基于機器視覺的導體計數方法研究

劉宇，侯北平

基于機器視覺的導體計數方法研究

劉宇，侯北平

（浙江科技學院自動化與電氣工程學院，浙江 杭州 310023）

針對現有人工統計線纜導體根數費時費力的問題，提出了一種基于機器視覺導體根數檢測方法，能夠快速準確地檢測出線纜導體根數?分析線纜導體截面圖像特征后，提出了一種自適應分水嶺分割算法對導體進行分割、計數，并根據先驗知識對統計結果進行校驗，得到最終統計結果。實驗表明，所提出的線纜導體計數方法，實現對導體根數的自動檢測，可以幫助檢驗人員快速地檢出導體根數，計算缺漏情況，有效提高了導體質量檢測效率?

機器視覺；導體計數；圖像分割；改進分水嶺算法

隨著國民經濟的穩步發展，各行各業對電力需求不斷增大，對電線電纜的需求日益增加，線纜的安全性、可靠性隨之備受人們關注。電力電纜質量不合格主要有結構尺寸不合格、導體電阻不合格等。線纜內部導體質量是影響線纜導體電阻的重要因素。導體在生產過程中，由于工藝或技術原因，線纜根數易出現缺漏或過多情況，將直接影響線纜的導電性能，在使用過程中除易引發火災，還會加速包覆在電線外的絕緣層的老化，埋下安全隱患。因此，對導體根數進行檢測至關重要。

傳統的線纜導體根數統計主要是通過人工計數，人工計數耗時耗力，且易統計錯誤。隨著機器視覺的發展，自動化檢測計數被應用到各個領域，侯維巖等[1]提出使用圖像處理的方式解決捆扎棒材計數問題；羅根等[2]利用機器視覺實現手機屏幕玻璃尺寸的自動檢測；陳浩等[3]提出了利用機器視覺解決棒材計數問題；李彥清等[4]利用圖像技術實現鋼球 的精確計量與尺寸識別。機器視覺成功解決了相關行業中的自動檢測技術難題，但對線纜導體根數自動檢測的相關研究較少。

針對以上問題，本文提出了一種基于機器視覺的導體計數方法，首先對線纜內部導體截面圖像進行圖像預處理，提取目標區域，對導體緊密度進行分析。根據緊密度的不同提出自適應分割算法對目標區域進行分割、數量統計，而后根據先驗知識對統計結果進行校驗并校正，得到最終的統計 結果。

1 線纜內部導體截面圖像預處理

為了避免無關部分對導體圖像分割、計算結果產生影響，需要進行圖像預處理獲取導體目標區域。主要步驟如下。

1.1 閾值分割

根據樣本圖像特征，本文采用最大類間方差法進行閾值分割。最大類間方差法（OTSU）[5]是一種基于點的自適應最佳全局閾值處理方法，其基本原理是選取一個最佳閾值，使得圖像二值化后，前景和背景兩個類的類間方差最大。

分割后的導體截面圖像，其中存在噪聲和絕緣層部分的干擾，需要進一步去除噪聲及其他干擾。

1.2 噪聲及其他干擾去除

在樣本圖像采集過程中由于設備的基本性質、環境因素，都可能產生噪聲。這些噪聲會掩蓋圖像的部分細節信息，對進一步測量產生影響。為了減少圖像噪聲帶來的不利影響，必須對樣本圖像進行去噪處理。同時，樣本圖像中除導體區域，其余區域均為干擾部分，同樣會影響測量結果。

圖像的去噪處理也稱為圖像濾波，其核心思想是通過數學方法模擬各類噪聲的行為及影響，并把噪聲的影響效果去除，通常是用特定的濾波器對圖像做卷積處理。常用的圖像濾波方法有基于空間域的濾波和基于頻率域的濾波，除此之外，還有形態學濾波等其他新的圖像濾波方法。

不同的濾波器處理噪聲的效果不同，為了在去除噪聲的同時不損失邊緣，本文選用中值濾波做圖像去噪處理。

針對線纜絕緣層部分產生的影響，采用特征篩選法，分析發現，線纜絕緣層部分的區域寬度明顯大于內部導體區域寬度，利用該特征可去除絕緣層區域，篩選出導體區域，為減少計算耗時，取導體區域最小矩形框獲得最佳目標區域。

2 導體分割

為了準確地實現導體根數統計，需要將粘連的導體分割為單根導體，便于根數統計。常用的粘連分割方法有二值圖像閾值分割、基于形態學腐蝕的分割方法、基于拓撲理論的數學形態學的分割方法。本文對樣本圖像進行基于形態學腐蝕的分割方法和改進后的自適應分水嶺分割算法兩種分割實驗。

2.1 基于形態學腐蝕的分割方法

腐蝕操作是對所選區域進行“收縮”的一種操作，經過腐蝕操作后，圖像區域的邊緣會變得平滑，區域像素將會減少，相連部分會斷開，以達到分割粘連的目的。利用該方法進行分割粘連，極易出現過分割或欠分割，且無法保留單根導體的輪廓，若需要計算單根導體面積，將無法進行計算。

2.2 改進的自適應分水嶺分割算法

分水嶺算法[6]是一種基于拓撲理論的數學形態學的分割方法。分水嶺算法對目標區域的邊緣較為敏感，可充分保留目標區域邊緣。但同時也易出現過分割的問題。基于距離變換的分水嶺粘連分割方法是較常用的一種分割方法。由于金屬導體暴露在空氣中會出現氧化現象，此時樣本圖像中導體部分亮度不均勻，利用基于距離變換的分水嶺粘連分割方法易出現過分割情況，影響導體根數統計精確度。氧化導體分割效果如圖1所示。

圖1 氧化導體分割效果

針對以上問題，本文在基于距離變換的分水嶺粘連分割方法的基礎上進行改進，提出改進的自適應分水嶺分割算法。算法步驟為：①對目標區域二值化處理得到二值圖像，計算其面積1；②獲取目標區域二值圖像最小外接圓，計算其面積2；③由于單根導體路面闊為近圓形，使得多跟導體緊密排列時導體間出現縫隙，本文用緊密度來描述導體間空隙大小，并將其作為自適應參數，計算自適應參數=2/1；距離變換后分水嶺分割初始閾值為，分水嶺分割閾值函數（）=×-2。

利用（）與的函數關系自動設定分水嶺分割閾值，實現自適應分水嶺分割算法。利用該方法對導體目標區域分割結果如圖2所示。該方法可以完整分割出每根導體。

圖2 自適應分水嶺分割算法分割結果

3 實驗結果分析及校驗

3.1 實驗結果分析

分別取不同直徑的線纜采樣進行。實驗結果如圖3所示。針對幾種不同直徑的線纜樣本，均可準確計算出其內部導體根數。

圖3 部分實驗結果

3.2 統計結果校驗

分析線纜內部導體特征可發現，線纜內部每根導體面積相近，可根據該特征對統計結果進行驗證。驗證具體步驟如下：①分別計算每一根導體的面積i，∈{1，2，…，}，為導體總數；②尋找所有面積中間面積值mid；③尋找最大單根導體面積max，最小導體面積min，如果存在mid－min＞mid/2或max－mid＞mid/2，證明統計錯誤，重新計算。

通過結果校驗，進一步保證統計結果的準確性。

4 結論

針對傳統的人工導體計數的不足，提出了一種基于機器視覺的導體計數方法，根據線纜內部導體緊密度不同提出自適應分割算法對目標區域進行分割、數量統計。并利用先驗知識對統計結果進行校驗并校正，得到最終統計結果。該方法能夠快速準確地檢測出線纜導體根數?在導體質量檢測行業中具有積極意義，可以被廣泛應用，大幅提高檢測效率及檢測準確率。

［1］侯維巖，張利偉，黨蟒，等.一種基于圖像處理的棒材計數測量系統的設計與實現［J］.儀器儀表學報，2013，34（5）：1100-1106.

［2］羅根，倪軍.基于機器視覺的手機屏幕玻璃尺寸檢測及崩邊評價［J］.電子測量與儀器學報，2018（2）：92-96.

［3］陳浩，王景中，姚光明.基于類圓分割的棒材計數圖像識別［J］.工程圖學學報，2004（4）：98-103.

［4］李彥清，何紹鑫，趙俊瀟，等.基于圖像技術的鋼球精確計數與尺寸識別系統［J］.吉林大學學報（信息科學版），2019，37（6）：631-637.

［5］楊威，馬瑜，孔聰雅，等.基于分數階狼群優化的Otsu圖像分割算法［J］.液晶與顯示，2019，34（7）：716-723.

［6］DUDANI S A，BREEING K J，MCGHEE R B.Aircraft identification by moment invariants［J］.IEEE trans computers， 1977，26（1）：39-46.

2095－6835（2021）06－0082－02

TP391.4

A

10.15913/j.cnki.kjycx.2021.06.029

侯北平（1976—），男，博士，教授，碩士導師，現任浙江科技學院自動化與電氣工程學院院長、黨委書記、中德聯合機器視覺研究所中方負責人，研究方向為機器視覺、圖像處理、人工智能技術、工業物聯網。

劉宇（1994—），男，研究生在讀，研究方向為機器視覺與模式識別、圖像處理、智能控制。

〔編輯：張思楠〕