CN104537641B - 压缩机循环管路的温度检测方法 - Google Patents

压缩机循环管路的温度检测方法 Download PDF

Info

Publication number
CN104537641B
CN104537641B CN201410714256.9A CN201410714256A CN104537641B CN 104537641 B CN104537641 B CN 104537641B CN 201410714256 A CN201410714256 A CN 201410714256A CN 104537641 B CN104537641 B CN 104537641B
Authority
CN
China
Prior art keywords
compressor
temperature data
image
exhaust pipe
temperature
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.)
Active
Application number
CN201410714256.9A
Other languages
English (en)
Other versions
CN104537641A (zh
Inventor
曾建风
潘晓勇
杜继红
吴鲁滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201410714256.9A priority Critical patent/CN104537641B/zh
Publication of CN104537641A publication Critical patent/CN104537641A/zh
Application granted granted Critical
Publication of CN104537641B publication Critical patent/CN104537641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明涉及冰箱检测领域，提供一种压缩机循环管路的温度检测方法，以解决目前的冰箱压缩机管路检测的成本高、检测效率低的问题。该方法主要包括以下步骤：对压缩机的模型图像进行离线训练，得到压缩机的匹配模型；获取压缩机的红外图像及温度数据流；对压缩机排气管和局部回气管进行定位得到压缩机排气管和回气管的像素点数和位置坐标；获取温度数据流中对应位置坐标的温度数据。本发明提出的技术方案实现了压缩机管路温度的无接触自动检测，节约了人力和维护成本，提高了生产效率。

Description

压缩机循环管路的温度检测方法
技术领域
本发明涉及冰箱检测领域，特别涉及一种压缩机循环管路的温度检测方法。
背景技术
冰箱在出厂之前需做功能测试，通过综合冰箱内部温度、压缩机功率以及压缩机进气管与回气管温度等因素，对冰箱的功能做综合性判定。目前，一般采用温度探头来采集压缩机管路的温度，在测试的过程中经常出现绕线、电压不稳定等情况而导致温度探头的损坏，同时，在测试线中，每一个测试工位都需要配备专用的数据采集箱，使得该方式的测试成本高、检测效率低。
发明内容
【要解决的技术问题】
本发明的目的是提供一种压缩机循环管路的温度检测方法，以解决目前冰箱的压缩机管路检测的成本高、检测效率低的问题。
【技术方案】
本发明是通过以下技术方案实现的。
本发明涉及一种压缩机循环管路的温度检测方法，该方法主要包括以下步骤：
步骤A：对压缩机的模型图像进行离线训练，得到压缩机的匹配模型；
步骤B：获取压缩机的红外图像及温度数据流；
步骤C：根据匹配模型，在红外图像的图像空间内对压缩机进行匹配搜索，提取出压缩机在红外图像的图像空间内的位置数据，得到压缩机相对于匹配模型的缩放矩阵和旋转矩阵；
步骤D：根据步骤C中得到的缩放矩阵和旋转矩阵，通过仿射变换得到压缩机排气管的矩形目标区域图像与压缩机局部回气管的矩形目标区域图像；
步骤E：对压缩机排气管和局部回气管进行定位得到压缩机排气管和回气管的像素点数和位置坐标；
步骤F：根据压缩机排气管与回气管的位置坐标，获取温度数据流中对应位置坐标的温度数据。
作为一种优选的实施方式，所述步骤A采用Hu矩轮廓匹配方法得到压缩机的匹配模型。
作为另一种优选的实施方式，所述步骤B采用红外相机获取压缩机的红外图像及温度数据流。
作为另一种优选的实施方式，所述步骤B还包括：对压缩机的红外图像进行预处理。
作为另一种优选的实施方式，所述预处理方法包括颜色空间转化、图像滤波和图像增强。
作为另一种优选的实施方式，所述步骤E具体包括：根据压缩机排气管的矩形目标区域图像，定位得到压缩机排气管的位置坐标，然后统计得到压缩机排气管的像素点数；根据压缩机局部回气管的矩形目标区域图像，采用序列图像跟踪方法，定位得到压缩机回气管的位置坐标，然后统计得到压缩机回气管的像素点数。
作为另一种优选的实施方式，所述步骤F具体包括：读取压缩机的温度数据流；从温度数据流中得到压缩机排气管的位置坐标对应的温度数据，将该温度数据作为压缩机排气管的温度数据；从温度数据流中得到压缩机回气管的位置坐标对应的温度数据，将该数据作为压缩机回气管的温度数据；分别对压缩机排气管和回气管的温度数据求平均。
【有益效果】
本发明提出的技术方案实现了压缩机管路温度的无接触自动检测，节约了人力和维护成本，提高了生产效率。
附图说明
图1为本发明的实施例提供的压缩机循环管路的温度检测方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图，对本发明的具体实施方式进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例，也不是对本发明的限制。基于本发明的实施例，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
图1为本发明实施例提供的压缩机循环管路的温度检测方法流程图。如图1所示，该温度检测方法包括步骤11至步骤17，下面分别对步骤11至步骤17进行详细描述。
步骤11：对压缩机的模型图像进行离线训练，得到压缩机的匹配模型。
步骤11采用Hu矩轮廓匹配方法得到压缩机的匹配模型，具体地，首先读取五幅压缩机的模型图像作为训练样本，采用Hu矩轮廓匹配方法进行训练，最后得到压缩机的匹配模型，需要说明，本实施例中采用五幅压缩机的模型图像作为训练样本，实际上也可以采用更少或更多的训练样本，本发明并不对训练样本的个数作限制。
步骤12：启动红外相机获取压缩机的红外图像及温度数据流。
红外相机接收压缩机反射的红外线而形成图像数据，因此它可以以压缩机各部分温度和辐射接收率的差异，来显示出压缩机的主要特征，具体地，红外相机能够准确的获取压缩机的红外图像及温度数据流。
步骤13：对压缩机的红外图像进行预处理。
步骤13中的预处理方法包括颜色空间转化、图像滤波、图像增强等，该步骤用于提高压缩机的匹配精度。
步骤14：根据匹配模型，在红外图像的图像空间内对压缩机进行匹配搜索，提取出压缩机在红外图像的图像空间内的位置数据，得到压缩机相对于匹配模型的缩放矩阵和旋转矩阵。
步骤15：根据步骤14中得到的缩放矩阵和旋转矩阵，通过仿射变换得到压缩机排气管的矩形目标区域图像与局部回气管的矩形目标区域图像。
步骤16：对压缩机排气管和局部回气管进行定位得到压缩机排气管和回气管的位置坐标。
由于压缩机回气管与排气管的形状不规则、目标较小、图像干扰大，使得通过图像直接自动定位出压缩机排气管与回气管困难较大。但是，由于排气管的位置以及局部回气管相对压缩机的位置固定，所以可通过定位压缩机位置来间接的求出压缩机排气管与回气管的位置，需要说明，本文中所述的局部回气管是指靠近压缩机的那部分回气管。
步骤16具体包括以下步骤：
根据压缩机排气管的矩形目标区域图像，定位得到压缩机排气管的位置坐标，然后对压缩机排气管的矩形目标区域图像进行统计，得到排气管所占据的像素点数以及各个像素点的位置坐标；
根据压缩机局部回气管的矩形目标区域图像，采用序列图像跟踪方法得到压缩机回气管的序列图像，然后采用基于时域的图像拼接技术将压缩机回气管的序列图像融合为完整的图像，对该图像进行统计得到压缩机回气管所占据的像素点数以及各个像素点的位置坐标。
步骤17：根据压缩机排气管与回气管的位置坐标，获取温度数据流中对应位置坐标的温度数据。
步骤17具体包括以下步骤：
读取压缩机的温度数据流，该温度数据流与压缩机的红外图像相匹配；
从温度数据流中得到压缩机排气管的各个像素点的位置坐标对应的温度数据，将该温度数据作为压缩机排气管的温度数据；
从温度数据流中得到压缩机回气管的各个像素点的位置坐标对应的温度数据，将该数据作为压缩机回气管的温度数据；
对压缩机排气管温度数据求平均，将求平均后得到的数据作为压缩机排气管的温度值；
对压缩机回气管温度数据求平均，将求平均后得到的数据作为压缩机回气管的温度值。
从以上实施例可以看出，本发明实施例实现了压缩机管路温度的无接触自动检测，节约了人力和维护成本，提高了生产效率。

Claims (5)

1.一种压缩机循环管路的温度检测方法，其特征在于包括以下步骤：
步骤A：对压缩机的模型图像进行离线训练，得到压缩机的匹配模型；
步骤B：获取压缩机的红外图像及温度数据流；
步骤C：根据匹配模型，在红外图像的图像空间内对压缩机进行匹配搜索，提取出压缩机在红外图像的图像空间内的位置数据，得到压缩机相对于匹配模型的缩放矩阵和旋转矩阵；
步骤D：根据步骤C中得到的缩放矩阵和旋转矩阵，通过仿射变换得到压缩机排气管的矩形目标区域图像与压缩机局部回气管的矩形目标区域图像；
步骤E：对压缩机排气管和局部回气管进行定位得到压缩机排气管和回气管的像素点数和位置坐标；
步骤F：根据压缩机排气管与回气管的位置坐标，获取温度数据流中对应位置坐标的温度数据，
所述步骤E具体包括：根据压缩机排气管的矩形目标区域图像，定位得到压缩机排气管的位置坐标，然后统计得到压缩机排气管的像素点数；根据压缩机局部回气管的矩形目标区域图像，采用序列图像跟踪方法，定位得到压缩机回气管的位置坐标，然后统计得到压缩机回气管的像素点数，
所述步骤F具体包括：读取压缩机的温度数据流；从温度数据流中得到压缩机排气管的位置坐标对应的温度数据，将该温度数据作为压缩机排气管的温度数据；从温度数据流中得到压缩机回气管的位置坐标对应的温度数据，将该数据作为压缩机回气管的温度数据；分别对压缩机排气管和回气管的温度数据求平均。
2.根据权利要求1所述的压缩机循环管路的温度检测方法，其特征在于所述步骤A采用Hu矩轮廓匹配方法得到压缩机的匹配模型。
3.根据权利要求1所述的压缩机循环管路的温度检测方法，其特征在于所述步骤B采用红外相机获取压缩机的红外图像及温度数据流。
4.根据权利要求1所述的压缩机循环管路的温度检测方法，其特征在于所述步骤B还包括：对压缩机的红外图像进行预处理。
5.根据权利要求4所述的压缩机循环管路的温度检测方法，其特征在于所述预处理方法包括颜色空间转化和图像增强。
CN201410714256.9A 2014-11-29 2014-11-29 压缩机循环管路的温度检测方法 Active CN104537641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410714256.9A CN104537641B (zh) 2014-11-29 2014-11-29 压缩机循环管路的温度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410714256.9A CN104537641B (zh) 2014-11-29 2014-11-29 压缩机循环管路的温度检测方法

Publications (2)

Publication Number Publication Date
CN104537641A CN104537641A (zh) 2015-04-22
CN104537641B true CN104537641B (zh) 2017-06-23

Family

ID=52853160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410714256.9A Active CN104537641B (zh) 2014-11-29 2014-11-29 压缩机循环管路的温度检测方法

Country Status (1)

Country Link
CN (1) CN104537641B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990628A (zh) * 2015-07-03 2015-10-21 青岛蓝创高技术工程有限公司 一种基于红外成像技术的冰箱检测方法及其检测系统
CN105675139A (zh) * 2016-01-21 2016-06-15 合肥美菱股份有限公司 基于红外成像技术检测冰箱制冷性能的检测系统及方法
CN110853108B (zh) * 2019-10-11 2020-07-10 中国南方电网有限责任公司超高压输电公司天生桥局 一种红外热图数据的压缩存储方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798469A (zh) * 2012-06-29 2012-11-28 山东鲁能智能技术有限公司 基于角点特征的电力设备精确测温方法
CN103136531A (zh) * 2013-03-26 2013-06-05 华北电力大学（保定） 一种绝缘子串红外图像自动识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050123182A1 (en) * 2003-12-03 2005-06-09 Avision Inc. Temperature sensor

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798469A (zh) * 2012-06-29 2012-11-28 山东鲁能智能技术有限公司 基于角点特征的电力设备精确测温方法
CN103136531A (zh) * 2013-03-26 2013-06-05 华北电力大学（保定） 一种绝缘子串红外图像自动识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Infrared thermal imaging to measure local temperature rises caused by handheld mobile phones;Christian Kargel;《IEEE Transactions on Instrumentation and Measurement》;20050831;第54卷(第4期);第1513-1519页 *
采用对象分割和图像配准方法的变电站红外预警系统;蔺丽华等;《高电压技术》;20100731;第36卷(第7期);第1718-1724页 *

Also Published As

Publication number Publication date
CN104537641A (zh) 2015-04-22

Similar Documents

Publication Publication Date Title
CN104537641B (zh) 压缩机循环管路的温度检测方法
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN110400315A (zh) 一种缺陷检测方法、装置及系统
CN110174174A (zh) 基于红外热和可见光成像的检测终端及其使用方法
CN105547602A (zh) 一种地铁隧道管片渗漏水的远距离测量方法
CN109459970B (zh) 一种基于视觉的椭圆孔电位器角度复位系统及复位方法
CN104134208A (zh) 利用几何结构特征从粗到精的红外与可见光图像配准方法
WO2021046726A1 (zh) 用于检测机械设备零部件的方法和装置
CN109191524A (zh) 基于fpga的红外目标实时检测系统及检测方法
CN105068139B (zh) 一种活塞冷却喷嘴安装状态的检测工艺
CN103196388A (zh) 汽车安全气囊边缘轮廓检测方法
CN113536895A (zh) 一种圆盘指针表计识别方法
CN112967221A (zh) 一种盾构管片生产与拼装信息管理系统
CN104992448A (zh) 机器人防损伤采摘葡萄的自动定位方法
CN107240127A (zh) 基于特征点映射的图像配准评估方法
CN107563340A (zh) 一种图像中所含云的机器识别方法
Guanghui et al. An artificial landmark design based on mobile robot localization and navigation
CN102023163B (zh) 基于dsp的接插件检测系统和检测方法
CN104050676A (zh) 一种基于Logistic回归模型的逆光图像检测方法及装置
CN112066914B (zh) 基于机器视觉的3362电位器机械角度复位系统及复位方法
CN101706447A (zh) 高压天然气瓶球状瓶口ccd打标缺陷检测方法
Li et al. Improved YOLOv5 algorithm for surface defect detection of solar cell
CN104050671A (zh) 基于灰色关联分析和Zernike矩的油井管套损图像边缘检测方法
CN108491542A (zh) 一种基于数据库搭建的商标检索系统及方法
CN110765991B (zh) 一种基于视觉的高速旋转电机熔断器实时检测系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant