CN107991322A - 智能识别电力设备内部部件缺陷的方法及装置 - Google Patents
智能识别电力设备内部部件缺陷的方法及装置 Download PDFInfo
- Publication number
- CN107991322A CN107991322A CN201710938819.6A CN201710938819A CN107991322A CN 107991322 A CN107991322 A CN 107991322A CN 201710938819 A CN201710938819 A CN 201710938819A CN 107991322 A CN107991322 A CN 107991322A
- Authority
- CN
- China
- Prior art keywords
- information
- defect
- field
- image
- ray image
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
Abstract
本发明公开一种智能识别电力设备内部部件缺陷的方法,包括:获取电力设备的现场X射线图像;对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;对所述现场X射线图像中的缺陷对象进行图像特征信息提取;根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。本发明实施例还提供了相应的装置。实施本发明,可以提高设备检测效率以及精准度。
Description
技术领域
本发明涉及电力设备故障和缺陷检测技术,尤其涉及一种智能识别电力设备内部部件缺陷的方法及装置。
背景技术
随着我国社会的快速发展,电力事业也得到快速的发展,现代电力系统向着大电网,大机超高压,大容量方向发展。为保障电力系统的运行的稳定性和可靠性,就对电力网络设备的安全运行提出了更高的要求。
电力设备内部任何故障与缺陷的存在,都可能影响设备整体性能,甚至造成 所辖局部地区至全部地区的停电事故。由于某些电力设备自身结构的原因,进 行停电检修时除需要投入量的人力物力外,可能还需要较长的维修时间,这势必会给当地经济造成重大的损失。因此在电力设备发生故障之前,如能检测并判断它的内部缺陷位置、性质及程度,就显得尤为重要。
现有电力设备内部故障与缺陷判断都是通过X射线得到的图片,由专业人员通过阅读图片来分析设备故障与缺陷,耗费大量的人力与物力所需的时间较长,故障分析处理效率低。
发明内容
本发明所述解决的技术问题在于,提供一种智能识别电力设备内部部件缺陷的方法及装置,可以实现对电力设备内部安全隐患准确定位分析,快速排除设备内部故障,及时发现内部缺陷。
为解决上述技术问题,本发明实施例的一方面提供一种智能识别电力设备内部部件缺陷的方法,包括:
获取电力设备的现场X射线图像;
对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;
对所述现场X射线图像中的缺陷对象进行图像特征信息提取;
根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。
优选地,所述电力设备的现场X射线图像的步骤具体为:
通过现场X射线设备获取所述电力设备的现场X射线图像,或获取已存储的所述电力设备的现场X射线图像。
优选地,对所述现场X射线图像进行识别的步骤包括:
将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;
提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。
优选地,所述根据获取的X射线图像进行图像特征信息提取的步骤包括:
对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象,再对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
优选地,根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息的步骤包括:
比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
优选地,根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息的步骤包括:
根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;
将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息。
相应地,本发明实施例的另一方面,还提供一种智能识别电力设备内部部件缺陷的装置,包括:
图像获取单元,用于获取电力设备的现场X射线图像;
对象识别单元,用于对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;
特征提取单元,用于对所述现场X射线图像中的缺陷对象进行图像特征信息提取;
特征修正单元,用于根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
缺陷确定单元,用于根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
输出单元,用于输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。
优选地,对象识别单元包括:
对比单元,用于将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;
部件确认单元,用于提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
类型确认单元,用于提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。
优选地,所述特征提取单元包括:
分割单元,用于对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象;
提取单元,用于对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
优选地,所述特征修正单元包括:
相似度比较单元,用于比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
实际参数确定单元,用于获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
优选地,所述特征修正单元包括:
坐标构建单元,用于根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;
确定单元,用于将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种智能识别电力设备内部部件缺陷的方法及装置,可以利用图片识别和处理技术, 自动获取和分析电力设备内部部件的图像特征信息,并基于图像特征信息实现了自动判断故障部件,从而减少了故障分析判断的时间,提供准确的故障信息,提高了对电力设备内部部件缺陷识别的效率及准确度,为电力企业和用户减少不必要的损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明提供的一种智能识别电力设备内部部件缺陷的方法的一个实施例的主流程示意图;
图2是本发明提供的一种智能识别电力设备内部部件缺陷的装置的一个实施例的结构示意图;
图3是图2中对象识别单元的结构示意图;
图4是图2中特征提取单元的结构示意图;
图5是图2中特征修正单元的一个实施例的结构示意图;
图6是图2中特征修正单元的另一个实施例的结构示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然所描述的实施例仅仅是本发明的一部分实施例,而不是全部的 实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性 劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
如图1所示,示出了本发明提供一种智能识别电力设备内部部件缺陷的方法的一个实施例的主流程示意图。在该实施例中,该方法包括如下的步骤:
步骤S10,获取电力设备的现场X射线图像;具体地,可以通过现场X射线设备获取所述电力设备的现场X射线图像,或获取已存储的所述电力设备的现场X射线图像,甚至 还可以通过相关人员手工录入已获取现场X射线图像。
步骤S11,对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;具体地,包括:
将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;例如,在一个具体的例子中,可以将图像暗影区识别为可疑缺陷;具体地,通过图像对比技术,将获取的现场X射线图像与预先存储的正常状态时的现场图像进行对比,如果两副图像中某一处得到的差别大于预先设置的差别阈值,则确定获取的图像中的该处包含有可疑缺陷。
提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。其中,预先获取的缺陷特征可以根据已发现设备故障或缺陷发时拍摄得到的图片,对图片进行处理得到。
步骤S12,对所述现场X射线图像中的缺陷对象进行图像特征信息提取;具体地,包括:
对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象,再对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息,其中,分割处理可以采用目标轮廓算法以及背差法算法等图像分割算法。关于采用图像分割算法对识别出的对象进行分割处理,获取图像特征的详细描述,具体可参见相关技术文献,在此不再赘述。
步骤S13,根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
具体地,在一个实施例中,该步骤S13包括:
比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
在另一个实施例中,该步骤S13包括:
根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;
将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息。
步骤S14,根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
步骤S15,输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。可以理解的是,在本方法中,可以根据对象实际参数信息以及预先设置的设备划分策略, 输出确定缺陷信息,并依据缺陷大小,分析出缺陷对设备安全运行的影响大小。
如图2所示,示出了本发明提供的一种能识别电力设备内部部件缺陷的装置的一个实施例的结构示意图,一并结合图3-6所示。在该实施例中,该智能识别电力设备内部部件缺陷的装置1,包括:
图像获取单元10,用于获取电力设备的现场X射线图像,可以理解的是,其中携带了诸如X射线源的坐标、拍照时的偏转方向等参数信息;
对象识别单元11,用于对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;具体地,可以通过对现场X射线图像中暗影区的识别,并与该电力设备的正常的X射线图像进行对比,来确定其是否存在缺陷以及类型;
特征提取单元12,用于对所述现场X射线图像中的缺陷对象进行图像特征信息提取;
特征修正单元13,用于根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
缺陷确定单元14,用于根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
输出单元15,用于输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。
可以理解的是,在所述装置中进一步包括有存储单元,用于存放设备正常时拍摄的X射线图片,同时用来存放现场检查时拍摄的X射线图片,以为图像比对提供重要的依据。
具体地,对象识别单元11包括:
对比单元110,用于将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;
部件确认单元111,用于提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
类型确认单元112,用于提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。
具体地,所述特征提取单元12包括:
分割单元120,用于对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象;可以理解的是,分割出的缺陷对象保留该对象在原图像中的位置信息,同时,所采用的图像分割算法包括诸如目标轮廓算法、背差法算法等;
提取单元121,用于对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
具体地,在一个实施例中,所述特征修正单元13包括:
相似度比较单元130,用于比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
实际参数确定单元131,用于获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
在另一个实施例中,所述特征修正单元13包括:
坐标构建单元132,用于根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;可以理解的是,本发明实施例中,由于X射线源焦距和旋转角度的不同,使得拍摄得到的各图片比例并不一致,如果以拍摄得到的图片中包含的对象进行缺陷判定,将导致对于同一缺陷,经由各图片判断出的缺陷不一致,因而,需要将拍摄的到的图片的图像特征信息转换为对象的实际参数信息, 从而使图像特征信息符合实际情况,避免误判或错判,使经由各图片判断出的缺陷一致。
确定单元133,用于将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息,这样,通过将所有对象映射到同一坐标系,可以很准确地计算出对象的实际参数。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种智能识别电力设备内部部件缺陷的方法及装置,可以利用图片识别和处理技术, 自动获取和分析电力设备内部部件的图像特征信息,并基于图像特征信息实现了自动判断故障部件,从而减少了故障分析判断的时间,提供准确的故障信息,提高了对电力设备内部部件缺陷识别的效率及准确度,为电力企业和用户减少不必要的损失。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种智能识别电力设备内部部件缺陷的方法,其特征在于,包括:
获取电力设备的现场X射线图像;
对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;
对所述现场X射线图像中的缺陷对象进行图像特征信息提取;
根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。
2.如权利要求1所述的方法,其特征在于,所述电力设备的现场X射线图像的步骤具体为:
通过现场X射线设备获取所述电力设备的现场X射线图像,或获取已存储的所述电力设备的现场X射线图像。
3.如权利要求1所述的方法,其特征在于,对所述现场X射线图像进行识别的步骤包括:
将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;
提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。
4.如权利要求3所述的方法,其特征在于,所述根据获取的X射线图像进行图像特征信息提取的步骤包括:
对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象,再对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
5.要求4所述的方法,其特征在于,根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息的步骤包括:
比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
6.如权利要求4所述的方法,其特征在于,根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息的步骤包括:
根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;
将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息。
7.一种智能识别电力设备内部部件缺陷的装置,包括:
图像获取单元,用于获取电力设备的现场X射线图像;
对象识别单元,用于对所述现场X射线图像进行识别,确定所述现场X射线图像是否存在缺陷对象,以及所述缺陷对象对应的部件名称以及类型;
特征提取单元,用于对所述现场X射线图像中的缺陷对象进行图像特征信息提取;
特征修正单元,用于根据所述缺陷对象的图像特征信息,获取所述缺陷对象的实际参数信息;
缺陷确定单元,用于根据所缺陷对象的实际参数信息,确定所述缺陷对象的位置与大小;
输出单元,用于输出所述缺陷对象的位置与大小,并确定所述缺陷对象对设备安全运行影响的大小。
8.如权利要求7所述的装置,其特征在于,对象识别单元包括:
对比单元,用于将获取的现场X射线图像与预先存储的所述设备正常状态时的X射线图像进行对比,并将差值与预定的差别阈值进行比较,识别出获取的现场X射线图像中包含的可疑缺陷;
部件确认单元,用于提取现场X射线图像中可疑缺陷的特征,与预先获取的电力设备内部各部件特征信息进行匹配,确定X射线图像中可疑异物为所述设备的某个部件,其中,所述电力设备内部各部件特征信息包括:长度信息、宽度信息以及轮廓拟合曲线信息;
类型确认单元,用于提取现场X射线图像中包含的可疑缺陷特征,与预先获取的缺陷特征进行匹配,对确定现场X射线图像可疑缺陷的类型,所述类型为裂缝、孔洞或夹渣。
9.如权利要求8所述的装置,其特征在于,所述特征提取单元包括:
分割单元,用于对所述现场X射线图像中包含可疑缺陷的区域进行分割处理,获取分割出的缺陷对象;
提取单元,用于对分割出的缺陷对象针对其缺陷类型进行图像特征信息提取,所述提取获得的图像特征信息包括:裂缝特征信息、孔洞特征信息、夹渣特征信息,其中,裂缝特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
10.如权利要求9所述的装置,其特征在于,所述特征修正单元包括:
相似度比较单元,用于比较所述获取的图像特征信息与案例库中存储的各种缺陷图像的图像特征信息的相似度,所述相似度为几何尺寸的相似度;
实际参数确定单元,用于获得案例库中与其具有最大相似度的缺陷图案的实际参数信息,将所述实际参数信息作为所述缺陷对象的实际参数信息。
11.如权利要求9所述的装置,其特征在于,所述特征修正单元包括:
坐标构建单元,用于根据所述现场X射线图像获取其X射线源的坐标信息,建立坐标系;
确定单元,用于将所述缺陷对象的图像特征信息,映射在所述坐标系统上,获得所述缺陷对象的实际参数信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710938819.6A CN107991322A (zh) | 2017-10-11 | 2017-10-11 | 智能识别电力设备内部部件缺陷的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710938819.6A CN107991322A (zh) | 2017-10-11 | 2017-10-11 | 智能识别电力设备内部部件缺陷的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107991322A true CN107991322A (zh) | 2018-05-04 |
Family
ID=62028824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710938819.6A Pending CN107991322A (zh) | 2017-10-11 | 2017-10-11 | 智能识别电力设备内部部件缺陷的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107991322A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187597A (zh) * | 2018-09-28 | 2019-01-11 | 山东非金属材料研究所 | 一种x射线数字成像缺陷尺寸测量方法 |
CN112966668A (zh) * | 2021-04-06 | 2021-06-15 | 中交三公局第一工程有限公司 | 一种智能消防预警系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101988905A (zh) * | 2009-08-07 | 2011-03-23 | 深圳劲嘉彩印集团股份有限公司 | 印品检测设备 |
CN102230902A (zh) * | 2011-07-11 | 2011-11-02 | 云南电力试验研究院(集团)有限公司 | Gis设备内部缺陷可视化智能识别方法 |
CN102998308A (zh) * | 2012-10-30 | 2013-03-27 | 吴江新劲纺织有限公司 | 一种织机监测系统 |
CN103065413A (zh) * | 2012-12-13 | 2013-04-24 | 中国电子科技集团公司第十五研究所 | 获取火灾等级信息的方法及装置 |
CN103336517A (zh) * | 2013-07-02 | 2013-10-02 | 周庆芬 | 一种智能农业综合管理系统 |
CN106371013A (zh) * | 2016-11-08 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种基于图片识别的gis开关故障自动识别系统 |
-
2017
- 2017-10-11 CN CN201710938819.6A patent/CN107991322A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101988905A (zh) * | 2009-08-07 | 2011-03-23 | 深圳劲嘉彩印集团股份有限公司 | 印品检测设备 |
CN102230902A (zh) * | 2011-07-11 | 2011-11-02 | 云南电力试验研究院(集团)有限公司 | Gis设备内部缺陷可视化智能识别方法 |
CN102998308A (zh) * | 2012-10-30 | 2013-03-27 | 吴江新劲纺织有限公司 | 一种织机监测系统 |
CN103065413A (zh) * | 2012-12-13 | 2013-04-24 | 中国电子科技集团公司第十五研究所 | 获取火灾等级信息的方法及装置 |
CN103336517A (zh) * | 2013-07-02 | 2013-10-02 | 周庆芬 | 一种智能农业综合管理系统 |
CN106371013A (zh) * | 2016-11-08 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种基于图片识别的gis开关故障自动识别系统 |
Non-Patent Citations (1)
Title |
---|
金立军等: "基于图像色彩特征融合的绝缘子污秽等级检测", 《同济大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187597A (zh) * | 2018-09-28 | 2019-01-11 | 山东非金属材料研究所 | 一种x射线数字成像缺陷尺寸测量方法 |
CN109187597B (zh) * | 2018-09-28 | 2021-05-18 | 山东非金属材料研究所 | 一种x射线数字成像缺陷尺寸测量方法 |
CN112966668A (zh) * | 2021-04-06 | 2021-06-15 | 中交三公局第一工程有限公司 | 一种智能消防预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106290388B (zh) | 一种绝缘子故障自动检测方法 | |
Tsai et al. | Critical assessment of pavement distress segmentation methods | |
US8750596B2 (en) | System and method for identifying defects in a material | |
CN109100370A (zh) | 一种基于投影法和连通域分析的pcb板缺陷检测方法 | |
CN103886294B (zh) | 基于图像的换流站用避雷器动作次数的识别方法以及系统 | |
CN109948565A (zh) | 一种用于邮政业的违禁品不开箱检测方法 | |
CN106844170B (zh) | 一种故障处理、分析故障的影响面方法和设备 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
RU2003108433A (ru) | Способ предварительной обработки изображения машиночитаемой формы | |
CN107991322A (zh) | 智能识别电力设备内部部件缺陷的方法及装置 | |
CN108663382A (zh) | 基于视觉显著性的纸张表面缺陷检测的方法及装置 | |
CN112001327A (zh) | 一种阀厅设备故障识别方法及系统 | |
CN110443278A (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
CN109389105A (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
US8775613B2 (en) | Method and system for providing network monitoring, security event collection apparatus and service abnormality detection apparatus for network monitoring | |
CN111028094B (zh) | 一种基于页岩扫描电镜图像提取的等效toc计算方法 | |
CN114882010A (zh) | 基于图片识别的表面缺陷检测方法 | |
CN114677348A (zh) | 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质 | |
CN113128393A (zh) | 一种检测大型机械吊臂下是否有人的方法和系统 | |
CN108563997A (zh) | 一种建立人脸检测模型、人脸识别的方法和装置 | |
KR20220102506A (ko) | 보일러튜브 표면 결함탐지 장치 및 방법 | |
CN110322395B (zh) | 基于图像处理与仿射变换的零件轮廓形状检测方法及装置 | |
WO2018214627A1 (zh) | 一种钞票真伪检测方法及系统 | |
CN103746871B (zh) | 数据有效性检测装置和检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |