CN109447946A - 一种架空通信光缆异常检测方法 - Google Patents
一种架空通信光缆异常检测方法 Download PDFInfo
- Publication number
- CN109447946A CN109447946A CN201811126648.8A CN201811126648A CN109447946A CN 109447946 A CN109447946 A CN 109447946A CN 201811126648 A CN201811126648 A CN 201811126648A CN 109447946 A CN109447946 A CN 109447946A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- optical cable
- block
- entropy
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005856 abnormality Effects 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000002596 correlated effect Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000013450 outlier detection Methods 0.000 claims 2
- 238000012423 maintenance Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 206010003671 Atrioventricular Block Diseases 0.000 description 2
- 208000010271 Heart Block Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种架空通信光缆异常检测方法,其步骤如下:在架空通信光缆无异常时,用无人机对架空通信光缆进行拍摄图像,为基准图像;异常检测时,用无人机对通信光缆进行拍摄图像,为待检测图像;实时记录拍摄图像的GPS位置,选取GPS位置与待检测图像一致的基准图像,将基准图像、待检测图像转换成灰度图,对灰度图进行二值化处理,再进行滤波处理,得到需要的目标特征图像;对基准图像、待检测图像的目标特征图像进行轮廓检测处理,得出并标注该轮廓差异的GPS位置信息。本发明具有操作简单、检测效率高和检测准确性高的特点。本发明适用于架空通信光缆异常检测领域。
Description
技术领域
本发明涉及通信光缆检测领域,更具体的,涉及一种架空通信光缆异常检测方法。
背景技术
为响应国家“宽带提速”的号召,近年来传输网,尤其是通信光缆线路资源建设量成倍增加。由于通信光缆线路长期暴露在户外,经常受污染、雷电风暴和鸟害等自然因素的侵害,导致发生各种线路故障,对光缆线路通信系统的安全和稳定构成严重威胁。
目前,现有对架空光缆线路有无异常的检测主要靠维护人员沿着通信光缆线路巡检,这种方式存在效率低下的缺点。尤其是对位于山林、河谷等地质恶劣区域的通信光缆更是难以检测,导致巡线极低,且检测数据不准确,同时位于地质恶劣区域通信光缆巡检给维护人员带来严重的人身安全问题。因此急需一种能提高检测效率、提高检测准确性的架空通信光缆异常检测方法。
发明内容
本发明为了解决现有检测方式存在检测效率低、检测准确性低,且给维护人员的人身安全带来威胁的问题,提供了一种架空通信光缆异常检测方法,其具有操作简单,提高检测效率和增强检测准确精度的特点。
为实现上述本发明目的,采用的技术方案如下:一种架空通信光缆异常检测方法,所述检测方法具体步骤如下:
S1.在初始阶段,架空通信光缆无异常时,采用无人机飞行至架空通信光缆的上方对架空通信光缆进行拍摄,并记录每次拍摄时的GPS位置;此时拍摄的图像作为基准图像;
S2.进行异常检测时,采用无人机飞行至架空通信光缆的上方对通信光缆进行拍摄,并记录拍摄时的GPS位置;此时拍摄的图像作为待检测图像;
S3.选取GPS位置与待检测图像一致的基准图像,将基准图像、待检测图像转换成灰度图,对灰度图进行二值化处理,再进行滤波处理,得到需要的目标特征图像;
S4.对基准图像、待检测图像的目标特征图像进行轮廓检测处理,得出轮廓的差异,并标注该轮廓差异的GPS位置信息,从而实现通信光缆差异检测。
优选地,为了提高检测的准确性,在对灰度图进行二值化处理之前还需进行图像信息熵算法检测,选取无异常的待检测图像进行二值化处理;所述图像信息熵算法检测具体步骤如下:
步骤1:将基准图像进行分块处理,从基准图像中选择的两个区域包括基准图像中心位置块,及基准图像中图像熵值最大的块;
步骤2:用基准图像中心位置块、基准图像中图像熵值最大的块,与待检测图像进行ECC熵相关系数计算,得到基准图像中心位置块、及基准图像中图像熵值最大的块在待检测图像中所对应子块的位置,并计算基准图像中的块与待检测图像中的子块之间的偏移量;
步骤3:判断基准图像中的块与待检测图像中的子块之间的偏移量是否在设定标准范围之内,若偏移量超过设定标准,则待检测图像异常,进入下一张图像检测;偏移量小于设定标准,则待检测图像无异常,进入下一步。
优选地,所述基准图像中块的熵值的计算过程如下:
其中hi表示块X中灰度值为i的像素点总数,n表示块X的灰度级数,pi表示灰度i出现的概率,H(X)为块X的熵。
优选地,所述图像ECC熵相关系数运算的具体过程如下:
MI(R,F)=H(R)+H(F)-H(R,F)
R为基准图像中选取的区域,F为待检测图像,H(R)是R的熵,H(F)是F的熵,MI(R,F)为R和F的互信息熵,ECC(R,F)是R和F的熵相关系数。
优选地,所述偏移量的计算公式如下:
其中:||AA’||和||BB’||表示偏移量距离;A’(x1’,y1’)为子块在待检测图像中ECC最大的子图像的起始点位置;B’(x2’,y2’)为子块在待检测图像中ECC最大的子图像的起始点位置;基准图像中心的块的起始点A(x1,y1)点;基准图像中图像熵值最大的块的起始点B(x2,y2)。
优选地,所述S3中设定标准为基准图像中的块与待检测图像中的子块之间的偏移量在±15°范围内为正常范围,配准成功,否则配准失败,进入下一张图像配准。
优选地,所述在对基准图像和带检测图像进行二值化和滤波处理之后,还需对基准图像和待检测图像数据进行腐蚀膨胀处理,消除背景噪声,避免噪声因素对后期处理造成影响。
本发明的有益效果如下:本发明采用无人机对通信光缆进行图像采集,通过轮廓检测方法对通信光缆异常检测,整个过程无需维护人员沿路检测,检测效率,保证维护人员人身安全,同时提高检测准确性;本发明采用图像信息熵的图像处理方法,通过对比基准图像与待检测图像,便可得出待检测图像是否存在异常,确保基准图像与待检测图像的GPS位置一致,保证图像轮廓检测准确性。
附图说明
图1是本发明架空通信光缆异常检测方法的流程图。
图2是本发明图像信息熵处理流程图。
图3是本发明基准图像与待检测图像的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示,一种架空通信光缆异常检测方法,所述检测方法具体步骤如下:
S1:在初始阶段,架空通信光缆无异常时,控制搭载有GPS定位模块和视频拍摄模块的无人机飞行至架空光缆的正上方,调整视频拍摄模块,确保垂直俯视对通信光缆拍摄图像;并记录每次拍摄时的GPS位置;此时拍摄的图像作为基准图像。
S2:进行异常检测时,控制搭载有GPS定位模块和视频拍摄模块的无人机飞行至架空光缆的正上方对通信光缆进行拍摄,并记录拍摄时的GPS位置;此时拍摄的图像作为待检测图像。
S3:选取GPS位置与待检测图像一致的基准图像,将基准图像、待检测图像转换成灰度图,对灰度图进行二值化处理,再进行滤波处理,得到需要的目标特征图像;
S4:为了避免噪声因素对后期处理造成影响,还需对基准图像和待检测图像数据进行腐蚀膨胀处理,消除背景噪声后,对基准图像、待检测图像的目标特征图像进行轮廓检测处理,得出轮廓的差异,并标注该轮廓差异的GPS位置信息,从而实现通信光缆差异检测。
本实施例中由于无人机拍摄通信光缆图像时,依据相同GPS坐标值进行定点拍摄,但由于实际使用过程中,GPS有一定范围的偏移,所以需要通过来自于基准图像的块与待检测图像中的子块进行图像检测,从而判断待检测图像是否出现偏差。为了提高检测的准确性,在对灰度图进行二值化处理之前还需进行图像信息熵算法检测,选取无异常的待检测图像进行二值化处理;所述图像信息熵算法检测具体步骤如下:
步骤1:将基准图像进行分块处理,从基准图像中选择的两个区域包括基准图像中心位置块,及基准图像中图像熵值最大的块;
步骤2:用基准图像中心位置块、基准图像中图像熵值最大的块,与待检测图像进行ECC熵相关系数计算,得到基准图像中心位置块、及基准图像中图像熵值最大的块在待检测图像中所对应子块的位置,并计算基准图像中的块与待检测图像中的子块之间的偏移量;
步骤3:判断基准图像中的块与待检测图像中的子块之间的偏移量是否在设定标准范围之内,若偏移量超过设定标准,则待检测图像异常,进入下一张图像检测;偏移量小于设定标准,则待检测图像无异常,进入下一步。
本实施例中以GPS标签为对比准则,选择基准图像组和待检测图像组中GPS相同的两张图像,基准图像和待检测图像像素尺寸都是1280*720。如果待检测图片组中存在定点GPS位置漏拍情况,则跳过。
本实施例中对基准图像和待检测图像的RGB值,转换成灰度图,转换原则依据Matlab R2015a软件帮助文档中RGB转灰度图函数(rgb2gray)的转换规则,转换规则公式为:
gray=0.299*R+0.587*G+0.114*B
本实施例中将基准图像进行分块处理,其中取基准图像中心位置块,作为模板1子图像,这是因为基准图像中心位置都是通信光缆图像,记子模板1为子图像位置起始点,记为A(x1,y1)点,设dx和dy分别为模板尺寸大小,则子模板坐标为(x1:x1+dx,y1:y1+dy)。图片尺寸是1280*720像素,则x1=512,y1=288,设定dx=256,dy=144。子模板尺寸为基准图片的1/25。
本实施例对基准图像分块,每块尺寸大小为(dx=256,dy=144),一共分为25块子图像。对25块子图像进行图像信息熵计算,选择基准图像中图像熵值最大的块为子模块2,其起始点记为B(x2,y2),其坐标为(x2:x2+dx,y2:y2+dy)。
熵(entropy)是信息论中的重要概念,用来描述系统不确定性的测度,反映一个系统本身所能提供的信息总量,信息熵的数学表达式为:
其中p(ai)为系统中ai出现的概率。
本实施例中基准图像中块的熵值的计算过程如下:
其中:hi表示图像X中灰度值为i的像素点总数;n表示图像X的灰度级数;pi表示灰度i出现的概率;H(X)为图像X的熵。
本实施例所述当通信光缆待检测图像出现异常情况时,局部分块图像熵值会发生变化,因为灰度值的剧烈变化易导致各子图熵值变动,造成最大熵值子图块转移。所述ECC熵相关系数(Entropy Correlation Coefficient)图像配准方法是寻找模板与待检测图像之间熵相关系数的最大的子图像,熵相关系数越大,说明模板和待检测图像的子图像之间的相同信息量越大,即为配准图像。
所述的图像ECC熵相关系数运算的具体过程如下:
MI(R,F)=H(R)+H(F)-H(R,F)
其中:R为基准图像;F为待检测图像;H(R)是R的熵,H(F)是F的熵;MI(R,F)为R和F的互信息熵;ECC(R,F)是R和F的熵相关系数。
计算模板1和模板2在待检测图像中使用ECC熵相关系数算法搜索相似性测度最大的图像块,如图3所示,A’(x1’,y1’)为子模板1在待检测图像中ECC最大的子图像的起始点位置,B’(x2’,y2’)为子模板2在待检测图像中ECC最大的子图像的起始点位置。
基准文件中子模板1和2的起始位置A和B,在待检测图像中配准子图像起始位置A’和B’,从而得到两幅图像之间的相对偏移量,偏移量距离为||AA’||和||BB’||
偏移量计算公式如下:
其中:A’(x1’,y1’)为子模板1在待检测图像中ECC最大的子图像的起始点位置;B’(x2’,y2’)为子模板2在待检测图像中ECC最大的子图像的起始点位置;子模板1的子图像位置起始点A(x1,y1)点;子模块2的起始点B(x2,y2)。
依据SIFT算法特点,图像的局部特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。运用图像中信息熵最大部分配准,能保证存在不规则局部运动的图像配准后的质量。与基准图像相比较,待检测图由于无人机在预设飞行轨迹下的拍摄差异,会导致待检测图像会有一定角度的偏差。
本实施例图像信息熵的偏移量的设定标准方式如下:设待检测图像在±15°范围内为正常范围,即范围在±||AA’||*sin15°=±||AA’||*25.9%之内表示正常;
则判断标准为:
Lr=||||AA’||-||BB’||||≤||AA’||*25.9%
若Lr与||AA’||相差25%内,即偏移量小于设定标准,则待检测图像无异常,进入下一步;若超过25%,则表示待检测图像存在异常,进入下一张图像检测。
本实施例将ECC算法检测为成功的待检测图像进行二值化处理,再进行滤波,从而得到需要的目标特征图像。并通过对图像数据进行腐蚀膨胀处理,消除背景噪声,避免噪声因素对后期处理造成影响,同时将独立的图像元素分割出来,并连接具有相同特征的相邻图像元素,寻找图像中的明显的极大值区域或极小值区域,从而得到该图像数据中的图像轮廓,对基准图像、待检测图像进行轮廓检测处理,得出轮廓的差异,并标注该轮廓差异的GPS位置信息,从而实现通信光缆差异检测。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种架空通信光缆异常检测方法,其特征在于:所述检测方法具体步骤如下:
S1.在初始阶段,架空通信光缆无异常时,采用无人机飞行至架空通信光缆的上方对架空通信光缆进行拍摄,并记录每次拍摄时的GPS位置;此时拍摄的图像作为基准图像;
S2.进行异常检测时,采用无人机飞行至架空通信光缆的上方对通信光缆进行拍摄,并记录拍摄时的GPS位置;此时拍摄的图像作为待检测图像;
S3.选取GPS位置与待检测图像一致的基准图像,将基准图像、待检测图像转换成灰度图,对灰度图进行二值化处理,再进行滤波处理,得到需要的目标特征图像;
S4.对基准图像、待检测图像的目标特征图像进行轮廓检测处理,得出轮廓的差异,并标注该轮廓差异的GPS位置信息,从而实现通信光缆差异检测。
2.根据权利1所述的架空通信光缆异常检测方法,其特征在于:为了提高检测的准确性,在对灰度图进行二值化处理之前还需进行图像信息熵算法检测,选取无异常的待检测图像进行二值化处理;所述图像信息熵算法检测具体步骤如下:
步骤1:将基准图像进行分块处理,并选取基准图像中心位置块及基准图像中图像熵值最大的块进行步骤S2的处理;
步骤2:用基准图像中心位置块、基准图像中图像熵值最大的块,与待检测图像进行ECC熵相关系数计算,得到基准图像中心位置块及基准图像中图像熵值最大的块在待检测图像中所对应子块的位置,并计算基准图像中的块与待检测图像中的子块之间的偏移量;
步骤3:判断基准图像中的块与待检测图像中的子块之间的偏移量是否在设定标准范围之内,若偏移量超过设定标准,则待检测图像异常,进入下一张图像检测;偏移量小于设定标准,则待检测图像无异常,进入下一步。
3.根据权利2所述的架空通信光缆异常检测方法,其特征在于:所述基准图像中块的熵值的计算过程如下:
其中hi表示块X中灰度值为i的像素点总数,n表示块X的灰度级数,pi表示灰度i出现的概率,H(X)为块X的熵。
4.根据权利2所述的架空通信光缆异常检测方法,其特征在于:所述图像ECC熵相关系数运算的具体过程如下:
MI(R,F)=H(R)+H(F)-H(R,F)
R为基准图像中选取的区域,F为待检测图像,H(R)是R的熵,H(F)是F的熵,MI(R,F)为R和F的互信息熵,ECC(R,F)是R和F的熵相关系数。
5.根据权利2所述的架空通信光缆异常检测方法,其特征在于:所述偏移量的计算公式如下:
其中:||AA’||和||BB’||表示偏移量距离;A’(x1’,y1’)为子块在待检测图像中ECC最大的子块的起始点位置;B’(x2’,y2’)为子块在待检测图像中ECC最大的子块的起始点位置;基准图像中心的块的起始点A(x1,y1)点;基准图像中图像熵值最大的块的起始点B(x2,y2)。
6.根据权利要求2所述的基于图像信息熵的架空通信光缆异常检测算法,其特征在于:所述S3中设定标准为基准图像中的块与待检测图像中的子块之间的偏移量在±15°范围内为正常范围,配准成功,否则配准失败,进入下一张图像配准。
7.根据权利要求1~6任一项所述的基于图像信息熵的架空通信光缆异常检测算法,其特征在于:所述在对基准图像和带检测图像进行二值化和滤波处理之后,还需对基准图像和待检测图像数据进行腐蚀膨胀处理,消除背景噪声,避免噪声因素对后期处理造成影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126648.8A CN109447946B (zh) | 2018-09-26 | 2018-09-26 | 一种架空通信光缆异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126648.8A CN109447946B (zh) | 2018-09-26 | 2018-09-26 | 一种架空通信光缆异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447946A true CN109447946A (zh) | 2019-03-08 |
CN109447946B CN109447946B (zh) | 2021-09-07 |
Family
ID=65544387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811126648.8A Active CN109447946B (zh) | 2018-09-26 | 2018-09-26 | 一种架空通信光缆异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447946B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541894A (zh) * | 2020-12-11 | 2021-03-23 | 无锡雷德环保设备有限公司 | 一种产品形变检测方法 |
CN114359275A (zh) * | 2022-03-16 | 2022-04-15 | 南通俊朗智能科技有限公司 | 基于人工智能的液压齿轮泵缺陷检测方法及系统 |
CN116228746A (zh) * | 2022-12-29 | 2023-06-06 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101011266A (zh) * | 2007-02-01 | 2007-08-08 | 上海交通大学 | 三维超声心动图四腔切面图像自动检测的方法 |
CN101957325A (zh) * | 2010-10-14 | 2011-01-26 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人变电站设备外观异常识别方法 |
CN102063715A (zh) * | 2010-12-25 | 2011-05-18 | 浙江师范大学 | 基于nsct和粒子群优化算法的台风云图融合方法 |
CN102929288A (zh) * | 2012-08-23 | 2013-02-13 | 山东电力集团公司电力科学研究院 | 基于视觉伺服的输电线路无人机巡检云台控制方法 |
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 |
US20150063634A1 (en) * | 2012-06-11 | 2015-03-05 | Hi-Tech Solutions Ltd. | System and method for detecting cargo container seals |
CN104581054A (zh) * | 2014-12-22 | 2015-04-29 | 深圳供电局有限公司 | 基于视频的输电线路巡检方法及系统 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105857582A (zh) * | 2016-04-06 | 2016-08-17 | 北京博瑞爱飞科技发展有限公司 | 调整拍摄角度的方法、装置和无人驾驶飞行器 |
CN106899810A (zh) * | 2015-12-21 | 2017-06-27 | 中国矿业大学(北京) | 一种矿井视频图像融合方法与装置 |
JP2017144532A (ja) * | 2016-02-19 | 2017-08-24 | ファナック株式会社 | カメラの画像により故障を判定するロボットシステムの故障診断装置 |
US20170261264A1 (en) * | 2017-05-25 | 2017-09-14 | Northeastern University | Fault diagnosis device based on common information and special information of running video information for electric-arc furnace and method thereof |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN107527397A (zh) * | 2017-08-24 | 2017-12-29 | 国网黑龙江省电力有限公司信息通信公司 | 移动式机房自动巡检系统及方法 |
CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
CN107742292A (zh) * | 2017-10-31 | 2018-02-27 | 成都意町工业产品设计有限公司 | 一种高压输电线路上的异物巡检系统 |
CN107818303A (zh) * | 2017-10-23 | 2018-03-20 | 中石化石油工程地球物理有限公司 | 无人机油气管线影像自动对比分析方法、系统及软件存储器 |
-
2018
- 2018-09-26 CN CN201811126648.8A patent/CN109447946B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101011266A (zh) * | 2007-02-01 | 2007-08-08 | 上海交通大学 | 三维超声心动图四腔切面图像自动检测的方法 |
CN101957325A (zh) * | 2010-10-14 | 2011-01-26 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人变电站设备外观异常识别方法 |
CN102063715A (zh) * | 2010-12-25 | 2011-05-18 | 浙江师范大学 | 基于nsct和粒子群优化算法的台风云图融合方法 |
US20150063634A1 (en) * | 2012-06-11 | 2015-03-05 | Hi-Tech Solutions Ltd. | System and method for detecting cargo container seals |
CN102929288A (zh) * | 2012-08-23 | 2013-02-13 | 山东电力集团公司电力科学研究院 | 基于视觉伺服的输电线路无人机巡检云台控制方法 |
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 |
CN104581054A (zh) * | 2014-12-22 | 2015-04-29 | 深圳供电局有限公司 | 基于视频的输电线路巡检方法及系统 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN106899810A (zh) * | 2015-12-21 | 2017-06-27 | 中国矿业大学(北京) | 一种矿井视频图像融合方法与装置 |
JP2017144532A (ja) * | 2016-02-19 | 2017-08-24 | ファナック株式会社 | カメラの画像により故障を判定するロボットシステムの故障診断装置 |
CN105857582A (zh) * | 2016-04-06 | 2016-08-17 | 北京博瑞爱飞科技发展有限公司 | 调整拍摄角度的方法、装置和无人驾驶飞行器 |
US20170261264A1 (en) * | 2017-05-25 | 2017-09-14 | Northeastern University | Fault diagnosis device based on common information and special information of running video information for electric-arc furnace and method thereof |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN107527397A (zh) * | 2017-08-24 | 2017-12-29 | 国网黑龙江省电力有限公司信息通信公司 | 移动式机房自动巡检系统及方法 |
CN107818303A (zh) * | 2017-10-23 | 2018-03-20 | 中石化石油工程地球物理有限公司 | 无人机油气管线影像自动对比分析方法、系统及软件存储器 |
CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
CN107742292A (zh) * | 2017-10-31 | 2018-02-27 | 成都意町工业产品设计有限公司 | 一种高压输电线路上的异物巡检系统 |
Non-Patent Citations (4)
Title |
---|
LI, BL 等: "Detection of Ice on Power Cables Based on Image Texture Features", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 * |
刘朝涛 等: "基于图像处理的桥梁缆索检测系统研制", 《重庆交通大学学报(自然科学版)》 * |
廖瑛: "遥感图像处理方法在矿产资源开发中的应用", 《测绘技术与装备》 * |
李彬 等: "胸部多模医学图像快速配准", 《计算机工程与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541894A (zh) * | 2020-12-11 | 2021-03-23 | 无锡雷德环保设备有限公司 | 一种产品形变检测方法 |
CN112541894B (zh) * | 2020-12-11 | 2023-12-08 | 无锡雷德环保设备有限公司 | 一种产品形变检测方法 |
CN114359275A (zh) * | 2022-03-16 | 2022-04-15 | 南通俊朗智能科技有限公司 | 基于人工智能的液压齿轮泵缺陷检测方法及系统 |
CN114359275B (zh) * | 2022-03-16 | 2022-06-07 | 南通俊朗智能科技有限公司 | 基于人工智能的液压齿轮泵缺陷检测方法及系统 |
CN116228746A (zh) * | 2022-12-29 | 2023-06-06 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN109447946B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017080102A1 (zh) | 飞行装置、飞行控制系统及方法 | |
CN110097093A (zh) | 一种异源图像精确匹配方法 | |
CN107146200B (zh) | 一种基于图像拼接质量评价的无人机遥感图像拼接方法 | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
CN104685513A (zh) | 根据使用阵列源捕捉的低分辨率图像的基于特征的高分辨率运动估计 | |
CN103778645B (zh) | 一种基于图像的圆形目标实时跟踪方法 | |
CN109447946A (zh) | 一种架空通信光缆异常检测方法 | |
CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
US8106968B1 (en) | System and method for pattern detection and camera calibration | |
CN103198476B (zh) | 一种粗线型十字圆环标记的图像检测方法 | |
CN111210477A (zh) | 一种运动目标的定位方法及系统 | |
US20180130217A1 (en) | Method and apparatus for performing background image registration | |
JP2016197287A (ja) | 情報処理装置、情報処理方法、プログラム | |
JP6544257B2 (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
CN106096497B (zh) | 一种针对多元遥感数据的房屋矢量化方法 | |
CN104103069B (zh) | 图像处理装置、图像处理方法及记录介质 | |
CN105225251A (zh) | 基于机器视觉的超视距海上运动目标快速识别与定位装置及方法 | |
CN107403410B (zh) | 一种热红外图像的拼接方法 | |
CN109035326A (zh) | 基于亚像素图像识别的高精度定位技术 | |
CN109238268A (zh) | 不规则小天体导航形心的最优外接椭圆提取方法 | |
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
CN108876806A (zh) | 基于大数据分析的目标跟踪方法和系统、存储介质及设备 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN111476785B (zh) | 基于位置记录的夜间红外反光水尺检测方法 | |
CN110718068B (zh) | 一种道路监控摄像机安装角度估计方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 510630 Room 201, 78 Taoyu Road, Tianhe District, Guangzhou City, Guangdong Province Patentee after: Zhongtong service Zhongrui Technology Co.,Ltd. Address before: No. 78, Taoyu Road, Tianhe District, Guangzhou, Guangdong 510630 Patentee before: ZHONGRUI COMMUNICATION PLANNING AND DESIGN Co.,Ltd. |