CN117969552B - 一种基于人工智能计算机视觉处理的光缆缺陷检测设备 - Google Patents

一种基于人工智能计算机视觉处理的光缆缺陷检测设备

Info

Publication number
CN117969552B
CN117969552B CN202410155775.XA CN202410155775A CN117969552B CN 117969552 B CN117969552 B CN 117969552B CN 202410155775 A CN202410155775 A CN 202410155775A CN 117969552 B CN117969552 B CN 117969552B
Authority
CN
China
Prior art keywords
optical cable
aerial vehicle
unmanned aerial
defects
defect
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
Application number
CN202410155775.XA
Other languages
English (en)
Other versions
CN117969552A (zh
Inventor
赖志超
黄钿捷
林丽速
谢宇宸
连宇瀚
王瑞璜
李俊
李元九
邹维福
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Fujian Electric Power Co Ltd
Quanzhou Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Quanzhou Power Supply Co of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Fujian Electric Power Co Ltd, Quanzhou Power Supply Co of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202410155775.XA priority Critical patent/CN117969552B/zh
Publication of CN117969552A publication Critical patent/CN117969552A/zh
Application granted granted Critical
Publication of CN117969552B publication Critical patent/CN117969552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • B64D47/02—Arrangements or adaptations of signal or lighting devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • B64U10/14—Flying platforms with four distinct rotor axes, e.g. quadcopters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B64U20/87—Mounting of imaging devices, e.g. mounting of gimbals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提出一种基于人工智能计算机视觉处理的光缆缺陷检测设备，包括：无人机（1）：所述无人机（1）机体内部固定连接有处理器和存储件；摄像头（4）：所述摄像头（4）成对设置，且固定安装在无人机（1）底部；探照灯（5）：所述探照灯（5）固定安装在无人机（1）底部；所述摄像头与处理器相连，形成用于对光缆进行不同角度拍摄的机器视觉组件，所述处理器通过无人机的人工智能计算机视觉处理算法对机器视觉组件的拍摄图像进行分析，以检测光缆缺陷；本发明能通过无人机内置的机器视觉算法对架设于高处的光缆进行缺陷检测，并根据高处光缆的施工因素和实际老化因素自动对光缆图像进行缺陷点标记。

Description

一种基于人工智能计算机视觉处理的光缆缺陷检测设备
技术领域
本发明涉及光缆检测技术领域，尤其是一种基于人工智能计算机视觉处理的光缆缺陷检测设备。
背景技术
随着国民经济的快速增长和人民生活水平的不断提高，信息化逐渐改变我们的生活，信息化生活的发展与改变都离不开光缆，光缆能够通过光线传递信息。
目前常用的光缆缺陷检测技术仅能够对未使用的光缆进行检测，而未使用的光缆一般都会经过出厂与进厂检验，而且未使用的光缆缺陷一般较少，而实际运营中，一些架设在高空的光缆，由于风吹日晒会出现表皮龟裂现象，但是由于光缆是架设在高处，检修人员不便对高处的光缆进行缺陷检测。
发明内容
本发明提出一种基于人工智能计算机视觉处理的光缆缺陷检测设备，能通过无人机内置的机器视觉算法对架设于高处的光缆进行缺陷检测，并根据高处光缆的施工因素和实际老化因素自动对光缆图像进行缺陷点标记。
本发明采用以下技术方案。
一种基于人工智能计算机视觉处理的光缆缺陷检测设备，包括：
无人机（1）：所述无人机（1）机体内部固定连接有处理器和存储件；
摄像头（4）：所述摄像头（4）成对设置，且固定安装在无人机（1）底部；
探照灯（5）：所述探照灯（5）固定安装在无人机（1）底部；
所述摄像头与处理器相连，形成用于对光缆进行不同角度拍摄的机器视觉组件，所述处理器通过无人机的人工智能计算机视觉处理算法对机器视觉组件的拍摄图像进行分析，以检测光缆缺陷。
所述无人机包括：
机盖（2）：所述机盖（2）卡接在无人机（1）顶部；
支架（3）：所述支架（3）设置有两个，且两个所述支架（3）固定安装在无人机（1）底部；
所述支架（3）高度大于摄像头（4）和探照灯（5）的高度。
所述摄像头（4）设置有两个，且两个所述摄像头（4）设置在支架（3）之间。
所述人工智能计算机视觉处理算法内置于无人机中，其运算步骤包括；
步骤S1、光缆图像采集：控制无人机（1）飞到光缆上方，通过两个摄像头（4）对光缆进行不同角度的拍摄；
步骤S2、图像处理：摄像头（4）拍摄得到的光缆数据传递给无人机（1）处理器；
步骤S3、缺陷检测：无人机（1）处理器对摄像头（4）拍摄的照片进行分析；
步骤S4、缺陷标记：无人机（1）对光缆上缺陷位置进行数字标记；
步骤S5、缺陷报告：无人机（1）处理器对标记的缺陷进行诊断分类，生成缺陷报告。
所述S1中，所述探照灯为能发出不同颜色光的灯具，当机器视觉组件的摄像头对光缆拍摄时，探照灯对光缆照明。
所述步骤S2中图像处理中，具体包括以下步骤：
步骤S2.1、对摄像头（4）拍摄原始图片进行像素亮度变换，对比亮度变换之后的图片与原始图片，标记光缆图片亮度差异较大的点位；
步骤S2.2、对摄像头（4）拍摄的原始图片进行灰度变换，然后将灰度变换之后的图片与原始图片进行重叠，标记光缆图片上差异点位置；
步骤S2.3、将亮度变换图片标记点位与灰度变换图片标记点位作对比，标注重复的标记点。
所述S3中，对标注的重复标记点进行视觉检查，以判断光缆缺陷种类。
所述判断光缆缺陷种类的方法包括；
方法A1、设架设在高处的光缆两端受到拉扯会伸直使光缆不存在弯折，而且正常光缆外包皮是光滑的，因此摄像头拍摄的正常光缆表面照片应当是光滑的，所述机器视觉组件的两个摄像头以不同的角度拍摄光缆，当两个摄像头拍摄的光缆表面照片不光滑且差异度大于阈值时，既表示光缆表面存在异常；
方法A2、为了进一步清晰拍摄光缆表面缺陷，探照灯采用不同颜色灯光对光缆照明，使不同颜色灯光照射在光缆表面后拍摄的照片能够更为清晰的展现光缆表面缺陷，避免将一些光照误差当做光缆异常处理，当光缆表面存在凸起和裂纹缺陷时，光线照射在光缆上反射的角度不同，光缆表面光滑处反射光线较强，裂纹处反射光线较为暗淡，凸起处反射光线较强，凹陷处反射光线较为暗淡。
方法A3、拍摄的光缆照片经过无人机处理器处理以去除光线因素对于光缆表面的影响，尽可能的保留光缆本身结构对于照片光线的影响，之后对光缆照片进行缺陷分析，处理器内置有光缆表面缺陷的照片数据库，光缆表面存在的多种不同的缺陷均在照片数据库内对应不同的照片，判断光缆缺陷种类时，先设定对比阈值X，将拍摄的照片与储存的照片做对比，当拍摄照片与储存照片的的差异值低于对比阈值X时，判定拍摄照片存在储存照片对应的缺陷，当拍摄照片与储存照片的的差异值高于对比阈值X时，重新选择对比的储存照片，如果全部储存照片对比结果均不符合，则保留光缆照片图像等待后续人工处理，通过相似度判断拍摄光缆的缺陷，确定拍摄光缆缺陷之后，对光缆缺陷的数量和种类做标记，然后根据数量、种类、危害程度等指标生成光缆缺陷报告，同时人工介入对未能识别的光缆缺陷图像做特征识别，识别之后的光缆缺陷及对应图像导入照片数据库中，丰富照片数据库；
方法A4、所述对标注的重复标记点进行视觉检查的方法包括灰度变换和亮度变换，通过灰度变换和亮度变换来消除光线对于光缆表面的影响，如果经处理后，光缆表面图像仍然存在重复的标记点，则判定该标记点所在区域为光缆结构本身造成的缺陷区域，缺陷区域的缺陷包括光缆表皮凹陷、表皮凸起或者是表皮破裂，再通过不同光缆表皮结构对应的光缆来判断光缆缺陷种类，光缆缺陷种类包括光缆外包皮龟裂、包皮异常凹凸以及包皮弯曲。
所述步骤S4中，确定光缆缺陷种类与对应的光缆图像后，建立光缆图像与光缆缺陷对应数据库，并将数据库上传至存储件中，人工智能计算机视觉处理算法的算法学习模块以数据库为依据，对比后续拍摄采集图片与数据库图片，辅助判断光缆缺陷种类。
步骤S4中，在设计人工智能计算机视觉处理算法的算法学习模块时，先凭借旧有光缆缺陷及其对应的图像建立相关算法，建立算法时，先以人工挑选具备不同缺陷种类的光缆，比如表面凸起的光缆，表面凹陷的光缆或者是表面龟裂的光缆，拍摄这些具备不同缺陷的光缆图像，然后获取图像上的光缆缺陷部位结构特征，在光缆缺陷部位结构特征与光缆缺陷之间建立联系，以此建立光缆图像与光缆缺陷对应数据库，并将数据库上传至无人机的存储件中，算法学习模块以数据库为依据，对比后续拍摄采集图片与数据库图片，辅助判断光缆缺陷种类，以有效缩减光缆缺陷判断时间，加快缺陷报告生成时间。
与现有技术相比，本发明的有益效果是：
本发明通过设置无人机，并在无人机腹部设置摄像头和探照灯，当使用人员需要对高处的光缆进行检测时，可以控制无人机飞到高处光缆上方，然后摄像头就会对高处光缆进行拍摄，通过对比两个摄像头拍摄的光缆照片就能够有效发现光缆上存在的一些较大缺陷，彩色探照灯对光缆进行照射时，当光缆表面存在裂缝或者凸起缺陷时，光缆表面照片存在差异，进一步对拍摄照片进行亮度变换和灰度变换后，通过对比原始图片与处理图片能够有效显示照片表面差异性，对于差异点即可做标记，待后续处理判断是否为缺陷，借助无人机和计算机视觉处理算法能够快速有效的检测大量的电缆，仅需要对缺陷做前期人工判断即可，后期无人机数据库丰富后会进行缺陷自动判定，省时省力，有效提升了高处光缆检修效率。
本发明中，无人机仅需对光缆进行简易判断并进行图像标记，同时在算法设计上充分考虑了光缆施工及光缆长期使用后的可能缺陷，因此检测目标简单且易于识别，对无人机的计算性能要求不高，直接能在无人机端完成检测作业，无须数据网络链路支持，便于方案的实施和布署。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明的无人机整体结构示意图；
附图2是本发明的另一角度无人机整体结构示意图；
附图3是本发明的光缆缺陷检测方法框示意图；
图中：1、无人机；2、机盖；3、支架；4、摄像头；5、探照灯。
具体实施方式
如图所示，一种基于人工智能计算机视觉处理的光缆缺陷检测设备，包括：
无人机1：所述无人机1机体内部固定连接有处理器和存储件；
摄像头4：所述摄像头4成对设置，且固定安装在无人机1底部；
探照灯5：所述探照灯5固定安装在无人机1底部；
所述摄像头与处理器相连，形成用于对光缆进行不同角度拍摄的机器视觉组件，所述处理器通过无人机的人工智能计算机视觉处理算法对机器视觉组件的拍摄图像进行分析，以检测光缆缺陷。
所述无人机包括：
机盖2：所述机盖2卡接在无人机1顶部；
支架3：所述支架3设置有两个，且两个所述支架3固定安装在无人机1底部；
所述支架3高度大于摄像头4和探照灯5的高度。
所述摄像头4设置有两个，且两个所述摄像头4设置在支架3之间。
所述人工智能计算机视觉处理算法内置于无人机中，其运算步骤包括；
步骤S1、光缆图像采集：控制无人机1飞到光缆上方，通过两个摄像头4对光缆进行不同角度的拍摄；
步骤S2、图像处理：摄像头4拍摄得到的光缆数据传递给无人机1处理器；
步骤S3、缺陷检测：无人机1处理器对摄像头4拍摄的照片进行分析；
步骤S4、缺陷标记：无人机1对光缆上缺陷位置进行数字标记；
步骤S5、缺陷报告：无人机1处理器对标记的缺陷进行诊断分类，生成缺陷报告。
所述S1中，所述探照灯为能发出不同颜色光的灯具，当机器视觉组件的摄像头对光缆拍摄时，探照灯对光缆照明。
所述步骤S2中图像处理中，具体包括以下步骤：
步骤S2.1、对摄像头4拍摄原始图片进行像素亮度变换，对比亮度变换之后的图片与原始图片，标记光缆图片亮度差异较大的点位；
步骤S2.2、对摄像头4拍摄的原始图片进行灰度变换，然后将灰度变换之后的图片与原始图片进行重叠，标记光缆图片上差异点位置；
步骤S2.3、将亮度变换图片标记点位与灰度变换图片标记点位作对比，标注重复的标记点。
所述S3中，对标注的重复标记点进行视觉检查，以判断光缆缺陷种类。
所述判断光缆缺陷种类的方法包括；
方法A1、设架设在高处的光缆两端受到拉扯会伸直使光缆不存在弯折，而且正常光缆外包皮是光滑的，因此摄像头拍摄的正常光缆表面照片应当是光滑的，所述机器视觉组件的两个摄像头以不同的角度拍摄光缆，当两个摄像头拍摄的光缆表面照片不光滑且差异度大于阈值时，既表示光缆表面存在异常；
方法A2、为了进一步清晰拍摄光缆表面缺陷，探照灯采用不同颜色灯光对光缆照明，使不同颜色灯光照射在光缆表面后拍摄的照片能够更为清晰的展现光缆表面缺陷，避免将一些光照误差当做光缆异常处理，当光缆表面存在凸起和裂纹缺陷时，光线照射在光缆上反射的角度不同，光缆表面光滑处反射光线较强，裂纹处反射光线较为暗淡，凸起处反射光线较强，凹陷处反射光线较为暗淡。
方法A3、拍摄的光缆照片经过无人机处理器处理以去除光线因素对于光缆表面的影响，尽可能的保留光缆本身结构对于照片光线的影响，之后对光缆照片进行缺陷分析，处理器内置有光缆表面缺陷的照片数据库，光缆表面存在的多种不同的缺陷均在照片数据库内对应不同的照片，判断光缆缺陷种类时，先设定对比阈值X，将拍摄的照片与储存的照片做对比，当拍摄照片与储存照片的的差异值低于对比阈值X时，判定拍摄照片存在储存照片对应的缺陷，当拍摄照片与储存照片的的差异值高于对比阈值X时，重新选择对比的储存照片，如果全部储存照片对比结果均不符合，则保留光缆照片图像等待后续人工处理，通过相似度判断拍摄光缆的缺陷，确定拍摄光缆缺陷之后，对光缆缺陷的数量和种类做标记，然后根据数量、种类、危害程度等指标生成光缆缺陷报告，同时人工介入对未能识别的光缆缺陷图像做特征识别，识别之后的光缆缺陷及对应图像导入照片数据库中，丰富照片数据库；
方法A4、所述对标注的重复标记点进行视觉检查的方法包括灰度变换和亮度变换，通过灰度变换和亮度变换来消除光线对于光缆表面的影响，如果经处理后，光缆表面图像仍然存在重复的标记点，则判定该标记点所在区域为光缆结构本身造成的缺陷区域，缺陷区域的缺陷包括光缆表皮凹陷、表皮凸起或者是表皮破裂，再通过不同光缆表皮结构对应的光缆来判断光缆缺陷种类，光缆缺陷种类包括光缆外包皮龟裂、包皮异常凹凸以及包皮弯曲。
所述步骤S4中，确定光缆缺陷种类与对应的光缆图像后，建立光缆图像与光缆缺陷对应数据库，并将数据库上传至存储件中，人工智能计算机视觉处理算法的算法学习模块以数据库为依据，对比后续拍摄采集图片与数据库图片，辅助判断光缆缺陷种类。
步骤S4中，在设计人工智能计算机视觉处理算法的算法学习模块时，先凭借旧有光缆缺陷及其对应的图像建立相关算法，建立算法时，先以人工挑选具备不同缺陷种类的光缆，比如表面凸起的光缆，表面凹陷的光缆或者是表面龟裂的光缆，拍摄这些具备不同缺陷的光缆图像，然后获取图像上的光缆缺陷部位结构特征，在光缆缺陷部位结构特征与光缆缺陷之间建立联系，以此建立光缆图像与光缆缺陷对应数据库，并将数据库上传至无人机的存储件中，算法学习模块以数据库为依据，对比后续拍摄采集图片与数据库图片，辅助判断光缆缺陷种类，以有效缩减光缆缺陷判断时间，加快缺陷报告生成时间。
本例中，摄像头具备防抖功能。
本例中，摄像头在对光缆进行拍照时，按探照灯发光颜色的不同，分别拍摄不同光色对应的照片，以便于使光缆表面缺陷在不同光色下更易于识别。
本例中，无人机的处理器包括飞控模块，飞控模块根据机器视觉组件摄像头的拍摄图像，判断光缆位置及距离，以在没有遥控信号的情况下，自动控制无人机沿高空架设的光缆飞行，且使无人机飞行位置位于光缆上方并与光缆保持相同距离，也就是以高空光缆作为飞行路径标定，以保障机器视觉组件拍摄的图像更为规范。

Claims (3)

1.一种基于人工智能计算机视觉处理的光缆缺陷检测设备，其特征在于：包括：
无人机（1）：所述无人机（1）机体内部固定连接有处理器和存储件；
摄像头（4）：所述摄像头（4）成对设置，且固定安装在无人机（1）底部；
探照灯（5）：所述探照灯（5）固定安装在无人机（1）底部；
所述摄像头与处理器相连，形成用于对光缆进行不同角度拍摄的机器视觉组件，所述处理器通过无人机的人工智能计算机视觉处理算法对机器视觉组件的拍摄图像进行分析，以检测光缆缺陷；
所述人工智能计算机视觉处理算法内置于无人机中，其运算步骤包括；
步骤S1、光缆图像采集：控制无人机（1）飞到光缆上方，通过两个摄像头（4）对光缆进行不同角度的拍摄；
步骤S2、图像处理：摄像头（4）拍摄得到的光缆数据传递给无人机（1）处理器；
步骤S3、缺陷检测：无人机（1）处理器对摄像头（4）拍摄的照片进行分析；
步骤S4、缺陷标记：无人机（1）对光缆上缺陷位置进行数字标记；
步骤S5、缺陷报告：无人机（1）处理器对标记的缺陷进行诊断分类，生成缺陷报告；
所述步骤S1中，所述探照灯为能发出不同颜色光的灯具，当机器视觉组件的摄像头对光缆拍摄时，探照灯对光缆照明；
所述步骤S2中图像处理中，具体包括以下步骤：
步骤S2.1、对摄像头（4）拍摄原始图片进行像素亮度变换，对比亮度变换之后的图片与原始图片，标记光缆图片亮度差异较大的点位；
步骤S2.2、对摄像头（4）拍摄的原始图片进行灰度变换，然后将灰度变换之后的图片与原始图片进行重叠，标记光缆图片上差异点位置；
步骤S2.3、将亮度变换图片标记点位与灰度变换图片标记点位作对比，标注重复的标记点；
所述步骤S3中，对标注的重复标记点进行视觉检查，以判断光缆缺陷种类；
所述对标注的重复标记点进行视觉检查的方法包括灰度变换和亮度变换，通过灰度变换和亮度变换来消除光线对于光缆表面的影响，如果经处理后，光缆表面图像仍然存在重复的标记点，则判定该标记点所在区域为光缆结构本身造成的缺陷区域，缺陷区域的缺陷包括光缆表皮凹陷、表皮凸起、表皮破裂，再通过不同光缆表皮结构对应的光缆来判断光缆缺陷种类，光缆缺陷种类包括光缆外包皮龟裂、包皮异常凹凸、包皮弯曲。
2.根据权利要求1所述的一种基于人工智能计算机视觉处理的光缆缺陷检测设备，其特征在于：所述无人机包括：
机盖（2）：所述机盖（2）卡接在无人机（1）顶部；
支架（3）：所述支架（3）设置有两个，且两个所述支架（3）固定安装在无人机（1）底部；
所述支架（3）高度大于摄像头（4）和探照灯（5）的高度。
3.根据权利要求2所述的一种基于人工智能计算机视觉处理的光缆缺陷检测设备，其特征在于：所述摄像头（4）设置有两个，且两个所述摄像头（4）设置在支架（3）之间。
CN202410155775.XA 2024-02-04 2024-02-04 一种基于人工智能计算机视觉处理的光缆缺陷检测设备 Active CN117969552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410155775.XA CN117969552B (zh) 2024-02-04 2024-02-04 一种基于人工智能计算机视觉处理的光缆缺陷检测设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410155775.XA CN117969552B (zh) 2024-02-04 2024-02-04 一种基于人工智能计算机视觉处理的光缆缺陷检测设备

Publications (2)

Publication Number Publication Date
CN117969552A CN117969552A (zh) 2024-05-03
CN117969552B true CN117969552B (zh) 2025-12-02

Family

ID=90856190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410155775.XA Active CN117969552B (zh) 2024-02-04 2024-02-04 一种基于人工智能计算机视觉处理的光缆缺陷检测设备

Country Status (1)

Country Link
CN (1) CN117969552B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118914240B (zh) * 2024-07-22 2025-04-01 宁波万石工程管理咨询有限公司 一种光缆智能检测系统和检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102446355A (zh) * 2011-09-05 2012-05-09 西安理工大学 一种基于双视场的无标定平面突起目标检测方法
CN109283191A (zh) * 2018-11-14 2019-01-29 浙江工业大学 基于机器视觉的人行道路地砖空鼓情况的检测装置及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6140429B2 (ja) * 2012-10-12 2017-05-31 Ｊｘ金属株式会社 銅箔の表面状態の評価装置、銅箔の表面状態の評価プログラム及びそれが記録されたコンピュータ読み取り可能な記録媒体、並びに、銅箔の表面状態の評価方法
CN104359915B (zh) * 2014-12-08 2017-05-10 合肥京东方光电科技有限公司 一种涂胶检测方法及涂胶检测装置
US9797846B2 (en) * 2015-04-17 2017-10-24 Nuflare Technology, Inc. Inspection method and template
CN210924657U (zh) * 2019-05-13 2020-07-03 中国计量大学 一种基于机器视觉的多种类蚕茧计数装置
JP7554566B2 (ja) * 2020-03-13 2024-09-20 キヤノン株式会社 画像処理装置、制御方法及びプログラム
CN213892907U (zh) * 2020-12-18 2021-08-06 中国人民解放军国防科技大学 一种双镜头巡线无人机
CN114897847B (zh) * 2022-05-19 2025-08-15 京东方科技集团股份有限公司 图像处理方法及装置、计算机可读存储介质、电子设备
CN116958714B (zh) * 2023-09-20 2023-12-01 信熙缘(江苏)智能科技有限公司 晶圆背损伤缺陷的自动识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102446355A (zh) * 2011-09-05 2012-05-09 西安理工大学 一种基于双视场的无标定平面突起目标检测方法
CN109283191A (zh) * 2018-11-14 2019-01-29 浙江工业大学 基于机器视觉的人行道路地砖空鼓情况的检测装置及方法

Also Published As

Publication number Publication date
CN117969552A (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
JP6945245B2 (ja) 外観検査装置
US20250029280A1 (en) System and method for determining whether a camera component is damaged
CN110142785A (zh) 一种基于目标检测的巡检机器人视觉伺服方法
CN113092489A (zh) 一种电池外观缺陷的检测系统及方法
CN115393738B (zh) 一种基于无人机的papi飞行校验方法和系统
CN117969552B (zh) 一种基于人工智能计算机视觉处理的光缆缺陷检测设备
CN110956627A (zh) 智能型光学检测样品特征与瑕疵智能打光取像方法及装置
CN105181713A (zh) 一种用于光纤倒像器表面缺陷的检测装置
KR102270768B1 (ko) 터널 내 표면의 균열 검출 시스템 및 방법
CN114445330A (zh) 一种元器件外观缺陷的检测方法及系统
CN208366871U (zh) 检测系统
CN218941231U (zh) 一种多角度照明拍摄装置
CN215052081U (zh) 一种桥梁检测车
CN118762330B (zh) 一种基于深度学习的室内火灾检测及自动灭火的方法及系统
JPH0756882A (ja) コンテナのコードを照合する方法及び装置
CN114468973A (zh) 一种智能视力检测系统
CN113808117A (zh) 灯具检测方法、装置、设备及存储介质
CN112806780A (zh) 一种文物展示保护系统
CN116697922B (zh) 一种基于大数据的工程测量用监测系统及其使用方法
CN119165870A (zh) 一种电力杆塔巡检用无人机自主巡检方法
CN114324385B (zh) 幕墙检查方法、无人机及计算机可读存储介质
CN211652599U (zh) 一种用于采集标准图像的图像采集系统
KR101497920B1 (ko) 최급경사 알고리즘을 이용한 비전시스템의 컬러 조명 제어방법
KR101517554B1 (ko) 공액구배 알고리즘을 이용한 비전시스템의 컬러 조명 제어방법
TWI833471B (zh) 瑕疵檢測方法及其裝置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant