研究目的
研究利用机器视觉技术检测和识别光纤通信电缆表面缺陷的技术。
研究成果
本文研究的算法应用于光缆生产线。最小检测面积为0.05平方毫米，直径检测精度达0.1毫米，且能实时报警缺陷，降低了灰尘和积水的误报率。在灰尘干扰条件下，针孔的正确检测率可达70%，减少了误报率并提升了系统检测性能。
研究不足
该方法只能检测直径为6毫米的电缆。检测速度仅为1米/秒，且无法对缺陷进行分类。
1：实验设计与方法选择：
运用数学几何与线性插值法将缆筒转换为平面?；谕枷裰姓肟椎幕叶忍卣鳎捎没叶茹兄涤胩荻确堤岣哒肟准觳饴?。
2：样本选择与数据来源：
使用三台相机采集的光缆图像，每幅图像拼接30°视角的图像冗余。
3：实验设备与材料清单：
软件实现采用Visual Studio2015、QT5.7.1、OpenCV2.4.9及Windows7系统。
4：QTOpenCV9及Windows7系统。 实验流程与操作步骤：
4. 实验流程与操作步骤：包括图像预处理、缆筒区域提取、表面缺陷与凸起判定、表面缺陷标记及图像拼接。
5：数据分析方法：
通过梯度幅值与OTSU算法判定缆筒区域的常规缺陷与针孔。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Visual Studio2015
Microsoft
Software development environment
-
QT5.7.1
The Qt Company
Cross-platform application framework
-
OpenCV2.4.9
OpenCV
Computer vision and machine learning software library
-
Windows7
Microsoft
Operating system
-
登录查看剩余2件设备及参数对照表
查看全部
