一種光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著光纖陀螺技術(shù)在國(guó)內(nèi)的迅速發(fā)展，各應(yīng)用產(chǎn)品對(duì)光纖陀螺的可靠性提出了很 高的要求，而作為慣性器件的核心部件，光纖環(huán)繞制的可靠性直接影響著光纖陀螺的可靠 性，所以必須提高光纖繞制的可靠性。
[0003] 光纖繞環(huán)操作主要由光纖繞環(huán)機(jī)完成，光纖繞環(huán)機(jī)適用于繞制各種用途的單模和 多模光纖等。光纖繞環(huán)機(jī)的基本工作原理是通過(guò)人工控制繞環(huán)機(jī)停機(jī)或者回轉(zhuǎn)操作，通過(guò) 視頻采集裝置將繞環(huán)的實(shí)時(shí)圖像在顯示器顯示，人眼判斷繞環(huán)質(zhì)量，出現(xiàn)問(wèn)題控制繞環(huán)機(jī) 停機(jī)并回轉(zhuǎn)至問(wèn)題區(qū)域后7mm區(qū)域，利用人工撥片將光纖緊密對(duì)齊后，繼續(xù)操作繞環(huán)機(jī)運(yùn) 行，則繞環(huán)故障得到修復(fù)。
[0004] 目前，光纖繞環(huán)機(jī)的質(zhì)量檢測(cè)方法大多是基于光纖繞制圖像利用人工肉眼完成對(duì) 繞環(huán)圖像的判斷，對(duì)于人眼判別的主觀意識(shí)偏差，將直接影響光纖環(huán)在光纖陀螺慣性期間 在精度和效率的表現(xiàn)。因此，對(duì)光纖繞環(huán)的檢測(cè)技術(shù)加以改進(jìn)，使其實(shí)現(xiàn)自動(dòng)化，準(zhǔn)確性的 檢測(cè)將直接影響光纖陀螺的可靠性。對(duì)于繞環(huán)圖像檢測(cè)要求對(duì)于繞環(huán)質(zhì)量檢測(cè)速度更快， 檢測(cè)范圍動(dòng)態(tài)處理，檢測(cè)范圍廣，繞環(huán)機(jī)光學(xué)環(huán)境復(fù)雜，使用傳統(tǒng)視覺(jué)處理算法，無(wú)法滿足 圖像處理的需求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種快速的光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法， 能夠在不改變現(xiàn)有繞環(huán)機(jī)工作環(huán)境的前提下，準(zhǔn)確定位繞環(huán)位置，準(zhǔn)確判斷繞環(huán)點(diǎn)質(zhì)量，從 而保證光纖繞制點(diǎn)的質(zhì)量。
[0006] 本發(fā)明包括如下技術(shù)方案：
[0007] 一種光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法，包括如下步驟：
[0008] (1)在光纖繞環(huán)過(guò)程中實(shí)時(shí)采集光纖繞環(huán)圖像，對(duì)所述光纖繞環(huán)圖像采用第一中 值濾波算法進(jìn)行濾波去噪；
[0009] (2)對(duì)濾波去噪后的光纖繞環(huán)圖像采用閾值分割算法獲得光纖繞環(huán)區(qū)域和背景顯 示區(qū)域；
[0010] (3)采用第二中值濾波算法對(duì)光纖繞環(huán)區(qū)域進(jìn)行圖像平滑獲得圖像平滑后的光纖 繞環(huán)區(qū)域；
[0011] (4)對(duì)圖像平滑后的光纖繞環(huán)區(qū)域采用拉普拉斯銳化處理進(jìn)行圖像銳化獲得圖像 銳化后的光纖繞環(huán)區(qū)域；
[0012] (5)對(duì)圖像銳化后的光纖繞環(huán)區(qū)域采用雙閾值算法進(jìn)行繞環(huán)段邊緣軌跡檢測(cè)獲得 繞環(huán)段邊緣軌跡檢測(cè)后的圖像；
[0013] (6)對(duì)繞環(huán)段邊緣軌跡檢測(cè)后的圖像計(jì)算Harr特征向量，根據(jù)Harr特征向量利用 支持向量回歸算法確定繞環(huán)是否存在故障及故障模式。
[0014] 所述步驟（6)中具體包括如下步驟：
[0015] (a)對(duì)故障模式庫(kù)中的每幅圖像利用Harr特征計(jì)算繞環(huán)點(diǎn)的位置、邊緣和方向特 征以確定每幅圖像的Harr特征向量；根據(jù)每幅圖像的Harr特征向量與故障模式類型利用 支持向量回歸的算法建立起繞環(huán)質(zhì)量的分類面模型；
[0016] (b)對(duì)繞環(huán)段邊緣軌跡檢測(cè)后的圖像計(jì)算Harr特征向量，并輸入所述繞環(huán)質(zhì)量的 分類面模型利用支持向量回歸的算法確定繞環(huán)是否存在故障及故障模式。
[0017] 支持向量回歸算法的核函數(shù)為高斯核函數(shù)。
[0018] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)：
[0019] (1)現(xiàn)有的光纖繞環(huán)機(jī)無(wú)法主動(dòng)對(duì)質(zhì)量進(jìn)行實(shí)時(shí)檢測(cè)，完全依靠工人肉眼判斷其 缺陷，經(jīng)常出現(xiàn)對(duì)故障模式的誤判和漏判，同時(shí)對(duì)繞制小空隙、繞制微疊加等微小缺陷不能 實(shí)時(shí)識(shí)別，作為光纖陀螺的一個(gè)重要組件，帶有缺陷的光纖環(huán)將嚴(yán)重影響光纖陀螺的檢測(cè) 精度。本發(fā)明提出一種基于圖像識(shí)別的光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法，該方法能夠在不改 變現(xiàn)有繞環(huán)機(jī)工作環(huán)境的前提下，準(zhǔn)確定位繞環(huán)位置，準(zhǔn)確判斷繞環(huán)點(diǎn)質(zhì)量，從而保證光纖 繞制點(diǎn)的質(zhì)量。
[0020] (2)本發(fā)明使用改進(jìn)的圖像濾波處理算法對(duì)現(xiàn)有的繞環(huán)機(jī)繞環(huán)圖像進(jìn)行了優(yōu)化， 使現(xiàn)有的繞環(huán)機(jī)圖像具有良好的抗噪能力，同時(shí)利用一種基于高斯核函數(shù)的支持向量回歸 算法，提高了對(duì)于故障模式識(shí)別的精度，降低了圖像建模的復(fù)雜程度，提高了算法識(shí)別的運(yùn) 算速度。
[0021] (3)為了滿足多種光纖繞環(huán)圖像的繞制點(diǎn)圖像識(shí)別，提出了雙閾值算法，有效地修 正了邊緣檢測(cè)時(shí)出現(xiàn)的識(shí)別錯(cuò)誤。
[0022] (4)本發(fā)明的繞環(huán)故障特征模式方法采用Harr算法進(jìn)行特征提取，支持向量回歸 算法，提高了對(duì)于繞環(huán)特征模式檢測(cè)的準(zhǔn)確度。
【附圖說(shuō)明】
[0023] 圖1基于圖像識(shí)別的光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)過(guò)程；
[0024] 圖2為繞制正常時(shí)的光纖繞環(huán)圖像；
[0025] 圖3為疊加故障的光纖繞環(huán)圖像；
[0026] 圖4為空隙故障的光纖繞環(huán)圖像；
[0027] 圖5為基于Harr特征的光纖繞環(huán)圖像；
[0028] 圖6a為黑白轉(zhuǎn)換的二值化分割后的光纖繞環(huán)縫隙故障的8方向特征向量圖像；
[0029] 圖6b為黑白轉(zhuǎn)換的二值化分割后的光纖繞環(huán)疊加故障的8方向特征向量圖像。
【具體實(shí)施方式】
[0030] 下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式進(jìn)行詳細(xì)說(shuō)明。
[0031] 如圖1所示，光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)過(guò)程主要包括如下步驟：
[0032] (一）進(jìn)行圖像去噪：在光纖繞環(huán)機(jī)進(jìn)行光纖繞環(huán)操作時(shí)，實(shí)時(shí)采集光纖繞環(huán)圖 像，采用中值濾波算法對(duì)采集的光纖繞環(huán)圖像進(jìn)行濾波去噪，以剔除圖像中的干擾信息。如 圖2所示為繞制正常時(shí)的光線繞環(huán)圖像，如圖3所示為存在疊加故障時(shí)的光纖繞環(huán)圖像。如 圖4所示為存在空隙故障時(shí)的光纖繞環(huán)圖像。
[0033] (二）進(jìn)行圖像分割：對(duì)濾波去噪后的光纖繞環(huán)圖像采用閾值分割算法進(jìn)行處理 獲得光纖繞環(huán)區(qū)域和背景顯示區(qū)域。
[0034] (三）進(jìn)行圖像平滑：對(duì)于光纖繞環(huán)區(qū)域中普遍存在的椒鹽噪聲、高斯噪聲和脈沖 噪聲，采用了中值濾波算法的奇數(shù)長(zhǎng)度模板框?qū)D像進(jìn)行中值濾波，提取出像素點(diǎn)的中間 值作為濾波參數(shù)輸出。利用中值濾波做為圖像平滑的處理方法，很好地保持了邊緣信息，適 應(yīng)性強(qiáng)，同時(shí)可以滿足整個(gè)檢測(cè)過(guò)程的處理速度需求。所述奇數(shù)長(zhǎng)度模板框?yàn)?*3的模版 框。
[0035] (四）進(jìn)行圖像銳化：在采用中值濾波后，隨著噪聲的減少，圖像的邊緣也被模糊 化，圖像的銳化處理主要用于增強(qiáng)圖像中的輪廓邊緣、細(xì)節(jié)以及灰度跳變部分，形成完整的 物體邊界，在平滑圖像和不增加多余噪聲的前提下選用拉普拉斯銳化處理方法。
[0036] (五）進(jìn)行繞環(huán)段邊緣軌跡檢測(cè)
[0037] 針對(duì)光纖繞環(huán)區(qū)域，圖像邊緣具有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度 變化平緩，垂直于邊緣走向的像素灰度變換劇烈。衡量這種變化最有效的兩個(gè)特征值就是 灰度的變化率和變化方向，分別以梯度向量的幅值和方向來(lái)表示。對(duì)于連續(xù)圖像f (X，y)，其 方向?qū)?shù)在邊緣方向上有局部最大值。因此，邊緣軌跡檢測(cè)就是求圖像f(x，y)梯度的局部 最大值和方向。
[0038] 本發(fā)明對(duì)圖像銳化后的光纖繞環(huán)區(qū)域采用雙閾值算法進(jìn)行繞環(huán)段邊緣軌跡檢測(cè) 獲得繞環(huán)段邊緣軌跡檢測(cè)后的圖像，繞環(huán)段邊緣軌跡檢測(cè)的過(guò)程如下：
[0039] (1)對(duì)圖像銳化后的光纖繞環(huán)區(qū)域用高斯平滑器進(jìn)行處理獲得平滑后數(shù)據(jù)陣列 s (x, y)；
[0040] 如下式所示：s(x, y) = g(x, y, σ )*f(x，y)
[0041] 式中，f(x，y)表示圖像，〇為高斯函數(shù)的散布參數(shù)，控制平滑程度。
[0042] (2)對(duì)平滑后數(shù)據(jù)陣列s(x，y)使用一階導(dǎo)數(shù)算子來(lái)增強(qiáng)圖像空間的邊緣信息，得 到x，y偏導(dǎo)數(shù)的兩個(gè)陣列P(x, y)，q(x, y)，然后計(jì)算其梯度幅值m(x, y)和方向角θ (X，y): 其中
【主權(quán)項(xiàng)】
1. 一種光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法，其特征在于，包括如下步驟： (1) 在光纖繞環(huán)過(guò)程中實(shí)時(shí)采集光纖繞環(huán)圖像，對(duì)所述光纖繞環(huán)圖像采用第一中值濾 波算法進(jìn)行濾波去噪； (2) 對(duì)濾波去噪后的光纖繞環(huán)圖像采用闊值分割算法獲得光纖繞環(huán)區(qū)域和背景顯示區(qū) 域； (3) 采用第二中值濾波算法對(duì)光纖繞環(huán)區(qū)域進(jìn)行圖像平滑獲得圖像平滑后的光纖繞環(huán) 區(qū)域； (4) 對(duì)圖像平滑后的光纖繞環(huán)區(qū)域采用拉普拉斯銳化處理進(jìn)行圖像銳化獲得圖像銳化 后的光纖繞環(huán)區(qū)域； (5) 對(duì)圖像銳化后的光纖繞環(huán)區(qū)域采用雙闊值算法進(jìn)行繞環(huán)段邊緣軌跡檢測(cè)獲得繞環(huán) 段邊緣軌跡檢測(cè)后的圖像； (6) 對(duì)繞環(huán)段邊緣軌跡檢測(cè)后的圖像計(jì)算Harr特征向量，根據(jù)Harr特征向量利用支持 向量回歸算法確定繞環(huán)是否存在故障及故障模式。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于；所述步驟化）中具體包括如下步驟： (a)對(duì)故障模式庫(kù)中的每幅圖像利用Harr特征計(jì)算繞環(huán)點(diǎn)的位置、邊緣和方向特征W 確定每幅圖像的Harr特征向量；根據(jù)每幅圖像的Harr特征向量與故障模式類型利用支持 向量回歸的算法建立起繞環(huán)質(zhì)量的分類面面模型；； 化）對(duì)繞環(huán)段邊緣軌跡檢測(cè)后的圖像計(jì)算Harr特征向量，并輸入所述繞環(huán)質(zhì)量的分類 面模型利用支持向量回歸的算法確定繞環(huán)是否存在故障及故障模式。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于：支持向量回歸算法的核函數(shù)為高斯核函 數(shù)。
【專利摘要】本發(fā)明公開了一種光纖繞環(huán)質(zhì)量的自動(dòng)檢測(cè)方法，在光纖繞環(huán)過(guò)程中實(shí)時(shí)采集光纖繞環(huán)圖像，對(duì)所述光纖繞環(huán)圖像采用第一中值濾波算法進(jìn)行濾波去噪；對(duì)濾波去噪后的光纖繞環(huán)圖像采用閾值分割算法獲得光纖繞環(huán)區(qū)域和背景顯示區(qū)域；采用第二中值濾波算法對(duì)光纖繞環(huán)區(qū)域進(jìn)行圖像平滑獲得圖像平滑后的光纖繞環(huán)區(qū)域；對(duì)圖像平滑后的光纖繞環(huán)區(qū)域采用拉普拉斯銳化處理進(jìn)行圖像銳化獲得圖像銳化后的光纖繞環(huán)區(qū)域；對(duì)圖像銳化后的光纖繞環(huán)區(qū)域采用雙閾值算法進(jìn)行繞環(huán)段邊緣軌跡檢測(cè)獲得繞環(huán)段邊緣軌跡檢測(cè)后的圖像；對(duì)繞環(huán)段邊緣軌跡檢測(cè)后的圖像計(jì)算Harr特征向量，根據(jù)Harr特征向量利用支持向量回歸的算法確定繞環(huán)是否存在故障及故障模式。
【IPC分類】G06T7-00, G06K9-46
【公開號(hào)】CN104637049
【申請(qǐng)?zhí)枴緾N201410784983
【發(fā)明人】單聯(lián)潔, 李新峰, 葛文謙, 李晶, 王磊, 張智華
【申請(qǐng)人】北京航天時(shí)代光電科技有限公司
【公開日】2015年5月20日
【申請(qǐng)日】2014年12月16日