CN109961430A - 一种金具表面锈蚀区域提取方法 - Google Patents
一种金具表面锈蚀区域提取方法 Download PDFInfo
- Publication number
- CN109961430A CN109961430A CN201910225627.XA CN201910225627A CN109961430A CN 109961430 A CN109961430 A CN 109961430A CN 201910225627 A CN201910225627 A CN 201910225627A CN 109961430 A CN109961430 A CN 109961430A
- Authority
- CN
- China
- Prior art keywords
- polarization
- image
- formula
- degree
- corrosion
- 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
-
- 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
-
- 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
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种金具表面锈蚀区域提取方法属于电力自动化检测技术领域,目的在于提出一种金具表面锈蚀区域提取方法,解决现有技术存在的红外或紫外检测通用性差、易受到背景干扰以及可见光成像过曝光现象严重,很难定位到锈蚀区域的问题。该方法包括在无人机航拍金具表面图像过程中,配合线偏振片,获取不同偏振角度的偏振图像,进而获取偏振度图;通过对偏振度图构建显著图,进行显著性特征滤波,进一步增强偏振度图中的锈蚀区域;对处理后图像进行二值化提取及设定面积阈值、长宽比阈值,提取锈蚀区域。本发明避免了自然光下金具表面成像的不均匀过曝问题,有效提高了锈蚀区域提取的可靠性和检测效率,为后期准确分析锈蚀区域特点提供技术支撑。
Description
技术领域
本发明属于电力自动化检测技术领域,具体涉及一种金具表面锈蚀区域提取方法。
背景技术
我国输电线路分布广泛,气象、地质条件复杂,输电线路中的金具部件容易受到恶劣环境的侵蚀,对金具表面皿造成严重锈蚀。尤其是在高盐化地区、工业污染地区,金具表面的破坏极大影响输电线路的安全运营。若不及时抑制锈蚀,金具的安全使用寿命达不到其预期设计寿命,造成输电安全隐患,严重时引发输电线路事故和经济损失。
目前的金具表面锈蚀检测主要的手段是采用直升机巡飞,人工通过摄像机或目视进行观察,拍摄效果容易受到自然光影响,观察效果不理想,并且劳动强度大,危险系数高。随着人工智能技术的发展,国内外已逐步转向无人机航拍进行输电线路检测,主要通过红外、可见光、紫外等技术手段对杆塔部件进行巡检。红外、紫外检测通用性不强,只能针对杆塔部分零件进行检测,且容易受到背景干扰。可见光成像容易受到自然光影响,过曝光现象严重,很难定位到锈蚀区域。上述的相关检测手段很大程度上限制了杆塔金具表面锈蚀区域的判断和提取,因此一种适合于输电线路金具表面锈蚀区域提取方法的提出就具有重要的工程意义和实用价值。
发明内容
本发明的目的在于提出一种金具表面锈蚀区域提取方法,解决现有技术存在的红外或紫外检测通用性差、易受到背景干扰以及可见光成像过曝光现象严重,很难定位到锈蚀区域的问题。
为实现上述目的,本发明的一种金具表面锈蚀区域提取方法包括以下步骤:
步骤一:获得待检测金具三个角度下的三个偏振图像;
步骤二:根据步骤一中获得的三个偏振图像计算获得金具偏振度图像P;
步骤三:对偏振度图像P进行双边滤波,去除采集产生的脉冲噪声,并保持图像中金具边缘;
步骤四:对经步骤三双边滤波处理后的偏振度图像P进行高斯低通滤波和下采样操作,构建8层高斯金字塔{S0,S1,S2,S3,S4,S5,S6,S7},并对高斯金字塔图像进行中央-周边差分计算,其中S0为原始图像,S1、S2、S3和S4为中央尺度图,S5、S6和S7为周边尺度图;
对偏振度图像P进行下采样构建8层高斯金字塔过程为:
1)通过公式(一)获得高斯卷积窗函数G;
其中:σ为尺度空间因子;
m,n为高斯卷积窗大小;
2)通过公式(二)计算获得每一层图像Sk;
Sk(x,y)=G(m,n,σ)*Sk-1(2x+m,2y+n) (二)
其中:*为卷积运算符;
x,y为像素点坐标;
k=1、2、3、4、5、6或7;
对高斯金字塔图像进行中央-周边差分计算过程为:通过公式(三)计算获得中央-周边差分尺度图;
Sij=N(·)(Si-Sj) (三)
其中:i=1、2、3或4;
j=5、6或7;
N(·)为归一化算子;
步骤五:针对步骤四获得的中央-周边差分尺度图通过公式(四)计算获得每像素点的M×N邻域内的局部平均亮度显著性SA;
其中:为M×N邻域内的平均亮度值;
步骤六:针对步骤四获得的中央-周边差分尺度图计算获得每像素点的M×N邻域内的局部复杂度显著性SB;具体为:
1)根据公式(五)获得梯度平均值:
2)根据公式(六)计算获得梯度方差
其中:ws为灰度级;
s的分布数目;
3)根据公式(七)计算获得局部复杂度显著性SB:
其中:s为灰度级;
Ps为s灰度级的分布概率;
步骤七:通过公式(八)计算获得中央-周边差分尺度图显著性SCij;
SCij=N(·)(SA×Sij)+N(·)(SB×Sij) (八);
步骤八:通过公式(九)计算获得偏振度图像P的显著图Pm;
步骤九:对步骤八中获得的显著图Pm图像进行迭代二值化处理,提取锈蚀区域,具体为:
1)提取显著图Pm中的轮廓,获得轮廓集C;
2)根据预先设定的锈蚀区域面积阈值T_Aear和长宽比阈值T_WH对轮廓集C进行过滤,通过遍历轮廓集C的轮廓,判断如果某一轮廓的面积小于T_Aear以及最小外接矩形的长宽比小于T_WH,则认为该轮廓为非锈蚀区域轮廓,从轮廓集C中删除;
3)显著图Pm滤除后的轮廓集C作为锈蚀区域。
步骤一中三个偏振图像获得方法为:在无人机航拍的CCD成像系统前配置偏振组件,通过电动旋转线偏振片的角度,分别旋转线偏振片角度为θ1、θ2、θ3,获取三个角度下的三幅金具偏振图像。
步骤二中所述的偏振度图像P获得方法为:
1)根据步骤一中获得的三幅偏振图像分别通过公式(十)算偏振度图像P的Stocks参量I、Q、U;
其中:θ为线偏振片旋转角度;
I(θ)为获得的偏振图像;
2)根据步骤1)中获得的Stocks参量I、Q和U通过公式(十一)计算得到偏振度图像P;
本发明的有益效果为:本发明实现了无人机航拍图像的金具表面锈蚀区域提取。在图像获取过程中,配合线偏振片,获取不同偏振角度的偏振图像,进而获取偏振度图,避免了自然光成像下的金具表面过曝问题,有效抑制背景干扰;通过对偏振度图构建显著图,进行显著性特征滤波,进一步增强偏振度图中的锈蚀区域;对处理后图像进行二值化提取及设定面积阈值、长宽比阈值,提高了锈蚀区域提取的可靠性和检测效率,为后期准确分析锈蚀区域特点提供技术保障,减少金具图像锈蚀检测的工作量,进一步降低输电线路安全事故,提高电力运行的安全度。
附图说明
图1为本发明的一种金具表面锈蚀区域提取方法流程图;
图2为本发明的一种金具表面锈蚀区域提取方法中偏振度图像至显著图处理流程图;
图3为本发明的一种金具表面锈蚀区域提取方法使用的系统图;
其中:1、计算机,2、相机,3、镜头,4、线偏振片,5、从动齿轮,6、主动齿轮,7、电机,8、金具。
具体实施方式
下面结合附图对本发明的实施方式作进一步说明。
参见附图1和附图2,本发明的一种金具表面锈蚀区域提取方法包括以下步骤:
步骤一:获得待检测金具三个角度下的三个偏振图像;
步骤二:根据步骤一中获得的三个偏振图像计算获得金具偏振度图像P;
步骤三:对偏振度图像P进行双边滤波,去除采集产生的脉冲噪声,并保持图像中金具边缘,其中双边滤波所用的模糊尺度参数0.5,距离尺度参数为20;
步骤四:对经步骤三双边滤波处理后的偏振度图像P进行高斯低通滤波和下采样操作,抽样比例在水平和竖直方向上都为1/2,构建8层高斯金字塔{S0,S1,S2,S3,S4,S5,S6,S7},并对高斯金字塔图像进行中央-周边差分计算,其中S0为原始图像,S1、S2、S3和S4为中央尺度图,S5、S6和S7为周边尺度图;
对偏振度图像P进行下采样构建8层高斯金字塔过程为:
1)通过公式(一)获得高斯卷积窗函数G;
其中:σ为尺度空间因子;
m,n为高斯卷积窗大小;
2)通过公式(二)计算获得每一层图像Sk;
Sk(x,y)=G(m,n,σ)*Sk-1(2x+m,2y+n) (二)
其中:*为卷积运算符;
x,y为像素点坐标;
k=1、2、3、4、5、6或7;
对高斯金字塔图像进行中央-周边差分计算过程为:通过公式(三)计算获得中央-周边差分尺度图;
Sij=N(·)(Si-Sj) (三)
其中:i=1、2、3或4;
j=5、6或7;
N(·)为归一化算子;
步骤五:针对步骤四获得的中央-周边差分尺度图通过公式(四)计算获得每像素点的M×N邻域内的局部平均亮度显著性SA;
其中:为M×N邻域内的平均亮度值,一半M×N为7×7;
步骤六:针对步骤四获得的中央-周边差分尺度图计算获得每像素点的M×N邻域内的局部复杂度显著性SB;具体为:
1)根据公式(五)获得梯度平均值:
2)根据公式(六)计算获得梯度方差
其中:ws为灰度级;
s的分布数目;
3)根据公式(七)计算获得局部复杂度显著性SB:
其中:s为灰度级;
Ps为s灰度级的分布概率;
步骤七:通过公式(八)计算获得中央-周边差分尺度图显著性SCij;
SCij=N(·)(SA×Sij)+N(·)(SB×Sij) (八);
步骤八:通过公式(九)计算获得偏振度图像P的显著图Pm;
步骤九:对步骤八中获得的显著图Pm图像进行迭代二值化处理,提取锈蚀区域,具体为:
1)提取显著图Pm中的轮廓,获得轮廓集C;
2)根据预先设定的锈蚀区域面积阈值T_Aear和长宽比阈值T_WH对轮廓集C进行过滤,通过遍历轮廓集C的轮廓,判断如果某一轮廓的面积小于T_Aear以及最小外接矩形的长宽比小于T_WH,则认为该轮廓为非锈蚀区域轮廓,从轮廓集C中删除;
3)显著图Pm滤除后的轮廓集C作为锈蚀区域。
步骤一中三个偏振图像获得方法为:在无人机航拍的CCD成像系统前配置偏振组件,通过电动旋转线偏振片的角度,分别旋转线偏振片角度为θ1、θ2、θ3,获取三个角度下的三幅金具偏振图像。
步骤二中所述的偏振度图像P获得方法为:
1)根据步骤一中获得的三幅偏振图像分别通过公式(十)算偏振度图像P的Stocks参量I、Q、U;
其中:θ为线偏振片旋转角度;
I(θ)为获得的偏振图像;
将在角度θ1、θ2、θ3下获得的三幅金具偏振图像代入公式(十)计算获得偏振度图P的Stocks参量I、Q、U;
2)根据步骤1)中获得的Stocks参量I、Q和U通过公式(十一)计算得到偏振度图像P;
参见附图3,本发明的提取方法采用的系统为在无人机航拍的CCD成像系统前配置偏振组件,线偏振片4固定在从动齿轮5上,从动齿轮5和主动齿轮6啮合,主动齿轮6固定在电机7输出轴上,电机7通过主动齿轮6和从动齿轮5的啮合带动线偏振片4转动,相机2的镜头3透过线偏振片4对金具8进行成像,并通过无线传输模块传输至计算机1。
一个实施例,上述获得偏振度图像的方法中通过电动旋转线偏振片的角度,分别旋转0度、60度、120度,获取三幅金具偏振图像;
根据三幅偏振图像通过公式(十二)、(十三)、(十四)和(十五)计算Stocks参量I,Q,U,获得金具偏振度图像P。
Claims (3)
1.一种金具表面锈蚀区域提取方法,其特征在于,包括以下步骤:
步骤一:获得待检测金具三个角度下的三个偏振图像;
步骤二:根据步骤一中获得的三个偏振图像计算获得金具偏振度图像P;
步骤三:对偏振度图像P进行双边滤波,去除采集产生的脉冲噪声,并保持图像中金具边缘;
步骤四:对经步骤三双边滤波处理后的偏振度图像P进行高斯低通滤波和下采样操作,构建8层高斯金字塔{S0,S1,S2,S3,S4,S5,S6,S7},并对高斯金字塔图像进行中央-周边差分计算,其中S0为原始图像,S1、S2、S3和S4为中央尺度图,S5、S6和S7为周边尺度图;
对偏振度图像P进行下采样构建8层高斯金字塔过程为:
1)通过公式(一)获得高斯卷积窗函数G;
其中:σ为尺度空间因子;
m,n为高斯卷积窗大小;
2)通过公式(二)计算获得每一层图像Sk;
Sk(x,y)=G(m,n,σ)*Sk-1(2x+m,2y+n) (二)
其中:*为卷积运算符;
x,y为像素点坐标;
k=1、2、3、4、5、6或7;
对高斯金字塔图像进行中央-周边差分计算过程为:通过公式(三)计算获得中央-周边差分尺度图;
Sij=N(·)(Si-Sj) (三)
其中:i=1、2、3或4;
j=5、6或7;
N(·)为归一化算子;
步骤五:针对步骤四获得的中央-周边差分尺度图通过公式(四)计算获得每像素点的M×N邻域内的局部平均亮度显著性SA;
其中:为M×N邻域内的平均亮度值;
步骤六:针对步骤四获得的中央-周边差分尺度图计算获得每像素点的M×N邻域内的局部复杂度显著性SB;具体为:
1)根据公式(五)获得梯度平均值:
2)根据公式(六)计算获得梯度方差
其中:ws为灰度级;
s的分布数目;
3)根据公式(七)计算获得局部复杂度显著性SB:
其中:s为灰度级;
Ps为s灰度级的分布概率;
步骤七:通过公式(八)计算获得中央-周边差分尺度图显著性SCij;
SCij=N(·)(SA×Sij)+N(·)(SB×Sij) (八);
步骤八:通过公式(九)计算获得偏振度图像P的显著图Pm;
步骤九:对步骤八中获得的显著图Pm图像进行迭代二值化处理,提取锈蚀区域,具体为:
1)提取显著图Pm中的轮廓,获得轮廓集C;
2)根据预先设定的锈蚀区域面积阈值T_Aear和长宽比阈值T_WH对轮廓集C进行过滤,通过遍历轮廓集C的轮廓,判断如果某一轮廓的面积小于T_Aear以及最小外接矩形的长宽比小于T_WH,则认为该轮廓为非锈蚀区域轮廓,从轮廓集C中删除;
3)显著图Pm滤除后的轮廓集C作为锈蚀区域。
2.根据权利要求1所述的一种金具表面锈蚀区域提取方法,其特征在于,步骤一中三个偏振图像获得方法为:在无人机航拍的CCD成像系统前配置偏振组件,通过电动旋转线偏振片的角度,分别旋转线偏振片角度为θ1、θ2、θ3,获取三个角度下的三幅金具偏振图像。
3.根据权利要求2所述的一种金具表面锈蚀区域提取方法,其特征在于,步骤二中所述的偏振度图像P获得方法为:
1)根据步骤一中获得的三幅偏振图像分别通过公式(十)计算偏振度图像P的Stocks参量I、Q、U;
其中:θ为线偏振片旋转角度;
I(θ)为获得的偏振图像;
2)根据步骤1)中获得的Stocks参量I、Q和U通过公式(十一)计算得到偏振度图像P;
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525980 | 2018-12-13 | ||
CN2018115259801 | 2018-12-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961430A true CN109961430A (zh) | 2019-07-02 |
CN109961430B CN109961430B (zh) | 2023-09-01 |
Family
ID=67024806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910225627.XA Active CN109961430B (zh) | 2018-12-13 | 2019-03-25 | 一种金具表面锈蚀区域提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961430B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441476A (zh) * | 2019-07-19 | 2019-11-12 | 合肥国轩高科动力能源有限公司 | 一种快速评价涂层均匀性的方法 |
CN110726725A (zh) * | 2019-10-23 | 2020-01-24 | 许昌许继软件技术有限公司 | 一种输电线路金具锈蚀检测方法及装置 |
CN114049354A (zh) * | 2022-01-12 | 2022-02-15 | 山东仲良格环保技术有限公司 | 一种基于金属锈蚀程度的除锈剂优化配比方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070098245A1 (en) * | 2005-10-27 | 2007-05-03 | Honeywell International, Inc. | Surface anomaly detection system and method |
CN102077060A (zh) * | 2008-06-04 | 2011-05-25 | G·帕特尔 | 一种基于腐蚀金属的监测系统 |
CN104835175A (zh) * | 2015-05-26 | 2015-08-12 | 西南科技大学 | 一种基于视觉注意机制的核环境中目标检测方法 |
CN106407927A (zh) * | 2016-09-12 | 2017-02-15 | 河海大学常州校区 | 基于偏振成像的适用于水下目标检测的显著性视觉方法 |
CN108287383A (zh) * | 2018-01-29 | 2018-07-17 | 京东方科技集团股份有限公司 | 一种金属线栅偏振片、其制作方法、显示面板及显示装置 |
-
2019
- 2019-03-25 CN CN201910225627.XA patent/CN109961430B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070098245A1 (en) * | 2005-10-27 | 2007-05-03 | Honeywell International, Inc. | Surface anomaly detection system and method |
CN102077060A (zh) * | 2008-06-04 | 2011-05-25 | G·帕特尔 | 一种基于腐蚀金属的监测系统 |
CN104835175A (zh) * | 2015-05-26 | 2015-08-12 | 西南科技大学 | 一种基于视觉注意机制的核环境中目标检测方法 |
CN106407927A (zh) * | 2016-09-12 | 2017-02-15 | 河海大学常州校区 | 基于偏振成像的适用于水下目标检测的显著性视觉方法 |
CN108287383A (zh) * | 2018-01-29 | 2018-07-17 | 京东方科技集团股份有限公司 | 一种金属线栅偏振片、其制作方法、显示面板及显示装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441476A (zh) * | 2019-07-19 | 2019-11-12 | 合肥国轩高科动力能源有限公司 | 一种快速评价涂层均匀性的方法 |
CN110726725A (zh) * | 2019-10-23 | 2020-01-24 | 许昌许继软件技术有限公司 | 一种输电线路金具锈蚀检测方法及装置 |
CN114049354A (zh) * | 2022-01-12 | 2022-02-15 | 山东仲良格环保技术有限公司 | 一种基于金属锈蚀程度的除锈剂优化配比方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109961430B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961430A (zh) | 一种金具表面锈蚀区域提取方法 | |
CN110349207B (zh) | 一种复杂环境下的视觉定位方法 | |
CN107704844B (zh) | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 | |
CN106856002B (zh) | 一种无人机拍摄图像质量评价方法 | |
CN108876741A (zh) | 一种复杂光照条件下的图像增强方法 | |
CN107578391A (zh) | 一种基于二维二值图像处理进行三维点云降噪的方法 | |
Huang et al. | Recognition and detection technology of ice-covered insulators under complex environment | |
CN111339989A (zh) | 一种水体提取方法、装置、设备及存储介质 | |
CN110148149B (zh) | 基于局部对比度累积的水中航行器热尾迹分割方法 | |
CN102509271B (zh) | 基于多维度分解迭代增强校正的图像复原方法 | |
CN107832696B (zh) | 一种电力作业现场物体安全特征识别系统 | |
Balasubramanian et al. | Utilization of robust video processing techniques to aid efficient object detection and tracking | |
CN109325956A (zh) | 一种基于图像处理的输电导线覆冰截面特征提取方法 | |
Jiao et al. | Infrared dim small target detection method based on background prediction and high-order statistics | |
Huang et al. | Infrared small target detection with directional difference of Gaussian filter | |
Song et al. | An adaptive real-time video defogging method based on context-sensitiveness | |
WANG et al. | Visual Tracking Inspection Method of Transmission Line based on Infrared Thermal Imaging. | |
CN109389563A (zh) | 一种基于sCMOS相机的随机噪声自适应检测与校正方法 | |
Zhang et al. | An improved edge detection algorithm based on mathematical morphology and directional wavelet transform | |
CN114863313A (zh) | 一种基于图像识别的水处理过程监控方法 | |
Ye et al. | Research on detection method of tower corrosion based on hough transform | |
Mingjun et al. | Research on technologies of underwater feature extraction and target location based on binocular vision | |
TAN et al. | Research on surface defect detection technology of wind turbine blade based on UAV image | |
Lin et al. | Edge detection of foreign matter suspension image of high voltage transmission line based on improved Canny operator | |
Zhan et al. | Experimental analysis of networked visual servoing inverted pendulum system under noise attacks |
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 |