CN105718964A - 一种输电线防振锤的视觉检测方法 - Google Patents

一种输电线防振锤的视觉检测方法 Download PDF

Info

Publication number
CN105718964A
CN105718964A CN201410720170.7A CN201410720170A CN105718964A CN 105718964 A CN105718964 A CN 105718964A CN 201410720170 A CN201410720170 A CN 201410720170A CN 105718964 A CN105718964 A CN 105718964A
Authority
CN
China
Prior art keywords
image
transmission line
damper
power transmission
histogram
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
CN201410720170.7A
Other languages
English (en)
Other versions
CN105718964B (zh
Inventor
王洪光
宋屹峰
姜勇
王林
姜文东
王灿灿
初金良
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.)
State Grid Zhejiang Electric Power Co Ltd
Shenyang Institute of Automation of CAS
Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Shenyang Institute of Automation of CAS
Lishui Power Supply Co of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Shenyang Institute of Automation of CAS, Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN201410720170.7A priority Critical patent/CN105718964B/zh
Publication of CN105718964A publication Critical patent/CN105718964A/zh
Application granted granted Critical
Publication of CN105718964B publication Critical patent/CN105718964B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种输电线防振锤的视觉检测方法,属于数字图像识别领域,目的在于克服现有检测方法的问题,扩大输电线巡检与维护机器人自主检测金具的种类,并提高检测的自动化程度与准确性。本发明用于机器人自主识别输电线路上的防振锤金具。检测顺序如下:(1)图像的获取步骤;(2)图像的预处理步骤;(3)图像的特征提取步骤;(4)输电线金具检测步骤。本发明将数字图像处理技术引入到输电线防振锤金具的检测,利用输电线巡检与维护机器人采集的图像信息,使机器人自主的从线路环境中识别出防振锤金具。为机器人进行输电线路金具的自主检测提供了一种智能化的技术手段。

Description

-种输电线防振缠的视觉检测方法
技术领域
[0001] 本发明属于数字图像识别领域,具体涉及一种基于图像的输电线防振健金具检测 方法,用于输电线巡检与维护机器人对防振健金具进行自主检测。
背景技术
[0002] 截止2011年底,仅我国220kV及W上输电回路长度已经超过48万千米,其中包含 大幅度增长的500kV及W上交直流电压等级的跨区、跨省、省内骨干电网。输电网络需要 定期巡视维护,目前,送项工作主要由通过人工方式进行。由输电线路工人通过望远镜在 地面对线路进行观察,必要时工人还要登培走线W实现对线路的近距离检测,当发现输电 线路故障时,输电线路工人会采用滑车、走线、骑线等方式接近作业目标点,完成维护作业 [中国科学院学部.关于建立超大规模输配电和电网安全保障体系的建议.中国科学院院 刊,2009, 24 巧):493,541.]。
[0003] 然而在目前的巡检与维护过程中暴露出下列几个方面的问题;工作劳动强度大, 危险性高;人工检测的准确率较低;维护成本高;维护检测质量难W控制。
[0004] 为了解决W上问题,输电线路巡检与维护机器人于20世纪80年代末被提出 代替人工完成相应工作,经过20多年的发展,机器人的应用从早期的视觉线路检测,逐 步发展到完成线路警示球安装、线路除冰、防振健螺钉紧固等维护任务[個松宜,翁 桃,廖云杰等.巡线机器人的研究综述及面向智能电网技术的一些探讨.四川电力技 术,2009, 32 (Zl) :47-51.]。而在巡检作业过程中,机器人需要对防振健等金具进行检测,使 机器人进行合理的越障动作。
[0005] 目前,对于输电线路防振健金具的检测,主要采用提取防振健上圆形特征的视觉 方法,[谭磊,王耀南,沈春生等.输电线路除冰机器人障碍视觉检测识别算法.仪器仪 表学报,2011,32(11) :2564-2571.]。但是送种方法受其他复杂金具环境、背景光照等因素 的影响较大。
发明内容
[0006] 为了克服现有检测方法的问题,提高防振健检测的自动化程度与准确性,本发明 要解决的技术问题是提供一种输电线防振健的视觉检测方法。
[0007] 本发明为实现上述目的所采用的技术方案是;一种输电线防振健的视觉检测方 法,包括W下步骤:
[0008] (1)图像的获取;在电力机器人上安装相机设备,固定相机设备的图像采集角度 和相机参数,获取输电线图像;
[000引 似图像的预处理;对输电线图像进行处理,得到包含输电线的感兴趣区域;
[0010] (3)图像特征提取;在感兴趣区域中,提取图像的梯度直方图特征,获取梯度直方 图特征向量h ;
[0011] (4)输电线金具检测;对于图像特征向量h,分别与事先建立的防振健金具标准库 H°amP"与输电线标准库H"…进行比较,计算出图像特征向量h与防振健金具、输电线库的相 关度,根据相关度的大小来实现防振健金具的检测。
[0012] 所述图像的预处理包括W下步骤:
[0013] (2. 1)通过灰度化处理将彩色的输电线图像转换为灰度图像;
[0014] (2. 2)采用高斯滤波对灰度图像进行滤波,并通过直方图均衡化调节图像的对比 度;
[0015] (2. 3)采用Canny算子在初步裁剪后的图像中检测输电线的边缘位置,并W边缘 位置为基准去除其他区域,得到边缘图像;
[0016] (2. 4)采用霍夫变换的方法,对边缘图像中的直线进行提取,通过分析导线的位置 与方向特征,对于提取出的直线进行筛选,获取导线边缘的位置信息;
[0017] (2. 5) W获取的导线边缘作为基准,在指定位置区域截取指定尺寸的矩形作为感 兴趣区域。
[0018] 所述对边缘图像中的直线进行提取的方法为;按照W下条件筛选两根直线作为输 电线边缘:
[0019]
Figure CN105718964AD00051
[0020] 其中,输电线边缘直线Li与Lz在图像坐标系UV中的表达分别为UCOS目1+VSin目1 =Pi与UCOS目2+vsin目2= P2;,資心曰为线路边缘直线方向,考虑到机器人携带的 相机与线路间的相对位置关系,满足如下条件目《目《目Mgh,目l™,目Mgh分别是线路 边缘方向角阔值;[Au, Av]t为从输电线边缘直线Li上一点到直线Lz上一点的矢量;Wd为 线路宽度所对应的像素个数,<;为设定的阔值。
[0021] 所述提取图像的梯度直方图特征的过程为;将图像划分为若干相连区域cell,计 算cell中每个像素点的梯度强度及方向,对各个像素点进行直方图计算,将具有相同梯度 方向的像素点的梯度强度作为梯度直方;将相连的若干个cell作为一个区域block,连接 block内所有cell的直方图并归一化处理,形成一个表示block内图像梯度信息的归一化 数组;最后将整个图像的所有block的数组联合,即是图像的梯度直方图特征向量。
[0022] 所述计算cell中每个像素点的梯度方向通过下式计算:
[0023]
Figure CN105718964AD00052
Figure CN105718964AD00053
[0024] 其中f为像素点的灰度;与|^为水平与垂直方向的梯度强度;0为梯度方向。 [00巧]所述计算cell中每个像素点的梯度强度通过下式计算:
[0026]
[0027] 为像素点的灰度;|£与^为水平与垂直方向的梯度强 贫U 说r 度。
[0028] 所述输电线金具检测具体包括W下步骤:
[0029] 建立输电线路的标准线路图库与防振健图库,每个图库中各有m张标准图像;
[0030] 分别提取标准线路图像的图像梯度直方图特征hi,i = 与标准防振健图像 的图像梯度直方图特征h,,j = 1,2…m,W上图像梯度直方图特征分别构成输电线标准库 H""与防振健金具标准库;
[003。 计算待检测图像的图像梯度直方图特征h,并依此计算h与沪"、沪mp-库内每个 元素的相关度系数Ci(i = 1,2…m)与Cj(j = 1,2…m);
[003引计算得到h与每个库的相关度eWh' == ^0'二与cDaw" = ^(./' = 1,2…m); m "Z
[0033] 采用W下判别式完成防振健检测;当C"…时,则检测结果为防振健;当 C°amPM《C"…时,则检测结果为正常线路。
[0034] 本发明具有W下优点及有益效果:
[0035] 1.本发明提供的输电线防振健的视觉检测,改变了采用人工进行输电线路缺陷检 测的方式,克服了人工长期检测容易疲劳误判的缺陷,实现了输电线路防振健检测的自动 化。
[0036] 2.本发明利用通过线路边缘检测,准确的提取出图像中的感兴趣区域,去除了多 余区域,有利于提高运算速度;输电线路梯度直方图特征用于区分正常线路与防振健金具, 防振健检测识别准确率高,并且检测方法针对光照等干扰因素有较强的鲁邦性。
[0037] 3.本发明已在输电线机器人上进行试验,试验结果表明,采用本发明的机器人系 统可W准确完成输电线路防振健的检测,并利用该检测结果记录线路信息、指导机器人行 为。
附图说明
[0038] 图1是本发明的流程示意图;
[0039] 图2是机器人采集输电线图像的示意图;
[0040] 图3是机器人采集的待处理的输电线图像;
[0041] 图4是经过直方图均衡化的输电线路灰度图;
[0042] 图5是经过高斯滤波的灰度图像;
[0043] 图6是采用Canny算子得到的边缘图像;
[0044] 图7是采用霍夫变换得到的输电线边缘直线;
[0045] 图8是一个cell的图像梯度直方图;
[0046] 图9是一个block的图像梯度直方图;
[0047] 图10是一幅图像中感兴趣区域的图像梯度直方图;
[0048] 图11是输电线路图像的感兴趣区域及梯度直方图特征;
[0049] 图12是防振健图像的感兴趣区域及梯度直方图特征。
具体实施方式
[0050] 下面结合附图及实施例对本发明做进一步的详细说明。
[0051] 本发明W检测出的输电线路边缘作为基准,获取输电线路感兴趣区域,并提取该 区域中的图像梯度直方图作为图像特征h,结合建立的输电线标准库H"…与防振健金具标 准库tfamPM,计算当前的图像特征h与每个库的相关度。通过判别相关度,完成防振健金具 的检测。该方法可W有效的对输电线防振健进行识别,提高了检测的自动化程度,如图1所 示,具体流程如下:
[00閲 (1)图像获取步骤
[0053] 在输电线维护机器人上安装相机设备,固定该设备的图像采集角度、焦距等参数, 获取尺寸大小稳定的线路图像。图2是机器人采集图像的示意图。图3是采集的输电线图 像。
[0054] 似图像预处理步骤
[00巧](2. 1)首先通过灰度化处理将彩色图像转换为灰度图像,并通过直方图均衡化调 节图像的对比度。当机器人安装在线路上时,机器人与线路有稳定的相对位置关系。当设 定相机云台姿态与相机视角一定,线路位于图像中部区域。图4是经过直方图均衡化的输 电线路灰度图。
[0056] (2. 2)为了去除图像中的噪声,同时弱化边缘细节对边缘检测的影响,采用高斯滤 波的方式对化1)获取的图像进行滤波。图5所示是经过高斯滤波的图像。
[0057] (2. 3)采用Canny算子对化2)获取的图像进行边缘检测。图6所示是提取出的 图像边缘。
[0058] (2.4)对于边缘图像,采用霍夫变换的方法,分别对图像中的直线进行提取。对 于获取的图像中的所有的直线,设其中任意两根直线的表达为;UCOS目i+vsin目1 = Pi与 UCOS目2+vsin目2= P 2。挑选满足如下条件两根直线,其作为输电线路边缘。
[0059]
Figure CN105718964AD00071
Figure CN105718964AD00072
[0060] 其中, 为线路边缘直线方向,考虑到机器人携带的相机与线路间的相 对位置关系,满疋P余化目l™《目《目Mgh,目l™,目Mgh分别是线路边缘方向角阔值; [Au, A v]T为从输电线边缘直线Li上一点到直线Lz上一点的矢量;Wd为线路宽度所对应 的像素个数,<^为设定的阔值。图7所示是提取出的输电线路边缘。
[0061] (2. 5)在获取线路边缘的基础上,截取指定宽度Wi化h与指定高度化i曲t的矩形 区域作为感兴趣区域,矩形的左上角点(0, Vwt-t),Vwt为线路左侧边缘横坐标,t为设定 值。
[0062] 做图像特征提取步骤
[0063] 提取图像梯度直方图作为图像特征,计算感兴趣区域中每个像素点的
Figure CN105718964AD00073
获取相应的梯度方向
Figure CN105718964AD00074
与梯度强度 1 在此基础上,将图像划分为若干相连区域cell,每个cell取8X8像素,对同一 cell的各个像素点进行直方图计算,将具有相同梯度方向的像素点的梯度强度作为梯度直 方。图8所示是一个cell中图像梯度直方图。
[0065] 而后将相连的若干个cell作为一个区域block,送里每个block取3X3cell,连 接块内所有cell的直方图并归一化处理,形成一个表示块内图像梯度信息的归一化数组, 图9所示是一个block中图像梯度直方图。最后将整个图像的所有block的图像梯度直方 图联合,即是图像的梯度直方图特征。图10所示是一幅图像感兴趣区域的图像梯度直方 图。
[0066] (4)防振健金具检测步骤
[0067] 建立输电线路的标准线路图库与防振健图库。每个图库中各有m张标准图像。分 别提取标准线路图像的图像梯度直方图特征hi(i = 1,2…m)与标准防振健图像的图像梯 度直方图特征h,(j = 1,2…m)。W上图像特征分别构成输电线梯度直方图标准库…与 防振健金具梯度直方图标准库tfampw。采用皮尔逊方法,分别计算待检测图像的梯度直方图 特征h与中每个元素 hi(i = l,2...m)、h,(j = 的相关度系数CiQ = l,2'"m)、c,(j = l,2'"m)。计算得到图像与每类库的相关度系数
Figure CN105718964AD00081
Figure CN105718964AD00082
,对W上相关度系数进行如下判定,完成防振健检测。
[0068] 当C"…《C°amPet,则检测结果为防振健。
[006引当《cW"e,则检测结果为正常线路。
[0070] 图11、图12分别为检测出的线路与防振健的原始图像、感兴趣区域和图像梯度直 方图。

Claims (7)

1. 一种输电线防振锤的视觉检测方法,其特征在于,包括以下步骤: (1) 图像的获取;在电力机器人上安装相机设备,固定相机设备的图像采集角度和相 机参数,获取输电线图像; (2) 图像的预处理;对输电线图像进行处理,得到包含输电线的感兴趣区域; (3) 图像特征提取;在感兴趣区域中,提取图像的梯度直方图特征,获取梯度直方图特 征向量h ; (4) 输电线金具检测;对于图像特征向量h,分别与事先建立的防振锤金具标准库 er与输电线标准库H«re进行比较,计算出图像特征向量h与防振锤金具、输电线库的相 关度,根据相关度的大小来实现防振锤金具的检测。
2. 根据权利要求1所述的一种输电线防振锤的视觉检测方法,其特征在于,所述图像 的预处理包括以下步骤: (2. 1)通过灰度化处理将彩色的输电线图像转换为灰度图像; (2. 2)采用高斯滤波对灰度图像进行滤波,并通过直方图均衡化调节图像的对比度; (2. 3)采用Canny算子在初步裁剪后的图像中检测输电线的边缘位置,并以边缘位置 为基准去除其他区域,得到边缘图像; (2. 4)采用霍夫变换的方法,对边缘图像中的直线进行提取,通过分析导线的位置与方 向特征,对于提取出的直线进行筛选,获取导线边缘的位置信息; (2. 5)以获取的导线边缘作为基准,在指定位置区域截取指定尺寸的矩形作为感兴趣 区域。
3. 根据权利要求2所述的一种输电线防振锤的视觉检测方法,其特征在于,所述对边 缘图像中的直线进行提取的方法为:按照以下条件筛选两根直线作为输电线边缘:
Figure CN105718964AC00021
其中,输电线边缘直线Q与L2在图像坐标系uv中的表达分别为ucosP i+vsinP 1 = P Aucos β 2+vsin β 2 = p 2 ;:=,.为线路边缘直线方向,考虑到机器人携带的相机 与线路间的相对位置关系,满足如下条件β < Phlgh,β1ε™,Phlgh分别是线路边缘 方向角阈值;[Λ u,Λ ν]τ为从输电线边缘直线Q上一点到直线L2上一点的矢量;wd为线路 宽度所对应的像素个数,^为设定的阈值。
4. 根据权利要求1所述的一种输电线防振锤的视觉检测方法,其特征在于,所述提取 图像的梯度直方图特征的过程为:将图像划分为若干相连区域cell,计算cell中每个像素 点的梯度强度及方向,对各个像素点进行直方图计算,将具有相同梯度方向的像素点的梯 度强度作为梯度直方;将相连的若干个cell作为一个区域block,连接block内所有cell 的直方图并归一化处理,形成一个表示block内图像梯度信息的归一化数组;最后将整个 图像的所有block的数组联合,即是图像的梯度直方图特征向量。
5. 根据权利要求4所述的一种输电线防振锤的视觉检测方法,其特征在于,所述计算 cell中每个像素点的梯度方向通过下式计算:
Figure CN105718964AC00022
其中f为像素点的灰度;|{与|{为水平与垂直方向的梯度强度;θ为梯度方向。
6. 根据权利要求4所述的一种输电线防振锤的视觉检测方法,其特征在于,所述计算 cell中每个像素点的梯度强度通过下式计算:
Figure CN105718964AC00031
Figure CN105718964AC00032
其中 ,f为像素点的灰度;犁与g为水平与垂直方向的梯度强度。 ihi ()r·
7. 根据权利要求1所述的一种输电线防振锤的视觉检测方法,其特征在于,所述输电 线金具检测具体包括以下步骤: 建立输电线路的标准线路图库与防振锤图库,每个图库中各有m张标准图像; 分别提取标准线路图像的图像梯度直方图特征h,i = 1,2···πι,与标准防振锤图像的图 像梯度直方图特征h,,j = 1,2…m,以上图像梯度直方图特征分别构成输电线标准库HWira与 防振锤金具标准库HDanpCT ; 计算待检测图像的图像梯度直方图特征h,并依此计算h与HWl' HDampCT库内每个元素 的相关度系数Ci(i = 1,2…m)与cjj = 1,2…m); 计算得到h与每个库的相关度
Figure CN105718964AC00033
采用以下判别式完成防振锤检测:当cWira < cDampCT时,则检测结果为防振锤;当 cDampCT < cWira时,则检测结果为正常线路。
CN201410720170.7A 2014-12-02 2014-12-02 一种输电线防振锤的视觉检测方法 Active CN105718964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410720170.7A CN105718964B (zh) 2014-12-02 2014-12-02 一种输电线防振锤的视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410720170.7A CN105718964B (zh) 2014-12-02 2014-12-02 一种输电线防振锤的视觉检测方法

Publications (2)

Publication Number Publication Date
CN105718964A true CN105718964A (zh) 2016-06-29
CN105718964B CN105718964B (zh) 2019-04-16

Family

ID=56145446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410720170.7A Active CN105718964B (zh) 2014-12-02 2014-12-02 一种输电线防振锤的视觉检测方法

Country Status (1)

Country Link
CN (1) CN105718964B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709905A (zh) * 2016-12-07 2017-05-24 成都通甲优博科技有限责任公司 一种基于双目视觉图像的防振锤故障在线检测识别方法
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
CN110119771A (zh) * 2019-04-29 2019-08-13 杭州电子科技大学上虞科学与工程研究院有限公司 基于组合特征和级联分类器的高压输电线路防震锤检测方法
CN110895249A (zh) * 2019-11-26 2020-03-20 广州供电局有限公司 电缆接头识别系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025568A1 (en) * 2006-07-20 2008-01-31 Feng Han System and method for detecting still objects in images
CN102609716A (zh) * 2012-01-10 2012-07-25 银江股份有限公司 一种基于改进的hog特征和pca的行人检测方法
CN103903005A (zh) * 2012-12-25 2014-07-02 财团法人交大思源基金会 车牌影像辨识系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025568A1 (en) * 2006-07-20 2008-01-31 Feng Han System and method for detecting still objects in images
CN102609716A (zh) * 2012-01-10 2012-07-25 银江股份有限公司 一种基于改进的hog特征和pca的行人检测方法
CN103903005A (zh) * 2012-12-25 2014-07-02 财团法人交大思源基金会 车牌影像辨识系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李全民 等: "架空输电线路巡线机器人的视觉导航", 《计算机工程与应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709905A (zh) * 2016-12-07 2017-05-24 成都通甲优博科技有限责任公司 一种基于双目视觉图像的防振锤故障在线检测识别方法
CN106709905B (zh) * 2016-12-07 2020-03-31 成都通甲优博科技有限责任公司 一种基于双目视觉图像的防振锤故障在线检测识别方法
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
CN110119771A (zh) * 2019-04-29 2019-08-13 杭州电子科技大学上虞科学与工程研究院有限公司 基于组合特征和级联分类器的高压输电线路防震锤检测方法
CN110895249A (zh) * 2019-11-26 2020-03-20 广州供电局有限公司 电缆接头识别系统及方法

Also Published As

Publication number Publication date
CN105718964B (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN101430195B (zh) 一种利用视频图像处理技术计算输电线路覆冰厚度的方法
CN103500322B (zh) 基于低空航拍图像的车道线自动识别方法
CN103226106B (zh) 基于机器视觉的轴承防尘盖品质监测方法
CN106548182B (zh) 基于深度学习和主成因分析的路面裂纹检测方法及装置
CN105373135B (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN104318582A (zh) 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法
CN105404867B (zh) 一种基于视觉的变电站隔离开关状态识别方法
CN103487729A (zh) 基于紫外视频与红外视频融合的电力设备缺陷检测方法
CN102073846B (zh) 基于航拍图像的交通信息获取方法
CN104537651B (zh) 一种路面图像中裂缝比例检测方法及系统
CN105719283A (zh) 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法
CN106599890B (zh) 变电站巡检机器人数字式仪表识别算法
CN105718842A (zh) 一种输电线断股故障的机器视觉检测方法
CN109409205A (zh) 基于线间距特征点聚类的航拍视频公路车道线检测方法
CN104573713A (zh) 一种基于图像纹理特征的互感器红外图像识别方法
CN105718964A (zh) 一种输电线防振锤的视觉检测方法
CN106548131A (zh) 一种基于行人检测的施工人员安全帽实时检测方法
CN106841214A (zh) 一种非接触式风电叶片风沙侵蚀程度检测方法
CN111814686A (zh) 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN103729856B (zh) 一种利用s变换信号提取的布匹疵点检测方法
CN101950352A (zh) 一种去除光照影响的目标检测方法及装置
CN110648366A (zh) 基于深度学习的橘子检测系统及分瓣方法
CN108492306A (zh) 一种基于图像轮廓的x型角点提取方法
Cheng et al. Image segmentation technology and its application in digital image processing

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