【技術實現步驟摘要】
本專利技術屬于電纜質量檢測，具體涉及基于紅外短波和可見光圖像特征融合的電纜質量檢測系統及方法。
技術介紹
1、電纜作為重要的電力傳輸和通信設備，在實際生產過程中的表面質量問題直接影響其可靠性和安全性。為了確保電纜生產過程中表面質量的準確檢測，傳統的檢測技術如超聲波檢測、x射線檢測、紅外圖像檢測和可見光圖像檢測得到了廣泛應用。然而，這些技術在實際應用中也存在一些挑戰，比如超聲波檢測需要對電纜進行接觸式檢測，影響生產效率；x射線檢測設備昂貴且需要專業操作人員；紅外和可見光圖像檢測對環境光線和材料表面特性敏感，易受干擾。
2、為解決這些問題，新興的技術如基于深度學習的智能視覺技術逐漸受到關注。這些技術能夠利用大量的數據進行模式識別和特征提取，實現對電纜表面質量的高效檢測與分類，為電纜生產過程提供更精準、快速的質量控制方法。針對電纜的表面質量檢測，本專利技術研究綜合紅外圖像和可見光圖像的神經網絡檢測方法，可以確保檢測結果的準確性和可靠性。本專利技術基于神經網絡對電纜質量檢測獲取的紅外和可見光圖像數據進行有效分析和綜合評判，以識別電纜中可能存在的缺陷，如導體斷裂、絕緣層破損等問題，降低依靠單一數據特征檢測的誤檢率。
技術實現思路
1、本專利技術旨在解決現有技術的不足，提供了如下方案：
2、基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，包括：圖像采集模塊、圖像處理模塊、特征提取模塊、模型訓練模塊和檢測模塊；
3、所述圖像采集模塊用于采集電纜表面圖像，并
4、所述圖像處理模塊用于對所述灰度化后圖像進行處理，得到同一尺寸的紅外灰度圖像和可見光灰度圖像；
5、所述特征提取模塊用于分別提取所述紅外灰度圖像和所述可見光灰度圖像的紅外圖像特征和可見光圖像特征；
6、所述模型訓練模塊用于融合所述紅外圖像特征和所述可見光圖像特征得到融合后特征，并基于融合后特征訓練電纜質量檢測模型；
7、所述檢測模塊用于獲取實時電纜表面圖像，并基于所述電纜質量檢測模型對所述實時電纜表面圖像進行電纜質量檢測。
8、優選的，所述圖像采集模塊包括：紅外圖像采集單元、可見光圖像采集單元和灰度化單元；
9、所述紅外圖像采集單元用于采集電纜表面的紅外圖像；
10、所述可見光圖像采集單元用于采集電纜表面的可見光圖像；
11、所述灰度化單元用于將所述紅外圖像和所述可見光圖像進行灰度化，得到所述初始紅外灰度圖像和所述初始可見光灰度圖像。
12、優選的，所述圖像處理模塊包括：均衡化單元、濾波單元和裁剪單元；
13、所述均衡化單元用于將所述灰度化后圖像進行直方圖均衡化處理，得到均衡化后圖像；
14、所述濾波單元用于對所述均衡化后圖像進行高通濾波處理，得到濾波后圖像；
15、所述裁剪單元用于將所述濾波后圖像裁剪成相同尺寸，得到同一尺寸的所述紅外灰度圖像和所述可見光灰度圖像。
16、優選的，所述特征提取模塊包括：紅外特征提取單元和可見光特征提取單元；
17、所述紅外特征提取單元基于最優閾值分割提取所述紅外灰度圖像的所述紅外圖像特征；
18、所述可見光特征提取單元基于邊緣特征檢測提取所述可見光灰度圖像的所述可見光圖像特征。
19、優選的，所述紅外特征提取單元的工作流程包括：
20、利用otsu算法確定最優閾值分割，將所述紅外灰度圖像轉換為紅外二值圖像；
21、對所述紅外二值圖像進行拒絕假缺陷處理，并提取處理后圖像的所述紅外圖像特征。
22、優選的，所述可見光特征提取單元的工作流程包括：
23、利用閾值分割將所述可見光灰度圖像劃分為若干灰度區間，生成可見光二值圖像；
24、對所述可見光二值圖像進行重新折疊迭代，并利用結構元素覆蓋替換圖像中的干擾因素；
25、提取替換后圖像的所述可見光圖像特征。
26、優選的，所述模型訓練模塊包括：特征編碼校正單元、特征融合單元和網絡訓練單元；
27、所述特征編碼校正單元用于將所述紅外圖像特征和所述可見光圖像特征進行編碼，并將編碼后紅外圖像特征和編碼后可見光圖像特征校正為相同長度；
28、所述特征融合單元用于將校正后紅外圖像特征和校正后可見光圖像特征進行特征融合，得到融合后特征；
29、所述網絡訓練單元基于所述融合后特征訓練所述電纜質量檢測模型。
30、本專利技術還提供了一種基于紅外短波和可見光圖像特征融合的電纜質量檢測方法，所述檢測方法應用于上述任一項所述的檢測系統，包括以下步驟：
31、采集電纜表面圖像，并將所述電纜表面圖像灰度化，得到灰度化后圖像，所述灰度化后圖像包括：初始紅外灰度圖像和初始可見光灰度圖像；
32、對所述灰度化后圖像進行處理，得到同一尺寸的紅外灰度圖像和可見光灰度圖像；
33、分別提取所述紅外灰度圖像和所述可見光灰度圖像的紅外圖像特征和可見光圖像特征；
34、融合所述紅外圖像特征和所述可見光圖像特征得到融合后特征，并基于融合后特征訓練電纜質量檢測模型；
35、獲取實時電纜表面圖像，并基于所述電纜質量檢測模型對所述實時電纜表面圖像進行電纜質量檢測。
36、與現有技術相比，本專利技術的有益效果為：
37、本專利技術通過otsu算法將灰度圖像轉換為二進制圖像并對其進行拒絕假缺陷處理，可以實現圖像的最優閾值分割，得到清晰的二值圖像，同時去除背景噪聲、假缺陷和邊緣毛刺等負面因素的干擾。利用邊緣檢測算法提取可見光二值圖像缺陷區域的主要特征，可以實現對圖像缺陷區域的精準定位，最大限度地保留圖像的結構特性，減少處理計算所需的數據量。通過輕量級注意力特征融合技術，基于神經網絡對電纜質量檢測獲取的紅外和可見光圖像數據進行有效分析和綜合評判，實現對電纜表面質量的高效檢測與分類，降低依靠單一數據特征檢測的誤檢率，確保檢測結果的準確性和可靠性。
本文檔來自技高網...【技術保護點】
1.基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，包括：圖像采集模塊、圖像處理模塊、特征提取模塊、模型訓練模塊和檢測模塊；
2.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述圖像采集模塊包括：紅外圖像采集單元、可見光圖像采集單元和灰度化單元；
3.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述圖像處理模塊包括：均衡化單元、濾波單元和裁剪單元；
4.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述特征提取模塊包括：紅外特征提取單元和可見光特征提取單元；
5.根據權利要求4所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述紅外特征提取單元的工作流程包括：
6.根據權利要求4所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述可見光特征提取單元的工作流程包括：
7.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征
8.基于紅外短波和可見光圖像特征融合的電纜質量檢測方法，所述檢測方法應用于權利要求1-7任一項所述的檢測系統，其特征在于，包括以下步驟：
...【技術特征摘要】
1.基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，包括：圖像采集模塊、圖像處理模塊、特征提取模塊、模型訓練模塊和檢測模塊；
2.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述圖像采集模塊包括：紅外圖像采集單元、可見光圖像采集單元和灰度化單元；
3.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述圖像處理模塊包括：均衡化單元、濾波單元和裁剪單元；
4.根據權利要求1所述基于紅外短波和可見光圖像特征融合的電纜質量檢測系統，其特征在于，所述特征提取模塊包括：紅外特征提取單元和可見...
【專利技術屬性】
技術研發人員：史彥軍，王琰琳，馬龍飛，寧詩鐸，廉輝，魏超，王榮昌，
申請(專利權)人：大連理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。