一种利用电缆截面图像对电缆的种类进行识别的方法与流程

本发明属于图像识别领域，尤其涉及一种针对通过切割获得的废弃电缆截面图片对电缆的种类进行识别的方法。

背景技术：

1、废旧电缆回收是市场铜循环的重要一环。

2、由于铜资源尤其是中国的铜资源十分缺乏，中国的大部分铜资源都依靠回收废旧线缆获取，而废旧电缆又占据废旧线缆回收的半壁江山，因此废旧电缆回收的技术改进是十分有必要的。

3、目前，废旧电缆从施工现场挖出、收集并运输至仓库，在进入仓库之前，每一台运输车上的电缆会进行称重，然后作为一整批卸载到仓库内。

4、在仓库内的每一批电缆的规格尺寸是不一致的，直径范围为50毫米至137毫米、长度范围约3米至6米、有价值金属含量的总重量比例范围为35％至80％。

5、这些电缆存放在仓库直到被拍卖后给买家取走，拍卖金额是按照总重量以及低于市场的单价。

6、这个操作的主要问题在于，拍卖价格基于有限的信息，所以需要低于市场的价格来吸引买家，因此收入会受到抑制。

7、为了提高拍卖价格，进而提高整个环节的利润，需要新设计一个方案用于解决废旧电缆的分类回收任务。

8、上述技术方案中，需要设置一个装置用于废旧电缆的识别。该装置是一个全自动设备的集合，其从装载区提取废旧电缆，对其进行分析和处理，以便确定每一根电缆的关键数据包括有价值金属的重量，并最终根据确定的规格将其分拣到各个区域。

9、该装置中，其中一个重要的步骤是通过切割获得的电缆废弃截面对电缆的种类进行识别，对此，该装置使用了两种方案，其中的一个方案是获取废旧电缆的截面图像，使用图像处理的方式进行识别。

10、上述废旧电缆识别装置的相关结构如图1a和图1b中所示，为本发明在所应用的电缆分拣装置中的具体使用场景和使用情况。摄像头a收到plc的拍照命令后开始获取废旧电缆前端c的照片，将照片传输到计算机中进行推理，推理所得出的结果将再发送给plc。

11、该方案先将电缆运动到固定位置，之后使用机械臂(亦称三轴促动器)b将摄像头(亦称工业相机)a移动到设计用来拍照的位置。摄像头在运动到指定位置后，需要扫描废旧电缆前端c，并根据所获得的数据，通过以往的数据经验，得到所需的电缆类别。

12、授权公告日为2021.11.30，授权公告号为cn 112949679 b的发明专利，公开了“一种基于高光谱图像的电缆型号识别方法”，其首先对电缆截面的高光谱图像进行超像元分割得到具有光谱相似性和空间近邻性的超像元小块，将超像元平均光谱作为基本处理单元进行导体光谱匹配分析确定导体结构材料的材料类型，同时确定导体材料所对应包含的区域，对电缆截面高光谱图像中除导体结构材料区域以外的其他结构材料区域进行非线性混合像元分解，获取绝缘层、内护套、铠装层、外护套结构材料的光谱，对电缆截面中除导体结构材料区域以外的其他结构材料区域依次进行光谱匹配分析，分别确定该结构材料所采用的材质，最后根据各结构材料材质判别结果确定电缆各结构材料所采用的材料类别，对应电缆型号命名规则给出电缆型号识别结果。但是该方法需要通过基于光谱-空间信息的线性迭代聚类将电缆截面高光谱图像分割成p个超像元小块，使用参数f控制空间信息在距离衡量中的比重，还需要对分割得到的各超像元平均光谱与导体光谱材料进行光谱匹配分析；同时，其技术方案的重点，在于对电缆截面中除导体结构材料区域以外的其他结构材料区域依次进行光谱匹配分析，确定材料类别，即：通过电缆截面的高光谱图像自动对电缆截面中多种结构材料进行分类，并识别材料所属类别，进而提供电缆对应的准确型号。该技术方案适用于对新电力电缆的质量是否合格进行快速可靠的判断，并且其涉及到高光谱图像的超像元分割、导体光谱匹配分析以及非线性混合像元分解等技术方法或技术手段，需要配套的设备成本较高，所涉及到技术手段的实施成本较高，不适用于对废弃电缆的种类进行识别的使用场景和使用环境。

13、因此需要设计一种配置要求低，检测性能要求合格，能搭配工业相机使用的通过检测电缆截面铜芯面积比来判断电缆类型的技术方案，以完成在废旧电缆回收过程中进行电缆分类的要求。

技术实现思路

1、本发明所要解决的技术问题是提供一种利用电缆截面图像对电缆的种类进行识别的方法。该技术方案主要应用于在一种大型废弃电缆分拣机械装置中，用以解决通过电缆截面图像信息对废弃电缆的具体类别进行分辨的问题。相比于现有的通过光谱仪测量铜芯中铜含量从而确定电缆类别的方案，本技术方案利用使用图像处理获取类别能够有效排除含铜比例相近但总量存在明显差别的类别，能够处理更加复杂的图像情况，且该技术方案不会对计算机性能提出过高的要求，采用非深度学习的方法进行电缆截面图像的合成，只需要测试并改变通道合成的比例即可，对于背景的变化并不敏感，大大减少了计算工作量。

2、本发明的技术方案是：提供一种利用电缆截面图像对电缆的种类进行识别的方法，其特征是：

3、1)根据不同电缆产品的相关产品数据，建立一个与电缆种类相对应、关联的电缆参数表，电缆参数表中至少包括不同电缆产品所对应的电缆横截面中的铜芯实际面积和铜芯数量；

4、2)将待识别废旧电缆整理、顺直后，对待识别废旧电缆沿其长度轴线作横向切断，得到待识别废旧电缆的前端横截面；

5、3)用工业相机或摄像头，正对待识别废旧电缆的前端横截面，拍摄废旧电缆前端的照片，得到电缆截面图像；

6、4)将获取的电缆截面图像输入深度神经网络模型中，从而提取其背景，得到去除背景的截面图像；

7、5)将获取的图像变换至hsv空间下，提取出s通道，之后在其原始空间中，提取r通道；

8、6)获取的通道图像经过滤波处理，滤波后进行图像合成，合成后的新图像将同时拥有颜色和纹理的特征；

9、7)对合成后的图像进行轮廓提取；

10、8)提取出铜芯轮廓后，换算得出该铜芯的实际面积；

11、9)结合电缆截面的铜芯实际面积和数量，根据已有的电缆参数表，推断出具体的电缆种类。

12、具体的，所述利用电缆截面图像对电缆的种类进行识别的方法，首先利用深度神经网络模型得到去除背景的电缆截面图像；之后，获取图像在hsv空间下的s通道以及bgr空间下的r通道；之后对获取的通道图像经过滤波处理，再进行图像合成；之后，对合成的图像进行铜芯轮廓提取，之后对铜芯轮廓进行筛选和平滑，进一步提取圆；最后，提取出铜芯轮廓后，换算得出该铜芯的实际面积，根据已有的电缆参数表，进而推断出具体的电缆种类；实现通过对废旧电缆横截面中铜芯图像的识别，来进行废旧电缆的种类识别或分拣的功能。

13、具体的，在步骤4)中，在得到去除背景的截面图像后，还应当记录下电缆在原图中的位置，便于之后进行转换。

14、具体的，在步骤5)中，将获取的图像变换至hsv空间下，提取出s通道，之后在其原始空间中，即bgr空间中，提取r通道；其中，s通道指饱和度通道，r指红色通道，这两种通道分别对应了铜芯的颜色和纹理这两个信息。

15、进一步的，在步骤5)中，将s通道和r通道的图像按照一定的比例系数合成新图片，合成后图片是单通道的，空间的阈值均为0-255；

16、其按照一定的比例系数合成新图片的具体公式如下：

17、p＝r*kr+s*(1-kr)

18、其中的kr为s通道和r通道的通道合成比例系数，简称比例系数。

19、具体的，在步骤6)中，获取的通道图像需要经过滤波处理，所述的滤波处理采用双边滤波，滤波后进行图像合成，合成后的新图像将同时拥有颜色和纹理的特征。

20、进一步的，所述双边滤波的公式如下所示：

21、

22、

23、

24、其中，p代表滤波器中的任意一点，q代表当前滤波值，lp和lq代表当前点的位置比重，σ代表核的权重，通过自动确定滚，kp代表像素权重，kr代表距离权重。

25、具体的，在步骤7)中，在对合成后的新图像进行轮廓提取时，首先使用三角阈值法进行二值化，二值化后使用canny边缘提取算法提取其边缘轮廓，然后对轮廓进行筛选，筛除较小的轮廓，筛除形状错误的轮廓以及被包含的轮廓，最后留下的轮廓作为铜芯的轮廓；然后再使用douglas-peucker算法进行轮廓平滑；之后对轮廓提取圆，提取外接圆或者同心同面积圆。

26、具体的，在步骤8)中，为了获得该铜芯的实际面积，需要事先进行标定，放置已知面积的铜芯，进行比值的标定工作；之后利用该比值，通过像素面积推断其实际面积，最后结合电缆截面的铜芯实际面积和数量，根据已有的电缆参数表，推断出具体的电缆种类。

27、本发明技术方案所述利用电缆截面图像对电缆的种类进行识别的方法，应用于在废弃电缆分拣机械装置中，用以解决通过电缆截面图像信息对废弃电缆的具体类别进行分辨的问题，其所采用的非深度学习的方法，只需要测试并改变通道合成的比例系数即可，大大减少了识别过程中的计算工作量，特别适用于通过电缆截面图像信息对废弃电缆的具体类别进行分辨或归类整理的问题。

28、与现有技术比较，本发明的优点是：

29、1.相比于通过光谱仪测量铜芯中铜含量从而确定类别的方案，本发明的技术方案使用铜芯截面图像处理来获取电缆类别，能够有效排除含铜比例相近但总量存在明显差别的类别，能够处理更加复杂的图像情况；

30、2.本发明的技术方案，对于识别电脑的配置要求低，非深度学习进行常规的运算，不会对计算机性能提出过高的要求；

31、3.深度学习式的处理图像需要预先采集足够数量的物体图像，每次增加新类改变背景都需要反复采集和重新训练，这导致增加新类或者改变测试地点都会导致大量的额外工作量，而本发明的技术方案所采用非深度学习的方法，由于其可解释性强，对于新的增加情况只需要少量的修改即可完成，更有利于应对大规模部署的情况；

32、4.同种电缆处于不同背景下，基于深度学习的方法需要重新采集图片进行学习，而本发明技术方案中所采用的非深度学习的方法，只需要测试并改变通道合成的比例即可，大大减少了识别过程中的计算工作量，特别适用于通过电缆截面图像信息对废弃电缆的具体类别进行分辨的问题。