(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111527503.0 (22)申请日 2021.12.15 (65)同一申请的已公布的文献号 申请公布号 CN 113920122 A (43)申请公布日 2022.01.11 (73)专利权人 山东鹰联光电科技股份有限公司 地址 272500 山东省济宁市汶上县康驿镇 政府驻地 （镇政府南1000米路西） (72)发明人 束建磊　刘建强　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 代理人 吴杉 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/187(2017.01)G06Q 10/00(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 108734689 A,2018.1 1.02 审查员 李雯雯 (54)发明名称 一种基于人工智能的电缆缺陷检测方法及 系统 (57)摘要 本发明涉及一种基于人工智能的电缆缺陷 检测方法及系统， 属于电缆缺陷检测技术领域。 方法包括以下步骤： 根据各第一连通域对应的主 成分方向， 对 各第一连通域进行筛选得到电缆目 标图像对应的第二连通域； 对各第二连通域进行 霍夫变换， 得到各第二连通域对应的目标高亮点 的数量； 根据各第二连通域对应的第一弯曲程度 和各第二连通域对应的目标高亮点的数量， 对各 第二连通域进行筛选得到电缆目标图像对应的 各目标连通域； 根据各目标连通域对应的主成分 方向， 得到各目标连通域之间的平行度； 根据各 目标连通域之间的平行度和各目标连通域对应 第一弯曲程度， 判断电缆是否出现散股缺陷。 本 发明能够提高电缆散股缺陷检测的准确性。 权利要求书4页 说明书12页 附图1页 CN 113920122 B 2022.03.04 CN 113920122 B 1.一种基于人工智能的电缆 缺陷检测方法， 其特 征在于， 该 方法包括如下步骤： 获得电缆目标图像； 对所述电缆目标图像进行 连通域分析， 得到电缆目标图像对应的多个第一连通 域； 根据各第一连通域中各像素点坐标， 得到电缆目标图像对应的各第 一连通域对应的主 成分方向； 根据所述各第一连通域对应的主成分方向， 对各第一连通域进行筛选得到电缆 目标图像对应的多个第二连通 域； 根据各第二连通域中的最小横坐标和各第 二连通域中的最大横坐标， 得到各第 二连通 域对应的第一弯曲程度； 对所述各第二连通域进行霍夫变换， 得到各第二连通域对应的目 标高亮点的数量； 根据所述各第二连通域对应的第一弯曲程度和所述各第二连通域对应的目标高亮点 的数量， 对各第二连通 域进行筛 选得到电缆目标图像对应的各目标 连通域； 根据所述各目标连通域对应的主成分方向， 得到各目标连通域之间的平行度； 根据所 述各目标连通域之 间的平行度和所述各目标连通域对应第一弯曲程度， 判断电缆是否出现 散股缺陷； 所述获得电缆目标图像方法， 包括： 获取电缆侧面图像和对应的标准电缆侧面图像； 对所述电缆侧面图像进行语义分割处 理， 得到仅含有电缆侧面的图像； 对所述仅含有电缆侧面的图像进行二值化处理， 得到仅含有电缆侧面的图像对应的二 值化图像； 所述二值化图像上最外层导线的像素点的像素值为1， 最外层导线与导线之 间缝 隙区域的像素点的像素值 为0； 对所述 二值化图像进行反向灰度化处 理； 将反向灰度化处理后的二值化图像中最外层的导线与导线之间缝隙区域作为掩膜与 所述仅含有电缆表面的图像相乘， 得到电缆侧面图像对应的电缆目标图像； 所述根据 各第一连通域中各像素点坐标， 得到电缆目标图像对应的各第 一连通域对应 的主成分方向； 根据所述各第一连通域对应的主成分方向， 对各第一连通域进行筛选得到 电缆目标图像对应的多个第二连通 域的方法， 包括： 根据所述各第 一连通域中各像素点坐标， 利用主成分分析法得到各第 一连通域对应的 第一主成分方向； 以所述电缆目标图像中最小横坐标和最小纵坐标对应的像素点作为原点构建坐标系， 将构建得到的坐标系记为目标坐标系； 获得各第一主成分方向与 所述目标坐标系中横坐标轴之间的夹角， 将所述各第 一主成 分方向与所述目标坐标系中横坐标轴之间的夹角记为各第一连通 域对应的方向角； 将所述方向角排序， 利用多阈值分割方法对排序后的所述方向角进行分类， 并得到各 类别中所述方向角的数量； 根据所述标准电缆侧面图像， 得到所述标准电缆侧面图像中导线的数量； 根据所述标 准电缆侧面图像中导线的数量， 得到标准电缆侧面图像对应的标准第一连通 域数量； 判断所述各类别中所述方向角的数量与所述标准第一连通域数量的差值的绝对值是 否大于预设差值阈值， 若是， 将对应的第一连通 域剔除； 将剔除之后的剩余的所述第一连通 域记为电缆目标图像对应的第二连通 域； 所述对所述各第 二连通域进行霍夫变换， 得到各第 二连通域对应的目标高亮点的数量权　利　要　求　书 1/4 页 2 CN 113920122 B 2的方法， 包括： 对所述电缆目标图像对应的各第 二连通域进行二值化处理， 对二值化处理之后的所述 各第二连通 域进行霍夫直线检测， 得到所述各第二连通 域在霍夫空间中的高亮点数量； 统计所述各第 二连通域在霍夫空间中的各横坐标对应的高亮点数量； 对不同第 二连通 域之间在霍夫空间中的同一横坐标对应的高亮点数量求和， 得到最多高亮点对应的横坐 标； 将所述最多高亮点对应的横坐标记为电缆 目标图像对应的目标横坐标， 将所述 目标横 坐标对应的高亮点记为目标高亮点； 统计所述各第 二连通域在霍夫空间中所述目标高亮点的数量； 将所述各第 二连通域在 霍夫空间中所述目标高亮点的数量记为各第二连通 域对应的目标高亮点的数量； 所述根据所述各第二连通域对应的第一弯曲程度和所述各第二连通域对应的目标高 亮点的数量， 对各第二连通域进行筛选得到电缆 目标图像对应的各目标连通域的方法， 包 括： 根据所述各第二连通域中的最小纵坐标和最大纵坐标， 得到各第二连通域对应的极 差； 判断所述各第 二连通域对应的第 一弯曲程度、 所述各第 二连通域对应的极差与所述各 第二连通域对应的目标高亮点的数量是否成正相关关系， 若 是， 将对应的第二连通域保留， 否则， 将对应的第二连通 域剔除； 将剔除之后剩余的第二连通 域记为电缆目标图像对应的第三连通 域； 根据所述目标横坐标， 得到电缆目标图像对应的第二方向； 根据所述第二方向过各第三连通域对应的第一主成分方向线上的各像素点与各第三 连通域交点， 得到各第三连通 域的第一主成分方向线上 各像素点对应的第二弯曲率； 根据所述各第三连通域对应的极差和各第三连通域的第一主成分方向线上各像素点 对应的第二弯曲率， 对所述各第三连通 域进行筛 选得到电缆目标图像对应的目标 连通域； 所述根据所述各目标连通域对应的主成分方向， 得到各目标连通域之间的平行度； 根 据所述各目标连通域之 间的平行度和所述各目标连通域对应第一弯曲程度， 判断电缆是否 出现散股缺陷的方法， 包括： 根据所述各目标连通域对应的方向角， 构建得到电缆目标图像对应的目标连通域对应 的方向角序列； 计算所述目标连通域对应的方向角序列对应的方向角方差， 根据所述方向角方差， 得 到电缆目标图像对应的目标 连通域之间的平行度； 根据所述各目标连通域对应的第 一弯曲程度， 得到电缆目标图像对应的第 一弯曲程度 均值； 根据所述各目标连通域之间的平行度和所述电缆目标图像对应的第 一弯曲程度均值， 得到电缆目标图像对应的散股度； 根据所述散股度， 判断电缆是否出现散股缺陷。 2.如权利要求1所述的一种基于人工智能的电缆缺陷检测方法， 其特征在于， 所述根据 各第二连通域中的最小横坐标和各第二连通域中的最大横坐标， 得到各第二连通域对应的 第一弯曲程度的方法， 包括： 根据各第二连通域中最小横坐标对应的像素点坐标、 最小横坐标对应的像素点数量、权　利　要　求　书 2/4 页 3 CN 113920122 B 3