Nothing Special   »   [go: up one dir, main page]

CN110940372A - 一种基于机器视觉的电缆排列检测系统 - Google Patents

一种基于机器视觉的电缆排列检测系统 Download PDF

Info

Publication number
CN110940372A
CN110940372A CN201911318539.0A CN201911318539A CN110940372A CN 110940372 A CN110940372 A CN 110940372A CN 201911318539 A CN201911318539 A CN 201911318539A CN 110940372 A CN110940372 A CN 110940372A
Authority
CN
China
Prior art keywords
pixel
cable
representing
image
cable drum
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.)
Granted
Application number
CN201911318539.0A
Other languages
English (en)
Other versions
CN110940372B (zh
Inventor
毛华撑
周妙根
齐红磊
鲁运力
李鹏鹏
周建平
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.)
Jiangxi Pacific Cable Group Co ltd
Original Assignee
Jiangxi Pacific Cable Group 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 Jiangxi Pacific Cable Group Co ltd filed Critical Jiangxi Pacific Cable Group Co ltd
Priority to CN201911318539.0A priority Critical patent/CN110940372B/zh
Publication of CN110940372A publication Critical patent/CN110940372A/zh
Application granted granted Critical
Publication of CN110940372B publication Critical patent/CN110940372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于机器视觉的电缆排列检测系统，包括电缆盘、图像采集模块、智能检测模块、绕线控制模块、绕线电机和异常提醒模块，所述图像采集模块定时对电缆盘进行图像采集，所述智能检测模块用于对采集的电缆盘图像进行处理和分析，判断电缆盘上电缆排列是否出现异常，当断定电缆盘上电缆排列出现异常时令异常提醒模块进行提醒，并通过绕线控制模块控制绕线电机停止工作。本发明创造的有益效果：本发明将机器视觉用于电缆排列检测系统中，电缆盘开始绕线后，通过定时对电缆盘进行图像采集，并通过对采集的电缆图像图像的处理和分析，判断电缆盘上电缆排列是否正常，实现了对电缆盘上电缆排列的智能检测。

Description

一种基于机器视觉的电缆排列检测系统
技术领域
本发明创造涉及机器视觉领域，具体涉及一种基于机器视觉的电缆排列检测系统。
背景技术
在电缆生产过程中，由于电线电缆产品生产长度大、单位重量重、运输距离远等特点，决定了电线电缆通常采用成盘的包装方式，而电缆盘作为缠绕电缆的线盘被广泛应用。在电缆盘的绕线过程中，容易出现排线不均、重排、漏排等问题，如果能及时发现这种情况，从而采取相应的措施进行处理，能够很大程度的提高电缆生产的质量和效率。
发明内容
针对上述问题，本发明旨在提供一种基于机器视觉的电缆排列检测系统。
本发明创造的目的通过以下技术方案实现：
一种基于机器视觉的电缆排列检测系统，包括电缆盘、图像采集模块、智能检测模块、绕线控制模块、绕线电机和异常提醒模块，所述图像采集模块定时对电缆盘进行图像采集，并将采集得到的电缆盘图像传输至智能检测模块，所述智能检测模块用于对接收到的电缆盘图像进行处理和分析，判断电缆盘上电缆排列是否出现异常，当断定电缆盘上电缆排列出现异常时令异常提醒模块进行提醒，并通过绕线控制模块控制绕线电机停止工作。
本发明创造的有益效果：本发明将机器视觉用于电缆排列检测系统中，电缆盘开始绕线后，通过定时对电缆盘进行图像采集，并通过对采集的电缆图像图像的处理和分析，判断电缆盘上电缆排列是否正常，实现了对电缆盘上电缆排列的智能检测。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记：
电缆盘；图像采集模块；智能检测模块；绕线控制模块；绕线电机；异常提醒模块。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种基于机器视觉的电缆排列检测系统，包括电缆盘、图像采集模块、智能检测模块、绕线控制模块、绕线电机和异常提醒模块，所述图像采集模块周期性的对电缆盘进行图像采集，并将采集得到的电缆盘图像传输至智能检测模块，所述智能检测模块用于对接收到的电缆盘图像进行处理和分析，判断电缆盘上电缆排列是否出现异常，当断定电缆盘上电缆排列出现异常时令异常提醒模块进行提醒，并通过绕线控制模块控制绕线电机停止工作。
优选地，所述图像采集模块在电缆盘开始绕线后每隔T时间对电缆盘进行图像采集。
优选地，所述智能检测模块包括数据库、目标提取单元和排列检测单元，所述数据库中存储着电缆盘开始绕线后的各采集时刻对应的电缆排列正常情况下的电缆盘区域图像，所述目标提取单元用于提取接收到的电缆盘图像中的电缆盘区域图像，所述排列检测单元用于对提取的电缆盘区域图像进行分析，判断电缆盘上的电缆排列是否存在异常。
优选地，所述目标提取单元用于提取接收到的电缆盘图像中的电缆盘区域图像，提取所述电缆盘图像中的电缆盘区域的边缘像素，设I(t)表示电缆盘开始绕线t时刻后采集得到的电缆盘图像，I(i，j)表示电缆盘图像I(t)中坐标(i，j)处的像素，lθ(i，j)表示以像素I(i，j)为中心的长度为d的直线，其中，θ为直线lθ(i，j)和x轴正方向的夹角，且θ的初始值设置为-15°，定义b(i，j)表示像素I(i，j)的边缘属性值，则b(i，j)的表达式为：
Figure BDA0002326515210000021
Figure BDA0002326515210000022
Figure BDA0002326515210000023
式中，τθ(i，j)为直线lθ(i，j)的边缘权值，h(i，j)为像素I(i，j)的灰度值，I(x，y)为直线lθ(i，j)上的像素，h(x，y)为像素I(x，y)的灰度值，M(lθ(i，j))为直线lθ(i，j)上的像素数，h(max)和h(min)分别为电缆盘图像I(t)中像素灰度值的最大值和最小值，ηθ(i，j)为直线lθ(i，j)的边缘衡量系数，Ω(a，b)表示以像素Iθ(a，b)为中心的
Figure BDA0002326515210000038
的局部邻域，Ω(c，d)表示以像素Iθ(c，d)为中心的
Figure BDA0002326515210000039
的局部邻域，Iθ(a，b)和Iθ(c，d)分别为直线lθ(i，j)两端的端点像素，I(m，n)为局部邻域Ω(a，b)中的像素，h(m，n)表示像素I(m，n)的灰度值，w(m，n)为像素I(m，n)的权值，且w(m，n)的表达式为：
Figure BDA0002326515210000031
其中，ρ(α，b)表示像素Iθ(a，b)的结构系数，且
Figure BDA0002326515210000032
Figure BDA0002326515210000033
其中，h(a，b+1)表示电缆盘图像I(t)中坐标(a，b+1)处像素的灰度值，h(a，b-1)表示电缆盘图像I(t)中坐标(a，b-1)处像素的灰度值，hθ(a，b)表示像素Iθ(a，b)的灰度值，h(a+1，b)表示电缆盘图像I(t)中坐标(a+1，b)处像素的灰度值，h(a-1，b表示电缆盘图像I(t)中坐标(a-1，b)处像素的灰度值，ρ(m，n)表示像素I(m，n)的结构系数，且
Figure BDA0002326515210000034
其中，h(m，n+1)表示电缆盘图像I(t)中坐标(m，n+1)处像素的灰度值，h(m，n-1)表示电缆盘图像I(t)中坐标(m，n-1)处像素的灰度值，h(m+1，n)表示电缆盘图像I(t)中坐标(m+1，n)处像素的灰度值，h(m-1，n)表示电缆盘图像I(t)中坐标(m-1，n)处像素的灰度值；
I(m′，n′)为局部邻域Ω(c，d)中的像素，h(m′，n′)表示像素I(m′，n′)的灰度值，w(m′，n′)为像素I(m′，n′)的权值，且w(m′，n′)的表达式为：
Figure BDA0002326515210000035
其中，ρ(c，d)表示像素Iθ(c，d)的结构系数，且
Figure BDA0002326515210000036
Figure BDA0002326515210000037
其中，h(c，d+1)表示电缆盘图像I(t)中坐标(c，d+1)处像素的灰度值，h(c，d-1)表示电缆盘图像I(t)中坐标(c，d-1)处像素的灰度值，hθ(c，d)表示像素Iθ(c，d)的灰度值，h(c+1，d)表示电缆盘图像I(t)中坐标(c+1，d)处像素的灰度值，h(c-1，d表示电缆盘图像I(t)中坐标(c-1，d)处像素的灰度值，ρ(m′，n′)表示像素I(m′，n′)的结构系数，且
Figure BDA0002326515210000041
其中，h(m′，n′+1)表示电缆盘图像I(t)中坐标(m′，n′+1)处像素的灰度值，h(m′，n′-1)表示电缆盘图像I(t)中坐标(m′，n′-1)处像素的灰度值，h(m′+1，n′)表示电缆盘图像I(t)中坐标(m′+1，n′)处像素的灰度值，h(m′-1，n′)表示电缆盘图像I(t)中坐标(m′-1，n′)处像素的灰度值；
给定边缘像素门限值H(b)，当b(i，j)>H(b)时，则像素b(i，j)记为边缘像素。
本优选实施例用于提取电缆盘图像中的电缆盘区域的边缘像素，在确定一个像素是否为边缘像素时，通过建立以该像素为中心的不同角度的直线作为衡量基础，如果该像素为边缘像素，则其必然存在两端的端点分别属于背景区域和电缆盘区域的直线，针对这一特性，定义像素的边缘属性值，在所述边缘属性值中，引入边缘权值τθ(i，j)和边缘衡量系数ηθ(i，j)，所述边缘权值τθ(i，j)通过统计该像素各角度直线上像素和中心像素的差值程度统计衡量该像素各角度直线反应了该像素边缘特性的程度，对于一个边缘像素，该像素各角度的直线中同时分布于背景区域和电缆盘区域中的直线能够有效的反应该像素的边缘特性，因此，其边缘权值τθ(i，j)较大，而对于非边缘像素，其各角度的直线全部或者大多数仅分布于背景区域或电缆盘区域中，对于仅分布于背景区域或电缆区域的直线，这种直线上的像素值变化较小，因此，具有较小的边缘权值；所述边缘衡量系数ηθ(i，j)通过直线两端端点像素的特性衡量该像素的边缘特性，对于一个边缘像素，则其必然存在一条或多条同时分布于背景区域和电缆盘区域的直线，该种直线两端端点像素具有较大的区别，边缘衡量系数通过计算直线两端端点像素的灰度差值能够有效的衡量该像素的边缘属性；边缘衡量系数在计算直线两端端点像素的灰度差值时，通过两端端点像素的局部邻域的均值替代两端端点像素的灰度值进行计算，能够有效的减少噪声污染对计算结果的影响，在利用端点像素的局部邻域中像素进行计算的过程中，考虑到对于边缘像素，其直线的端点像素的局部邻域中可能同时存在背景区域的像素和电缆盘区域的像素，针对上述情况，本优选实施例引入了像素的结构系数对端点的局部邻域中的像素进行空间限制，像素的结构系数反应了该像素的空间结构，通过和端点像素的结构系数进行比较，能够有效的判断该像素和端点像素是否处于同一区域中，规定只有和端点像素属于同一结构区域的邻域像素方能参与运算，从而避免了不同结构区域像素参与运算影响计算结果的准确性，提高了边缘像素提取结果的准确性。
优选地，所述门限值H(b)采用下列方式确定：
排列检测单元在数据库中提取一副电缆盘图像，将所述电缆盘图像中的电缆盘区域的边缘像素进行人为标记，并计算所述标记的边缘像素的边缘属性值，取这些边缘像素的边缘属性值中的最小值设置为门限值H(b)。
本优选实施例用于确定像素边缘属性值的门限值H(b)，排列检测单元从数据库中提取一副电缆盘图像，将所述电缆盘图像中的边缘像素进行人为标记，并计算所述标记的边缘像素的边缘属性值，取这些边缘像素的边缘属性值中的最小值设置为门限值H(b)，具有较高的准确性。
优选地，根据提取所得的边缘像素确定所述电缆盘图像中的电缆盘区域图像，具体为：
对提取所得的边缘像素进行检验，设B(t)表示提取的电缆盘图像I(t)中电缆盘区域的边缘像素集合，I(k，l)为边缘像素集合B(t)中的边缘像素，定义边缘像素I(k，l)对应的可信度为D(k，l)，且D(k，l)的表达式为：
Figure BDA0002326515210000051
式中，Ω(k，l)表示以像素I(k，l)为中心的
Figure BDA0002326515210000052
的局部邻域，I(x，y)为局部邻域Ω(k，l)中的像素，且I(x，y)≠I(k，l)，b(x，y)表示像素I(x，y)的边缘属性值，b(k，l)表示边缘像素I(k，l)的边缘属性值，α(b(x，y)，b(k，l))为取值函数，当b(x，y)＜b(k，l)时，则α(b(x，y)，b(k，l))＝1，当b(x，y)≥b(k，l)时，则α(b(x，y)，b(k，l))＝0，M(k，l)表示局部邻域Ω(k，l)中的像素数，β(b(x，y)，H(b))表示取值函数，当b(x，y)>H(b)时，则β(b(x，y)，H(b))＝1，当b(x，y)≤H(b)，则β(b(x，y)，H(b))＝0，其中，H(b)表示边缘像素门限值；
当边缘像素I(k，l)的可信度D(k，l)>0时，则在边缘像素集合B(t)中保留边缘像素I(k，l)，否则将边缘像素I(k，l)从边缘像素集合B(t)中去除，将边缘像素集合B(t)中剩余的边缘像素通过曲线连接起来，曲线中的区域即为电缆盘图像中的电缆盘区域图像。
本优选实施例用于对提取所得的边缘像素进行检验，定义边缘像素的可信度D(k，l)，所述可信度由两部分组成，第一部分用于对该边缘像素和局部邻域中像素的边缘属性值进行比较，边缘像素的边缘属性值高于普通像素的边缘属性值，当该边缘像素的边缘属性值高于其局部邻域中多数像素的边缘属性值时，其具有较高的可信度为边缘像素；第二部分用于对该边缘像素的局部邻域中的边缘像素进行统计，当一个像素为边缘像素时，则其局部邻域中必然存在与之相邻的边缘像素，通过对边缘像素的局部邻域中其他边缘像素的统计，能够有效的去除边缘像素集合B(t)中因误检造成的单独分布的边缘像素，提高了后续的电缆盘区域的提取的准确性。
优选地，所述排列检测单元用于对提取所得的电缆盘区域图像进行分析，判断电缆盘上的电缆排列是否存在异常，具体包括：
(1)设t时刻采集得到的电缆图像为I(t)，I1(t)表示电缆盘图像I(t)中提取的电缆盘区域图像，定义电缆区域图像I1(t)的排列检测系数为L(I1(t))，则L(I1(t))的表达式为：
Figure BDA0002326515210000061
式中，X和Y分别表示电缆盘区域图像I1(t)的长和宽，h1(i+1，j)表示电缆盘区域图像I1(t)中坐标(i+1，j)处像素的灰度值，h1(i-1，j)表示电缆盘区域图像I1(t)中坐标(i-1，j)处像素的灰度值，h1(i，j+1)表示电缆盘区域图像I1(t)中坐标(i，j+1)处像素的灰度值，h1(i，j-1)表示电缆盘区域图像I1(t)中坐标(i，j-1)处像素的灰度值，h1(max)表示电缆盘区域图像I1(t)中像素灰度值的最大值，h1(min)表示电缆盘区域图像I1(t)中像素灰度值的最小值；
(2)排列检测单元从数据库中调取电缆盘开始绕线t时刻后的电缆盘区域图像记为参考图像I2(t)，计算所述参考图像I2(t)的排列检测系数L(I2(t))，将计算所得的排列检测系数L(I2(t))和电缆盘区域图像I1(t)的排列检测系数L(I1(t))进行比较，当
Figure BDA0002326515210000062
Figure BDA0002326515210000063
时，排列检测单元断定当前时刻电缆盘上的电缆排列正常，当
Figure BDA0002326515210000064
或
Figure BDA0002326515210000065
时，排列检测单元断定当前时刻电缆盘上电缆排列出现异常。
本优选实施例用于对提取所得的电缆盘区域图像进行分析，判断电缆盘上的电缆排列是否存在异常，定义排列检测系数，根据电缆盘上电缆排列的特性，定义的排列检测系数通过衡量电缆盘区域图像中行像素和列像素的变化程度作为电缆盘上的电缆排列的检测因素，能够有效的反应电缆盘上电缆排列的特性，将计算所得的电缆排列检测系数和相同时刻的电缆排列正常情况下的电缆盘区域图像的排列检测系数进行比较，能够及时、有效的判断电缆盘上电缆排列是否出现异常。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种基于机器视觉的电缆排列检测系统，其特征是，包括电缆盘、图像采集模块、智能检测模块、绕线控制模块、绕线电机和异常提醒模块，所述图像采集模块定时对电缆盘进行图像采集，并将采集得到的电缆盘图像传输至智能检测模块，所述智能检测模块用于对接收到的电缆盘图像进行处理和分析，判断电缆盘上电缆排列是否出现异常，当断定电缆盘上电缆排列出现异常时令异常提醒模块进行提醒，并通过绕线控制模块控制绕线电机停止工作。
2.根据权利要求1所述的一种基于机器视觉的电缆排列检测系统，其特征是，所述智能检测模块包括数据库、目标提取单元和排列检测单元，所述数据库中存储着电缆盘开始绕线后的各采集时刻对应的电缆排列正常情况下的电缆盘区域图像，所述目标提取单元用于提取接收到的电缆盘图像中的电缆盘区域图像，所述排列检测单元用于对提取的电缆盘区域图像进行分析，判断电缆盘上的电缆排列是否存在异常。
3.根据权利要求2所述的一种基于机器视觉的电缆排列检测系统，其特征是，所述目标提取单元用于提取接收到的电缆盘图像中的电缆盘区域图像，具体包括：
（1）提取所述电缆盘图像中的电缆盘区域的边缘像素；
（2）根据提取所得的电缆盘区域的边缘像素确定所述电缆盘图像中的电缆盘区域图像。
4.根据权利要求3所述的一种基于机器视觉的电缆排列检测系统，其特征是，提取所述电缆盘图像中电缆盘区域的边缘像素，设
Figure DEST_PATH_IMAGE001
表示电缆盘开始绕线
Figure 391720DEST_PATH_IMAGE002
时刻后采集得到的电缆盘图像，
Figure DEST_PATH_IMAGE003
表示电缆盘图像
Figure 184227DEST_PATH_IMAGE001
中坐标
Figure 963964DEST_PATH_IMAGE004
处的像素，
Figure DEST_PATH_IMAGE005
表示以像素
Figure 724285DEST_PATH_IMAGE003
为中心的长度为
Figure 476341DEST_PATH_IMAGE006
的直线，其中，
Figure DEST_PATH_IMAGE007
为直线
Figure 174169DEST_PATH_IMAGE005
和
Figure 877421DEST_PATH_IMAGE008
轴正方向的夹角，且
Figure 14004DEST_PATH_IMAGE007
的初始值设置为
Figure DEST_PATH_IMAGE009
，定义
Figure 620566DEST_PATH_IMAGE010
表示像素
Figure 551613DEST_PATH_IMAGE003
的边缘属性值，则
Figure 745090DEST_PATH_IMAGE010
的表达式为：
Figure 419785DEST_PATH_IMAGE012
Figure 880854DEST_PATH_IMAGE014
Figure 248381DEST_PATH_IMAGE016
式中，
Figure DEST_PATH_IMAGE017
为直线
Figure 863908DEST_PATH_IMAGE005
的边缘权值，
Figure 139031DEST_PATH_IMAGE018
为像素
Figure 720185DEST_PATH_IMAGE003
的灰度值，
Figure DEST_PATH_IMAGE019
为直线
Figure 432183DEST_PATH_IMAGE005
上的像素，
Figure 98788DEST_PATH_IMAGE020
为像素
Figure 115285DEST_PATH_IMAGE019
的灰度值，
Figure DEST_PATH_IMAGE021
为直线
Figure 987164DEST_PATH_IMAGE005
上的像素数，
Figure 758811DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
分别为电缆盘图像
Figure 584816DEST_PATH_IMAGE001
中像素灰度值的最大值和最小值，
Figure 405004DEST_PATH_IMAGE024
为直线
Figure 196636DEST_PATH_IMAGE005
的边缘衡量系数，
Figure DEST_PATH_IMAGE025
表示以像素
Figure 14550DEST_PATH_IMAGE026
为中心的
Figure DEST_PATH_IMAGE027
的局部邻域，
Figure 390168DEST_PATH_IMAGE028
表示以像素
Figure DEST_PATH_IMAGE029
为中心的
Figure 184686DEST_PATH_IMAGE027
的局部邻域，
Figure 594939DEST_PATH_IMAGE026
和
Figure 646072DEST_PATH_IMAGE029
分别为直线
Figure 22169DEST_PATH_IMAGE005
两端的端点像素，
Figure 184160DEST_PATH_IMAGE030
为局部邻域
Figure 183340DEST_PATH_IMAGE025
中的像素，
Figure DEST_PATH_IMAGE031
表示像素
Figure 405374DEST_PATH_IMAGE030
的灰度值，
Figure 254119DEST_PATH_IMAGE032
为像素
Figure 219801DEST_PATH_IMAGE030
的权值，且
Figure 339067DEST_PATH_IMAGE032
的表达式为：
Figure 466423DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
表示像素
Figure 805394DEST_PATH_IMAGE026
的结构系数，且
Figure 309187DEST_PATH_IMAGE036
，其中，
Figure DEST_PATH_IMAGE037
表示电缆盘图像
Figure 486222DEST_PATH_IMAGE001
中坐标
Figure 283014DEST_PATH_IMAGE038
处像素的灰度值，
Figure DEST_PATH_IMAGE039
表示电缆盘图像
Figure 607817DEST_PATH_IMAGE001
中坐标
Figure 915301DEST_PATH_IMAGE040
处像素的灰度值，
Figure DEST_PATH_IMAGE041
表示像素
Figure 182728DEST_PATH_IMAGE026
的灰度值，
Figure 917466DEST_PATH_IMAGE042
表示电缆盘图像
Figure 463985DEST_PATH_IMAGE001
中坐标
Figure DEST_PATH_IMAGE043
处像素的灰度值，
Figure 575160DEST_PATH_IMAGE044
表示电缆盘图像
Figure 22060DEST_PATH_IMAGE001
中坐标
Figure DEST_PATH_IMAGE045
处像素的灰度值，
Figure 865382DEST_PATH_IMAGE046
表示像素
Figure DEST_PATH_IMAGE047
的结构系数，且
Figure 899197DEST_PATH_IMAGE048
，其中，
Figure DEST_PATH_IMAGE049
表示电缆盘图像
Figure 987632DEST_PATH_IMAGE001
中坐标
Figure 790503DEST_PATH_IMAGE050
处像素的灰度值，
Figure DEST_PATH_IMAGE051
表示电缆盘图像
Figure 303262DEST_PATH_IMAGE001
中坐标
Figure 886690DEST_PATH_IMAGE052
处像素的灰度值，
Figure DEST_PATH_IMAGE053
表示电缆盘图像
Figure 11772DEST_PATH_IMAGE001
中坐标
Figure 934728DEST_PATH_IMAGE054
处像素的灰度值，
Figure DEST_PATH_IMAGE055
表示电缆盘图像
Figure 609599DEST_PATH_IMAGE001
中坐标
Figure 680323DEST_PATH_IMAGE056
处像素的灰度值；
Figure DEST_PATH_IMAGE057
为局部邻域
Figure 609096DEST_PATH_IMAGE028
中的像素，
Figure 885095DEST_PATH_IMAGE058
表示像素
Figure 303438DEST_PATH_IMAGE057
的灰度值，
Figure DEST_PATH_IMAGE059
为像素
Figure 533562DEST_PATH_IMAGE057
的权值，且
Figure 328342DEST_PATH_IMAGE059
的表达式为：
Figure DEST_PATH_IMAGE061
其中，
Figure 399460DEST_PATH_IMAGE062
表示像素
Figure 988704DEST_PATH_IMAGE029
的结构系数，且
Figure DEST_PATH_IMAGE063
，其中，
Figure 971704DEST_PATH_IMAGE064
表示电缆盘图像
Figure 803131DEST_PATH_IMAGE001
中坐标
Figure DEST_PATH_IMAGE065
处像素的灰度值，
Figure 227291DEST_PATH_IMAGE066
表示电缆盘图像
Figure 253015DEST_PATH_IMAGE001
中坐标
Figure DEST_PATH_IMAGE067
处像素的灰度值，
Figure 959197DEST_PATH_IMAGE068
表示像素
Figure 95780DEST_PATH_IMAGE029
的灰度值，
Figure DEST_PATH_IMAGE069
表示电缆盘图像
Figure 374446DEST_PATH_IMAGE001
中坐标
Figure 69607DEST_PATH_IMAGE070
处像素的灰度值，
Figure DEST_PATH_IMAGE071
表示电缆盘图像
Figure 761619DEST_PATH_IMAGE072
中坐标
Figure DEST_PATH_IMAGE073
处像素的灰度值，
Figure 373997DEST_PATH_IMAGE074
表示像素
Figure DEST_PATH_IMAGE075
的结构系数，且
Figure 274214DEST_PATH_IMAGE076
，其中，
Figure DEST_PATH_IMAGE077
表示电缆盘图像
Figure 641741DEST_PATH_IMAGE001
中坐标
Figure 555471DEST_PATH_IMAGE078
处像素的灰度值，
Figure DEST_PATH_IMAGE079
表示电缆盘图像
Figure 470075DEST_PATH_IMAGE001
中坐标
Figure 51229DEST_PATH_IMAGE080
处像素的灰度值，
Figure DEST_PATH_IMAGE081
表示电缆盘图像
Figure 324078DEST_PATH_IMAGE001
中坐标
Figure 316366DEST_PATH_IMAGE082
处像素的灰度值，
Figure DEST_PATH_IMAGE083
表示电缆盘图像
Figure 270547DEST_PATH_IMAGE001
中坐标
Figure 706208DEST_PATH_IMAGE084
处像素的灰度值；
给定边缘像素门限值
Figure DEST_PATH_IMAGE085
，当
Figure 648494DEST_PATH_IMAGE086
时，则像素
Figure DEST_PATH_IMAGE087
记为边缘像素。
5.根据权利要求4所述的一种基于机器视觉的电缆排列检测系统，其特征是，根据提取所得的电缆盘区域的边缘像素确定所述电缆盘图像中的电缆盘区域图像，具体为：
对提取所得的边缘像素进行检验，设
Figure 740078DEST_PATH_IMAGE088
表示提取的电缆盘图像
Figure 560266DEST_PATH_IMAGE001
中电缆盘区域的边缘像素集合，
Figure DEST_PATH_IMAGE089
为边缘像素集合
Figure 289581DEST_PATH_IMAGE088
中的边缘像素，定义边缘像素
Figure 232129DEST_PATH_IMAGE089
对应的可信度为
Figure 607747DEST_PATH_IMAGE090
，且
Figure 966047DEST_PATH_IMAGE090
的表达式为：
Figure 874835DEST_PATH_IMAGE092
式中，
Figure DEST_PATH_IMAGE093
表示以像素
Figure 660388DEST_PATH_IMAGE094
为中心的
Figure 523302DEST_PATH_IMAGE027
的局部邻域，
Figure 685293DEST_PATH_IMAGE019
为局部邻域
Figure 451517DEST_PATH_IMAGE093
中的像素，且
Figure DEST_PATH_IMAGE095
，
Figure 611234DEST_PATH_IMAGE096
表示像素
Figure DEST_PATH_IMAGE097
的边缘属性值，
Figure 961444DEST_PATH_IMAGE098
表示边缘像素
Figure 160082DEST_PATH_IMAGE089
的边缘属性值，
Figure DEST_PATH_IMAGE099
为取值函数，当
Figure 217031DEST_PATH_IMAGE100
时，则
Figure DEST_PATH_IMAGE101
，当
Figure 609966DEST_PATH_IMAGE102
时，则
Figure DEST_PATH_IMAGE103
，
Figure 886620DEST_PATH_IMAGE104
表示局部邻域
Figure 390414DEST_PATH_IMAGE093
中的像素数，
Figure DEST_PATH_IMAGE105
表示取值函数，当
Figure 800404DEST_PATH_IMAGE106
时，则
Figure DEST_PATH_IMAGE107
，当
Figure 364241DEST_PATH_IMAGE108
，则
Figure DEST_PATH_IMAGE109
，其中，
Figure 626726DEST_PATH_IMAGE085
表示边缘像素门限值；
当边缘像素
Figure 158377DEST_PATH_IMAGE089
的可信度
Figure 314552DEST_PATH_IMAGE110
时，则在边缘像素集合
Figure 49290DEST_PATH_IMAGE088
中保留边缘像素
Figure 595809DEST_PATH_IMAGE089
，否则将边缘像素
Figure 706985DEST_PATH_IMAGE094
从边缘像素集合
Figure 153884DEST_PATH_IMAGE088
中去除，将边缘像素集合
Figure 121840DEST_PATH_IMAGE088
中剩余的边缘像素通过曲线连接起来，曲线中的区域即为电缆盘图像中的电缆盘区域图像。
6.根据权利要求5所述的一种基于机器视觉的电缆排列检测系统，其特征是，排列检测单元用于对提取所得的电缆盘区域图像进行分析，判断电缆盘上的电缆排列是否存在异常，具体包括：
（1）设
Figure 155655DEST_PATH_IMAGE002
时刻采集得到的电缆图像为
Figure 539363DEST_PATH_IMAGE001
，
Figure DEST_PATH_IMAGE111
表示电缆盘图像
Figure 46961DEST_PATH_IMAGE001
中提取的电缆盘区域图像，定义电缆盘区域图像
Figure 185819DEST_PATH_IMAGE111
的排列检测系数为
Figure 706930DEST_PATH_IMAGE112
，则
Figure 894329DEST_PATH_IMAGE112
的表达式为：
Figure 817285DEST_PATH_IMAGE114
式中，
Figure DEST_PATH_IMAGE115
和
Figure 500945DEST_PATH_IMAGE116
分别表示电缆盘区域图像
Figure 571669DEST_PATH_IMAGE111
的长和宽，
Figure DEST_PATH_IMAGE117
表示电缆盘区域图像
Figure 500442DEST_PATH_IMAGE111
中坐标
Figure 779370DEST_PATH_IMAGE118
处像素的灰度值，
Figure DEST_PATH_IMAGE119
表示电缆盘区域图像
Figure 197713DEST_PATH_IMAGE111
中坐标
Figure 427837DEST_PATH_IMAGE120
处像素的灰度值，
Figure DEST_PATH_IMAGE121
表示电缆盘区域图像
Figure 658836DEST_PATH_IMAGE111
中坐标
Figure 290806DEST_PATH_IMAGE122
处像素的灰度值，
Figure DEST_PATH_IMAGE123
表示电缆盘区域图像
Figure 880050DEST_PATH_IMAGE111
中坐标
Figure 863050DEST_PATH_IMAGE124
处像素的灰度值，
Figure DEST_PATH_IMAGE125
表示电缆盘区域图像
Figure 635090DEST_PATH_IMAGE111
中像素灰度值的最大值，
Figure 121566DEST_PATH_IMAGE126
表示电缆盘区域图像
Figure 209608DEST_PATH_IMAGE111
中像素灰度值的最小值；
（2）排列检测单元从数据库中调取电缆盘开始绕线
Figure 414324DEST_PATH_IMAGE002
时刻后的电缆盘区域图像记为参考图像
Figure DEST_PATH_IMAGE127
，计算所述参考图像
Figure 721547DEST_PATH_IMAGE127
的排列检测系数
Figure 328108DEST_PATH_IMAGE128
，将计算所得的排列检测系数
Figure DEST_PATH_IMAGE129
和电缆盘区域图像
Figure 524735DEST_PATH_IMAGE111
的排列检测系数
Figure 464351DEST_PATH_IMAGE130
进行比较，当
Figure DEST_PATH_IMAGE131
时，排列检测单元断定当前时刻电缆盘上的电缆排列正常，当
Figure 342309DEST_PATH_IMAGE132
或
Figure DEST_PATH_IMAGE133
时，排列检测单元断定当前时刻电缆盘上电缆排列出现异常。
CN201911318539.0A 2019-12-19 2019-12-19 一种基于机器视觉的电缆排列检测系统 Active CN110940372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911318539.0A CN110940372B (zh) 2019-12-19 2019-12-19 一种基于机器视觉的电缆排列检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911318539.0A CN110940372B (zh) 2019-12-19 2019-12-19 一种基于机器视觉的电缆排列检测系统

Publications (2)

Publication Number Publication Date
CN110940372A true CN110940372A (zh) 2020-03-31
CN110940372B CN110940372B (zh) 2020-07-21

Family

ID=69912116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911318539.0A Active CN110940372B (zh) 2019-12-19 2019-12-19 一种基于机器视觉的电缆排列检测系统

Country Status (1)

Country Link
CN (1) CN110940372B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3997128A (en) * 1974-12-18 1976-12-14 The Furukawa Electric Co., Ltd. Wire take up apparatus
JPS56164688A (en) * 1980-05-23 1981-12-17 Hitachi Ltd Remote visual device
GB2273278A (en) * 1992-12-09 1994-06-15 Deutsche Tiefbohr Ag Controlling a cable hoist
US20010020663A1 (en) * 1999-06-25 2001-09-13 Petersen Mark W. Reel monitor devices and methods of using the same
CN102032875A (zh) * 2009-09-28 2011-04-27 王吉林 一种基于图像处理的电缆护套厚度测量方法
CN103839247A (zh) * 2012-11-20 2014-06-04 富士通株式会社 边缘像素确定方法、边缘像素确定装置和图像处理设备
CN104535356A (zh) * 2015-01-19 2015-04-22 中南大学 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN105718842A (zh) * 2014-12-02 2016-06-29 中国科学院沈阳自动化研究所 一种输电线断股故障的机器视觉检测方法
CN106629234A (zh) * 2016-10-12 2017-05-10 哈尔滨理工大学 一种基于视觉的自动绕线方案
CN207730842U (zh) * 2017-12-20 2018-08-14 武汉国电武仪电气股份有限公司 一种电缆线线序检测装置
CN208013105U (zh) * 2018-03-20 2018-10-26 天津凯西固德技术发展有限公司 一种成品电缆外观检测设备
CN108921132A (zh) * 2018-07-27 2018-11-30 广东电网有限责任公司 无人机机载电缆探测系统
CN109179064A (zh) * 2018-07-27 2019-01-11 南京理工大学 一种电缆盘上电缆排列检测系统及方法
CN109409272A (zh) * 2018-10-17 2019-03-01 北京空间技术研制试验中心 基于机器视觉的电缆验收系统和方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3997128A (en) * 1974-12-18 1976-12-14 The Furukawa Electric Co., Ltd. Wire take up apparatus
JPS56164688A (en) * 1980-05-23 1981-12-17 Hitachi Ltd Remote visual device
GB2273278A (en) * 1992-12-09 1994-06-15 Deutsche Tiefbohr Ag Controlling a cable hoist
US20010020663A1 (en) * 1999-06-25 2001-09-13 Petersen Mark W. Reel monitor devices and methods of using the same
CN102032875A (zh) * 2009-09-28 2011-04-27 王吉林 一种基于图像处理的电缆护套厚度测量方法
CN103839247A (zh) * 2012-11-20 2014-06-04 富士通株式会社 边缘像素确定方法、边缘像素确定装置和图像处理设备
CN105718842A (zh) * 2014-12-02 2016-06-29 中国科学院沈阳自动化研究所 一种输电线断股故障的机器视觉检测方法
CN104535356A (zh) * 2015-01-19 2015-04-22 中南大学 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN106629234A (zh) * 2016-10-12 2017-05-10 哈尔滨理工大学 一种基于视觉的自动绕线方案
CN207730842U (zh) * 2017-12-20 2018-08-14 武汉国电武仪电气股份有限公司 一种电缆线线序检测装置
CN208013105U (zh) * 2018-03-20 2018-10-26 天津凯西固德技术发展有限公司 一种成品电缆外观检测设备
CN108921132A (zh) * 2018-07-27 2018-11-30 广东电网有限责任公司 无人机机载电缆探测系统
CN109179064A (zh) * 2018-07-27 2019-01-11 南京理工大学 一种电缆盘上电缆排列检测系统及方法
CN109409272A (zh) * 2018-10-17 2019-03-01 北京空间技术研制试验中心 基于机器视觉的电缆验收系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹东晨等: "基于机器视觉的电缆方位检测系统", 《东华大学学报（自然科学版）》 *

Also Published As

Publication number Publication date
CN110940372B (zh) 2020-07-21

Similar Documents

Publication Publication Date Title
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN103759758B (zh) 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法
CN110706210B (zh) 一种基于深度学习的钢筋计数方法及装置
CN110766095A (zh) 基于图像灰度特征的缺陷检测方法
CN114581446B (zh) 一种叠片电池的电芯异常检测方法及系统
CN114255405A (zh) 一种隐患目标识别方法与装置
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN116721107A (zh) 一种电缆生产质量智能监控系统
CN116308305A (zh) 一种桥梁健康监测数据管理系统
CN116342598B (zh) 基于机器视觉的钢绞线质量检测方法
CN113781537A (zh) 一种轨道弹条扣件缺陷识别方法、装置和计算机设备
CN117274722A (zh) 基于红外图像的配电箱智能检测方法
CN112183436B (zh) 基于像素点八邻域灰度对比的高速公路能见度检测方法
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN110322428A (zh) 检测隧道病害的方法、装置及电子设备
CN103473925B (zh) 一种道路车辆检测系统的验证方法
CN110940372B (zh) 一种基于机器视觉的电缆排列检测系统
CN102521874B (zh) 一种基于图像重建三维数据的法线重采样方法
CN114677574B (zh) 用于自动驾驶的诊断图像故障的方法和系统
CN116797604A (zh) 一种玻璃绝缘子缺陷识别方法、装置、设备及介质
CN115683046A (zh) 测距方法、装置、传感器及计算机可读存储介质
CN116229419A (zh) 一种行人检测方法及装置
CN115239723A (zh) 基于图形识别的卷板机零件检测方法
CN103018327A (zh) 航空发动机整流器超声波探伤钎着率测量方法
CN115063402B (zh) 基于滑动分析的电缆异物检测方法、系统、终端及介质

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Mao Huacheng

Inventor after: Zhou Miaogen

Inventor after: Qi Honglei

Inventor after: Lu Yunli

Inventor after: Li Pengpeng

Inventor after: Zhou Jianhua

Inventor before: Mao Huacheng

Inventor before: Zhou Miaogen

Inventor before: Qi Honglei

Inventor before: Lu Yunli

Inventor before: Li Pengpeng

Inventor before: Zhou Jianping