基于視覺識別的線纜絕緣層厚度在線檢測研究

羅赟

（南寧職業技術學院 智能制造學院，廣西 南寧 530008）

1 前言

電線電纜作為電力行業十分重要的材料，關系著電子器械的正常運行，自20世紀90年代以來，我國電線電纜行業隨著現代化水平的提高而得到了急速發展。但電線電纜的質量以及絕緣方式的處理仍然良莠不齊。若不及時注意，甚至會影響人身安全和財產安全，因此，務必要對電線電纜的產品質量高度重視，還要采取先進的檢測技術，確保能夠清晰準確地檢測出線纜絕緣層的厚度，切實保證電線電纜的絕緣質量。

2 視覺識別概述及內部組成

2.1 概述

視覺識別作為一個充滿生命力的學科，興起于20世紀50年代，是計算機技術成熟發展的產物，利用計算機進一步分析顯微照片所產生的一種新型技術，自視覺識別技術興起以后，應用到各領域中，取得了十分理想的效果，越來越多的工作人員開始用視覺識別技術來分析并識別二維圖像，直到20世紀60年代中期，專家學者開始利用計算機實現從數字圖像中提取多面體的三維結構。這一實踐也證明了視覺技術的應用領域得到了進一步拓展。

目前，國外機器視覺識別檢測技術水平。已經十分成熟且先進，在應用到工業中，基于機械的視覺開發和圓度測量等，更是實現了一些機械設備的在線檢測。在農業方面，將其應用到葡萄干燥過程中，能夠得到更加清晰的檢測效果。而隨著人們對勞動強度節能減排以及生產生活等方面的需求不斷提高，機器視覺識別技術的自動化和便捷性會得到大眾的認可。

2.2 組成

首先，基于機器的視覺識別測量系統，以硬件和軟件兩個部分為主，在硬件部分中應用了光學采集，作為數字圖像加工中的重要組成部分，光學采集利用了先進的信息技術，經過處理后的圖片十分清晰，能夠還原以往的精確度，更能夠提高測量的精確性。其次，是光學照明，在許多機械視覺照明系統中所采用的照明方式各不相同，會產生強烈的畫面感。最后，光學系統是由鏡頭和圖像傳感器所組成。而軟件部分將以MATLAB作為依托，對所需要采集的圖像進行轉換和圖像二值化以及邊緣檢測等多種方式的處理，本文所采用的是MATLAB提供圖形用戶界面為平臺對及其視覺測量進行設計，不僅符合使用者的需求，且簡單易操作。

3 基于視覺識別的線纜絕緣層厚度檢測

3.1 檢測原理及思路

在GB/T2951.11-2008《電纜和光纜絕緣和護套材料通用試驗方法》中明確規定了關于電線電纜絕緣厚度測量的情況，要求第一次測量需要在絕緣最薄處進行，針對上述要求，本系統設計要遵循以下兩點思路：（1）考慮到針對內側為圓形的電纜絕緣切片，其形狀類似于圓環，可以先用Hough變換圓檢測算法求得圓心的坐標。（2）若是將圓心設為o（a，b），那么，內圓和外圓必有（x1，b）和（x2，b），以圓心為旋轉中心，每間隔一度旋轉一次，可以得到360個值，其中最小值便是絕緣的最薄處。（3）再找到絕緣最薄處后，要記錄最薄處的旋轉度數，再旋轉60度后，可以得到一個厚度值，依次旋轉5次后可以得到6個測量值。

3.2 圖像預處理

（1）圖像去噪。圖像在進行采集和傳輸過程中，會不免受到外部噪聲的污染影響，最終的精確值，使得圖像噪聲變為可預見的顆粒形狀，影響圖像質量和精確度，但一般來講，基于視覺識別的線纜絕緣層厚度檢測中，圖像的噪聲來源包括供電電源及光源的時間。儀器的機械運動，器材材料本身以及器械視覺系統內部的設備電路。由于噪聲無法預測，只能暫時通過頻率的方式和統計來辨別，并盡量控制，而常見的隨機噪聲多式多樣。本文基于視覺識別進行線纜絕緣層厚度的在線檢測，將采用最小二乘法濾波器的方式對噪聲的范圍進行估值。有算法簡明且性能較好等多方面的優點，在使用這種方法進行估值時，連續采集16幀圖像，對于單個像素點進行不同的數據采集，采用最小二乘法的方式進行濾波處理后，可以得到干擾較少的原始圖像，在還原原始圖像清晰度的同時，更能夠去除一些雜色。

（2）邊緣檢測。考慮到圖像中像素之間會產生不同程度上的灰度變化，會影響圖像的清晰度，也會影響檢測的效果，因此，要進行邊緣檢測，邊緣檢測是將整個圖像的灰度變化不連續點進行提前考量，以致一般函數的不連續點，通過求得附近領域內的一階導數最大值來得到，因此，邊緣檢測可以利用圖像一階導數和二階導數的方法來求得。而常見的邊緣檢測算子方式包括以下幾方面：一是Roberts邊緣檢測算子：作為最簡單一階倒數的算子，是用一對相互垂直差分進行梯度的計算，模版為2×2，數值可以隨意選取。這類算法對邊緣的定位十分清晰，也適合應用不同方向的邊緣，二是Sobel邊緣檢測算子：其原理是利用局部差分子卷積計算的方式尋找邊緣，其模版大小為3×3，優點是計算量較少，但缺點是對于邊緣但定位不夠精確。三是Prewitt邊緣檢測算子，與Sobel邊緣檢測算子的方程式相似，檢測出的邊緣寬度達到雙向寬素或是多像素，會影響其精確度，主要是因為僅考慮到水平和垂直的情況，也會影響其他方向邊緣的程度斷裂。

（3）進一步去燥。利用SOBEL邊緣檢測算子檢測邊緣后的圖像仍然會存在一些噪點，而這些噪點會很難進一步祛除，為了更好地還原圖像的清晰度，線纜絕緣厚度檢測的精確性則務必要將上述存在的噪點進一步消除，因此，要做到進一步去噪的方式。將直徑和絕緣潔面的焦點控制在四個以內，避免影響最終的精度和效果，而基于形態學角度考慮，從圖像中去掉噪聲還原形狀，輪廓數據，也可以采用數學形態學。這張圖像看成集合時，像素點則看成集合內的大小。隨后，要分別進行膨脹腐蝕和細化。通過結構元素的集合運算對圖像中前景進行改變，恢復帶有間斷的圖像，在此基礎上，通過結構元素的集合運算，將圖像中的前景進行收縮或細化，去除一些不必要的細節，確保只留下需要被保留的絕緣邊緣即可。

3.3 Hough 變換圓檢測

基于視覺識別體系，對于所采集到的圖像分別經過灰度圖轉化二值化區灶邊緣處理等多種方式后，可以得到更加精確的圖像，也可以通過hough變換圖檢測的方式求出圓心和半徑。其思路是通過一個點進行坐標的變化，可以變為參數空間中的曲線或是平面，在圖像空間中，經過matlab軟件中可清晰地看出絕緣最薄處的測試點在某個角度的方向，而采用這種技術進行檢測的優點，是因為事先預知到被檢測的圖像是一個圓，可以利用圓的特性，很方便地獲得絕緣切片的輪廓特征。隨后，要采用matlab中，用戶界面進行程序的編寫，界面在進行設計時，務必要遵循簡單、直接的功能。在保持界面統一性的同時，確保同類的信息可以歸類到一起，視覺上要感覺舒適，還有采用標準術語，避免對用戶造成誤解。將較大的任務分為若干個小任務，進行獨立的編程和調試。

4 結果分析

單純地將絕緣瓶放在操作臺上。利用機器視覺檢測系統進行檢測，而本文所應用到的樣品型號為602227IEC01（BV）1×1.5mm2。由于采用人工目測的方式很難找到絕緣纖纜中的最薄點，因此，采用這一系統所計算出的線纜絕緣層厚度數值更加貼近實際，從系統顯示的時間與數據的相關結果能夠發現，利用該系統檢測出的絕緣數據僅用一分鐘，但同樣工作量若采用其他的檢測方式，不僅耗時耗力，且精確程度不夠理想。為確保系統的穩定性，同樣的操作人員在相同的操作條件下，對絕緣厚度切片進行多次旋轉，并獲取不同的圖像。其中得出不同的測量方式所得到的數值均在可接受的范圍內，也說明應用視覺識別系統，測量電線電纜的絕緣厚度重復性良好。