CN110930362A - 一种螺钉安全检测方法、装置及系统 - Google Patents
一种螺钉安全检测方法、装置及系统 Download PDFInfo
- Publication number
- CN110930362A CN110930362A CN201911013449.0A CN201911013449A CN110930362A CN 110930362 A CN110930362 A CN 110930362A CN 201911013449 A CN201911013449 A CN 201911013449A CN 110930362 A CN110930362 A CN 110930362A
- Authority
- CN
- China
- Prior art keywords
- screw
- detected
- template
- region
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000004549 pulsed laser deposition Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种螺钉安全检测方法、装置及系统，涉及螺钉安全检测技术领域，该螺钉安全检测方法包括步骤：对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；基于所述相似度，确定待测螺钉的安全检测结果。本发明提供的螺钉安全检测方法、装置及系统，不需要人工即可实现螺钉的安全检测，提高检测的准确性。
Description
技术领域
本发明涉及螺钉检测技术领域，特别涉及一种螺钉安全检测方法、装置及系统。
背景技术
目前，在很多机械结构连接中，都需要用到螺钉进行两者的固定连接。并且还需要对连接的螺钉进行安全检测。
现有技术中，机械中螺钉安全的检测方法主要以配备安检人员为主。安检人员需要在例如地铁轨道上对每一个螺钉进行人工检查，判断是否存在安全隐患。此项任务工作量极大，难免会出现检测疏漏的情况发生，导致存在很大的安全隐患。
发明内容
本发明提供一种螺钉安全检测方法、装置及系统，不需要人工即可实现螺钉的安全检测，提高检测的准确性。
第一方面，本发明实施例提供了一种螺钉安全检测方法，包括步骤：
对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
基于所述相似度，确定待测螺钉的安全检测结果。
优选地，还包括步骤：对采集的待测螺钉图像进行图像预处理，得到预处理后的螺钉图像，对应的，对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域。
优选地，所述对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域，具体为：基于所述模板螺钉图像中的模板螺钉感兴趣区域确定待测螺钉感兴趣区域，分别对所述模板螺钉感兴趣区域和所述待测螺钉感兴趣区域放大预设倍数，基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。
优选地，所述基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域，具体为：采用基于ORB特征的GMS配准算法对放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。
优选地，所述基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度，具体为：采用基于ResNet的Siamese网络算法计算待测螺钉与模板螺钉的相似度。
优选地，还包括步骤：基于所述安全检测结果，确定是否进行报警提醒。
第二方面，本发明实施例提供了一种螺钉安全检测装置，包括：
区域确定模块，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
相似度计算模块，用于基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
安全确定模块，用于基于所述相似度，确定待测螺钉的安全检测结果。
第三方面，本发明实施例提供了一种螺钉安全检测系统，包括：图像采集装置和服务器，其中，
所述图像采集装置，用于采集待测螺钉图像并将所述采集的待测螺钉图像发送给所述服务器；
所述服务器，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；基于所述相似度，确定待测螺钉的安全检测结果。
优选地，还包括监控终端，所述监控终端与所述服务器通信连接，所述服务器还用于将所述安全检测结果发送给所述监控终端，所述监控终端用于接收所述安全检测结果。
优选地，所述监控终端还用于根据所述安全检测结果确定是否进行报警提醒。
采用上述技术方案，先对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域，然后计算待测螺钉与模板螺钉的相似度，基于相似度来确定螺钉是否松动等，继而确定螺钉是否存在安全隐患，该螺钉安全检测方法不需要人工即可实现螺钉的安全检测，并且检测准确性高。
附图说明
图1为本发明实施例提供的螺钉安全检测方法的流程图；
图2为本发明实施例提供的螺钉安全检测装置的结构框图；
图3为本发明实施例提供的螺钉安全检测系统的结构框图；
图4为本发明实施例提供的螺钉安全检测系统的另一结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
第一方面，如图1所示，本发明实施例提供了一种螺钉安全检测方法，包括如下步骤：
步骤S101、对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
首先通过图像采集装置采集待测螺钉图像，并事先采集有螺钉固定正常时的模板螺钉图像，并提前预存在系统中，将这两个图像进行图像的配准，然后确定待测螺钉区域和对应模板螺钉区域。
该采集的待测螺钉图像中可以包括一个螺钉，也可以包括多个螺钉，并且这两张图像都是在相同场景下进行图像的采集。比如需要检测铁轨上固定的螺钉是否存在松动的安全问题，可以先拍摄一张螺钉在铁轨上完好固定的图像，然后再拍摄待测螺钉图像，将两者进行图像配准，确定待测螺钉区域和对应模板螺钉区域，如待测螺钉图像有3个螺钉，进行配准后，确定待测螺钉图像中的3个待测螺钉区域及对应的在模板螺钉图像中的3个模板螺钉区域。
步骤S102、基于待测螺钉区域和模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
如果采集的待测螺钉图像中的待测螺钉有多个，则相似度值为多个，如果采集的待测螺钉图像中的待测螺钉只有1个，则相似度值为1个。
步骤S103、基于相似度，确定待测螺钉的安全检测结果。
具体地，若相似度超出阈值范围，则确定螺钉存在安全隐患，否则，不存在安全隐患。
可以预先存储有设定的阈值，根据相似度与阈值的关系来确定螺钉是否存在安全隐患。该阈值可以根据实际需求而定，可以为经验值。
采用上述技术方案，先对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域，然后计算待测螺钉与模板螺钉的相似度，基于相似度来确定螺钉是否松动等，继而确定螺钉是否存在安全隐患，该螺钉安全检测方法不需要人工即可实现螺钉的安全检测，并且检测准确性高。
优选地，还包括步骤：对采集的待测螺钉图像进行图像预处理，得到预处理后的螺钉图像，对应的，对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域。
首先对采集的待测螺钉图像进行预处理，方便后续的图像配准。该图像预处理的方法可以为直方图均衡化。
优选地，对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域，具体为：基于模板螺钉图像中的模板螺钉感兴趣区域确定待测螺钉感兴趣区域，分别对模板螺钉感兴趣区域和待测螺钉感兴趣区域放大预设倍数，基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。这样可以使得可以精确确定待测螺钉区域和对应模板螺钉区域。
具体地，可以根据模板螺钉图像中的模板螺钉ROI(Region of Interest)区域估计待测螺钉图像中待测螺钉位置。可以各取模板螺钉图像和待测螺钉图像中3倍和5倍大小的ROI区域做下一步的螺钉配准。
优选地，基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域，具体为：采用基于ORB特征的GMS配准算法对放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。
常见的图像配准算法主要分为基于灰度信息和基于特征的算法。这里，可以采用基于ORB特征的GMS(Grid-based Motion Statistics)配准方法，它是一种简单的方法，将运动平滑度作为一个统计量，进行局部区域的匹配。ORB(Oriented FAST and RotatedBRIEF)是一种快速特征点提取和描述的算法。ORB算法分为两部分，分别是特征点提取和特征点描述。GMS可以将高匹配数字转换成高质量匹配，它提供了一个实时、超强的匹配系统。
优选地，步骤S102：基于待测螺钉区域和模板螺钉区域，计算待测螺钉与模板螺钉的相似度，具体为：采用基于ResNet的Siamese网络算法计算待测螺钉与模板螺钉的相似度。
输入相似度计算模型之前，可以先截取模板螺钉图像和待测螺钉图像中螺钉区域，再对取出的区域统一亮度，然后将两张图片改为256*256大小，对两张图像中的图像像素进行归一化，像素值减均值后除以方差，最后得到的图像结果输入相似度计算模型中。
相似度计算模型是基于ResNet的Siamese网络。它采用2个共享网络参数的孪生ResNet-8网络，分别提取模板螺钉图像和待测螺钉图像的特征，再通过融合方式得到模板螺钉图像和待测螺钉图像的相似度。根据该相似度判断待测螺钉的状态。当相似度位于预设阈值范围内时，判断待测螺钉状态正常，当相似度超出预设阈值范围时，判断待测螺钉状态异常。当前误报率小于5％，漏报率小于1％。
优选地，还包括步骤：基于安全检测结果，确定是否进行报警提醒。
这样便于相关人员及时采取措施，避免产生严重后果。
第二方面，如图2所示，本发明实施例提供了一种螺钉安全检测装置，包括：
区域确定模块21，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
相似度计算模块22，用于基于待测螺钉区域和模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
安全确定模块23，用于基于相似度，确定待测螺钉的安全检测结果。
第三方面，如图3所示，本发明实施例提供了一种螺钉安全检测系统，包括：图像采集装置300和服务器400，其中，
图像采集装置300，用于采集待测螺钉图像并将采集的待测螺钉图像发送给服务器；
服务器400，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；基于待测螺钉区域和模板螺钉区域，计算待测螺钉与模板螺钉的相似度；基于相似度，确定待测螺钉的安全检测结果。
其中，该图像采集装置300可以为摄像头，可以将该摄像头设置在智能机器人身上，通过智能机器人运动进而采集多张待测螺钉图像，并根据每张待测螺钉图像确定待测螺钉安全检测结果。
具体地，可以采用2000万激光摄像头拍摄待测螺钉图像。在拍摄环境较暗的情况下，可以采用脉冲激光沉积(Pulsed Laser Deposition,PLD)拍摄技术。激光摄像头所拍摄图像效果较好，清晰可见，可真实还原现场情况并且有较强的环境适应性，监控距离较远，在安防夜视监控领域，激光摄像头的应用优势十分明显。
对于螺钉配准和相似度计算，可以将图像信息发送到本地服务器来进行处理。通过服务器处理使得处理速度快，所需时间短。
优选地，如图4所示，还包括监控终端500，监控终端500与服务器400通信连接，服务器400还用于将安全检测结果发送给监控终端500，监控终端500用于接收安全检测结果。
优选地，监控终端500还用于根据安全检测结果确定是否进行报警提醒。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。
Claims (10)
1.一种螺钉安全检测方法，其特征在于，包括步骤：
对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
基于所述相似度，确定待测螺钉的安全检测结果。
2.根据权利要求1所述的螺钉安全检测方法，其特征在于，还包括步骤：对采集的待测螺钉图像进行图像预处理，得到预处理后的螺钉图像，对应的，对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域。
3.根据权利要求2所述的螺钉安全检测方法，其特征在于，所述对预处理后的螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域，具体为：基于所述模板螺钉图像中的模板螺钉感兴趣区域确定待测螺钉感兴趣区域，分别对所述模板螺钉感兴趣区域和所述待测螺钉感兴趣区域放大预设倍数，基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。
4.根据权利要求3所述的螺钉安全检测方法，其特征在于，所述基于放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域，具体为：采用基于ORB特征的GMS配准算法对放大后的模板螺钉感兴趣区域和待测螺钉感兴趣区域进行螺钉配准，确定待测螺钉区域和对应模板螺钉区域。
5.根据权利要求1-4任一项所述的螺钉安全检测方法，其特征在于，所述基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度，具体为：采用基于ResNet的Siamese网络算法计算待测螺钉与模板螺钉的相似度。
6.根据权利要求1-4任一项所述的螺钉安全检测方法，其特征在于，还包括步骤：基于所述安全检测结果，确定是否进行报警提醒。
7.一种螺钉安全检测装置，其特征在于，包括：
区域确定模块，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；
相似度计算模块，用于基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；
安全确定模块，用于基于所述相似度，确定待测螺钉的安全检测结果。
8.一种螺钉安全检测系统，其特征在于，包括：图像采集装置和服务器，其中，
所述图像采集装置，用于采集待测螺钉图像并将所述采集的待测螺钉图像发送给所述服务器；
所述服务器，用于对采集的待测螺钉图像和模板螺钉图像进行图像配准，确定待测螺钉区域和对应模板螺钉区域；基于所述待测螺钉区域和所述模板螺钉区域，计算待测螺钉与模板螺钉的相似度；基于所述相似度，确定待测螺钉的安全检测结果。
9.根据权利要求8所述的螺钉安全检测系统，其特征在于，还包括监控终端，所述监控终端与所述服务器通信连接，所述服务器还用于将所述安全检测结果发送给所述监控终端，所述监控终端用于接收所述安全检测结果。
10.根据权利要求9所述的螺钉安全检测系统，其特征在于，所述监控终端还用于根据所述安全检测结果确定是否进行报警提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911013449.0A CN110930362B (zh) | 2019-10-23 | 2019-10-23 | 一种螺钉安全检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911013449.0A CN110930362B (zh) | 2019-10-23 | 2019-10-23 | 一种螺钉安全检测方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110930362A true CN110930362A (zh) | 2020-03-27 |
| CN110930362B CN110930362B (zh) | 2023-10-27 |
Family
ID=69849297
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911013449.0A Active CN110930362B (zh) | 2019-10-23 | 2019-10-23 | 一种螺钉安全检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110930362B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768387A (zh) * | 2020-06-30 | 2020-10-13 | 创新奇智(青岛)科技有限公司 | 瑕疵检测方法、孪生神经网络训练方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160125266A1 (en) * | 2013-06-17 | 2016-05-05 | Konica Minolta, Inc. | Image Processing Method, Image Processing Device, And Image Processing Program |
| US20170243349A1 (en) * | 2014-10-13 | 2017-08-24 | Agency For Science, Technology And Research | Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors |
| CN108805862A (zh) * | 2018-05-02 | 2018-11-13 | 南京大学 | 一种基于改进结构相似度的标签鉴别方法 |
| CN110288040A (zh) * | 2019-06-30 | 2019-09-27 | 北京华融塑胶有限公司 | 一种基于拓扑验证的图像相似评判方法及设备 |
-
2019
- 2019-10-23 CN CN201911013449.0A patent/CN110930362B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160125266A1 (en) * | 2013-06-17 | 2016-05-05 | Konica Minolta, Inc. | Image Processing Method, Image Processing Device, And Image Processing Program |
| US20170243349A1 (en) * | 2014-10-13 | 2017-08-24 | Agency For Science, Technology And Research | Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors |
| CN108805862A (zh) * | 2018-05-02 | 2018-11-13 | 南京大学 | 一种基于改进结构相似度的标签鉴别方法 |
| CN110288040A (zh) * | 2019-06-30 | 2019-09-27 | 北京华融塑胶有限公司 | 一种基于拓扑验证的图像相似评判方法及设备 |
Non-Patent Citations (2)
| Title |
|---|
| QIAOCHU FU; HAIYING WANG: "A fast image stitching algorithm based on SURF", 2017 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA (ICCC) * |
| 高军;李学伟;张建;卢秉恒;: "基于模板匹配的图像配准算法", 西安交通大学学报, no. 03 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768387A (zh) * | 2020-06-30 | 2020-10-13 | 创新奇智(青岛)科技有限公司 | 瑕疵检测方法、孪生神经网络训练方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110930362B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109887281B (zh) | 一种监控交通事件的方法及系统 | |
| US7961953B2 (en) | Image monitoring system | |
| US7218757B2 (en) | Method and device for detecting obstruction in image sensor systems | |
| CN109488888B (zh) | 基于对红外温度场多元分析的金属管道泄漏监测方法 | |
| CN110633612B (zh) | 一种巡检机器人的监控方法及系统 | |
| JPH07302328A (ja) | 背景差分による動物体領域抽出方法 | |
| CN110648489B (zh) | 基于红外热成像燃点识别的库房预警系统 | |
| CN109698906B (zh) | 基于图像的抖动处理方法及装置、视频监控系统 | |
| CN107729850A (zh) | 物联网户外广告监播系统 | |
| CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
| JP3486229B2 (ja) | 画像変化検出装置 | |
| CN105957300B (zh) | 一种智慧金睛识别可疑张贴遮蔽报警方法和装置 | |
| CN108318781A (zh) | 一种基于红外图像的绝缘子远程监测及故障诊断的方法 | |
| CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
| WO2019146097A1 (ja) | 欠陥のある撮影データの検知装置及び検知システム | |
| CN112595936A (zh) | 基于无人机巡检的输电线复合绝缘子智能检测系统 | |
| CN115909223A (zh) | 一种wim系统信息与监控视频数据匹配的方法和系统 | |
| CN115995054A (zh) | 一种基于计算机视觉的接待事件检测方法及装置 | |
| CN112104838A (zh) | 图像分辨方法及其监控摄像机与监控摄像系统 | |
| CN110930362A (zh) | 一种螺钉安全检测方法、装置及系统 | |
| CN113965733A (zh) | 双目视频监控方法、系统、计算机设备及存储介质 | |
| KR101395666B1 (ko) | 비디오 영상의 변화를 이용한 도난 감시 장치 및 방법 | |
| CN111325708B (zh) | 一种输电线路检测方法和服务器 | |
| CN114900657A (zh) | 一种摄像头拍摄角度获取方法 | |
| Van Den Hengel et al. | Finding camera overlap in large surveillance networks |
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 |