[发明专利]基于显著性ROI的异常规格电缆检测系统方法

说明书

本发明提出一种基于显著性ROI的异常规格电缆检测系统方法。该系统提出一种稀疏性正弦变换算法(SparsitySineTransformAlgorithms，SST)提取电缆图像的显著性ROI区域，然后使用canny算法对ROI区域做边缘提取。接着使用YOLOv3算法检测出电缆显著性图像的边缘区域。最后对电缆边缘区域进行线性拟合，拟合出电缆的双边缘，最终计算出电缆的直径宽度，剔除生产的异常规格电缆。

技术领域

本发明涉及机器视觉领域，特别设计基于显著性ROI的异常规格电缆检测系统方法。

背景技术

近年来，随着科学技术的发展，越来越多的领域进入智能化时代。工业生产质检也进入了智能化时代，数据的边缘信息是深度学习模型判定的重要特征信息，能够避免图像复杂的背景或无用信息导致数据量暴增，降低深度学习模型的消耗。在复杂的工业质检环境中，由于质检目标电缆相对固定化，目标检测区域有限，但质检环境复杂。直接对待检测的物件图像进行十分困难，且高分辨率图像造成网络模型实时性差。

因此，亟待提出一种电缆检测系统方法，使用有效的显著性检测算法与边缘提取算法能够有效降低质检网络模型的消耗，以及增加检测模型的精度。

发明内容

为了解决上述存在问题。本发明提出一种基于显著性ROI的异常规格电缆检测系统方法，提取图像的显著性区域的边缘特征，保留了质检图像重要的特征属性，增大电缆检测的精度，为达此目的：

本发明提出基于显著性ROI的异常规格电缆检测系统方法，具体步骤如下：

步骤1.1：对当前帧灰度图像进行SST变换，提取图像中的显著性ROI区域；

步骤1.2：利用改进canny算法对提取的显著性ROI区域做边缘提取，获得显著性区域的边缘特征图；

步骤1.3：使用YOLOv3算法检测边缘特征图，圈出电缆的边缘位置；

步骤1.4：对电缆边缘区域进行线性拟合，拟合出电缆的双边缘。

作为本发明进一步改进，所述步骤1.1中，图像SST变换过程表达式为

F＝DFT(X) (1)

G＝iDFT(S) (3)

R＝Gfilter(G) (4)

其中，X是图像信息，DFT(·)是离散傅里叶变换，f_l、f_h表示稀疏性阈值，sign(·)是求符号函数，iDFT(·)是离散反傅里叶变换，Gfilter(·)是高斯波器。

作为本发明进一步改进，所述步骤1.2中，改进canny算法步骤为

步骤2.1：计算图像显著性区域的梯度和方向；

步骤2.2：计算图像的梯度和方向；

步骤2.3：沿着梯度方向，对幅值非极大抑制；

步骤2.4：对四幅图像梯度及方向计算均值，获得多尺度边缘预测值。

作为本发明进一步改进，所述步骤1.4中电缆的双边缘线性拟合公式为

y＝ax+b (5)

其中，n分别表示电缆检测边缘点的个数，(x_i,y_i)(i＝1,2,…,n)表示第i个电缆边缘点的坐标。

作为本发明进一步改进，所述步骤2.2中边缘检测为了适应多方向电缆边缘，采用八个方向的检测算子进行边缘检测，分别为