CN108038846A - 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 - Google Patents
基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN108038846A CN108038846A CN201711259925.8A CN201711259925A CN108038846A CN 108038846 A CN108038846 A CN 108038846A CN 201711259925 A CN201711259925 A CN 201711259925A CN 108038846 A CN108038846 A CN 108038846A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- layer
- neural network
- convolutional neural
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000007547 defect Effects 0.000 title claims abstract description 38
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 28
- 230000005540 biological transmission Effects 0.000 title claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 58
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 33
- 238000005286 illumination Methods 0.000 claims description 25
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010008 shearing Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000002087 whitening effect Effects 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 12
- 238000007689 inspection Methods 0.000 abstract description 8
- 238000010801 machine learning Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000004321 preservation Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 239000012212 insulator Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
迭代参数 | 处理速度(CPU) | 处理速度(GPU) | 训练精度 | 测试精度 |
2000次 | 5.5张/秒 | 33.8张/秒 | 100% | 81% |
4000次 | 5.1张/秒 | 33.5张/秒 | 100% | 87% |
6000次 | 4.7张/秒 | 33.6张/秒 | 100% | 83% |
8000次 | 3.8张/秒 | 33.6张/秒 | 100% | 86% |
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711259925.8A CN108038846A (zh) | 2017-12-04 | 2017-12-04 | 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711259925.8A CN108038846A (zh) | 2017-12-04 | 2017-12-04 | 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038846A true CN108038846A (zh) | 2018-05-15 |
Family
ID=62094935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711259925.8A Pending CN108038846A (zh) | 2017-12-04 | 2017-12-04 | 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038846A (zh) |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734178A (zh) * | 2018-05-18 | 2018-11-02 | 电子科技大学 | 一种基于规则化模板的hog特征提取方法 |
CN109064434A (zh) * | 2018-06-28 | 2018-12-21 | 广州视源电子科技股份有限公司 | 图像增强的方法、装置、存储介质及计算机设备 |
CN109087281A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN109377483A (zh) * | 2018-09-30 | 2019-02-22 | 云南电网有限责任公司普洱供电局 | 瓷绝缘子裂纹检测方法及装置 |
CN109544544A (zh) * | 2018-11-30 | 2019-03-29 | 长讯通信服务有限公司 | 一种基于深度学习与无人机的移动通信维护对象状态识别方法 |
CN109638826A (zh) * | 2018-12-24 | 2019-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于cnn的电网拓扑辨识方法及系统 |
CN109741268A (zh) * | 2018-12-05 | 2019-05-10 | 天津大学 | 一种针对壁画的破损图像补全方法 |
CN109753929A (zh) * | 2019-01-03 | 2019-05-14 | 华东交通大学 | 一种图库联合的高铁绝缘子巡检图像识别方法 |
CN109785288A (zh) * | 2018-12-17 | 2019-05-21 | 广东电网有限责任公司 | 基于深度学习的输电设备缺陷检测方法及系统 |
CN109870617A (zh) * | 2018-09-21 | 2019-06-11 | 浙江大学 | 一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法 |
CN109886232A (zh) * | 2019-02-28 | 2019-06-14 | 燊赛(上海)智能科技有限公司 | 一种基于神经网络的电网图像识别系统 |
CN109919917A (zh) * | 2019-02-21 | 2019-06-21 | 国网山东省电力公司临沂供电公司 | 基于图像处理的架空输电线路的异物检测方法 |
CN110020598A (zh) * | 2019-02-28 | 2019-07-16 | 中电海康集团有限公司 | 一种基于深度学习检测电线杆上异物的方法及装置 |
CN110232661A (zh) * | 2019-05-03 | 2019-09-13 | 天津大学 | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 |
CN110276299A (zh) * | 2019-06-21 | 2019-09-24 | 国网北京市电力公司 | 计量箱外观故障图像识别模型及方法 |
CN110458798A (zh) * | 2019-06-20 | 2019-11-15 | 长沙理工大学 | 基于关键点检测的防振锤缺陷视觉检测方法、系统及介质 |
CN110533627A (zh) * | 2019-07-08 | 2019-12-03 | 天津商业大学 | 用于检测网绳断裂的方法 |
CN110705847A (zh) * | 2019-09-18 | 2020-01-17 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于图像识别技术的变电站智能巡检方法及系统 |
CN110728665A (zh) * | 2019-09-30 | 2020-01-24 | 西安电子科技大学 | 基于并行概率神经网络的sar图像变化检测方法 |
CN110782431A (zh) * | 2019-10-08 | 2020-02-11 | 浙江大学 | 一种基于深度学习的高压电线结冰区域检测方法 |
CN110796584A (zh) * | 2019-10-28 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 运动模糊图像建模方法、装置、存储介质及巡检机器人 |
CN110992329A (zh) * | 2019-11-28 | 2020-04-10 | 上海微创医疗器械(集团)有限公司 | 一种产品表面缺陷检测方法、电子设备及可读存储介质 |
CN111027631A (zh) * | 2019-12-13 | 2020-04-17 | 四川赛康智能科技股份有限公司 | 高压耐张线夹压接缺陷判别的x射线影像分类识别方法 |
CN111062631A (zh) * | 2019-12-24 | 2020-04-24 | 广东电网有限责任公司 | 一种输电设备缺陷状态评价方法 |
CN111062908A (zh) * | 2018-10-01 | 2020-04-24 | Skc株式会社 | 检测膜缺陷的方法及系统 |
CN111080613A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车浴盆破损故障图像识别方法 |
CN111179250A (zh) * | 2019-12-30 | 2020-05-19 | 北京航空航天大学 | 一种基于多任务学习的工业品缺陷检测系统 |
CN111340787A (zh) * | 2020-02-28 | 2020-06-26 | 广东电网有限责任公司 | 输电线路的导线缺陷检测识别方法、装置及计算机设备 |
CN111462310A (zh) * | 2020-03-31 | 2020-07-28 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于多视几何的螺栓缺陷空间定位方法 |
CN111524108A (zh) * | 2020-04-15 | 2020-08-11 | 四川赛康智能科技股份有限公司 | 一种变电站设备检测方法及设备 |
CN111563869A (zh) * | 2019-01-25 | 2020-08-21 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法 |
CN111583183A (zh) * | 2020-04-13 | 2020-08-25 | 成都数之联科技有限公司 | 一种用于pcb板图像缺陷检测的数据增强方法和系统 |
CN111600383A (zh) * | 2020-05-12 | 2020-08-28 | 合肥中科类脑智能技术有限公司 | 输电线路智能一体化巡检装置 |
CN111751253A (zh) * | 2020-07-06 | 2020-10-09 | 重庆理工大学 | 一种混凝土骨料检测模型的形成方法及质量检测方法 |
CN112179922A (zh) * | 2020-09-24 | 2021-01-05 | 安徽德尔电气集团有限公司 | 一种电线电缆缺陷检测系统 |
CN112183665A (zh) * | 2020-10-28 | 2021-01-05 | 广西科技大学 | 一种基于卷积神经网络的co2焊接熔池图像识别方法 |
CN112513927A (zh) * | 2018-08-03 | 2021-03-16 | 西门子歌美飒可再生能源有限两合公司 | 基于卷积神经网络的风力涡轮机叶片缺陷检查 |
CN113033386A (zh) * | 2021-03-23 | 2021-06-25 | 广东电网有限责任公司广州供电局 | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 |
CN113268914A (zh) * | 2020-02-14 | 2021-08-17 | 聚积科技股份有限公司 | 发光二极管调屏标准判定模型建立方法 |
CN113361520A (zh) * | 2021-06-01 | 2021-09-07 | 南京南瑞信息通信科技有限公司 | 基于样本偏移网络的输电线路设备缺陷检测方法 |
CN113421271A (zh) * | 2021-05-17 | 2021-09-21 | 江苏大学 | 基于mlp多层神经网络的天然皮革缺陷分割方法 |
CN113536989A (zh) * | 2021-06-29 | 2021-10-22 | 广州博通信息技术有限公司 | 基于摄像视频逐帧分析的制冷机结霜监控方法及系统 |
CN113711234A (zh) * | 2019-03-15 | 2021-11-26 | 英威达纺织(英国)有限公司 | 纱线质量控制 |
CN116029947A (zh) * | 2023-03-30 | 2023-04-28 | 之江实验室 | 一种用于恶劣环境的复杂光学图像增强方法、装置和介质 |
CN116205908A (zh) * | 2023-04-27 | 2023-06-02 | 阳谷新太平洋电缆有限公司 | 基于卷积神经网络的电缆同轴度视觉检测的方法 |
CN117437188A (zh) * | 2023-10-17 | 2024-01-23 | 广东电力交易中心有限责任公司 | 一种用于智慧电网的绝缘子缺陷检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413139A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 基于电力巡线红外巡检视频数据的电力设备异常发热检测方法 |
CN107133943A (zh) * | 2017-04-26 | 2017-09-05 | 贵州电网有限责任公司输电运行检修分公司 | 一种防震锤缺陷检测的视觉检测方法 |
-
2017
- 2017-12-04 CN CN201711259925.8A patent/CN108038846A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413139A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 基于电力巡线红外巡检视频数据的电力设备异常发热检测方法 |
CN107133943A (zh) * | 2017-04-26 | 2017-09-05 | 贵州电网有限责任公司输电运行检修分公司 | 一种防震锤缺陷检测的视觉检测方法 |
Non-Patent Citations (4)
Title |
---|
D.J. JOBSON等: "《A multiscale retinex for bridging the gap between color images and the human observation of scenes》", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
KRIZHEVSKY A等: "《ImageNet Classification with DeepConvolutional Neural Networks》", 《ADVANCES IN NEURAL INFORMATIONPROCESSING SYSTEMS》 * |
楚敏南: "《基于卷积神经网络的图像分类技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王耀南: "《智能信息处理技术》", 31 August 2003 * |
Cited By (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734178A (zh) * | 2018-05-18 | 2018-11-02 | 电子科技大学 | 一种基于规则化模板的hog特征提取方法 |
CN109064434A (zh) * | 2018-06-28 | 2018-12-21 | 广州视源电子科技股份有限公司 | 图像增强的方法、装置、存储介质及计算机设备 |
CN109087281A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN112513927A (zh) * | 2018-08-03 | 2021-03-16 | 西门子歌美飒可再生能源有限两合公司 | 基于卷积神经网络的风力涡轮机叶片缺陷检查 |
CN109870617B (zh) * | 2018-09-21 | 2020-08-14 | 浙江大学 | 一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法 |
CN109870617A (zh) * | 2018-09-21 | 2019-06-11 | 浙江大学 | 一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法 |
CN109377483A (zh) * | 2018-09-30 | 2019-02-22 | 云南电网有限责任公司普洱供电局 | 瓷绝缘子裂纹检测方法及装置 |
CN111062908A (zh) * | 2018-10-01 | 2020-04-24 | Skc株式会社 | 检测膜缺陷的方法及系统 |
CN109544544A (zh) * | 2018-11-30 | 2019-03-29 | 长讯通信服务有限公司 | 一种基于深度学习与无人机的移动通信维护对象状态识别方法 |
CN109741268A (zh) * | 2018-12-05 | 2019-05-10 | 天津大学 | 一种针对壁画的破损图像补全方法 |
CN109741268B (zh) * | 2018-12-05 | 2023-05-09 | 天津大学 | 一种针对壁画的破损图像补全方法 |
CN109785288A (zh) * | 2018-12-17 | 2019-05-21 | 广东电网有限责任公司 | 基于深度学习的输电设备缺陷检测方法及系统 |
CN109638826A (zh) * | 2018-12-24 | 2019-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于cnn的电网拓扑辨识方法及系统 |
CN109638826B (zh) * | 2018-12-24 | 2022-10-14 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于cnn的电网拓扑辨识方法及系统 |
CN109753929B (zh) * | 2019-01-03 | 2022-10-28 | 华东交通大学 | 一种高铁绝缘子巡检图像识别方法 |
CN109753929A (zh) * | 2019-01-03 | 2019-05-14 | 华东交通大学 | 一种图库联合的高铁绝缘子巡检图像识别方法 |
CN111563869A (zh) * | 2019-01-25 | 2020-08-21 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法 |
CN111563869B (zh) * | 2019-01-25 | 2023-07-21 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法 |
CN109919917A (zh) * | 2019-02-21 | 2019-06-21 | 国网山东省电力公司临沂供电公司 | 基于图像处理的架空输电线路的异物检测方法 |
CN109919917B (zh) * | 2019-02-21 | 2020-10-20 | 国网山东省电力公司临沂供电公司 | 基于图像处理的架空输电线路的异物检测方法 |
CN110020598A (zh) * | 2019-02-28 | 2019-07-16 | 中电海康集团有限公司 | 一种基于深度学习检测电线杆上异物的方法及装置 |
CN110020598B (zh) * | 2019-02-28 | 2022-04-15 | 中电海康集团有限公司 | 一种基于深度学习检测电线杆上异物的方法及装置 |
CN109886232A (zh) * | 2019-02-28 | 2019-06-14 | 燊赛(上海)智能科技有限公司 | 一种基于神经网络的电网图像识别系统 |
CN113711234A (zh) * | 2019-03-15 | 2021-11-26 | 英威达纺织(英国)有限公司 | 纱线质量控制 |
CN113711234B (zh) * | 2019-03-15 | 2024-01-23 | 英威达纺织(英国)有限公司 | 纱线质量控制 |
CN110232661B (zh) * | 2019-05-03 | 2023-01-06 | 天津大学 | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 |
CN110232661A (zh) * | 2019-05-03 | 2019-09-13 | 天津大学 | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 |
CN110458798A (zh) * | 2019-06-20 | 2019-11-15 | 长沙理工大学 | 基于关键点检测的防振锤缺陷视觉检测方法、系统及介质 |
CN110276299A (zh) * | 2019-06-21 | 2019-09-24 | 国网北京市电力公司 | 计量箱外观故障图像识别模型及方法 |
CN110533627A (zh) * | 2019-07-08 | 2019-12-03 | 天津商业大学 | 用于检测网绳断裂的方法 |
CN110533627B (zh) * | 2019-07-08 | 2023-02-24 | 天津商业大学 | 用于检测网绳断裂的方法 |
CN110705847A (zh) * | 2019-09-18 | 2020-01-17 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于图像识别技术的变电站智能巡检方法及系统 |
CN110728665A (zh) * | 2019-09-30 | 2020-01-24 | 西安电子科技大学 | 基于并行概率神经网络的sar图像变化检测方法 |
CN110728665B (zh) * | 2019-09-30 | 2023-04-18 | 西安电子科技大学 | 基于并行概率神经网络的sar图像变化检测方法 |
CN110782431B (zh) * | 2019-10-08 | 2022-03-22 | 浙江大学 | 一种基于深度学习的高压电线结冰区域检测方法 |
CN110782431A (zh) * | 2019-10-08 | 2020-02-11 | 浙江大学 | 一种基于深度学习的高压电线结冰区域检测方法 |
CN110796584A (zh) * | 2019-10-28 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 运动模糊图像建模方法、装置、存储介质及巡检机器人 |
CN110992329B (zh) * | 2019-11-28 | 2023-06-30 | 上海微创卜算子医疗科技有限公司 | 一种产品表面缺陷检测方法、电子设备及可读存储介质 |
CN110992329A (zh) * | 2019-11-28 | 2020-04-10 | 上海微创医疗器械(集团)有限公司 | 一种产品表面缺陷检测方法、电子设备及可读存储介质 |
CN111080613A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车浴盆破损故障图像识别方法 |
CN111027631B (zh) * | 2019-12-13 | 2023-09-01 | 四川赛康智能科技股份有限公司 | 高压耐张线夹压接缺陷判别的x射线影像分类识别方法 |
CN111027631A (zh) * | 2019-12-13 | 2020-04-17 | 四川赛康智能科技股份有限公司 | 高压耐张线夹压接缺陷判别的x射线影像分类识别方法 |
CN111062631A (zh) * | 2019-12-24 | 2020-04-24 | 广东电网有限责任公司 | 一种输电设备缺陷状态评价方法 |
CN111179250A (zh) * | 2019-12-30 | 2020-05-19 | 北京航空航天大学 | 一种基于多任务学习的工业品缺陷检测系统 |
CN113268914A (zh) * | 2020-02-14 | 2021-08-17 | 聚积科技股份有限公司 | 发光二极管调屏标准判定模型建立方法 |
CN111340787B (zh) * | 2020-02-28 | 2023-09-29 | 广东电网有限责任公司 | 输电线路的导线缺陷检测识别方法、装置及计算机设备 |
CN111340787A (zh) * | 2020-02-28 | 2020-06-26 | 广东电网有限责任公司 | 输电线路的导线缺陷检测识别方法、装置及计算机设备 |
CN111462310B (zh) * | 2020-03-31 | 2023-10-17 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于多视几何的螺栓缺陷空间定位方法 |
CN111462310A (zh) * | 2020-03-31 | 2020-07-28 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于多视几何的螺栓缺陷空间定位方法 |
CN111583183B (zh) * | 2020-04-13 | 2022-12-06 | 成都数之联科技股份有限公司 | 一种用于pcb板图像缺陷检测的数据增强方法和系统 |
CN111583183A (zh) * | 2020-04-13 | 2020-08-25 | 成都数之联科技有限公司 | 一种用于pcb板图像缺陷检测的数据增强方法和系统 |
CN111524108A (zh) * | 2020-04-15 | 2020-08-11 | 四川赛康智能科技股份有限公司 | 一种变电站设备检测方法及设备 |
CN111600383B (zh) * | 2020-05-12 | 2022-03-08 | 合肥中科类脑智能技术有限公司 | 输电线路智能一体化巡检装置 |
CN111600383A (zh) * | 2020-05-12 | 2020-08-28 | 合肥中科类脑智能技术有限公司 | 输电线路智能一体化巡检装置 |
CN111751253B (zh) * | 2020-07-06 | 2022-10-14 | 重庆理工大学 | 一种混凝土骨料检测模型的形成方法及质量检测方法 |
CN111751253A (zh) * | 2020-07-06 | 2020-10-09 | 重庆理工大学 | 一种混凝土骨料检测模型的形成方法及质量检测方法 |
CN112179922A (zh) * | 2020-09-24 | 2021-01-05 | 安徽德尔电气集团有限公司 | 一种电线电缆缺陷检测系统 |
CN112183665A (zh) * | 2020-10-28 | 2021-01-05 | 广西科技大学 | 一种基于卷积神经网络的co2焊接熔池图像识别方法 |
CN113033386B (zh) * | 2021-03-23 | 2022-12-16 | 广东电网有限责任公司广州供电局 | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 |
CN113033386A (zh) * | 2021-03-23 | 2021-06-25 | 广东电网有限责任公司广州供电局 | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 |
CN113421271A (zh) * | 2021-05-17 | 2021-09-21 | 江苏大学 | 基于mlp多层神经网络的天然皮革缺陷分割方法 |
CN113361520A (zh) * | 2021-06-01 | 2021-09-07 | 南京南瑞信息通信科技有限公司 | 基于样本偏移网络的输电线路设备缺陷检测方法 |
CN113536989A (zh) * | 2021-06-29 | 2021-10-22 | 广州博通信息技术有限公司 | 基于摄像视频逐帧分析的制冷机结霜监控方法及系统 |
CN116029947A (zh) * | 2023-03-30 | 2023-04-28 | 之江实验室 | 一种用于恶劣环境的复杂光学图像增强方法、装置和介质 |
CN116205908A (zh) * | 2023-04-27 | 2023-06-02 | 阳谷新太平洋电缆有限公司 | 基于卷积神经网络的电缆同轴度视觉检测的方法 |
CN117437188A (zh) * | 2023-10-17 | 2024-01-23 | 广东电力交易中心有限责任公司 | 一种用于智慧电网的绝缘子缺陷检测系统 |
CN117437188B (zh) * | 2023-10-17 | 2024-05-28 | 广东电力交易中心有限责任公司 | 一种用于智慧电网的绝缘子缺陷检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038846A (zh) | 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 | |
US11429818B2 (en) | Method, system and device for multi-label object detection based on an object detection network | |
CN111428748B (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN109299274B (zh) | 一种基于全卷积神经网络的自然场景文本检测方法 | |
CN108961235B (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN107133943B (zh) | 一种防震锤缺陷检测的视觉检测方法 | |
CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
CN108898610A (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
CN108334881B (zh) | 一种基于深度学习的车牌识别方法 | |
CN111160407B (zh) | 一种深度学习目标检测方法及系统 | |
CN110930387A (zh) | 基于深度可分离卷积神经网络的织物疵点检测方法 | |
CN109034184B (zh) | 一种基于深度学习的均压环检测识别方法 | |
CN110838112A (zh) | 一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法 | |
CN113205063A (zh) | 一种输电导线缺陷的视觉识别及定位方法 | |
CN107705256B (zh) | 一种基于接触网语义的前向车载视频图像增强方法 | |
CN115908354A (zh) | 一种基于双尺度策略和改进的yolov5网络的光伏面板缺陷检测方法 | |
CN111915558A (zh) | 一种高压输电线销钉状态检测方法 | |
CN113313107A (zh) | 一种斜拉桥缆索表面多类型病害智能检测和识别方法 | |
CN114820471A (zh) | 一种面向智能制造精微结构表面缺陷的视觉检测方法 | |
CN111612802A (zh) | 一种基于现有图像语义分割模型的再优化训练方法及应用 | |
CN112967296B (zh) | 一种点云动态区域图卷积方法、分类方法及分割方法 | |
CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
CN111160372B (zh) | 一种基于高速卷积神经网络的大目标识别方法 | |
CN108537266A (zh) | 一种深度卷积网络的织物纹理疵点分类方法 | |
CN112330639A (zh) | 一种用于彩色-热红外图像的显著性检测方法 |
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 | ||
CB02 | Change of applicant information |
Address after: Ji'nan City, Shandong Province Wang Yue Road 250003 No. 2000 Applicant after: Electric Power Research Institute of State Grid Shandong Electric Power Company Applicant after: National Network Intelligent Technology Co., Ltd. Applicant after: State Grid Corporation of China Address before: Ji'nan City, Shandong Province Wang Yue Road 250003 No. 2000 Applicant before: Electric Power Research Institute of State Grid Shandong Electric Power Company Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. Applicant before: State Grid Corporation of China |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |
|
RJ01 | Rejection of invention patent application after publication |