CN103543394A - 一种高压电气设备放电紫外成像量化参数提取方法 - Google Patents
一种高压电气设备放电紫外成像量化参数提取方法 Download PDFInfo
- Publication number
- CN103543394A CN103543394A CN201310511062.4A CN201310511062A CN103543394A CN 103543394 A CN103543394 A CN 103543394A CN 201310511062 A CN201310511062 A CN 201310511062A CN 103543394 A CN103543394 A CN 103543394A
- Authority
- CN
- China
- Prior art keywords
- image
- discharge
- region
- pixel
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种高压电气设备放电紫外成像量化参数提取方法,它首先采用数字图像灰度变换、阈值分割算法、形态学滤波算法、小区域图像消除算法分割出高压电气设备紫外图像中的放电区域图像,然后利用多区域边界跟踪算法提取各区域的边界点,并在此基础上计算出光斑的一个或多个几何参数,用于对高压电气设备的放电强度进行量化分析。本发明不仅能够消除紫外成像仪的增益和观测距离对分析结果的不良影响,而且可以对多个放电点的放电强度分别进行量化分析,大大提高了分析结果的准确性。此外,由于该参数包含放电点的位置信息,为放电缺陷的精确定位创造了条件。
Description
技术领域
本发明涉及一种基于图像处理的高压电气设备放电紫外成像量化参数提取方法,属于数据处理技术领域。
背景技术
日盲紫外成像是一种可视化的放电检测方法,其探测信号为放电辐射出的240-280nm波段的紫外光信号,输出为紫外图像,相对于传统放电检测方法,日盲紫外成像法可直观地显示出放电轮廓,且具有探测距离远、灵敏度高和放电位置定位准确的优点,因而近几年紫外成像法在电力系统的放电检测和设备维护中得到了较广泛的应用。
利用紫外成像法分析放电的严重程度、评估设备的运行状态、实现对放电缺陷的模式识别以及闪络预警等需要提取相关的量化参数,目前在工程中一般是采用“光子数”参数,但在实际应用中该参数存在诸多不足,主要表现在以下几点:①该参数与紫外成像仪的增益设置以及观测距离之间存在复杂的非线性关系,难以对放电进行量化;②当紫外成像仪的视野中存在多个放电点时,该参数为仪器视野范围内的总光子数,难以对各放电点的放电强度进行量化分析;③该参数没有包含放电点的位置信息。基于上述原因,有必要研究新的紫外成像量化参数及其提取方法,以便对高压电气设备的放电特性进行准确的量化分析。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种高压电气设备放电紫外成像量化参数提取方法,为精确分析高压电气设备放电的严重程度、评估设备的运行状态、实现对放电缺陷的模式识别以及闪络预警提供数据支持。
本发明所述问题是以下述技术方案实现的:
一种高压电气设备放电紫外成像量化参数提取方法,所述方法首先采用数字图像灰度变换、阈值分割算法、形态学滤波算法、小区域图像消除算法分割出高压电气设备紫外图像中的放电区域图像,然后利用多区域边界跟踪算法提取各区域的边界点,并在此基础上计算出光斑的一个或多个几何参数,用于对高压电气设备的放电强度进行量化分析,具体操作如下:
a.图像灰度变换
将紫外成像仪输出的原始图像转换为灰度图像,其灰度变换的公式如下:
其中Y是图像像素点的亮度,R,G,B分别为三个颜色分量值;
b.图像阈值分割
将图像矩阵中各像素点的灰度值与选择的阈值进行比较,若像素点的灰度值高于阈值,则将该像素点的灰度值设置为1,否则置为0;图像分割时的默认阈值选择为220,可取得较好分割效果;
c.数学形态学滤波
采用数学形态学的开启、闭合运算构成级联滤波器对图像进行滤波处理,其运算定义如下:
其中为待处理的图像,为结构元素,符号和分别代表腐蚀和膨胀运算,符号和分别表示开运算和闭运算;形态学滤波的结构元素选择了圆盘形结构元素,结构元素直径控制在2-5之间,可有效滤除放电区域外部和内部的噪声图像,同时对放电区域图像形状和大小则几乎没有影响。
d.小区域面积消除
首先对图像中各个白色的连通区域进行标记,将每个连通区域内的像素点赋予相同的标签值;然后将各连通区域所包含的像素点的个数与设定的面积阈值进行比较,大于面积阈值的区域内的各像素值保持不变,而小于面积阈值的区域内各像素值设置为0(置黑),通过面积排序法平均值法得到了小面积消除时的阈值,避免了阈值选择的盲目性;
e.多区域轮廓提取
采用多区域边界跟踪算法提取各放电区域的轮廓边界点,具体步骤如下:
①首先对二值图像矩阵按照从左到右,从下到上的顺序依次扫描各像素的像素值,首先扫描到的白色的像素点即为第一个区域的第一个边界点,记录此点坐标;
②从此点开始,逐步搜索下一个边界点,定义初始的搜索方向为左上,如果左上方的点为白色点,则为边界点,否则搜索方向顺时针旋转45度,若上方点的像素值仍然不是白色点,搜索方向再顺时针旋转45度,直到找到白色的像素点为止,该点即为第二个边界点;
③将上述第二个边界点作为基点,在当前搜索方向的基础上将搜索方向逆时针旋转90度,该方向作为当前的初始搜索方向,继续用上述方法搜索下一个白色的像素点,直到回最初的边界点为止;
④重复上述三步,依次搜索到所有放电区域边界,并得到其边界点的坐标值;
f.量化参数的提取
计算放电区域的四个量化参数:光斑面积、边界周长、长轴和短轴,选择其中的部分或全部参数用于高压电气设备放电强度的量化:
式中,(x,y)表示图像中某一像素点的坐标值;
②区域边界周长p:
设边界上某一点的坐标为(x i ,y i),i=1,2,3,…,m,其相邻点的坐标为(x i+1,y i+1),则相邻两点之间的距离为:
将整个封闭曲线的线段长度全部加起来即为区域边界的周长:
③长轴和短轴
长轴:对于细长型放电区域,计算连接边界上两点且通过放电区域的形心点的最长线段的长度,该长度即为放电区域的长轴;
短轴:对于细长型放电区域,计算连接边界上两点且通过放电区域的形心点的最短线段的长度,该长度即为放电区域的短轴。
上述高压电气设备放电紫外成像量化参数提取方法,为了定量描述设备表面放电强度分布,采用图像处理和坐标变换的方法将设备表面的放电图像沿着某一方向进行投影,从而得到放电图像的像素点个数沿该方向的分布曲线。
上述高压电气设备放电紫外成像量化参数提取方法,在图像阈值分割过程中,像素点灰度值的阈值为220。
上述高压电气设备放电紫外成像量化参数提取方法,小区域面积消除过程中连通区域面积阈值的选择方法如下:
统计得到各白色连通区域的面积值后,将面积按照从大到小的顺序进行排列,设为S 1,S 2,....S n,Sn +1,....Sm,若图像中的放电区域个数为n,则相应的连通区域面积阈值选择为
本发明利用图像灰度变换,阈值分割、形态学的开启和闭合算法、小区域图像消除算法分割出放电区域图像,采用多区域边界跟踪算法提取各放电区域坐标,在此基础上求得了放电区域图像的几何参数,利用放电区域图像的几何参数来量化分析高压电气设备的放电强度,不仅能够消除紫外成像仪的增益和观测距离对分析结果的不良影响,而且可以对多个放电点的放电强度分别进行量化分析,大大提高了分析结果的准确性。此外,由于该参数包含放电点的位置信息,为放电缺陷的精确定位创造了条件。
本发明采用投影算法获取高压设备表面的放电强度分布曲线,能根据图像的特点,自动确定起始点和终止点位置,并在放电强度分布曲线中自动标记出起始位置和终止位置,该曲线可用于表征放电的空间分布特性,极大方便了使用人员对放电特性的判读。
附图说明
下面结合附图对本发明作进一步说明。
图1是绝缘子沿面放电紫外图像;
图2是紫外图像预处理总流程图;
图3是紫外图像的灰度图像;
图4是紫外图像阈值分割流程图;
图5是紫外图像的直方图;
图6是阈值法分割后的二值图像;
图7是紫外图像仅进行腐蚀后的效果;
图8是紫外图像仅进行膨胀后的效果;
图9是紫外图像数学形态学处理流程图;
图10是形态学滤波后的紫外图像;
图11是二值图像小面积消除算法流程图;
图12是小区域消除后的二值图像;
图13是多区域轮廓提取流程图;
图14是多区域边界跟踪算法示意图;
图15是提取的放电区域边界叠加到原始图像上的效果;
图16是图像量化参数的定义;
图17是紫外图像的放电沿设备表面的强度分布曲线的提取流程图;
图18是确定直线的起始点和终点的流程图;
图19是投影方向和直线的起始点和终点的确定方法示意图;
图20是投影直线与x轴的正方向的夹角计算流程图;
图21是平行线投影和坐标变换的示意图;
图22是沿绝缘子表面AB线段内放电强度空间分布曲线。
文中与图中所用各符号的意义:M、图像矩阵的行数,N、图像矩阵的列数,Y、图像像素点的亮度,S、面积,P、边界周长,(x i ,y i)、边界上某一点的坐标。
具体实施方式
1 放电强度量化参数的提取
1.1 紫外图像的特征
对紫外图像进行处理提取相关的量化参数,需首先对紫外图像的特征进行分析,然后根据图像特征采用合适的算法来实现。在次本发明以实际中的一幅典型紫外图像为例来说明其特征,图1为某220kV变电站绝缘子串在下雪前拍摄到的紫外图像,该图像的大小为像素,拍摄时的温度接近0度,相对湿度97%,紫外成像仪型号为CoroCAM504。
放电图像在紫外图像中显示为一白色的区域,分析上述图像可知,该绝缘子串上存在三个较明显的放电点,放电区域的图像亮度较高,而背景图像的亮度较低,在放电区域的周围还存在着部分较小的离散白色干扰点,同时紫外图像中的光子计数框、时间等信息的亮度也较高,接近于放电区域亮度。对其他大量的紫外图像进行分析,也同样具有上述特征,在此不再一一列举。
1.2紫外图像的预处理
本发明中图像预处理的目的是将放电区域图像从原始图像中分割出来,分割时要求对放电区域图像的畸变要尽可能的小,基于紫外图像的上述特征,本发明采用的图像预处理算法总框图如图2所示。
下面结合图1所示的紫外图像,对上述主要算法的实现方法和步骤进行相关介绍。
1.2.1图像灰度变换
紫外成像仪输出的原始图像为RGB彩色数字图像,图像中的每一个像素由红、绿、蓝三个颜色分量表示,在计算机种以M×N×3的形式保存,M和N分别为图像矩阵的行数和列数,3表示其三个颜色分量,也即一幅图像需要三个矩阵进行保存,因而占用的图像存储空间较大,直接对原始图像进行处理,其计算量也较大。由于放电区域的图像显示为白色,因而图像的颜色不影响后续参数的提取,为便于后续处理,本发明中,在图像分割之前将其转换为灰度图像,其灰度变换的公式如下:
其中Y的物理意义就是图像像素点的亮度,R,G,B为三个颜色分量值,在灰度图像中每一个像素点的灰度值介于0和255之间,全白像素点的灰度值为“255”,全黑像素点的灰度值为“0”。基于上述算法得到的灰度图像如图3所示:
1.2.2 图像阈值分割
为提取图像量化参数需将各放电区域图像从紫外图像中分割出来,目前对图像进行分割的主要算法有:边缘算子法、区域生长法和阈值法。但边缘算子法提取的边缘往往不连续,不便于后续参数的提取,区域生长法需要人为确定区域的中心,提取的自动化程度低,且现场有些放电的边缘本身就不连续,导致生成的区域边界不能反映真实的放电区域大小。鉴于放电区域灰度值明显高于背景图像的灰度值,根据此特性,本发明采用了阈值分割算法,其处理的流程图如图4所示。
阈值法的基本原理是选择一个合适的阈值,然后对图像矩阵各像素点依次进行扫描,若像素点的灰度值高于该阈值,则将该像素点的灰度值设置为1,否则置为0。经阈值法分割后的图像各像素点的灰度值仅有“1”和“0”,因而又称之为二值图像。
阈值分割算法的核心是选择合适的阈值,本发明的阈值的选择的方法是先对紫外图像进行直方图分析,图3图像的直方图分布如图5所示。
从上图中可知,紫外图像的直方图中往往存在着多个峰值,因而常规的双峰法、迭代法和最大类间方差选择的阈值不理想。鉴于紫外图像中的放电区域的图像较白,灰度值多集中于图5中的椭圆区域,而背景图像的灰度值一般远低于该值,大量的测试发现在直方图中,在灰度值为220左右存在一个明显的波谷,因而本发明中先选择220作为默认阈值,然后对图像进行处理,若处理效果不好,则可以手动设置阈值对图像再次进行阈值分割,直到取得较好的效果为止。对图3中的灰度图像,采用阈值220对图像进行分割,其效果如图6所示。
从上图中可以看出,此时放电区域图像形成了多个较好的联通区域,较好的反映了放电区域的形状和大小,分割效果较好,因而无需再手动设置阈值再次分割。
1.2.3 数学形态学滤波
观测图6可知,图像经阈值分割后虽然放电区域可从紫外图像中分割出来,但紫外图像中灰度值接近于放电区域的干扰点图像也被保留在二值图像之中,另外放电区域内部尤其是在靠近光斑区域的边缘位置还存在部分黑色孔洞,上述图像可以看作是噪声图像,需将其滤除。对紫外图形进行滤波需满足以下两个条件:一是将噪声尽可能滤除的同时对放电区域图像的影响要尽可能的小,二是滤波后的图像仍然是二值图像,便于后续参数的继续提取。根据噪声图像大小一般远小于放电光斑区域的特点,本发明采用了二值数学形态学算法对图像进行了滤波处理。
数学形态学的基本运算为腐蚀和膨胀,但单纯对图像进行腐蚀和膨胀运算,虽然可滤除噪声图像,但会引起放电光斑区域收缩或扩张,对后续参数计算造成较大影响。图7中虚线曲线为仅进行腐蚀后的二值图像的轮廓,从中可以看出滤波后的图像明显变小。
图8中轮廓线为仅进行膨胀后的二值图像的轮廓,从中可以看出相对于实际放电图像,滤波后的图像明显变大,并且相当多的噪声图像也被保存到了图像之中,也即滤波不彻底。
基于上述不足,本发明采用了数学形态学的开启、闭合运算构成级联滤波器对图像进行了滤波处理,其运算定义如下:
上式中为待处理的图像,为结构元素,符号和分别代表腐蚀和膨胀运算,符号和分别表示开运算和闭运算。开运算可以在基本不影响目标区域的情况下消除图像中像素尺寸较小的散点,并使得图像外边界平滑,闭合运算则可以消除图像区域内部的一些孔洞,同时也对图像内边界起到了一定的平滑作用。本发明中其数学形态学滤波的基本流程如图9所示。
输入图像为分割后的二值图像,形态学的滤波效果与选择的结构元素的形状和大小有关。鉴于紫外图像中放电区域图像形状多接近于圆形,本发明选择了圆盘形结构元素。结构元素的半径则需要根据具体图像特征来确定,结构元素过小,起不到有效的滤波效果,而过大则会导致图像出现较大的畸变。鉴于紫外图像中其噪声区域的图像直径一般在10个像素点以下,本发明中结构元素的半径选择2-5的范围。滤波时初始半径为2,若滤波效果不好,则将半径加1,对图像再次进行滤波,若滤波效果还不理想,则继续增加半径进行滤波,若最大的半径达到了5后,仍然有部分噪声不能滤除,此时将不再继续增加半径,这说明图像中存在部分较大的噪声干扰点,可采用后续的小区域面积消除算法进行滤除。对图6中的紫外图像,选择结构元素为2的圆盘形结构元素,其滤波后的图像如图10所示。
1.2.4 小区域面积消除
从图10可知,采用数学形态需滤波后,仍然有部分区域面积较大的干扰点留在图像之中,为此本发明采用了二值图像小区域消除算法实现了对其余噪声点的去除,该算法的基本流程如下:
首先对图10图像采用区域标记算法对各连通的图像区域(图10中连通的白色区域)进行标记,每一个连通区域内的像素点赋予相同的标签值;然后统计各连通区域内所包含的像素点的个数;然后设定一个阈值,依次比较各区域所包含的像素点的个数与设置的面积阈值的大小,大于该阈值区域内的各像素值保持不变,而小于该阈值的区域内各像素值设置为0(置黑)。
上述步骤中,该面积阈值的设定是其中的一个难点,阈值选择过大,可导致部分放电区域图像被滤除掉,而阈值选择过小,则不能有效地去除噪声图像。鉴于紫外图像中的放电区域图像的面积较大,而放电区域的面积值较小,本发明提出的阈值选择方法如下:
统计得到各放电区域的面积值后,将面积按照从大到小的顺序进行排列,设为S 1,S 2,....S n,Sn +1,....Sm,若图像中的放电区域个数为n,则相应的阈值选择为S n,S n+1之间的值,本发明取两者的平均值S 0作为阈值,计算式如式(4):
如对图10中的图像,采用区域标记算法,统计可知图中共有24个连通区域,各区域包含的像素点的个数如表1所示。
表1 各区域包含的像素点的个数
面积编号 | S1 | S2 | S3 | S4 | S5 | S5 | S7 | S8 | S9 | S10 | S11 | S12 |
各区域像素点个数 | 11086 | 3384 | 1229 | 195 | 170 | 145 | 115 | 93 | 89 | 83 | 81 | 68 |
面积编号 | S13 | S14 | S15 | S16 | S17 | S18 | S19 | S20 | S21 | S22 | S23 | S24 |
各区域像素点个数 | 54 | 45 | 45 | 43 | 41 | 37 | 32 | 18 | 18 | 18 | 13 | 13 |
由于实际的放电区域的个数为3,因而面积值取S 3和S 4的平均值,有式(4)进行计算得平均值为712,取该值为阈值进行小面积消除后的图像如图12所示。
从该图像可知,上述算法有效地滤除了噪声区域并保存了放电的区域,同时该滤波方法对放电区域自身的图像大小和形状无任何影响。
1.2.5多区域轮廓提取 要获得放电区域图像的量化参数需提取各放电区域的轮廓边界点,由于紫外图像中的放电点往往不止一个,各区域的参数提取流程图如下:
其中多区域边界轮廓点的坐标提取是本算法中的一个核心环节,在此本发明中采用了多区域边界跟踪算法,基本原理和步骤如下:
1)首先对二值图像矩阵按照从左到右,从下到上的顺序依次扫描各像素的像素值,首先扫描到的白色的像素点即为第一个区域的第一个边界点,如图14中标记为“1”的像素点,记录此点坐标;
2)从此点开始,逐步搜索下一个边界点,定义初始的搜索方向为左上。如果左上方的点为白色点,则为边界点,否则搜索方向顺时针旋转45度,若上方点的像素值仍然不是白色点,搜索方向再顺时针旋转45度,直到找到白色的像素点为止,该点即为第二个边界点,如图中标记为“2”的像素点;
3)将上述第二个边界点作为基点,在当前搜索方向的基础上将搜索方向逆时针旋转90度,该方向作为当前的初始搜索方向,继续用上述方法搜索下一个白色的像素点,直到回最初的边界点为止;
4)重复上述三步可以依次搜索到所有放电区域边界,并得到其边界点的坐标值。
至此可以获得各个区域的边界上各像素点的坐标值,为了直观地显示出所提取的边界是否满足需要,本发明将提取的边界点的坐标依次连线构成一条封闭曲线,然后将该封闭曲线叠加到了原始图像之上,在各区域的中心点显示出各区域的标号,这样便于评估所提取放电区域的提取效果,若封闭曲线与原始图像的边界较吻合,说明提取的效果好,否则需要重新进行提取。
采用上述算法,可得到图12中三个放电区域边界点的坐标值,将各坐标值连接起来构成封闭曲线叠加到原始图像后,其边界提取的结果如图15所示。
从图15可以看出,提取的边界形状和大小与放电区域图像的实际轮廓非常吻合,这说明利用本发明所提出的相关算法在有效地滤除噪声的同时还尽可能地保持了原始放电区域图像的大小和形状。
1.3量化参数的提取
为表征各放电光斑区域大小需提取相关的参数,根据紫外图像的特点,本发明提取的四个量化参数分别为:光斑面积、边界周长、长轴和短轴。其定义如图16所示,其中的红色曲线表示为某个放电区域图像的边界。
上式中,(x,y)表示图像中某一点的像素点的坐标值。
2)区域边界周长p:类似于几何学中的曲线长度的概念,该周长值即为边界点上的连续像素点的距离之和,方法是依次计算各相邻的像素点之间的距离,然后将所有的距离求和即可得到其周长。
设边界上某一点的坐标为(x i ,y i),i=1,2,3,…,m,其相邻点的坐标为(x i+1,y i+1),则根据欧几里得的距离定义,相邻的两点之间的距离定义为:
则将整个封闭曲线的线段长度全部加起来即为区域边界的周长:
3)长轴和短轴
高压设备表面的放电有时表现为细长型,此时仅利用面积和周长参数还不能较好地反映其放电特征,在此引入了长轴和短轴两个参数。
长轴:定义为通过放电区域的形心点边界上两点之间的最长距离。
短轴:定义为通过放电区域的形心点边界上两点之间的最短距离。
上述距离的计算方法仍然是采用类似式(6)两点间的距离公式。
基于上述参数的定义方法,对图15中的三个放电区域计算得到的量化参数如表2所示。
表2各光斑区域参数计算结果
量化参数 | 区域1 | 区域2 | 区域3 |
光斑面积 | 11035 | 1227 | 3379 |
边界周长 | 442.3 | 130.1 | 220.6 |
长轴 | 128.0 | 41.6 | 67.2 |
短轴 | 111.5 | 37.8 | 64.2 |
从表2中可知,利用上述参数可以较好地量化各放电点的放电强弱。
2 放电强度空间分布曲线提取
高压设备表面的缺陷、污秽的严重程度存在差异,再加上设备表面的场强分布不均匀,使得设备表面的放电强度存在差异,通过分析沿设备表面的放电强度的分布有助于对放电的原因、放电的严重程度以及是否临近闪络等做出更为准确的评估。目前在工程中多采用描述性的语言来描述设备的放电分布情况,如“设备上部放电较强”、“设备高压侧强”、“靠近均压环放电弱”等这些不统一、难以量化的语言,这使得对设备运行状态的准确判断和评估带来很大的困难,也不便于计算机对设备运行状态进行智能化的评估和判断。
基于上述现状和不足,本发明提出了一种定量描述设备表面放电强度分布方法:采用图像处理和坐标变换将设备表面的放电图像沿着某任一方向(一般情况下是沿着设备表面的投影才有实际的应用意义)进行投影,从而得到沿该方向上不同位置放电图像的像素点个数分布曲线。上述算法的基本思想如下:首先采用1.2节中所示的方法对紫外图像进行预处理,然后将上述图像沿某一直线方向进行投影,在放电强的地方,像素点多,因而对应的值大,反之放电弱的地方像素点少,对应的值小,由上述分布曲线可以直观地显示出放电的分布情况。
投影法是沿着图像某个方向截面的灰度值累加计算量的集合。当高压设备水平布置时其计算比较简单,将图像二值化后,依次统计该图像矩阵的每一列中的像素点为“1”的个数得到一个数组,进而则可以得到一条相应的曲线。但在工程实际中,有些高压设备并不是水平布置,而是与水平方向以一定的倾斜角度而布置,为获得设备表面的放电强度空间分布曲线,本发明在此采用了平行线投影算法。基于上述的方法,结合软件编程其放电空间分布曲线提取的流程图如下。
下面本发明结合图17中步骤,以图1为例来说明其放电强度分布曲线的提取过程。
1)读取原始紫外图像。 为获得沿某方向的放电强度分布曲线,首先需要确定投影方向,但二值图像仅显示放电区域的光斑,看不到设备本体,无法确定其投影的方向,在此需首先将对应的原始紫外图像读入,然后在该图像上确定投影方向。
2)确定投影方向
方法是编写程序沿设备表面画一条直线,以该直线作为投影方向,本发明的方法是在紫外图像中点击鼠标左键确定鼠标起始点,设该点的坐标为(x 1,y 1),在左键按下的情况下移动鼠标,程序自动在鼠标起始点和鼠标当前点之间连接形成一条直线,当鼠标移动到合适的位置后,松开鼠标则停止画线,该点为鼠标终点,记坐标为(x 2,y 2),此时形成的直线即为对应的投影方向。
在实际操作中由于鼠标的移动具有任意,其鼠标的当前位置可以位于鼠标起始点的任一方向,为了便于确定后续放电强度分布曲线的起始位置和终止位置,有必要确定该直线的起始点A和终点B。鉴于高压设备一般靠近地面侧的电压低,而离地距离远的地方电压高,因此本发明中统一规定该直线中靠下的点为起始点A,靠上的点为终止点B。因而需要根据鼠标终点的位置来确定鼠标的起始点、终点与投影直线的起始点A和终点B之间的一个转换,其转换流程如下。
在上述流程图中,第一和第二种情况中,y2<y1 且x2>x1 或y2<y1 且x2<x1时,表示鼠标终点在鼠标起始点的上方,因而鼠标的起始点即为直线的起始点A,而鼠标的终点即为直线的终点B,但在第三和第四种情况中,y2>y1 且x2<x1 或者y2>y1 且x2>x1,则表示鼠标终点在鼠标起始点的下方,此时鼠标的终点为直线的起始点A,而鼠标的起始点为直线的终点B。
以图19为例子,在该绝缘子串与母线的接触处点击鼠标左键,然后移动到第7片绝缘子上时松开鼠标左键,则在鼠标的起点和终点间画一条直线,根据图18的定义,鼠标终点在鼠标起始点的上方,因而鼠标的起始点即为直线的起始点A,而鼠标的终点即为直线的终点B,为直观地表示直线起始点和终点,本发明中编写了程序,在画线的过程中程序自动判断上述4中情况,然后在图像中直线的两端实时显示“起始点A”和“终点B”,其显示效果如图19所示。
3)计算投影直线与x轴正方向的夹角
在本发明中其直线与x轴的正方向的夹角定义为直线的起始点A处与x轴正方向的夹角,记为,根据上述直线起始点和终点的定义,在本发明中其夹角,因而需要根据终点B的位置来确定该夹角,设鼠标的起始点的坐标值为(x 1,y 1),鼠标终点的坐标值为(x 2,y 2),则本发明中的角度的计算方法如下:
(8)
在图19中,A、B点通过鼠标获得坐标值为(261,471)和(614,98),利用(8)可以计算得到其与x轴正方向的夹角为45.578度,同样编写程序,该值直接显示在图19中的A点附近。
4)图像沿投影直线的投影值的计算
将图像在AB直线的方向上进行投影,为避免噪声图像的影响,在计算投影曲线前需读入经过1.2节中预处理的紫外图像。本发明在此采用了平行线投影算法,该算法的基本思想是将坐标移动到图像的中心点,然后将整个坐标系旋转角度形成新的坐标系,如图21所示。
在图21中,设O1DEF为待分析的图像,利用鼠标在图像上获得点的坐标时,其坐标原点在O1点,O1 P为x轴正方向,而O1Q为y轴正方向。本发明中的平行线投影算法需将坐标原点定义为图像的中心O2,横坐标和纵坐标分别为x和y,定义如图21所示。为计算图像在AB直线方向上的投影,本发明将坐标轴逆时针旋转度,旋转后的坐标轴为,
其中:
第4)步中的投影变换是整个图像在AB直线方向上的投影,而在实际的放电分析中,运行人员往往仅对AB直线段内的这一部分设备表面的放电感兴趣,为了指示出该线段内的投影曲线的变化情况,本发明计算了起始点A和终点B在旋转后的坐标轴上的投影值。
(14)
在上式中,θ为AB直线与x轴的正方向的夹角。
在图19中,A,B点通过鼠标获得坐标值为(259,465)和(610,94),在坐标系中,其A、B两点的坐标分别为[-125,-177],[226,194],由式(13)和(14)可以计算得到其在坐标系中的坐标分别为[-214 -31],[296,-31],也即在轴上的投影值分别为-214和296。
6)显示曲线。
将第4)步中得到的数据显示出来即可得放电沿之下AB放电投影得到的曲线,该曲线反映了放电沿设备表面的分布情况,如图22所示。
但上述曲线显示的是整个图像内的放电强度分布情况,为反映AB线段内的放电分布情况,根据第5)中计算得到的A、B两点在坐标系中的坐标上的投影值,编写程序,在图22中的横坐标分分别为-214和296的两个地方显示两条红色的线段,并显示文字“起始点A”和“终点B”,这样运行人员根据图像上显示的“起始点A”和“终点B”则可以直观地指示出该曲线反映的放电分布情况。
分析图22中的曲线可知,该曲线可直观地表示出沿绝缘子串表面的放电分布情况,靠近高压侧的绝缘子表面放电较强,靠近中间部位的放电则稍弱,这说明本发明所提出方法的有效性。
3本发明的特点
1)针对紫外图像特征和传统光子数参数的不足,本发明提出了通过数字图像处理来提取放电量化参数的新方法。利用图像灰度变换,阈值分割、形态学的开启和闭合算法、小区域图像消除算法可有效分割出放电区域图像,采用多区域边界跟踪算法提取了各放电区域坐标,在此基础上定义了光斑面积、周长、长轴、短轴等参数,可用于量化分析放电强度;
2)根据紫外图像的直方图分布特征,提出了采用默认阈值为220对紫外图像进行分割取得了良好的效果,并可根据实际情况手动改变阈值对图像进行分割。
3)采用了形态学的开启和闭合算法构成了级联滤波器对图像进行滤波处理,可有效滤除放电区域外部和内部的噪声图像,同时对放电区域图像形状和大小则几乎没有影响。
4)提出了采用形态学滤波和小区域面积消除相结合的噪声图像滤波算法,其中形态学滤波可以对尺寸小的噪声图像进行有效滤除,而小面积消除算法能有效地滤除面积较大的噪声图像。根据紫外图像的噪声特定,形态学滤波的结构元素选择了圆盘形结构元素,结构元素直径控制在2-5之间;通过面积排序法平均值法得到了小面积消除时的阈值,避免了阈值选择的盲目性。
5)提出了手动和自动参数相结合的测量方法,使得测量更加准确和灵活,可适应较复杂形状和背景干扰很严重情况下的参数测量。
6)采用了多区域的光斑区域图像分割和参数提取方法,可一次性计算出多个放电区域的多个参数,提高了参数提取效率。
采用投影算法,得到沿高压设备表面的放电强度分布曲线,可用于表征放电的空间分布特性,根据图像的特点,本发明能自动确定了起始和终止位置,并在放电强度分布曲线中自动标记出起始位置和终止位置,极大方便了使用人员对放电特性的判读 。
Claims (5)
1.一种高压电气设备放电紫外成像量化参数提取方法,其特征是,所述方法首先采用数字图像灰度变换、阈值分割算法、形态学滤波算法、小区域图像消除算法分割出高压电气设备紫外图像中的放电区域图像,然后利用多区域边界跟踪算法提取各区域的边界点,并在此基础上计算出光斑的一个或多个几何参数,用于对高压电气设备的放电强度进行量化分析;具体处理如下:
a.图像灰度变换
将紫外成像仪输出的原始图像转换为灰度图像,其灰度变换的公式如下:
其中Y是图像像素点的亮度,R,G,B分别为三个颜色分量值;
b.图像阈值分割
将图像矩阵中各像素点的灰度值与选择的阈值进行比较,若像素点的灰度值高于阈值,则将该像素点的灰度值设置为1,否则置为0;
c.数学形态学滤波
采用数学形态学的开启、闭合运算构成级联滤波器对图像进行滤波处理,其运算定义如下:
d.小区域面积消除
首先对图像中各个白色的连通区域进行标记,将每个连通区域内的像素点赋予相同的标签值;然后将各连通区域所包含的像素点的个数与设定的面积阈值进行比较,大于面积阈值的区域内的各像素值保持不变,而小于面积阈值的区域内各像素值设置为0,置黑;
e.多区域轮廓提取
采用多区域边界跟踪算法同时提取多个放电区域各放电区域的轮廓边界点,具体步骤如下:
①首先对二值图像矩阵按照从左到右,从下到上的顺序依次扫描各像素的像素值,首先扫描到的白色的像素点即为第一个区域的第一个边界点,记录此点坐标;
②从此点开始,逐步搜索下一个边界点,定义初始的搜索方向为左上,如果左上方的点为白色点,则为边界点,否则搜索方向顺时针旋转45度,若上方点的像素值仍然不是白色点,搜索方向再顺时针旋转45度,直到找到白色的像素点为止,该点即为第二个边界点;
③将上述第二个边界点作为基点,在当前搜索方向的基础上将搜索方向逆时针旋转90度,该方向作为当前的初始搜索方向,继续用上述方法搜索下一个白色的像素点,直到回最初的边界点为止;
④重复上述三步,依次搜索到所有放电区域边界,并得到其边界点的坐标值;
f.量化参数的提取
计算放电区域的四个量化参数:光斑面积、边界周长、长轴和短轴,选择其中的部分或全部参数用于高压电气设备放电强度的量化:
式中,(x,y)表示图像中某一像素点的坐标值;
②区域边界周长p:
设边界上某一点的坐标为(x i ,y i),i=1,2,3,…,m,其相邻点的坐标为(x i+1,y i+1),则相邻两点之间的距离为:
将整个封闭曲线的线段长度全部加起来即为区域边界的周长:
③长轴和短轴
长轴:对于细长型放电区域,计算连接边界上两点且通过放电区域的形心点的最长线段的长度,该长度即为放电区域的长轴;
短轴:对于细长型放电区域,计算连接边界上两点且通过放电区域的形心点的最短线段的长度,该长度即为放电区域的短轴。
2.根据权利要求1所述的一种高压电气设备放电紫外成像量化参数提取方法,其特征是,为了定量描述设备表面放电强度分布,采用图像处理和坐标变换的方法将设备表面的放电图像沿着某一方向进行投影,从而得到放电图像的像素点个数沿该方向的分布曲线。
4.根据权利要求3所述的一种高压电气设备放电紫外成像量化参数提取方法,其特征是,在图像阈值分割过程中,像素点灰度值的阈值为220。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310511062.4A CN103543394B (zh) | 2013-10-27 | 2013-10-27 | 一种高压电气设备放电紫外成像量化参数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310511062.4A CN103543394B (zh) | 2013-10-27 | 2013-10-27 | 一种高压电气设备放电紫外成像量化参数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103543394A true CN103543394A (zh) | 2014-01-29 |
CN103543394B CN103543394B (zh) | 2016-02-03 |
Family
ID=49967026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310511062.4A Active CN103543394B (zh) | 2013-10-27 | 2013-10-27 | 一种高压电气设备放电紫外成像量化参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103543394B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104035007A (zh) * | 2014-06-10 | 2014-09-10 | 华北电力大学(保定) | 一种高压电气设备短空气间隙击穿预警的方法 |
CN104101818A (zh) * | 2014-06-27 | 2014-10-15 | 国家电网公司 | 一种基于紫外成像的高压复合绝缘子故障检测的方法 |
CN105004972A (zh) * | 2015-06-25 | 2015-10-28 | 华北电力大学(保定) | 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 |
CN105372562A (zh) * | 2015-10-21 | 2016-03-02 | 国网新疆电力公司检修公司 | 一种利用设定指标检测紫外放电程度的方法及系统 |
CN106054032A (zh) * | 2016-03-08 | 2016-10-26 | 华北电力大学(保定) | 一种高压绝缘子沿面放电脉冲峰值的非接触式测量方法 |
CN106940886A (zh) * | 2017-03-08 | 2017-07-11 | 华北电力大学(保定) | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 |
CN107192924A (zh) * | 2017-03-21 | 2017-09-22 | 华北电力大学(保定) | 一种非共光轴紫外成像仪放电点定位矫正方法 |
CN107202943A (zh) * | 2017-05-24 | 2017-09-26 | 贵州电网有限责任公司电力科学研究院 | 利用变色漆和数字射线快速确定gis设备放电事故原因的方法 |
CN107229005A (zh) * | 2017-05-24 | 2017-10-03 | 贵州电网有限责任公司电力科学研究院 | 一种精确快速确定gis设备放电事故位置的方法 |
CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
CN109508713A (zh) * | 2018-12-12 | 2019-03-22 | 平安科技(深圳)有限公司 | 图片获取方法、装置、终端和存储介质 |
CN110146791A (zh) * | 2019-05-07 | 2019-08-20 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN110245458A (zh) * | 2019-06-28 | 2019-09-17 | 华北电力大学(保定) | 一种高压设备放电紫外成像检测图像量化参数的归一方法 |
CN110246173A (zh) * | 2018-08-14 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种判断形状区域的方法和装置 |
CN110346699A (zh) * | 2019-07-26 | 2019-10-18 | 国网山东省电力公司电力科学研究院 | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 |
CN110415226A (zh) * | 2019-07-23 | 2019-11-05 | Oppo广东移动通信有限公司 | 杂散光的测定方法、装置、电子设备及存储介质 |
CN110537090A (zh) * | 2017-04-18 | 2019-12-03 | Ckd株式会社 | 检查装置、ptp包装机和ptp片的制造方法 |
CN110610477A (zh) * | 2019-07-09 | 2019-12-24 | 国网江苏省电力有限公司扬州供电分公司 | 输电设备紫外图像预处理及量化参数提取方法 |
CN111415364A (zh) * | 2020-03-29 | 2020-07-14 | 中国科学院空天信息创新研究院 | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 |
CN112528468A (zh) * | 2020-11-20 | 2021-03-19 | 南京航空航天大学 | 一种基于电磁场sar图像处理的标签天线逆向设计方法 |
CN113191313A (zh) * | 2021-05-20 | 2021-07-30 | 国能大渡河沙坪发电有限公司 | 基于水电厂的视频流放电识别方法、装置及计算机设备 |
CN113298832A (zh) * | 2021-07-02 | 2021-08-24 | 华北电力大学 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
CN113466614A (zh) * | 2021-06-17 | 2021-10-01 | 广西电网有限责任公司梧州供电局 | 基于三光路手持紫外仪标定绝缘子放电位置的方法及装置 |
CN115063408A (zh) * | 2022-07-28 | 2022-09-16 | 广州粤芯半导体技术有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005102392A (ja) * | 2003-09-24 | 2005-04-14 | Mitsubishi Electric Corp | アーク監視システム |
CN102288884A (zh) * | 2011-09-13 | 2011-12-21 | 华北电力大学(保定) | 一种基于紫外光斑的外绝缘放电检测方法 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
-
2013
- 2013-10-27 CN CN201310511062.4A patent/CN103543394B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005102392A (ja) * | 2003-09-24 | 2005-04-14 | Mitsubishi Electric Corp | アーク監視システム |
CN102288884A (zh) * | 2011-09-13 | 2011-12-21 | 华北电力大学(保定) | 一种基于紫外光斑的外绝缘放电检测方法 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
Non-Patent Citations (2)
Title |
---|
律方成 等: "特高压输变电系统绝缘子紫外放电数据管理及故障诊断系统设计", 《高电压技术》, vol. 38, no. 2, 29 February 2012 (2012-02-29) * |
李和明 等: "基于放电紫外成像参量的绝缘子污秽状态评估", 《电工技术学报》, vol. 25, no. 12, 31 December 2010 (2010-12-31) * |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104035007A (zh) * | 2014-06-10 | 2014-09-10 | 华北电力大学(保定) | 一种高压电气设备短空气间隙击穿预警的方法 |
CN104101818A (zh) * | 2014-06-27 | 2014-10-15 | 国家电网公司 | 一种基于紫外成像的高压复合绝缘子故障检测的方法 |
CN105004972A (zh) * | 2015-06-25 | 2015-10-28 | 华北电力大学(保定) | 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 |
CN105372562A (zh) * | 2015-10-21 | 2016-03-02 | 国网新疆电力公司检修公司 | 一种利用设定指标检测紫外放电程度的方法及系统 |
CN106054032B (zh) * | 2016-03-08 | 2020-03-03 | 华北电力大学(保定) | 一种高压绝缘子沿面放电脉冲峰值的非接触式测量方法 |
CN106054032A (zh) * | 2016-03-08 | 2016-10-26 | 华北电力大学(保定) | 一种高压绝缘子沿面放电脉冲峰值的非接触式测量方法 |
CN106940886A (zh) * | 2017-03-08 | 2017-07-11 | 华北电力大学(保定) | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 |
CN106940886B (zh) * | 2017-03-08 | 2019-11-22 | 贵州众创巨电力科技有限公司 | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 |
CN107192924A (zh) * | 2017-03-21 | 2017-09-22 | 华北电力大学(保定) | 一种非共光轴紫外成像仪放电点定位矫正方法 |
CN110537090A (zh) * | 2017-04-18 | 2019-12-03 | Ckd株式会社 | 检查装置、ptp包装机和ptp片的制造方法 |
CN107202943A (zh) * | 2017-05-24 | 2017-09-26 | 贵州电网有限责任公司电力科学研究院 | 利用变色漆和数字射线快速确定gis设备放电事故原因的方法 |
CN107229005A (zh) * | 2017-05-24 | 2017-10-03 | 贵州电网有限责任公司电力科学研究院 | 一种精确快速确定gis设备放电事故位置的方法 |
CN110246173B (zh) * | 2018-08-14 | 2023-11-03 | 浙江大华技术股份有限公司 | 一种判断形状区域的方法和装置 |
CN110246173A (zh) * | 2018-08-14 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种判断形状区域的方法和装置 |
CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
CN109508713A (zh) * | 2018-12-12 | 2019-03-22 | 平安科技(深圳)有限公司 | 图片获取方法、装置、终端和存储介质 |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN110146791A (zh) * | 2019-05-07 | 2019-08-20 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN110245458A (zh) * | 2019-06-28 | 2019-09-17 | 华北电力大学(保定) | 一种高压设备放电紫外成像检测图像量化参数的归一方法 |
CN110610477A (zh) * | 2019-07-09 | 2019-12-24 | 国网江苏省电力有限公司扬州供电分公司 | 输电设备紫外图像预处理及量化参数提取方法 |
CN110415226A (zh) * | 2019-07-23 | 2019-11-05 | Oppo广东移动通信有限公司 | 杂散光的测定方法、装置、电子设备及存储介质 |
CN110346699B (zh) * | 2019-07-26 | 2021-04-27 | 国网山东省电力公司电力科学研究院 | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 |
CN110346699A (zh) * | 2019-07-26 | 2019-10-18 | 国网山东省电力公司电力科学研究院 | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 |
CN111415364A (zh) * | 2020-03-29 | 2020-07-14 | 中国科学院空天信息创新研究院 | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 |
CN111415364B (zh) * | 2020-03-29 | 2024-01-23 | 中国科学院空天信息创新研究院 | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 |
CN112528468A (zh) * | 2020-11-20 | 2021-03-19 | 南京航空航天大学 | 一种基于电磁场sar图像处理的标签天线逆向设计方法 |
CN113191313A (zh) * | 2021-05-20 | 2021-07-30 | 国能大渡河沙坪发电有限公司 | 基于水电厂的视频流放电识别方法、装置及计算机设备 |
CN113191313B (zh) * | 2021-05-20 | 2024-07-09 | 国能大渡河沙坪发电有限公司 | 基于水电厂的视频流放电识别方法、装置及计算机设备 |
CN113466614A (zh) * | 2021-06-17 | 2021-10-01 | 广西电网有限责任公司梧州供电局 | 基于三光路手持紫外仪标定绝缘子放电位置的方法及装置 |
CN113298832A (zh) * | 2021-07-02 | 2021-08-24 | 华北电力大学 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
CN113298832B (zh) * | 2021-07-02 | 2024-02-02 | 华北电力大学 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
CN115063408A (zh) * | 2022-07-28 | 2022-09-16 | 广州粤芯半导体技术有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN115063408B (zh) * | 2022-07-28 | 2022-12-02 | 广州粤芯半导体技术有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103543394B (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
CN111758024B (zh) | 一种缺陷检测方法及装置 | |
CN111402248B (zh) | 一种基于机器视觉的输电线路导线缺陷检测方法 | |
EP3783374A1 (en) | Method for detecting corona discharge employing image processing | |
CN115147414B (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
CN109523529B (zh) | 一种基于surf算法的输电线路缺陷识别方法 | |
WO2021168733A1 (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN115115644B (zh) | 一种基于人工智能的车辆焊接缺陷检测方法 | |
CN115345885A (zh) | 一种金属健身器材外观质量检测方法 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN110346699B (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
CN114372983A (zh) | 一种基于图像处理的屏蔽盒涂装质量检测方法及系统 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及系统 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN112686264B (zh) | 数字式仪表读数方法、装置、计算机设备和存储介质 | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN114612469A (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN114693651B (zh) | 基于图像处理的橡胶圈流痕检测方法及装置 | |
CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
CN112508913A (zh) | 基于图像检测的电缆截面边沿检测方法 | |
CN115272350A (zh) | 一种计算机pcb主板生产质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |