CN109687382A - 一种基于颜色模版匹配的继电保护压板投退状态识别方法 - Google Patents
一种基于颜色模版匹配的继电保护压板投退状态识别方法 Download PDFInfo
- Publication number
- CN109687382A CN109687382A CN201811531232.4A CN201811531232A CN109687382A CN 109687382 A CN109687382 A CN 109687382A CN 201811531232 A CN201811531232 A CN 201811531232A CN 109687382 A CN109687382 A CN 109687382A
- Authority
- CN
- China
- Prior art keywords
- pressing plate
- template
- formula
- picture
- relay
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及继电保护压板技术领域,更具体地,涉及一种基于颜色模版匹配的继电保护压板投退状态识别方法。本发明通过拍摄继电器保护压板的图像、图像预处理、模板采集以及图像识别等步骤,采用模板匹配技术,避免了不同种类的保护屏需要设计不同算法的缺陷,也减少了使用难度,具有较高的实用性;同时,本方法解决了拍照角度、距离对识别结果的影响,使得该方法可应用于手持终端或移动端手机,极大地方便了运行人员的使用;采用RGB颜色归一化方法,去除光照影响,提高了识别的可靠性。
Description
技术领域
本发明涉及继电保护压板技术领域,更具体地,涉及一种基于颜色模版匹配的继电保护压板投退状态识别方法。
背景技术
继电保护压板投退状态的准确性,是电网安全可靠运行的关键。然而,目前电网公司保护压板数量大,类型多,人工检测压板状态容易由于视觉疲劳而导致压板操作错误且工作量大,耗时长。为此,近几年,众多学者对保护压板投退状态的可靠检测,快速识别进行了大量研究,包括规范操作流程,巧用颜色标识, 基于图像自动识别技术等。其中基于图像自动识别技术由于具有识别快速,结果可靠,使用方便等优势而得到众多学者的重视。然而,目前在应用基于图像识别的压板状态识过程中,还存在不少问题,如拍照角度、距离,光线强弱,照射角度,甚至是障碍物或人的影子等因素都直接影响识别效果,继电保护屏的种类较多也增加了算法实现难度。因此,还亟需一种能够解决上述问题的继电保护压板投退状态识别方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于颜色模版匹配的继电保护压板投退状态识别方法。
为解决上述技术问题,本发明采用的技术方案是:
一种基于颜色模版匹配的继电保护压板投退状态识别方法,包括以下步骤:
S1:拍摄继电器保护压板的图像;
S2:图像预处理,利用保护屏边框完成拍照图像的校正与提取,解决拍照时的角度、距离不一致问题;继电保护屏四周以红色矩形边框作为标识,如果没有,可进行人工标识。
S3:模版采集,根据图像预处理后提取的压板图片,通过人工擦除不相关像素,突出模版投退状态特征的关键像素,并设置需要的关键位置点、参数信息;
S4:图像识别,利用图像预处理后提取的压板图片,通过与模版采集部分提取的模版进行匹配,从而判断压板状态并输出识别结果。
优选地,步骤S2具体包括以下步骤:
s21:边框提取;
s22:直线提取;边框提取后,为进一步去除实际应用中可能存在的干扰,可采用腐蚀功能去除较细的线条或面积较小的噪声点,腐蚀后可采用细化方案,以减小有效像素点,提高直线提取速度。本技术方案采用腐蚀、细化、概率霍夫变换提取直线段。由于概率霍夫变换提取的直线段一般远多于实际需要的直线段,因此需要对提取的直线段做进一步判断,如去除或连接,才能准确找到所需要的边框直线。
s23:压板校正,对已经过边框、线条提取的图片进行校正;
s24:压板提取,对已校正的压板图片进行提取;
s25:颜色归一化,即将提取的压板图片的R,G,B颜色除以(R^2+G^2+B^2)^0.5。采用颜色归一化,可以避免光照强度影响,特别是同一图中不同位置不同光照的影响,采用RGB颜色归一化方法,去除光照影响,提高了识别的可靠性。
优选地,步骤s21具体包括以下步骤:
s211:边框提取,对图片进行归一化处理,利用公式(1)得到归一化的该像素的RGB值,公式(1)如下:
其中,[ri gi bi]为第i个像素的RGB值,为归一化后该像素的RGB 值;
s212:利用公式(2)如下:
对边框进行提取,其中d为待调参数,归一化后,图片颜色体现为RGB值的权重,红色表现为
s213:根据公式(1)与公式(2)可知,公式(2)等价于公式(3)
ri≥d·max(gi,bi);
s214:利用公式(3)并对d进行赋值,得到边框识别图。
优选地,步骤s22具体包括以下步骤:
s221:将所获取的所有直线采用(ρ,θ)描述形式,见公式(4),并按照给定间距 (Δρ,Δθ)进行初始分类,公式(4)如下:xcosθ+ysinθ=ρ;
s222:计算以线段长度为权重的聚类中心,即
式中,Li,j表示第i类中第j条直线段的长度,ρi,j,θi,j分别表示第i类中第j条直线段的ρ和θ,和分别表示第i类新的聚类中心;
s223:以 为聚类中心,按照欧氏距离最近原则重新聚类,如果有直线段分类变动,则返回步骤s222重新聚类,直到分类结果不再变化为止;
s224:将所有类中的直线段分别按照ρ和θ计算平均值以及标准差σρ,σθ,去掉所有或的直线段;
s225:重复步骤s224,直到再也没有直线段被去掉为止;
s226:将每一类中的直线段连接起来组成一条直线段;
s227:将大于45度的直线认为是垂直线,小于45度的直线认为是水平线,并依据预先给定的水平线数量n选取聚类中的最长n条作为水平线目标直线,同时选择聚类中最常的2条垂直线作为垂直线目标直线;
s228:将垂直线段中端点x最小和最大的直线段分别作为边框左边和右边直线,将水平线段中端点y最小和最大的直线段分别作为边框上边和下边直线。
优选地,图片完成边框直线提取后,计算4条边线的四个交点,利用opencv 中warpPerspective函数对完成边框直线提取后的图片进行校正。
优选地,模版采集包括采集一级模版以及采集二级模版;所述一级模版采集为:由于校正后图已具有一定精度,因此可尽量减小每一个压板匹配区域,应用中可根据实际效果选择一个较小的矩形框作为模版匹配区域,从而减小滑窗次数。所述二级模版采集为一级模版采集精确查找压板旋转中心位置,二级模版查找压板可动部分关键特征位置;最后通过比较可动部分关键特征位置与旋转中心位置之间的角度,并与给定投退角度阈值比较,确定投退状态。
在本技术方案中,每一个压板位置基本可确定,因此可通过模版匹配方法在相邻区域进行滑窗匹配,找出最相关的模版,其状态就和此模版一致。本技术方案解决了模版匹配耗时过长、保护压板种类多的问题。
优选地,采用相关匹配法对模版与所拍照图片进行匹配,匹配公式(5)如下:
其中,其中下标T表示模版,I表示实际拍照图片,N表示模版有效像素个数(r,g,b任一颜色值不为零的像素个数),i0表示实际图片i0位置开始取模版大小的子图,R(i0)表示子图的相关值。
优选地,设置一设别阈值(0~1之间),当实际计算相关值满足公式(5)时,即可认为匹配值过低,位置子图与模版不匹配,公式(5)如下:
与现有技术相比,本发明的有益效果是:
本发明充分利用现有保护屏中颜色标识,采用模版匹配技术,避免了不同种类的保护屏需要设计不同算法的缺陷,也减少了使用难度,具有较高的实用性;同时,本方法解决了拍照角度、距离对识别结果的影响,使得该方法可应用于手持终端或移动端手机,极大地方便了运行人员的使用;采用RGB颜色归一化方法,去除光照影响,提高了识别的可靠性。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例
图1为本发明一种基于颜色模版匹配的继电保护压板投退状态识别方法的流程图,包括以下步骤:
S1:拍摄继电器保护压板的图像;
S2:图像预处理,利用保护屏边框完成拍照图像的校正与提取,解决拍照时的角度、距离不一致问题;继电保护屏四周以红色矩形边框作为标识,如果没有,可进行人工标识。
S3:模版采集,根据图像预处理后提取的压板图片,通过人工擦除不相关像素,突出模版投退状态特征的关键像素,并设置需要的关键位置点、参数信息;
S4:图像识别,利用图像预处理后提取的压板图片,通过与模版采集部分提取的模版进行匹配,从而判断压板状态并输出识别结果。
其中,步骤S2具体包括以下步骤:
s21:边框提取;
s22:直线提取;边框提取后,为进一步去除实际应用中可能存在的干扰,可采用腐蚀功能去除较细的线条或面积较小的噪声点,腐蚀后可采用细化方案,以减小有效像素点,提高直线提取速度。本技术方案采用腐蚀、细化、概率霍夫变换提取直线段。由于概率霍夫变换提取的直线段一般远多于实际需要的直线段,因此需要对提取的直线段做进一步判断,如去除或连接,才能准确找到所需要的边框直线。
s23:压板校正,对已经过边框、线条提取的图片进行校正;
s24:压板提取,对已校正的压板图片进行提取;
s25:颜色归一化,即将提取的压板图片的R,G,B颜色除以(R^2+G^2+B^2)^0.5。采用颜色归一化,可以避免光照强度影响,特别是同一图中不同位置不同光照的影响,采用RGB颜色归一化方法,去除光照影响,提高了识别的可靠性。
另外,步骤s21具体包括以下步骤:
s211:边框提取,对图片进行归一化处理,利用公式(1)得到归一化的该像素的RGB值,公式(1)如下:
其中,[ri gi bi]为第i个像素的RGB值,为归一化后该像素的RGB 值;
s212:利用公式(2)如下:
对边框进行提取,其中d为待调参数,归一化后,图片颜色体现为RGB值的权重,红色表现为
s213:根据公式(1)与公式(2)可知,公式(2)等价于公式(3)
ri≥d·max(gi,bi);
s214:利用公式(3)并对d进行赋值,得到边框识别图。
其中,步骤s22具体包括以下步骤:
s221:将所获取的所有直线采用(ρ,θ)描述形式,见公式(4),并按照给定间距 (Δρ,Δθ)进行初始分类,公式(4)如下:xcosθ+ysinθ=ρ;
s222:计算以线段长度为权重的聚类中心,即
式中,Li,j表示第i类中第j条直线段的长度,ρi,j,θi,j分别表示第i类中第j条直线段的ρ和θ,和分别表示第i类新的聚类中心;
s223:以为聚类中心,按照欧氏距离最近原则重新聚类,如果有直线段分类变动,则返回步骤s222重新聚类,直到分类结果不再变化为止;
s224:将所有类中的直线段分别按照ρ和θ计算平均值以及标准差σρ,σθ,去掉所有或的直线段;
s225:重复步骤s224,直到再也没有直线段被去掉为止;
s226:将每一类中的直线段连接起来组成一条直线段;
s227:将大于45度的直线认为是垂直线,小于45度的直线认为是水平线,并依据预先给定的水平线数量n选取聚类中的最长n条作为水平线目标直线,同时选择聚类中最常的2条垂直线作为垂直线目标直线;
s228:将垂直线段中端点x最小和最大的直线段分别作为边框左边和右边直线,将水平线段中端点y最小和最大的直线段分别作为边框上边和下边直线。
另外,图片完成边框直线提取后,计算4条边线的四个交点,利用opencv 中warpPerspective函数对完成边框直线提取后的图片进行校正。
其中,模版采集包括采集一级模版以及采集二级模版;所述一级模版采集为:由于校正后图已具有一定精度,因此可尽量减小每一个压板匹配区域,应用中可根据实际效果选择一个较小的矩形框作为模版匹配区域,从而减小滑窗次数。所述二级模版采集为一级模版采集精确查找压板旋转中心位置,二级模版查找压板可动部分关键特征位置;最后通过比较可动部分关键特征位置与旋转中心位置之间的角度,并与给定投退角度阈值比较,确定投退状态。每一个压板位置基本可确定,因此可通过模版匹配方法在相邻区域进行滑窗匹配,找出最相关的模版,其状态就和此模版一致。本技术方案解决了模版匹配耗时过长、保护压板种类多的问题。
其中,采用相关匹配法对模版与所拍照图片进行匹配,匹配公式(5)如下:
其中,其中下标T表示模版,I表示实际拍照图片,N表示模版有效像素个数(r,g,b任一颜色值不为零的像素个数),i0表示实际图片i0位置开始取模版大小的子图,R(i0)表示子图的相关值。
另外,设置一设别阈值(0~1之间),当实际计算相关值满足公式(5)时,即可认为匹配值过低,位置子图与模版不匹配,公式(5)如下:
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。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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 (8)
1.一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,包括以下步骤:
S1:拍摄继电器保护压板的图像;
S2:图像预处理,利用保护屏边框完成拍照图像的校正与提取,解决拍照时的角度、距离不一致问题;
S3:模版采集,根据图像预处理后提取的压板图片,通过人工擦除不相关像素,突出模版投退状态特征的关键像素,并设置需要的关键位置点、参数信息;
S4:图像识别,利用图像预处理后提取的压板图片,通过与模版采集部分提取的模版进行匹配,从而判断压板状态并输出识别结果。
2.根据权利要求1所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,步骤S2具体包括以下步骤:
s21:边框提取;
s22:直线提取;
s23:压板校正,对已经过边框、线条提取的图片进行校正;
s24:压板提取,对已校正的压板图片进行提取;
s25:颜色归一化,即将提取的压板图片的R,G,B颜色除以(R^2+G^2+B^2)^0.5。
3.根据权利要求2所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,步骤s21具体包括以下步骤:
s211:边框提取,对图片进行归一化处理,利用公式(1)得到归一化的该像素的RGB值,公式(1)如下:
其中,[ri gi bi]为第i个像素的RGB值,为归一化后该像素的RGB值;
s212:利用公式(2)如下:
对边框进行提取,其中d为待调参数,归一化后,图片颜色体现为RGB值的权重,红色表现为
s213:根据公式(1)与公式(2)可知,公式(2)等价于公式(3)
ri≥d·max(gi,bi);
s214:利用公式(3)并对d进行赋值,得到边框识别图。
4.根据权利要求3所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,步骤s22具体包括以下步骤:
s221:将所获取的所有直线采用(ρ,θ)描述形式,见公式(4),并按照给定间距(Δρ,Δθ)进行初始分类,公式(4)如下:xcosθ+ysinθ=ρ;
s222:计算以线段长度为权重的聚类中心,即
式中,Li,j表示第i类中第j条直线段的长度,ρi,j,θi,j分别表示第i类中第j条直线段的ρ和θ,和分别表示第i类新的聚类中心;
s223:以为聚类中心,按照欧氏距离最近原则重新聚类,如果有直线段分类变动,则返回步骤s222重新聚类,直到分类结果不再变化为止;
s224:将所有类中的直线段分别按照ρ和θ计算平均值以及标准差σρ,σθ,去掉所有或的直线段;
s225:重复步骤s224,直到再也没有直线段被去掉为止;
s226:将每一类中的直线段连接起来组成一条直线段;
s227:将大于45度的直线认为是垂直线,小于45度的直线认为是水平线,并依据预先给定的水平线数量n选取聚类中的最长n条作为水平线目标直线,同时选择聚类中最常的2条垂直线作为垂直线目标直线;
s228:将垂直线段中端点x最小和最大的直线段分别作为边框左边和右边直线,将水平线段中端点y最小和最大的直线段分别作为边框上边和下边直线。
5.根据权利要求4所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于:完成图片边框直线提取后,计算4条边线的四个交点,利用opencv中warpPerspective函数对完成边框直线提取后的图片进行校正。
6.根据权利要求5所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,模版采集包括采集一级模版以及采集二级模版;所述一级模版采集为:由于校正后图已具有一定精度,因此可尽量减小每一个压板匹配区域,应用中可根据实际效果选择一个较小的矩形框作为模版匹配区域,从而减小滑窗次数;所述二级模版采集为一级模版采集精确查找压板旋转中心位置,二级模版查找压板可动部分关键特征位置;最后通过比较可动部分关键特征位置与旋转中心位置之间的角度,并与给定投退角度阈值比较,确定投退状态。
7.根据权利要求6所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,采用相关匹配法对模版与所拍照图片进行匹配,匹配公式(5)如下:
其中,其中下标T表示模版,I表示实际拍照图片,N表示模版有效像素个数(r,g,b任一颜色值不为零的像素个数),i0表示实际图片i0位置开始取模版大小的子图,R(i0)表示子图的相关值。
8.根据权利要求7所述的一种基于颜色模版匹配的继电保护压板投退状态识别方法,其特征在于,设置一设别阈值(0~1之间),当实际计算相关值满足公式(5)时,即可认为匹配值过低,位置子图与模版不匹配,公式(5)如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531232.4A CN109687382B (zh) | 2018-12-13 | 2018-12-13 | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531232.4A CN109687382B (zh) | 2018-12-13 | 2018-12-13 | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109687382A true CN109687382A (zh) | 2019-04-26 |
CN109687382B CN109687382B (zh) | 2020-04-14 |
Family
ID=66187633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811531232.4A Active CN109687382B (zh) | 2018-12-13 | 2018-12-13 | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109687382B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675397A (zh) * | 2019-10-14 | 2020-01-10 | 国网山东省电力公司泰安供电公司 | 一种变电站保护压板状态校核方法 |
CN111242938A (zh) * | 2020-01-17 | 2020-06-05 | 广东驰行电力设备有限公司 | 压板状态自动核对方法 |
CN111310573A (zh) * | 2020-01-17 | 2020-06-19 | 厦门欧易奇机器人有限公司 | 保护屏柜图像中压板的识别方法 |
CN112528740A (zh) * | 2020-11-06 | 2021-03-19 | 广东电网有限责任公司中山供电局 | 一种压板状态识别方法 |
CN117541028A (zh) * | 2024-01-09 | 2024-02-09 | 国网山东省电力公司菏泽供电公司 | 一种保护压板的管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
CN107808162A (zh) * | 2017-09-27 | 2018-03-16 | 广东电网有限责任公司江门供电局 | 一种变电站保护压板状态比对方法及装置 |
CN108121996A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电软件有限公司 | 一种基于机器视觉的电力屏柜硬压板状态识别方法 |
CN108805038A (zh) * | 2018-05-23 | 2018-11-13 | 三峡大学 | 一种变电站保护压板状态识别方法 |
-
2018
- 2018-12-13 CN CN201811531232.4A patent/CN109687382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
CN107808162A (zh) * | 2017-09-27 | 2018-03-16 | 广东电网有限责任公司江门供电局 | 一种变电站保护压板状态比对方法及装置 |
CN108121996A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电软件有限公司 | 一种基于机器视觉的电力屏柜硬压板状态识别方法 |
CN108805038A (zh) * | 2018-05-23 | 2018-11-13 | 三峡大学 | 一种变电站保护压板状态识别方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675397A (zh) * | 2019-10-14 | 2020-01-10 | 国网山东省电力公司泰安供电公司 | 一种变电站保护压板状态校核方法 |
CN110675397B (zh) * | 2019-10-14 | 2023-03-28 | 国网山东省电力公司泰安供电公司 | 一种变电站保护压板状态校核方法 |
CN111242938A (zh) * | 2020-01-17 | 2020-06-05 | 广东驰行电力设备有限公司 | 压板状态自动核对方法 |
CN111310573A (zh) * | 2020-01-17 | 2020-06-19 | 厦门欧易奇机器人有限公司 | 保护屏柜图像中压板的识别方法 |
CN111310573B (zh) * | 2020-01-17 | 2021-08-10 | 厦门欧易奇机器人有限公司 | 保护屏柜图像中压板的识别方法 |
CN111242938B (zh) * | 2020-01-17 | 2023-11-03 | 广东驰行电力设备有限公司 | 压板状态自动核对方法 |
CN112528740A (zh) * | 2020-11-06 | 2021-03-19 | 广东电网有限责任公司中山供电局 | 一种压板状态识别方法 |
CN117541028A (zh) * | 2024-01-09 | 2024-02-09 | 国网山东省电力公司菏泽供电公司 | 一种保护压板的管理系统 |
CN117541028B (zh) * | 2024-01-09 | 2024-04-12 | 国网山东省电力公司菏泽供电公司 | 一种保护压板的管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109687382B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687382A (zh) | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 | |
CN104794491B (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
CN102314615B (zh) | 基于变电站巡检机器人的断路器状态模板匹配识别方法 | |
CN102364496B (zh) | 一种基于图像分析的汽车车牌自动识别方法及系统 | |
CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN106023151B (zh) | 一种开放环境下中医舌象目标检测方法 | |
CN104809433B (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
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 | |
CN102298698A (zh) | 基于角点与边缘信息融合的遥感图像飞机检测方法 | |
CN106529532A (zh) | 一种基于积分特征通道与灰度投影的车牌识别系统 | |
CN101339601A (zh) | 一种基于sift算法的车牌汉字识别方法 | |
CN103198304A (zh) | 一种掌纹提取识别方法 | |
CN102902967A (zh) | 基于人眼结构分类的虹膜和瞳孔的定位方法 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN108256467B (zh) | 一种基于视觉注意机制和几何特征的交通标志检测方法 | |
CN1885314A (zh) | 一种虹膜图像预处理方法 | |
CN106529461A (zh) | 一种基于积分特征通道和svm训练器的车型识别算法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN104517095A (zh) | 一种基于深度图像的人头分割方法 | |
CN104517101A (zh) | 一种基于像素平方差匹配的游戏扑克牌识别方法 | |
CN109523524A (zh) | 一种基于集成学习的眼底图像硬性渗出检测方法 | |
CN106790898B (zh) | 一种基于显著性分析的手机屏幕坏点自动检测方法和系统 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 |
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 |