CN120259298A 基于智能图像识别的数据线表面缺陷快速无损检测方法 （深圳市海鑫达连接线有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259298A(43)申请公布日2025.07.04

(21)申请号202510735111.5

(22)申请日2025.06.04

G06T7/11(2017.01)

G06T7/13(2017.01)

(71)申请人深圳市海鑫达连接线有限公司

地址518000广东省深圳市宝安区石岩街

道龙腾社区光辉路52号五层

(72)发明人何杰陈达南彭斌维杨尔朝吴佳璇

(74)专利代理机构北京京专专利代理事务所(普通合伙)11908

专利代理师马世建

(51)Int.CI.

GO6TGO6T

GO6TGO6T

7/00(2017.01)

5/40(2006.01)

5/70(2024.01)

7/41(2017.01)

权利要求书2页说明书12页附图1页

(54)发明名称

基于智能图像识别的数据线表面缺陷快速无损检测方法

(57)摘要

CN120259298A本发明公开了一种基于智能图像识别的数据线表面缺陷快速无损检测方法，涉及图像数据处理技术领域，旨在解决复杂编织纹理噪声干扰下缺陷特征分离困难、检测准确率低的技术问题，包括以下步骤：S1:采集数据线图像并进行灰度化处理；S2:构建多尺度图像金字塔，采用自适应阈值算法精准分割图像，结合霍夫变换实现数据线表面缺陷的快速检测；S3:通过傅里叶变换实现编织纹理与背景噪声的频域分离，结合带通滤波技术滤除干扰，再利用直方图均衡化增强缺陷对比度；本发明通过构建三层高斯金字塔进行多尺度分解，并结合带通滤波技术，有效分离编

CN120259298A

多倒：集

s***

asearu

性类型

CN120259298A权利要求书1/2页

2

1.一种基于智能图像识别的数据线表面缺陷快速无损检测方法，其特征在于，包括以下步骤：

S1:采集数据线图像并进行灰度化处理；

S2:构建多尺度图像金字塔，采用自适应阈值算法精准分割图像，结合霍夫变换实现数据线表面缺陷的快速检测；

S3:通过傅里叶变换实现编织纹理与背景噪声的频域分离，结合带通滤波技术滤除干扰，再利用直方图均衡化增强缺陷对比度；

S4:计算图像区域内灰度值的极差与局部标准差，量化纹理细节特征变化；

S5:通过自适应滤波算法补偿纹理灰度波动，构建灰度直方图；

S6:计算灰度值偏移量，动态调整自适应灰度均值并优化对比度；

S7:强化纹理与缺陷的特征差异，辅以线性修正算法提取优化特征；

S8:采用多方向结构元素实现形态学运算，结合连通域特征分析，精准定位数据线表面缺陷；

S9:使用Canny边缘提取算法对形态学处理后的图像进行边缘检测，结合霍夫圆检测算法，根据检测结果获取数据线边缘轮廓，通过轮廓分析实现对编织纹理护套数据线表面缺陷的定位和识别。

2.根据权利要求1所述的一种基于智能图像识别的数据线表面缺陷快速无损检测方法，其特征在于，所述步骤S2中，具体如下步骤：

S201:自适应阈值分割：使用Otsu大津算法对数据线灰度图像进行自适应阈值分割，通

过最大化类间方差确定最优阈值，将图像分割为前景区域和背景区域，公式为：

式中，t代表候选阈值，W?(t)表示阈值t下前景像素的概率，W?(t)表示阈值t下背景像素的概率，μ?(t)代表前景像素的均值，μz(t)代表背景像素的均值，t*为最优阈值，arg表示返回使目标函数取得最大值的参数值；

S202:高斯金字塔多尺度分解：对每个前景分割区域引入高斯金字塔多尺度分解，生成不同尺度的图像金字塔，分别进行Canny边缘检测和圆形拟合，获得多尺度圆形前景分割区域。

3.根据权利要求2所述的一种基于智能图像识别的数据线表面缺陷快速无损检测方法，其特征在于，所述步骤S3中，还包括如下步骤：

S301:二维傅里叶变换：对每个多尺度圆形前景分割区域进行二维傅里叶变换，将图像从空间域转换到频域；

S302:带通频域滤波：采用带通滤波替代低通滤波，通过分析编织纹理的频域分布，设计带通滤波器保留缺陷特征对应的高频分量，抑制纹理噪声对应的中低频分量，频域滤波函数定义为：

式中，fmin表示频率域中允许通过的最低空间频率阈值，fmax为图像最高空间频率阈值；

CN120259298A