基于数据增强预处理的电缆缺陷识别方法技术

本发明专利技术涉及图像增强技术领域，具体涉及基于数据增强预处理的电缆缺陷识别方法。该方法利用人工智能系统完成对电线电缆的击穿缺陷识别。该方法获取电缆区域，从中筛选出正常区域和缺陷区域；对正常区域和缺陷区域进行图像增强得到增强图像，进一步识别增强图像中的击穿缺陷区域。本发明专利技术从电线电缆图像中得到可能为击穿缺陷区域内的像素点，增强击穿缺陷区域内的像素点，实现图像增强得到增强图像，使得可以清晰的区分出击穿缺陷区域，提高了缺陷检测的精确度。测的精确度。测的精确度。

【技术实现步骤摘要】
基于数据增强预处理的电缆缺陷识别方法


[0001]本专利技术涉及图像增强
，具体涉及基于数据增强预处理的电缆缺陷识别方法。

技术介绍

[0002]电线电缆用以传输电能、信息和实现电磁能转换的线材产品。广义的电线电缆亦简称为电缆，狭义的电缆是指绝缘电缆。电线电缆在使用过程中，由于各种原因的影响，导致电线电缆可能会出现破损，严重时还会存在击穿现象。有些处在高空中的电线电缆无法通过人眼亲自查看，只能通过无人机采集到的电线电缆图像进行电线电缆缺陷检测。
[0003]目前，常见的对无人机采集到的电线电缆图像进行缺陷检测的方法为，对电线电缆图像进行全局增强，由于电缆的击穿缺陷区域和老化磨损区域在灰度值上较为相似，仅对电线电缆图像进行全局增强难以达到精确的从图像中区分出击穿缺陷区域，其缺陷检测的精度较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于数据增强预处理的电缆缺陷识别方法，所采用的技术方案具体如下：采集电线电缆图像，预处理所述电线电缆图像得到电缆灰度图像和电缆区域；基于所述电缆灰度图像的像素点的灰度值大小筛选出电缆区域内的正常区域和缺陷区域；基于所述缺陷区域内的缺陷像素点，计算所述缺陷像素点相较于所述正常区域内像素点的灰度异常程度，根据所述缺陷像素点相较于对应的邻域内像素点的灰度异常程度的差异计算缺陷像素点的像素突出程度；根据缺陷像素点的像素突出程度，选择缺陷像素点对应的邻域像素点；根据所述缺陷像素点和对应的所述邻域像素点的梯度幅值差异计算所述缺陷像素点的杂乱程度；根据所述缺陷像素点和对应的邻域像素点的杂乱程度的差异，从多个邻域像素点中筛选出多个闭合像素点，计算闭合像素点构成区域的区域闭合程度；所述像素突出程度和所述杂乱程度加权求和得到所述缺陷像素点的关注度；缺陷区域内各像素点的所述像素突出程度、所述杂乱程度和所述区域闭合程度的乘积的均值乘上所述关注度得到所述缺陷区域的变换系数；利用所述变换系数对所述缺陷区域进行增强，得到增强图像；对所述增强图像进行边缘检测得到击穿缺陷区域。
[0005]优选的，所述基于所述电缆灰度图像的像素点的灰度值大小筛选出电缆区域内的正常区域和缺陷区域，包括：获取所述电缆灰度图像的灰度直方图，选取所述灰度直方图的最高峰值对应的灰度值作为灰度阈值；基于所述电缆区域，小于所述灰度阈值的像素点作为正常像素点，由所述正常像素点构成所述正常区域；大于等于所述灰度阈值的像素点作为缺陷像素点，由所
述缺陷像素点构成所述缺陷区域。
[0006]优选的，所述计算所述缺陷像素点相较于所述正常区域内像素点的灰度异常程度，包括：获取正常区域内正常像素点的灰度均值；所述缺陷像素点的灰度值和所述灰度均值的差值为灰度异常程度。
[0007]优选的，所述根据所述缺陷像素点相较于对应的邻域内像素点的灰度异常程度的差异计算缺陷像素点的像素突出程度，包括：所述缺陷像素点的灰度值减去对应的邻域内任意像素点的灰度值得到第一灰度差值；每个所述缺陷像素点对应多个第一灰度差值；多个所述第一灰度差值的平方相加得到总灰度差异，所述总灰度差异和邻域内像素点数量的比值作为所述像素突出程度。
[0008]优选的，所述根据所述缺陷像素点和对应的所述邻域像素点的梯度幅值差异计算所述缺陷像素点的杂乱程度，包括：所述缺陷像素点的梯度幅值和对应的任意邻域像素点的梯度幅值的差值的平方作为初始梯度差，多个初始梯度差的和为总梯度差异，所述总梯度差异和所述缺陷像素点对应的邻域像素点的数量的比值作为所述杂乱程度。
[0009]优选的，所述根据所述缺陷像素点和对应的邻域像素点的杂乱程度的差异，从多个邻域像素点中筛选出多个闭合像素点，包括：选取杂乱程度最大的缺陷像素点作为起始像素点，获取所述起始像素点和对应的邻域像素点的杂乱程度的差值，将对应的杂乱程度的差值小于等于预设杂乱差值阈值的邻域像素点作为第一闭合像素点；获取所述第一闭合像素点和除起始像素点外的对应的邻域像素点的杂乱程度的差值，将对应的杂乱程度的差值小于等于预设杂乱差值阈值的邻域像素点作为第二闭合像素点；获取所述第二闭合像素点和除第一闭合像素点外的对应的邻域像素点的杂乱程度的差值，将对应的杂乱程度的差值小于等于预设杂乱差值阈值的邻域像素点作为第三闭合像素点；重复寻找闭合像素点，直至最后一个闭合像素点对应的邻域像素点的杂乱程度的差值均大于预设杂乱差值阈值。
[0010]优选的，所述计算闭合像素点构成区域的区域闭合程度，包括：选取闭合像素点构成的任意区域作为目标区域，获取所述目标区域对应的闭合像素点的数量的倒数；以自然常数为底数，以负的所述倒数为指数的第二指数函数作为区域闭合程度。
[0011]优选的，所述缺陷区域内各像素点的所述像素突出程度、所述杂乱程度和所述区域闭合程度的乘积的均值乘上所述关注度得到所述缺陷区域的变换系数，包括：所述变换系数的计算公式为：其中，为第j个缺陷像素点的所述关注度；为第j个缺陷像素点的所述像素突出程度；为第j个缺陷像素点的所述杂乱程度；为第j个缺陷像素点的所述区域闭合程度；
为预设关注度阈值；为关注度大于等于预设关注度阈值的缺陷像素点的数量；为关注度小于预设关注度阈值的缺陷像素点的数量；为第j个缺陷像素点的关注度大于等于预设关注度阈值时对应的变换系数；为第j个缺陷像素点的关注度小于预设关注度阈值时对应的变换系数。
[0012]优选的，所述根据缺陷像素点的像素突出程度，选择缺陷像素点对应的邻域像素点，包括：获取以自然常数为底，以负的像素突出程度为指数的第一指数函数，当所述第一指数函数大于预设突出阈值时，选择缺陷像素点八邻域内的像素点作为邻域像素点；当所述第一指数函数小于等于预设突出阈值时，选择缺陷像素点四邻域内的像素点作为邻域像素点。
[0013]优选的，所述利用所述变换系数对所述缺陷区域进行增强，得到增强图像，包括：对缺陷区域内各缺陷像素点的像素值乘上对应的变换系数得到增强像素值，基于缺陷像素点对应的所述增强像素值和正常区域内的正常像素点的像素值，构成增强图像。
[0014]本专利技术实施例至少具有如下有益效果：本专利技术实施例涉及数据处理
，该方法采集电线电缆图像和电缆区域；筛选出电缆区域内的正常区域和缺陷区域；基于缺陷区域内的缺陷像素点，根据缺陷像素点相较于正常区域内像素点的灰度异常程度计算缺陷像素点的像素突出程度，像素突出程度越大的像素点为击穿缺陷区域内的像素点的概率越大；根据缺陷像素点和对应的邻域像素点的梯度幅值差异计算缺陷像素点的杂乱程度，杂乱程度越大的像素点为击穿缺陷区域内的像素点的概率越大；进而从多个邻域像素点中筛选出多个闭合像素点，计算闭合像素点构成区域的区域闭合程度，因为击穿缺陷区域大多为闭合的坑状，故筛选闭合像素点，并计算对应区域的区域闭合程度；像素突出程度和杂乱程度加权求和得到缺陷像素点的关注度；根据缺陷区域内各像素点的像素突出程度、杂乱程度、区域闭合程度和关注度得到缺陷区域的变换系数；利用变换系数对缺陷区域进行图像增强，得到增强图像；对增强图像进行边缘检测得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据增强预处理的电缆缺陷识别方法，其特征在于，该方法包括以下步骤：采集电线电缆图像，预处理所述电线电缆图像得到电缆灰度图像和电缆区域；基于所述电缆灰度图像的像素点的灰度值大小筛选出电缆区域内的正常区域和缺陷区域；基于所述缺陷区域内的缺陷像素点，计算所述缺陷像素点相较于所述正常区域内像素点的灰度异常程度，根据所述缺陷像素点相较于对应的邻域内像素点的灰度异常程度的差异计算缺陷像素点的像素突出程度；根据缺陷像素点的像素突出程度，选择缺陷像素点对应的邻域像素点；根据所述缺陷像素点和对应的所述邻域像素点的梯度幅值差异计算所述缺陷像素点的杂乱程度；根据所述缺陷像素点和对应的邻域像素点的杂乱程度的差异，从多个邻域像素点中筛选出多个闭合像素点，计算闭合像素点构成区域的区域闭合程度；所述像素突出程度和所述杂乱程度加权求和得到所述缺陷像素点的关注度；缺陷区域内各像素点的所述像素突出程度、所述杂乱程度和所述区域闭合程度的乘积的均值乘上所述关注度得到所述缺陷区域的变换系数；利用所述变换系数对所述缺陷区域进行增强，得到增强图像；对所述增强图像进行边缘检测得到击穿缺陷区域。2.根据权利要求1所述的基于数据增强预处理的电缆缺陷识别方法，其特征在于，所述基于所述电缆灰度图像的像素点的灰度值大小筛选出电缆区域内的正常区域和缺陷区域，包括：获取所述电缆灰度图像的灰度直方图，选取所述灰度直方图的最高峰值对应的灰度值作为灰度阈值；基于所述电缆区域，小于所述灰度阈值的像素点作为正常像素点，由所述正常像素点构成所述正常区域；大于等于所述灰度阈值的像素点作为缺陷像素点，由所述缺陷像素点构成所述缺陷区域。3.根据权利要求1所述的基于数据增强预处理的电缆缺陷识别方法，其特征在于，所述计算所述缺陷像素点相较于所述正常区域内像素点的灰度异常程度，包括：获取正常区域内正常像素点的灰度均值；所述缺陷像素点的灰度值和所述灰度均值的差值为灰度异常程度。4.根据权利要求1所述的基于数据增强预处理的电缆缺陷识别方法，其特征在于，所述根据所述缺陷像素点相较于对应的邻域内像素点的灰度异常程度的差异计算缺陷像素点的像素突出程度，包括：所述缺陷像素点的灰度值减去对应的邻域内任意像素点的灰度值得到第一灰度差值；每个所述缺陷像素点对应多个第一灰度差值；多个所述第一灰度差值的平方相加得到总灰度差异，所述总灰度差异和邻域内像素点数量的比值作为所述像素突出程度。5.根据权利要求1所述的基于数据增强预处理的电缆缺陷识别方法，其特征在于，所述根据所述缺陷像素点和对应的所述邻域像素点的梯度幅值差异计算所述缺陷像素点的杂乱程度，包括：所述缺陷像素点的梯度幅值和对应的任意邻域像素点的梯度幅值的差值的平方作为初始梯度差，多个初始梯度差的和为总梯度差异，所述总梯度差异和所述缺陷像素点对应的邻域像素点的数量的比值作为所述杂乱...

【专利技术属性】
技术研发人员：刘冰，尹超，李锋，詹召玲，
申请(专利权)人：山东博诚电气有限公司，
类型：发明
国别省市：