【技术实现步骤摘要】
本专利技术涉及工业缺陷检测，尤其涉及一种基于视觉识别的线束缺陷检测方法及系统。
技术介绍
1、在工业制造领域，线束作为电气系统的重要组成部分，广泛应用于汽车、航空、电子设备等高
这些线束结构复杂，通常包含大量的电缆、连接器和护套，用于传输电信号或数据。由于线束通常在苛刻的环境中工作（如高温、振动或化学腐蚀等），任何微小的缺陷（如表面裂纹、内部断裂、磨损等）都导致电气故障、设备停机，甚至引发安全事故。因此，线束缺陷检测对保障产品质量和设备安全至关重要。
2、传统的线束检测方法主要依赖于人工视觉检查和简单的机械测试。人工检测存在误差大、效率低、主观性强的问题，难以实现精确检测。尤其在检测微小裂纹、内部断裂等复杂缺陷时，人工检测往往无法满足高精度要求。此外，机械测试方法（如拉伸测试）只能检测出明显的结构损伤，而对微观裂纹、潜在故障的检测能力有限。
技术实现思路
1、本专利技术为解决上述技术问题，提出了一种基于视觉识别的线束缺陷检测方法及系统，以解决至少一个上述技术问题。
2、本申请提供了一种基于视觉识别的线束缺陷检测方法，包括以下步骤：
3、步骤s1：获取线束图像数据，并根据线束图像数据进行图像分割，得到线束图像分割数据；
4、步骤s2：根据线束图像分割数据进行形态特征提取，得到线束形态特征数据，并根据线束形态特征数据进行三维重建，得到线束三维重建数据；
5、步骤s3：根据线束形态特征数据进行微结构缺陷检测，得到第一线束
6、步骤s4：根据第一线束缺陷检测数据以及第二线束缺陷检测数据对线束图像数据进行标记，得到线束图像缺陷标记数据，以进行线束缺陷检测辅助作用。
7、本专利技术中通过先获取线束的图像数据，并使用图像分割技术来提取线束区域，有效隔离线束与背景，减少噪声和干扰。采用微结构和微形态两种不同的检测方法，分别对2d平面特征和3d形态特征进行检测，可以识别出更细微和复杂的缺陷，大幅提升了检测的准确性。通过在形态特征提取后对线束进行三维重建，获得线束的三维模型，使得缺陷检测不局限于平面，而是可以检测到立体结构中的异常，能够有效识别例如线束表面的磨损和内部的结构性缺陷。根据第一和第二线束缺陷检测数据自动生成缺陷标记图，将识别出的缺陷直接标记在图像数据中，使得检测结果可以直接可视化，并在生产或检修中提供清晰的缺陷位置信息。通过对2d和3d数据的双重检测，系统能够交叉验证检测结果，提高检测结果的可靠性和一致性。
8、优选地，步骤s1具体为：
9、通过环境光传感器进行环境光采集，得到环境光数据；
10、获取线束材料数据；
11、根据线束材料数据进行材料表面特性评估，得到线束表面特性数据；
12、根据环境光数据以及线束表面特性数据进行视觉参数设置，得到视觉参数数据；
13、根据视觉参数数据通过预设的视觉设备进行线束多视角图像采集，得到线束图像数据；
14、根据线束图像数据进行几何校准，得到线束几何校准数据；
15、根据线束几何校准数据进行边缘检测，得到线束边缘数据；
16、根据线束边缘数据进行区域分割与标记，得到线束区域分割数据；
17、根据线束区域分割数据进行平滑细节重构，得到线束图像分割数据。
18、本专利技术中通过环境光传感器采集当前环境光数据，根据光照条件灵活调整视觉参数，可以显著减少因光照变化而导致的图像质量不稳定性，从而获得更清晰的图像。根据线束材料的数据，评估表面的反射性、吸光性等特性，优化视觉参数以应对不同的材料特性。多视角图像经过几何校准，修正拍摄角度和位置差异，形成一套几何精确的图像数据，为精准边缘检测和分割提供支持。在进行几何校准后，通过精确的边缘检测算法提取线束的轮廓。由于图像质量高，且校准到位，边缘检测过程能够高效地捕捉到线束的轮廓，减少误差和模糊区域。基于区域分割数据进行平滑和细节增强，去除噪声，确保图像的细节和纹理清晰、边缘平滑。
19、优选地，其中平滑细节重构具体为：
20、根据线束区域分割数据进行多分辨率解析，得到线束多分辨率层级数据；
21、根据线束多分辨率层级数据进行边缘增强，得到线束多层级边缘增强数据；
22、对线束多层级边缘增强数据进行纹理恢复，得到线束多层级纹理恢复数据；
23、根据线束多层级纹理恢复数据进行超分辨率修复，得到线束超分辨率数据；
24、对线束超分辨率数据进行结构保持映射，得到线束结构映射数据；
25、对线束结构映射数据进行特征平滑处理，得到线束特征平滑数据；
26、根据线束特征平滑数据进行局部细节对齐，得到线束多层级细节对齐数据；
27、根据线束多层级细节对齐数据进行重构分割输出，得到线束图像分割数据。
28、本专利技术中通过多分辨率解析，将线束图像细分为不同分辨率的层级数据，这种方法能够在不同的分辨率层级捕捉到线束的细节特征。高分辨率层捕捉细小特征，低分辨率层捕捉整体轮廓信息，从而实现精细特征与全局轮廓的平衡。通过对不同分辨率层级的边缘进行多层级增强，使得线束轮廓的边缘清晰可见。边缘增强对复杂结构和交错线束特别有利，使图像中的每条线束轮廓都具备明确的边界。在边缘增强后进行纹理恢复，恢复或增强线束表面的自然纹理，确保在边缘清晰的同时，保留表面的纹理细节。通过高分辨率算法进一步增强图像细节，使低分辨率图像中的细小特征得以清晰呈现。在进行超分辨率修复后，通过结构保持映射，避免因图像增强过程引入的结构变形，确保线束的形状和结构在放大后仍然保持原貌。通过特征平滑对纹理和形状进行细腻处理，使图像的不同区域之间过渡更加自然，消除不必要的噪声和锐利边界。在特征平滑后进行细节对齐，将不同分辨率层次的特征数据重新校正到同一对齐标准，确保各个层级的数据在空间上统一、准确。
29、优选地，其中特征平滑处理具体为：
30、对线束结构映射数据进行多尺度相似块搜索，得到线束多尺度相似块数据；
31、根据线束多尺度相似块数据进行轻量级卷积网络相似度权重计算，得到线束相似度权重数据；
32、根据线束相似度权重数据对线束结构映射数据进行加权均值计算，得到线束相似度加权数据；
33、根据线束相似度加权数据进行像素更新，得到线束像素更新数据；
34、根据线束像素更新数据进行边缘保留检查，得到线束特征平滑数据。
35、本专利技术中通过在不同尺度上进行相似块搜索，可以识别出图像中的相似区域，能够更灵活地适应线束结构中的复杂性和多样性，特别是针对具有复杂纹理或微小特征的线束。轻量级卷积网络的使用，使相似度权重计算更加高效且准确。卷积网络可以自动学习到相似块间的复杂特征关系，从而避免了传统手工相似度计算的偏差问题。本文档来自技高网...
【技术保护点】
1.一种基于视觉识别的线束缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：
3.根据权利要求2所述的方法，其特征在于，其中平滑细节重构具体为：
4.根据权利要求3所述的方法，其特征在于，其中特征平滑处理具体为：
5.根据权利要求1所述的方法，其特征在于，其中形态特征提取具体为：
6.根据权利要求1所述的方法，其特征在于，其中微结构缺陷检测具体为：
7.根据权利要求1所述的方法，其特征在于，其中微形态缺陷检测具体为：
8.根据权利要求1所述的方法，其特征在于，步骤S4具体为：
9.一种基于视觉识别的线束缺陷检测系统，其特征在于，用于执行如权利要求1所述的基于视觉识别的线束缺陷检测方法，该基于视觉识别的线束缺陷检测系统包括：
【技术特征摘要】
1.一种基于视觉识别的线束缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的方法，其特征在于，其中平滑细节重构具体为：
4.根据权利要求3所述的方法，其特征在于，其中特征平滑处理具体为：
5.根据权利要求1所述的方法，其特征在于，其中形态特征提取具体为：
<...【专利技术属性】
技术研发人员：张伟，展学霞，陈鑫，葛肖肖，李中磊，
申请(专利权)人：相变能源科技青岛有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。