[發(fā)明專利]一種基于機(jī)器視覺的光纖幾何參數(shù)檢測方法

在審

• 申請?zhí)枺?/td>: 201811207895.0
• 申請日: 2018-10-17
• 公開（公告）號: CN109341524A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計）人: 陳曉榮;劉亞茹;石高輝;張彩霞;李鎮(zhèn)鋒
• 申請（專利權(quán)）人: 上海理工大學(xué)
• 主分類號: G01B11/00
• 分類號: G01B11/00
• 代理公司: 上海邦德專利代理事務(wù)所(普通合伙) 31312
• 代理人: 袁步蘭

本發(fā)明提出了一種基于機(jī)器視覺的光纖幾何參數(shù)檢測方法，包括對圖像采集裝置獲取的光纖橫截面圖像進(jìn)行預(yù)處理、提取涂覆層的外邊緣圖像、提取涂覆層的內(nèi)邊緣圖像和包層的外邊緣圖像；運(yùn)用圓形擬合發(fā)和橢圓擬合法，對涂覆層的外邊緣圖像、涂覆層的內(nèi)邊緣圖像及包層的外邊緣圖像均進(jìn)行圓形擬合和橢圓擬合，以獲取各圖像對應(yīng)的圓形參數(shù)和橢圓參數(shù)、運(yùn)用光纖幾何參數(shù)求解模型，分別求解邊緣圖像對應(yīng)的直徑和不圓度。本發(fā)明的優(yōu)點(diǎn)為：采用改進(jìn)的Canny算法，可以減少干擾邊緣有利于曲線擬合；二次曲線標(biāo)準(zhǔn)化法和齊次方程法相結(jié)合的方法對邊緣進(jìn)行曲線擬合，并用高斯?牛頓迭代法求解光纖幾何參數(shù)，提高了邊緣曲線擬合的精確度。

技術(shù)領(lǐng)域

本發(fā)明屬于幾何量檢測技術(shù)領(lǐng)域，尤其涉及一種基于機(jī)器視覺的光纖幾何參數(shù)檢測方法。

背景技術(shù)

目前，光線已經(jīng)廣泛應(yīng)用在科研、電信、傳感、監(jiān)視等領(lǐng)域，是國家重點(diǎn)扶持和大力開展的新型產(chǎn)業(yè)。其中，光線的幾何參數(shù)如包層直徑、包層不圓度、涂覆層直徑、涂覆層不圓度等對光纖傳感和光纖通信等領(lǐng)域的研究至關(guān)重要。此外，在光纖生產(chǎn)中，光纖的幾何參數(shù)帶來的誤差對光纖間的耦合效率起著決定性的影響。

目前已經(jīng)提出了很多光纖幾何參數(shù)檢測方法，如人工判讀為主的放大法、以光纖傳輸成像為主的折射近場法和近場掃描法等，但都存在著一定的缺陷：1)人工判讀為主的放大法，檢測精度低；2)折射近場法利用光纖折射率分布計算光纖參數(shù)分布計算光纖參數(shù)，近場掃描法是對近場放大像面進(jìn)行掃描，測得近場強(qiáng)度分布掃描圖，從而擬合光纖參數(shù)。這兩種方法實驗裝置復(fù)雜，測量過程不直觀。因此工業(yè)上亟需能夠研究一種快速、高效、自動化程度高的檢測方法具有重要意義。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于機(jī)器視覺的光纖幾何參數(shù)檢測方法，其檢測速度快、檢測精度高。為實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案為：

一種基于機(jī)器視覺的光纖幾何參數(shù)檢測方法，包括以下步驟：

S1：對圖像采集裝置獲取的光纖橫截面圖像進(jìn)行預(yù)處理：所述光纖橫截面包括涂覆層、包層和纖芯；

S2：確定分割閾值，對預(yù)處理后的光纖橫截面圖像進(jìn)行閾值分割，提取涂覆層的外邊緣圖像；

S3：分別運(yùn)用改進(jìn)的Canny算法對涂覆層的內(nèi)邊緣和包層的外邊緣進(jìn)行邊緣檢測以提取涂覆層的內(nèi)邊緣圖像和包層的外邊緣圖像；

S4：運(yùn)用圓形擬合發(fā)和橢圓擬合法，對涂覆層的外邊緣圖像、涂覆層的內(nèi)邊緣圖像及包層的外邊緣圖像均進(jìn)行圓形擬合和橢圓擬合，以獲取各圖像對應(yīng)的圓形參數(shù)和橢圓參數(shù)；

S5：分別將步驟S4中的圓形參數(shù)和橢圓參數(shù)作為輸入?yún)?shù)，運(yùn)用光纖幾何參數(shù)求解模型，分別求解步驟S4中各圖像對應(yīng)的直徑和不圓度。

優(yōu)選地，在步驟S1中，所述預(yù)處理包括灰度變換、平滑處理及銳化處理。

優(yōu)選地，在步驟S2中，運(yùn)用最大類間方差法確定分割閾值。

優(yōu)選地，所述最大類間方差法具體為：

S21：運(yùn)用累加法計算像素的灰度值屬于暗背景的概率p₁和像素的灰度值屬于亮物體的概率p₂；其中，p_i為圖像灰度級i出現(xiàn)的概率，k為圖像分割閾值，L為圖像的灰度級；

S22：根據(jù)p₁、p₂計算出暗背景區(qū)域的平均灰度值g₁和亮物體區(qū)域的平均灰度值g₂；其中，

S23：根據(jù)平均灰度值，可計算出圖像的類間方差計算閾值范圍[0，L-1]的類間方差，以最大的類間方差對應(yīng)的閾值作為分割閾值。

優(yōu)選地，在步驟S3中，提取涂覆層的內(nèi)邊緣圖像具體步驟為：