基于集成学习的光纤缠绕缺陷检测方法与装置与流程

技术特征：
1.一种基于集成学习的光纤缠绕缺陷检测方法，其特征在于，包括如下步骤：s1、采集光纤缠绕的图像；s2、对步骤s1采集的图像进行预处理；s3、通过数字图像处理模型对步骤s2预处理后的图像进行缺陷检测；s4、通过svm模型对步骤s2预处理后的图像进行缺陷检测；s5、根据所述数字图像处理模型和所述svm模型以设定权重相加的线性组合，对步骤s3和s4中两种模型的缺陷检测结果按照相应的权重进行投票，判断针对连续多张图片的投票结果是否不小于设定阈值分数，是则判定存在光纤缠绕缺陷。2.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，步骤s2中，图像的预处理包括对采集的图像进行roi区域提取，然后进行灰度转化、去除噪声、图像下采样、增加对比度中的一种或多种处理；优选地，所述roi区域提取包括：在采集图像过程中处理器实时接收光纤缠绕控制器发送当前层数和匝数，通过层数和匝数确定当前缠绕的位置，并且计算出中心线上缠绕处的坐标，以所述坐标为起点，奇数层向左、偶数层向右截取已缠绕一侧的固定像素的正方形图片，以该图片作为所述roi区域。3.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，步骤s3中，检测缺陷包括对预处理好的图像依次进行canny算子边缘检测、形态学闭运算、连通域提取、最小外接矩形设置来判断是否产生缺陷。4.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，还包括训练所述svm模型的如下步骤：s41、构建数据集，所述数据集包括缺陷图片数据集和正常图片数据集；s42、对图片进行标注，标注内容为有无缺陷；s43、构建所述svm模型，其中，提取图片的hog算子特征，拼接成n*1的向量，对该向量进行pca降维，保留12维，该12维的向量代表当前图片的向量特征，使用经典svm二分类网络，创建高斯二分类svm模型，使用所述数据集进行训练，并通过网格搜索法进行参数寻优，得到正确率最高的网络参数；优选地，svm的核函数选择高斯核函数，调节的参数为正则化参数c和核函数参数gamma，使用网格搜索法来确定参数；其中，给定各个参数的调节范围和调节步长，计算出每个参数的可能取值，然后遍历所有的组合情况，返回最佳的参数值；更优选地，先设置c和gamma的值在0.1～10之间，然后再根据模型的表现，每次乘以0.1或者10作为一个步长，当确定范围后，再细化搜索区间，直到得到拟合效果最好、正确率最优的svm网络参数。5.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，还包括对所述数字图像处理模型和所述svm模型进行集成学习的步骤，其中，通过加法模型将所述数字图像处理模型和所述svm模型进行线性的组合，统计所述数字图像处理模型和所述svm模型的正确率，进行权重配比，以提升错误率小的模型权重，同时减小错误率高的模型权重；优选地，所述集成学习采用boosting组装所述数字图像处理模型和所述svm模型。6.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，步骤s5中，当步骤s3和s4中两种模型的缺陷检测结果分别为a和b，a和b的取值是当存在缺陷值为1，不存在缺陷值为0，则当前图片的投票得分c
n
＝w1*a w2*b，w1和w2分别为所述数字图像处理模型和所述svm模型的权重，其中，所述连续多张图片为连续三张图片，所述设定阈值分数为3。
7.如权利要求1所述的光纤缠绕缺陷检测方法，其特征在于，还包括对光纤缠绕的滞后角进行检测和辅助修正的步骤，其中，若步骤s5判定为存在缺陷，则测量当前图片中光纤缠绕的滞后角，即，正在绕制的上线光纤与前一匝绕制成功的光纤所在平面的夹角θ；进行退绕时，判断当前滞后角是否在预定的合理范围内，若滞后角不在合理范围内，则调整滞后角。8.如权利要求7所述的光纤缠绕缺陷检测方法，其特征在于，所述测量当前图片中的滞后角包括如下步骤：1)截取roi区域，截取上部分区域为滞后角的检测区域；2)预处理：灰度变化，中值滤波，增加对比度；3)canny边缘检测；4)形态学处理：采用运算，填充滞后角线条。5)连通域提取：提取滞后角线条部分的一个长条形直线连通域。6)最小外接矩形长宽比筛选：设定一个长宽比阈值t，通过对所有连通域取最小外接矩形的长宽比，筛选出滞后角条线；7)测量滞后角：测量最小外接矩形的长边与竖直方向的夹角，得到滞后角的数值。9.一种基于集成学习的光纤缠绕缺陷检测装置，其特征在于，包括图像采集系统和处理器，所述图像采集系统用于采集光纤缠绕的图像并发送给所述处理器，所述处理器运行由计算机可读存储介质存储的计算机程序时，执行如权利要求1至8任一项所述的方法的步骤s2至s5；优选地，所述图像采集系统使用与光纤筒弧度相同的两个弧形光源均匀照射在光纤绕筒的表面。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序由处理器运行时，执行如权利要求1至8任一项所述的方法的步骤s2至s5。

技术总结
一种基于集成学习的光纤缠绕缺陷检测方法和装置，该方法包括如下步骤：S1、采集光纤缠绕的图像；S2、对步骤S1采集的图像进行预处理；S3、通过数字图像处理模型对步骤S2预处理后的图像进行缺陷检测；S4、通过SVM模型对步骤S2预处理后的图像进行缺陷检测；S5、根据所述数字图像处理模型和所述SVM模型以设定权重相加的线性组合，对步骤S3和S4中两种模型的缺陷检测结果按照相应的权重进行投票，判断针对连续多张图片的投票结果是否不小于设定阈值分数，是则判定存在光纤缠绕缺陷。使用本发明进行光纤缠绕缺陷检测，能够减少误判率和漏检率，适用于各种直径的光纤，更适合工业环境生产，适应性高。性高。性高。


技术研发人员：曾龙 欧雪燕 冯平法 谢颂强
受保护的技术使用者：清华大学深圳国际研究生院
技术研发日：2021.07.01
技术公布日：2021/10/26