CN109164112A - 一种基于无人机的缆索表面缺陷检测系统 - Google Patents

一种基于无人机的缆索表面缺陷检测系统 Download PDF

Info

Publication number
CN109164112A
CN109164112A CN201811146320.2A CN201811146320A CN109164112A CN 109164112 A CN109164112 A CN 109164112A CN 201811146320 A CN201811146320 A CN 201811146320A CN 109164112 A CN109164112 A CN 109164112A
Authority
CN
China
Prior art keywords
cable
image
detected
infrared
pixel
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.)
Withdrawn
Application number
CN201811146320.2A
Other languages
English (en)
Inventor
不公告发明人
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.)
Shenzhen Sen Yang Environmental Protection Mstar Technology Ltd
Original Assignee
Shenzhen Sen Yang Environmental Protection Mstar Technology 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 Shenzhen Sen Yang Environmental Protection Mstar Technology Ltd filed Critical Shenzhen Sen Yang Environmental Protection Mstar Technology Ltd
Priority to CN201811146320.2A priority Critical patent/CN109164112A/zh
Publication of CN109164112A publication Critical patent/CN109164112A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan 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
    • G01N2021/8887—Scan 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

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • 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)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种基于无人机的缆索表面缺陷检测系统，该检测系统包括无人机本体和安装在无人机本体上的机载巡检装置、对无人机本体进行远程操控的远程操控终端和远程监控中心。机载巡检装置用于采集缆索信息数据并发送至远程监控中心，远程监控中心用于对缆索信息数据进行处理，得到缆索状态信息，并对缆索状态信息进行发布。利用本发明的检测系统对缆索表面缺陷进行检测，该检测手段具有非接触、速度快、操作简单、重复性好的特点。且处理速度快、精确度高，避免人工检测主观认知上的差异性，能够长时间稳定工作，可靠性高，解决了人工检测费时费力、效率不高的缺点。

Description

一种基于无人机的缆索表面缺陷检测系统
技术领域
本发明涉及缆索表面缺陷检测技术领域，具体涉及一种基于无人机的缆索表面缺陷检测系统。
背景技术
作为桥梁的主要受力构件之一——缆索，因在空气中长期暴露，其表面会出现不同程度的破坏。以往多是人工观察对缆索表面进行检测，但是人工检测极易造成疲劳，致使产生漏检等问题。
发明内容
针对上述问题，本发明提供一种基于无人机的缆索表面缺陷检测系统。
本发明的目的采用以下技术方案来实现：
一种基于无人机的缆索表面缺陷检测系统，该检测系统包括无人机本体和安装在无人机本体上的机载巡检装置、对无人机本体进行远程操控的远程操控终端和远程监控中心。
机载巡检装置用于采集缆索信息数据并发送至远程监控中心，远程监控中心用于对缆索信息数据进行处理，得到缆索状态信息，并对缆索状态信息进行发布。
本发明的有益效果：利用本发明的检测系统对缆索表面缺陷进行检测，该检测手段具有非接触、速度快、操作简单、重复性好的特点。且处理速度快、精确度高，避免人工检测主观认知上的差异性，能够长时间稳定工作，可靠性高，解决了人工检测费时费力、效率不高的缺点。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明检测系统的结构图；
图2是本发明远程监控中心4的框架结构图；
图3是本发明图像融合子模块9的框架结构图。
附图标记：无人机本体1；机载巡检装置2；远程操作终端3；远程监控中心4；预处理模块5；缺陷特征提取模块6；缺陷特征识别模块7；图像去噪子模块8；图像融合子模块9；NSCT变换单元10；低频子带系数融合单元11；高频子带系数融合单元12；NSCT反变换单元13；第一计算子单元14；第二计算子单元15；决策融合子单元16。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种基于无人机的缆索表面缺陷检测系统，该检测系统包括无人机本体1和安装在无人机本体1上的机载巡检装置2、对无人机本体1进行远程操控的远程操控终端3和远程监控中心4。机载巡检装置2用于采集缆索信息数据并发送至远程监控中心4，远程监控中心4用于对缆索信息数据进行处理，得到缆索状态信息，并对缆索状态信息进行发布。
本发明的有益效果：利用本发明的检测系统对缆索表面缺陷进行检测，该检测手段具有非接触、速度快、操作简单、重复性好的特点。且处理速度快、精确度高，避免人工检测主观认知上的差异性，能够长时间稳定工作，可靠性高，解决了人工检测费时费力、效率不高的缺点。
作为优选，所述采集缆索信息数据并发送至远程监控中心，具体是利用红外偏振相机和红外热像仪分别获取待检测缆索的红外偏振图像和红外光强图像，并将待检测缆索的红外偏振图像和红外光强图像发送至远程监控中心。
作为优选，参见图2，远程监控中心4包括预处理模块5、缺陷特征提取模块6和缺陷特征识别模块7。
预处理模块5用于对待检测缆索的红外偏振图像和红外光强图像进行预处理；
缺陷特征提取模块6用于从预处理后的待检测缆索图像中提取待检测缆索表面特征数据；
缺陷特征识别模块7用于对获取的待检测缆索表面特征数据和预存的缆索表面无缺陷的特征数据进行匹配，若匹配程度低于设定的阈值，则待检测缆索表面存在缺陷，反之，则待检测缆索表面无缺陷。
作为优选，预处理模块5包括图像去噪子模块8和图像融合子模块9；
图像去噪子模块8，用于去除待检测缆索的红外偏振图像和红外光强图像的随机噪声；
图像融合子模块9，用于对去噪后的待检测缆索的红外偏振图像和红外光强图像进行融合处理，得到待检测缆索的融合图像。
作为优选，所述去除所述待检测缆索的红外偏振图像和红外光强图像的随机噪声，具体为：
(1)利用衰减函数计算所述红外偏振图像中各个像素点的灰度值的衰减程度值，其中，所述衰减函数的表达式为：
式中，f(a，b)为衰减函数，表示坐标为(a，b)的像素点的灰度值的衰减程度值，为衰减函数的下限值，为衰减函数的上限值，α、ε为衰减曲线的形状控制常数，为以像素点p(a，b)为中心，大小为T×T矩形窗口内所有像素点灰度值的均值，g(a，b)是像素点p(a，b)的灰度值；
(2)根据得到的各个像素点的灰度值衰减度值，利用下式计算各个像素点去噪后的灰度值，所有去噪像素点灰度值构成的集合即为去噪后的红外偏振图像；其中，像素点p(a，b)去噪后的灰度值为：
式中，为去噪后的像素点p(a，b)处的灰度值，gp(a，b)为所述红外偏振图像中像素点p(a，b)处的灰度值；fp(a，b)为像素点p灰度值的衰减程度值；
(3)采用步骤1和步骤2对所述红外光强图像进行去噪，即可得到去噪后的红外光强图像。
有益效果：利用衰减函数计算待检测缆索的红外偏振图像和红外光强图像中各个像素点由于外界噪声带来的各个像素点灰度值的衰减程度值，进而求得去噪后的各个像素点的灰度值，该方法能够在保留待检测缆索的红外偏振图像和红外光强图像中待检测缆索的边缘信息、纹理信息的同时，有效地去除两个图像中的随机噪声，提高了待检测缆索的红外偏振图像和红外光强图像的清晰度，有利于后续准确地获取待检测缆索表面特征数据，提高了该缺陷检测系统的准确率。
作为优选，参见图3，图像融合子模块9包括NSCT变换单元10、低频子带系数融合单元11、高频子带系数融合单元12和NSCT反变换单元13。
NSCT变换单元10，用于将去噪后的待检测缆索的红外偏振图像和红外光强图像分别进行NSCT变换，得到去噪后的红外偏振图像和红外光强图像的子带系数，该子带系数包括低频子带系数和高频子带系数；
低频子带系数融合单元11，用于根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算待检测缆索的融合图像的低频子带系数；
高频子带系数融合单元12，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，基于多尺度融合计算待检测缆索的融合图像的高频子带系数；
NSCT反变换单元13，用于根据低频子带系数融合单元11和高频子带系数融合单元12所得的待检测缆索的融合图像的低频子带系数和高频子带系数，进行NSCT反变换，即可得到待检测缆索的融合图像。
作为优选，根据去噪后的红外偏振图像和红外光强图像的低频子带系数，采用平均加权算法计算待检测缆索的融合图像的低频子带系数，具体地，是利用平均加权算法计算待检测缆索的融合图像中每个像素点的低频子带系数，其中待检测缆索的融合图像中像素点(m，n)的低频子带系数利用下式计算得到：
式中，是去噪后的红外偏振图像的低频子带系数，是去噪后的红外光强图像的低频子带系数。
作为优选，高频子带系数融合单元12包括第一计算子单元14、第二计算子单元15和决策融合子单元16。
第一计算子单元14，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的各个像素点的高频子带系数的活性度值，其中，对于去噪后的红外偏振图像和红外光强图像每个像素点，按照下式计算每个像素点的各个高频子带系数的活性度值：
式中，为去噪后的红外偏振图像中像素点(x，y)的高频子带系数的活性度值，为去噪后的红外光强图像中像素点(x，y)的高频子带系数的活性度值，M×N为预设的像素点(x，y)的邻域大小，Ω为像素点(x，y)的邻域，(x′，y′)为像素点(x，y)的邻域内任一像素点，wpol(x′，y′)为去噪后的红外偏振图像中像素点(x′，y′)在邻域内的权值，wint(x′，y′)为去噪后的红外光强图像中像素点(x′，y′)在邻域内的权值，其中wpol(x′，y′)＝wint(x′，y′)，且满足∑(x′，y′)∈Ωwpol(x′，y′)＝1，为去噪后的红外偏振图像中像素点(x′，y′)在j尺度、k方向上的高频子带系数，为去噪后的红外光强图像中像素点(x′，y′)在j尺度、k方向上的高频子带系数。
有益效果：通过计算高频子带系数的活性度值，该活性度值可以度量相应高频子带系数的显著程度，同时在求解各个高频子带系数的活性度值时，考虑了图像中位置(x，y)的邻域窗口内其他位置处的高频子带系数对位置(x，y)处高频子带系数活性度的影响，使得各个高频子带系数能够自适应的进行调整，能够更加准确地描述各个高频子带系数的显著程度，有利于后续求解融合图像的高频子带系数。
第二计算子单元15，用于根据去噪后的红外偏振图像和红外光强图像的高频子带系数，计算去噪后的红外偏振图像和红外光强图像的高频子带系数在各个像素点的匹配度值，其中，和在像素点(x，y)处的匹配度值的计算式为：
式中，mj，k(x，y)表示在像素点(x，y)处的阳的匹配度值。
有益效果：该第二计算子单元15考虑了两个图像中相同像素点位置的高频子带系数的匹配程度，该做法更多地保留了两个图像中的边缘信息和纹理信息，同时在后续中有利于在进行融合的同时，能够有效地综合去噪后的红外偏振图像和红外光强图像中的有用信息，提高了后续的融合效果，保留了详细的待检测缆索表面的纹理特征信息，方便后续对待检测缆索的表面缺陷进行识别，提高了该检测系数识别缆索表面缺陷的准确度。
决策融合子单元16，用于对第一计算子单元14和第二计算子单元15得到的计算结果进行综合分析和判断，并对去噪后的红外偏振图像和红外光强图像的高频子带系数进行融合，得到融合图像的高频子带系数，其中，在融合图像中像素点(x，y)在j尺度、k方向上的高频子带系数可利用下方的融合公式得到：
式中，为融合图像中像素点(x，y)处的在j尺度，k方向上的高频子带系数，为去噪后的红外偏振图像位置(x,y)处的在j尺度，k方向上的高频子带系数的权重系数，χ为设定的匹配度阈值。
有益效果：通过设定的匹配度阈值，对待进行融合处理的去噪后的红外偏振图像和红外光强图像的匹配程度进行判断，当匹配程度大于设定的阈值时，再进一步利用活跃度值进一步判断，该做法能够保留高频子带系数中的显著信息，同时进一步抑制了去噪后的红外偏振图像和红外光强图像中残余噪声带来的干扰。提高了对去噪后红外偏振图像和红外光强图像的融合效果，降低了后续对待检测缆索表面特征数据提取的复杂度，延长了该检测系统的使用寿命，同时也有利于后续对待检测缆索表面是否有缺陷进行准确判断，方便工作人员进行维护。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种基于无人机的缆索表面缺陷检测系统，其特征是，包括无人机本体和安装在所述无人机本体上的机载巡检装置、对所述无人机本体进行远程操控的远程操控终端和远程监控中心；
所述机载巡检装置用于采集缆索信息数据并发送至所述远程监控中心；
所述远程监控中心用于对所述缆索信息数据进行处理，得到缆索状态信息，并对所述缆索状态信息进行发布。
2.根据权利要求1所述的缆索表面缺陷检测系统，其特征是，所述采集缆索信息数据并发送至所述远程监控中心，具体是利用红外偏振相机和红外热像仪分别获取待检测缆索的红外偏振图像和红外光强图像，并将所述待检测缆索的红外偏振图像和红外光强图像发送至所述远程监控中心。
3.根据权利要求1所述的缆索表面缺陷检测系统，其特征是，所述远程监控中心包括预处理模块、缺陷特征提取模块和缺陷特征识别模块；
所述预处理模块用于对所述待检测缆索的红外偏振图像和红外光强图像进行预处理；
所述缺陷特征提取模块用于从预处理后的待检测缆索图像中提取待检测缆索表面特征数据；
所述缺陷特征识别模块用于对获取的待检测缆索表面特征数据和预存的缆索表面无缺陷的特征数据进行匹配，若匹配程度低于设定的阈值，则所述待检测缆索表面存在缺陷，反之，则待检测缆索表面无缺陷。
4.根据权利要求3所述的缆索表面缺陷检测系统，其特征是，所述预处理模块包括图像去噪子模块和图像融合子模块；
所述图像去噪子模块，用于去除所述待检测缆索的红外偏振图像和红外光强图像的随机噪声；
所述图像融合子模块，用于对去噪后的待检测缆索的红外偏振图像和红外光强图像进行融合处理，得到待检测缆索的融合图像。
5.根据权利要求4所述的缆索表面缺陷检测系统，其特征是，所述去除所述待检测缆索的红外偏振图像和红外光强图像的随机噪声，具体为：
(1)利用衰减函数计算所述红外偏振图像中各个像素点的灰度值的衰减程度值，其中，所述衰减函数的表达式为：
式中，f(a,b)为衰减函数，表示坐标为(a,b)的像素点的灰度值的衰减程度值，θlow为衰减函数的下限值，θup为衰减函数的上限值，α、ε为衰减曲线的形状控制常数，为以像素点p(a,b)为中心，大小为T×T矩形窗口内所有像素点灰度值的均值,g(a,b)是像素点p(a,b)的灰度值；
(2)根据得到的各个像素点的灰度值衰减度值，利用下式计算各个像素点去噪后的灰度值，所有去噪像素点灰度值构成的集合即为去噪后的红外偏振图像；其中，像素点p(a,b)去噪后的灰度值为：
式中，为去噪后的像素点p(a,b)处的灰度值，gp(a,b)为所述红外偏振图像中像素点p(a,b)处的灰度值；fp(a,b)为像素点p灰度值的衰减程度值；
(3)采用步骤1和步骤2对所述红外光强图像进行去噪，即可得到去噪后的红外光强图像。
CN201811146320.2A 2018-09-26 2018-09-26 一种基于无人机的缆索表面缺陷检测系统 Withdrawn CN109164112A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811146320.2A CN109164112A (zh) 2018-09-26 2018-09-26 一种基于无人机的缆索表面缺陷检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811146320.2A CN109164112A (zh) 2018-09-26 2018-09-26 一种基于无人机的缆索表面缺陷检测系统

Publications (1)

Publication Number Publication Date
CN109164112A true CN109164112A (zh) 2019-01-08

Family

ID=64892826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811146320.2A Withdrawn CN109164112A (zh) 2018-09-26 2018-09-26 一种基于无人机的缆索表面缺陷检测系统

Country Status (1)

Country Link
CN (1) CN109164112A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239083A (zh) * 2018-09-26 2019-01-18 深圳源广安智能科技有限公司 一种基于无人机的缆索表面缺陷检测系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09236415A (ja) * 1996-03-01 1997-09-09 Hitachi Ltd パターン検出方法とその装置
CN1474177A (zh) * 2003-08-08 2004-02-11 王耀南 多传感器融合智能透明容器检测设备及检测方法
US20080037859A1 (en) * 2006-08-14 2008-02-14 Yamaha Corporation Method and apparatus for inspection of wafer and semiconductor device
JP2008058270A (ja) * 2006-09-04 2008-03-13 Mitsubishi Electric Corp 多結晶シリコン基板の検査方法および太陽電池セルの検査方法、並びに赤外線検査装置
CN102183525A (zh) * 2011-01-20 2011-09-14 单宝华 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法
CN102750675A (zh) * 2012-05-31 2012-10-24 华中科技大学 一种斑点噪声污染图像的非局部均值滤波方法
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
CN103910182A (zh) * 2014-04-02 2014-07-09 太原理工大学 基于红外光谱成像的胶带纵向撕裂危险源检测方法
CN104596932A (zh) * 2014-12-25 2015-05-06 北京农业智能装备技术研究中心 一种水果腐败区域的热红外图像提取系统及方法
CN104614074A (zh) * 2014-12-26 2015-05-13 北京农业智能装备技术研究中心 一种水面油膜的热红外成像测量系统和方法
CN105279747A (zh) * 2015-11-25 2016-01-27 中北大学 一种多特征目标函数引导的红外偏振与光强图像融合方法
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN106204510A (zh) * 2016-07-08 2016-12-07 中北大学 一种基于结构相似度约束的红外偏振与光强图像融合方法
CN107644210A (zh) * 2017-09-22 2018-01-30 哈尔滨工业大学（威海） 基于图像处理的微生物数量估算方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09236415A (ja) * 1996-03-01 1997-09-09 Hitachi Ltd パターン検出方法とその装置
CN1474177A (zh) * 2003-08-08 2004-02-11 王耀南 多传感器融合智能透明容器检测设备及检测方法
US20080037859A1 (en) * 2006-08-14 2008-02-14 Yamaha Corporation Method and apparatus for inspection of wafer and semiconductor device
JP2008058270A (ja) * 2006-09-04 2008-03-13 Mitsubishi Electric Corp 多結晶シリコン基板の検査方法および太陽電池セルの検査方法、並びに赤外線検査装置
CN102183525A (zh) * 2011-01-20 2011-09-14 单宝华 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法
CN102750675A (zh) * 2012-05-31 2012-10-24 华中科技大学 一种斑点噪声污染图像的非局部均值滤波方法
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
CN103910182A (zh) * 2014-04-02 2014-07-09 太原理工大学 基于红外光谱成像的胶带纵向撕裂危险源检测方法
CN104596932A (zh) * 2014-12-25 2015-05-06 北京农业智能装备技术研究中心 一种水果腐败区域的热红外图像提取系统及方法
CN104614074A (zh) * 2014-12-26 2015-05-13 北京农业智能装备技术研究中心 一种水面油膜的热红外成像测量系统和方法
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN105279747A (zh) * 2015-11-25 2016-01-27 中北大学 一种多特征目标函数引导的红外偏振与光强图像融合方法
CN106204510A (zh) * 2016-07-08 2016-12-07 中北大学 一种基于结构相似度约束的红外偏振与光强图像融合方法
CN107644210A (zh) * 2017-09-22 2018-01-30 哈尔滨工业大学（威海） 基于图像处理的微生物数量估算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
殷栢辉 等: "基于无人机图像的输电线断股缺陷实时检测", 《自动化与信息工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239083A (zh) * 2018-09-26 2019-01-18 深圳源广安智能科技有限公司 一种基于无人机的缆索表面缺陷检测系统

Similar Documents

Publication Publication Date Title
CN104851086B (zh) 一种针对缆索表面缺陷的图像检测方法
KR100356016B1 (ko) 영상인식에 의한 소포우편물 부피계측시스템 및부피계측방법
CN109870461A (zh) 一种电子元器件质量检测系统
CN109255785A (zh) 一种轴承外观缺陷检测系统
CN109376773A (zh) 基于深度学习的裂纹检测方法
CN109345524A (zh) 一种基于视觉的轴承外观缺陷检测系统
CN113252568A (zh) 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端
CN110288571B (zh) 一种基于图像处理的高铁接触网绝缘子异常检测方法
CN108830840A (zh) 一种电路板缺陷的主动智能检测方法及其应用
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
CN112730454A (zh) 基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法
CN112927223A (zh) 一种基于红外热成像仪的玻璃幕墙检测方法
CN107133937B (zh) 一种红外图像的自适应增强方法
CN110222647A (zh) 一种基于卷积神经网络的人脸活体检测方法
CN117333489B (zh) 一种薄膜破损检测装置及检测系统
CN109164112A (zh) 一种基于无人机的缆索表面缺陷检测系统
CN108303427B (zh) 基于图像处理的家居破损程度检测系统
CN112541478A (zh) 一种基于双目摄像头的绝缘子串污损检测方法及系统
CN112183287A (zh) 一种移动机器人在复杂背景下的人数统计方法
CN114821035A (zh) 一种电力设备红外测温设备距离参数识别方法
Huang et al. Mango surface defect detection based on HALCON
CN109658357A (zh) 一种面向遥感卫星图像的去噪方法
CN109345788A (zh) 一种基于视觉特征的监控预警系统
CN109089032A (zh) 一种烟雾视觉成像装置
CN114486934A (zh) 一种用于管道内部裂纹图像识别系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190108