CN108345820A - 基于部件种类和部件位置的高压设备图像识别方法及装置 - Google Patents

基于部件种类和部件位置的高压设备图像识别方法及装置 Download PDF

Info

Publication number
CN108345820A
CN108345820A CN201710050986.7A CN201710050986A CN108345820A CN 108345820 A CN108345820 A CN 108345820A CN 201710050986 A CN201710050986 A CN 201710050986A CN 108345820 A CN108345820 A CN 108345820A
Authority
CN
China
Prior art keywords
component parts
equipment
component
tension apparatus
identified
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
Application number
CN201710050986.7A
Other languages
English (en)
Inventor
牧继清
路光辉
周水斌
雍明超
徐长福
于华东
张项安
易永辉
王龙阁
龚东武
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 Corp of China SGCC
Xuji Group Co Ltd
State Grid Information and Telecommunication Co Ltd
XJ Electric Co Ltd
Xuchang XJ Software Technology Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Xuji Group Co Ltd
State Grid Information and Telecommunication Co Ltd
XJ Electric Co Ltd
Xuchang XJ Software Technology Co Ltd
Electric Power Research Institute of State Grid Jiangsu 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 Corp of China SGCC, Xuji Group Co Ltd, State Grid Information and Telecommunication Co Ltd, XJ Electric Co Ltd, Xuchang XJ Software Technology Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710050986.7A priority Critical patent/CN108345820A/zh
Publication of CN108345820A publication Critical patent/CN108345820A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了基于部件种类和部件位置的高压设备图像识别方法及装置,将获取到的图像采用边缘提取法,提取其构成部件轮廓,该构成部件包括一般性构成部件和决定性构成部件,与样本库进行匹配,完成初步分类;以设备部件之间的位置关系为特征,进一步提高分类的正确性;根据同种设备构成部件比例关系不变和不同设备构成部件比例关系不同的特征,用来区分部件构成类型,外观差异较小的设备,最终完成设备分类。本发明能够较准确的完成对变电站高压设备的分类识别,识别准确度高。

Description

基于部件种类和部件位置的高压设备图像识别方法及装置
技术领域
本发明属于变电站在线监测领域,特别涉及一种基于部件种类和部件位置的高压设备图像识别方法及装置。
背景技术
目前变电站的站区面积不断扩大,运行环境愈加复杂,通常釆用人工巡视和其他传统巡视方式,简单依赖于巡视人员的感官和经验,很难做到全面准确巡检,给设备和电网安全运行带来各种隐患。利用巡检机器人辅助人员对设备进行巡视,就能规避隐患,对设备进行可靠的巡检。随着智能巡检机器人的广泛应用,变电站日常巡检工作中会产生越来越多的图像信息。针对海量图像信息,对不同设备图像的分类问题亟待解决。
目前主流的图像分类方法是计算机视觉,计算机视觉作为人类视觉的模拟,图像视信息成为它的处理对象,图像视信息包括诸如形状、位置、颜色、纹理等图像特征,计算机视觉利用这些图像特征进行识别分类。
由于变电站的高压设备的体积比较大,巡检机器人采集的图像可能只包含了设备中的某几个部件的图像,而不是设备全部部件的图像,这些图像中包含的信息比较少,因此,对设备类型的判断存在一定的困难,而且识别的结果也不准确。
发明内容
本发明的目的在于提供一种基于部件种类和部件位置的高压设备图像识别方法及装置,用于解决现有技术中对变电站高压设备图像信息识别不准确的问题。
为实现上述目的,本发明的技术方案是:
一种基于部件种类和部件位置的高压设备图像识别方法,包括十个方法方案:
方法方案一,步骤如下:
构成部件识别步骤:采集待识别设备的图像信息,识别其中的构成部件;将识别出的构成部件与样本库中各类型设备的构成部件进行匹配;
位置识别步骤:确定识别出的构成部件之间的位置关系,将这些位置关系与样本库中各类型设备的对应构成部件的位置关系进行匹配;
判断确定步骤:根据匹配结果确定待识别设备的类型。
方法方案二,在方法方案一的基础上,在位置关系识别完成后,确定识别出的构成部件之间的比例关系,将这些比例关系与样本库中各类型设备的对应构成部件的比例关系进行匹配。
方法方案三,在方法方案二的基础上,通过计票方式确定匹配结果:当匹配成功时,对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
方法方案四,在方法方案三的基础上,通过计票方式确定匹配结果:当匹配成功时,结合权重对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
方法方案五,在方法方案四的基础上,,样本库中各类型设备的构成部件分为一般性构成部件和决定性构成部件;所述决定性构成部件的权重高于所述一般性构成部件的权重。
方法方案六、方法方案七、方法方案八、方法方案九、方法方案十,分别在方法方案一、方法方案二、方法方案三、方法方案四、方法方案五的基础上,对采集待识别设备的图像信息,采用边缘提取法提取其构成部件轮廓,识别其中的构成部件。
本发明还提供了基于部件种类和部件位置的高压设备图像识别装置,包括四个装置方案:
装置方案一,包括如下单元:
构成部件识别单元:用于采集待识别设备的图像信息,识别其中的构成部件;将识别出的构成部件与样本库中各类型设备的构成部件进行匹配;
位置识别单元:用于确定识别出的构成部件之间的位置关系,将这些位置关系与样本库中各类型设备的对应构成部件的位置关系进行匹配;
判断确定单元:用于根据匹配结果确定待识别设备的类型。
装置方案二,在装置方案一的基础上,还包括用于在位置关系识别完成后,确定识别出的构成部件之间的比例关系,将这些比例关系与样本库中各类型设备的对应构成部件的比例关系进行匹配的单元。
装置方案三,在装置方案二的基础上,通过计票方式确定匹配结果:当匹配成功时,对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
装置方案四,在装置方案三的基础上,通过计票方式确定匹配结果:当匹配成功时,结合权重对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
本发明的有益效果是:
本发明通过将获取到的图像与样本库进行匹配,识别其中的构成部件,将识别出的构成部件与样本库中各类型设备的构成部件进行匹配;然后确定识别出的构成部件之间的位置关系,将这些位置关系与样本库中各类型设备的对应构成部件的位置关系进行匹配,根据匹配结果确定变电站高压设备的类型,提高了高压设备类型判断的准确性。
进一步地,在对高压设备构成部件以及构成部件位置关系识别后,为了进一步提高高压设备类型判断的准确性,以及保证将高压设备的全部构成部件识别出来,还可以对构成部件的比例关系进行识别,将识别出的构成部件之间的比例关系,与样本库中各类型设备的对应构成部件的比例关系进行匹配,根据匹配结果最终确定高压设备的类型。本发明的识别准确度高,识别过程容易实现。
附图说明
图1为变电站高压设备图像识别方法的流程图;
图2为变电站高压设备的构成部件种类示意图;
图3-1为采集的变电站高压设备图像示意图;
图3-2为边缘提取法提取的变电站高压设备图像的轮廓效果图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明:
本发明的一种基于部件种类和部件位置的高压设备图像识别方法的实施例:
一种基于部件种类和部件位置的高压设备图像识别方法,将高压设备构成部件分为一般性构成部件和决定性构成部件并进行初步分类,接着以构成部件相对位置关系和构成部件比例关系为特征参量,进行图像匹配,并基于权重投票机制完成智能分类,识别方法的具体步骤如下:
1、将获取到的设备样本图像采用边缘提取法,提取其构成部件轮廓,如图3-1和3-2所示,与样本库中的高压设备进行匹配,为表1中所示的每个样本设备的构成部件类型进行投票,完成第一轮投票,从而完成初步分类。
边缘提取法,指依据边缘是邻近点灰度有明显变化的像素点的集合,选取合适的算子与基准图像做卷积,对图像进行分割,得到目标对象轮廓;本实施例采用Canny算子,是对图像导数分割原理的实例化,是在计算过程中采取的具体处理方法。
设备的构成部件包括一般性构成部件和决定性构成部件,如图2所示,其中,一般性构成部件指不能对高压设备类型区分起到决定性作用或是仅有部分图像中存在的部件;决定性构成部件指全部图像中都存在的且对设备类型区分能起到决定性作用的部件。
上述的投票对于步骤1指,当样本中存在一般性构成部件时,为表1中包括该一般性构成部件的设备记1票,当样本中存在决定性构成部件时,为表1中包括该决定性构成部件的设备记2票,当一般性构成部件和决定性构成部件同时存在时,为表1中包括一般性构成部件和决定性构成部件的设备记3票,从而完成对表1中各个高压设备的投票。
也就是说,对于一般性构成部件的权重是决定性构成部件的权重的二分之一;作为其他实施方式,也可以设置其他权重值,例如,将一般性构成部件的权重设置成决定性构成部件的权重的三分之一,需要注意的是,一般性构成部件的权重必须小于决定性构成部件的权重。当然,如果不考虑将高压设备的构成部件分成一般性构成部件和决定性构成部件,也不可以不区分一般性构成部件和决定性构成部件的权重。
2、以步骤1中的得票数较多的高压设备为基础,并以设备样本图像中构成部件的位置关系为特征,将设备样本图像中构成部件的水平距离关系,垂直距离关系与样本库中的高压设备构成部件的位置关系进行匹配,并投票,该投票机制指若满足位置关系记1票,完成第二轮投票,从而完成对表2中的高压设备的构成部件的位置关系的投票。
3、以步骤2中的满足位置关系的得票数最多的高压设备为基础,并以设备样本中构成部件的比例关系为特征,将设备样本图像中构成部件的比例关系与样本库中的高压设备构成部件的比例关系进行匹配,完成第三轮投票,从而完成对表3中的高压设备的比例关系的投票,其中包含得票数最多的满足高压设备的构成部件的比例关系的高压设备。
4、累计第一轮、第二轮、第三轮的投票结果,将得票数最多的高压设备类型作为样本设备类型。
表1常见高压设备构成部件分类表
表2常见高压设备构成部件位置关系表
表3常见高压设备构成部件比例关系表
例如,以柱式断路器和罐式断路器为例,采用本实施例的方法,首先采集设备图像信息,若采集的高压设备图像信息里包括套管和端子箱两种构成部件,然后与表1高压设备构成部件分类表中构成部件进行匹配,得到套管和端子箱都属于一般性构成部件,对表1中的各种高压设备进行投票,按照本实施例中步骤1的投票机制,变压器不包括套管和端子箱这两种部件,所以不投票,即票数为0票;依次对表1中的柱式断路器、罐式断路器、避雷器、互感器进行投票,得到柱式断路器的票数为1票,罐式断路器的票数为1票,避雷器和互感器的票数都为0票。
进一步地,以得票数最多的柱式断路器和罐式断路器为基础,确定柱式断路器和罐式断路器中套管和端子箱的位置关系,将该位置关系与表2中的高压设备构成部件的位置关系进行匹配,按照本实施例中步骤2中的投票机制对表2中的各种高压设备投票,若套管和端子箱的位置关系为套管位于端子箱上部,得到变压器、避雷器、互感器的的票数都为0票,柱式断路器和罐式断路器的票数为1票。
进一步地,以得票数最多的柱式断路器和罐式断路器为基础,确定柱式断路器和罐式断路器的比例关系,将该比例关系与表3中的高压设备构成部件的比例关系进行匹配,按照本实施例中步骤3中的投票机制对表3中的各种高压设备投票,若套管和端子箱的位置关系约为3:4,则对柱式断路器投1票,变压器、罐式断路器、避雷器、互感器投票为0票;若套管和端子箱的比例关系约为13:12~24:12,则对罐式断路器投1票,变压器、柱式断路器、避雷器、互感器投0票。
综上,累计三轮投票结果,把三轮投票的票数相加,若套管和端子箱的位置关系约为3:4,三轮投票结束后,变压器的票数为0,柱式断路器的得票数为3票,罐式断路器的的票数为2票,那么最终确定的高压设备的类型为柱式断路器;若套管和端子箱的比例关系约为13:12~24:12,三轮投票结束后,变压器的票数为0,柱式断路器的票数为2票,罐式断路器的票数为3票,那么最终确定的高压设备的类型为罐式断路器。
上述实施例中,采用计票匹配的方式,总共计了三轮,在第一轮中对高压设备构成部件投票,第二轮中对高压设备构成部件位置关系投票,第三轮中对高压设备构成部件比例关系投票,只对一般性构成部件和决定性构成部件设置不同的权重值,而对每轮投票没有设置权重值。作为其他实施方式,也可以为每轮投票设置权重,例如,如果认为位置关系非常重要,那么可以将第二轮计票数乘以相应的权重值。
另外,本实施例采用的计票,作为其他实施方式,也可以不采用计票方式,采用其他的识别判断方法,例如,通过部件匹配确定可能的几种高压设备类型,然后通过高压设备构成部件位置关系确定可能的高压设备类型,最后通过高压设备构成部件位置关系确定最终的高压设备类型。
本实施例中的对高压设备类型的判断,进行三轮,作为其他实施方式,可以只进行步骤1-步骤2,累计投票结果,即可最终确定采集的设备样本的类型。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (10)

1.一种基于部件种类和部件位置的高压设备图像识别方法,其特征在于,步骤如下:
1)构成部件识别步骤:采集待识别设备的图像信息,识别其中的构成部件;将识别出的构成部件与样本库中各类型设备的构成部件进行匹配;
2)位置识别步骤:确定识别出的构成部件之间的位置关系,将这些位置关系与样本库中各类型设备的对应构成部件的位置关系进行匹配;
3)判断确定步骤:根据匹配结果确定待识别设备的类型。
2.根据权利要求1所述的基于部件种类和部件位置的高压设备图像识别方法,其特征在于,在位置关系识别完成后,确定识别出的构成部件之间的比例关系,将这些比例关系与样本库中各类型设备的对应构成部件的比例关系进行匹配。
3.根据权利要求2所述的基于部件种类和部件位置的高压设备图像识别方法,其特征在于,通过计票方式确定匹配结果:当匹配成功时,对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
4.根据权利要求3所述的基于部件种类和部件位置的高压设备图像识别方法,其特征在于,通过计票方式确定匹配结果:当匹配成功时,结合权重对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
5.根据权利要求4所述的基于部件种类和部件位置的高压设备图像识别方法,其特征在于,样本库中各类型设备的构成部件分为一般性构成部件和决定性构成部件;所述决定性构成部件的权重高于所述一般性构成部件的权重。
6.根据权利要求1-5任一项所述的基于部件种类和部件位置的高压设备图像识别方法,其特征在于,对采集待识别设备的图像信息,采用边缘提取法提取其构成部件轮廓,识别其中的构成部件。
7.一种基于部件种类和部件位置的高压设备图像识别装置,其特征在于,包括如下单元:
构成部件识别单元:用于采集待识别设备的图像信息,识别其中的构成部件;将识别出的构成部件与样本库中各类型设备的构成部件进行匹配;
位置识别单元:用于确定识别出的构成部件之间的位置关系,将这些位置关系与样本库中各类型设备的对应构成部件的位置关系进行匹配;
判断确定单元:用于根据匹配结果确定待识别设备的类型。
8.根据权利要求7所述的基于部件种类和部件位置的高压设备图像识别装置,其特征在于,还包括用于在位置关系识别完成后,确定识别出的构成部件之间的比例关系,将这些比例关系与样本库中各类型设备的对应构成部件的比例关系进行匹配的单元。
9.根据权利要求8所述的基于部件种类和部件位置的高压设备图像识别装置,其特征在于,通过计票方式确定匹配结果:当匹配成功时,对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
10.根据权利要求9所述的基于部件种类和部件位置的高压设备图像识别装置,其特征在于,通过计票方式确定匹配结果:当匹配成功时,结合权重对相应的设备类型进行计票;最终票数最高的设备类型为待识别设备的类型。
CN201710050986.7A 2017-01-23 2017-01-23 基于部件种类和部件位置的高压设备图像识别方法及装置 Pending CN108345820A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710050986.7A CN108345820A (zh) 2017-01-23 2017-01-23 基于部件种类和部件位置的高压设备图像识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710050986.7A CN108345820A (zh) 2017-01-23 2017-01-23 基于部件种类和部件位置的高压设备图像识别方法及装置

Publications (1)

Publication Number Publication Date
CN108345820A true CN108345820A (zh) 2018-07-31

Family

ID=62974627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710050986.7A Pending CN108345820A (zh) 2017-01-23 2017-01-23 基于部件种类和部件位置的高压设备图像识别方法及装置

Country Status (1)

Country Link
CN (1) CN108345820A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092792A (zh) * 2021-11-24 2022-02-25 国网北京市电力公司 变电站设备的异物识别方法及其装置、处理器

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196979A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 利用数字图像处理技术识别车辆类型的方法
CN102722166A (zh) * 2012-06-29 2012-10-10 山东电力集团公司电力科学研究院 变电站设备智能视觉检测系统及状态检测方法
CN103235830A (zh) * 2013-05-13 2013-08-07 北京臻迪科技有限公司 一种基于无人机电力巡线方法、装置及无人机
CN103514694A (zh) * 2013-09-09 2014-01-15 重庆邮电大学 一种入侵检测监控系统
CN104318198A (zh) * 2014-02-28 2015-01-28 郑州金惠计算机系统工程有限公司 适用于变电站机器人巡检的识别方法及装置
CN104778444A (zh) * 2015-03-10 2015-07-15 公安部交通管理科学研究所 道路场景下车辆图像的表观特征分析方法
CN105205900A (zh) * 2015-10-23 2015-12-30 华录智达科技有限公司 基于视频识别的动态自适应公交客流统计装置
CN105260751A (zh) * 2015-11-02 2016-01-20 冯清亮 一种文字识别方法及其系统
CN105896375A (zh) * 2016-05-24 2016-08-24 江苏腾飞环境工程设备有限公司 一种用于高压线路检修的操作台
CN106127107A (zh) * 2016-06-14 2016-11-16 宁波熵联信息技术有限公司 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196979A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 利用数字图像处理技术识别车辆类型的方法
CN102722166A (zh) * 2012-06-29 2012-10-10 山东电力集团公司电力科学研究院 变电站设备智能视觉检测系统及状态检测方法
CN103235830A (zh) * 2013-05-13 2013-08-07 北京臻迪科技有限公司 一种基于无人机电力巡线方法、装置及无人机
CN103514694A (zh) * 2013-09-09 2014-01-15 重庆邮电大学 一种入侵检测监控系统
CN104318198A (zh) * 2014-02-28 2015-01-28 郑州金惠计算机系统工程有限公司 适用于变电站机器人巡检的识别方法及装置
CN104778444A (zh) * 2015-03-10 2015-07-15 公安部交通管理科学研究所 道路场景下车辆图像的表观特征分析方法
CN105205900A (zh) * 2015-10-23 2015-12-30 华录智达科技有限公司 基于视频识别的动态自适应公交客流统计装置
CN105260751A (zh) * 2015-11-02 2016-01-20 冯清亮 一种文字识别方法及其系统
CN105896375A (zh) * 2016-05-24 2016-08-24 江苏腾飞环境工程设备有限公司 一种用于高压线路检修的操作台
CN106127107A (zh) * 2016-06-14 2016-11-16 宁波熵联信息技术有限公司 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张冬亚: "电力设备图像的特征提取和分类方法的研究", 《中国优秀硕士学位论文全文数据库·信息科技辑》 *
王忆勤等: "《中医面诊与计算机辅助诊断》", 30 November 2010 *
王耀南等: "《计算机图像处理与识别技术》", 30 June 2001, 高等教育出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092792A (zh) * 2021-11-24 2022-02-25 国网北京市电力公司 变电站设备的异物识别方法及其装置、处理器

Similar Documents

Publication Publication Date Title
CN109242439B (zh) 基于变电站设备相关联数据的特征提取识别方法
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN111949809B (zh) 一种输电线路红外巡检数据智能处理方法
Li et al. [Retracted] Intelligent Sports Training System Based on Artificial Intelligence and Big Data
CN110119680B (zh) 一种基于图像识别的电气柜接线自动查错系统
CN107358259B (zh) 基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法
CN107194361A (zh) 二维姿势检测方法及装置
CN110490238A (zh) 一种图像处理方法、装置及存储介质
CN106127205A (zh) 一种适用于室内轨道机器人的数字仪表图像的识别方法
CN105975979B (zh) 一种基于机器视觉的仪表检测方法
CN109614488A (zh) 基于文本分类和图像识别的配网带电作业条件判别方法
CN107610128A (zh) 一种油位计的巡检方法和装置
CN103915000A (zh) 一种在线实操训练考核方法
CN108268894A (zh) 一种基于网络可视图的人体朝向检测方法
CN108802041A (zh) 一种屏幕检测的小样本集快速换型的方法
CN113095189B (zh) 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统
CN108073722A (zh) 一种新建变电站主子站图形和模型的自动校验装置及方法
CN106650746B (zh) 基于角度步长的变电站指针式仪表识别方法
CN112200263B (zh) 一种应用于配电物联网的自组织联邦聚类方法
CN106874913A (zh) 一种菜品检测方法
CN110427943A (zh) 一种基于r-cnn的智能电表数值识别方法
CN117423018A (zh) 基于无人机采集多模态源融合的电力设备检测系统及方法
CN111027565A (zh) 一种光学视觉语义提取的输变电设备报告内容生成方法
CN108345820A (zh) 基于部件种类和部件位置的高压设备图像识别方法及装置
CN114170449A (zh) 一种基于深度学习的人工智能图像识别装置

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: 20180731