CN105184256A - 一种浪涌测试受试设备状态灯图像模式识别方法 - Google Patents

一种浪涌测试受试设备状态灯图像模式识别方法 Download PDF

Info

Publication number
CN105184256A
CN105184256A CN201510562839.9A CN201510562839A CN105184256A CN 105184256 A CN105184256 A CN 105184256A CN 201510562839 A CN201510562839 A CN 201510562839A CN 105184256 A CN105184256 A CN 105184256A
Authority
CN
China
Prior art keywords
image
sample
status lamp
high brightness
brightness
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
Application number
CN201510562839.9A
Other languages
English (en)
Other versions
CN105184256B (zh
Inventor
刘桂雄
黄坚
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510562839.9A priority Critical patent/CN105184256B/zh
Publication of CN105184256A publication Critical patent/CN105184256A/zh
Application granted granted Critical
Publication of CN105184256B publication Critical patent/CN105184256B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种浪涌测试受试设备状态灯图像模式识别方法,所述方法包括:利用相机采集状态灯RGB图像,将图像转换为HSI颜色空间下图像,获取各个状态灯的亮状态样本Sn(n=1、2…..);根据Sn中所有像素点亮度计算得图像熵值Hn,根据Hn确定高亮度与低亮度间的阈值It,保留高亮度集合L,计算L的颜色平均值将高亮度集合二值化后得到集合Lt,并计算Lt的离心率eL、像素个数NL,则样本Sn的特征Cn可表示为五元数组样本Sn为m×n阶图像矩阵,当摄像机获取图像P后,获取待识别m×n阶图像矩阵SP,按照样本构建方法获得SP的五元数组以不相关系数kP-n=f(CP,Cn)衡量SP与Sn的不相似程度,设置阈值kon,若图像P中,存在矩阵SP使得kP-n≤kon,则n号状态灯亮。

Description

一种浪涌测试受试设备状态灯图像模式识别方法
技术领域
本发明涉及图像模式识别领域,尤其涉及浪涌测试受试设备状态灯图像模式识别方法。
背景技术
浪涌是电源(或主要指电源)开通瞬间产生的强力脉冲,由于电路自身的非线性可能高于电源本身的脉冲;或由于电源、电路中其它部分受到自身或外来尖脉冲干扰。目前国内外浪涌测试标准方法均通过检测技术人员长时间观察、记录受试设备面板指示灯、显示屏等在检测过程的情况,再根据观察和记录的现象及判定标准判定检测结果,这类方法工作量大、效率低、人工成本高,且检测结果判定依据少、主观性强,检测过程不可溯源。实现检测自动化,图像模式识别是关键问题之一。做好这一工作,对保证检测客观性、提高生产效率、促进科学技术的发展都具有重要的作用,特别是在工业生产自动化程度愈来愈高的当今时代,图像处理在自动检测中的地位与作用更加明显。
专利CN104865513A发明的自带检测功能的浪涌电流测试电路,能对二极管类器件的极性进行判断,设置不同的浪涌电流可以很快的检测出二极管类器件承受浪涌电流的最大值,但对非二极管产品无法实现自动检测;专利CN103454534A公开了一种浪涌测试系统及其测试方法,可自动将电流值、电压值存储至存储器中,但未考虑浪涌测试结果的自动分析。但国内浪涌测试尚未实现自动化。
发明内容
为解决上述存在的问题与缺陷,本发明实现了可同时监视识别多个状态灯,每个状态灯仅需要提供1个亮时样本,即可实现后续状态灯亮灭识别,对于环境亮度变化在-50~30%的情况下,不影响识别结果准确性,并且在过程中状态灯位置发生变化也可准确识别。
本发明的目的通过以下的技术方案来实现:
一种浪涌测试受试设备状态灯图像模式识别方法,该方法包括:
A采集状态灯RGB图像,将图像转换为HSI颜色空间图像,获取各个状态灯的亮状态样本Sn,其中n=1、2…..;
B根据Sn中所有像素点亮度计算得图像熵值Hn,根据Hn确定高亮度与低亮度间的阈值It,保留高亮度集合L,计算L的颜色平均值将高亮度集合二值化后得到集合Lt,并计算Lt的离心率eL、像素个数NL,则样本Sn的特征Cn可表示为五元数组
C样本Sn为m×n阶图像矩阵,当摄像机获取图像P后,获取待识别m×n阶图像矩阵SP,按照步骤B的样本构建方法获得SP的五元数组 C P = ( H P , I t P , h L P ‾ , e L P , N L P ) ;
D以不相关系数kP-n=f(CP,Cn)衡量SP与Sn的不相似程度,设置阈值kon,若图像P中,存在矩阵SP使得kP-n≤kon,则n号状态灯亮。
本发明有益效果是:
可同时监视识别多个状态灯,每个状态灯仅需要提供1个亮时样本,即可实现后续状态灯亮灭识别,对于环境亮度变化在-50~30%的情况下,不影响识别结果准确性,并且在过程中状态灯位置发生变化也可准确识别。
附图说明
图1是本发明所述的浪涌测试受试设备状态灯图像模式识别方法流程框
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述。
本发明是浪涌测试受试设备状态灯图像模式识别方法,如图1所示,该方法包括如下步骤:
步骤11利用相机采集状态灯RGB图像,将图像转换为HSI颜色空间下图像,获取1号灯样本、2号灯样本、3号灯样本分别为S1、S2、S3
步骤12据Sn中所有像素点亮度计算得图像熵值Hn,其方法为获得样本HSI颜色空间模型后,可计算样本的图像熵值。对于样本S,若S中某点i的亮度为Ii,统计得亮度直方,则图像熵值Hn为:
H n = H ( S ) = - Σ i I i logI i
根据Hsample确定高亮度与低亮度间的阈值It,设图像的点集合为Ωsample,对于图像中某点d,若其亮度Id大于It,则d为高亮度集合L中的一点,即
ifd∈Ωsample∧Id>It
thend∈L
计算高亮度集合L的颜色直方,得平均值其中Num(L)代表L中点的个数
h L ‾ = Σ d h d N u m ( L )
步骤13本Sn为m×n阶图像矩阵,当摄像机获取图像P后,获取待识别m×n阶图像矩阵SP,按照步骤B的样本构建方法获得SP的五元数组 C P = ( H P , I t P , h L P ‾ , e L P , N L P ) ;
步骤14不相关系数kP-n=f(CP,Cn)衡量SP与Sn的不相似程度,设置阈值kon,若图像P中,存在矩阵SP使得kP-n≤kon,则n号状态灯亮。其中,具体的识别逻辑为:
kP-n≤kon,则n号状态灯亮;
kP-n>kon,则n号状态灯灭。
虽然本发明所揭露的实施方式如上。但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (3)

1.一种浪涌测试受试设备状态灯图像模式识别方法,其特征在于,所述方法包括:
A采集状态灯RGB图像,将图像转换为HSI颜色空间下图像,获取各个状态灯的亮状态样本Sn,其中n=1、2…..;
B根据Sn中所有像素点亮度计算得图像熵值Hn,根据Hn确定高亮度与低亮度间的阈值It,保留高亮度集合L,计算L的颜色平均值将高亮度集合二值化后得到集合Lt,并计算Lt的离心率eL、像素个数NL,则样本Sn的特征Cn可表示为五元数组
C样本Sn为m×n阶图像矩阵,当摄像机获取图像P后,获取待识别m×n阶图像矩阵SP,按照步骤B的样本构建方法获得SP的五元数组 C P = ( H P , I t P , h L P ‾ , e L P , N L P ) ;
D以不相关系数kP-n=f(CP,Cn)衡量SP与Sn的不相似程度,设置阈值kon,若图像P中,存在矩阵SP使得kP-n≤kon,则n号状态灯亮。
2.如权利要求1所述的浪涌测试受试设备状态灯图像模式识别方法,其特征在于,所述步骤B中:根据Sn中所有像素点亮度计算得图像熵值Hn,其方法为获得样本HSI颜色空间模型后,可计算样本的图像熵值;对于样本S,若S中某点i的亮度为Ii,则图像熵值Hn为:
H n = H ( S ) = - Σ i I i logI i - - - ( 1 )
根据Hsample确定高亮度与低亮度间的阈值It,设图像的点集合为Ωsample,对于图像中某点d,若其亮度Id大于It,则d为高亮度集合L中的一点,即
ifd∈Ωsample∧Id>It
(2)
thend∈L
计算高亮度集合L的颜色平均值其中Num(L)代表L中点的个数
h L ‾ = Σ d h d N u m ( L ) - - - ( 2 )
并将集合L中各点转化为二值图,计算L的离心率eL、像素个数NL;则样本Sn的特征Cn可表示为五元数组
3.如权利要求1所述的浪涌测试受试设备状态灯图像模式识别方法,其特征在于,所述步骤D中:以不相关系数kP-n=f(CP,Cn)衡量SP与Sn的不相似程度,设置阈值kon,若图像P中,存在矩阵SP使得kP-n≤kon,则n号状态灯亮,其中,具体的识别逻辑为
kP-n≤kon,则n号状态灯亮;
kP-n>kon,则n号状态灯灭。
CN201510562839.9A 2015-09-06 2015-09-06 一种浪涌测试受试设备状态灯图像模式识别方法 Active CN105184256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510562839.9A CN105184256B (zh) 2015-09-06 2015-09-06 一种浪涌测试受试设备状态灯图像模式识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510562839.9A CN105184256B (zh) 2015-09-06 2015-09-06 一种浪涌测试受试设备状态灯图像模式识别方法

Publications (2)

Publication Number Publication Date
CN105184256A true CN105184256A (zh) 2015-12-23
CN105184256B CN105184256B (zh) 2018-05-25

Family

ID=54906325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510562839.9A Active CN105184256B (zh) 2015-09-06 2015-09-06 一种浪涌测试受试设备状态灯图像模式识别方法

Country Status (1)

Country Link
CN (1) CN105184256B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787476A (zh) * 2016-03-30 2016-07-20 北京航天自动控制研究所 一种基于多线阵相机的非接触高速采集识别方法
CN107016673A (zh) * 2017-05-02 2017-08-04 上海控创信息技术股份有限公司 铁路信号机柜状态灯图像分析方法、装置以及系统
CN108335294A (zh) * 2018-02-05 2018-07-27 贵州电网有限责任公司 复杂条件下的配电房异常状态图像识别方法
CN112465047A (zh) * 2020-12-04 2021-03-09 宁波智能装备研究院有限公司 基于先验模型的工业图像视觉识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101692326A (zh) * 2009-09-01 2010-04-07 惠州市德赛智能科技有限公司 Led显示屏整屏现场逐点亮度色度校准系统及方法
CN103454534A (zh) * 2013-09-10 2013-12-18 深圳市科威电子测试有限公司 浪涌测试系统及其测试方法
US20130335556A1 (en) * 2012-06-15 2013-12-19 Palo Alto Research Center Incorporated Day night classification of images using thresholding on hsv histogram
CN104865513A (zh) * 2015-06-05 2015-08-26 山东晶导微电子有限公司 一种自带检测功能的浪涌电流测试电路

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101692326A (zh) * 2009-09-01 2010-04-07 惠州市德赛智能科技有限公司 Led显示屏整屏现场逐点亮度色度校准系统及方法
US20130335556A1 (en) * 2012-06-15 2013-12-19 Palo Alto Research Center Incorporated Day night classification of images using thresholding on hsv histogram
CN103454534A (zh) * 2013-09-10 2013-12-18 深圳市科威电子测试有限公司 浪涌测试系统及其测试方法
CN104865513A (zh) * 2015-06-05 2015-08-26 山东晶导微电子有限公司 一种自带检测功能的浪涌电流测试电路

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曾博: "浪涌检测过程产品状态自动记录与分析系统", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
陈耿新 等: "基于可信k-NN的面向EMC浪涌测试多状态灯模式识别", 《电子测量与仪器学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787476A (zh) * 2016-03-30 2016-07-20 北京航天自动控制研究所 一种基于多线阵相机的非接触高速采集识别方法
CN105787476B (zh) * 2016-03-30 2019-04-09 北京航天自动控制研究所 一种基于多线阵相机的非接触高速采集识别方法
CN107016673A (zh) * 2017-05-02 2017-08-04 上海控创信息技术股份有限公司 铁路信号机柜状态灯图像分析方法、装置以及系统
CN108335294A (zh) * 2018-02-05 2018-07-27 贵州电网有限责任公司 复杂条件下的配电房异常状态图像识别方法
CN112465047A (zh) * 2020-12-04 2021-03-09 宁波智能装备研究院有限公司 基于先验模型的工业图像视觉识别方法

Also Published As

Publication number Publication date
CN105184256B (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
CN105184256A (zh) 一种浪涌测试受试设备状态灯图像模式识别方法
CN110223288B (zh) 一种稀土萃取过程多组分含量预测方法及系统
WO2018010387A1 (zh) 元件反件检测方法和系统
CN104280670A (zh) 一种基于日盲紫外成像仪的电晕检测方法
CN105424709A (zh) 一种基于图像标记的水果表面缺陷检测方法
CN105445607A (zh) 一种基于等温线绘制的电力设备故障检测方法
CN111914767A (zh) 一种基于多源遥感数据的散乱污企业检测方法及系统
CN211786014U (zh) 一种oled尾灯动态流水效果的检测装置
CN202548896U (zh) 一种钢材包装参数的测量系统
CN110487802A (zh) 现场检测光伏组件缺陷的识别装置
CN109375285A (zh) 一种应用于污染分析的玫瑰图制作方法
CN111127445A (zh) 基于深度学习的配网线路高温区域检测方法与系统
CN107610092A (zh) 基于视频流的路面裂缝动态检测方法
CN110472666A (zh) 一种基于卷积神经网络的混凝土裂缝识别方法
CN110968008A (zh) 一种用于水利水资源的管理系统
CN109309022A (zh) 一种缺陷抽检方法
CN115497006A (zh) 基于动态混合策略的城区遥感图像变化深度监测方法及系统
CN108268903A (zh) 物品管理方法、装置、可读存储介质及控制终端
CN105528790A (zh) 一种输电线路小型部件识别方法
CN111309791A (zh) 一种检测仪器数据自动采集方法
CN108152712B (zh) 电路板故障检测方法及设备
CN110610474A (zh) 一种基于红外图像的太阳能板缺陷实时检测方法
CN116033119A (zh) 基于视频图像识别的高低压线路强放电监测系统及方法
Di et al. Research on Real-Time Power Line Damage Detection Method Based on YOLO Algorithm
CN113009374A (zh) 一种oled尾灯动态流水效果的检测装置及检测方法

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