[发明专利]一种光纤绕环质量的自动检测方法

说明书

技术领域

本发明涉及一种光纤绕环质量的自动检测方法。

背景技术

随着光纤陀螺技术在国内的迅速发展，各应用产品对光纤陀螺的可靠性提出了很高的要求，而作为惯性器件的核心部件，光纤环绕制的可靠性直接影响着光纤陀螺的可靠性，所以必须提高光纤绕制的可靠性。

光纤绕环操作主要由光纤绕环机完成，光纤绕环机适用于绕制各种用途的单模和多模光纤等。光纤绕环机的基本工作原理是通过人工控制绕环机停机或者回转操作，通过视频采集装置将绕环的实时图像在显示器显示，人眼判断绕环质量，出现问题控制绕环机停机并回转至问题区域后7mm区域，利用人工拨片将光纤紧密对齐后，继续操作绕环机运行，则绕环故障得到修复。

目前，光纤绕环机的质量检测方法大多是基于光纤绕制图像利用人工肉眼完成对绕环图像的判断，对于人眼判别的主观意识偏差，将直接影响光纤环在光纤陀螺惯性期间在精度和效率的表现。因此，对光纤绕环的检测技术加以改进，使其实现自动化，准确性的检测将直接影响光纤陀螺的可靠性。对于绕环图像检测要求对于绕环质量检测速度更快，检测范围动态处理，检测范围广，绕环机光学环境复杂，使用传统视觉处理算法，无法满足图像处理的需求。

发明内容

本发明所要解决的技术问题是：提供一种快速的光纤绕环质量的自动检测方法，能够在不改变现有绕环机工作环境的前提下，准确定位绕环位置，准确判断绕环点质量，从而保证光纤绕制点的质量。

本发明包括如下技术方案：

一种光纤绕环质量的自动检测方法，包括如下步骤：

(1)在光纤绕环过程中实时采集光纤绕环图像，对所述光纤绕环图像采用第一中值滤波算法进行滤波去噪；

(2)对滤波去噪后的光纤绕环图像采用阈值分割算法获得光纤绕环区域和背景显示区域；

(3)采用第二中值滤波算法对光纤绕环区域进行图像平滑获得图像平滑后的光纤绕环区域；

(4)对图像平滑后的光纤绕环区域采用拉普拉斯锐化处理进行图像锐化获得图像锐化后的光纤绕环区域；

(5)对图像锐化后的光纤绕环区域采用双阈值算法进行绕环段边缘轨迹检测获得绕环段边缘轨迹检测后的图像；

(6)对绕环段边缘轨迹检测后的图像计算Harr特征向量，根据Harr特征向量利用支持向量回归算法确定绕环是否存在故障及故障模式。

所述步骤(6)中具体包括如下步骤：

(a)对故障模式库中的每幅图像利用Harr特征计算绕环点的位置、边缘和方向特征以确定每幅图像的Harr特征向量；根据每幅图像的Harr特征向量与故障模式类型利用支持向量回归的算法建立起绕环质量的分类面模型；

(b)对绕环段边缘轨迹检测后的图像计算Harr特征向量，并输入所述绕环质量的分类面模型利用支持向量回归的算法确定绕环是否存在故障及故障模式。

支持向量回归算法的核函数为高斯核函数。

本发明与现有技术相比，具有如下优点：

(1)现有的光纤绕环机无法主动对质量进行实时检测，完全依靠工人肉眼判断其缺陷，经常出现对故障模式的误判和漏判，同时对绕制小空隙、绕制微叠加等微小缺陷不能实时识别，作为光纤陀螺的一个重要组件，带有缺陷的光纤环将严重影响光纤陀螺的检测精度。本发明提出一种基于图像识别的光纤绕环质量的自动检测方法，该方法能够在不改变现有绕环机工作环境的前提下，准确定位绕环位置，准确判断绕环点质量，从而保证光纤绕制点的质量。

(2)本发明使用改进的图像滤波处理算法对现有的绕环机绕环图像进行了优化，使现有的绕环机图像具有良好的抗噪能力，同时利用一种基于高斯核函数的支持向量回归算法，提高了对于故障模式识别的精度，降低了图像建模的复杂程度，提高了算法识别的运算速度。

(3)为了满足多种光纤绕环图像的绕制点图像识别，提出了双阈值算法，有效地修正了边缘检测时出现的识别错误。

(4)本发明的绕环故障特征模式方法采用Harr算法进行特征提取，支持向量回归算法，提高了对于绕环特征模式检测的准确度。

附图说明

图1基于图像识别的光纤绕环质量的自动检测过程；

图2为绕制正常时的光纤绕环图像；

图3为叠加故障的光纤绕环图像；

图4为空隙故障的光纤绕环图像；

图5为基于Harr特征的光纤绕环图像；

图6a为黑白转换的二值化分割后的光纤绕环缝隙故障的8方向特征向量图像；

图6b为黑白转换的二值化分割后的光纤绕环叠加故障的8方向特征向量图像。