CN109191438A - 一种用于激光异物清除器的异物识别方法 - Google Patents
一种用于激光异物清除器的异物识别方法 Download PDFInfo
- Publication number
- CN109191438A CN109191438A CN201810942661.4A CN201810942661A CN109191438A CN 109191438 A CN109191438 A CN 109191438A CN 201810942661 A CN201810942661 A CN 201810942661A CN 109191438 A CN109191438 A CN 109191438A
- Authority
- CN
- China
- Prior art keywords
- foreign matter
- image
- point
- laser
- edge
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000012535 impurity Substances 0.000 title claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 230000035772 mutation Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 4
- 239000013307 optical fiber Substances 0.000 description 3
- 241000227653 Lycopersicon Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000012876 topography 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
- B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种用于激光异物清除器的异物识别方法，包括步骤：①通过激光异物清除器采集输电线图像；②对采集到的图像采用最大类间方差法进行图像分割；③对分割后的图像进行形态学处理得到滤波后的图像；④对滤波后的图像进行边缘检测，得到边缘提取图像；⑤计算各边缘点的曲率；⑥根据边缘曲率的分布，判断边缘曲率是否存在异常点；⑦根据异常点坐标以及激光异物清除器测距系统，即可获取异物与电线交点的三维坐标。本发明通过识别异物，确定异物与电线的交点位置，进而控制激光发射器的发射方向，实现异物自动清除功能，实现激光异物清除设备的自动化操作，提高了工作效率，满足电网维护领域自动化智能化的发展需求。
Description
技术领域
本发明涉及一种图形处理方法，尤其涉及一种用于激光异物清除器的异物识别方法，属于电网维护技术领域。
背景技术
输电线路网是电力传输的主要载体。近年来，气球、广告横幅、风筝、农用塑料薄膜、遮阳网、孔明灯等异物经常缠绕电线，引发相间短路，严重时会导致停电事故，甚至造成人员伤害和设备故障。绝大多数线路设在地形复杂、环境恶劣的地方，因此维护输电线路的正常运行尤为重要和艰巨。
电网异物的清除方法有人工上塔带电作业、无人机喷火作业、激光异物清除作业等。人工作业工作效率低，且存在安全隐患，受环境影响严重；无人机喷火作业受到载重限制，无法长时间连续工作；激光异物清除是近年来出现的一种新型方法，可以在地面通过远程控制，使用大功率激光实现异物的清除。
目前激光异物清除设备主要通过肉眼定位目标，手动移动激光器控制激光的发射方向，实现异物清除。人工调节激光发射方向，费时，且难以实现智能化、自动化。同时在远距离操作时会大大增加设备操作难度，影响工作效率，增加产品的使用难度，难以满足用户的需求。
因此实现激光异物清除器的自动识别清除尤为重要，自动识别定位电网异物，自动控制激光器发射方向，实现激光异物清除设备的自动化，提高工作效率，满足电网维护领域自动化智能化的发展需求。
发明内容
本发明的目的在于提供一种基于激光异物清除器的自动识别清除系统，能够自动识别异物，确定异物位置，并控制云台移动以实现异物自动清除功能。
为达到上述目的，本发明的技术解决方案：
一种用于激光异物清除器的异物识别方法，其特点在于，该方法包括如下步骤：
①通过激光异物清除器采集输电线图像；
所述的激光异物清除系统，主要包括激光发射装置、移动装置、图像处理装置三部分。其中图像处理装置包括瞄准器、电子目镜、平板电脑、测距装置。通过瞄准器和电子目镜进行图像采集。
②对采集到的图像采用最大类间方差法进行图像分割；
采用最大类间方差法(OTSU)进行，该算法操作简单，处理速度快。通过计算图像中前景和背景的最大类间方差实现自动阈值的获取。将图像分割为背景图像和前景图像两部分。满足类间方差最大的阈值，即为最佳区域分割阈值，根据该阈值即可得到分割图像。具体步骤为：
假设图像有L个灰度级(0,1...,L-1)，则图像前景区域的分布概率ωF和背景区域的分布概率ωB可分别表示为：
其中pi——灰度值为i的出现概率；
k——分割前景和背景的阈值。
前景区域的灰度均值μF和背景区域的灰度均值μB为：
整幅图像的灰度均值μT为：
前景区域和背景区域的总方差如式(2-6)所示：
满足最大的k便是最佳区域分割阈值。根据阈值k即可将图像分为背景和前景两部分。
③对分割后的图像进行形态学处理得到滤波后的图像；
通过形态学开运算实现滤波功能。分别对图像进行腐蚀和膨胀运算，即可消除分割后图像的噪声点，连接图像中的相邻元素。
④对滤波后的图像进行边缘检测，得到边缘提取图像；
采用Canny边缘检测算法，对步骤③处理后得到的滤波图像进行处理，得到边缘提取图像。
⑤计算各边缘点的曲率；
(1)对提取的所有边缘点进行排序；
为保证电线以及异物轮廓的完整性，为后续处理做准备，先对边缘点进行处理，参照项荣等基于边缘曲率分析的成簇番茄识别方法，具体实现如下：
式中：l(x,y)表示像素的边缘标号；w(x,y)、w(x+1,y)、w(x,y+1)均表示像素的区域标号。
对边缘点的排序主要采用遍历法，从第一个像素点开始顺时针进行，对每个像素点进行判断。假设当前点为Gi。判断点Gi八邻域内是否存在边缘点Ej，若不存在，则排序结束；若存在，则判断该边缘点Ej是否为八邻域内的第一个边缘点，假如该点Ej是八邻域内的第一个边缘点，那么记录起点A到点Gi已经排序的边缘线段N，如果该点Ej不是八邻域内的第一个边缘点，那么建立新的边缘线段M，从起点A到点Gi按照顺序写入。然后将当前点Gi的八邻域内的下一边缘点Ej+1写入到边缘线段，然后寻找点Ej+1八邻域内的下一边缘点，并重新判断点Ej+1八邻域内是否存在边缘点，直到当前点八邻域内无边缘点为止，边缘排序结束。
(2)计算各边缘点的曲率；
曲线曲率定义如下：
式中：表示弧段的平均曲率，Δs表示弧段的长度，Δα表示弧段对应切线转角。
通过边缘提取和排序后，根据边缘点的坐标，转换后的曲率计算公式如下：
K表示当前采样点的曲率；v表示采样间隔；α2表示后一点到当前点连线与X轴的夹角；α1表示当前点到前一点连线与X轴的夹角。其中α的计算公式如下：
式中：α表示两相邻采样点连线与X轴的夹角；x1、y1表示前采样点的坐标；x2、y2表示后采样点的坐标；
根据上述公式，即可获得各边缘点的曲率。
⑥根据边缘曲率的分布，判断边缘曲率是否存在异常点，该异常点为边缘曲率的突变点，若边缘曲率分布中不存在异常点，则该图像中无异物存在；若存在异常点，则表明该图像中含有异物，获取该异常点的图像坐标，该异常点的坐标即为异物与电线的交点坐标；
异常点是指边缘曲率的突变点。同一条输电线的边缘曲率基本相同，如果输电线上悬挂有塑料、气球等异物，异物和电线的交界处会产生凸起，在边缘曲率上的表现就是交界处的曲率会明显异于非交界区域，该边缘曲率的突变点，即为异常点。
⑦根据异常点坐标以及激光异物清除器测距系统，即可获取异物与电线交点的三维坐标。
⑧根据三维坐标，规划激光异物清除器的运动轨迹；待激光异物清除器运动到指定位置后，打开激光，进行异物清除工作。
与现有技术相比，本发明的有益效果是：
通过识别异物，确定异物与电线的交点位置，进而控制激光发射器的发射方向，实现异物自动清除功能，实现激光异物清除设备的自动化操作，提高了工作效率，满足电网维护领域自动化智能化的发展需求。
附图说明
图1为激光异物清除器系统。
图1中，1.输电线，2.异物，3.瞄准器，4.激光准直器，5.电子目镜，6.测距系统，7.云台，8.三角支架，9.光纤，10.激光源，11.平板电脑。
图2为用于激光异物清除器的自动识别清除系统的流程图。
图3为边缘排序的流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
1、首先搭建激光异物清除系统，如图1所示，并进行输电线图像采集；
所述的激光异物清除系统，主要包括激光发射装置、移动装置、图像处理装置三部分。其中激光发射装置包括激光源、光纤、激光准直器；移动装置包括三角支架、移动云台；图像处理装置包括瞄准器、电子目镜、平板电脑、测距装置。其中激光准直器、瞄准器、电子目镜、测距装置均安装在移动云台上，激光源通过光纤和激光准直器相连。通过瞄准器和电子目镜进行图像采集。
2、对采集的存在异物的图像进行图像分割；
采用最大类间方差法(OTSU)进行，该算法操作简单，处理速度快。通过计算图像中前景和背景的最大类间方差实现自动阈值的求取。
假设图像有L个灰度级(0,1...,L-1)，则图像前景区域的分布概率ωF和背景区域的分布概率ωB可分别表示为：
其中pi——灰度值为i的出现概率；
k——分割前景和背景的阈值。
前景区域的灰度均值μF和背景区域的灰度均值μB为：
整幅图像的灰度均值μT为：
前景区域和背景区域的总方差如式(2-6)所示：
满足最大的k便是最佳区域分割阈值。根据阈值k即可将图像分为背景和前景两部分，其中前景主要为电线和异物，背景主要为天空。
3、对图像分割后的图像进行形态学处理；
通过形态学开运算实现滤波功能，消除分割后图像的噪声点，连接图像中的相邻元素。首先对图像进行腐蚀，其中结构元素为10像素的圆形结构元，然后对腐蚀后的图像进行膨胀运算，结构元素为15像素的方形结构元。
4、对形态学处理后的图像进行边缘检测，得到边缘提取图像；
采用Canny边缘检测算法，对步骤3处理后得到的滤波图像进行处理，得到边缘提取图像。
5、计算各边缘点的曲率；
(1)对提取的所有边缘点进行排序，
为保证电线以及异物轮廓的完整性，为后续处理做准备，先将边缘点进行处理，参照项荣等基于边缘曲率分析的成簇番茄识别方法，具体实现如下：
式中：l(x,y)表示像素的边缘标号；w(x,y)、w(x+1,y)、w(x,y+1)均表示像素的区域标号。
对边缘点的排序主要采用遍历法，从第一个像素点开始顺时针进行，对每个像素点进行判断。假设当前点为Gi。判断点Gi八邻域内是否存在边缘点Ej，若不存在，则排序结束；若存在，则判断该边缘点Ej是否为八邻域内的第一个边缘点，假如该点Ej是八邻域内的第一个边缘点，那么记录起点A到点Gi已经排序的边缘线段N，如果该点Ej不是八邻域内的第一个边缘点，那么建立新的边缘线段M，从起点A到点Gi按照顺序写入。然后将当前点Gi的八邻域内的下一边缘点Ej+1写入到边缘线段，然后寻找点Ej+1八邻域内的下一边缘点，并重新判断点Ej+1八邻域内是否存在边缘点，直到当前点八邻域内无边缘点为止，边缘排序结束。具体流程如图3所示。
(2)计算各边缘点的曲率；
曲线曲率定义如下：
式中：表示弧段的平均曲率，Δs表示弧段的长度，Δα表示弧段对应切线转角。
通过边缘提取和排序后，根据边缘点的坐标，转换后的曲率计算公式如下：
K表示当前采样点的曲率；v表示采样间隔，本实施方案中设为5；α2表示后一点到当前点连线与X轴的夹角；α1表示当前点到前一点连线与X轴的夹角。其中α的计算公式如下：
式中：α表示两相邻采样点连线与X轴的夹角；x1、y1表示前采样点的坐标；x2、y2表示后采样点的坐标；
根据上述公式，即可获得各边缘点的曲率。
6、根据边缘曲率的分布，判断边缘曲率是否异常点，异常点为边缘曲率的突变点。若边缘曲率分布中不存在异常点，则该图像中无异物存在；若存在异常点，则表明该图像中含有异物，获取该异常点的图像坐标，该异常点的坐标即为异物与电线的交点坐标。
7、根据异常点坐标以及测距系统，即可获取异物与电线交点的三维坐标；
8、根据三维坐标，规划激光异物清除器的运动轨迹；待激光异物清除器运动到指定位置后，打开激光，进行异物清除工作。
本发明通过识别异物，确定异物与电线的交点位置，进而控制激光发射器的发射方向，实现异物自动清除功能，实现激光异物清除设备的自动化操作，提高了工作效率，满足电网维护领域自动化智能化的发展需求。
Claims (6)
1.一种用于激光异物清除器的异物识别方法，其特征在于，该方法包括如下步骤：
①通过激光异物清除器采集输电线图像；
②对采集到的图像采用最大类间方差法进行图像分割；
③对分割后的图像进行形态学处理得到滤波后的图像；
④对滤波后的图像进行边缘检测，得到边缘提取图像；
⑤计算各边缘点的曲率；
⑥根据边缘曲率的分布，判断边缘曲率是否存在异常点，该异常点为边缘曲率的突变点，若边缘曲率分布中不存在异常点，则该图像中无异物存在；若存在异常点，则表明该图像中含有异物，获取该异常点的图像坐标，该异常点的坐标即为异物与电线的交点坐标；
⑦根据异常点坐标以及激光异物清除器测距系统，即可获取异物与电线交点的三维坐标。
2.根据权利要求1所述的用于激光异物清除器的异物识别方法，其特征在于，该方法还包括⑧根据三维坐标，规划激光异物清除器的运动轨迹，将激光异物清除器运动到指定位置后，打开激光，进行异物清除工作。
3.根据权利要求1或2所述的用于激光异物清除器的异物识别方法，其特征在于，所述的步骤②采用最大类间方差法进行图像分割，具体是：
步骤2.1设图像包含L个灰度级(0,1...，L-1)，灰度值为i的出现概率为pi，分割前景和背景的阈值为k；
图像的前景区域的分布概率ωF和背景区域的分布概率ωB为：
图像的前景区域的灰度均值μF和背景区域的灰度均值μB为：
整幅图像的灰度均值μT为：
图像的前景区域和背景区域的总方差
满足最大的阈值k便是最佳区域分割阈值。
4.根据权利要求1或2所述的用于激光异物清除器的异物识别方法，其特征在于，所述的步骤③形态学处理，具体是先对图像进行腐蚀，然后对腐蚀后的图像进行膨胀运算，实现图像中相邻点的连接，以及分割后图像噪声元素的消除。
5.根据权利要求1或2所述的用于激光异物清除器的异物识别方法，其特征在于，所述的步骤④边缘检测，是采用Canny边缘检测法提取图像。
6.根据权利要求1或2所述的用于激光异物清除器的异物识别方法，其特征在于，所述的步骤⑤计算各边缘点的曲率，具体是：先对提取的所有边缘点进行排序；然后计算各边缘点的曲率；
曲线曲率定义如下：
式中：表示弧段的平均曲率，Δs表示弧段的长度，Δα表示弧段对应切线转角；
通过边缘提取和排序后，根据边缘点的坐标，转换后的曲率计算公式如下：
K表示当前采样点的曲率；V表示采样间隔，α2表示后一点到当前点连线与X轴的夹角；α1表示当前点到前一点连线与X轴的夹角，其中α的计算公式如下：
式中：α表示两相邻采样点连线与X轴的夹角；x1、y1表示前采样点的坐标；x2、y2表示后采样点的坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810942661.4A CN109191438B (zh) | 2018-08-17 | 2018-08-17 | 一种用于激光异物清除器的异物识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810942661.4A CN109191438B (zh) | 2018-08-17 | 2018-08-17 | 一种用于激光异物清除器的异物识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109191438A true CN109191438A (zh) | 2019-01-11 |
| CN109191438B CN109191438B (zh) | 2021-10-08 |
Family
ID=64918307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810942661.4A Active CN109191438B (zh) | 2018-08-17 | 2018-08-17 | 一种用于激光异物清除器的异物识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109191438B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458176A (zh) * | 2019-07-11 | 2019-11-15 | 中科光绘（上海）科技有限公司 | 用于激光异物清除器的异物入侵检测方法 |
| CN110473245A (zh) * | 2019-07-25 | 2019-11-19 | 中山市奥珀金属制品有限公司 | 一种深度图像文件筛选方法及系统 |
| CN111702326A (zh) * | 2020-06-18 | 2020-09-25 | 青岛自贸激光科技有限公司 | 一种激光表面加工方法及系统 |
| CN112607311A (zh) * | 2020-12-22 | 2021-04-06 | 上海骄成机电设备有限公司 | 一种自动剔除机连续剔除异物点方法及自动剔除机 |
| CN113695256A (zh) * | 2021-08-18 | 2021-11-26 | 国网江苏省电力有限公司电力科学研究院 | 一种电网异物检测识别方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012242266A (ja) * | 2011-05-20 | 2012-12-10 | Olympus Corp | レンズ異物検出装置及びレンズ異物検出方法 |
| CN106372583A (zh) * | 2016-08-25 | 2017-02-01 | 华讯方舟科技有限公司 | 一种基于毫米波图像的人体异物检测方法及系统 |
| CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
-
2018
- 2018-08-17 CN CN201810942661.4A patent/CN109191438B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012242266A (ja) * | 2011-05-20 | 2012-12-10 | Olympus Corp | レンズ異物検出装置及びレンズ異物検出方法 |
| CN106372583A (zh) * | 2016-08-25 | 2017-02-01 | 华讯方舟科技有限公司 | 一种基于毫米波图像的人体异物检测方法及系统 |
| CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵永生: "基于霍夫直线变换的输电线路异物识别应用研究", 《数字技术与应用》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458176A (zh) * | 2019-07-11 | 2019-11-15 | 中科光绘（上海）科技有限公司 | 用于激光异物清除器的异物入侵检测方法 |
| CN110458176B (zh) * | 2019-07-11 | 2022-11-04 | 中科光绘（上海）科技有限公司 | 用于激光异物清除器的异物入侵检测方法 |
| CN110473245A (zh) * | 2019-07-25 | 2019-11-19 | 中山市奥珀金属制品有限公司 | 一种深度图像文件筛选方法及系统 |
| CN111702326A (zh) * | 2020-06-18 | 2020-09-25 | 青岛自贸激光科技有限公司 | 一种激光表面加工方法及系统 |
| CN111702326B (zh) * | 2020-06-18 | 2022-03-25 | 青岛自贸激光科技有限公司 | 一种激光表面加工方法及系统 |
| CN112607311A (zh) * | 2020-12-22 | 2021-04-06 | 上海骄成机电设备有限公司 | 一种自动剔除机连续剔除异物点方法及自动剔除机 |
| CN112607311B (zh) * | 2020-12-22 | 2022-08-09 | 上海骄成超声波技术股份有限公司 | 一种自动剔除机连续剔除异物点方法及自动剔除机 |
| CN113695256A (zh) * | 2021-08-18 | 2021-11-26 | 国网江苏省电力有限公司电力科学研究院 | 一种电网异物检测识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109191438B (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191438A (zh) | 一种用于激光异物清除器的异物识别方法 | |
| CN107977639B (zh) | 一种人脸清晰度判断方法 | |
| CN103258198A (zh) | 一种表格文档图像中字符提取方法 | |
| CN104764748A (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
| CN104794688A (zh) | 基于深度信息分离天空区域的单幅图像去雾方法及装置 | |
| CN111652857A (zh) | 一种绝缘子缺陷红外检测方法 | |
| CN102663378A (zh) | 连笔手写字符的识别方法 | |
| CN111740699A (zh) | 一种光伏板故障检测识别方法、装置和无人机 | |
| CN103177445A (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
| JP2011043969A (ja) | 画像特徴点抽出方法 | |
| CN115359239A (zh) | 风电叶片缺陷检测定位方法、装置、存储介质和电子设备 | |
| CN103175850A (zh) | 宽幅面高速生产线材料表面瑕疵检测方法及系统 | |
| CN115410039A (zh) | 基于改进YOLOv5算法的煤炭异物检测系统及方法 | |
| CN111199250A (zh) | 一种基于机器学习的变电站空气开关状态校核方法及装置 | |
| CN113409303A (zh) | 一种高速铁路接触网目标检测与跟踪方法 | |
| CN108647713B (zh) | 胚胎边界识别与激光轨迹拟合方法 | |
| CN114627463B (zh) | 一种基于机器识别的非接触式配电数据识别方法 | |
| CN112232154A (zh) | 一种输电线异物自动清除方法 | |
| CN113538434B (zh) | 一种电力设备缺陷识别方法、系统和可读存储介质 | |
| CN115471845A (zh) | 基于深度学习和OpenCV的换流站数字仪表识别方法 | |
| CN115359505A (zh) | 一种电力图纸检测提取方法及系统 | |
| CN112818970A (zh) | 一种钢卷喷码识别通用检测方法 | |
| CN114612812A (zh) | 一种基于枪球联动的海漂垃圾图像识别算法 | |
| CN117811218B (zh) | 一种无人机输变配一体化协同巡检方法 | |
| CN113610006B (zh) | 一种基于目标检测模型的超时劳动判别方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231106 Address after: Room E10, No. 889 Jiangcheng Road, Shangcheng District, Hangzhou City, Zhejiang Province, 310002 Patentee after: XIAN HENG INTERNATIONAL TECHNOLOGY CO.,LTD. Address before: 201800 room 1102, 811 Pingcheng Road, Juyuan New District, Jiading District, Shanghai Patentee before: ZHONGKE GUANGHUI (SHANGHAI) TECHNOLOGY CO.,LTD. |
|
| TR01 | Transfer of patent right |