基于机器视觉的导体计数方法研究

刘宇，侯北平

基于机器视觉的导体计数方法研究

刘宇，侯北平

（浙江科技学院自动化与电气工程学院，浙江 杭州 310023）

针对现有人工统计线缆导体根数费时费力的问题，提出了一种基于机器视觉导体根数检测方法，能够快速准确地检测出线缆导体根数｡分析线缆导体截面图像特征后，提出了一种自适应分水岭分割算法对导体进行分割、计数，并根据先验知识对统计结果进行校验，得到最终统计结果。实验表明，所提出的线缆导体计数方法，实现对导体根数的自动检测，可以帮助检验人员快速地检出导体根数，计算缺漏情况，有效提高了导体质量检测效率｡

机器视觉；导体计数；图像分割；改进分水岭算法

随着国民经济的稳步发展，各行各业对电力需求不断增大，对电线电缆的需求日益增加，线缆的安全性、可靠性随之备受人们关注。电力电缆质量不合格主要有结构尺寸不合格、导体电阻不合格等。线缆内部导体质量是影响线缆导体电阻的重要因素。导体在生产过程中，由于工艺或技术原因，线缆根数易出现缺漏或过多情况，将直接影响线缆的导电性能，在使用过程中除易引发火灾，还会加速包覆在电线外的绝缘层的老化，埋下安全隐患。因此，对导体根数进行检测至关重要。

传统的线缆导体根数统计主要是通过人工计数，人工计数耗时耗力，且易统计错误。随着机器视觉的发展，自动化检测计数被应用到各个领域，侯维岩等[1]提出使用图像处理的方式解决捆扎棒材计数问题；罗根等[2]利用机器视觉实现手机屏幕玻璃尺寸的自动检测；陈浩等[3]提出了利用机器视觉解决棒材计数问题；李彦清等[4]利用图像技术实现钢球 的精确计量与尺寸识别。机器视觉成功解决了相关行业中的自动检测技术难题，但对线缆导体根数自动检测的相关研究较少。

针对以上问题，本文提出了一种基于机器视觉的导体计数方法，首先对线缆内部导体截面图像进行图像预处理，提取目标区域，对导体紧密度进行分析。根据紧密度的不同提出自适应分割算法对目标区域进行分割、数量统计，而后根据先验知识对统计结果进行校验并校正，得到最终的统计 结果。

1 线缆内部导体截面图像预处理

为了避免无关部分对导体图像分割、计算结果产生影响，需要进行图像预处理获取导体目标区域。主要步骤如下。

1.1 阈值分割

根据样本图像特征，本文采用最大类间方差法进行阈值分割。最大类间方差法（OTSU）[5]是一种基于点的自适应最佳全局阈值处理方法，其基本原理是选取一个最佳阈值，使得图像二值化后，前景和背景两个类的类间方差最大。

分割后的导体截面图像，其中存在噪声和绝缘层部分的干扰，需要进一步去除噪声及其他干扰。

1.2 噪声及其他干扰去除

在样本图像采集过程中由于设备的基本性质、环境因素，都可能产生噪声。这些噪声会掩盖图像的部分细节信息，对进一步测量产生影响。为了减少图像噪声带来的不利影响，必须对样本图像进行去噪处理。同时，样本图像中除导体区域，其余区域均为干扰部分，同样会影响测量结果。

图像的去噪处理也称为图像滤波，其核心思想是通过数学方法模拟各类噪声的行为及影响，并把噪声的影响效果去除，通常是用特定的滤波器对图像做卷积处理。常用的图像滤波方法有基于空间域的滤波和基于频率域的滤波，除此之外，还有形态学滤波等其他新的图像滤波方法。

不同的滤波器处理噪声的效果不同，为了在去除噪声的同时不损失边缘，本文选用中值滤波做图像去噪处理。

针对线缆绝缘层部分产生的影响，采用特征筛选法，分析发现，线缆绝缘层部分的区域宽度明显大于内部导体区域宽度，利用该特征可去除绝缘层区域，筛选出导体区域，为减少计算耗时，取导体区域最小矩形框获得最佳目标区域。

2 导体分割

为了准确地实现导体根数统计，需要将粘连的导体分割为单根导体，便于根数统计。常用的粘连分割方法有二值图像阈值分割、基于形态学腐蚀的分割方法、基于拓扑理论的数学形态学的分割方法。本文对样本图像进行基于形态学腐蚀的分割方法和改进后的自适应分水岭分割算法两种分割实验。

2.1 基于形态学腐蚀的分割方法

腐蚀操作是对所选区域进行“收缩”的一种操作，经过腐蚀操作后，图像区域的边缘会变得平滑，区域像素将会减少，相连部分会断开，以达到分割粘连的目的。利用该方法进行分割粘连，极易出现过分割或欠分割，且无法保留单根导体的轮廓，若需要计算单根导体面积，将无法进行计算。

2.2 改进的自适应分水岭分割算法

分水岭算法[6]是一种基于拓扑理论的数学形态学的分割方法。分水岭算法对目标区域的边缘较为敏感，可充分保留目标区域边缘。但同时也易出现过分割的问题。基于距离变换的分水岭粘连分割方法是较常用的一种分割方法。由于金属导体暴露在空气中会出现氧化现象，此时样本图像中导体部分亮度不均匀，利用基于距离变换的分水岭粘连分割方法易出现过分割情况，影响导体根数统计精确度。氧化导体分割效果如图1所示。

图1 氧化导体分割效果

针对以上问题，本文在基于距离变换的分水岭粘连分割方法的基础上进行改进，提出改进的自适应分水岭分割算法。算法步骤为：①对目标区域二值化处理得到二值图像，计算其面积1；②获取目标区域二值图像最小外接圆，计算其面积2；③由于单根导体路面阔为近圆形，使得多跟导体紧密排列时导体间出现缝隙，本文用紧密度来描述导体间空隙大小，并将其作为自适应参数，计算自适应参数=2/1；距离变换后分水岭分割初始阈值为，分水岭分割阈值函数（）=×-2。

利用（）与的函数关系自动设定分水岭分割阈值，实现自适应分水岭分割算法。利用该方法对导体目标区域分割结果如图2所示。该方法可以完整分割出每根导体。

图2 自适应分水岭分割算法分割结果

3 实验结果分析及校验

3.1 实验结果分析

分别取不同直径的线缆采样进行。实验结果如图3所示。针对几种不同直径的线缆样本，均可准确计算出其内部导体根数。

图3 部分实验结果

3.2 统计结果校验

分析线缆内部导体特征可发现，线缆内部每根导体面积相近，可根据该特征对统计结果进行验证。验证具体步骤如下：①分别计算每一根导体的面积i，∈{1，2，…，}，为导体总数；②寻找所有面积中间面积值mid；③寻找最大单根导体面积max，最小导体面积min，如果存在mid－min＞mid/2或max－mid＞mid/2，证明统计错误，重新计算。

通过结果校验，进一步保证统计结果的准确性。

4 结论

针对传统的人工导体计数的不足，提出了一种基于机器视觉的导体计数方法，根据线缆内部导体紧密度不同提出自适应分割算法对目标区域进行分割、数量统计。并利用先验知识对统计结果进行校验并校正，得到最终统计结果。该方法能够快速准确地检测出线缆导体根数｡在导体质量检测行业中具有积极意义，可以被广泛应用，大幅提高检测效率及检测准确率。

［1］侯维岩，张利伟，党蟒，等.一种基于图像处理的棒材计数测量系统的设计与实现［J］.仪器仪表学报，2013，34（5）：1100-1106.

［2］罗根，倪军.基于机器视觉的手机屏幕玻璃尺寸检测及崩边评价［J］.电子测量与仪器学报，2018（2）：92-96.

［3］陈浩，王景中，姚光明.基于类圆分割的棒材计数图像识别［J］.工程图学学报，2004（4）：98-103.

［4］李彦清，何绍鑫，赵俊潇，等.基于图像技术的钢球精确计数与尺寸识别系统［J］.吉林大学学报（信息科学版），2019，37（6）：631-637.

［5］杨威，马瑜，孔聪雅，等.基于分数阶狼群优化的Otsu图像分割算法［J］.液晶与显示，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，硕士导师，现任浙江科技学院自动化与电气工程学院院长、党委书记、中德联合机器视觉研究所中方负责人，研究方向为机器视觉、图像处理、人工智能技术、工业物联网。

刘宇（1994—），男，研究生在读，研究方向为机器视觉与模式识别、图像处理、智能控制。

〔编辑：张思楠〕