CN110533653A - 高压电气设备缺陷检测方法、装置及终端设备 - Google Patents
高压电气设备缺陷检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110533653A CN110533653A CN201910814274.7A CN201910814274A CN110533653A CN 110533653 A CN110533653 A CN 110533653A CN 201910814274 A CN201910814274 A CN 201910814274A CN 110533653 A CN110533653 A CN 110533653A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- defect
- high voltage
- voltage electric
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007689 inspection Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000003709 image segmentation Methods 0.000 claims abstract description 20
- 230000000877 morphologic effect Effects 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- 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
- 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本发明提供了一种高压电气设备缺陷检测方法、装置及终端设备,所述方法包括:获取待检电气设备的第一图像,并提取所述第一图像中的目标图像;对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像;提取所有分割图像的交集图像,并对所述交集图像进行形态学滤波;提取经过形态学滤波的交集图像中的目标缺陷区域,并将所述目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。本发明提供的高压电气设备缺陷检测方法、装置及终端设备能够有效提高高压电气设备缺陷的检测精度。
Description
技术领域
本发明属于电气设备检测技术领域,更具体地说,是涉及一种高压电气设备缺陷检测方法、装置及终端设备。
背景技术
电力系统中的高压电气设备长期工作在高电压和较恶劣的环境中,在长期的电、热、机械应力和环境因素的作用下不可避免的会出现损伤与劣化等缺陷,及时发现和排除缺陷,有利于维护电力系统的安全运行。
目前常用的缺陷快速检测方法为成像法和超声波检测法,其中超声波检测法中所使用的超声波本身存在耦合和衰减问题,且超声波换能器也存在性能问题,这就导致超声波检测法的缺陷检测精度无法保证。而成像法是通过对高压电气设备的图像进行识别的,其识别精度也易受到图像的拍摄角度以及拍摄时光线的亮度以及对比度的影响。
发明内容
本发明的目的在于提供一种高压电气设备缺陷检测方法、装置及终端设备,以提高高压电气设备的缺陷检测精度。
本发明实施例的第一方面,提供了一种高压电气设备缺陷检测方法,该方法包括:
获取待检电气设备的第一图像,并提取所述第一图像中的目标图像;
对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像;
提取所有分割图像的交集图像,并对所述交集图像进行形态学滤波;
提取经过形态学滤波的交集图像中的目标缺陷区域,并将所述目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
本发明实施例的第二方面,提供了一种高压电气设备缺陷检测装置,包括:
图像获取模块,用于获取待检电气设备的第一图像,并提取所述第一图像中的目标图像;
图像分割模块,用于对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像;
图像处理模块,用于提取所有分割图像的交集图像,并对所述交集图像进行形态学滤波;
缺陷检测模块,用于提取经过形态学滤波的交集图像中的目标缺陷区域,并将所述目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
本发明实施例的第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的高压电气设备缺陷检测方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的高压电气设备缺陷检测方法的步骤。
本发明实施例提供的高压电气设备缺陷检测方法、装置及终端设备的有益效果在于:本发明实施例一方面通过颜色空间转换降低了光线强弱对目标图像的前景提取的影响,另一方面通过提取所有分割图像的交集图像降低了预设缺陷检测模型的运算量,在保证高压电气设备的缺陷检测速度的同时提高了高压电气设备的缺陷检测精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的高压电气设备缺陷检测方法的流程示意图;
图2为本发明另一实施例提供的高压电气设备缺陷检测方法的流程示意图;
图3为本发明再一实施例提供的高压电气设备缺陷检测方法的流程示意图;
图4为本发明又一实施例提供的高压电气设备缺陷检测方法的流程示意图;
图5为本发明一实施例提供的高压电气设备缺陷检测装置的结构框图;
图6为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参考图1,图1为本发明一实施例提供的高压电气设备缺陷检测方法的流程示意图,该方法包括:
S101:获取待检电气设备的第一图像,并提取第一图像中的目标图像。
在本实施例中,目标图像即第一图像中能够包含待检电气设备缺陷区域的面积最小的图像。
S102:对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像。
在本实施例中,可将RGB颜色空间的目标图像转换为HSI颜色空间的图像,只针对色调和色饱和度分量,而忽略亮度分量,从而降低光线强弱对目标图像前景提取的影响。
S103:提取所有分割图像的交集图像,并对交集图像进行形态学滤波。
在本实施例中,提取所有分割图像的交集图像可以充分的利用所有分割图像的色彩信息,使得缺陷检测结果更加准确。
S104:提取经过形态学滤波的交集图像中的目标缺陷区域,并将目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
在本实施例中,预设缺陷检测模型可以为神经网络模型,通过事先采用训练样本对神经网络进行训练,得到预设缺陷检测模型,可将经过处理后的图像(即目标缺陷区域)输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
从以上描述可知,本发明实施例一方面通过颜色空间转换降低了光线强弱对目标图像的前景提取的影响,另一方面通过提取所有分割图像的交集图像降低了预设缺陷检测模型的运算量,在保证高压电气设备的缺陷检测速度的同时提高了高压电气设备的缺陷检测精度。
请一并参考图1及图2,图2为本申请另一实施例提供的高压电气设备缺陷检测方法的流程示意图。在上述实施例的基础上,提取第一图像中的目标图像可以包括:
S201:识别待检电气设备的第一图像中的目标图像区域。
在本实施例中,目标图像区域即第一图像中能够包含待检电气设备缺陷区域的面积最小的图像区域。
S202:对目标图像区域进行截取得到待检电气设备的目标图像。
在本实施例中,可对原图像(即第一图像)的目标图像区域进行截取,得到目标图像。
请一并参考图1及图3,图3为本申请再一实施例提供的高压电气设备缺陷检测方法的流程示意图。在上述实施例的基础上,S102可以详述为:
S301:将目标图像从RGB颜色空间转换至HSI颜色空间。
在本实施例中,将目标图像从RGB颜色空间转换至HSI颜色空间的转换方法为:
其中,
其中,H为色调,S为色饱和度,I为亮度,R、G、B为红、绿、蓝。
S302:在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像。
在本实施例中,可在HSI颜色空间内分别对色调通道和饱和度通道进行分割,也即基于H分量和S分量对目标图像进行分割,从而忽略I分量对目标图像的影响。
可选地,作为本发明实施例提供的高压电气设备缺陷检测方法的一种具体实施方式,在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像,包括:
在HSI颜色空间内分别对色调通道和饱和度通道进行分割,得到色调单通道图像和饱和度单通道图像。
在本实施例中,基于H分量和S分量对目标图像进行分割,得到的色调单通道图像和饱和度单通道图像即为分割后的图像。
可选地,作为本发明实施例提供的高压电气设备缺陷检测方法的一种具体实施方式,对交集图像进行形态学滤波包括:
对交集图像进行开运算、闭运算、膨胀以及区域生长操作。
在本实施例中,对交集图像进行形态学滤波以区分交集图像中的缺陷区域以及噪声区域,减少连通域的数量,加快目标缺陷区域的提取速度。
请一并参考图1及图4,图4为本申请又一实施例提供的高压电气设备缺陷检测方法的流程示意图。在上述实施例的基础上,提取经过形态学滤波的交集图像中的目标缺陷区域可以包括:
S401:提取经过形态学滤波的交集图像中连通域面积最大的区域,得到初始目标缺陷区域。
S402:滤除初始目标缺陷区域的噪声,得到目标缺陷区域。
在本实施例中,在得到初始目标缺陷区域后,初始目标缺陷区域中会存在少部分的噪声,因此可对初始目标缺陷区域进行闭运算平滑初始目标缺陷区域的边缘,并对初始目标缺陷区域的噪声进行进一步的滤除,得到目标缺陷区域。
对应于上文实施例的高压电气设备缺陷检测方法,图5为本发明一实施例提供的高压电气设备缺陷检测装置的结构框图。为了便于说明,仅示出了与本发明实施例相关的部分。参考图5,该装置包括:图像获取模块10,图像分割模块20,图像处理模块30,缺陷检测模块40。
其中,图像获取模块10,用于获取待检电气设备的第一图像,并提取第一图像中的目标图像。
图像分割模块20,用于对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像。
图像处理模块30,用于提取所有分割图像的交集图像,并对交集图像进行形态学滤波。
缺陷检测模块40,用于提取经过形态学滤波的交集图像中的目标缺陷区域,并将目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
参考图5,在本发明的另一个实施例中,图像获取模块10可以包括:
图像识别单元11,用于识别待检电气设备的第一图像中的目标图像区域。
图像截取单元12,用于对目标图像区域进行截取得到待检电气设备的目标图像。
参考图5,在本发明的再一个实施例中,图像分割模块20可以包括:
空间转换单元21,用于将目标图像从RGB颜色空间转换至HSI颜色空间。
图像分割单元22,用于在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像。
可选地,作为本发明实施例提供的高压电气设备缺陷检测装置的一种具体实施方式,在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像,包括:
在HSI颜色空间内分别对色调通道和饱和度通道进行分割,得到色调单通道图像和饱和度单通道图像。
可选地,作为本发明实施例提供的高压电气设备缺陷检测装置的一种具体实施方式,对交集图像进行形态学滤波包括:
对交集图像进行开运算、闭运算、膨胀以及区域生长操作。
可选地,作为本发明实施例提供的高压电气设备缺陷检测装置的一种具体实施方式,提取经过形态学滤波的交集图像中的目标缺陷区域包括:
提取经过形态学滤波的交集图像中连通域面积最大的区域,得到初始目标缺陷区域。
滤除初始目标缺陷区域的噪声,得到目标缺陷区域。
参见图6,图6为本发明一实施例提供的终端设备的示意框图。如图6所示的本实施例中的终端600可以包括:一个或多个处理器601、一个或多个输入设备602、一个或多个输出设备603及一个或多个存储器604。上述处理器601、输入设备602、则输出设备603及存储器604通过通信总线605完成相互间的通信。存储器604用于存储计算机程序,计算机程序包括程序指令。处理器601用于执行存储器604存储的程序指令。其中,处理器601被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能,例如图5所示模块10至40的功能。
应当理解,在本发明实施例中,所称处理器601可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备602可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备603可以包括显示器(LCD等)、扬声器等。
该存储器604可以包括只读存储器和随机存取存储器,并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如,存储器604还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器601、输入设备602、输出设备603可执行本发明实施例提供的高压电气设备缺陷检测方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种高压电气设备缺陷检测方法,其特征在于,包括:
获取待检电气设备的第一图像,并提取所述第一图像中的目标图像;
对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像;
提取所有分割图像的交集图像,并对所述交集图像进行形态学滤波;
提取经过形态学滤波的交集图像中的目标缺陷区域,并将所述目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
2.如权利要求1所述的高压电气设备缺陷检测方法,其特征在于,所述提取所述第一图像中的目标图像,包括:
识别待检电气设备的第一图像中的目标图像区域;
对目标图像区域进行截取得到待检电气设备的目标图像。
3.如权利要求1所述的高压电气设备缺陷检测方法,其特征在于,对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像,包括:
将目标图像从RGB颜色空间转换至HSI颜色空间;
在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像。
4.如权利要求3所述的高压电气设备缺陷检测方法,其特征在于,所述在HSI颜色空间内对目标图像进行图像分割,得到至少一个分割图像,包括:
在HSI颜色空间内分别对色调通道和饱和度通道进行分割,得到色调单通道图像和饱和度单通道图像。
5.如权利要求1所述的高压电气设备缺陷检测方法,其特征在于,所述对所述交集图像进行形态学滤波包括:
对所述交集图像进行开运算、闭运算、膨胀以及区域生长操作。
6.如权利要求1所述的高压电气设备缺陷检测方法,其特征在于,所述提取经过形态学滤波的交集图像中的目标缺陷区域包括:
提取经过形态学滤波的交集图像中连通域面积最大的区域,得到初始目标缺陷区域;
滤除初始目标缺陷区域的噪声,得到目标缺陷区域。
7.一种高压电气设备缺陷检测装置,其特征在于,包括:
图像获取模块,用于获取待检电气设备的第一图像,并提取所述第一图像中的目标图像;
图像分割模块,用于对目标图像进行颜色空间转换以及图像分割,得到至少一个分割图像;
图像处理模块,用于提取所有分割图像的交集图像,并对所述交集图像进行形态学滤波;
缺陷检测模块,用于提取经过形态学滤波的交集图像中的目标缺陷区域,并将所述目标缺陷区域输入至预设缺陷检测模型,确定目标缺陷区域的缺陷类型。
8.如权利要求7所述的高压电气设备缺陷检测装置,其特征在于,所述图像获取模块包括:
图像识别单元,用于识别待检电气设备的第一图像中的目标图像区域;
图像截取单元,用于对目标图像区域进行截取得到待检电气设备的目标图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814274.7A CN110533653A (zh) | 2019-08-30 | 2019-08-30 | 高压电气设备缺陷检测方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814274.7A CN110533653A (zh) | 2019-08-30 | 2019-08-30 | 高压电气设备缺陷检测方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533653A true CN110533653A (zh) | 2019-12-03 |
Family
ID=68665501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910814274.7A Pending CN110533653A (zh) | 2019-08-30 | 2019-08-30 | 高压电气设备缺陷检测方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533653A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112816545A (zh) * | 2020-09-30 | 2021-05-18 | 中国石油天然气股份有限公司 | 确定储罐维修补板面积的方法及装置 |
CN113129300A (zh) * | 2021-05-10 | 2021-07-16 | 深圳市水务工程检测有限公司 | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424709A (zh) * | 2015-11-20 | 2016-03-23 | 陕西科技大学 | 一种基于图像标记的水果表面缺陷检测方法 |
CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN108896278A (zh) * | 2018-05-23 | 2018-11-27 | 精锐视觉智能科技(深圳)有限公司 | 一种滤光片丝印缺陷检测方法、装置及终端设备 |
CN109598721A (zh) * | 2018-12-10 | 2019-04-09 | 广州市易鸿智能装备有限公司 | 电池极片的缺陷检测方法、装置、检测设备和存储介质 |
CN109934821A (zh) * | 2019-03-22 | 2019-06-25 | 杭州睿工科技有限公司 | 一种零件缺陷检测方法及系统 |
-
2019
- 2019-08-30 CN CN201910814274.7A patent/CN110533653A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424709A (zh) * | 2015-11-20 | 2016-03-23 | 陕西科技大学 | 一种基于图像标记的水果表面缺陷检测方法 |
CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN108896278A (zh) * | 2018-05-23 | 2018-11-27 | 精锐视觉智能科技(深圳)有限公司 | 一种滤光片丝印缺陷检测方法、装置及终端设备 |
CN109598721A (zh) * | 2018-12-10 | 2019-04-09 | 广州市易鸿智能装备有限公司 | 电池极片的缺陷检测方法、装置、检测设备和存储介质 |
CN109934821A (zh) * | 2019-03-22 | 2019-06-25 | 杭州睿工科技有限公司 | 一种零件缺陷检测方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112816545A (zh) * | 2020-09-30 | 2021-05-18 | 中国石油天然气股份有限公司 | 确定储罐维修补板面积的方法及装置 |
CN113129300A (zh) * | 2021-05-10 | 2021-07-16 | 深圳市水务工程检测有限公司 | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273838B (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
CN109978890B (zh) | 基于图像处理的目标提取方法、装置及终端设备 | |
CN109146855A (zh) | 一种图像摩尔纹检测方法、终端设备及存储介质 | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和系统 | |
CN112347887B (zh) | 一种物体检测方法、物体检测装置及电子设备 | |
CN110533653A (zh) | 高压电气设备缺陷检测方法、装置及终端设备 | |
CN111767828B (zh) | 证件图像翻拍识别方法、装置、电子设备和存储介质 | |
CN115630358A (zh) | 一种恶意软件分类方法、装置、计算机设备及存储介质 | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
EP3855387A1 (en) | Image processing method and apparatus, electronic device, and readable storage medium | |
CN108111762A (zh) | 一种图像处理方法、终端及计算机可读存储介质 | |
CN110211110A (zh) | 一种构件尺寸的检测方法、系统及终端设备 | |
CN110248177A (zh) | 一种图像数据的处理方法及装置 | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
CN111028186B (zh) | 一种图像增强方法和装置 | |
WO2022199395A1 (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
CN109656810A (zh) | 一种图像算法的调试方法、调试系统及终端设备 | |
CN109522457A (zh) | 数据获取方法及装置 | |
CN110969640A (zh) | 视频图像的分割方法、终端设备以及计算机可读存储介质 | |
CN110838088A (zh) | 一种基于深度学习的多帧降噪方法、装置及终端设备 | |
CN112883762A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
CN115273123B (zh) | 一种票据识别方法、装置、设备及计算机存储介质 | |
CN112907593B (zh) | 一种手机镜片胶体断层位置的识别方法、装置及相关设备 | |
CN110084100A (zh) | 人脸识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |