CN108362693A - 一种基于图像处理的传送带上绝缘子合格率的检测方法 - Google Patents

一种基于图像处理的传送带上绝缘子合格率的检测方法 Download PDF

Info

Publication number
CN108362693A
CN108362693A CN201810028852.XA CN201810028852A CN108362693A CN 108362693 A CN108362693 A CN 108362693A CN 201810028852 A CN201810028852 A CN 201810028852A CN 108362693 A CN108362693 A CN 108362693A
Authority
CN
China
Prior art keywords
image
insulator
conveyer belt
qualification rate
complete
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
CN201810028852.XA
Other languages
English (en)
Other versions
CN108362693B (zh
Inventor
武星
刘远
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201810028852.XA priority Critical patent/CN108362693B/zh
Publication of CN108362693A publication Critical patent/CN108362693A/zh
Application granted granted Critical
Publication of CN108362693B publication Critical patent/CN108362693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/845Objects on a conveyor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于图像处理的传送带上绝缘子合格率的检测方法,操作步骤是:a)传送带模型区间的建立和硬件设备布置;b)图像采集,实现传送带上绝缘子图像的自动采集;c)图像处理;d)绝缘子合格率统计:图像数据的整合统计。本方法通过划分传送带为不同长度的区域,设置各区域的拍照硬件,对正在输送绝缘子的传送带进行图像采集,将采集的图像经过处理,用以统计完整绝缘子数目。该方法直接统计完整绝缘子数目而不涉及破碎绝缘子的检测,从而提高了检测精度和效率。此外,该方法也能自动检测与识别完整绝缘子,具有很大的现实意义。

Description

一种基于图像处理的传送带上绝缘子合格率的检测方法
技术领域
本发明涉及计算机图像处理领域,尤其涉及一种基于图像处理的传送带上绝缘子合格率的检测方法。
背景技术
目前,电力网输配电线路多数建设在野外,长期在恶劣气候条件下工作,强化输配电绝缘子的安全可靠性,对于线路安全起到重要的作用。输电网安全运行强调输电网绝缘子的重要性,该问题是电力部门和绝缘子制造厂尤为关注的问题。随着电网工程建设步伐的加快,我国将逐渐实现西电东送,南北互供和全国联网的格局,从而实现更广泛的资源优化配置。线路绝缘子性能的优劣直接影响到输电线路,特别是超高压输电路线的可靠性和经济性。
在架空输电线路上现在使用的有三种材料的绝缘子,分别是瓷绝缘子、玻璃绝缘子和有机复合绝缘子。运行的可靠性是决定绝缘子生命力的关键,最好的评价应是大量绝缘子在输电线路上长期运行的统计结果和可靠性试验所反映出来的性能水平,因此绝缘子可靠性应体现在以下几方面:(1)寿命周期:产品在标准规定的使用条件下能够保持其性能不低于出厂标准的最低使用年限,该指标不仅反映绝缘子的安全使用期,还反映了输电线路投资的经济性;(2)失效性:国产瓷绝缘子的失效性比玻璃绝缘子越高1~2个数量级,对于复合绝缘子,由于寿命周期不能预测、复合材料配方和制造工艺还不能完全定性,其失效率很难预测;(3) 失效检出率:绝缘子失效后能否检测出来的检出率对于线路安全的影响是比失效率本身更为重要的因素;(4)事故率:绝缘子掉串是架空输电线路最为严重的事故之一;(5)可靠性试验:为对绝缘子进行可靠性评价,国内外曾对玻璃绝缘子和瓷绝缘子做了各种方式的加速寿命试验和强制老化试验。
因此,对于绝缘子的可靠性而言,材料是基础,产品结构和耐污性是关键,制造水平是保证。绝缘子的使用寿命、失效率、失效检出率、事故率和可靠性试验等数据,应成为综合评价绝缘子可靠性的准则,对于国产瓷绝缘子,应加大技术改造力度,在材料配方、产品结构和制造水平上取得更大的进展。
绝缘子的合格率检测质量关系重大,传统的检测方法通常是人工检测,或是检测破碎绝缘子数目。人工检测存在劳动强度大、漏检误检率高、检测速度慢等缺点,而检测破碎绝缘子数目时存在误判情况。
发明内容
本发明的目的是针对已有技术的不足,提供一种基于图像处理的传送带上绝缘子合格率的检测方法,是一种将图像处理和分析相结合的一种完整绝缘子自动检测与识别方法,能大大减少纯人工检测的耗费,自动检测绝缘子的合格率。
为达到发明的目的,本发明的构思是:
首先需把传送带上的绝缘子按照固定间距划分不同编号区域,即为绝缘子输送单元,进而绝缘子在传送带上运动的过程中,对不同区域设定各自的图像采集单元,采集固定时间间隔时该区域的图像,最后将所采集的图像按照区域编号上传到服务器进行计算,通过图像处理技术,实现绝缘子的自动检测与识别,从而统计出该生产线上绝缘子的合格率。
根据上述发明构思,本发明采用下述技术方案:
一种基于图像处理的传送带上绝缘子合格率的检测方法,操作步骤如下:
a)传送带模型区间的建立和硬件设备布置;
b)图像采集,实现传送带上绝缘子图像的自动采集;
c)图像处理;
d)绝缘子合格率统计:图像数据的整合统计。
所述步骤a)中,将传送带按照相同的距离间隔划分并进行区域编号1,2,3……n,保证每个区域上方的照相机能获取到该区域清晰的图像;并在不同区域的相同位置设置各自的光源、照相机、图像采集卡,以便于采集清晰有效的绝缘子图像。
所述步骤b)中,当传送带上输送绝缘子时,根据传送带的输送速度和其不同区域的长度来设定照相机拍照的时间间隔,通过拍照获取相同时间下不同区域的图像,并将每个固定区域不同时间下的一组序列图像作为一组有相应编号的图像,其编号与区域编号相同;至此图像数据采集完后,将图像上传至服务器进行计算。
所述步骤c)中,通过图像处理,自动识别完整绝缘子数目;首先对图像进行预处理,需要滤波降噪处理便于检测,进一步使用直方图均衡化进行目标增强,使得检测更准确有效;其次对图像上完整绝缘子数据的检测,先将处理过后的原图像转化为二值图像;然后将二值图像转化为区域,进行轮廓查找,计算所查找到的区域的面积、周长特性,在此,需要进行预先实验,即传送带上完整绝缘子图像上的这些特性值范围,然后根据每张图片上不同轮廓区域的特性值是否在判定值范围内,若在该范围内,则该轮廓区域代表完整绝缘子数据,若不在该范围内,则代表不完整绝缘子数据。
所述步骤d)中,只需记录每张图像上完整绝缘子数目,进而统计传送带上不同区域一系列的图像上完整绝缘子数目,最后得出该次生产完整绝缘子合格率。
本发明与已有技术相比较,具有如下显而易见的突出实质性特点和显著的技术进步:
本发明方法在绝缘子传送单元和图像采集单元上的独特创新性,基于图像的完整绝缘子的检测与识别效率大大提高,具有自动化程度高、检测精度高、检测速度高、性价比高等优点,具有很大的现实意义。
附图说明
图1是本发明的系统结构图。
图2是本发明方法的流程框图。
具体实施方式
下面结合附图,对本发明的具体实施例做进一步的说明。
如图1和图2所示,一种基于图像处理的传送带上绝缘子合格率的检测方法,操作步骤如下:
a)传送带模型区间的建立和硬件设备布置;
b)图像采集,实现传送带上绝缘子图像的自动采集;
c)图像处理;
d)绝缘子合格率统计:图像数据的整合统计。
所述步骤a)的具体步骤如下:
照相机获取的不同长度传送带图像,经过图像处理技术,选取能清晰有效检测识别完整绝缘子的图像,并将此传送带长度作为固定长度l,用于划分传送带区域。将传送带按照相同的距离间隔划分并进行区域编号1,2,3……n。在不用区域上方,设置各自的光源、照相机、图像采集卡等硬件,设置光源的位置,使得照相机能拍到清晰的照片。当传送带上输送绝缘子时,根据传送带的输送速度和其不同区域的长度来设定照相机拍照的时间间隔t。即:
t=l/v (1)
其中假设传动带是匀速且速度是v。
当绝缘子在传送带输送过程中,照相机会拍照获取相同时间下不同区域的图像,并将每个固定区域不同时间下的一序列图像作为一组有相应编号的图像,其编号与区域编号相同,即:图像1组(图像11、图像12……图像1n)、图像2组(图像21、图像22……图像2n)……图像n组(图像n1、图像n2……图像nn),以此编号来标记图像数组。至此图像数据采集完后,将图像上传至服务器进行计算,通过图像处理技术自动检测和识别每张图像上绝缘子数目。
所述步骤a)的具体步骤如下:
(1)滤波降噪处理
为了获取清晰有效且利于后续检测的图像,需要对拍照所获取的照片进行预处理,通常的方法是先进行高斯滤波处理降低图像的噪声,进而使用直方图均衡化方法来进行图像目标增强。首先高斯滤波是一种线性平滑滤波,广泛应用于图像处理的减噪过程,高斯滤波的原理是对整幅图像进行加权平均的过程,每一个像素点的值,都有其本身和邻域内的其他像素值经过加权平均后得到的。使用一个模板,也成为卷积、掩模,扫描图像的每一个像素,并用模板确定的邻域内像素的加权平均灰度值来替代模板中心像素点的值。一维零均值高斯函数为:
g(x)=ex(-x^2/(2 sigma∧2) (2)
其中高斯分布参数sigma决定了高斯函数的高度。但对于图像处理来说,常用二维零均值离散高斯函数作为平滑滤波器。
对图像而言,高斯滤波器是利用高斯核的一个2维的卷积算子,用于图像去除细节和噪声,一维高斯分布是:
二维高斯分布:
确定一个高斯核,进行高斯滤波:
①移动相关核的中心元素,使它位于输入图像带处理像素的正上方。
②将输入图像的像素值作为权重,乘以相关核。
③将上面各部得到的结果相加作为输出。
至此对图像进行了滤波降噪处理。
(2)直方图均衡化目标增强处理
假设图像的灰度范围是[a,b],r为此灰度范围内的任一灰度级,p(r)为这度图像中灰度级为r的图像出现的频率,可以看出p(r)是r的函数,该函数的图形即称为图像的直方图。其中,
大部分的图像,其灰度分布集中在较窄的区间,引起图像细节不够清晰,采用直方图修正后可使图像的灰度间距拉开或使灰度分布均匀,从而增大反差,使图像细节清晰,达到增强的目的。
直方图均衡化步骤是:
①对给定的待处理图像统计其直方图,求出其Pr(rk)=nk/N,其定义同公式(5)
②根据统计出的直方图采用累积分布函数作变换:
求解出变换后的新灰度。
③灰度代替旧灰度,求出PS(s),这一步是近似过程,应根据处理目的尽量做到合理,同时把灰度值相等或近似地合并到一起。
至此,完成了图像预处理的步骤。
所述步骤c)的具体步骤如下:
通过图像处理技术识别完整绝缘子数目。首先获取预处理过的图像,然后就是对图像上完整绝缘子数据的检测。
首先将处理过后的原图像转化为二值图像。二值图像是指图像上每个像素不是黑就是白,其灰度值没有中间过度的图像。将二值图像转化为区域,进行轮廓查找。区域代表连通区域,即在二值图像中,找每个像素的4像素或者是8像素连通相同,若是8连通,且中间像素与其上下左右及左上角、左下角、右上角、右下角是连接着的,则认为其实连通的。以此思想类推,找出连通区域。每张图片上一个完整绝缘子即为一个连通区域,破碎绝缘子构不成连通区域,然后统计每张二值图像的区域个数及大小。
根据每张二值图像,计算该图像上所检测出的每个区域的面积、周长等特性。在此,需要进行预先实验,即传送带上完整绝缘子图像上的这些特性值范围,只有面积特性值、或是周长特性值的小大是否位于判定范围内,即是,则可判定该区域代表一个完整的绝缘子,否则判定其为破碎绝缘子。
由上一步骤可知,可统计每张图像上完整绝缘子的数目,进而可统计出传送带上固定某一区域一系列图像的完整绝缘子总数目。传动带区域1,2……n分别统计出各自的完整绝缘子数据Num1、Num2……Numn,从理论上该值应该是递减的或是不变的,因为绝缘子在传送带输送过程中会将一些有问题的绝缘子通过一些特殊破坏技术进行破坏,使其最终传送出去的是完整绝缘子。至此,可进行该数据进行绝缘子合格率的统计计算,即通过图像处理技术,来自动检测与识别完整绝缘子。
所述步骤d)中,只需记录每张图像上完整绝缘子数目,进而统计传送带上不同区域一系列的图像上完整绝缘子数目,最后得出该次生产完整绝缘子合格率。

Claims (5)

1.一种基于图像处理的传送带上绝缘子合格率的检测方法,其特征在于,操作步骤如下:
a)传送带模型区间的建立和硬件设备布置;
b)图像采集,实现传送带上绝缘子图像的自动采集;
c)图像处理;
d)绝缘子合格率统计:图像数据的整合统计。
2.根据权利要求1所述的基于图像处理的传送带上绝缘子合格率的检测方法,其特征在于,所述步骤a)中,将传送带按照相同的距离间隔划分并进行区域编号1,2,3……n,保证每个区域上方的照相机能获取到该区域清晰的图像;并在不同区域的相同位置设置各自的光源、照相机、图像采集卡,以便于采集清晰有效的绝缘子图像。
3.根据权利要求1所述的基于图像处理的传送带上绝缘子合格率的检测方法,其特征在于,所述步骤b)中,当传送带上输送绝缘子时,根据传送带的输送速度和其不同区域的长度来设定照相机拍照的时间间隔,通过拍照获取相同时间下不同区域的图像,并将每个固定区域不同时间下的一组序列图像作为一组有相应编号的图像,其编号与区域编号相同;至此图像数据采集完后,将图像上传至服务器进行计算。
4.根据权利要求1所述的基于图像处理的传送带上绝缘子合格率的检测方法,其特征在于,所述步骤c)中,通过图像处理,自动识别完整绝缘子数目;首先对图像进行预处理,需要滤波降噪处理便于检测,进一步使用直方图均衡化进行目标增强,使得检测更准确有效;其次对图像上完整绝缘子数据的检测,先将处理过后的原图像转化为二值图像;然后将二值图像转化为区域,进行轮廓查找,计算所查找到的区域的面积、周长特性,在此,需要进行预先实验,即传送带上完整绝缘子图像上的这些特性值范围,然后根据每张图片上不同轮廓区域的特性值是否在判定值范围内,若在该范围内,则该轮廓区域代表完整绝缘子数据,若不在该范围内,则代表不完整绝缘子数据。
5.根据权利要求1所述的基于图像处理的传送带上绝缘子合格率的检测方法,其特征在于,所述步骤d)中,只需记录每张图像上完整绝缘子数目,进而统计传送带上不同区域一系列的图像上完整绝缘子数目,最后得出该次生产完整绝缘子合格率。
CN201810028852.XA 2018-01-12 2018-01-12 一种基于图像处理的传送带上绝缘子合格率的检测方法 Active CN108362693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810028852.XA CN108362693B (zh) 2018-01-12 2018-01-12 一种基于图像处理的传送带上绝缘子合格率的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810028852.XA CN108362693B (zh) 2018-01-12 2018-01-12 一种基于图像处理的传送带上绝缘子合格率的检测方法

Publications (2)

Publication Number Publication Date
CN108362693A true CN108362693A (zh) 2018-08-03
CN108362693B CN108362693B (zh) 2021-05-07

Family

ID=63011086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810028852.XA Active CN108362693B (zh) 2018-01-12 2018-01-12 一种基于图像处理的传送带上绝缘子合格率的检测方法

Country Status (1)

Country Link
CN (1) CN108362693B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310275A (zh) * 2019-07-02 2019-10-08 芜湖启迪睿视信息技术有限公司 一种基于图像处理的链式传送带缺陷检测方法
CN114888438A (zh) * 2022-06-17 2022-08-12 长春理工大学 自动化焊接桥丝设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0419548A (ja) * 1990-05-15 1992-01-23 Hitachi Cable Ltd 碍子汚損検出装置
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN101907453A (zh) * 2010-07-23 2010-12-08 北京农业信息技术研究中心 基于机器视觉的块状农产品尺寸在线测量方法与装置
CN102095733A (zh) * 2011-03-02 2011-06-15 上海大学 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法
CN102565625A (zh) * 2011-05-25 2012-07-11 上海大学 基于红外图像智能诊断高压输电线路热缺陷的方法
KR20130134050A (ko) * 2012-05-30 2013-12-10 주식회사 이엔지코리아 백라이트유닛 불량검사용 카메라 조립체
CN103940824A (zh) * 2014-04-29 2014-07-23 长春工程学院 一种空中输电线路绝缘子检测方法
CN104483326A (zh) * 2014-12-19 2015-04-01 长春工程学院 基于深度信念网络的高压线绝缘子缺陷检测方法及系统
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN205802225U (zh) * 2015-11-27 2016-12-14 张耀辰 一种电瓷绝缘子工频火花试验专用输送机
CN106780438A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司清远供电局 基于图像处理的绝缘子缺陷检测方法及系统
CN107346434A (zh) * 2017-05-03 2017-11-14 上海大学 一种基于多特征及支持向量机的植物病虫害检测方法
CN107490723A (zh) * 2017-08-14 2017-12-19 苏州马尔萨斯文化传媒有限公司 一种用于绝缘体的自动化检测装置及其检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0419548A (ja) * 1990-05-15 1992-01-23 Hitachi Cable Ltd 碍子汚損検出装置
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN101907453A (zh) * 2010-07-23 2010-12-08 北京农业信息技术研究中心 基于机器视觉的块状农产品尺寸在线测量方法与装置
CN102095733A (zh) * 2011-03-02 2011-06-15 上海大学 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法
CN102565625A (zh) * 2011-05-25 2012-07-11 上海大学 基于红外图像智能诊断高压输电线路热缺陷的方法
KR20130134050A (ko) * 2012-05-30 2013-12-10 주식회사 이엔지코리아 백라이트유닛 불량검사용 카메라 조립체
CN103940824A (zh) * 2014-04-29 2014-07-23 长春工程学院 一种空中输电线路绝缘子检测方法
CN104483326A (zh) * 2014-12-19 2015-04-01 长春工程学院 基于深度信念网络的高压线绝缘子缺陷检测方法及系统
CN205802225U (zh) * 2015-11-27 2016-12-14 张耀辰 一种电瓷绝缘子工频火花试验专用输送机
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN106780438A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司清远供电局 基于图像处理的绝缘子缺陷检测方法及系统
CN107346434A (zh) * 2017-05-03 2017-11-14 上海大学 一种基于多特征及支持向量机的植物病虫害检测方法
CN107490723A (zh) * 2017-08-14 2017-12-19 苏州马尔萨斯文化传媒有限公司 一种用于绝缘体的自动化检测装置及其检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHOU SHEN-PEI ET AL.: "Research on Insulator Fault Diagnosis and Remote Monitoring System Based on Infrared Images", 《PROCEDIA COMPUTER SCIENCE》 *
于兰英等: "一种基于多特征的绝缘子识别方法", 《电瓷避雷器》 *
何东健等: "《数字图像处理》", 28 February 2015, 西安电子科技大学出版社 *
单成等: "图像处理中的绝缘子缺陷检测方法", 《中国计量学院学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310275A (zh) * 2019-07-02 2019-10-08 芜湖启迪睿视信息技术有限公司 一种基于图像处理的链式传送带缺陷检测方法
CN110310275B (zh) * 2019-07-02 2021-09-28 芜湖启迪睿视信息技术有限公司 一种基于图像处理的链式传送带缺陷检测方法
CN114888438A (zh) * 2022-06-17 2022-08-12 长春理工大学 自动化焊接桥丝设备

Also Published As

Publication number Publication date
CN108362693B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN104483326B (zh) 基于深度信念网络的高压线绝缘子缺陷检测方法及系统
CN106680285B (zh) 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法
CN110648364B (zh) 一种多维度空间固废视觉检测定位及识别方法与系统
CN108734689B (zh) 一种基于区域生长的导线散股检测方法
CN102508110A (zh) 基于纹理的绝缘子缺陷诊断方法
CN106290388A (zh) 一种绝缘子故障自动检测方法
CN104331710B (zh) 开关状态识别系统
CN104537651B (zh) 一种路面图像中裂缝比例检测方法及系统
CN105225281B (zh) 一种车辆检测方法
CN104835152A (zh) 一种输电线路巡检图像的处理方法和系统
CN106157323A (zh) 一种动态分块阈值和块搜索结合的绝缘子分割提取方法
CN107185854A (zh) 基于rgb通道的光伏电池片色差检测及颜色分类的算法
CN107967471A (zh) 一种基于机器视觉的表具自动识别方法
CN101726693A (zh) 一种在紫外图像上寻找电力设备放电区域的方法
CN107490583A (zh) 一种基于机器视觉的夹片缺陷检测方法
CN115797775B (zh) 基于近地视频图像的违章建筑智能识别方法及系统
CN108921025A (zh) 一种协同变化检测的对象级分类样本自动选择方法
CN111105389A (zh) 融合Gabor滤波器与卷积神经网络的路面裂缝的检测方法
CN108362693A (zh) 一种基于图像处理的传送带上绝缘子合格率的检测方法
CN104573650B (zh) 一种基于滤波响应的电线检测分类方法
CN109635799A (zh) 一种燃气表字轮数字的识别方法
CN108492306A (zh) 一种基于图像轮廓的x型角点提取方法
CN110298845A (zh) 一种基于图像处理的复杂背景下输电线检测方法
CN107622484A (zh) 一种基于形状匹配的光伏电池片缺角检测算法
CN107977968A (zh) 基于建筑物阴影信息挖掘的建筑物分层检测方法

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
GR01 Patent grant
GR01 Patent grant