[發(fā)明專利]一種防震錘缺陷檢測的視覺檢測方法

有效

• 申請?zhí)枺?/td>: 201710283379.5
• 申請日: 2017-04-26
• 公開（公告）號: CN107133943B
• 公開（公告）日: 2018-07-06
• 發(fā)明（設(shè)計）人: 虢韜;楊恒;王偉;時磊;陳鳳翔;沈平;楊淵;劉曉偉;李德洋;田丁
• 申請（專利權(quán)）人: 貴州電網(wǎng)有限責(zé)任公司輸電運行檢修分公司;武漢科迪奧電力科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73
• 代理公司: 貴陽中新專利商標(biāo)事務(wù)所 52100
• 代理人: 商小川

1.一種防震錘缺陷檢測的視覺檢測方法，其特征在于：該方法包括以下步驟：

步驟1，對無人機采集的輸電線路圖像進行預(yù)處理，檢測拍攝圖像是否存在質(zhì)量問題，并且對數(shù)據(jù)進行去噪防抖操作；

步驟2，數(shù)據(jù)擴充，在樣本采集之前，首先對步驟1中處理的數(shù)據(jù)進行數(shù)據(jù)擴充生成相似的圖像；

步驟3，采集樣本：采用采集防震錘單邊圖像的方法對步驟2中擴充的圖像樣本進行樣本采集，在樣本采集的過程中，保證不同的防震錘類型以及防震錘錘體各500個以上，樣本總數(shù)量不低于4000個；

步驟4，確定待訓(xùn)練的區(qū)域選擇，采用引入圖像分割的信息，預(yù)測檢索的位置，通過對潛在的目標(biāo)區(qū)域進行提取，最終得到目標(biāo)物的候選框；

步驟5，通過卷積神經(jīng)網(wǎng)絡(luò)進行特征學(xué)習(xí)，并且確定模型參數(shù)，根據(jù)步驟4所得到的物體預(yù)測的位置，將這些預(yù)測的區(qū)域進行特征學(xué)習(xí)，得到相應(yīng)的特征圖；

步驟6，防震錘的錘子檢測識別，通過步驟5的樣本區(qū)域?qū)W習(xí)，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，根據(jù)訓(xùn)練出來的模型對待檢測圖像的防震錘進行識別定位；

步驟7，缺陷判別，提取出的防震錘錘子識別結(jié)果利用線特征提取算法和形態(tài)學(xué)處理方法，在幾何位置約束下判斷防震錘是否存在缺陷。

2.根據(jù)權(quán)利要求1所述的一種防震錘缺陷檢測的視覺檢測方法，其特征在于：步驟2中預(yù)處理的數(shù)據(jù)的擴充方法包括對圖像進行旋轉(zhuǎn)、反射變換、翻轉(zhuǎn)變換、平移變換、改變圖像的對比度以及噪聲擾動。

3.根據(jù)權(quán)利要求1所述的一種防震錘缺陷檢測的視覺檢測方法，其特征在于：步驟4中假設(shè)檢測目標(biāo)一定存在于某一個分割區(qū)域中，基于這種假設(shè)，首先使用基于圖論分割的方法對原始圖像進行分割，得到很多小的分割區(qū)域，作為初始的底層候選區(qū)域R＝{r₁,r₂,…r_n}，并且初始化相似度集合S為空，在這個基礎(chǔ)上，按照區(qū)域合并算法以及多樣化方法對區(qū)域進行合并，區(qū)域合并算法中計算相鄰區(qū)域之間的相似度，并且將其添加到相似度集合S中；然后，在相似集合中找到相似度最大的兩個部分區(qū)域r_i,r_j，對其進行合并得到新的區(qū)域r_k并且將其加入到集合R中；重新計算新的合并區(qū)域與其他區(qū)域相似度，并獲取了每個候選區(qū)域的位置。

4.根據(jù)權(quán)利要求3所述的一種防震錘缺陷檢測的視覺檢測方法，其特征在于多樣化方法采用顏色空間多樣化以及相似多樣化兩種方法，首先，顏色空間多樣化采用8種不同的顏色空間分別為：(1)RGB空間；(2)歸一化rgb空間；(3)灰度空間L；(4)歸一化的rg通道和灰度通道L；(5)Lab空間；(6)HSV空間；(7)，HSV空間中的H通道；(8)HIS顏色空間，在計算兩個區(qū)域相似度時，采用多種相似度計算方法，相似度計算方法包括顏色相似度、紋理相似度、大小相似度、吻合相似度：

a.顏色相似度

對圖像進行歸一化得到圖像每個顏色通道的25組的直方圖，因此圖像三個通道一共得到一個75維的向量區(qū)域之間的顏色相似度通過公式(1)計算：

b.紋理相似度

對每個顏色通道的8個不同方向計算高斯微分，每個方向每個通道獲取10個組的直方圖，因此一共可以得到一個240維的向量區(qū)域之間的相似度計算方法如公式(2)所示：

c.大小相似度

該相似度方法主要計算區(qū)域中包含的像素點的數(shù)量，達到小區(qū)域先完成合并的目的：

d.吻合相似度

衡量兩個目標(biāo)區(qū)域是否吻合，其判斷方法是合并后的區(qū)域的外包絡(luò)矩形Boundingbox大小，如公式(4)所示：

公式(1)～(4)中r_i，r_j代表兩個候選區(qū)域，S(r_i，r_j)表示這兩個區(qū)域之間的相似度，size(im)表示整個圖像的大小，一旦完成了區(qū)域合并，就可以得到了一系列相關(guān)物體的預(yù)測位置，將這些預(yù)測位置進行下一步的卷積神經(jīng)網(wǎng)絡(luò)特征學(xué)習(xí)。