一种基于FPGA的卷积神经网络电缆缺陷检测方法

本发明涉及电缆缺陷检测，具体为一种基于fpga的卷积神经网络电缆缺陷检测方法。

背景技术：

1、目前电线电缆存在电缆尺寸及结构问题、环境因素、敷设作业质量未达标等缺陷。以往检测大多数都是采用人工检测，但是有时环境恶劣导致人工检测不准确，且费时费力效率较低。之前有采用深度学习的方法进行电缆检测，但当电缆移动的速度较快时，会导致检测不准确，原因是计算速度较低。

技术实现思路

1、本发明的目的在于提供一种基于fpga的卷积神经网络电缆缺陷检测方法，旨在改善人工检测电缆的效率低下，以及单纯利用深度学习进行电缆检测不准确的问题。

2、本发明是这样实现的：一种基于fpga的卷积神经网络电缆缺陷检测方法，包括

3、步骤一：采集电缆的缺陷图像，确定缺陷的初始化图像，并对缺陷图像储存和标注，构建电缆缺陷图像样本库；

4、步骤二：将缺陷图像样本库中的图像分为训练集，利用训练代码进行图像识别训练，并将训练数据嵌入到fpga中；

5、步骤三：通过相机实时采集正在移动电缆的图像，由fpga对图像进行预处理，匹配预先储存的缺陷图像；

6、步骤四：将检测结构通过显示屏展示，以供工作人员获取信息。

7、优选的，步骤一中，采集的是电缆具有典型缺陷的图像，并经过筛选梳理后，形成带有标注的初始化图像。

8、优选的，缺陷图像样本库中的图像还分为测试集，进行图像识别训练后，利用测试集识别查看的准确率。

9、优选的，训练好的数据嵌入至fpga的rom中，且可后期调用。

10、优选的，设置三台相机，三台相机均匀分布在电缆的外侧，且与图像采集卡相连，图像采集卡与pc相连。

11、优选的，图像预处理包括同态滤波，即通过滤波器控制低频分量和高频分量对图像的影响。

12、优选的，图像预处理还包括自适应中值滤波，通过调整滤波器的大小，适应不同的图像区域和噪声强度。

13、优选的，图像预处理另外包括图像增强，通过调整图像的像素值分布，使图像具有更均匀的灰度概率密度分布。

14、优选的，图像预处理还另外包括改进的双边滤波，通过加权平均的方式来处理图像，在保持图像边缘的同时降噪平滑。

15、优选的，预处理后的图像数据传给卷积神经网络，卷积神经网络架构采用alexnet架构，最后分辨出缺陷。

16、与现有技术相比，本发明的有益效果是：采用基于fpga的卷积神经网络电缆缺陷检测方法，不仅计算速度快而且更能适应复杂的环境提高检测效率和降低成本，改变了人工检测电缆的效率低下，以及单纯利用深度学习进行电缆检测不准确的现状。

技术特征：

1.一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，包括

2.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，步骤一中，采集的是电缆具有典型缺陷的图像，并经过筛选梳理后，形成带有标注的初始化图像。

3.根据权利要求2所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，缺陷图像样本库中的图像还分为测试集，进行图像识别训练后，利用测试集识别查看的准确率。

4.根据权利要求3所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，训练好的数据嵌入至fpga的rom中，且可后期调用。

5.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，设置三台相机，三台相机均匀分布在电缆的外侧，且与图像采集卡相连，图像采集卡与pc相连。

6.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，图像预处理包括同态滤波，即通过滤波器控制低频分量和高频分量对图像的影响。

7.根据权利要求6所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，图像预处理还包括自适应中值滤波，通过调整滤波器的大小，适应不同的图像区域和噪声强度。

8.根据权利要求7所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，图像预处理另外包括图像增强，通过调整图像的像素值分布，使图像具有更均匀的灰度概率密度分布。

9.根据权利要求8所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，图像预处理还另外包括改进的双边滤波，通过加权平均的方式来处理图像，在保持图像边缘的同时降噪平滑。

10.根据权利要求8所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，预处理后的图像数据传给卷积神经网络，卷积神经网络架构采用alexnet架构，最后分辨出缺陷。

技术总结
本发明公开了一种基于FPGA的卷积神经网络电缆缺陷检测方法，步骤一：采集电缆的缺陷图像，确定缺陷的初始化图像，并对缺陷图像储存和标注，构建电缆缺陷图像样本库；步骤二：将缺陷图像样本库中的图像分为训练集，利用训练代码进行图像识别训练，并将训练数据嵌入到FPGA中；步骤三：通过相机实时采集正在移动电缆的图像，由FPGA对图像进行预处理，匹配预先储存的缺陷图像；步骤四：将检测结构通过显示屏展示，以供工作人员获取信息；本发明采用基于FPGA的卷积神经网络电缆缺陷检测方法，不仅计算速度快而且更能适应复杂的环境提高检测效率和降低成本，改变了人工检测电缆的效率低下，以及单纯利用深度学习进行电缆检测不准确的现状。

技术研发人员：孙钢灿,李亚彬,薛琦,郝万明
受保护的技术使用者：郑州大学
技术研发日：
技术公布日：2024/2/25