CN107680091A - 一种输电线路的防震锤脱落缺陷检测方法 - Google Patents
一种输电线路的防震锤脱落缺陷检测方法 Download PDFInfo
- Publication number
- CN107680091A CN107680091A CN201710946636.9A CN201710946636A CN107680091A CN 107680091 A CN107680091 A CN 107680091A CN 201710946636 A CN201710946636 A CN 201710946636A CN 107680091 A CN107680091 A CN 107680091A
- Authority
- CN
- China
- Prior art keywords
- image
- stockbridge damper
- mrow
- mtd
- detected
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明公开了一种防震锤脱落缺陷检测准确率高且不需要大量的训练样本的输电线路的防震锤脱落缺陷检测方法。该输电线路的防震锤脱落缺陷检测方法包括防震锤标注、模板筛选、待检测图像的偏移估算与补偿、防震锤目标提取、防震锤特征提取、基于相似度分析的缺陷判定,通过运用待检测图像与历史模板图像的相似度分析方法避免了训练样本需求量大的问题,同时本发明通过引入多模板对比、图像位置偏移估算与补偿技术进一步的提高了检测的准确率,经过实际验证,其准确率高于90%。适合在输电线路检测技术领域推广应用。
Description
技术领域
本发明涉及输电线路检测技术领域,尤其是一种输电线路的防震锤脱落缺陷检测方法。
背景技术
输电线路是电力系统的重要组成部分,它承担着电能远距离传输的任务。电力线路中的防震锤长期暴露在自然环境中,不仅承受着自然张力、材料老化等自身损坏,还要受到雷击、暴风、雨水等外界的侵蚀。如果输电线路中存在防震锤脱落的现象,导线在强风作用下,会发生强烈的振动,导线经过长期的周期性弯折会发生疲劳损坏,具有严重的安全隐患。传统的输电线路巡线工作是依靠人工巡检,但人工巡检效率低、工作强度大、以及对特殊线路尤其是高压线路时,有危机检测人员人身安全的风险。现有的防震锤脱落缺陷检测主要是基于机器学习的方法,首先,现有的基于机器学习的防震锤脱落缺陷检测方法需要数万、数十万以上的防震锤标记图像(训练样本),其次,现有的基于机器学习的防震锤脱落缺陷检测准确率难以达到80%。
发明内容
本发明所要解决的技术问题是提供一种防震锤脱落缺陷检测准确率高且不需要大量的训练样本的输电线路的防震锤脱落缺陷检测方法。
本发明解决其技术问题所采用的技术方案为:该输电线路的防震锤脱落缺陷检测方法,包括以下步骤:
A、防震锤标注:获取输电线路的防震锤历史模板图像集合,并在每张防震锤历史模板图像上标注出防震锤的对应位置信息;
B、模板筛选:获取输电线路的防震锤待检测图像,然后将防震锤历史模板图像集合中的每一张图像与防震锤待检测图像进行相似度计算,然后选取其中相似度最高的防震锤历史模板图像作为检测模板图像;
C、待检测图像的偏移估算与补偿:将检测模板图像所对应的横向、纵向的图像像素偏移量x,y作为图像偏移量的估算结果,并用该偏移量作为待检测图像的偏移补偿量;
D、防震锤目标提取:根据检测模板图像中标注出的防震锤的对应位置信息对检测模板图像进行裁剪得到检测模板防震锤图像;根据检测模板图像中标注出的防震锤的对应位置信息并结合待检测图像的偏移补偿量对检测模板图像进行裁剪得到待检测防震锤图像;
E、防震锤特征提取:首先,将检测模板防震锤图像和待检测防震锤图像分别由RGB转为灰度图像,其次,对灰度图像运用sobel算子进行处理,得到检测模板防震锤图像的梯度特征值X和待检测防震锤图像的梯度特征值Y;
F、计算检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度;
G、缺陷判定:若检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度大于预定义门限,则认为防震锤未脱落,否则认为存在防震锤脱落缺陷。
进一步的是,在步骤A中,在每张防震锤历史模板图像上标注出防震锤的对应位置信息为旋转矩形区域,所述旋转矩形区域包含矩形中心点坐标、矩形宽度、矩形高度、矩形旋转角度。
进一步的是,在步骤B中,所述相似度计算采用如下计算公式:
相似度
其中:T'(i,j)=T(i,j)-1/(w·h)·∑m,nT(m,n);
I'(x+i,y+j)=I(x+i,y+j)-1/(w·h)·∑m,nI(x+m,y+n);
其中T(i,j)为防震锤历史模板图像集合中的一张图像,I(i,j)为待检测图像,x,y为横向、纵向的图像像素偏移量,w,h为图像的宽度、高度。
进一步的是,在步骤E中,对灰度图像运用sobel算子进行处理的具体方法如下所述:sobel算子包含两组处理结果Gx、Gy,分别代表横向、纵向的梯度信息:
其中A为灰度图像,为二维卷积运算符。
最终的梯度特征
进一步的是,在步骤E中,检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度采用person相似度:
其中,X代表检测模板防震锤图像特征值,为检测模板防震锤图像特征均值,Y代表待检测防震锤图像特征值,为待检测防震锤图像特征均值,n为特征维度,Person_Corr为pearson相似度。
本发明的有益效果:该输电线路的防震锤脱落缺陷检测方法包括防震锤标注、模板筛选、待检测图像的偏移估算与补偿、防震锤目标提取、防震锤特征提取、基于相似度分析的缺陷判定,通过运用待检测图像与历史模板图像的相似度分析方法避免了训练样本需求量大的问题,同时本发明通过引入多模板对比、图像位置偏移估算与补偿技术进一步的提高了检测的准确率,经过实际验证,其准确率高于90%。
具体实施方式
本发明所述的输电线路的防震锤脱落缺陷检测方法,包括以下步骤:
A、防震锤标注:获取输电线路的防震锤历史模板图像集合,并在每张防震锤历史模板图像上标注出防震锤的对应位置信息;
B、模板筛选:获取输电线路的防震锤待检测图像,然后将防震锤历史模板图像集合中的每一张图像与防震锤待检测图像进行相似度计算,然后选取其中相似度最高的防震锤历史模板图像作为检测模板图像;
C、待检测图像的偏移估算与补偿:将检测模板图像所对应的横向、纵向的图像像素偏移量x,y作为图像偏移量的估算结果,并用该偏移量作为待检测图像的偏移补偿量;
D、防震锤目标提取:根据检测模板图像中标注出的防震锤的对应位置信息对检测模板图像进行裁剪得到检测模板防震锤图像;根据检测模板图像中标注出的防震锤的对应位置信息并结合待检测图像的偏移补偿量对检测模板图像进行裁剪得到待检测防震锤图像;
E、防震锤特征提取:首先,将检测模板防震锤图像和待检测防震锤图像分别由RGB转为灰度图像,其次,对灰度图像运用sobel算子进行处理,得到检测模板防震锤图像的梯度特征值X和待检测防震锤图像的梯度特征值Y;
F、计算检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度;
G、缺陷判定:若检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度大于预定义门限,则认为防震锤未脱落,否则认为存在防震锤脱落缺陷。
该输电线路的防震锤脱落缺陷检测方法包括防震锤标注、模板筛选、待检测图像的偏移估算与补偿、防震锤目标提取、防震锤特征提取、基于相似度分析的缺陷判定,通过运用待检测图像与历史模板图像的相似度分析方法避免了训练样本需求量大的问题,同时本发明通过引入多模板对比、图像位置偏移估算与补偿技术进一步的提高了检测的准确率,经过实际验证,其准确率高于90%。
进一步的是,在步骤A中,在每张防震锤历史模板图像上标注出防震锤的对应位置信息为旋转矩形区域,所述旋转矩形区域包含矩形中心点坐标、矩形宽度、矩形高度、矩形旋转角度。旋转矩形区域可以将防震锤整个标出,方便识别。
另外,在步骤B中,为了快速准确找到与待检测图像相似度最高的历史模板图像,所述相似度计算采用如下计算公式:
相似度
其中:T'(i,j)=T(i,j)-1/(w·h)·∑m,nT(m,n);
I'(x+i,y+j)=I(x+i,y+j)-1/(w·h)·∑m,nI(x+m,y+n);
其中T(i,j)为防震锤历史模板图像集合中的一张图像,I(i,j)为待检测图像,x,y为横向、纵向的图像像素偏移量,w,h为图像的宽度、高度。
再者,在步骤E中,对灰度图像运用sobel算子进行处理的具体方法如下所述:sobel算子包含两组处理结果Gx、Gy,分别代表横向、纵向的梯度信息:
其中A为灰度图像,为二维卷积运算符。
最终的梯度特征
进一步的是,在步骤E中,为了准确计算得到检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度,检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度采用person相似度:
其中,X代表检测模板防震锤图像特征值,为检测模板防震锤图像特征均值,Y代表待检测防震锤图像特征值,为待检测防震锤图像特征均值,n为特征维度,Person_Corr为pearson相似度。
Claims (5)
1.一种输电线路的防震锤脱落缺陷检测方法,其特征在于包括以下步骤:
A、防震锤标注:获取输电线路的防震锤历史模板图像集合,并在每张防震锤历史模板图像上标注出防震锤的对应位置信息;
B、模板筛选:获取输电线路的防震锤待检测图像,然后将防震锤历史模板图像集合中的每一张图像与防震锤待检测图像进行相似度计算,然后选取其中相似度最高的防震锤历史模板图像作为检测模板图像;
C、待检测图像的偏移估算与补偿:将检测模板图像所对应的横向、纵向的图像像素偏移量x,y作为图像偏移量的估算结果,并用该偏移量作为待检测图像的偏移补偿量;
D、防震锤目标提取:根据检测模板图像中标注出的防震锤的对应位置信息对检测模板图像进行裁剪得到检测模板防震锤图像;根据检测模板图像中标注出的防震锤的对应位置信息并结合待检测图像的偏移补偿量对检测模板图像进行裁剪得到待检测防震锤图像;
E、防震锤特征提取:首先,将检测模板防震锤图像和待检测防震锤图像分别由RGB转为灰度图像,其次,对灰度图像运用sobel算子进行处理,得到检测模板防震锤图像的梯度特征值X和待检测防震锤图像的梯度特征值Y;
F、计算检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度;
G、缺陷判定:若检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度大于预定义门限,则认为防震锤未脱落,否则认为存在防震锤脱落缺陷。
2.如权利要求1所述的输电线路的防震锤脱落缺陷检测方法,其特征在于:在步骤A中,在每张防震锤历史模板图像上标注出防震锤的对应位置信息为旋转矩形区域,所述旋转矩形区域包含矩形中心点坐标、矩形宽度、矩形高度、矩形旋转角度。
3.如权利要求1所述的输电线路的防震锤脱落缺陷检测方法,其特征在于:在步骤B中,所述相似度计算采用如下计算公式:
相似度
其中:T'(i,j)=T(i,j)-1/(w·h)·∑m,nT(m,n);
I'(x+i,y+j)=I(x+i,y+j)-1/(w·h)·∑m,nI(x+m,y+n);
其中T(i,j)为防震锤历史模板图像集合中的一张图像,I(i,j)为待检测图像,x,y为横向、纵向的图像像素偏移量,w,h为图像的宽度、高度。
4.如权利要求1所述的输电线路的防震锤脱落缺陷检测方法,其特征在于:在步骤E中,对灰度图像运用sobel算子进行处理的具体方法如下所述:sobel算子包含两组处理结果Gx、Gy,分别代表横向、纵向的梯度信息:
<mrow>
<mi>G</mi>
<mi>x</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CircleTimes;</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>G</mi>
<mi>y</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CircleTimes;</mo>
<mi>A</mi>
</mrow>
其中A为灰度图像,为二维卷积运算符。
最终的梯度特征
5.如权利要求1所述的输电线路的防震锤脱落缺陷检测方法,其特征在于:在步骤E中,检测模板防震锤图像与待检测防震锤图像在防震锤目标区域的特征相似度采用person相似度:
<mrow>
<mi>P</mi>
<mi>e</mi>
<mi>r</mi>
<mi>s</mi>
<mi>o</mi>
<mi>n</mi>
<mo>_</mo>
<mi>C</mi>
<mi>o</mi>
<mi>r</mi>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
其中,X代表检测模板防震锤图像特征值,为检测模板防震锤图像特征均值,Y代表待检测防震锤图像特征值,为待检测防震锤图像特征均值,n为特征维度,Person_Corr为pearson相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710946636.9A CN107680091B (zh) | 2017-10-12 | 2017-10-12 | 一种输电线路的防震锤脱落缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710946636.9A CN107680091B (zh) | 2017-10-12 | 2017-10-12 | 一种输电线路的防震锤脱落缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107680091A true CN107680091A (zh) | 2018-02-09 |
CN107680091B CN107680091B (zh) | 2020-11-17 |
Family
ID=61139901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710946636.9A Active CN107680091B (zh) | 2017-10-12 | 2017-10-12 | 一种输电线路的防震锤脱落缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680091B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300130A (zh) * | 2018-10-09 | 2019-02-01 | 广东电网有限责任公司 | 检测方法及装置 |
CN110059746A (zh) * | 2019-04-18 | 2019-07-26 | 达闼科技(北京)有限公司 | 一种创建目标检测模型的方法、电子设备及存储介质 |
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 |
CN110807766A (zh) * | 2019-10-17 | 2020-02-18 | 西安工程大学 | 一种基于可见光图像的双防震锤位移识别方法 |
CN111833347A (zh) * | 2020-07-31 | 2020-10-27 | 广东电网有限责任公司 | 一种输电线路防振锤缺陷检测方法及相关装置 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050263715A1 (en) * | 2004-05-26 | 2005-12-01 | Ebara Corporation | Objective lens, electron beam system and method of inspecting defect |
CN103310438A (zh) * | 2013-04-16 | 2013-09-18 | 西南交通大学 | 基于Harris角点与图像差分的接触网棒式绝缘子故障检测方法 |
CN105652154A (zh) * | 2016-01-25 | 2016-06-08 | 成都国铁电气设备有限公司 | 接触网运行状态安全监测分析系统 |
CN105719305A (zh) * | 2016-01-25 | 2016-06-29 | 成都国铁电气设备有限公司 | 接触网中组件脱落缺陷识别方法及系统 |
CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
-
2017
- 2017-10-12 CN CN201710946636.9A patent/CN107680091B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050263715A1 (en) * | 2004-05-26 | 2005-12-01 | Ebara Corporation | Objective lens, electron beam system and method of inspecting defect |
CN103310438A (zh) * | 2013-04-16 | 2013-09-18 | 西南交通大学 | 基于Harris角点与图像差分的接触网棒式绝缘子故障检测方法 |
CN105652154A (zh) * | 2016-01-25 | 2016-06-08 | 成都国铁电气设备有限公司 | 接触网运行状态安全监测分析系统 |
CN105719305A (zh) * | 2016-01-25 | 2016-06-29 | 成都国铁电气设备有限公司 | 接触网中组件脱落缺陷识别方法及系统 |
CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
Non-Patent Citations (1)
Title |
---|
孙凤杰 等: "基于方向场的输电线路间隔棒匹配定位算法", 《中国电机工程学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300130A (zh) * | 2018-10-09 | 2019-02-01 | 广东电网有限责任公司 | 检测方法及装置 |
CN110059746A (zh) * | 2019-04-18 | 2019-07-26 | 达闼科技(北京)有限公司 | 一种创建目标检测模型的方法、电子设备及存储介质 |
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 |
CN110119771B (zh) * | 2019-04-29 | 2020-12-22 | 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 |
CN110807766A (zh) * | 2019-10-17 | 2020-02-18 | 西安工程大学 | 一种基于可见光图像的双防震锤位移识别方法 |
CN111833347A (zh) * | 2020-07-31 | 2020-10-27 | 广东电网有限责任公司 | 一种输电线路防振锤缺陷检测方法及相关装置 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
CN115018833B (zh) * | 2022-08-05 | 2022-11-04 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107680091B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680091A (zh) | 一种输电线路的防震锤脱落缺陷检测方法 | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN101159009B (zh) | 从遥感图像中检测桥梁的方法 | |
CN105374033B (zh) | 基于脊波反卷积网络和稀疏分类的sar图像分割方法 | |
Kim et al. | Unmanned aerial vehicle (UAV)-powered concrete crack detection based on digital image processing | |
CN111044197B (zh) | 一种基于无人机平台的非接触式索力测试系统 | |
CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
CN106056619A (zh) | 基于梯度约束Radon变换的无人机视觉电线巡检方法 | |
CN108106541A (zh) | 一种基于视频图像识别的桥梁索力测量方法 | |
CN105426905A (zh) | 基于梯度直方图和支持向量机的机器人障碍物识别方法 | |
CN106651828A (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN103530590A (zh) | Dpm二维码识别系统 | |
CN107644234A (zh) | 一种输电线路的绝缘子脱落缺陷检测方法 | |
CN105184317B (zh) | 一种基于svm分类的车牌字符分割方法 | |
CN103149087B (zh) | 一种基于随动视窗与数字图像的非接触式实时应变测量方法 | |
CN109242038A (zh) | 一种用于标签不足情况的机器人地形分类器训练方法 | |
Rivera et al. | Automated detection and measurement of cracks in reinforced concrete components | |
CN104778713A (zh) | 一种图像处理方法 | |
CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
CN103218785B (zh) | 图像修复方法和装置 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN104156722A (zh) | 一种基于高分辨遥感图像的机场目标检测方法 | |
CN107423738A (zh) | 一种基于模板匹配的试卷题目定位方法及装置 | |
CN110516524A (zh) | 一种交通场景中基于Mask R-CNN的车辆轴数识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |