CN116843687A - 一种通信光缆表面瑕疵检测方法及装置 - Google Patents
一种通信光缆表面瑕疵检测方法及装置 Download PDFInfo
- Publication number
- CN116843687A CN116843687A CN202311118014.9A CN202311118014A CN116843687A CN 116843687 A CN116843687 A CN 116843687A CN 202311118014 A CN202311118014 A CN 202311118014A CN 116843687 A CN116843687 A CN 116843687A
- Authority
- CN
- China
- Prior art keywords
- image
- flaw
- optical cable
- pixel
- flaws
- 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.)
- Pending
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 48
- 238000004891 communication Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 16
- 230000002950 deficient Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
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
本发明提供一种通信光缆表面瑕疵检测方法及装置，涉及光缆检测技术领域，所述方法包括：获取光缆表面图像；对所述光缆表面图像进行预处理，以得到预处理数据；采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；采用分割算法对增强图像进行瑕疵分割，以得到分割图像；对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。本发明能够准确检测光缆表面瑕疵，且能够适应各种不同瑕疵形状和大小。
Description
技术领域
本发明涉及光缆检测技术领域，特别是指一种通信光缆表面瑕疵检测方法及装置。
背景技术
通信光缆是现代通信网络的重要组成部分，其质量直接影响到通信的稳定性和传输效率。光缆表面的瑕疵，如划痕、凹陷、气泡等，可能会导致光缆的性能下降，甚至引起通信故障。因此，对光缆表面进行瑕疵检测是确保其质量的关键步骤。
传统的光缆瑕疵检测方法有的还是依赖于人工视觉检查，这种方法不仅效率低，而且容易出错，不能满足大规模生产的需求。随着计算机视觉技术的发展，自动化的光缆瑕疵检测方法逐渐受到关注。但是，由于光缆表面的复杂性，如光线反射、颜色不均等，使得自动化检测仍然面临许多挑战。
发明内容
本发明要解决的技术问题是提供一种通信光缆表面瑕疵检测方法及装置，能够准确检测光缆表面瑕疵，且能够适应各种不同瑕疵形状和大小。
为解决上述技术问题，本发明的技术方案如下：
第一方面，一种通信光缆表面瑕疵检测方法，所述方法包括：
获取光缆表面图像；
对所述光缆表面图像进行预处理，以得到预处理数据；
采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；
采用分割算法对增强图像进行瑕疵分割，以得到分割图像；
对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
进一步的，对所述光缆表面图像进行预处理，以得到预处理数据，包括：
对原始光缆表面图像进行裁剪，以得到裁剪后图像，其中，计算公式为：，和分别是裁剪后图像的宽度和高度， (，) 为裁
剪的起点，(，) 为裁剪的终点；
通过对所述裁剪后图像进
行图像缩放，以得到新图像，其中，是新图像中位置(x', y')的像素值；是权重
系数；是通过最近邻插值计算得到的新图像中位置(x', y')的像素值；是通过双线性插值计算得到的新图像中位置(x', y')的像素值；(x', y')是新
图像中的坐标，表示正在计算的像素位置。
进一步的，权重系数的取值范围为。
进一步的，对所述光缆表面图像进行预处理，以得到预处理数据，还包括：
使用滤波器过滤所述新图像中的噪声，以得到除噪图像；
根据所述除噪图像，调整所述除噪图像的对比度和亮度，以得到预处理图像。
进一步的，采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理，包括：
对所述预处理图像进行统计分析，计算所述预处理图像的像素值的基本参数；
根据所述基本参数，确定一个动态调整因子；
使用弱边缘瑕疵增强算法，对预处理数据进行处理；
根据所述动态调整因子以及所述弱边缘瑕疵增强算法，计算得到经过弱边缘瑕疵增强和动态调整处理后的增强图像。
进一步的，采用分割算法对增强图像进行瑕疵分割，以得到分割图像，包括：
获取所述增强图像中的每一个像素，如果所述像素亮度≥预设的阈值，则所述像素为瑕疵；如果所述像素亮度＜预设的阈值，则所述像素为正常区域。
进一步的，对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小，包括：
使用边缘检测算法找到分割图像中瑕疵区域的边缘；
通过边缘跟踪技术，找到每个瑕疵区域的轮廓；
识别图像中的每个瑕疵区域的轮廓；
标记每个瑕疵区域的轮廓，并计算每个瑕疵区域的大小、形状和位置。
第二方面，一种通信光缆表面瑕疵检测装置，包括：
获取模块，用于获取光缆表面图像；对所述光缆表面图像进行预处理，以得到预处理数据；采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；
处理模块，用于采用分割算法对增强图像进行瑕疵分割，以得到分割图像；对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
第三方面，一种计算设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过高分辨率扫描或摄像，得到了光缆表面的详细图像，捕捉了所有可能的瑕疵和特征。通过滤波、对比度调整等方法去除图像中的噪声和不必要的信息，突出瑕疵特征，图像变得更加清晰；通过特定的算法识别并增强弱边缘瑕疵，动态调整因子确保了增强的灵活性和精确性，弱边缘瑕疵被明显突出，使得即使是细微的瑕疵也能被后续步骤捕捉。动态调整因子的使用使得增强过程能够适应不同类型和程度的瑕疵。瑕疵区域被准确地隔离和标识，为后续的分析提供了清晰的目标区域，大大提高了分析的准确性和效率。通过轮廓搜索和几何拟合方法，精确描述瑕疵的形状和大小。通过从捕获原始图像到精确描述瑕疵的形状和大小，实现了对光缆表面瑕疵的全面、精确和高效检测。
附图说明
图1是本发明的实施例提供的通信光缆表面瑕疵检测方法的流程示意图。
图2是本发明的实施例提供的通信光缆表面瑕疵检测装置示意图。
具体实施方式
下面将参照附图更细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出一种通信光缆表面瑕疵检测方法，所述方法包括：
步骤11，获取光缆表面图像；
步骤12，对所述光缆表面图像进行预处理，以得到预处理数据；
步骤13，采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；
步骤14，采用分割算法对增强图像进行瑕疵分割，以得到分割图像；
步骤15，对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
在本发明实施例中，通过高分辨率扫描或摄像，得到了光缆表面的详细图像，捕捉了所有可能的瑕疵和特征。通过滤波、对比度调整等方法去除图像中的噪声和不必要的信息，突出瑕疵特征，图像变得更加清晰；通过特定的算法识别并增强弱边缘瑕疵，动态调整因子确保了增强的灵活性和精确性，弱边缘瑕疵被明显突出，使得即使是细微的瑕疵也能被后续步骤捕捉。动态调整因子的使用使得增强过程能够适应不同类型和程度的瑕疵。瑕疵区域被准确地隔离和标识，为后续的分析提供了清晰的目标区域，大大提高了分析的准确性和效率。通过轮廓搜索和几何拟合方法，精确描述瑕疵的形状和大小。通过从捕获原始图像到精确描述瑕疵的形状和大小，实现了对光缆表面瑕疵的全面、精确和高效检测。
在本发明一优选的实施例中，对所述光缆表面图像进行预处理，以得到预处理数据，包括：
对原始光缆表面图像进行裁剪，以得到裁剪后图像，其中，计算公式为：，和分别是裁剪后图像的宽度和高度， (，) 为裁剪
的起点，(，) 为裁剪的终点；
通过对所述裁剪后图像进
行图像缩放，以得到新图像，其中，是新图像中位置(x', y')的像素值；是权重
系数；是通过最近邻插值计算得到的新图像中位置(x', y')的像素值；是通过双线性插值计算得到的新图像中位置(x', y')的像素值；(x', y')是新
图像中的坐标，表示正在计算的像素位置，权重系数的取值范围为。
在本发明实施例中，对原始光缆表面图像进行裁剪，裁剪原始图像，只保留感兴趣
的区域，从而减少不必要的信息和计算量。对裁剪后图像进行图像缩放，根据需要调整图像
的尺寸，使其适应后续处理或显示的需求。权重系数的取值范围为0到1，决定了两种插值
方法的混合程度，当α为1时，完全使用最近邻插值；当为0时，完全使用双线性插值。这种预
处理方法的优点是，它可以根据实际需求灵活地调整图像的尺寸和质量，通过结合两种插
值方法，可以在保持图像质量的同时，实现快速和高效的图像缩放。
在本发明一优选的实施例中，对所述光缆表面图像进行预处理，以得到预处理数据，还包括：
使用滤波器过滤所述新图像中的噪声，以得到除噪图像；
根据所述除噪图像，调整所述除噪图像的对比度和亮度，以得到预处理图像。
在本发明实施例中，使用滤波器过滤新图像中的噪声，去除图像中的噪声，提高图像的质量，得到了除噪图像。调整除噪图像的对比度和亮度，根据实际需求调整图像的对比度和亮度，使图像更加清晰，细节更加突出。得到预处理图像。对比度调整可以使图像中的明暗部分更加分明，而亮度调整可以使整个图像变得更亮或更暗。这两个步骤通常使用直方图均衡化、线性或非线性变换等方法来实现。这个预处理流程首先对原始光缆表面图像进行裁剪，然后对裁剪后的图像进行缩放，接着使用滤波器去除噪声，最后调整对比度和亮度。这样的预处理流程可以确保光缆表面图像的质量，为后续的分析和处理提供高质量的输入数据。
在本发明一优选的实施例中，采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理，包括：
对所述预处理图像进行统计分析，计算所述预处理图像的像素值的基本参数；
根据所述基本参数，确定一个动态调整因子；
使用弱边缘瑕疵增强算法，对预处理数据进行处理；
根据所述动态调整因子以及所述弱边缘瑕疵增强算法，计算得到经过弱边缘瑕疵增强和动态调整处理后的增强图像。
在本发明实施例中，对预处理图像进行统计分析，计算所述预处理图像的像素值的基本参数，通过统计分析，可以了解图像的基本特性，如平均像素值、标准差、最大值和最小值等，得到图像的基本参数，这些参数为后续的处理提供了基础数据；根据所述基本参数，确定一个动态调整因子，动态调整因子是根据图像的基本参数计算得出的，用于后续的弱边缘瑕疵增强算法中，以确保增强的效果更加符合实际需求，得到一个与图像内容相关的动态调整因子；使用弱边缘瑕疵增强算法，对预处理数据进行处理，弱边缘瑕疵增强算法可以增强图像中的微小细节，使得边缘和瑕疵更加明显，图像中的弱边缘和瑕疵得到增强；根据所述动态调整因子以及所述弱边缘瑕疵增强算法，计算得到经过弱边缘瑕疵增强和动态调整处理后的增强图像，结合动态调整因子和弱边缘瑕疵增强算法，可以得到更加符合实际需求的增强图像，得到的增强图像在细节上更加丰富，边缘和瑕疵更加明显。在这个实施例中，首先对预处理图像进行了统计分析，得到了图像的基本参数。然后根据这些参数确定了一个动态调整因子。接着使用弱边缘瑕疵增强算法对图像进行处理，最后结合动态调整因子得到了增强图像。这样的处理流程可以确保图像的细节得到增强，同时也保证了增强的效果更加符合实际需求。
在本发明一优选的实施例中，采用分割算法对增强图像进行瑕疵分割，以得到分割图像，包括：
获取所述增强图像中的每一个像素，如果所述像素亮度≥预设的阈值，则所述像素为瑕疵；如果所述像素亮度＜预设的阈值，则所述像素为正常区域。
在本发明一优选的实施例中，对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小，包括：
使用边缘检测算法找到分割图像中瑕疵区域的边缘；
通过边缘跟踪技术，找到每个瑕疵区域的轮廓；
识别图像中的每个瑕疵区域的轮廓；
标记每个瑕疵区域的轮廓，并计算每个瑕疵区域的大小、形状和位置。
在本发明实施例中，获取所述增强图像中的每一个像素，为了对每一个像素进行瑕疵判断，首先需要获取增强图像中的每一个像素，得到增强图像的所有像素数据，为后续的瑕疵分割提供了基础数据；如果所述像素亮度≥预设的阈值，则所述像素为瑕疵，通过设置一个预设的亮度阈值，可以对像素进行分类。亮度高于或等于这个阈值的像素被认为是瑕疵，能够识别出图像中的瑕疵区域；如果所述像素亮度＜预设的阈值，则所述像素为正常区域，与上一步相反，亮度低于预设阈值的像素被认为是正常的，没有瑕疵，能够识别出图像中的正常区域。在这个实施例中，通过设置一个预设的亮度阈值，对增强图像中的每一个像素进行了瑕疵判断。像素亮度高于或等于阈值的被认为是瑕疵，而亮度低于阈值的被认为是正常区域。这样的分割算法简单而有效，可以快速地对图像中的瑕疵进行定位和识别。
如图2所示，本发明的实施例还提供一种通信光缆表面瑕疵检测装置20，包括：
获取模块21，用于获取光缆表面图像；对所述光缆表面图像进行预处理，以得到预处理数据；采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；
处理模块22，用于采用分割算法对增强图像进行瑕疵分割，以得到分割图像；对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
可选的，对所述光缆表面图像进行预处理，以得到预处理数据，包括：
对原始光缆表面图像进行裁剪，以得到裁剪后图像，其中，计算公式为：，和分别是裁剪后图像的宽度和高度，(，)为裁剪
的起点，(，)为裁剪的终点；
通过对所述裁剪后图像进
行图像缩放，以得到新图像，其中，是新图像中位置(x', y')的像素值；是权重
系数；是通过最近邻插值计算得到的新图像中位置(x', y')的像素值；是通过双线性插值计算得到的新图像中位置(x', y')的像素值；(x', y')是新
图像中的坐标，表示正在计算的像素位置。
可选的，权重系数的取值范围为。
可选的，对所述光缆表面图像进行预处理，以得到预处理数据，还包括：
使用滤波器过滤所述新图像中的噪声，以得到除噪图像；
根据所述除噪图像，调整所述除噪图像的对比度和亮度，以得到预处理图像。
可选的，采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理，包括：
对所述预处理图像进行统计分析，计算所述预处理图像的像素值的基本参数；
根据所述基本参数，确定一个动态调整因子；
使用弱边缘瑕疵增强算法，对预处理数据进行处理；
根据所述动态调整因子以及所述弱边缘瑕疵增强算法，计算得到经过弱边缘瑕疵增强和动态调整处理后的增强图像。
可选的，采用分割算法对增强图像进行瑕疵分割，以得到分割图像，包括：
获取所述增强图像中的每一个像素，如果所述像素亮度≥预设的阈值，则所述像素为瑕疵；如果所述像素亮度＜预设的阈值，则所述像素为正常区域。
可选的，对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小，包括：
使用边缘检测算法找到分割图像中瑕疵区域的边缘；
通过边缘跟踪技术，找到每个瑕疵区域的轮廓；
识别图像中的每个瑕疵区域的轮廓；
标记每个瑕疵区域的轮廓，并计算每个瑕疵区域的大小、形状和位置。
需要说明的是，该装置是与上述方法相对应的装置，上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，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发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，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发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种通信光缆表面瑕疵检测方法，其特征在于，所述方法包括：获取光缆表面图像；对所述光缆表面图像进行预处理，以得到预处理数据；采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；采用分割算法对增强图像进行瑕疵分割，以得到分割图像；对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
2.根据权利要求1所述的通信光缆表面瑕疵检测方法，其特征在于，对所述光缆表面图像进行预处理，以得到预处理数据，包括：对原始光缆表面图像进行裁剪，以得到裁剪后图像，其中，计算公式为：，/>和/>分别是裁剪后图像的宽度和高度，(/>，/>)为裁剪的起点，(/>，/>)为裁剪的终点；通过对所述裁剪后图像进行图像缩放，以得到新图像，其中，/>是新图像中位置(x', y')的像素值；/>是权重系数；是通过最近邻插值计算得到的新图像中位置(x', y')的像素值；/>是通过双线性插值计算得到的新图像中位置(x', y')的像素值；(x', y')是新图像中的坐标，表示正在计算的像素位置。
3.根据权利要求2所述的通信光缆表面瑕疵检测方法，其特征在于，权重系数的取值范围为/>。
4.根据权利要求3所述的通信光缆表面瑕疵检测方法，其特征在于，对所述光缆表面图像进行预处理，以得到预处理数据，还包括：使用滤波器过滤所述新图像中的噪声，以得到除噪图像；根据所述除噪图像，调整所述除噪图像的对比度和亮度，以得到预处理图像。
5.根据权利要求4所述的通信光缆表面瑕疵检测方法，其特征在于，采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理，包括：对所述预处理图像进行统计分析，计算所述预处理图像的像素值的基本参数；根据所述基本参数，确定一个动态调整因子；使用弱边缘瑕疵增强算法，对预处理数据进行处理；根据所述动态调整因子以及所述弱边缘瑕疵增强算法，计算得到经过弱边缘瑕疵增强和动态调整处理后的增强图像。
6.根据权利要求5所述的通信光缆表面瑕疵检测方法，其特征在于，采用分割算法对增强图像进行瑕疵分割，以得到分割图像，包括：获取所述增强图像中的每一个像素，如果所述像素亮度≥预设的阈值，则所述像素为瑕疵；如果所述像素亮度＜预设的阈值，则所述像素为正常区域。
7.根据权利要求6所述的通信光缆表面瑕疵检测方法，其特征在于，对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小，包括：使用边缘检测算法找到分割图像中瑕疵区域的边缘；通过边缘跟踪技术，找到每个瑕疵区域的轮廓；识别图像中的每个瑕疵区域的轮廓；标记每个瑕疵区域的轮廓，并计算每个瑕疵区域的大小、形状和位置。
8.一种通信光缆表面瑕疵检测装置，其特征在于，包括：获取模块，用于获取光缆表面图像；对所述光缆表面图像进行预处理，以得到预处理数据；采用弱边缘瑕疵增强算法，并结合动态调整因子对预处理数据中的边缘瑕疵进行处理；处理模块，用于采用分割算法对增强图像进行瑕疵分割，以得到分割图像；对分割图像进行轮廓搜索，并通过拟合方法获取瑕疵的形状和大小。
9.一种计算设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118014.9A CN116843687A (zh) | 2023-09-01 | 2023-09-01 | 一种通信光缆表面瑕疵检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118014.9A CN116843687A (zh) | 2023-09-01 | 2023-09-01 | 一种通信光缆表面瑕疵检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116843687A true CN116843687A (zh) | 2023-10-03 |
Family
ID=88163880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311118014.9A Pending CN116843687A (zh) | 2023-09-01 | 2023-09-01 | 一种通信光缆表面瑕疵检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843687A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140000044A (ko) * | 2012-06-22 | 2014-01-02 | 김주형 | 이미지 프로세싱을 이용한 단열재 설치 하자 예측 시스템 및 방법 |
| CN108280823A (zh) * | 2017-12-29 | 2018-07-13 | 南京邮电大学 | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 |
| CN110660040A (zh) * | 2019-07-24 | 2020-01-07 | 浙江工业大学 | 一种基于深度学习的工业品不规则缺陷检测方法 |
| CN113030108A (zh) * | 2021-03-08 | 2021-06-25 | 哈尔滨工程大学 | 一种基于机器视觉的涂层缺陷检测系统与方法 |
| CN113139526A (zh) * | 2021-05-21 | 2021-07-20 | 一汽奔腾轿车有限公司 | 一种基于OpenCV的停车泊位线识别方法 |
| WO2021212693A1 (zh) * | 2020-04-23 | 2021-10-28 | 北京华科创智健康科技股份有限公司 | 一种融合Gabor小波的多尺度局部水平集超声图像分割方法 |
| EP4064226A1 (en) * | 2021-03-23 | 2022-09-28 | Ricoh Company, Ltd. | Image processing apparatus, image processing method, and carrier means |
| EP4071665A1 (en) * | 2019-12-05 | 2022-10-12 | Canaan Bright Sight Co., Ltd. | Character segmentation method and apparatus, and computer-readable storage medium |
| CN116660286A (zh) * | 2023-04-24 | 2023-08-29 | 上海电机学院 | 基于图像分割的线束剥头测量与缺陷检测方法及系统 |
-
2023
- 2023-09-01 CN CN202311118014.9A patent/CN116843687A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140000044A (ko) * | 2012-06-22 | 2014-01-02 | 김주형 | 이미지 프로세싱을 이용한 단열재 설치 하자 예측 시스템 및 방법 |
| CN108280823A (zh) * | 2017-12-29 | 2018-07-13 | 南京邮电大学 | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 |
| CN110660040A (zh) * | 2019-07-24 | 2020-01-07 | 浙江工业大学 | 一种基于深度学习的工业品不规则缺陷检测方法 |
| EP4071665A1 (en) * | 2019-12-05 | 2022-10-12 | Canaan Bright Sight Co., Ltd. | Character segmentation method and apparatus, and computer-readable storage medium |
| WO2021212693A1 (zh) * | 2020-04-23 | 2021-10-28 | 北京华科创智健康科技股份有限公司 | 一种融合Gabor小波的多尺度局部水平集超声图像分割方法 |
| CN113030108A (zh) * | 2021-03-08 | 2021-06-25 | 哈尔滨工程大学 | 一种基于机器视觉的涂层缺陷检测系统与方法 |
| EP4064226A1 (en) * | 2021-03-23 | 2022-09-28 | Ricoh Company, Ltd. | Image processing apparatus, image processing method, and carrier means |
| CN113139526A (zh) * | 2021-05-21 | 2021-07-20 | 一汽奔腾轿车有限公司 | 一种基于OpenCV的停车泊位线识别方法 |
| CN116660286A (zh) * | 2023-04-24 | 2023-08-29 | 上海电机学院 | 基于图像分割的线束剥头测量与缺陷检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| CN110378902B (zh) | 一种高噪声背景下的划痕检测方法 | |
| CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
| CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
| CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
| CN112365448B (zh) | 一种经编织造过程中的织物疵点检测方法 | |
| CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
| CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN113947598B (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及系统 | |
| CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
| CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
| CN110186929A (zh) | 一种实时的产品瑕疵定位方法 | |
| CN107478656B (zh) | 基于机器视觉的纸浆搅拌效果检测评价方法、装置、系统 | |
| CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
| CN117115171A (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
| CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| CN116843687A (zh) | 一种通信光缆表面瑕疵检测方法及装置 | |
| CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
| CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
| CN111882537B (zh) | 视觉检测方法及系统 | |
| Zhang et al. | A LCD screen Mura defect detection method based on machine vision | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 |