公开(公告)号：CN119540653A

公开(公告)日：2025-02-28

申请号：CN202411737787.X

申请日：2024-11-29

Applicant: 西安电子科技大学

Inventor： 史腾崟 ,  薛耀辉 ,  张卓 ,  张逸群 ,  李明航 ,  聂斐然 ,  罗舒圣 ,  吕竞泽 ,  刘涛 ,  杨子乾

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/774

Abstract: 本发明公开了一种基于图像处理的光纤线包缺陷检测及类型识别方法，属于目标检测技术领域。方法包括：采集待测光纤线包截面数据并进行筛选，获取光纤线包结构缺陷检测与类型识别原始数据库；基于光纤线包结构缺陷检测与类型识别原始数据库，通过灰度积分法模拟缺陷，平衡光纤线包结构缺陷检测与类型识别原始数据库的缺陷数量，并进行缺陷标注，得到光纤线包结构缺陷检测与类型识别数据库；将待检测光纤线包截面数据输入到训练后的目标检测器中进行缺陷检测及类型识别，得到缺陷检测及类型识别结果。本发明基于图像处理技术，实现自动化且高精度的检测出制导光纤线包内部存在的多种结构缺陷，避免人为因素的影响，提高检测结果的准确性和可靠性。

公开(公告)号：CN119600362A

公开(公告)日：2025-03-11

申请号：CN202411737909.5

申请日：2024-11-29

Applicant: 西安电子科技大学

Inventor： 史腾崟 ,  薛耀辉 ,  张卓 ,  张逸群 ,  李明航 ,  刘涛 ,  杨子乾 ,  吕竞泽 ,  聂斐然 ,  罗舒圣

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习的光纤线包缺陷检测及类型识别方法、系统、介质、设备及程序，属于深度学习目标检测技术领域。方法包括：采集光纤线包数据并进行预处理，得到光纤线包图像数据集；将光纤线包数据集输入到预训练的基于深度学习的目标检测器中进行缺陷检测及类型识别，得到缺陷检测及类型识别结果。本发明将深度学习技术应用于制导光纤线包的缺陷检测与类型识别，不仅可以实现对微小缺陷的高准确度识别，还可以显著提升检测过程的自动化水平，降低人工成本。