技术领域
[0001] 本申请涉及形变检测技术领域，更具体地说，本申请涉及一种纤维套管的表面形变智能检测方法及装置。
相关背景技术
[0002] 纤维套管的表面形变检测是一项重要的技术，用于监测和评估纤维套管在使用过程中可能发生的微小形变或变形，在工业、航空航天、医疗等领域具有广泛的应用，旨在提高设备的安全性、可靠性和性能，纤维套管的表面形变检测可以应用于管道、工业设备和医疗器械等领域，帮助提升设备的安全性、可靠性和性能，减少维护成本，并优化运行效率。
[0003] 纤维套管的表面形变检测是一种专注于监测和评估纤维套管外表面变形的技术，通过高精度的光学和传感器系统，实时捕捉并分析纤维套管表面的微小形变和变形，从而识别可能的损伤、压力或应力集中点。现有技术中对纤维套管的表面形变智能检测通常采用反射图像对比的方法进行，但是直接的反射图像在纤维套管产生微表面形变测量时会由于反射率不够高以及表面特性的异常而导致纤维套管的形变检测不够准确，而使用红外光干涉对纤维套管进行相移干涉检测，能够有效解决上述问题，因此，如何基于红外光干涉对纤维套管进行相移干涉检测，进而提高纤维套管的形变检测精度是业界面临的难题。
具体实施方式
[0055] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0056] 本申请实施例提供一种纤维套管的表面形变智能检测方法及装置，其核心是，通过红外光干涉过程中的干涉距离对红光干涉数据进行物光恢复，得到在目标纤维套管原始物面上的物光复振幅；确定当前时刻中目标纤维套管的干涉状态，通过物光复振幅和干涉状态确定目标纤维套管的干涉复位图像，将干涉复位图像和红光干涉数据中的物光图像进行相位对比，得到目标纤维套管在红外光干涉下每个相位点的相位差异熵，根据所有的相位差异熵确定目标纤维套管的形变相位矩阵；通过历史形变数据确定目标纤维套管在红外光干涉下相位变化引起的偏振误差，根据偏振误差对形变相位矩阵进行红光相移补偿，进而得到目标纤维套管在红外光干涉下形变相位的偏振补偿量；通过偏振补偿量和形变相位矩阵确定目标纤维套管的形变相位图，基于形变相位图和目标纤维套管的原始相位图像确定目标纤维套管的形变量。基于上述方案可基于红外光干涉对纤维套管进行相移干涉检测，进而提高纤维套管的形变检测精度。
[0057] 为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的一种纤维套管的表面形变智能检测方法的示例性流程图，该纤维套管的表面形变智能检测方法主要包括如下步骤：
[0058] 在步骤101中，获取当前时刻目标纤维套管在红外光干涉下的红光干涉数据。
[0059] 需要说明的是，本申请中，目标纤维套管表示一个指定的纤维套管；红光干涉数据中包含多帧红光干涉图像和一张物光图像，其中，红光干涉图像为目标纤维套管在红外光干涉下的成像，物光图像为目标纤维套管开始使用时在红外光干涉下的成像，本申请中使用物光图像作为形变对比的初始图像；具体实现时，可使用红外干涉仪采集当前时刻下目标纤维套管的多帧(10帧及10帧以上)图像作为红光干涉图像，可在目标纤维套管开始使用时使用红外干涉仪捕获目标纤维套管的物光图像，可以将所有红光干涉图像与一张物光图像的集合作为目标纤维套管在红外光干涉下的红光干涉数据。
[0060] 在步骤102中，通过红外光干涉过程中的干涉距离对所述红光干涉数据进行物光恢复，得到在目标纤维套管原始物面上的物光复振幅。
[0061] 需要说明的是，本申请中，物光复振幅表示是描述红外光波在特定位置上的振幅和相位的复数表达式，该物光复振幅包含了光波的幅值信息(即光强度)和相位信息；干涉过程中的干涉距离表示红外干涉仪进行红外光干涉时与纤维套管的距离；具体实现时，可使用现有的测量设备(如激光测距仪)中的干涉仪测距功能测量纤维套管表面和参考表面(如基准平面)之间的干涉距离作为干涉过程中的干涉距离。
[0062] 在一些实施例中，通过红外光干涉过程中的干涉距离对所述红光干涉数据进行物光恢复，得到在目标纤维套管原始物面上的物光复振幅可采用下述步骤实现：
[0063] 在所述红光干涉数据中提取出目标纤维套管在红外光干涉下的干涉相移场；
[0064] 通过干涉过程中的干涉距离确定目标纤维套管的平面干涉恢复过程中的相移复值；
[0065] 通过所有的相移复值确定平面恢复过程中的平面复物场；
[0066] 确定所述平面复物场和所述干涉相移场之间的平面距离；
[0067] 根据所述平面距离确定在目标纤维套管原始物面上的物光复振幅。
[0068] 具体实现时，首先，在所述红光干涉数据中提取出目标纤维套管在红外光干涉下的干涉相移场；其次，获取干涉相移场中所有相移值的均值，可以将该均值与干涉过程中的干涉距离之比作为目标纤维套管的平面干涉恢复过程中的相移复值；然后，获取红外干涉仪进行红外光干涉时的红外光波长，可以将每个干涉图像的相移复值乘以2倍圆周率后与红外光波长之比作为对应的相位差，使用使用反射干涉法(例如：逆Fourier变换)将所有的相位差转换为平面复物场；进而，可以将各个相位差与干涉过程中的干涉距离之积与2倍圆周率的比值作为平面复物场和干涉相移场之间的平面距离；最后，可以将平面距离值乘以2倍圆周率后与红外光波长之比的自然对数作为平面复物场的调节值，将平面距离与作为平面复物场之积作为目标纤维套管的原始物面上的物光复振幅；需要说明的是，上述步骤可以利用干涉相移场和干涉距离实现对纤维套管原始物面上物光复振幅的恢复和计算，不仅可以获取表面的光学信息，还可以在微观层面上分析纤维套管的结构和特性，从而提高最终进行确定形变量的精确度。
[0069] 需要说明的是，本申请中，干涉相移场是用来描述由于红外光在干涉过程中表面形变引起的相位变化规律的二维分布场，相位是描述光波在传播过程中其波动位置的量，相位的变化通常以角度(如弧度或度)表示，相移是光波在传播过程中，由于表面形变引起的相位变化量。
[0070] 在上述实施例中，在所述红光干涉数据中提取出目标纤维套管在红外光干涉下的干涉相移场可采用下述步骤实现：
[0071] 对所述红光干涉数据中的各个红光干涉图像进行预处理，得到多个预处理干涉图像；
[0072] 对各个预处理干涉图像的进行相移提取，得到每个预处理干涉图像的相移值；
[0073] 通过所有的相移值确定目标纤维套管在红外光干涉下的干涉相移场。
[0074] 具体实现时，首先，可对红光干涉数据中的每个红光干涉图像进行去除背景噪声、增强图像对比度、平滑图像，完成对每个红光干涉图像的预处理以提高后续相移提取的准确性和稳定性，将预处理后的红光干涉图像作为预处理干涉图像；然后，可使用现有的相移提取算法(例如：Fourier变换法或空间相移法)对每个预处理干涉图像进行相移提取，得到每个预处理干涉图像的相移值，该相移值表示预处理干涉图像中各个像素位置的相位偏移量；最后，可以将所有的相移值按照像素位置进行分布排列作为目标纤维套管在红外光干涉下的干涉相移场。
[0075] 在步骤103中，确定当前时刻中目标纤维套管的干涉状态，通过所述物光复振幅和所述干涉状态确定目标纤维套管的干涉复位图像，将所述干涉复位图像和所述红光干涉数据中的物光图像进行相位对比，得到目标纤维套管在红外光干涉下每个相位点的相位差异熵，根据所有的相位差异熵确定目标纤维套管的形变相位矩阵。
[0076] 需要说明的是，本申请中，目标纤维套管的干涉状态表示光信号在光纤传输过程中由于各种因素(如环境变化、机械振动、接头损耗等)引起的信号叠加和相互影响，导致信号的相位发生变化，进而影响通信质量的现象；具体实现时，在采集步骤101中使用红外干涉仪采集当前时刻下目标纤维套管中红外干涉数据时，在红外干涉仪中获取目标纤维套管的干涉状态，其中，目标纤维套管的干涉状态包含相位干涉、频率干涉、强度干涉，不同的干涉状态对相位恢复存在不同的影响。
[0077] 在一些实施例中，通过所述物光复振幅和所述干涉状态确定目标纤维套管的干涉复位图像，参考图2所述，该图是本申请一些实施例中确定干涉复位图像的流程示意图，本实施例中确定干涉复位图像可采用下述步骤实现：
[0078] 在步骤1031中，根据所述干涉状态对目标纤维套管的红外光干涉过程进行相位恢复，得到目标纤维套管的干涉相位信息；
[0079] 在步骤1032中，通过所述干涉相位信息生成目标纤维套管在红外光干涉后的复位图像；
[0080] 在步骤1033中，依据所述物光复振幅对所述复位图像进行相位补偿，得到目标纤维套管的干涉复位图像。
[0081] 需要说明的是，本申请中，干涉复位图像是反映目标纤维套管在红外光干涉下经过相位补偿的精确复位后真实状态的图像；具体实现时，首先，获取目标纤维套管的红外光干涉过程中的多个红外干涉图像，可使用现有的相位恢复算法(例如：Gerchberg‑Saxton算法)对各个红外干涉图像进行相位恢复，得到每个红外干涉图像的干涉相位值，可以将所有的干涉相位值的集合作为目标纤维套管的干涉相位信息；然后，可将干涉相位信息作为现有的反演算法的算法初始相位，使用反演算法将干涉相位信息中的每个干涉相位值转换为对应的相位复位值，将所有相位复位值组成的集合作为相位复位信息，可以将相位复位信息中每个相位复位值按照在目标纤维套管对应的位置进行排列作为复位图像，该复位图像包含目标纤维套管在红外光干涉过程中的详细信息，使用反演算法将采集到的相位信息转换为可视化的复位图像，并确保在干涉过程中丢失或扭曲的信息得到恢复，反演算法能够降低噪声和误差和提高图像分辨率，进而保证图像的物理一致性；最后，可使用现有的相位补偿算法(例如：相位解包裹算法)对复位图像进行处理，将物光复振幅作为补偿相位算法中的补偿参数，将该相位补偿算法的输出结果作为目标纤维套管的干涉复位图像；需要说明的是，上述步骤可以有效地生成并补偿目标纤维套管的干涉复位图像，从而提高后续形变检测的精确度。
[0082] 在一些实施例中，将所述干涉复位图像和所述红光干涉数据中的物光图像进行相位对比，得到目标纤维套管在红外光干涉下每个相位点的相位差异熵可采用下述步骤实现：
[0083] 获取所述干涉复位图像的相位复位信息；
[0084] 确定所述红光干涉数据中物光图像的相位物光信息；
[0085] 将所述相位复位信息中每个相位点和相位物光信息中对应相位点进行相位偏差对比，得到每个相位点的相位差异熵。
[0086] 需要说明的是，本申请中，相位差异熵是反映目标纤维套管在红外光干涉下的相位与物光图像的相位之间差异程度的参数；具体实现时，首先，获取干涉复位图像的相位复位信息；其次，获取红光干涉数据中物光图像，可采用相同的相位恢复算法处理物光图像，得到物光图像的相位物光信息；然后，对于相位复位信息中的每个相位点，获取相位物光信息中对应的相位点作为物光相位点，可以将物光相位点对应的相位与相位点对应的相位之差作为相位点的相位干涉值，通过上述方式即可得到相位复位信息中每个相位点的相位差异熵。需要说明的是，上述步骤可以系统性地将干涉复位图像与红光干涉数据中的物光图像进行相位对比分析，得到目标纤维套管在红外光干涉下的详细相位差异熵，能够准确地反映纤维套管在干涉过程中的相位变化，为纤维套管的表面形变检测提供重要的数据支持。
[0087] 在一些实施例中，根据所有的相位差异熵确定目标纤维套管的形变相位矩阵可采用下述步骤实现：
[0088] 对所有的相位差异熵进行相位展开，得到多个连续的相位分布熵；
[0089] 通过各个相位分布熵对所述相位差异熵中对应的相位干涉值进行相位稳定性校验，得到相位干涉中的所有稳定干涉值；
[0090] 根据所有的稳定干涉值确定目标纤维套管的形变相位矩阵。
[0091] 需要说明的是，本申请中，形变相位矩阵是描述纤维套管在干涉过程中形变的相位变化情况的矩阵；具体实现时，可以使用现有的相位展开算法(例如：质量引导相位展开算法)对所有相位差异熵进行展开，将离散的相位干涉值转换为连续的相位分布，可以使用现有的概率分布熵的算法计算相位展开后的多个连续相位分布的熵值，可以将各个相位分布的熵值作为对应相位点的相位分布熵；然后，对于每个相位分布熵，将相位分布熵作为标准差中的均值，计算相位分布熵相对于所有相位分布熵的标准差作为相位分布熵的波动值，通过上述方式即可得到每个相位分布熵的波动值，可以将低于预设波动阈值的波动值在相位差异熵中对应的相位干涉值作为稳定干涉值，完成相位差异熵中所有相位干涉值的稳定性校验；最后，可以将所有的稳定干涉值按照在目标纤维套管对应的位置信息进行排列作为目标纤维套管的形变相位矩阵；需要说明的是，上述方案可以系统地对相位差异熵进行处理，最终确定目标纤维套管的形变相位矩阵，能够准确反映纤维套管在干涉过程中的形变情况，为纤维套管的形变检测提供重要的数据支持。
[0092] 在步骤104中，采集目标纤维套管的历史形变数据，通过所述历史形变数据确定目标纤维套管在红外光干涉下相位变化引起的偏振误差，根据所述偏振误差对所述形变相位矩阵进行红光相移补偿，进而得到目标纤维套管在红外光干涉下形变相位的偏振补偿量。
[0093] 需要说明的是，本申请中，历史形变数据是指目标纤维套管在预设时间段内的形变检测记录；具体实现时，获取目标纤维套管在预设时间段内(默认为30天)的形变检测记录，可以将所有形变检测记录的集合作为历史形变数据，其中，形变检测记录中包含形变检测中每帧红光干涉图像的偏振量以及干涉过程。
[0094] 在一些实施例中，通过所述历史形变数据确定目标纤维套管在红外光干涉下相位变化引起的偏振误差，参考图3所述，该图是本申请一些实施例中确定偏振误差的流程示意图，本实施例中确定偏振误差可采用下述步骤实现：
[0095] 在步骤1041中，确定所述历史形变数据中所有偏振量的显著值；
[0096] 在步骤1042中，通过所述历史形变数据中的各个历史形变记录确定每次检测过程中的光学路径差；
[0097] 在步骤1043中，根据所有的光学路径差确定在红外光干涉下的相位波动量；
[0098] 在步骤1044中，依据所述相位波动量和所述显著值确定目标纤维套管在红外光干涉下相位变化引起的偏振误差。
[0099] 需要说明的是，本申请中，偏振误差是指在红外光干涉下，由于相位变化引起的光纤同步信号的偏振状态误差；偏振量是指描述光在传播过程中偏振状态变化的物理量，包括偏振角、偏振度等；显著值是指在历史形变数据中具有统计显著性的偏振量数值；光学路径差是指光在纤维中传播时由于形变或其他原因引起的路径长度变化；相位波动量是指由于光学路径差引起的光波相位变化量。
[0100] 具体实现时，首先，统计历史形变数据中每个偏振量的重复出现次数，可以将重复出现次数大于预设的显著阈值的所有偏振量作为显著值的取值范围，该显著阈值可通过历史经验进行预设；其次，对于每次检测过程，获取检测过程在历史形变数据中对应的每个历史形变记录，初始化一个光学模型，将历史形变记录中的干涉过程作为光学模型的路径模拟源，可以将光学模型的路径模拟结果作为检测过程中的光学路径差，通过上述方式即可得到每次检测过程中的光学路径差；然后，对于每次检测过程，可以将光学路径差与2倍圆周率之积与红外光波长的比值作为在红外光干涉下的相位偏差值，通过上述方式即可得到每次检测过程中的相位偏差值，可以将所有相位偏差值的标准差作为在红外光干涉下的相位波动量；最后，可以将相位波动量与每个显著值之积作为目标纤维套管在红外光干涉下相位变化引起的偏振误差的取值范围，偏振误差的一个取值对应一个显著值(即：偏振量)；需要说明的是，通过上述步骤和流程，可以系统地分析历史形变数据，最终确定目标纤维套管在红外光干涉下相位变化引起的偏振误差，能够准确反映纤维套管在干涉过程中的偏振误差。
[0101] 在一些实施例中，根据所述偏振误差对所述形变相位矩阵进行红光相移补偿，进而得到目标纤维套管在红外光干涉下形变相位的偏振补偿量可采用下述步骤实现：
[0102] 将所述偏振误差映射到所述形变相位矩阵中，得到误差映射结果；
[0103] 根据所述误差映射结果确定所述形变相位矩阵中每个稳定干涉值的相移补偿值；
[0104] 通过所有的相移补偿值确定目标纤维套管在红外光干涉下形变相位的偏振补偿量。
[0105] 需要说明的是，误差映射结果是偏振误差的每个取值在形变相位矩阵中的影响范围；相移补偿值是稳定干涉值受偏振误差影响程度的量化值；形变补偿矩阵是用来描述经过偏振误差修正后的相位分布情况的矩阵；
[0106] 具体实现时，首先，可以使用现有的偏振‑相位映射方法(例如：琼斯矩阵法)将偏振误差的取值映射到形变相位矩阵中的对应位置，得到误差映射后的结果，即误差映射结果，在其它实施例中也采用其它偏振‑相位映射方法，只需要确定偏振误差的每个取值在在形变相位矩阵中的影响范围，该影响范围为形变相位矩阵中稳定干涉值的取值区间；其次，对于形变相位矩阵中的每个稳定干涉值，获取稳定干涉值在误差映射结果中的影响范围，进而得到该影响范围对应的偏振误差，可以使用现有的偏振补偿算法(例如：加减相位补偿算法)，将稳定干涉值作为该偏振补偿算法的初始值，将偏振误差作为该偏振补偿算法的补偿值，通过该偏振补偿算法计算稳定干涉值的相移补偿值，通过上述方式即可得到形变相位矩阵中每个稳定干涉值的相移补偿值；。
[0107] 在步骤105中，通过所述偏振补偿量和所述形变相位矩阵确定目标纤维套管的形变相位图，基于所述形变相位图和目标纤维套管的原始相位图像确定目标纤维套管的形变量。
[0108] 在一些实施例中，通过所述偏振补偿量和所述形变相位矩阵确定目标纤维套管的形变相位图可采用下述步骤实现：
[0109] 通过所述所述偏振补偿量中的各个相移补偿值对所述形变相位矩阵进行相位补偿，得到形变补偿矩阵；
[0110] 通过所述形变补偿矩阵重构目标纤维套管的形变相位图像。
[0111] 需要说明的是，形变相位图像是经过偏振误差修正后的目标纤维套管在红外光干涉下的矩阵图像；具体实现时，首先，将相移补偿值应用到形变相位矩阵中的每个位置，进行相位补偿操作，相位补偿可以通过将相移补偿值加到或减去形变相位矩阵中对应位置的相位值来实现，输出经过相位补偿后的形变相位矩阵，即形变补偿矩阵；然后，可以使用现有图像处理库中矩阵图像化算法将该形变补偿矩阵重新构建为目标纤维套管的形变相位图像，完成对形变补偿矩阵的图像化，得到重构后的目标纤维套管形变相位图像，需要说明的是，上述步骤可以有效地根据偏振误差对形变相位矩阵进行同步相移补偿，从而重构目标纤维套管的形变相位图像，能够提高光纤系统在红外光干涉下的精确度和稳定性。
[0112] 在一些实施例中，基于所述形变相位图和目标纤维套管的原始相位图像确定目标纤维套管的形变量是将所述形变相位图和目标纤维套管的原始相位图像之间的相位差异量作为目标纤维套管的形变量，具体可采用下述步骤实现：
[0113] 将所述形变相位图和目标纤维套管的原始相位图像进行相位对比，得到所述形变相位图和目标纤维套管的原始相位图像之间的相位差异量；
[0114] 通过所述相位差异量确定目标纤维套管的形变量。
[0115] 具体实现时，首先，初始化一个相位对比模型，将形变相位图作为相位对比模型的对比目标，将目标纤维套管的原始相位图像作为相位对比模型的对比标准，得到相位对比模型的对比结果，该对比结果中包含形变相位图和目标纤维套管的原始相位图像之间的相位差异量，相位差异量是形变相位图和目标纤维套管的原始相位图像之间相位差异程度的量化值，然后，可以相位对比模型的对比结果中的相位差异量作为目标纤维套管的形变量，需要说明的是，目标纤维套管的形变量是指当前时刻的目标纤维套管与开始投入使用时的目标纤维套管之间形变程度的量化值。
[0116] 本申请中，本申请中，通过偏振补偿量和形变相位矩阵确定目标纤维套管的形变相位图，基于形变相位图和目标纤维套管的原始相位图像确定目标纤维套管的形变量；其中，通过干涉状态和物光复振幅得到目标纤维套管的干涉复位图像，物光复振幅反映了目标纤维套管表面的微小形变，干涉状态表示外界因素对干涉的影响状态，通过物光复振幅和干涉状态确定干涉复位图像，即可得到当前时刻下目标纤维套管在红外光干涉下经过相位补偿的精确复位后真实状态的图像，从而可提高目标纤维套管的形变检测精度；然后，将干涉复位图像和物光图像进行相位对比得到形变相位矩阵，即可得到反映目标纤维套管在红外光干涉下的形变情况的量化矩阵，使用形变相位矩阵能够精确记录形变位置和强度，可进一步提高目标纤维套管的形变检测精度；最后，使用历史形变数据进行偏振误差的偏振补偿，便于降低偏振误差对形变相位矩阵中精度的负面影响，并通过同步相移补偿进行修正，从而进一步提高形变相位图的准确性和稳定性，进而可提高纤维套管的形变检测精度；综上所述，基于上述方案可基于红外光干涉对纤维套管进行相移干涉检测，进而提高纤维套管的形变检测精度。
[0117] 另外，本申请的另一方面，在一些实施例中，本申请提供一种纤维套管的表面形变智能检测装置，该纤维套管的表面形变智能检测装置还包括有形变检测单元，参考图4，该图是根据本申请一些实施例所示的形变检测单元的示例性硬件和/或软件的示意图，该形变检测单元包括：获取模块201、处理模块202和执行模块203，分别说明如下：
[0118] 获取模块201，本申请中获取模块201主要用于获取当前时刻目标纤维套管在红外光干涉下的红光干涉数据；
[0119] 处理模块202，本申请中处理模块202用于通过红外光干涉过程中的干涉距离对所述红光干涉数据进行物光恢复，得到在目标纤维套管原始物面上的物光复振幅；
[0120] 需要说明的是，所述处理模块202还用于确定当前时刻中目标纤维套管的干涉状态，通过所述物光复振幅和所述干涉状态确定目标纤维套管的干涉复位图像，将所述干涉复位图像和所述红光干涉数据中的物光图像进行相位对比，得到目标纤维套管在红外光干涉下每个相位点的相位差异熵，根据所有的相位差异熵确定目标纤维套管的形变相位矩阵；
[0121] 另外，所述处理模块202还用于采集目标纤维套管的历史形变数据，通过所述历史形变数据确定目标纤维套管在红外光干涉下相位变化引起的偏振误差，根据所述偏振误差对所述形变相位矩阵进行红光相移补偿，进而得到目标纤维套管在红外光干涉下形变相位的偏振补偿量；
[0122] 执行模块203，本申请中执行模块203主要用于通过所述偏振补偿量和所述形变相位矩阵确定目标纤维套管的形变相位图，基于所述形变相位图和目标纤维套管的原始相位图像确定目标纤维套管的形变量。
[0123] 上文详细介绍了本申请实施例提供的纤维套管的表面形变智能检测方法及装置的示例，可以理解的是，相应的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0124] 在一些实施例中，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的纤维套管的表面形变智能检测方法。
[0125] 在一些实施例中，参考图5，该图中的虚线表示该单元或该模块为可选的，该图是根据本申请实施例提供的实现纤维套管的表面形变智能检测方法的计算机设备的结构示意图。上述实施例中所述的纤维套管的表面形变智能检测方法可以通过图5所示的计算机设备来实现，该计算机设备包括至少一个处理器301、存储器302以及至少一个通信单元305，该计算机设备可以是终端设备或服务器或芯片。
[0126] 处理器301可以是通用处理器或者专用处理器。例如，处理器301可以是中央处理器(central processing unit，CPU)，CPU可以用于对计算机设备进行控制，执行软件程序，处理软件程序的数据，计算机设备还可以包括通信单元305，用以实现信号的输入(接收)和输出(发送)。
[0127] 例如，计算机设备可以是芯片，通信单元305可以是该芯片的输入和/或输出电路，或者，通信单元305可以是该芯片的通信接口，该芯片可以作为终端设备或网络设备或其它设备的组成部分。
[0128] 又例如，计算机设备可以是终端设备或服务器，通信单元305可以是该终端设备或该服务器的收发器，或者，通信单元305可以是该终端设备或该服务器的收发电路。
[0129] 计算机设备中可以包括一个或多个存储器302，其上存有程序304，程序304可被处理器301运行，生成指令303，使得处理器301根据指令303执行上述方法实施例中描述的方法。可选地，存储器302中还可以存储有数据(如目标审核模型)。可选地，处理器301还可以读取存储器302中存储的数据，该数据可以与程序304存储在相同的存储地址，该数据也可以与程序304存储在不同的存储地址。
[0130] 处理器301和存储器302可以单独设置，也可以集成在一起，例如，集成在终端设备的系统级芯片(system on chip，SOC)上。
[0131] 应理解，上述方法实施例的各步骤可以通过处理器301中的硬件形式的逻辑电路或者软件形式的指令完成，处理器301可以是CPU、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件，例如，分立门、晶体管逻辑器件或分立硬件组件。
[0132] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。
[0133] 例如，在一些实施例中，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的纤维套管的表面形变智能检测方法。
[0134] 尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
[0135] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
