本發(fā)明涉及圖像缺陷識(shí)別，具體涉及一種電纜接頭毛刺快速檢測(cè)方法、裝置及系統(tǒng)。

背景技術(shù)：

1、電纜接頭處出現(xiàn)的毛刺會(huì)對(duì)電纜的絕緣性能造成損害，影響電器的能效，導(dǎo)致故障風(fēng)險(xiǎn)增加，并且在一定程度上會(huì)干擾信號(hào)的傳輸；因此電纜接頭處毛刺的存在會(huì)直接關(guān)系到電纜的性能和安全性。所以需要準(zhǔn)確并及時(shí)的檢測(cè)出電纜接頭處的毛刺，從而及時(shí)消除毛刺以提高電纜的性能和安全性?？紤]到人工檢測(cè)電纜接頭毛刺的效率和準(zhǔn)確性均較低，因此通常圖像處理方法對(duì)毛刺進(jìn)行自動(dòng)化檢測(cè)，以保證電纜接頭毛刺的效率和準(zhǔn)確性。

2、現(xiàn)有技術(shù)通常采用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法識(shí)別電纜接頭處的電纜橫截面圖像中的毛刺區(qū)域。由于基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法需要借助深度學(xué)習(xí)模型進(jìn)行毛刺區(qū)域的識(shí)別，所以需要大量的訓(xùn)練樣本以保證識(shí)別效果的準(zhǔn)確性；此外，毛刺區(qū)域在分布具有一定的隨機(jī)性且形態(tài)多樣，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法可能無(wú)法全面捕捉毛刺特征導(dǎo)致部分毛刺區(qū)域被遺漏。因此現(xiàn)有技術(shù)采用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法進(jìn)行毛刺區(qū)域檢測(cè)的準(zhǔn)確度較低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種電纜接頭毛刺快速檢測(cè)方法、裝置及系統(tǒng)，根據(jù)毛刺區(qū)域邊緣通常較為尖銳、角點(diǎn)密度較大且角點(diǎn)的方向分布趨近一致的特點(diǎn)，通過計(jì)算出的邊緣特征異常度表征每個(gè)連通域在形態(tài)邊緣上與毛刺區(qū)域的相似性；進(jìn)一步在邊緣特征異常度的基礎(chǔ)上根據(jù)毛刺區(qū)域在不同拍攝角度下的連通域特征變化相對(duì)于正常區(qū)域變化更大的特點(diǎn)，確定主視角下每個(gè)連通域?qū)?yīng)的表征毛刺區(qū)域異常特征的異常程度，從而根據(jù)異常程度篩選出所有異常毛刺區(qū)域；最后根據(jù)各個(gè)連通域在整體灰度和邊緣梯度上與異常毛刺區(qū)域之間的相似情況結(jié)合邊緣特征異常度，對(duì)每個(gè)連通域的毛刺區(qū)域可能性進(jìn)行進(jìn)一步地計(jì)算，從而根據(jù)毛刺區(qū)域可能性以及已經(jīng)篩選出的異常毛刺區(qū)域進(jìn)行毛刺檢測(cè)，解決了現(xiàn)有技術(shù)采用目標(biāo)檢測(cè)方法可能無(wú)法全面捕捉毛刺特征的問題，使得檢測(cè)出的真實(shí)毛刺區(qū)域的準(zhǔn)確性更高。

2、本技術(shù)第一方面提供了一種電纜接頭毛刺快速檢測(cè)方法，包括：

3、通過相機(jī)采集電纜接頭處的電纜橫截面在每個(gè)拍攝角度下的電纜橫截面灰度圖像；獲取所述電纜橫截面灰度圖像中的所有連通域；所述拍攝角度包括一個(gè)主視角和至少兩個(gè)輔助視角；

4、在所述電纜橫截面灰度圖像中，根據(jù)每個(gè)連通域的形狀與圓形的相似情況以及所述連通域中的角點(diǎn)密度和角點(diǎn)的方向分布一致情況，確定每個(gè)連通域的邊緣特征異常度；

5、根據(jù)主視角下每個(gè)連通域與每個(gè)輔助視角下的所有連通域之間在整體灰度值、邊緣特征異常度和位置上的相似情況，確定主視角下的每個(gè)連通域與每個(gè)輔助視角下的每個(gè)連通域之間的匹配程度；

6、根據(jù)所述匹配程度確定主視角下的每個(gè)連通域在每個(gè)輔助視角下的匹配連通域；根據(jù)主視角下的每個(gè)連通域的邊緣特征異常度以及對(duì)應(yīng)的各個(gè)匹配連通域的匹配程度的波動(dòng)情況，確定主視角下的每個(gè)連通域的異常程度；根據(jù)所述異常程度篩選出的主視角中的所有異常毛刺區(qū)域；

7、根據(jù)主視角下的每個(gè)連通域與各個(gè)異常毛刺區(qū)域之間在灰度梯度和灰度上的相似情況以及對(duì)應(yīng)的邊緣特征異常度，確定主視角下每個(gè)連通域的毛刺區(qū)域可能性；根據(jù)所述毛刺區(qū)域可能性以及所有異常毛刺區(qū)域檢測(cè)出所有真實(shí)毛刺區(qū)域。

8、在本技術(shù)第一方面一實(shí)施例中，所述邊緣特征異常度的獲取方法包括：

9、計(jì)算所述電纜橫截面灰度圖像中每個(gè)連通域的圓形度；

10、借助角點(diǎn)檢測(cè)方法確定每個(gè)連通域?qū)?yīng)的所有角點(diǎn)以及每個(gè)角點(diǎn)的角點(diǎn)方向；根據(jù)每個(gè)角點(diǎn)的角點(diǎn)方向與水平方向的夾角，將每個(gè)角點(diǎn)的角點(diǎn)方向量化為角點(diǎn)方向角度；計(jì)算每個(gè)連通域中所有角點(diǎn)對(duì)應(yīng)的角點(diǎn)方向角度方差；

11、根據(jù)每個(gè)連通域中的角點(diǎn)數(shù)量與連通域面積，確定每個(gè)連通域的角點(diǎn)密度；

12、根據(jù)所述角點(diǎn)方向角度方差、所述角點(diǎn)密度和所述圓形度，確定每個(gè)連通域的邊緣特征異常度；所述角點(diǎn)方向角度方差和所述圓形度均與所述邊緣特征異常度呈負(fù)相關(guān)關(guān)系，所述角點(diǎn)密度與所述邊緣特征異常度呈正相關(guān)關(guān)系。

13、在本技術(shù)第一方面一實(shí)施例中，所述匹配程度的獲取方法包括：

14、確定所述電纜橫截面灰度圖像中每個(gè)連通域的質(zhì)心點(diǎn)像素坐標(biāo)并計(jì)算每個(gè)連通域中所有像素點(diǎn)的灰度值均值；依次將主視角下的每個(gè)連通域作為目標(biāo)連通域；依次將每個(gè)輔助視角下的每個(gè)連通域作為輔助連通域；

15、根據(jù)所述目標(biāo)連通域的灰度值均值與所述輔助連通域的灰度值均值之間的差異，確定對(duì)應(yīng)的參考灰度差異；

16、根據(jù)所述目標(biāo)連通域的質(zhì)心點(diǎn)像素坐標(biāo)與所述輔助連通域的質(zhì)心點(diǎn)像素坐標(biāo)之間的歐氏距離，確定對(duì)應(yīng)的參考位置差異；

17、根據(jù)所述目標(biāo)連通域的邊緣特征異常度與所述輔助連通域的邊緣特征異常度之間的差異，確定對(duì)應(yīng)的邊緣異常差異；

18、根據(jù)所述參考灰度差異、所述參考位置差異和所述邊緣異常差異，確定所述目標(biāo)連通域與所述輔助連通域之間的匹配程度；所述參考灰度差異、所述參考位置差異和所述邊緣異常差異均與所述匹配程度呈負(fù)相關(guān)關(guān)系。

19、在本技術(shù)第一方面一實(shí)施例中，所述匹配連通域的獲取方法包括：

20、將每個(gè)輔助視角下與目標(biāo)連通域之間的最大匹配程度對(duì)應(yīng)的連通域，作為目標(biāo)連通域在每個(gè)輔助視角下的匹配連通域。

21、在本技術(shù)第一方面一實(shí)施例中，所述異常程度的獲取方法包括：

22、根據(jù)目標(biāo)連通域與對(duì)應(yīng)的所有匹配連通域之間的匹配程度方差，確定目標(biāo)連通域的匹配程度離散度；根據(jù)所述匹配程度離散度與目標(biāo)連通域?qū)?yīng)的邊緣特征異常度，確定目標(biāo)連通域的異常程度；所述匹配程度離散度和目標(biāo)連通域?qū)?yīng)的邊緣特征異常度均與所述異常程度呈正相關(guān)關(guān)系。

23、在本技術(shù)第一方面一實(shí)施例中，所述異常毛刺區(qū)域的獲取方法包括：

24、在主視角下的所有連通域中，將異常程度大于預(yù)設(shè)異常閾值的連通域作為異常毛刺區(qū)域。

25、在本技術(shù)第一方面一實(shí)施例中，所述毛刺區(qū)域可能性的獲取方法包括：

26、根據(jù)所有異常毛刺區(qū)域中所有像素點(diǎn)的灰度值均值，確定參考異?；叶戎担桓鶕?jù)所有異常毛刺區(qū)域中所有邊緣像素點(diǎn)的灰度梯度值均值，確定參考異常梯度值；

27、將主視角下每個(gè)連通域中所有像素點(diǎn)的灰度值均值與所述參考異常灰度值之間的差異進(jìn)行負(fù)相關(guān)映射處理，確定主視角下每個(gè)連通域的灰度異常程度；

28、將主視角下每個(gè)連通域中所有邊緣像素點(diǎn)的灰度梯度值均值與所述參考異常梯度值之間的差異進(jìn)行負(fù)相關(guān)映射處理，確定主視角下每個(gè)連通域的梯度異常程度；

29、根據(jù)所述灰度異常程度、所述梯度異常程度和主視角下每個(gè)連通域?qū)?yīng)的邊緣特征異常度，確定主視角下每個(gè)連通域的毛刺區(qū)域可能性；主視角下每個(gè)連通域?qū)?yīng)的邊緣特征異常度、所述灰度異常程度和所述梯度異常程度均與所述毛刺區(qū)域可能性呈正相關(guān)關(guān)系。

30、在本技術(shù)第一方面一實(shí)施例中，所述真實(shí)毛刺區(qū)域的獲取方法包括：

31、在主視角下的所有連通域中，將毛刺區(qū)域可能性大于預(yù)設(shè)毛刺閾值的連通域以及所有異常毛刺區(qū)域，作為真實(shí)毛刺區(qū)域。

32、第二方面，本技術(shù)提供一種電纜接頭毛刺快速檢測(cè)系統(tǒng)，所述系統(tǒng)包括：

33、數(shù)據(jù)采集預(yù)處理模塊，用于通過相機(jī)采集電纜橫截面在每個(gè)拍攝角度下的電纜橫截面灰度圖像；獲取所述電纜橫截面灰度圖像中的所有連通域；所述拍攝角度包括一個(gè)主視角和至少兩個(gè)輔助視角；

34、第一確定模塊，用于在所述電纜橫截面灰度圖像中，根據(jù)每個(gè)連通域的形狀與圓形的相似情況以及所述連通域中的角點(diǎn)密度和角點(diǎn)的方向分布一致情況，確定每個(gè)連通域的邊緣特征異常度；

35、第二確定模塊，用于根據(jù)主視角下每個(gè)連通域與每個(gè)輔助視角下的所有連通域之間在整體灰度值、邊緣特征異常度和位置上的相似情況，確定主視角下的每個(gè)連通域與每個(gè)輔助視角下的每個(gè)連通域之間的匹配程度；

36、異常毛刺區(qū)域篩選模塊，用于根據(jù)所述匹配程度確定主視角下的每個(gè)連通域在每個(gè)輔助視角下的匹配連通域；根據(jù)主視角下的每個(gè)連通域的邊緣特征異常度以及對(duì)應(yīng)的各個(gè)匹配連通域的匹配程度的波動(dòng)情況，確定主視角下的每個(gè)連通域的異常程度；根據(jù)所述異常程度篩選出的主視角中的所有異常毛刺區(qū)域；

37、真實(shí)毛刺區(qū)域檢測(cè)模塊，用于根據(jù)主視角下的每個(gè)連通域與各個(gè)異常毛刺區(qū)域之間在灰度梯度和灰度上的相似情況以及對(duì)應(yīng)的邊緣特征異常度，確定主視角下每個(gè)連通域的毛刺區(qū)域可能性；根據(jù)所述毛刺區(qū)域可能性以及所有異常毛刺區(qū)域檢測(cè)出所有真實(shí)毛刺區(qū)域。

38、第三方面，本技術(shù)提供一種電纜接頭毛刺快速檢測(cè)裝置，包括存儲(chǔ)器和處理器。該存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序代碼，該處理器用于從存儲(chǔ)器中調(diào)用并運(yùn)行該計(jì)算機(jī)程序代碼，以執(zhí)行如本技術(shù)第一方面或第一方面任意實(shí)施例的方法。

39、第四方面，本技術(shù)提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序代碼，當(dāng)所述計(jì)算機(jī)程序代碼被執(zhí)行時(shí)，以執(zhí)行如本技術(shù)第一方面或第一方面任意實(shí)施例的方法。

40、第五方面，本技術(shù)提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)程序代碼，當(dāng)所述計(jì)算機(jī)程序代碼被執(zhí)行時(shí)，以執(zhí)行如本技術(shù)第一方面或第一方面任意實(shí)施例的方法。

41、本技術(shù)具有以下有益效果：

42、在毛刺區(qū)域邊緣形狀的維度上，毛刺區(qū)域相對(duì)于其他正常區(qū)域的邊緣更為尖銳也即與圓形的差異較大，對(duì)應(yīng)的角點(diǎn)密度相對(duì)于正常區(qū)域更多且這些角點(diǎn)對(duì)應(yīng)的方向呈現(xiàn)出較高的一致性，所以本技術(shù)首先根據(jù)每個(gè)連通域的形狀與圓形的相似情況以及所述連通域中的角點(diǎn)密度和角點(diǎn)的方向分布一致情況，在形態(tài)邊緣的維度上計(jì)算每個(gè)邊緣域?qū)?yīng)的邊緣特征異常度。

43、進(jìn)一步地由于毛刺區(qū)域的邊緣較為突出，并且由于毛刺的物理結(jié)構(gòu)通常會(huì)受到一定程度的光照的影響，在不同的拍攝角度下毛刺對(duì)應(yīng)的連通域在圖像上的特征表現(xiàn)相比于正常的電纜區(qū)域即非毛刺區(qū)域的連通域而言變化更大，因此需要根據(jù)主視角下的每個(gè)連通域在各個(gè)輔助視角中的特征變化情況結(jié)合邊緣特征異常度進(jìn)行異常程度的計(jì)算，從而根據(jù)異常程度計(jì)算出更加準(zhǔn)確的異常毛刺區(qū)域。

44、最后為了避免出現(xiàn)部分毛刺區(qū)域由于拍攝角度的問題導(dǎo)致沒有篩選出來的問題，根據(jù)各個(gè)連通域在整體灰度和邊緣梯度上與異常毛刺區(qū)域之間的相似情況結(jié)合邊緣特征異常度，對(duì)每個(gè)連通域的毛刺區(qū)域可能性進(jìn)行進(jìn)一步地計(jì)算，從而根據(jù)毛刺區(qū)域可能性以及已經(jīng)篩選出的異常毛刺區(qū)域進(jìn)行毛刺檢測(cè)，使得檢測(cè)出的真實(shí)毛刺區(qū)域的準(zhǔn)確性更高。