[发明专利]一种防震锤缺陷检测的视觉检测方法

权利要求书

1.一种防震锤缺陷检测的视觉检测方法，其特征在于：该方法包括以下步骤：

步骤1，对无人机采集的输电线路图像进行预处理，检测拍摄图像是否存在质量问题，并且对数据进行去噪防抖操作；

步骤2，数据扩充，在样本采集之前，首先对步骤1中处理的数据进行数据扩充生成相似的图像；

步骤3，采集样本：采用采集防震锤单边图像的方法对步骤2中扩充的图像样本进行样本采集，在样本采集的过程中，保证不同的防震锤类型以及防震锤锤体各500个以上，样本总数量不低于4000个；

步骤4，确定待训练的区域选择，采用引入图像分割的信息，预测检索的位置，通过对潜在的目标区域进行提取，最终得到目标物的候选框；

步骤5，通过卷积神经网络进行特征学习，并且确定模型参数，根据步骤4所得到的物体预测的位置，将这些预测的区域进行特征学习，得到相应的特征图；

步骤6，防震锤的锤子检测识别，通过步骤5的样本区域学习，得到训练后的神经网络的模型参数，根据训练出来的模型对待检测图像的防震锤进行识别定位；

步骤7，缺陷判别，提取出的防震锤锤子识别结果利用线特征提取算法和形态学处理方法，在几何位置约束下判断防震锤是否存在缺陷。

2.根据权利要求1所述的一种防震锤缺陷检测的视觉检测方法，其特征在于：步骤2中预处理的数据的扩充方法包括对图像进行旋转、反射变换、翻转变换、平移变换、改变图像的对比度以及噪声扰动。

3.根据权利要求1所述的一种防震锤缺陷检测的视觉检测方法，其特征在于：步骤4中假设检测目标一定存在于某一个分割区域中，基于这种假设，首先使用基于图论分割的方法对原始图像进行分割，得到很多小的分割区域，作为初始的底层候选区域R＝{r₁,r₂,…r_n}，并且初始化相似度集合S为空，在这个基础上，按照区域合并算法以及多样化方法对区域进行合并，区域合并算法中计算相邻区域之间的相似度，并且将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两个部分区域r_i,r_j，对其进行合并得到新的区域r_k并且将其加入到集合R中；重新计算新的合并区域与其他区域相似度，并获取了每个候选区域的位置。

4.根据权利要求3所述的一种防震锤缺陷检测的视觉检测方法，其特征在于多样化方法采用颜色空间多样化以及相似多样化两种方法，首先，颜色空间多样化采用8种不同的颜色空间分别为：(1)RGB空间；(2)归一化rgb空间；(3)灰度空间L；(4)归一化的rg通道和灰度通道L；(5)Lab空间；(6)HSV空间；(7)，HSV空间中的H通道；(8)HIS颜色空间，在计算两个区域相似度时，采用多种相似度计算方法，相似度计算方法包括颜色相似度、纹理相似度、大小相似度、吻合相似度：

a.颜色相似度

对图像进行归一化得到图像每个颜色通道的25组的直方图，因此图像三个通道一共得到一个75维的向量区域之间的颜色相似度通过公式(1)计算：

b.纹理相似度

对每个颜色通道的8个不同方向计算高斯微分，每个方向每个通道获取10个组的直方图，因此一共可以得到一个240维的向量区域之间的相似度计算方法如公式(2)所示：

c.大小相似度

该相似度方法主要计算区域中包含的像素点的数量，达到小区域先完成合并的目的：

d.吻合相似度

衡量两个目标区域是否吻合，其判断方法是合并后的区域的外包络矩形Boundingbox大小，如公式(4)所示：

公式(1)～(4)中r_i，r_j代表两个候选区域，S(r_i，r_j)表示这两个区域之间的相似度，size(im)表示整个图像的大小，一旦完成了区域合并，就可以得到了一系列相关物体的预测位置，将这些预测位置进行下一步的卷积神经网络特征学习。