从而得到降噪后的灰度图像。由于光纤具有透明度高、反光性强等光学特性,光线轮廓会带有光晕,为了凸显光纤的特征,使用直方图均衡增强降噪后的灰度图像的对比度,图3和图4分别给出了直方图均衡增强前后的某段光纤对应的灰度图像,并使用双边滤波消除光晕的影响,从而最终得到预处理之后的灰度图像。后续可基于该预处理之后的灰度图像,进行相应的光纤缺陷检测。
步骤S2:对灰度图像进行边缘检测,从而得到边缘图像,并对边缘图像进行边缘线连通域分析,从而得到各个边缘线连通域。
通过对步骤S1中获取的灰度图像进行分析可知,光纤内含有多条平行的条状纹理,无缺陷光纤的条状纹理整齐清晰,每一条状纹理内部颜色亮度均匀,如图5所示。微小缺陷光纤仍存在多条平行的条状纹理,但与光纤轴向垂直方向会出现斑点或带状斑点,一般由过小角度弯曲或轻微刮划产生,如图6所示。局部损伤光纤的条状纹理仍然存在,但是在纹理中会出现局部灰度加深区域或带局部的高亮度区域,一般由外力挤压或划伤造成,如图7所示。严重损伤光纤会露出光纤的包层,只有光纤包层部分还存在条状纹理,但损伤区域较多较大,一般由受到硬质材料,例如分线轴或模具割伤造成,如图8所示。所以首先找到光纤的条状纹理部分,然后根据条状纹理是否含有具有特殊特征的损伤,以判断光纤是否有瑕疵以及属于哪种瑕疵。
基于上述分析,使用Canny检测算子对步骤S1中最终得到的灰度图像进行边缘检测,从而获得边缘图像,该边缘图像为二值图像。对边缘图像进行开运算处理,以消除边缘图像中出现的较小的干扰边缘。对进行开运算处理后的边缘图像进行边缘线连通域分析,每条边缘线对应一个边缘线连通域。
步骤S3:对各个边缘线连通域中的像素点进行直线拟合,从而得到各个边缘线连通域对应的拟合直线和拟合优度。
步骤S4:根据各个边缘线连通域中的像素点的位置以及灰度图像中的各个像素点的位置,确定各个边缘线连通域对应的光纤延伸方向像素点占比。
由光纤和CCD相机的放置方式所决定,光纤呈水平方向出现在图像的中央,条状纹理也应呈水平状出现在图像的中央,且从图像的最左端贯穿到最右端。基于这一特点,对各个边缘线连通域进行分析,可以得到各个边缘线连通域对应的光纤延伸方向像素点占比,后续基于该光纤延伸方向像素点占比,可以确定各个边缘线连通域对应的光纤线条边缘正常率,以对光纤线条边缘类型进行判断。
步骤S41:根据各个边缘线连通域中的像素点的位置,确定各个边缘线连通域在光纤延伸方向上的像素点数目。
对于每个边缘线连通域,根据该边缘线连通域内像素点的位置,可得到该边缘线连通域内像素点包含的在光纤延伸方向上的像素点数目,在本实施例中,该光纤延伸方向是指水平方向,即可以得到该边缘线连通域内包含的在水平方向不同横坐标的像素点个数。
步骤S42:根据灰度图像中的各个像素点的位置,确定灰度图像在光纤延伸方向上的像素点数目。
根据灰度图像的大小,可以确定灰度图像在光纤延伸方向上的像素点数目,在本实施例中,该光纤延伸方向是指水平方向,也就是,根据灰度图像,可以确定组成灰度图像的一行像素点包含的像素点的个数,即可以确定灰度图像中包含的在水平方向不同横坐标的像素点个数。
步骤S43:分别计算各个边缘线连通域在光纤延伸方向上的像素点数目与灰度图像在光纤延伸方向上的像素点数目的比值,并将该比值作为对应边缘线连通域对应的光纤延伸方向像素点占比。
对于每个边缘线连通域,计算该边缘线连通域内包含的在水平方向不同横坐标的
像素点个数与灰度图像中包含的在水平方向不同横坐标的像素点个数的比值,将该比值记
为,并将该比值作为对应边缘线连通域对应的光纤延伸方向像素点占比。
步骤S5:根据各个边缘线连通域对应的光纤延伸方向像素点占比、拟合直线和拟合优度,确定各个边缘线连通域对应的光纤线条边缘正常率。
对于每个边缘线连通域,基于步骤S3所得到该边缘线连通域对应的拟合直线对应
的倾斜角以及拟合优度,并结合步骤S4所得到该边缘线连通域对应的光纤延伸方向像
素点占比,可以确定该边缘线连通域对应的光纤线条边缘正常率,对应的计算公式为:
其中,为每个边缘线连通域对应的光纤线条边缘正常率,为每个边缘线连通域
对应的拟合优度,为每个边缘线连通域对应的光纤延伸方向像素点占比,为每个边缘线
连通域对应的拟合直线的倾斜角,为第一调节系数,其作用为保证分母不为零,分式有意
义,本实施例设置为0.01,函数为取最小值函数,其作用为选取括号内最小的值。
根据上述的每个边缘线连通域对应的光纤线条边缘正常率的计算公式可知,由
于无缺陷的光纤线条边缘应该为清晰的直线,所以与直线的拟合优度应较大,并且这样的
光纤线条边缘应水平贯穿图像,所以光纤延伸方向像素点占比值应较大且倾斜角应与
或较为接近。因此,当边缘线连通域对应的拟合优度越大,光纤延伸方向像素点占比
越大,拟合直线的倾斜角越小或与的差距越小时,该边缘线连通域对应的光纤线条边
缘正常率越大,则该边缘线连通域就越可能对应正常的光纤线条边缘。
步骤S6:根据各个边缘线连通域对应的光纤线条边缘正常率,确定各个边缘线连通域对应的光纤线条边缘类型,所述光纤线条边缘类型包括正常光纤线条边缘和瑕疵光纤线条边缘。
基于上述步骤S5的分析,本实施例设置光纤线条边缘正常率阈值,并将该光纤
线条边缘正常率阈值设置为0.874。对于每个边缘线连通域,将该边缘线连通域对应的光
纤线条边缘正常率与光纤线条边缘正常率阈值进行比较,当光纤线条边缘正常率大于光
纤线条边缘正常率阈值时,则将该边缘线连通域的光纤线条边缘类型判定为正常光纤线
条边缘;否则,则将该边缘线连通域的光纤线条边缘类型判定为瑕疵光纤线条边缘。
步骤S7:根据各个边缘线连通域对应的光纤线条边缘类型,确定待检测的光纤段的光纤缺陷类型,所述光纤缺陷类型包括无缺陷光纤、轻度损伤光纤、严重损伤光纤。
在上述步骤S6的基础上,根据各个边缘线连通域对应的光纤线条边缘类型,若所有边缘线连通域对应的光纤线条边缘类型均为正常光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为无缺陷光纤,若所有边缘线连通域对应的光纤线条边缘类型均为瑕疵光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为严重损伤光纤,否则判定待检测的光纤段的光纤缺陷类型为轻度损伤光纤。当待检测的光纤段的光纤缺陷类型为轻度损伤光纤时,后续则需要将轻度损伤光纤做进一步细分,其对应的流程图如图9所示。
步骤S8:当待检测的光纤段的光纤缺陷类型为轻度损伤光纤时,则根据边缘图像、灰度图像、光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域及其对应的拟合直线、离群像素点占比、光纤延伸方向像素点占比和拟合优度,确定待检测的光纤段对应的光纤瑕疵指数,进而确定待检测的光纤段对应的子光纤缺陷类型,具体实现步骤包括:
步骤S81:根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域及其对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比。
首先,根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点,进而确定所经过的各个像素点的窗口区域。其次,根据光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点的窗口区域,确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域在灰度图像中的整体区域。再次,确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点,所述离群像素点位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域中,但不位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域在灰度图像中的整体区域内。最后,计算光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点的数目与该边缘线连通域内所有像素点数目的比值,从而对应得到光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的离群像素点占比。
也就是,对于光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域,获取
该边缘线连通域对应的拟合直线在灰度图像所经过的每个像素点,并以所经过的每个像素
点为中心,构建窗口,本实施例设置该窗口的大小为,从而可以得到所经过的每个像素
点的窗口区域。标记该边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点的
窗口区域内所有像素点的位置,并根据标记的像素点位置将标记的像素点作为一个整体区
域,从而可以得到该边缘线连通域在灰度图像中的整体区域。将在该边缘线连通域内而不
在该边缘线连通域对应的整体区域内的像素点作为离群像素点,从而得到该边缘线连通域
的离群像素点。计算该边缘线连通域的离群像素点的个数与该边缘线连通域内像素点的个
数的比值,并将该比值作为该边缘线连通域的离群像素点占比。
步骤S82:根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比、光纤延伸方向像素点占比、拟合直线和拟合优度,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度,对应的计算公式为:
其中,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的
光纤线条连通度,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的
拟合优度,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的光纤延
伸方向像素点占比,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应
的拟合直线的倾斜角,为光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对
应的离群像素点占比,函数为取最大值函数,其作用为选取括号内最大的值,为第二
调节参数,其作用为保证分母不为零,分式有意义,本实施例设置为0.001。
根据上述的光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的
光纤线条连通度的计算公式可知,当该光纤线条边缘类型为瑕疵光纤线条边缘的边缘
线连通域对应的拟合优度和光纤延伸方向像素点占比越大,对应的拟合直线的倾斜角
与或越接近,且对应的离群像素点占比越小时,说明该光纤线条边缘类型为瑕疵光
纤线条边缘的边缘线连通域越接近水平直线,该边缘线连通域对应的边缘线越整洁清晰,
此时该边缘线连通域对应的光纤线条连通度就越大。
步骤S83:计算光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度的均值,从而得到待检测的光纤段对应的光纤线条连通度,对应的计算公式为:
该待检测的光纤段对应的光纤线条连通度表征了灰度图像中光纤条状纹理对
应的瑕疵光纤线条边缘的整齐清晰程度,当灰度图中瑕疵光纤线条边缘的每个边缘线连通
域对应的光纤线条连通度越大时,光纤连通度越大,即灰度图像中光纤条状纹理的瑕疵
光纤线条边缘越整洁清晰,则光纤线条连通度就越大。
步骤S84:根据灰度图像,获取灰度图像对应的方向梯度直方图,并根据方向梯度直方图,确定各个设定梯度角度所对应的幅值序列。
为了衡量光纤线条边缘类型为瑕疵光纤线条边缘对应的条状纹理内缺陷的程度,根据灰度图像,将整个灰度图像划分为若干个8x8的小单元,并获取每个小单元中像素点对应的方向梯度直方图,该梯度直方图将小单元中的像素点的梯度角度范围分为了9份,分别对应0°、20°、40°、60°……160°这9个梯度角度,每个梯度角度均对应一个幅值。至此,获取了灰度图像中每个小单元对应9个梯度角度所对应的9个幅值。由于获取每个小单元中像素点对应的方向梯度直方图的具体实现过程属于现有技术,此处不再详细说明。
由于光纤为水平呈现在图像中,而光纤上的缺陷为垂直于光纤的方向出现在图像
中上,所以图像中垂直方向出现的特征即为瑕疵对应的特征。基于这一特点,为了便于后续
获取光纤的瑕疵方向特征,将梯度角度0°和160°作为设定梯度角度,根据灰度图像中各个
小单元的位置,按照从上到下、从左到右的顺序,将各个小单元的设定梯度角度0°所对应的
幅值进行排序,从而得到第一幅值序列,同时将各个小单元的设定梯度角度160°所对应的
幅值进行排序,从而得到第二幅值序列,将第二幅值序列拼接在第一幅值序列的后面,从而
得到一个总的幅值序列,将该总的幅值序列记为,,…,,其中m为灰度图像中各个小单
元的总数目的两倍。
需要说明的是,在对待检测的光纤段进行缺陷检测之前,按照获取该待检测的光
纤段所对应的灰度图像的方式,获取与待检测的光纤同类型的无缺陷光纤段所对应的灰度
图像,该灰度图像与待检测的光纤段所对应的灰度图像同等尺寸,并按照上述获取待检测
的光纤段所对应的灰度图像对应的一个总的幅值序列的步骤,获取与待检测的光纤同类型
的无缺陷光纤段所对应的灰度图像对应的一个总的幅值序列,将该总的幅值序列称为标准
幅值序列,并将该总的幅值序列记为,,…,。后续将幅值序列,,…,以及,
,…,进行比较,可确定待检测的光纤段对应的瑕疵方向显著度系数。
步骤S85:根据确定的在各个设定梯度角度所对应的幅值序列以及预先获取的在各个设定梯度角度所对应的标准幅值序列,确定待检测的光纤段对应的瑕疵方向显著度系数。
在上述步骤S84的基础上,根据确定的各个设定梯度角度所对应的幅值序列以及预先获取的各个设定梯度角度所对应的标准幅值序列,分别计算两序列中对应元素之间的差值,对应计算公式为:
其中,为确定的各个设定梯度角度所对应的幅值序列和预先获取的各个设定梯
度角度所对应的标准幅值序列中对应第i个元素之间的差值,,为两个序列中
的元素的个数,为确定的各个设定梯度角度所对应的幅值序列中的第i个元素,为预先
获取的各个设定梯度角度所对应的标准幅值序列中的第i个元素。
计算两序列中对应元素之间的差值的方差以及两序列中对应元素之间的差值的二次方的累加和,进而计算差值的方差与差值的二次方的累加和的乘积值,从而对应得到待检测的光纤段对应的瑕疵方向显著度系数,对应的计算公式为:
根据上述的待检测的光纤段对应的瑕疵方向显著度系数对应的计算公式可
知,当待检测的光纤段对应的幅值序列与无缺陷光纤段对应的标准幅值序列中的幅值相差
越大时,说明待检测的光纤段对应的缺陷程度越高,此时瑕疵方向显著度系数就越大。
步骤S86:对边缘图像进行角点检测,从而得到各个角点,并根据各个角点的位置,对各个角点进行聚类,从而得到各个角点簇。
对边缘图像进行Harris角点检测,从而得到边缘图像中的各个角点,然后根据各个角点位置,对各个角点进行聚类,在本实施例中,是使用DBSCAN聚类算法以半径为1,最小包含点数为4对这些角点进行聚类,从而得到Q个角点簇。
步骤S87:在灰度图像中确定各个角点簇对应的凸包区域,并根据各个凸包区域中的角点数目、各个凸包区域中的各个像素点的数目和像素值以及灰度图像中的各个像素点的像素值,确定待检测的光纤段对应的瑕疵亮度显著度系数。
对于通过上述步骤S86得到的每个角点簇,根据该角点簇中各个角点的位置,在灰度图像中获得这些角点的凸包区域,这里的凸包区域是指覆盖住该角点簇中的各个角点的最小凸多边形。通过对每个角点簇对应的凸包区域中的像素点灰度情况进行分析,可以得到待检测的光纤段对应的瑕疵亮度显著度系数,具体实现步骤如下:
步骤S871:根据各个凸包区域中的各个像素点的像素值,计算每个凸包区域中的各个像素点的像素值均值。
对于每个凸包区域,根据该凸包区域的位置范围,若灰度图像中的像素点在这一
范围内,则认为该像素点在该凸包区域内。根据该凸包区域内所有像素点的像素值也就是
灰度值,计算得到这些灰度值的均值,其中,为凸包区域的总数目。
步骤S872:根据灰度图像中的各个像素点的像素值,确定灰度图像中的像素值大于设定灰度阈值的各个像素点。
由于获得待检测的光纤段的可见光图像时,是以黑色为背景,光纤呈现出较亮的颜色,那么对应在灰度图像中,背景像素点对应的像素值也就是灰度值就较小,而光纤像素点对应的像素值也就是灰度值就较大。因此,本实施例通过设置设定灰度阈值,该设定灰度阈值取值为20,将灰度图像中各个像素点的像素值与该设定灰度阈值进行比较,从而可以得到灰度图像中的像素值大于设定灰度阈值的各个像素点,这些像素值大于设定灰度阈值的各个像素点就是灰度图像中的光纤像素点。
步骤S873:根据灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值,计算灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值。
步骤S874:根据每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值,确定各个目标凸包区域,所述目标凸包区域中各个像素点的像素值均值大于灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值。
根据每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于
设定像素阈值的各个像素点的像素值均值,选取凸包区域中的各个像素点的像素值均值
大于像素值均值的凸包区域,并将这些凸包区域称为目标凸包区域,这些目标凸包区域对
应光纤中出现的缺陷处。
步骤S875:根据各个凸包区域中的角点数目,确定角点数目的最大值,并根据各个目标凸包区域中的各个像素点的数目,确定各个目标凸包区域中的各个像素点的数目的最大值和最小值。
由于一个角点簇对应一个凸包区域,根据各个凸包区域所对应的角点簇中的角点
的数目,可以确定凸包区域内最大的角点数目。同时,根据各个目标凸包区域中的各个像素
点,确定各个目标凸包区域中的像素点个数,选取包含像素点个数最少的目标凸包区域,将
其包含的像素点个数记为,并选取包含像素点个数最多的目标凸包区域,将其包含的像
素点个数记为。
步骤S876:根据角点数目的最大值、各个目标凸包区域中的各个像素点的数目的最大值和最小值、每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值均值,确定待检测的光纤段对应的瑕疵亮度显著度系数,对应的计算公式为:
其中,为待检测的光纤段对应的瑕疵亮度显著度系数,为第q个凸包区域中
的各个像素点的像素值均值,为灰度图像中的像素值大于设定灰度阈值的各个像素点的
像素值均值,Q为凸包区域的总数目,为角点数目的最大值,为各个目标凸包区域中的各
个像素点的数目的最大值,为各个目标凸包区域中的各个像素点的数目的最小值,
函数为取整函数,用于对进行四舍五入取整。
在上述的待检测的光纤段对应的瑕疵亮度显著度系数的表达式中,当光纤出
现微小缺陷或局部损伤时,均会出现多个不同的缺陷,不同的是,微小缺陷对应的每一处缺
陷处的损伤大小没有明显差别,而局部损伤对应的不同缺陷处的损伤相差较大,二者有明
显区别,以此为依据借助作为系数来对这两种瑕疵进行区分。当每个凸包区域内的像素
点灰度值均值与灰度图像中光纤部分对应的灰度值均值相差越大,凸包区域内角点数
目越大,最大以及最小的凸包区域内包含的像素点的数目的最大值与最小值的比值比越
大,则瑕疵亮度显著度系数越大,此时说明光纤越可能出现的是局部损伤。
步骤S88:根据待检测的光纤段对应的光纤线条连通度、瑕疵方向显著度系数和瑕疵亮度显著度系数,确定待检测的光纤段对应的光纤瑕疵指数。
由于瑕疵方向显著度系数和瑕疵亮度显著度系数是从不同角度表示瑕疵的特
征,所以根据两者构建瑕疵显著度系数。当瑕疵方向显著度系数越大,瑕疵
亮度显著度系数越大时,瑕疵显著度系数就越大,此时说明光纤越可能出现的是局
部损伤。
步骤S89:根据待检测的光纤段对应的光纤瑕疵指数,确定待检测的光纤段对应的子光纤缺陷类型,所述子光纤缺陷类型包括轻度损伤光纤中的微小缺陷光纤和局部损伤光纤。
基于待检测的光纤段对应的光纤瑕疵指数,为了确定待检测的光纤段具体是轻度
损伤光纤中的微小缺陷光纤还是局部损伤光纤,本实施例设置了光纤瑕疵指数阈值,该
光纤瑕疵指数阈值的具体设置过程为:在对待检测的光纤段进行缺陷检测之前,按照获取
该待检测的光纤段所对应的灰度图像的方式,获取多张与待检测的光纤同类型的微小缺陷
光纤段所对应的灰度图像以及局部损伤光纤段所对应的灰度图像,这些灰度图像与待检测
的光纤段所对应的灰度图像同等尺寸,然后按照上述获取待检测的光纤段所对应的光纤瑕
疵指数的方式,获取每张微小缺陷光纤段所对应的灰度图像对应的光纤瑕疵指数,并获取
每张局部损伤光纤段所对应的灰度图像对应的光纤瑕疵指数。由于微小缺陷和局部损伤两
个不同程度的损伤在获得其对应的光纤瑕疵指数时,均以多个系数进行区分,相差较大,所
以不会出现这两种不同程度的损伤对应的相近的情况。然后将微小缺陷光纤段所对应
的灰度图像对应的光纤瑕疵指数的最大值记为,并将局部损伤光纤段所对应的灰度图
像对应的光纤瑕疵指数的最小值记为,取光纤瑕疵指数阈值,并将光纤瑕
疵指数阈值作为区分微小缺陷光纤和局部损伤光纤的阈值。
当待检测的光纤段对应的光纤瑕疵指数大于该光纤瑕疵指数阈值时,则判定
该待检测的光纤段对应的子光纤缺陷类型为轻度损伤光纤中的局部损伤光纤,否则判定该
待检测的光纤段对应的子光纤缺陷类型为轻度损伤光纤中的微小缺陷光纤。
本实施例还提供了一种基于光学手段的光纤缺陷检测系统,包括处理器和存储器,该处理器用于处理存储在存储器中的指令,以实现上述的基于光学手段的光纤缺陷检测方法。由于该基于光学手段的光纤缺陷检测方法已经在上述内容中进行了详细介绍,此处不再赘述。
本发明通过光学手段获取待检测的光纤段的可见光图像,进而获取该可见光图像对应的灰度图像,然后基于该灰度图像进行相应的材料分析与测试,确定该灰度图像中的各个边缘线连通域对应的光纤线条边缘正常率,并根据各个边缘线连通域对应的光纤线条边缘正常率,确定各个边缘线连通域对应的光纤线条边缘类型,进而确定待检测的光纤段的光纤缺陷类型是无缺陷光纤、轻度损伤光纤还是严重损伤光纤。当待检测的光纤段的光纤缺陷类型是轻度损伤光纤时,则进一步获取待检测的光纤段对应的光纤瑕疵指数,并根据该光纤瑕疵指数将轻度损伤光纤细分为微小缺陷光纤和局部损伤光纤。由于本发明在确定待检测的光纤段的光纤缺陷类型时,仅仅是基于该待检测的光纤段的可见光图像,对不同损伤程度光纤的不同条状纹理特征进行分析,首先识别出无缺陷光纤、轻度损伤光纤和严重损伤光纤,当为轻度损伤光纤时,再通过对损伤部分在垂直于条状纹理方向出现的特征进行分析,并结合光纤不同损伤对应的相对亮度和区域面积特征,进一步准确地将轻度损伤光纤细分为微小缺陷光纤和局部损伤光纤,最终实现了对不同程度损伤的光纤的判断。由于本发明不需要借助大量的训练样本进行训练,只需预先借助少量的参考图像获取对应的标准幅值序列、微小缺陷光纤段对应的光纤瑕疵指数、局部损伤光纤段对应的光纤瑕疵指数等数据,在保证精确度的情况,有效降低了企业检测成本,为光纤的智能化监测奠定了基础。
需要说明的是:以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种基于光学手段的光纤缺陷检测方法,其特征在于,包括以下步骤:
获取待检测的光纤段的可见光图像,进而得到可见光图像对应的灰度图像;
对灰度图像进行边缘检测,从而得到边缘图像,并对边缘图像进行边缘线连通域分析,从而得到各个边缘线连通域;
对各个边缘线连通域中的像素点进行直线拟合,从而得到各个边缘线连通域对应的拟合直线和拟合优度;
根据各个边缘线连通域中的像素点的位置以及灰度图像中的各个像素点的位置,确定各个边缘线连通域对应的光纤延伸方向像素点占比;
根据各个边缘线连通域对应的光纤延伸方向像素点占比、拟合直线和拟合优度,确定各个边缘线连通域对应的光纤线条边缘正常率;
根据各个边缘线连通域对应的光纤线条边缘正常率,确定各个边缘线连通域对应的光纤线条边缘类型,所述光纤线条边缘类型包括正常光纤线条边缘和瑕疵光纤线条边缘;
根据各个边缘线连通域对应的光纤线条边缘类型,确定待检测的光纤段的光纤缺陷类型,所述光纤缺陷类型包括无缺陷光纤、轻度损伤光纤、严重损伤光纤;
确定各个边缘线连通域对应的光纤延伸方向像素点占比,包括:
根据各个边缘线连通域中的像素点的位置,确定各个边缘线连通域在光纤延伸方向上的像素点数目;
根据灰度图像中的各个像素点的位置,确定灰度图像在光纤延伸方向上的像素点数目;
分别计算各个边缘线连通域在光纤延伸方向上的像素点数目与灰度图像在光纤延伸方向上的像素点数目的比值,并将该比值作为对应边缘线连通域对应的光纤延伸方向像素点占比;
确定各个边缘线连通域对应的光纤线条边缘正常率对应的计算公式为:
其中,为每个边缘线连通域对应的光纤线条边缘正常率,为每个边缘线连通域对应的拟合优度,为每个边缘线连通域对应的光纤延伸方向像素点占比,为每个边缘线连通域对应的拟合直线的倾斜角,为第一调节系数,函数为取最小值函数;
确定待检测的光纤段的光纤缺陷类型,包括:
根据各个边缘线连通域对应的光纤线条边缘类型,若所有边缘线连通域对应的光纤线条边缘类型均为正常光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为无缺陷光纤,若所有边缘线连通域对应的光纤线条边缘类型均为瑕疵光纤线条边缘,则判定待检测的光纤段的光纤缺陷类型为严重损伤光纤,否则判定待检测的光纤段的光纤缺陷类型为轻度损伤光纤;
若待检测的光纤段的光纤缺陷类型为轻度损伤光纤,该方法还包括:
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域及其对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比;
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比、光纤延伸方向像素点占比、拟合直线和拟合优度,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度;
计算光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的光纤线条连通度的均值,从而得到待检测的光纤段对应的光纤线条连通度;
根据灰度图像,获取灰度图像对应的方向梯度直方图,并根据方向梯度直方图,确定各个设定梯度角度所对应的幅值序列;
根据确定的各个设定梯度角度所对应的幅值序列以及预先获取的各个设定梯度角度所对应的标准幅值序列,确定待检测的光纤段对应的瑕疵方向显著度系数;
对边缘图像进行角点检测,从而得到各个角点,并根据各个角点的位置,对各个角点进行聚类,从而得到各个角点簇;
在灰度图像中确定各个角点簇对应的凸包区域,并根据各个凸包区域中的角点数目、各个凸包区域中的各个像素点的数目和像素值以及灰度图像中的各个像素点的像素值,确定待检测的光纤段对应的瑕疵亮度显著度系数;
根据待检测的光纤段对应的光纤线条连通度、瑕疵方向显著度系数和瑕疵亮度显著度系数,确定待检测的光纤段对应的光纤瑕疵指数;
根据待检测的光纤段对应的光纤瑕疵指数,确定待检测的光纤段对应的子光纤缺陷类型,所述子光纤缺陷类型包括轻度损伤光纤中的微小缺陷光纤和局部损伤光纤。
2.根据权利要求1所述的基于光学手段的光纤缺陷检测方法,其特征在于,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的离群像素点占比,包括:
根据光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线以及灰度图像,确定光纤线条边缘类型为瑕疵光纤线条边缘的各个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点,进而确定所经过的各个像素点的窗口区域;
根据光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的拟合直线在灰度图像中所经过的各个像素点的窗口区域,确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域在灰度图像中的整体区域;
确定光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点,所述离群像素点位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域中,但不位于其对应的光纤线条边缘类型为瑕疵光纤线条边缘的边缘线连通域在灰度图像中的整体区域内;
计算光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域的离群像素点的数目与该边缘线连通域内所有像素点数目的比值,从而对应得到光纤线条边缘类型为瑕疵光纤线条边缘的每个边缘线连通域对应的离群像素点占比。
4.根据权利要求1所述的基于光学手段的光纤缺陷检测方法,其特征在于,确定待检测的光纤段对应的瑕疵方向显著度系数,包括:
根据确定的各个设定梯度角度所对应的幅值序列以及预先获取的各个设定梯度角度所对应的标准幅值序列,分别计算两序列中对应元素之间的差值;
计算两序列中对应元素之间的差值的方差以及两序列中对应元素之间的差值的二次方的累加和,进而计算差值的方差与差值的二次方的累加和的乘积值,从而对应得到待检测的光纤段对应的瑕疵方向显著度系数。
5.根据权利要求1所述的基于光学手段的光纤缺陷检测方法,其特征在于,确定待检测的光纤段对应的瑕疵亮度显著度系数,包括:
根据各个凸包区域中的各个像素点的像素值,计算每个凸包区域中的各个像素点的像素值均值;
根据灰度图像中的各个像素点的像素值,确定灰度图像中的像素值大于设定灰度阈值的各个像素点;
根据灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值,计算灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值;
根据每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值,确定各个目标凸包区域,所述目标凸包区域中各个像素点的像素值均值大于灰度图像中的像素值大于设定像素阈值的各个像素点的像素值均值;
根据各个凸包区域中的角点数目,确定角点数目的最大值,并根据各个目标凸包区域中的各个像素点的数目,确定各个目标凸包区域中的各个像素点的数目的最大值和最小值;
根据角点数目的最大值、各个目标凸包区域中的各个像素点的数目的最大值和最小值、每个凸包区域中的各个像素点的像素值均值以及灰度图像中的像素值大于设定灰度阈值的各个像素点的像素值均值,确定待检测的光纤段对应的瑕疵亮度显著度系数。
6.一种基于光学手段的光纤缺陷检测系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现上述权利要求1-5中任一项所述的基于光学手段的光纤缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211017605.2A CN115100200B (zh) | 2022-08-24 | 2022-08-24 | 基于光学手段的光纤缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211017605.2A CN115100200B (zh) | 2022-08-24 | 2022-08-24 | 基于光学手段的光纤缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100200A CN115100200A (zh) | 2022-09-23 |
CN115100200B true CN115100200B (zh) | 2022-12-09 |
Family
ID=83301627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211017605.2A Active CN115100200B (zh) | 2022-08-24 | 2022-08-24 | 基于光学手段的光纤缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100200B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375686B (zh) * | 2022-10-25 | 2023-01-24 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
CN115423807B (zh) * | 2022-11-04 | 2023-03-24 | 山东益民服饰有限公司 | 一种基于离群点检测的布匹缺陷检测方法 |
CN115641329B (zh) * | 2022-11-15 | 2023-04-07 | 武汉惠强新能源材料科技有限公司 | 一种锂电池隔膜缺陷检测方法及系统 |
CN117058130B (zh) * | 2023-10-10 | 2024-01-09 | 威海威信光纤科技有限公司 | 一种光纤拉丝表面涂覆质量视觉检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104009796B (zh) * | 2013-02-25 | 2017-04-05 | 中兴通讯股份有限公司 | 一种无源光网络光纤故障检测方法及系统 |
CN103983426B (zh) * | 2014-05-13 | 2016-08-24 | 西安交通大学 | 一种基于机器视觉的光纤缺陷检测及分类方法 |
CN207039604U (zh) * | 2017-08-10 | 2018-02-23 | 重庆桦秀科技有限公司 | 一种带光纤端面放大功能的红光笔 |
CN109115787B (zh) * | 2018-09-14 | 2023-11-14 | 苏州康代智能科技股份有限公司 | 一种直线型光纤质量检测装置及其方法 |
CN112444919A (zh) * | 2020-11-16 | 2021-03-05 | 中国南方电网有限责任公司超高压输电公司广州局 | 光纤跳线、光纤跳线测试工具以及测试方法 |
-
2022
- 2022-08-24 CN CN202211017605.2A patent/CN115100200B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115100200A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN114862862B (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN110580480A (zh) | 基于图像处理的表计读数识别方法 | |
CN114494210A (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN115511842A (zh) | 一种基于机器视觉的电缆绝缘表皮破损检测方法 | |
CN116740070A (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN116363140B (zh) | 一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质 | |
CN117094916B (zh) | 一种市政桥梁支座视觉检测方法 | |
CN111047556A (zh) | 一种带钢表面缺陷检测方法及装置 | |
CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN110186929A (zh) | 一种实时的产品瑕疵定位方法 | |
CN117197108A (zh) | 光学变焦图像质量评估方法、系统、计算机装置及介质 | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN116758423A (zh) | 一种基于白点率法的输电线路异物检测方法 | |
CN116739991A (zh) | 基于深度学习的液晶显示屏表面缺陷检测方法及电子装置 | |
Prabha et al. | Defect detection of industrial products using image segmentation and saliency | |
CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 | |
CN114998346A (zh) | 一种防水布质量数据处理、识别方法 | |
CN113340915A (zh) | 一种材质光滑均匀的玻璃缺陷检测装置及方法 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 |
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 |