一种基于机器视觉的线缆质量检测方法及设备技术

本申请涉及检测领域，尤其针对现有的检测及修补需要根据每个缺陷调整对应的修补量不够高效的问题，本申请公开了一种基于机器视觉的线缆质量检测方法及设备，步骤如下：S1：搭建图像采集系统，对摄像头采集到的线缆图像进行灰度化处理；S2：图像二值化处理；本申请在检测过程中不需要计算每个缺陷的补料量，使得检测更加高效，且建立的二值神经网络相比传统的全精度神经网络，内存占用更少，减小了硬件资源开销，同时适用于FPGA内，搭配并行计算特点，可有效提高运算速度，提出了基于BNN和K

【技术实现步骤摘要】
一种基于机器视觉的线缆质量检测方法及设备


[0001]本专利技术涉及检测领域，更具体地说，它涉及一种基于机器视觉的线缆质量检测方法及设备。

技术介绍

[0002]电力的传输主要是通过线缆进行传输的，而且线缆的表皮关乎着电力传输时的安全以及使用的年限，线缆生产过程中由于工艺和设备原因，会出现一定的表面缺陷，这些缺陷可能会影响线缆的正常使用，故而在生产过程需要进行缺陷检测，且检测完成后需要对缺陷进行修补，而且修补后的缺陷需要与其他表皮保持平整，在修补的过程中通过自动化设备对现有的缺陷进行检测、标记以及修补的过程中需要根据每个缺陷调整对应的修补量，导致检测、标记时计算量较大，以及修补不够高效的情况。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术的目的在于提供一种基于机器视觉的线缆质量检测方法及设备，其解决了现有的检测及修补如果根据每个缺陷调整对应的修补量则计算量较大且修补不够高效的问题。
[0004]为实现上述目的，本专利技术提供了如下技术方案：一种基于机器视觉的线缆质量检测方法，步骤如下：S1：搭建图像采集系统，对摄像头采集到的线缆图像进行灰度化处理：；其中i表示像素点在图像的水平方向上的位置，从左到右递增；j 表示像素点在图像的垂直方向上的位置，从上到下递增,S2：对步骤S1中的图像进行二值化处理；S3：采用Sobel算子，对二值化后的图像进行边缘提取：；其中A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，图像中每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：；阀值Threshold根据实际检测环境进行选取，如果梯度G大于阀值Threshold，则认为该点(x，y)为边缘点；S4：建立针对线缆质量检测问题的二值神经网络BNN；S5：训练上述二值神经网络，将大量不同缺陷的线缆图像经S1
‑
S3的预处理后输入
至S4中的网络进行参数训练；S6：训练结束后，即可运行该二值神经网络；S7：根据二值神经网络的输出，进而判断当前输入线缆是否存在缺陷并判断缺陷类型；S8：预先对缺陷类型进行分类，对应每个分类提供一种修补方案，每一种修补方案都有固定的修补缺陷形状以及供料参数，在修补前根据对应的分类对缺陷处进行开孔处理，将实际的缺陷修改成该分类所属的修补缺陷形状类型，然后进行修补处理。
[0005]优选地，在步骤S2中，二值神经网络在训练时使用二值化函数：；将权重和激活限制在+1或
‑
1，用于计算参数梯度，通过权重和激活二值化，二值神经网络用于图像处理，流程如下：a.输入图像的像素点灰度值归一化；b.二值神经网络前向传播，计算流程如下：获取二值化权重，；上一层的激活值与二值化权重相乘得到，；对进行批量归一化BatchNorm，；最后对进行二值化，；c.步骤b中所述批量归一化BatchNorm计算公式如下：；其中，AP2(x)是将x变为最接近x的2的指数，表示左移右移，、是要学习的参数；d.二值神经网络反向传播，计算过程如下：；e.优化二值网络训练过程，具体算法如下：
；默认，矩阵运算采用逐元素计算方式；f.归一化后的输入图像做如下变换，使得整个网络均实现二值化：；通过上面的操作，将一个灰度用8位数表示，表示每个灰度值的第n位。
[0006]优选地，在步骤S6中，设输入为8位输入向量a0，神经网络层数为L，θ为批次规范参数，XnorDotProduct表示异或点积基本计算流程如下：a.第一层：；b.剩余隐藏层：；c.输出层：。
[0007]优选地，采用二值神经网络和K
‑
means聚类的联合算法对缺陷图像进行识别，具体流程为：降低二值神经网络层数；对二值神经网络的输出进行K
‑
means聚类算法。
[0008]优选地，联合算法具体步骤如下，a.随机选择k个二值神经网络输出作为初始簇类的均值向量，k为缺陷类型数量；b.计算所有神经网络输出值距离a中均值向量的距离，并选择距离最小的作为其簇；c.更新均值向量；d.重复b、c，当达到设置的迭代次数或簇类的均值向量不再改变时，模型构建完成，输出聚类算法结果，进而判断线缆质量缺陷类型。
[0009]优选地，基于机器视觉的线缆质量检测方法所使用的检测设备，包括固定安装板、表皮检测装置、标记装置以及填补装置，所述填补装置包括安装座体，所述安装座体上开设
有安装孔，所述安装孔内通过轴承转动连接有转筒，所述安装座体上安装有驱动转筒转动的驱动机构，所述转筒一端开设有呈十字状分布的滑槽，所述滑槽内滑动连接有L形滑座，所述L形滑座端部固定有弧形板，所述滑槽内转动设有电机驱动的螺杆，所述螺杆通过螺纹与L形滑座连接，相邻的弧形板上分别安装有开孔管和修补管。
[0010]优选地，所述开孔管内设有用于给线缆表面进行加热开孔的加热棒。
[0011]优选地，所述修补管与材料供给箱连通，所述修补管端部开设有用于提供补料的出料口。
[0012]优选地，所述填补装置数量与需要填补的修补缺陷形状类型适配。
[0013]优选地，所述表皮检测装置、标记装置以及填补装置呈一条直线安装于固定安装板上。
[0014]综上所述，本专利技术具有以下有益效果：1、通过检测方法检测出缺陷类型，对检测出来的缺陷按照对应类型进行标记和修补，控制对应的修补装置，先进行对齐以及开孔，然后进行填补，在修补过程中根据分类开设对应的孔以及提供对应的填料，不需要依据每个缺陷计算对应的填料，减少了计算数据，更加的高效；2、该基于机器视觉的线缆质量检测方法，可有效提取线缆缺陷特征，同时建立的二值神经网络相比传统的全精度神经网络，内存占用更少，减小了硬件资源开销，同时适用于FPGA内，搭配并行计算特点，可有效提高运算速度，提出了基于BNN和K
‑
means的缺陷检测算法，当实际训练图像不足时具有应用意义。
附图说明
[0015]图1是本申请基于机器视觉的线缆质量检测方法的流程示意图；图2是本申请修补结构的结构示意图；图3是图2中的局部放大示意图。
[0016]图中，1、固定安装板；2、安装座体；3、线缆；4、安装孔；5、开孔管；6、修补管；7、弧形板；8、滑槽；9、螺杆；10、L形滑座。
具体实施方式
[0017]下面结合附图和实施例，对本专利技术进行详细描述。
实施例
[0018]如图1所示，本申请提出一种基于机器视觉的线缆质量检测方法，步骤如下：S1：搭建图像采集系统，对摄像头采集到的线缆3图像进行灰度化处理，处理彩色图像时对其三基色分量进行处理，三基色分量本身不反映图片的基本特征仅表现为光学颜色特征，灰度图像完全可以表现出原来彩色图像的形态特征，相比较彩色图像灰度图像更适合后续的数据处理，图像灰度化处理是图像处理的预处理部分，采用加权平均法实现线缆3图像的灰度化处理：；其中i表示像素点在图像的水平方向上的位置，从左到右递增；j 表示像素点在图像的垂直方向上的位置，从上到下递增,
S2：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的线缆质量检测方法，其特征在于，步骤如下：S1：搭建图像采集系统，对摄像头采集到的线缆图像进行灰度化处理：；其中i表示像素点在图像的水平方向上的位置，从左到右递增；j 表示像素点在图像的垂直方向上的位置，从上到下递增,S2：对步骤S1中的图像进行二值化处理；S3：采用Sobel算子，对二值化后的图像进行边缘提取：；其中A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，图像中每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：；阀值Threshold根据实际检测环境进行选取，如果梯度G大于阀值Threshold，则认为该点(x，y)为边缘点；S4：建立针对线缆质量检测问题的二值神经网络；S5：训练上述二值神经网络，将大量不同缺陷的线缆图像经S1
‑
S3的预处理后输入至S4中的网络进行参数训练；S6：训练结束后，即可运行该二值神经网络；S7：根据二值神经网络的输出，进而判断当前输入线缆是否存在缺陷并判断缺陷类型；S8：预先对缺陷类型进行分类，对应每个分类提供一种修补方案，每一种修补方案都有固定的修补缺陷形状以及供料参数，在修补前根据对应的分类对缺陷处进行开孔处理，将实际的缺陷修改成该分类所属的修补缺陷形状类型，然后进行修补处理。2.根据权利要求1所述的基于机器视觉的线缆质量检测方法，其特征在于，在步骤S2中，二值神经网络在训练时使用二值化函数：；将权重和激活限制在+1或
‑
1，用于计算参数梯度，通过权重和激活二值化，二值神经网络用于图像处理，流程如下：a. 输入图像的像素点灰度值归一化；b. 二值神经网络前向传播，计算流程如下：获取二值化权重，；上一层的激活值与二值化权重相乘得到，；对进行批量归一化BatchNorm，；最后对进行二值化，；c. 步骤b中所述批量归一化BatchNorm计算公式如下：
；其中，AP2(x)是将x变为最接近x的2的指数，表示左移右移，、是要学习的参数；d. 二值神经网络反向传播，计算过程如下：；e. 优化二值网络训练过程，具体算法如下：；默认，矩阵运算采用逐元素计算方式；f. 输入层变换；归一化后的输入图...

【专利技术属性】
技术研发人员：郭林祥，侯少斌，万青山，
申请(专利权)人：湖南湘江电缆有限公司，
类型：发明
国别省市：