CN115205318B - 一种海缆表面缺陷识别的方法及系统 - Google Patents

Abstract

本发明提供了一种海缆表面缺陷识别的方法及系统，涉及数据处理相关技术领域，通过对海缆进行多角度图像采集，构建海缆多角度图像集；根据历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；基于表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；基于检测难点参数特征对海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；对增强海缆特征图像通过边缘检测算法进行背景剔除；根据检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。解决了海缆表面缺陷识别精度和识别效率较低的技术问题。达到对海缆表面缺陷的高精度、高效率识别效果。

Description

一种海缆表面缺陷识别的方法及系统

技术领域

本发明涉及数据处理相关技术领域，具体涉及一种海缆表面缺陷识别的方法及系统。

背景技术

海底电缆是用绝缘材料包裹的导线，敷设在海底，海底电缆包括海底通信电缆和海底电力电缆，海底通信电缆主要用于通信传输，海底电力电缆主要用于电力传输。

海底电缆由于其工作环境的要求，相较于普通光缆，海缆在设计时必须保证内部光纤能够抵抗海底压力，耐受海水腐蚀，适应复杂的海底情况；加上海缆的敷设和修复工作难度较高，这就对海缆的质量提出了更高要求，海缆的表面缺陷检测编的尤为重要，直接影响着海底通信系统的稳定性。

目前，针对海缆表面缺陷的识别主要从以下两个方面进行：（1）人工识别，长时间和高强度的人工作业，容易影响主观判断，识别精度低且识别效率低；（2）随着数字图像处理技术的发展，基于机器视觉的表面缺陷识别技术被提出，但通过研究发现，现有的表面缺陷识别技术会出现噪声和缺陷点无法正确分割，识别精度较低，有些缺陷无法被识别的情况。

发明内容

本申请提供了一种海缆表面缺陷识别的方法及系统，用于解决现有技术中海缆表面缺陷识别精度和识别效率较低的技术问题，达到对海缆表面缺陷的高精度、高效率识别，避免有缺陷海缆未被识别出来而被使用，进而造成巨大损失的技术效果。

鉴于上述问题，本申请提供了一种海缆表面缺陷识别的方法及系统。

第一方面，本申请实施例提供了一种海缆表面缺陷识别的方法，所述方法应用于智能识别系统，所述系统包括一图像采集设备，所述方法包括：通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；获得历史缺陷记录数据库；根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；对所述增强海缆特征图像通过边缘检测算法进行背景剔除；根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。

第二方面，本申请实施例提供了一种海缆表面缺陷识别的系统，所述系统包括：图像采集设备，通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；历史数据获取模块，所述历史数据获取模块用于获得历史缺陷记录数据库；数据分析模块，所述数据分析模块用于根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；特征提取模块，所述特征提取模块用于基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；增量处理模块，所述增量处理模块用于基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；背景剔除模块，所述背景剔除模块用于对所述增强海缆特征图像通过边缘检测算法进行背景剔除；缺陷特征识别模块，所述缺陷特征识别模块用于根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种海缆表面缺陷识别的方法及系统，通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；获得历史缺陷记录数据库；根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；对所述增强海缆特征图像通过边缘检测算法进行背景剔除；根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。解决了现有技术中海缆表面缺陷识别精度和识别效率较低的技术问题，达到对海缆表面缺陷的高精度、高效率识别，避免有缺陷海缆未被识别出来而被使用，进而造成巨大损失的技术效果。

附图说明

图1为本申请提供的一种海缆表面缺陷识别的方法的流程示意图；

图2为本申请提供的一种海缆表面缺陷识别的方法中获得增强海缆特征图像的流程示意图；

图3为本申请提供的一种海缆表面缺陷识别的方法中对所述增强海缆特征图像通过边缘检测算法进行背景剔除的流程示意图；

图4为本申请提供的一种海缆表面缺陷识别的系统结构示意图；

附图标记说明：图像采集设备100，历史数据获取模块200，数据分析模块300，特征提取模块400，增量处理模块500，背景剔除模块600，缺陷特征识别模块700。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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。

本申请通过提供一种海缆表面缺陷识别的方法及系统，用于解决现有技术中海缆表面缺陷识别精度和识别效率较低的技术问题，达到对海缆表面缺陷的高精度、高效率识别，避免有缺陷海缆未被识别出来而被使用，进而造成巨大损失的技术效果。

实施例一

如图1所示，本申请提供了一种海缆表面缺陷识别的方法，所述方法应用于智能识别系统，所述系统包括一图像采集设备，所述方法包括：

S100：通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；

具体而言，海缆是由光纤作为传输媒介，并满足一定光学、环境要求铺设在海底或者河流水下传输电力和互联网信息的通信线路。敷设在海底的海缆不但要能承受海底的压力，还要承受海水的长时间腐蚀，以及复杂的海底环境；海缆在敷设以及后期维修的难度较大，在海缆投入使用之前，对海缆的质量检测是至关重要的，直接影响到后期的维护成本以及通信系统的稳定性。

海缆在生产过程中，由于生产工艺或者其他因素都有可能导致海缆出现缺陷，为了达到对海缆表面缺陷的识别，本申请是实施例中利用图像采集设备对生产的海缆进行图像采集，为了实现对海缆各个位置的识别，利用图像采集设备对海缆进行多角度图像采集，获得海缆多角度图像集合，进而构建海缆多角度图像集，为后续对海缆表面缺陷识别提供数据基础。

进一步的，本申请实施例提供的方法中的步骤S100还包括：

S110：将海缆按照预设长度分区要求进行分区，获得海缆分区信息，并对所述海缆分区信息进行编码标记；

S120：分别对各海缆分区信息进行多角度拍摄范围分割，获得多角度拍摄范围；

S130：分别对所述多角度拍摄范围进行多尺寸拍摄特征点进行分析，确定多尺寸拍摄距离；

S140：基于所述多角度拍摄范围、所述多尺寸拍摄距离进行海缆多角度图像采集，并将采集获得的多角度图像信息与所述编码标记进行关联，构建所述海缆多角度图像集。

具体而言，海缆的长度较大，在海缆的生产线上，海缆以一定速度运行，为了实现对整条海缆不同位置表面缺陷的识别，将海缆按照预设长度分区要求进行分区，所述预设长度分区要求可以根据需求自行确定，获得海缆的分区信息，为了方便后续对分区区段信息的识别和处理，并对所述海缆分区信息进行编码标记；对各海缆分区信息进行多角度拍摄范围分割，获得多角度拍摄范围，实现从不同角度对分区后海缆进行完成的图像采集；对所述多角度拍摄范围进行多尺寸拍摄特征点进行分析，确定多尺寸拍摄距离，实现不同角度下，不同采集距离的确定，例如，是远距离图像采集还是近距离图像采集；最后，基于所述多角度拍摄范围、所述多尺寸拍摄距离进行海缆多角度图像采集，实现从不同角度，不同采集距离对分区后的海缆进行图像采集，并将采集获得的多角度图像信息与所述编码标记进行关联，构建所述海缆多角度图像集。

S200：获得历史缺陷记录数据库；

具体而言，海缆的表面缺陷常见的有小孔、鼓包、气泡、颈缩、刮痕以及变色等，通过大数据获得历史缺陷记录数据库，所述历史缺陷记录数据库中记载有各种海缆的表面缺陷类型、由于表面缺陷而造成的失效以及由于识别不到位，有些缺陷识别难度较大，未被识别到而造成的失效等数据，共同构成历史缺陷记录数据库。

S300：根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；

进一步的，本申请实施例提供的方法中的步骤S300还包括：

S310：根据所述历史缺陷记录数据库进行缺陷识别率计算，获得各缺陷识别概率；

S320：基于各缺陷识别概率进行概率排序，确定概率范围缺陷信息；

S330：根据所述概率范围缺陷信息得到对应的表面缺陷类型、缺陷特征；

S340：利用所述表面缺陷类型及其缺陷特征，获得所述表面缺陷检测难点集。

具体而言，海缆表面缺陷中有些缺陷不易被发现，检测难度较大，容易造成缺陷被遗漏，而产生漏检情况，进而将有缺陷的海缆被当做合格产品用于后续应用，造成巨大影响，例如，海缆表面缺陷上的小孔、细小的刮痕等等，根据所述历史缺陷记录数据库进行海缆各种缺陷识别率计算，获得各缺陷识别概率，基于各缺陷识别概率进行概率排序，确定概率范围缺陷信息，例如，根据历史缺陷记录数据库进行不同表面缺陷，如小孔、刮痕、鼓包、气泡、颈缩等对应的识别概率计算，然后根据缺陷识别概率大小进行概率排序，确定概率范围缺陷信息，所述概率范围缺陷信息能够反映出不同概率范围对应的表面缺陷类型以及缺陷特征，例如，根据历史缺陷记录数据库计算由于未识别到缺陷而造成影响的缺陷类型概率，如果未发现由于未识别到颈缩而造成不利影响，则颈缩的识别概率即为100%，如果因为未识别出小孔造成的不利影响的状况较多，则降低小孔的缺陷识别概率，根据缺陷识别概率大小进行概率排序，进而确定概率范围缺陷信息；根据所述概率范围缺陷信息得到对应的表面缺陷类型、缺陷特征；利用所述表面缺陷类型及其缺陷特征，获得所述表面缺陷检测难点集，在后续检测过程中重点对检测难点集进行检测，进而提高海缆表面缺陷识别的精度。

S400：基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；

具体而言，基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征，所述检测难点参数特征为历史缺陷记录数据库中不同难识别表面缺陷对应的图像进行特征提取后构成的集合。

S500：基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；

进一步的，如图2所示，本申请实施例提供的方法中的步骤S500还包括：

S510：基于所述检测难点参数特征对所述海缆多角度图像集进行范围粗标定，确定粗范围图像信息；

S520：通过对粗范围图像信息进行多层分解及滤波处理，确定多层分解图像，所述多层分解图像包括图像噪音、图像细节信息；

S530：对所述多层分解图像进行双边滤波，将滤波后的多层分解图像自下向上反向叠加回原粗范围图像信息，获得所述增强海缆特征图像。

具体而言，在利用图像采集设备对海缆进行图像采集过程中，由于电子元件受到周围工作环境的影响而产生干扰，会出现图像噪声，影响采集的图像质量，直接对海缆的采集图像进行处理，可能会因为噪声及光照度不均匀而产生虚假的特征点，为了达到对检测难点的精确识别，需要先对图像进行预处理，对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像。

具体的，基于所述检测难点对应的图像参数特征对所述海缆多角度图像集激进行范围粗标定，确定粗范围图像信息，提高数据处理效率，对于特征识别不出来的，则粗范围图像信息的确定直接采用多角度海缆原图进行处理，对原图直接进行特征增强处理，对于可以利用图像参数特征进行粗识别的图像，先进行粗识别将范围进行进一步缩小，以提高识别的效果。

进一步的，特征增强处理的过程具体为将多角度海缆图像进行分解，对细节特征进行增强：采用多层分解及滤波处理，例如，将海缆原始采集的多角度图像作为第一层图像，然后将第一层图像经过导向滤波，删除滤波后的图像的偶数行和列即下采样，进行降维后得到第二层图像，在第二层下采样后经过导向滤波得到第三层，将各层进行降维后，得到三层分解图。再对三层分解图进行升维处理，具体：利用第二层上采样进行升维并通过高斯滤波处理后得到的图像减去第一层图像，得到处理后第一层，第一层维度与原始像素维度相同，将第三层上采样后再进行高斯滤波得到的图像减去原第二层图像，得到处理后第二层图像，利用处理后第一层、处理后第二层图像构建所述多层分解图像，构建的层数不做限定，基于图像的维度还可以进行三层、四层分解图像的构建。

经过处理后的多层分解图像，其中包括图像噪音、图像细节信息；因而需要对图像进行去噪，以提升图像的特征增强效果，对所述多层分解图像进行双边滤波，将滤波后的多层分解图像自下向上反向叠加回原范围图像信息，具体的，若多层分解图像为两层，则利用第二层图像上采样的图片加上第一层图像，迭代到细节增强的海缆图像，若多层分解图像为三层，则由第三层的图像上采样进行升维，再加上第二层上采样升维图像，得到的结果再进行上采样升维，与第一层图像叠加，得到迭代的增强海缆特征图像，实现了对海缆图像的细节增强，利用对图像的多层分解，对图像细节层进行增强，达到对海缆多角度原始图像噪声的抑制和细节的增强的技术效果，为后续图像特征提取提供精确地数据支持。

S600：对所述增强海缆特征图像通过边缘检测算法进行背景剔除；

具体而言，在对海缆多角度原始图像集进行预处理之后，为了降低图像中背景图像对海缆表面缺陷识别结果的影响，造成缺陷分割不正确，需要进一步的对所述增强海缆特征图像进行背景剔除，利用海缆部分和背景部分灰度级的突变和纹理结构的异常变化之间的差异性，将海缆部分从图像中抠出来，本实施中的背景剔除方法通过边缘检测算法来完成。

进一步的，如图3所示，本申请实施例提供的方法中的步骤S600还包括：

S610：对所述增强海缆特征图像进行相邻像素值变化分析，确定图像像素变化梯度；

S620：基于所述图像像素变化梯度设定横向一阶差分矩阵、纵向一阶差分矩阵；

S630：将所述增强海缆特征图像分别与所述横向一阶差分矩阵、纵向一阶差分矩阵做卷积，得到图像亮度横纵方向的差分近似值；

S640：根据所述图像亮度横纵方向的差分近似值计算梯度，得到图像梯度值；

S650：获得梯度分割阈值，根据所述图像梯度值与梯度分割阈值的比较结果，确定图像边缘，利用所述图像边缘将背景剔除。

具体而言，利用边缘检测的方法对所述增强海缆特征图像进行相邻像素值变化分析，确定图像像素变化梯度，变化比较大的地方就是图像的边缘信息，基于所述图像像素变化梯度设定横向一阶差分矩阵、纵向一阶差分矩阵，将所述增强海缆特征图像分别与所述横向一阶差分矩阵、纵向一阶差分矩阵做卷积，得到图像亮度横纵方向的差分近似值，示例性的，将所述增强海缆特征图像分别与所述横向一阶差分矩阵、纵向一阶差分矩阵做卷积为将图像矩阵分别与横纵方向的一阶差分矩阵相乘获得；根据所述图像亮度横纵方向的差分近似值计算梯度，得到图像梯度值，获得梯度分割阈值，根据所述图像梯度值与梯度分割阈值的比较结果，确定图像边缘，利用所述图像边缘将背景剔除。其中图像梯度值的计算公式如下：

其中，

表示图像亮度横方向的差分近似值；/>

表示图像亮度纵方向的差分近似值。

通过边缘检测算法的应用可以精确的将海缆区域抽离出来，在减少了图像计算量的同时，增加了对海缆表面缺陷的识别精度。

S700：根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。

进一步的，本申请实施例提供的方法中的步骤S700还包括：

S710：根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行遍历对比，获得特征遍历对比结果；

S720：基于所述特征遍历对比结果确定缺陷特征标记位置，获得缺陷特征标记信息；

S730：将所述缺陷特征标记信息输入卷积深度学习模型，获得所述表面缺陷识别结果，其中，所述卷积深度学习模型为通过检测难点参数特征对应的历史缺陷记录数据库中的历史数据进行训练获得的。

具体而言，根据从历史缺陷记录数据库中获得的所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果，解决了现有技术中海缆表面缺陷识别精度和识别效率较低的技术问题，达到对海缆表面缺陷的高精度、高效率识别，避免有缺陷海缆未被识别出来而被使用，进而造成巨大损失的技术效果。

具体的，利用从历史缺陷记录数据库中获得的所述检测难点参数特征，例如，小孔、鼓包、刮痕等的参数特征作为比对数据，将利用增强处理和边缘检测算法进行背景剔除后的增强海缆特征图像与历史缺陷记录数据库中获得的检测难点参数特征进行一一特征对比，判断增强海缆特征图像中是否存在与检测难点参数特征相同或相近的特征，进而获得特征遍历对比结果，根据根据增强海缆特征图像中与检测难点参数特征比对的结果确定缺陷特征的标记位置，对缺陷特征位置进行标记，获得缺陷特征标记信息；利用卷积深度学习模型对缺陷特征标记信息进行处理，所述卷积深度学习模型为机器学习模型，所述卷积深度学习模型为通过检测难点参数特征对应的历史缺陷记录数据库中的历史数据进行训练获得的，能够利用数学数据不断收敛的特性进行分析，在实现数据智能处理的同时，提高数据处理结果的准确性，具体的，将所述缺陷特征标记信息输入该卷积深度学习模型中，利用卷积深度学习模型中的卷积层对输入的缺陷特征标记信息进行处理，获得所述表面缺陷识别结果，所述卷积深度学习模型达到了数据智能化处理，提高了表面缺陷识别结果的准确性，避免了有缺陷海缆未被识别出来而被使用的情况，进而造成巨大损失的技术效果。

进一步的，本申请实施例提供的方法还包括：

S810：根据所述检测难点参数特征、所述历史缺陷记录数据库进行识别角度关联性分析，确定各角度识别概率；

S820：基于所述各角度识别概率，确定多角度图像识别权重值；

S830：通过所述检测难点参数特征分别对海缆各角度图像对应的背景剔除后的增强海缆特征图像进行特征遍历比对，获得各角度图像的特征遍历对比结果；

S840：基于所述多角度图像识别权重值、所述各角度图像的特征遍历对比结果，进行缺陷特征识别可信度分析，确定各角度特征识别可信度；

S850：基于所述各角度特征识别可信度从所述各角度图像的特征遍历对比结果中，确定特征遍历对比结果。

具体而言，海缆多角度图像集中的多角度图像为不同采集距离的图像，对于有些缺陷来说远距离采集的图像可能更容易识别出缺陷，例如，颈缩，变色，但有的缺陷可能近距离采集更容易识别出缺陷，例如，小孔；本申请实施例中，根据所述检测难点参数特征、所述历史缺陷记录数据库进行识别角度关联性分析，确定各角度识别概率；基于所述各角度识别概率，确定多角度图像识别权重值，将多角度图像的识别概率相比得到的结果作为权重值；通过所述检测难点参数特征分别对海缆各角度图像对应的背景剔除后的增强海缆特征图像进行特征遍历比对，获得各角度图像的特征遍历对比结果；如有远距离的识别结果、近距离的识别结果，针对各缺陷难点对应的识别权重值来进行筛选，若该识别难点的远距离的概率大即准确性高时，则以远距离角度的图像识别的结果为最终结果，若缺陷类型需要近距离的识别准确性高即识别概率高，则在各图像的识别结果中以近距离的角度拍摄的图像的识别结果为准，各角度特征识别可信度即为各角度的识别准确性的高低，其与权重成正比，概率越大则可信度越高；基于所述各角度特征识别可信度从所述各角度图像的特征遍历对比结果中选择可信度高的识别特征作为特征遍历对比结果，可提升特征的可靠性，尤其针对缺陷检测难点，需要在特定的距离和角度才能实现缺陷的检测，针对不同的缺陷难点进行图像特征的场景化选择，更贴近缺陷的检测需求，以提升检测结果的精准度。

综上所述，本申请实施例所提供的一种海缆表面缺陷识别的方法具有如下技术效果：

1.本申请实施例提供的一种海缆表面缺陷识别的方法，通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；获得历史缺陷记录数据库；根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；对所述增强海缆特征图像通过边缘检测算法进行背景剔除；根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。解决了现有技术中海缆表面缺陷识别精度和识别效率较低的技术问题，达到对海缆表面缺陷的高精度、高效率识别，避免有缺陷海缆未被识别出来而被使用，进而造成巨大损失的技术效果。

2.本申请实施例中根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集，重点对检测难点进行缺陷识别，降低了海缆表面缺陷中有些缺陷不易被发现，检测难度较大，容易造成缺陷被遗漏，而产生漏检情况，进而将有缺陷的海缆被当做合格产品用于后续应用，造成巨大影响现象的发生。

3.本申请实施例中在对海缆对角度图像集进行处理前先利用特征增强处理技术对图像进行特征增强，达到对噪声的抑制和细节增强的效果，提高海缆表面缺陷识别的精确度。

4.本申请实施例中利用边缘检测的方法对所述增强海缆特征图像进行相邻像素值变化分析，通过边缘检测算法的应用可以精确的将海缆区域抽离出来，在减少了图像计算量的同时，增加了对海缆表面缺陷的识别精度。

实施例二

基于与前述实施例中一种海缆表面缺陷识别的方法相同的发明构思，如图4所示，本申请提供了一种海缆表面缺陷识别的系统，所述系统包括：

图像采集设备100，通过图像采集设备100对海缆进行多角度图像采集，构建海缆多角度图像集；

历史数据获取模块200，所述历史数据获取模块200用于获得历史缺陷记录数据库；

数据分析模块300，所述数据分析模块300用于根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；

特征提取模块400，所述特征提取模块400用于基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；

增量处理模块500，所述增量处理模块500用于基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；

背景剔除模块600，所述背景剔除模块600用于对所述增强海缆特征图像通过边缘检测算法进行背景剔除；

缺陷特征识别模块700，所述缺陷特征识别模块700用于根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果。

进一步的，所述系统中的图像采集设备100还用于：

将海缆按照预设长度分区要求进行分区，获得海缆分区信息，并对所述海缆分区信息进行编码标记；

分别对各海缆分区信息进行多角度拍摄范围分割，获得多角度拍摄范围；

分别对所述多角度拍摄范围进行多尺寸拍摄特征点进行分析，确定多尺寸拍摄距离；

基于所述多角度拍摄范围、所述多尺寸拍摄距离进行海缆多角度图像采集，并将采集获得的多角度图像信息与所述编码标记进行关联，构建所述海缆多角度图像集。

进一步的，所述系统中的数据分析模块300还用于：

根据所述历史缺陷记录数据库进行缺陷识别率计算，获得各缺陷识别概率；

基于各缺陷识别概率进行概率排序，确定概率范围缺陷信息；

根据所述概率范围缺陷信息得到对应的表面缺陷类型、缺陷特征；

利用所述表面缺陷类型及其缺陷特征，获得所述表面缺陷检测难点集。

进一步的，所述系统中的增量处理模块500还用于：

基于所述检测难点参数特征对所述海缆多角度图像集进行范围粗标定，确定粗范围图像信息；

通过对粗范围图像信息进行多层分解及滤波处理，确定多层分解图像，所述多层分解图像包括图像噪音、图像细节信息；

对所述多层分解图像进行双边滤波，将滤波后的多层分解图像自下向上反向叠加回原粗范围图像信息，获得所述增强海缆特征图像。

进一步的，所述系统中的背景剔除模块600还用于：

对所述增强海缆特征图像进行相邻像素值变化分析，确定图像像素变化梯度；

基于所述图像像素变化梯度设定横向一阶差分矩阵、纵向一阶差分矩阵；

将所述增强海缆特征图像分别与所述横向一阶差分矩阵、纵向一阶差分矩阵做卷积，得到图像亮度横纵方向的差分近似值；

根据所述图像亮度横纵方向的差分近似值计算梯度，得到图像梯度值；

获得梯度分割阈值，根据所述图像梯度值与梯度分割阈值的比较结果，确定图像边缘，利用所述图像边缘将背景剔除。

进一步的，所述系统中的缺陷特征识别模块700还用于：

根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行遍历对比，获得特征遍历对比结果；

基于所述特征遍历对比结果确定缺陷特征标记位置，获得缺陷特征标记信息；

将所述缺陷特征标记信息输入卷积深度学习模型，获得所述表面缺陷识别结果，其中，所述卷积深度学习模型为通过检测难点参数特征对应的历史缺陷记录数据库中的历史数据进行训练获得的。

进一步的，所述系统还包括：

角度识别概率模块，所述角度识别概率模块用于根据所述检测难点参数特征、所述历史缺陷记录数据库进行识别角度关联性分析，确定各角度识别概率；

识别权重值确定模块，所述识别权重值确定模块用于基于所述各角度识别概率，确定多角度图像识别权重值；

遍历模块，所述遍历模块用于通过所述检测难点参数特征分别对海缆各角度图像对应的背景剔除后的增强海缆特征图像进行特征遍历比对，获得各角度图像的特征遍历对比结果；

识别可信度确定模块，所述识别可信度确定模块用于基于所述多角度图像识别权重值、所述各角度图像的特征遍历对比结果，进行缺陷特征识别可信度分析，确定各角度特征识别可信度；

对比结果确定模块，所述对比结果确定模块用于基于所述各角度特征识别可信度从所述各角度图像的特征遍历对比结果中，确定特征遍历对比结果。

本申请上述实施例公开的模块的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。

专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种海缆表面缺陷识别的方法，其特征在于，所述方法应用于智能识别系统，所述系统包括一图像采集设备，所述方法包括：

通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；

获得历史缺陷记录数据库；

根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；

基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；

基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；

对所述增强海缆特征图像通过边缘检测算法进行背景剔除；

根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果；

其中，根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集，包括：

根据所述历史缺陷记录数据库进行缺陷识别率计算，获得各缺陷识别概率；

基于各缺陷识别概率进行概率排序，确定概率范围缺陷信息；

根据所述概率范围缺陷信息得到对应的表面缺陷类型、缺陷特征；

利用所述表面缺陷类型及其缺陷特征，获得所述表面缺陷检测难点集。

2.如权利要求1所述的方法，其特征在于，通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集，包括：

将海缆按照预设长度分区要求进行分区，获得海缆分区信息，并对所述海缆分区信息进行编码标记；

分别对各海缆分区信息进行多角度拍摄范围分割，获得多角度拍摄范围；

分别对所述多角度拍摄范围进行多尺寸拍摄特征点进行分析，确定多尺寸拍摄距离；

基于所述多角度拍摄范围、所述多尺寸拍摄距离进行海缆多角度图像采集，并将采集获得的多角度图像信息与所述编码标记进行关联，构建所述海缆多角度图像集。

3.如权利要求1所述的方法，其特征在于，基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像，包括：

基于所述检测难点参数特征对所述海缆多角度图像集进行范围粗标定，确定粗范围图像信息；

通过对粗范围图像信息进行多层分解及滤波处理，确定多层分解图像，所述多层分解图像包括图像噪音、图像细节信息；

对所述多层分解图像进行双边滤波，将滤波后的多层分解图像自下向上反向叠加回原粗范围图像信息，获得所述增强海缆特征图像。

4.如权利要求1所述的方法，其特征在于，对所述增强海缆特征图像通过边缘检测算法进行背景剔除，包括：

对所述增强海缆特征图像进行相邻像素值变化分析，确定图像像素变化梯度；

基于所述图像像素变化梯度设定横向一阶差分矩阵、纵向一阶差分矩阵；

将所述增强海缆特征图像分别与所述横向一阶差分矩阵、纵向一阶差分矩阵做卷积，得到图像亮度横纵方向的差分近似值；

根据所述图像亮度横纵方向的差分近似值计算梯度，得到图像梯度值；

获得梯度分割阈值，根据所述图像梯度值与梯度分割阈值的比较结果，确定图像边缘，利用所述图像边缘将背景剔除。

5.如权利要求1所述的方法，其特征在于，根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果，包括：

根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行遍历对比，获得特征遍历对比结果；

基于所述特征遍历对比结果确定缺陷特征标记位置，获得缺陷特征标记信息；

将所述缺陷特征标记信息输入卷积深度学习模型，获得所述表面缺陷识别结果，其中，所述卷积深度学习模型为通过检测难点参数特征对应的历史缺陷记录数据库中的历史数据进行训练获得的。

6.如权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述检测难点参数特征、所述历史缺陷记录数据库进行识别角度关联性分析，确定各角度识别概率；

基于所述各角度识别概率，确定多角度图像识别权重值；

通过所述检测难点参数特征分别对海缆各角度图像对应的背景剔除后的增强海缆特征图像进行特征遍历比对，获得各角度图像的特征遍历对比结果；

基于所述多角度图像识别权重值、所述各角度图像的特征遍历对比结果，进行缺陷特征识别可信度分析，确定各角度特征识别可信度；

基于所述各角度特征识别可信度从所述各角度图像的特征遍历对比结果中，确定特征遍历对比结果。

7.一种海缆表面缺陷识别的系统，其特征在于，所述系统包括：

图像采集设备，通过图像采集设备对海缆进行多角度图像采集，构建海缆多角度图像集；

历史数据获取模块，所述历史数据获取模块用于获得历史缺陷记录数据库；

数据分析模块，所述数据分析模块用于根据所述历史缺陷记录数据库进行表面缺陷检测困难度分析，确定表面缺陷检测难点集；

特征提取模块，所述特征提取模块用于基于所述表面缺陷检测难点集进行检测参数特征提取，构建检测难点参数特征；

增量处理模块，所述增量处理模块用于基于所述检测难点参数特征对所述海缆多角度图像集进行特征增强处理，获得增强海缆特征图像；

背景剔除模块，所述背景剔除模块用于对所述增强海缆特征图像通过边缘检测算法进行背景剔除；

缺陷特征识别模块，所述缺陷特征识别模块用于根据所述检测难点参数特征对背景剔除后的增强海缆特征图像进行缺陷特征识别并标记，基于标记缺陷特征确定表面缺陷识别结果；

其中，所述数据分析模块还用于：根据所述历史缺陷记录数据库进行缺陷识别率计算，获得各缺陷识别概率；

基于各缺陷识别概率进行概率排序，确定概率范围缺陷信息；

根据所述概率范围缺陷信息得到对应的表面缺陷类型、缺陷特征；

利用所述表面缺陷类型及其缺陷特征，获得所述表面缺陷检测难点集。

Images