CN110443316A - 故障指示器的翻牌识别方法、装置与配电网故障监测系统 - Google Patents
故障指示器的翻牌识别方法、装置与配电网故障监测系统 Download PDFInfo
- Publication number
- CN110443316A CN110443316A CN201910733437.9A CN201910733437A CN110443316A CN 110443316 A CN110443316 A CN 110443316A CN 201910733437 A CN201910733437 A CN 201910733437A CN 110443316 A CN110443316 A CN 110443316A
- Authority
- CN
- China
- Prior art keywords
- picture
- pixel
- similarity information
- target photo
- fault detector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010586 diagram Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种故障指示器的翻牌识别方法、装置与配电网故障监测系统,该方法,包括:通过图像采集部件采集所述故障指示器的至少一个目标图片;比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息,所述图片相似度信息用于表征所述目标图片与所述参考图片之间的相似度;根据所述图片相似度信息,确定所述故障指示器是否发生翻牌。可见,本发明能够利用采集到的目标图像自动判断故障指示器是否发生了翻转。
Description
技术领域
本发明涉及配电网领域,尤其涉及一种故障指示器的翻牌识别方法、装置与配电网故障监测系统。
背景技术
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网。
在例如中压配电网的配电网中,可配置配电网故障监测系统,其中可对例如是否发生短路故障、接地故障等情况进行监测,其中,可利用故障指示器对故障情况对外显示反馈。
然而,现有相关技术中,需要人员对故障指示器进行查看才能及时获悉故障指示器是否发生翻转,耗费人力,效率比较低下,且其准确性依赖于人的实施,比较不稳定,同时,也不便于实现自动化处理,例如自动警报与自动控制。
发明内容
本发明提供一种故障指示器的翻牌识别方法、装置与配电网故障监测系统,以解决耗费人力,效率比较低下,且其准确性依赖于人的实施,比较不稳定,同时,也不便于实现自动化处理的问题。
根据本发明的第一方面,提供了一种故障指示器的翻牌识别方法,包括:
通过图像采集部件采集所述故障指示器的至少一个目标图片;
比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息,所述图片相似度信息用于表征所述目标图片与所述参考图片之间的相似度;
根据所述图片相似度信息,确定所述故障指示器是否发生翻牌。
可选的,比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息,包括:
比对所述至少一个目标图片中的第N个目标图片与对应的第N个参考图片,确定所述第N个目标图片对应的图片相似度信息。
可选的,若所述目标图片的数量为多个,则:确定所述第N个目标图片对应的图片相似度信息之后,还包括:确定所述第N个目标图片为第N+1个参考图片。
可选的,根据所述图片相似度信息,确定所述故障指示器是否发生翻牌,包括:
若所述至少一个目标图片中任意之一对应的图片相似度信息小于图片相似度阈值,则确定所述故障指示器发生翻牌。
可选的,比对所述至少一个目标图片中的第N个目标图片与对应的第N个参考图片,确定所述第N个目标图片对应的图片相似度信息,包括:
计算所述第N个目标图片的至少部分像素中每个像素点的像素相似度信息,所述像素相似度信息用于表征所述第N个目标图片中的像素点与所述第N个参考图片中对应像素点之间的颜色相似度;
确定相似像素点数量;所述相似像素点数量为所述像素相似度信息小于像素相似度阈值的像素点的数量;
根据所述相似像素点数量,确定所述图片相似度信息。
可选的,根据所述相似像素点数量,确定所述图片相似度信息,包括:
根据以下公式确定所述图片相似度信息:
A=M*K/T;
其中:
A用于表征所述图片相似度信息;
M用于表征所述相似像素点数量;
T用于表征所述至少部分像素中像素点的总数;
K为任意设置的常数。
可选的,所述像素相似度信息是通过欧式距离表征的,所述欧式距离是根据以下公式确定的:
其中:
d用于表征欧式距离;
Rs是所述目标图片中像素点的红色颜色值;
Gs是所述目标图片中像素点的绿色颜色值;
Bs是所述目标图片中像素点的蓝色颜色值;
Rd是所述参考图片中像素点的红色颜色值;
Gd是所述参考图片中像素点的绿色颜色值;
Bd是所述参考图片中像素点的蓝色颜色值。
可选的,所述像素相似度阈值是根据环境光照的强度变化的。
根据本发明的第二方面,提供了一种故障指示器的翻牌识别装置,包括:处理器、存储器与图像采集部件,所述处理器分别连接所述存储器与所述图像采集部件;
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现第一方面及其可选方案涉及的方法。
根据本发明的第三方面,提供了一种配电网故障监测系统,包括故障指示器,以及第二方面及其可选方案涉及的故障指示器的翻牌识别装置。
本发明提供的故障指示器的翻牌识别方法、装置与配电网故障监测系统,能够利用采集到的目标图像自动判断故障指示器是否发生了翻转,故而,不再需要人为主动查看,避免了人力的损耗,提高了处理效率,且识别准确率也较佳较稳定。同时,基于判断的结果,能够便于实现自动的后续处理,例如可在确定翻转后实时自动的警报或控制。
此外,基于相似度阈值的引入,在进一步可选方案中,针对于不同环境可配置有不同的相似度阈值,故而本发明可选方案可适用于多样场景下的需求,还可有利于进一步提高识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中故障指示器的翻牌识别方法的流程示意图;
图2是本发明一实施例中图像采集部件与故障指示器的关系示意图一;
图3是本发明一实施例中图像采集部件与故障指示器的关系示意图二;
图4是本发明一实施例中步骤S12的流程示意图;
图5是本发明一实施例中步骤S121的流程示意图。
图6是本发明一实施例中故障指示器的翻牌识别装置的构造示意图;
图7是本发明一实施例中配电网故障监测系统的构造示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明一实施例中故障指示器的翻牌识别方法的流程示意图。
请参考图1,故障指示器的翻牌识别方法,包括:
S11:通过图像采集部件采集所述故障指示器的至少一个目标图片。
图像采集部件,可理解为任意能够采集图像的设备,其可例如为相机、手机、平板电脑、摄像头,以及配置有摄像头的计算机、电子设备等等。只要其能够采集图像,就不脱离本实施例的描述。
同时,在步骤S11之前,还可通过相应的配置界面,根据实际的识别需要,为待识别故障指示器装置设置合适的识别区域。具体的,可具体配置采集多大范围的图像、采集什么位置的图像,以及采集图像的视角等等,进而,可最终确定故障指示器所对应的识别区域。
若目标图片的数量为多个,则其中的至少一个目标图片,可例如为连续抓取的多个图片。
图2是本发明一实施例中图像采集部件与故障指示器的关系示意图一;图3是本发明一实施例中图像采集部件与故障指示器的关系示意图二。
请参考图2和图3,本实施例中,单个图像采集部件201可采集一个故障指示器202的图像,从而得到目标图片,单个图像采集部件201也可采集多个故障指示器202的图像,从而得到目标图片,同时,本实施例也不排除多个图像采集部件201对应采集同一个或多个故障指示器202的图像,从而得到对应的目标图片,同时,若各图像采集部件201若采集相同的故障指示器202的图像,各自的判断结果还可用于互相验证。
在步骤S11之前或之后,还可包括设置后文所涉及的图像相似度阈值与像素相似度阈值的过程。后文在描述对应阈值时,还可对配置阈值的过程进行具体的举例阐述。
在步骤S11之后,还可包括:
S12:比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息。
图片相似度信息,可理解为用于表征所述目标图片与所述参考图片之间的相似度;本领域或其他领域任意能够通过量化数据对图片间相似度进行表征的手段,均可应用于本实施例。
图4是本发明一实施例中步骤S12的流程示意图。图5是本发明一实施例中步骤S121的流程示意图。
请参考图4,步骤S12,可以包括:
S121:比对所述至少一个目标图片中的第N个目标图片与对应的第N个参考图片,确定所述第N个目标图片对应的图片相似度信息。
其中的N应理解为任意的整数,在计算完当前的第N个目标图片对应的图片相似度信息后,可令N=N+1,进而计算下一个目标图片的图片相似度信息,进而,可循环实施以上步骤,对所有目标图片均进行比对。
其中一种实施方式中,可以前一个采集到的图片作为参考图片,用于比对当前采集到的目标图片。进而,步骤S121之后,还可包括:
S122:确定所述第N个目标图片为第N+1个参考图片。
此外,第一个参考图片也可以采用非用于进行翻牌判断时所采集到的图片,该图片的拍摄参数可与目标图片、参考图片相同。第一个参考图片也可以采用机器学习的算法确定的,或者之前翻牌判断时的历史图片。
故而,请参考图5,步骤S121可以包括:
S1211:计算所述第N个目标图片的至少部分像素中每个像素点的像素相似度信息;
S1212:确定相似像素点数量。
像素相似度信息,可理解为用于表征所述第N个目标图片中的像素点与所述第N个参考图片中对应像素点之间的颜色相似度。
其中的至少部分像素可例如为图片的所有像素,也可以例如为其中故障指示器的像素部分,而无需考虑其他像素。
其中,由于目标图片与参考图片为同一拍摄视角、拍摄距离下拍摄的图片,故而,各图片中故障指示器的位置应是相同的,图片中的相同位置应表征的是同一个像素对象,所以,目标图片与参考图片中对应像素点可例如为图片同一位置的像素点。
具体实施过程中,所述像素相似度信息可以是通过欧式距离表征的,所述欧式距离是根据以下公式确定的:
其中:
d用于表征欧式距离;
Rs是所述目标图片中像素点的红色颜色值;
Gs是所述目标图片中像素点的绿色颜色值;
Bs是所述目标图片中像素点的蓝色颜色值;
Rd是所述参考图片中像素点的红色颜色值;
Gd是所述参考图片中像素点的绿色颜色值;
Bd是所述参考图片中像素点的蓝色颜色值。
具体实施过程中,所述像素相似度阈值可以是根据环境光照的强度变化的。进而,针对于不同环境可配置有不同的相似度阈值,故而本发明可选方案可适用于多样场景下的需求,还可有利于进一步提高识别准确率。
一种举例中,可在步骤S11之前对像素相似度阈值进行配置,例如:可结合当前环境的情况,设置合适的像素点相似阈值,若当前环境光照强烈,此时判断两个像素点相似,必须在一个较小的RGB值的欧式距离下,阈值设置应相对较小,若当前环境光照较弱,此时判断两个像素点相似必须在一个较大的RGB值的欧式距离下,阈值设置应相对较大。
通过以上过程的循环实施,可遍历所有像素点,判断每个像素点对应的欧式距离是否超出像素相似度阈值。
相似像素点数量,可理解为所述像素相似度信息小于像素相似度阈值的像素点的数量。即,可将前文计算得到的欧式距离与像素相似度阈值进行比较,若该欧式距离大于像素相似度阈值,则确定两个像素点不相似;若该欧式距离小于像素相似度阈值,则可确定两个像素点相似,进而可累加一个相似像素点数量。
S1213:根据所述相似像素点数量,确定所述图片相似度信息。
具体实施过程中,可根据以下公式确定所述图片相似度信息:
A=M*K/T;
其中:
A用于表征所述图片相似度信息;
M用于表征所述相似像素点数量;
T用于表征所述至少部分像素中像素点的总数;
K为任意设置的常数,其例如可以为100。
一种举例中,也可在步骤S11之前对图片相似度阈值进行配置,用于后续判断两张图片的相似度。例如:若初次进行时,可使用翻牌学习算法,抓取当前图片,其抓取的拍摄参数可与目标图片、参考图片相同,进而,通过对比分析,可更新已设置的图片相似度阈值。
可见,在本实施例可选方案中,图片相似度阈值与像素相似度阈值均可根据实际环境任意变化。
进而,基于区域控制和动态阈值设置方式提升图片相似度识别率。
在步骤S12之后,还可包括:
S13:根据所述图片相似度信息,确定所述故障指示器是否发生翻牌。
步骤S13可具体包括:
若所述至少一个目标图片中任意之一对应的图片相似度信息小于图片相似度阈值,则确定所述故障指示器发生翻牌。
反之,若所有图片相似度信息均大于图片相似度阈值,则确定故障指示器未发生翻牌。
可见,以上各实施方式中,通过分析比对参考图片与目标图片的相似度,能够判断故障指示器是否发生翻牌操作,可以通过设置区域的方式对于识别范围进行控制,可基于实际环境设置不同的阈值、相似度,能适应不同场景下图像识别的需求,该方法高效、简洁,具有良好的识别准确率。能够很好识别故障指示器的翻牌动作。同时,以上实施方式可在现有网络部署的条件下进行的改进,改进方便,成本低。
图6是本发明一实施例中故障指示器的翻牌识别装置的构造示意图。
请参考图6,故障指示器的翻牌识别装置30,包括:处理器31、存储器32与图像采集部件34,所述处理器31分别连接所述存储器32与所述图像采集部件34。
所述存储器32,用于存储代码和相关数据;
所述处理器31,用于执行所述存储器32中的代码用以实现以上实施例其可选方案涉及的方法。
其中,处理器31可通过总线33与存储器32、图像采集部件34通讯。
图7是本发明一实施例中配电网故障监测系统的构造示意图。
请参考图7,种配电网故障监测系统50,包括故障指示器40,以及前文所涉及的故障指示器的翻牌识别装置30。
本发明一实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以上所涉及的方法。
综上所述,本发明提供的故障指示器的翻牌识别方法、装置与配电网故障监测系统,能够利用采集到的目标图像自动判断故障指示器是否发生了翻转,故而,不再需要人为主动查看,避免了人力的损耗,提高了处理效率,且识别准确率也较佳较稳定。同时,基于判断的结果,能够便于实现自动的后续处理,例如可在确定翻转后实时自动的警报或控制。
此外,基于相似度阈值的引入,在进一步可选方案中,针对于不同环境可配置有不同的相似度阈值,故而本发明可选方案可适用于多样场景下的需求,还可有利于进一步提高识别准确率。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种故障指示器的翻牌识别方法,包括:
通过图像采集部件采集所述故障指示器的至少一个目标图片;
比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息,所述图片相似度信息用于表征所述目标图片与所述参考图片之间的相似度;
根据所述图片相似度信息,确定所述故障指示器是否发生翻牌。
2.根据权利要求1所述的方法,其特征在于,比对每个目标图片与其对应的所述故障指示器的参考图片,确定图片相似度信息,包括:
比对所述至少一个目标图片中的第N个目标图片与对应的第N个参考图片,确定所述第N个目标图片对应的图片相似度信息。
3.根据权利要求2所述的方法,其特征在于,若所述目标图片的数量为多个,则:确定所述第N个目标图片对应的图片相似度信息之后,还包括:确定所述第N个目标图片为第N+1个参考图片。
4.根据权利要求2所述的方法,其特征在于,根据所述图片相似度信息,确定所述故障指示器是否发生翻牌,包括:
若所述至少一个目标图片中任意之一对应的图片相似度信息小于图片相似度阈值,则确定所述故障指示器发生翻牌。
5.根据权利要求2所述的方法,其特征在于,比对所述至少一个目标图片中的第N个目标图片与对应的第N个参考图片,确定所述第N个目标图片对应的图片相似度信息,包括:
计算所述第N个目标图片的至少部分像素中每个像素点的像素相似度信息,所述像素相似度信息用于表征所述第N个目标图片中的像素点与所述第N个参考图片中对应像素点之间的颜色相似度;
确定相似像素点数量;所述相似像素点数量为所述像素相似度信息小于像素相似度阈值的像素点的数量;
根据所述相似像素点数量,确定所述图片相似度信息。
6.根据权利要求5所述的方法,其特征在于,根据所述相似像素点数量,确定所述图片相似度信息,包括:
根据以下公式确定所述图片相似度信息:
A=M*K/T;
其中:
A用于表征所述图片相似度信息;
M用于表征所述相似像素点数量;
T用于表征所述至少部分像素中像素点的总数;
K为任意设置的常数。
7.根据权利要求5所述的方法,其特征在于,所述像素相似度信息是通过欧式距离表征的,所述欧式距离是根据以下公式确定的:
其中:
d用于表征欧式距离;
Rs是所述目标图片中像素点的红色颜色值;
Gs是所述目标图片中像素点的绿色颜色值;
Bs是所述目标图片中像素点的蓝色颜色值;
Rd是所述参考图片中像素点的红色颜色值;
Gd是所述参考图片中像素点的绿色颜色值;
Bd是所述参考图片中像素点的蓝色颜色值。
8.根据权利要求5所述的方法,其特征在于,所述像素相似度阈值是根据环境光照的强度变化的。
9.一种故障指示器的翻牌识别装置,其特征在于,包括:处理器、存储器与图像采集部件,所述处理器分别连接所述存储器与所述图像采集部件;
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现权利要求1至8任一项所述的方法。
10.一种配电网故障监测系统,其特征在于,包括故障指示器,以及权利要求9所述的故障指示器的翻牌识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733437.9A CN110443316A (zh) | 2019-08-07 | 2019-08-07 | 故障指示器的翻牌识别方法、装置与配电网故障监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733437.9A CN110443316A (zh) | 2019-08-07 | 2019-08-07 | 故障指示器的翻牌识别方法、装置与配电网故障监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443316A true CN110443316A (zh) | 2019-11-12 |
Family
ID=68434140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733437.9A Pending CN110443316A (zh) | 2019-08-07 | 2019-08-07 | 故障指示器的翻牌识别方法、装置与配电网故障监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443316A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722074A (zh) * | 2020-06-03 | 2020-09-29 | 四川蓝景光电技术有限责任公司 | 一种led标识标牌故障定位方法、装置和系统 |
CN112862821A (zh) * | 2021-04-01 | 2021-05-28 | 中国工商银行股份有限公司 | 基于图像处理的漏水检测方法、装置、计算设备和介质 |
CN114782441A (zh) * | 2022-06-21 | 2022-07-22 | 深圳市鼎合丰科技有限公司 | 一种电子元器件生产流水线故障信息识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090123089A1 (en) * | 2007-11-14 | 2009-05-14 | Microsoft Corporation | Adaptive filtering for image transform processes |
CN105260716A (zh) * | 2015-10-13 | 2016-01-20 | 长沙威胜信息技术有限公司 | 故障指示器状态识别方法及装置 |
CN108764206A (zh) * | 2018-06-07 | 2018-11-06 | 广州杰赛科技股份有限公司 | 目标图像识别方法和系统、计算机设备 |
CN108830261A (zh) * | 2018-07-20 | 2018-11-16 | 北京汉能华科技股份有限公司 | 基于图像识别的设备故障诊断方法和装置 |
-
2019
- 2019-08-07 CN CN201910733437.9A patent/CN110443316A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090123089A1 (en) * | 2007-11-14 | 2009-05-14 | Microsoft Corporation | Adaptive filtering for image transform processes |
CN105260716A (zh) * | 2015-10-13 | 2016-01-20 | 长沙威胜信息技术有限公司 | 故障指示器状态识别方法及装置 |
CN108764206A (zh) * | 2018-06-07 | 2018-11-06 | 广州杰赛科技股份有限公司 | 目标图像识别方法和系统、计算机设备 |
CN108830261A (zh) * | 2018-07-20 | 2018-11-16 | 北京汉能华科技股份有限公司 | 基于图像识别的设备故障诊断方法和装置 |
Non-Patent Citations (2)
Title |
---|
杨常青等: "《配电系统故障处理自动化技术》", 中国电力出版社, pages: 117 - 124 * |
杨露菁: "《智能图像处理及应用》", 31 March 2019, pages: 66 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722074A (zh) * | 2020-06-03 | 2020-09-29 | 四川蓝景光电技术有限责任公司 | 一种led标识标牌故障定位方法、装置和系统 |
CN111722074B (zh) * | 2020-06-03 | 2023-06-20 | 四川蓝景光电技术有限责任公司 | 一种led标识标牌故障定位方法、装置和系统 |
CN112862821A (zh) * | 2021-04-01 | 2021-05-28 | 中国工商银行股份有限公司 | 基于图像处理的漏水检测方法、装置、计算设备和介质 |
CN114782441A (zh) * | 2022-06-21 | 2022-07-22 | 深圳市鼎合丰科技有限公司 | 一种电子元器件生产流水线故障信息识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443316A (zh) | 故障指示器的翻牌识别方法、装置与配电网故障监测系统 | |
CN110642109B (zh) | 升降设备的振动检测方法、装置、服务器及存储介质 | |
CN108022235B (zh) | 高压输电铁塔关键部件缺陷识别方法 | |
CN110807353B (zh) | 一种基于深度学习的变电站异物识别方法、装置及系统 | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN105979210B (zh) | 一种基于多枪多球摄像机阵列的行人识别系统 | |
CN109977921B (zh) | 一种输电线路隐患检测方法 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN107742093A (zh) | 一种红外图像电力设备部件实时检测方法、服务器及系统 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN107194396A (zh) | 国土资源视频监控系统中基于特定违章建筑识别预警方法 | |
CN107146252A (zh) | 一种大数据图像处理装置 | |
CN106846304A (zh) | 基于红外检测的电气设备检测方法及装置 | |
CN108307158B (zh) | 人防自动调控方法、装置及系统 | |
CN115019254A (zh) | 一种输电区域异物入侵检测方法、装置、终端及存储介质 | |
van den Hengel et al. | Automatic camera placement for large scale surveillance networks | |
CN113628172A (zh) | 一种人员手持武器智能检测算法及智慧城市安防系统 | |
CN110445966B (zh) | 一种全景相机视频拍摄方法、装置、电子设备及存储介质 | |
CN112532927A (zh) | 一种施工现场智能安全管控系统 | |
CN111582183A (zh) | 一种公共场所的口罩识别方法及系统 | |
CN114360064B (zh) | 基于深度学习的办公场所人员行为轻量级目标检测方法 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及系统 | |
CN113225525B (zh) | 一种室内监控方法及系统 | |
CN111912349B (zh) | 显示基板的检测方法及系统 | |
CN213715948U (zh) | 基于深度学习的轻量级和多姿态人脸检测与识别系统 |
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 |