CN111126253A - 基于图像识别的刀闸状态检测方法 - Google Patents
基于图像识别的刀闸状态检测方法 Download PDFInfo
- Publication number
- CN111126253A CN111126253A CN201911332945.2A CN201911332945A CN111126253A CN 111126253 A CN111126253 A CN 111126253A CN 201911332945 A CN201911332945 A CN 201911332945A CN 111126253 A CN111126253 A CN 111126253A
- Authority
- CN
- China
- Prior art keywords
- image
- disconnecting link
- state
- closing
- detecting
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像识别的刀闸状态检测方法,包括:1、获取设定位置图像;2、检测刀闸区域;3、对图像进行灰度化、二值化、细化处理;4、采用Hough变换算法检测直线并过滤;5、基于SIFT特征提取算法,从刀闸状态图像中提取特征向量;6、进行尺度空间极值检测,确定关键点的位置和所在尺度;7、为每个关键点指定方向参数;8、生成关键点特征矢量;9、判别“开闸”、“合闸”或“未合闸到位”状态;10、采用Sobel边缘检测算法检测刀闸双臂的边缘信息;11、计算刀闸双臂的夹角;12、重新确认是否合闸到位,得到明确的刀闸状态和合闸角度信息。该方法有利于快速、准确地检测出刀闸的工作状态。
Description
技术领域
本发明涉及电力设备检查技术领域,具体涉及一种基于图像识别的刀闸状态检测方法。
背景技术
在现有技术中,使用深度学习的方法来检测刀闸的闭合状态,首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs),其次利用改进CNNs在训练数据库上获得训练模型,然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置,最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态。但是该方法存在以下问题:只能通过刀闸的连通性来判断刀闸的状态,无法更加精准的对刀闸的连通角度进行分析,存在刀闸连通但刀闸未实际闭合完成的情况。
发明内容
本发明的目的在于提供一种基于图像识别的刀闸状态检测方法,该方法有利于快速、准确地检测出刀闸的工作状态。
为实现上述目的,本发明的技术方案是:一种基于图像识别的刀闸状态检测方法,对刀闸的以下四种状态进行检测:“未检测到刀闸”、“开闸”、“合闸”以及“未合闸到位”,并对“未合闸到位”、“合闸”状态下刀闸双臂角度进行分析,包括以下步骤:
S1、通过摄像装置获取设定位置图像,即源图像;
S2、采用SSD目标检测算法从图像中检测刀闸区域,检测到刀闸区域则继续步骤S3,否则判断刀闸为“未检测到刀闸”状态,转步骤S13;
S3、对图像进行灰度化、二值化、细化处理;
S4、在步骤S3处理后的图像中采用Hough变换算法检测直线并过滤,得到刀闸状态图像;
S5、基于SIFT特征提取算法,从刀闸状态图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量;
S6、对刀闸状态图像进行尺度空间极值检测,以确定关键点的位置和所在尺度;
S7、利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数,使SIFT算子具备旋转不变性;
S8、将坐标轴旋转为关键点的方向,生成关键点特征矢量图像,即待匹配图像;
S9、采用源图像和待匹配图像中关键点特征向量的欧氏距离作为相似性判定度量:取源图像中的一个关键点,并找出其与待匹配图像中欧氏距离最近的前两个关键点,然后按如下方法判别:①如果刀闸区域内没有直线存在,则判断刀闸为“开闸”状态;②如果刀闸区域内有直线存在,则计算检测到的直线与待匹配图像中矩形框的垂直边的角度,若直线与刀闸区域的夹角小于设定阈值,则判断刀闸为“合闸”状态,否则判断刀闸为“未合闸到位”状态;对“开闸”状态转步骤S13,其他状态继续步骤S10;
S10、采用Sobel边缘检测算法检测刀闸双臂的边缘信息;
S11、通过刀闸双臂的边缘线段交叉计算刀闸双臂的夹角;
S12、通过步骤S11计算得到的夹角,重新确认步骤S9的“合闸”状态是否合闸到位,夹角小于设定角度为合闸到位,否则变更“合闸”状态为“未合闸到位”状态,从而得到明确的刀闸状态和合闸角度信息;
S13、输出刀闸状态,并对“合闸”和“未合闸到位”这两种状态输出合闸角度信息。
进一步地,步骤S3中,对刀闸区域图像进行灰度化处理的方法为:将彩色图像中各像素点的三分量亮度求平均,得到灰度值;对刀闸区域图像进行二值化的方法为:将图像中各像素点的灰度值设置为0,以使整个图像呈现出明显的黑白效果;对刀闸区域图像进行细化处理的方法为:骨架化二值图像,将图像的线条从多像素宽度减少到单位像素宽度。
进一步地,步骤S6具体包括以下步骤:
S61、对刀闸状态图像进行尺度空间极值检测,初步确定关键点的位置和所在尺度;
S62、通过拟合三维二次函数,精确确定关键点的位置和所在尺度,同时去除低对比度的关键点和不稳定的边缘响应点。
相较于现有技术,本发明的有益效果是:提供了一种基于图像识别的刀闸状态检测方法,该方法通过对刀闸图像进行处理,能够准确识别出刀闸的工作状态,特别是刀闸双臂的夹角状态,克服了现有技术检测精确度低的问题,提高了刀闸状态检测的可靠性和准确性,具有很强的实用性和广阔的应用前景。
附图说明
图1是本发明实施例的实现流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
本发明提供了一种基于图像识别的刀闸状态检测方法,如图1所示,对刀闸的以下四种状态进行检测:“未检测到刀闸”、“开闸”、“合闸”以及“未合闸到位”,并对“未合闸到位”、“合闸”状态下刀闸双臂角度进行分析,包括以下步骤:
S1、通过摄像装置获取设定位置图像,即源图像。
S2、采用SSD目标检测算法从图像中检测刀闸区域,检测到刀闸区域则继续步骤S3,否则判断刀闸为“未检测到刀闸”状态,转步骤S13。
S3、对图像进行灰度化、二值化、细化处理。
其中,对刀闸区域图像进行灰度化处理的方法为:将彩色图像中各像素点的三分量亮度求平均,得到灰度值;对刀闸区域图像进行二值化的方法为:将图像中各像素点的灰度值设置为0,以使整个图像呈现出明显的黑白效果;对刀闸区域图像进行细化处理的方法为:骨架化二值图像,将图像的线条从多像素宽度减少到单位像素宽度。
S4、在步骤S3处理后的图像中采用Hough变换算法检测直线并过滤,得到刀闸状态图像。
S5、基于SIFT特征提取算法,从刀闸状态图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量。
S6、对刀闸状态图像进行尺度空间极值检测,以确定关键点的位置和所在尺度。具体包括以下步骤:
S61、对刀闸状态图像进行尺度空间极值检测,初步确定关键点的位置和所在尺度。为了寻找尺度空间的极值点,每一个采样点要和它所有的相邻点比较,看其是否比它的图像域和尺度域的相邻点大或者小。中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较,以确保在尺度空间和二维图像空间都检测到极值点。一个点如果在DOG尺度空间本层以及上下两层的26个领域中是最大或最小值时,就认为该点是图像在该尺度下的一个特征点。在极值比较的过程中,每一组图像的首末两层是无法进行极值比较的,为了满足尺度变化的连续性,我们在每一组图像的顶层继续用高斯模糊生成了3 幅图像,高斯金字塔有每组S+3层图像。DOG金字塔每组有S+2层图像。
S62、通过拟合三维二次函数,精确确定关键点的位置和所在尺度,同时去除低对比度的关键点和不稳定的边缘响应点。
①空间尺度函数
求导,并令其为0,得到精确的位置:
②在已经检测到的特征点中,去掉低对比度的特征点和不稳定的边缘响应点。
去除低对比度的点:把公式(2)代入公司(1),只取前两项可得:
③边缘相应的去除,一个定义不好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率,而在垂直边缘的方向有较小的主曲率。主曲率通过一个2×2的Hessian矩阵H求出:
导数由采样点相邻差估计得到。
D的主曲率和H的特征值成正比,令α为最大特征值,β为最小特征值,则
Tr(H) = D zz + D yy = α + β
Det(H) = D zz D yy – (D zy )2 = αβ
令α = γβ,则:
If ratio > (r+1)2/(r), throw it out (SIFT uses r=10)
D xx 表示DOG金字塔中某一尺度的图像x方向求导两次。
S7、利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数,使SIFT算子具备旋转不变性。
S8、将坐标轴旋转为关键点的方向,生成关键点特征矢量图像,即待匹配图像。
S9、采用源图像和待匹配图像中关键点特征向量的欧氏距离作为相似性判定度量:取源图像中的一个关键点,并找出其与待匹配图像中欧氏距离最近的前两个关键点,然后按如下方法判别:①如果刀闸区域内没有直线存在,则判断刀闸为“开闸”状态;②如果刀闸区域内有直线存在,则计算检测到的直线与待匹配图像中矩形框的垂直边的角度,若直线与刀闸区域的夹角小于设定阈值,则判断刀闸为“合闸”状态,否则判断刀闸为“未合闸到位”状态;对“开闸”状态转步骤S13,其他状态继续步骤S10。
S10、采用Sobel边缘检测算法检测刀闸双臂的边缘信息。
S11、通过刀闸双臂的边缘线段交叉计算刀闸双臂的夹角。
S12、通过步骤S11计算得到的夹角,重新确认步骤S9的“合闸”状态是否合闸到位,夹角小于设定角度为合闸到位,否则变更“合闸”状态为“未合闸到位”状态,从而得到明确的刀闸状态和合闸角度信息。
S13、输出刀闸状态,并对“合闸”和“未合闸到位”这两种状态输出合闸角度信息。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种基于图像识别的刀闸状态检测方法,其特征在于,对刀闸的以下四种状态进行检测:“未检测到刀闸”、“开闸”、“合闸”以及“未合闸到位”,并对“未合闸到位”、“合闸”状态下刀闸双臂角度进行分析,包括以下步骤:
S1、通过摄像装置获取设定位置图像,即源图像;
S2、采用SSD目标检测算法从图像中检测刀闸区域,检测到刀闸区域则继续步骤S3,否则判断刀闸为“未检测到刀闸”状态,转步骤S13;
S3、对图像进行灰度化、二值化、细化处理;
S4、在步骤S3处理后的图像中采用Hough变换算法检测直线并过滤,得到刀闸状态图像;
S5、基于SIFT特征提取算法,从刀闸状态图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量;
S6、对刀闸状态图像进行尺度空间极值检测,以确定关键点的位置和所在尺度;
S7、利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数,使SIFT算子具备旋转不变性;
S8、将坐标轴旋转为关键点的方向,生成关键点特征矢量图像,即待匹配图像;
S9、采用源图像和待匹配图像中关键点特征向量的欧氏距离作为相似性判定度量:取源图像中的一个关键点,并找出其与待匹配图像中欧氏距离最近的前两个关键点,然后按如下方法判别:①如果刀闸区域内没有直线存在,则判断刀闸为“开闸”状态;②如果刀闸区域内有直线存在,则计算检测到的直线与待匹配图像中矩形框的垂直边的角度,若直线与刀闸区域的夹角小于设定阈值,则判断刀闸为“合闸”状态,否则判断刀闸为“未合闸到位”状态;对“开闸”状态转步骤S13,其他状态继续步骤S10;
S10、采用Sobel边缘检测算法检测刀闸双臂的边缘信息;
S11、通过刀闸双臂的边缘线段交叉计算刀闸双臂的夹角;
S12、通过步骤S11计算得到的夹角,重新确认步骤S9的“合闸”状态是否合闸到位,夹角小于设定角度为合闸到位,否则变更“合闸”状态为“未合闸到位”状态,从而得到明确的刀闸状态和合闸角度信息;
S13、输出刀闸状态,并对“合闸”和“未合闸到位”这两种状态输出合闸角度信息。
2.根据权利要求1所述的基于图像识别的刀闸状态检测方法,其特征在于,步骤S3中,对刀闸区域图像进行灰度化处理的方法为:将彩色图像中各像素点的三分量亮度求平均,得到灰度值;对刀闸区域图像进行二值化的方法为:将图像中各像素点的灰度值设置为0,以使整个图像呈现出明显的黑白效果;对刀闸区域图像进行细化处理的方法为:骨架化二值图像,将图像的线条从多像素宽度减少到单位像素宽度。
3.根据权利要求1所述的基于图像识别的刀闸状态检测方法,其特征在于,步骤S6具体包括以下步骤:
S61、对刀闸状态图像进行尺度空间极值检测,初步确定关键点的位置和所在尺度;
S62、通过拟合三维二次函数,精确确定关键点的位置和所在尺度,同时去除低对比度的关键点和不稳定的边缘响应点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332945.2A CN111126253A (zh) | 2019-12-23 | 2019-12-23 | 基于图像识别的刀闸状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332945.2A CN111126253A (zh) | 2019-12-23 | 2019-12-23 | 基于图像识别的刀闸状态检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126253A true CN111126253A (zh) | 2020-05-08 |
Family
ID=70500972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911332945.2A Pending CN111126253A (zh) | 2019-12-23 | 2019-12-23 | 基于图像识别的刀闸状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126253A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036402A (zh) * | 2020-08-26 | 2020-12-04 | 济南信通达电气科技有限公司 | 一种对开式刀闸状态识别方法及设备 |
CN112418226A (zh) * | 2020-10-23 | 2021-02-26 | 济南信通达电气科技有限公司 | 一种鱼眼分合闸状态识别的方法及装置 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
CN112541890A (zh) * | 2020-12-07 | 2021-03-23 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
CN113421233A (zh) * | 2021-06-16 | 2021-09-21 | 深圳供电局有限公司 | 一种刀闸分合到位状态的测量方法及图像采集分析设备 |
CN113780191A (zh) * | 2021-09-14 | 2021-12-10 | 西安西电开关电气有限公司 | 一种发电站启动拖动开关分合闸状态图像识别方法及系统 |
WO2023078254A1 (zh) * | 2021-11-08 | 2023-05-11 | 珠海优特电力科技股份有限公司 | 刀闸分合状态确定方法、装置、设备、介质及产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN102509100A (zh) * | 2011-10-26 | 2012-06-20 | 山东电力研究院 | 一种基于图像模式识别的刀闸分合可靠性识别方法 |
CN102622615A (zh) * | 2012-02-24 | 2012-08-01 | 山东鲁能智能技术有限公司 | 基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法 |
CN102622614A (zh) * | 2012-02-24 | 2012-08-01 | 山东鲁能智能技术有限公司 | 基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法 |
CN103632150A (zh) * | 2013-12-18 | 2014-03-12 | 深圳市博铭维系统工程有限公司 | 一种刀闸状态识别方法及装置 |
EP3361412A1 (en) * | 2017-02-10 | 2018-08-15 | Fujitsu Limited | Black ice detection system, program, and method |
CN109063764A (zh) * | 2018-07-26 | 2018-12-21 | 福建和盛高科技产业有限公司 | 一种基于机器视觉的隔离开关合闸操作到位的判断方法 |
-
2019
- 2019-12-23 CN CN201911332945.2A patent/CN111126253A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN102509100A (zh) * | 2011-10-26 | 2012-06-20 | 山东电力研究院 | 一种基于图像模式识别的刀闸分合可靠性识别方法 |
CN102622615A (zh) * | 2012-02-24 | 2012-08-01 | 山东鲁能智能技术有限公司 | 基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法 |
CN102622614A (zh) * | 2012-02-24 | 2012-08-01 | 山东鲁能智能技术有限公司 | 基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法 |
CN103632150A (zh) * | 2013-12-18 | 2014-03-12 | 深圳市博铭维系统工程有限公司 | 一种刀闸状态识别方法及装置 |
EP3361412A1 (en) * | 2017-02-10 | 2018-08-15 | Fujitsu Limited | Black ice detection system, program, and method |
CN109063764A (zh) * | 2018-07-26 | 2018-12-21 | 福建和盛高科技产业有限公司 | 一种基于机器视觉的隔离开关合闸操作到位的判断方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036402A (zh) * | 2020-08-26 | 2020-12-04 | 济南信通达电气科技有限公司 | 一种对开式刀闸状态识别方法及设备 |
CN112036402B (zh) * | 2020-08-26 | 2024-04-26 | 济南信通达电气科技有限公司 | 一种对开式刀闸状态识别方法及设备 |
CN112418226A (zh) * | 2020-10-23 | 2021-02-26 | 济南信通达电气科技有限公司 | 一种鱼眼分合闸状态识别的方法及装置 |
CN112541890B (zh) * | 2020-12-07 | 2022-08-30 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
CN112541890A (zh) * | 2020-12-07 | 2021-03-23 | 国网江苏省电力有限公司常州供电分公司 | 刀闸行程状态的检测方法、设备和可读存储介质 |
CN112508019B (zh) * | 2020-12-16 | 2024-02-27 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
CN113421233A (zh) * | 2021-06-16 | 2021-09-21 | 深圳供电局有限公司 | 一种刀闸分合到位状态的测量方法及图像采集分析设备 |
CN113421233B (zh) * | 2021-06-16 | 2024-04-09 | 深圳供电局有限公司 | 一种刀闸分合到位状态的测量方法及图像采集分析设备 |
CN113780191A (zh) * | 2021-09-14 | 2021-12-10 | 西安西电开关电气有限公司 | 一种发电站启动拖动开关分合闸状态图像识别方法及系统 |
CN113780191B (zh) * | 2021-09-14 | 2024-05-10 | 西安西电开关电气有限公司 | 一种发电站启动拖动开关分合闸状态图像识别方法及系统 |
WO2023078254A1 (zh) * | 2021-11-08 | 2023-05-11 | 珠海优特电力科技股份有限公司 | 刀闸分合状态确定方法、装置、设备、介质及产品 |
GB2616993A (en) * | 2021-11-08 | 2023-09-27 | Zhuhai Unitech Power Tech Co | Method and apparatus for determining open/closed state of knife switch, and device, medium and product |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126253A (zh) | 基于图像识别的刀闸状态检测方法 | |
CN105447512B (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN111428748A (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN110349207A (zh) | 一种复杂环境下的视觉定位方法 | |
CN113076802B (zh) | 基于缺少断开图像样本的变电站开关分合状态图像识别方法 | |
CN105678760A (zh) | 一种基于Canny边缘检测算法的绝缘子图像识别方法 | |
CN111368742B (zh) | 基于视频分析的双黄交通标线的重建识别方法及系统 | |
CN110751619A (zh) | 一种绝缘子缺陷检测方法 | |
Zhang et al. | Saliency-driven oil tank detection based on multidimensional feature vector clustering for SAR images | |
CN111353371A (zh) | 基于星载sar影像的海岸线提取方法 | |
CN110348307B (zh) | 一种起重机金属结构攀爬机器人的路径边缘识别方法及系统 | |
CN114581658A (zh) | 一种基于计算机视觉的目标检测方法及装置 | |
CN107358635B (zh) | 一种基于模糊相似性的彩色形态学图像处理方法 | |
Kaur et al. | 2-D geometric shape recognition using canny edge detection technique | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
Deb et al. | Projection and least square fitting with perpendicular offsets based vehicle license plate tilt correction | |
Cheng et al. | Power pole detection based on graph cut | |
Wen et al. | Lightning arrester monitor pointer meter and digits reading recognition based on image processing | |
Zhu | Moving Objects Detection and Segmentation Based on Background Subtraction and Image Over-Segmentation. | |
Liu et al. | Inspection of IC wafer Defects Based on Image Registration | |
CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
CN107153823B (zh) | 一种基于视觉关联双空间的车道线特征提取方法 | |
Wang et al. | Application of improved SURF algorithm in real scene matching and recognition | |
Lin et al. | Automatic Character Recognition Method of Power Meter Based on Vision |
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: 20200508 |