[发明专利]一种光纤端面检测方法、装置、终端设备及存储介质

权利要求书

1.一种光纤端面检测方法，其特征在于，包括：

采集待检测光纤端面图像；

将所述待检测光纤端面图像输入训练完成的语义分割模型，检测所述待检测光纤端面图像中缺陷的类别和像素位置；

输出所述训练完成的语义分割模型检测到的缺陷的类别和像素位置。

2.如权利要求1所述的光纤端面检测方法，其特征在于，所述采集待检测光纤端面图像之前，包括：

获取多张光纤端面缺陷图像；

分别对每张所述光纤端面缺陷图像中不同类别的缺陷采用不同的颜色进行标注，生成每张所述光纤端面缺陷图像中每个缺陷对应的标签；其中，所述标签包括对应的缺陷的类别和像素位置；

根据已标注的所有所述光纤端面缺陷图像构建训练集和测试集；将所述训练集输入待训练的语义分割模型进行迭代训练，根据训练结果优化所述待训练的语义分割模型的模型参数，直到所述训练结果满足预设收敛条件时为止，得到已训练的语义分割模型；

将所述测试集输入所述已训练的语义分割模型进行迭代测试，根据所述训练集和所述测试集的精度比较结果调整所述已训练的语义分割模型的网络参数和网络结构，以优化所述已训练的语义分割模型的模型参数，直到所述比较结果满足预设比较条件时为止，得到训练完成的语义分割模型。

3.如权利要求2所述的光纤端面检测方法，其特征在于，所述将所述训练集输入待训练的语义分割模型进行迭代训练，根据训练结果优化所述待训练的语义分割模型的模型参数，直到所述训练结果满足预设收敛条件时为止，得到已训练的语义分割模型之前，包括：

使用pytorch深度学习框架，搭建U-net网络；

基于所述U-net网络构建待训练的语义分割模型。

4.如权利要求3所述的光纤端面检测方法，其特征在于，所述U-net网络包括编码层和解码层；

所述编码层用于提取原始图像中的特征信息得到特征图，所述编码层由卷积层和下采样层组成，所述下采样层每次下采样后输出的特征图的尺寸减小且所述下采样层的层数增加；

所述解码层用于对所述特征图进行上采样或反卷积并与所述下采样层输出的尺寸相同的特征图进行图像连接，得到与所述原始图像尺寸相同且已完成像素级别分割的结果图像。

5.如权利要求4所述的光纤端面检测方法，其特征在于，所述卷积层和所述下采样层的填充为0、步长为1，所述图像连接为concat连接。

6.如权利要求2至5任一项所述的光纤端面检测方法，其特征在于，所述根据已标注的所有所述光纤端面缺陷图像构建训练集和测试集，包括：

按照预设比例将已标注的所有所述光纤端面缺陷图像划分为训练集和测试集；

对所述训练集和所述测试集进行样本数据扩充。

7.如权利要求6所述的光纤端面检测方法，其特征在于，所述对所述训练集和所述测试集进行样本数量扩充，包括：

通过单样本数据增强方式和多样本数据增强方式，对所述训练集和所述测试集进行样本数量扩充。

8.一种光纤端面检测装置，其特征在于，包括：

图像采集模块，用于采集待检测光纤端面图像；

缺陷检测模块，用于将所述待检测光纤端面图像输入训练完成的语义分割模型，检测所述待检测光纤端面图像中缺陷的类别和像素位置；

输出模块，用于输出所述训练完成的语义分割模型检测到的缺陷的类别和像素位置。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述的方法。