本公开涉及光纤传感的，具体涉及一种侧边抛磨光纤抛磨表面粗糙度分析方法、系统及设备。
背景技术：
1、光纤倏逝场传感器，也称光纤倏逝波传感器，利用从光纤纤芯中渗透到周围不同折射率媒质中的倏逝场，能够高灵敏的实现对环境材料的传感检测。侧边抛磨光纤(side-polished fiber, spf)是利用光学微加工技术，在标准光纤上去掉部分包层后制成的特殊光纤，经过侧边抛磨后，倏逝场从纤芯泄露，因此光纤抛磨区域对覆盖材料十分敏感。通过将侧边抛磨光纤与优良的光学材料相结合，可以获得高性能的侧边抛磨光纤传感器。
2、近年来，研究人员不断改进侧边抛磨光纤的制作工艺，包括v型槽基块抛磨技术、轮式抛磨技术和飞秒激光加工技术等，但是，各类加工技术均不可避免的会使得侧边抛磨光纤产生具有一定粗糙程度的抛磨面。
3、侧边抛磨光纤抛磨表面的纹理特征是其表面粗糙程度的重要组成部分，抛磨表面的纹理特征影响光纤抛磨面的散射特性，对侧边抛磨光纤传感器件的光学性能、传感灵敏度、可靠性以及生物相容性具有重大影响，但目前尚未有针对侧边抛磨光纤抛磨表面纹理特征分析方法及边缘视觉实现系统的相关研究报道。
4、以触针测量法为代表的传统接触式表面粗糙度检测方法，对于表面粗糙度较小的侧边抛磨光纤存在系统误差，同时测量效率低、无法实现在线测量，无法表征二维表面的真实粗糙纹理特征。光学测量法作为典型的非接触式测量方法，避免了接触式测量对抛磨光纤造成的变形和误差，但其仍然具有扫描耗时、难以实时在线测量、价格昂贵等弊端，无法应用于侧边抛磨光纤制备过程中。
5、综上所述，现有技术中尚无专用于侧边抛磨光纤表面的粗糙程度的检测分析方法，传统的表面粗糙度检测方法存在误差大、效率低、成本高的缺陷，不能良好地应用于侧边抛磨光纤表面的粗糙程度的检测过程中，因此，提出一种更有效的侧边抛磨光纤抛磨表面粗糙度分析方法，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、为了解决上述现有技术存在的问题，本公开目的在于提供一种侧边抛磨光纤抛磨表面粗糙度分析方法、系统及设备。本公开基于机器视觉方法实现对侧边抛磨光纤抛磨表面粗糙度的检测分析，具有实现成本低、操作简单、高效、分析准确、支持在线测量的优点。
2、本公开所述的一种侧边抛磨光纤抛磨表面粗糙度分析方法，包括以下步骤：
3、s01、获取包含目标光纤的抛磨表面反射光线的光学显微图像作为原始图像；
4、s02、构建灰度共生矩阵，通过所述灰度共生矩阵提取所述原始图像中的纹理特征；
5、s03、基于所提取的纹理特征，对所述目标光纤的抛磨表面进行分类识别，获得目标光纤的粗糙程度等级。
6、优选地，步骤s02中，构建灰度共生矩阵包括：设置灰度级别、步长和生成方向。
7、优选地，设置灰度级别包括以下步骤：
8、预先选取个灰度级别作为备选灰度级,，选用个所述备选灰度级分别构建个第一备选灰度共生矩阵；
9、计算各个第一备选灰度共生矩阵对同一侧边抛磨光纤抛磨表面光学显微图像所提取的纹理特征参数的对比度，；
10、获取各个所述第一备选灰度共生矩阵对同一侧边抛磨光纤抛磨表面光学显微图像提取纹理特征的运行耗时，；
11、按如下公式计算各个备选灰度级的选用指数：
12、；
13、其中，和分别表示对比度和运行耗时的系数，满足，，
14、选取其中选用指数数值最大的备选灰度级作为所述灰度共生矩阵的灰度级别。
15、优选地，设置步长包括以下步骤：
16、预先选取个个步长作为备选步长，，选用个所述备选步长分别构建个第二备选灰度共生矩阵；
17、计算各个第二备选灰度共生矩阵对同一侧边抛磨光纤抛磨表面光学显微图像所提取的纹理特征参数的熵值，；
18、预设关于熵值的合理区间和推荐步长集合，其中合理区间，推荐步长集合包括若干侧边抛磨光纤制备时采用的抛磨砂纸参数，每个抛磨砂纸参数均具有相对应的推荐步长；
19、判断是否存在至少一个熵值位于所述合理区间内，若是则选取位于合理区间内且最接近于的熵值对应的步长作为所述灰度共生矩阵的步长，若否则获取目标光纤制备时采用的抛磨砂纸参数，根据所述推荐步长集合选取对应的推荐步长作为所述灰度共生矩阵的步长。
20、优选地，设置生成方向包括以下步骤：
21、预先设置个生成方向角度作为备选角度，选用个所述备选角度分别构建个第三备选灰度共生矩阵；
22、计算各个第三备选灰度共生矩阵对同一侧边抛磨光纤抛磨表面光学显微图像所提取的纹理特征参数的相关性，；
23、选取其中相关性最大的备选角度作为所述灰度共生矩阵的生成方向。
24、优选地，步骤s02中，通过所述灰度共生矩阵提取所述原始图像中的纹理特征包括：
25、计算所述灰度共生矩阵对所述抛磨表面图像所提取的纹理特征参数的排序指标，所述排序指标包括二阶矩、对比度、熵值、均匀性、相关性和方差，使用至少两种不同的排序方法对各项排序指标进行重要性排序，获得重要性排序结果，选择各项重要性排序结果中重合的部分作为关键指标；
26、提取所述原始图像中的各项关键指标，构建目标光纤的抛磨表面的纹理特征子集。
27、优选地，分别使用基于基尼系数的随机森林特征重要性排序法以及基于oob误差的随机森林特征重要性排序法对各项项排序指标进行重要性排序；
28、所述关键指标包括按重要性从大到小依次排序的方差、二阶矩、熵值和对比度。
29、本公开的一种侧边抛磨光纤抛磨表面粗糙度分析系统，包括：
30、采集模块，其用于获取目标光纤的抛磨表面的光学显微图像作为原始图像；
31、提取模块，其用于构建灰度共生矩阵，通过所述灰度共生矩阵提取所述原始图像中的纹理特征；
32、分类模块，其用于基于所提取的纹理特征，对所述目标光纤进行分类识别，获得目标光纤的粗糙程度等级。
33、本公开的一种计算机设备包括信号连接的处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载时执行如上所述侧边抛磨光纤抛磨表面粗糙度分析方法。
34、本公开的一种计算机可读存储介质，其上存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序被处理器加载时执行如上所述侧边抛磨光纤抛磨表面粗糙度分析方法。
35、本公开所述的一种侧边抛磨光纤抛磨表面粗糙度分析方法、系统及设备，其优点在于，本公开基于边缘视觉，结合抛磨表面的粗糙纹理会改变光线的反射方向，因此在采用均匀光线照射到光纤抛磨表面时，进入到光学显微镜相机传感器的光线强度与分布会携带抛磨表面粗糙程度的信息，也即采集的抛磨表面的光学显微图像会携带抛磨表面粗糙程度的信息，结合随机森林分类算法，利用纹理特征重要性排序构建图像各项指标与光纤抛磨表面粗糙程度之间的关联关系，获取侧边抛磨光纤抛磨表面图像纹理特征实现对表面粗糙程度信息的表征，由此可以实现基于抛磨表面反射光线的光学显微图像实现对抛磨表面的粗糙程度分析，具有实现成本低、操作简单、高效、分析准确、支持在线测量的优点。
1.一种侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，步骤s02中，构建灰度共生矩阵包括：设置灰度级别、步长和生成方向。
3.根据权利要求2所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，设置灰度级别包括以下步骤：
4.根据权利要求2所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，设置步长包括以下步骤：
5.根据权利要求2所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，设置生成方向包括以下步骤：
6.根据权利要求2-5任一项所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，步骤s02中，通过所述灰度共生矩阵提取所述原始图像中的纹理特征包括：
7.根据权利要求6所述侧边抛磨光纤抛磨表面粗糙度分析方法，其特征在于，分别使用基于基尼系数的随机森林特征重要性排序法以及基于oob误差的随机森林特征重要性排序法对各项排序指标进行重要性排序；
8.一种侧边抛磨光纤抛磨表面粗糙度分析系统，其特征在于，包括：
9.一种计算机设备，包括信号连接的处理器和存储器，其特征在于，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载时执行如权利要求1-7任一项所述侧边抛磨光纤抛磨表面粗糙度分析方法。
10.一种计算机可读存储介质，其上存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序被处理器加载时执行如权利要求1-7任一项所述侧边抛磨光纤抛磨表面粗糙度分析方法。
