[发明专利]一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种导线直径异常识别方法，其特征在于，包括：

对当前背景图像进行预处理，当前背景图像指的是待识别的图像，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区，具体操作包括：对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值，其中标准背景图像指的是没有发生导线缺陷的正常图像；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

2.根据权利要求1所述的导线直径异常识别方法，其特征在于，在判定导线直径异常后，还包括如下操作步骤：

确定当前导线直径异常的点对应的分区编号以及分区位置，标记分区编号以缩小范围对背景图像的异常分区图像进行进一步的异常分析处理。

3.根据权利要求2所述的导线直径异常识别方法，其特征在于，进一步的异常分析处理包括如下操作步骤：

对异常分区内的当前导线直径异常进行图像识别处理，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理。

4.根据权利要求3所述的导线直径异常识别方法，其特征在于，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理，包括如下操作步骤：

调取具有各种缺陷的导线类型图像，识别其缺陷导线区域的位置；

对缺陷导线区域进行阈值分割；同时对进行阈值分割后的缺陷导线区域的图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的缺陷导线区域的图像，进行间隔装置干扰去除和相似物干扰去除，得到标准缺陷导线区域的图像；

在标准缺陷导线区域的图像中，对于缺陷导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个缺陷导线的黑色连通域；提取黑色连通域的区域形状从而确定标准导线缺陷的连通域形状图像；

保存上述标准导线缺陷的连通域形状图像，将其作为图像训练模型的训练数据集，建立卷积神经网络模型，得到训练后的测试数据集；

在训练完毕后，将异常分区内的当前导线直径异常作为卷积神经网络模型的输入图像，并通过训练后的测试数据集进行测试操作；若标准导线缺陷的连通域形状图像与输入图像的连通域匹配成功，则证明输入图像中的导线缺陷与标准导线缺陷的类型一致，由此判定输入图像中导线的缺陷类型。

5.根据权利要求4所述的导线直径异常识别方法，其特征在于，当前导线的缺陷类型包括断股导线或分叉导线。

6.根据权利要求2所述的导线直径异常识别方法，其特征在于，还包括对标记的分区编号以及分区位置生成标记日志进行存储。

7.根据权利要求6所述的导线直径异常识别方法，其特征在于，还包括将标记日志进行持续更新，待当前背景图像的全部分区完成识别处理后存储完整的标记日志。