CN111488868B - 一种基于变压器红外图像的高温区域识别方法及系统 - Google Patents
一种基于变压器红外图像的高温区域识别方法及系统 Download PDFInfo
- Publication number
- CN111488868B CN111488868B CN202010227133.8A CN202010227133A CN111488868B CN 111488868 B CN111488868 B CN 111488868B CN 202010227133 A CN202010227133 A CN 202010227133A CN 111488868 B CN111488868 B CN 111488868B
- Authority
- CN
- China
- Prior art keywords
- temperature
- chromaticity
- image
- interval
- infrared 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于变压器红外图像的高温区域识别方法及系统,包括获取图像中温度区间的数值及色度;利用获取的所述温度区间的色度获得其高温时的温度色度;获取所述图像全部色度数值,并建立色度分布情况图;利用图像色度和LOG算子对所述图像边缘划分,得到识别后的高温区域,结合了计算机进行批量处理,较人工识别方式节约时间成本且准确度高,能够对高温的温度区间按照需求进行设定,对变压器外部温度监测有较大的帮助。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种基于变压器红外图像的高温区域识别方法及系统。
背景技术
在变压器运行工作时,其运行温度是一个极为重要的检测量。如果其运行温度超过阈值,会致使加速绝缘老化、损伤变压器部件的问题发生,严重情况下甚至会导致变压器重大故障,造成财产损失和人员伤亡问题。
通常我们采用在内部加装专用温度计、热电偶等,或者外部加装温度传感器等方式进行实际温度测量,或通过红外热成像仪拍摄的红外图像进行外部温度的检测。由红外热成像仪拍摄的红外图像具有操作方、温度判断准确、温度区间明显的特点,在对变压器进行温度检测时具有重要意义。
而在现有技术中,变压器采用红外图像识别温度的过程中存在以下问题:由于一次采集的红外图像数量较多,使用人工手段识别费时费力;红外图像温度区间明确,但梯度在人工识别时较不明显;一般红外图像采集的范围较大,高温区域不能进行细致的划分。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有变压器红外图像检测温度存在的问题,提出了本发明。
因此,本发明解决的技术问题是:解决现有的变压器红外测温图像高温区域划分准确度不高的问题。
为解决上述技术问题,本发明提供如下技术方案:一种基于变压器红外图像的高温区域识别方法,包括获取图像中温度区间的数值及色度;利用获取的所述温度区间的色度获得其高温时的温度色度;获取所述图像全部色度数值,并建立色度分布情况图;利用图像色度和LOG算子对所述图像边缘划分,得到识别后的高温区域。
作为本发明所述的基于变压器红外图像的高温区域识别方法的一种优选方案,其中:获取所述图像中所述温度区间的数值及色度包括确定所述图像中温度标尺的位置是固定的;根据所述温度标尺固定的坐标区间先获得所述温度区间的上限数值,再获得所述温度区间的下限数值;根据所述温度标尺的颜色区域输入并获取不同温度的色度值。
作为本发明所述的基于变压器红外图像的高温区域识别方法的一种优选方案,其中:根据所述图像及其红外图像信息与获取的所述温度区间的数值和色度进行高温区间的设定;其中,设定的所述高温区间和对应的色度区间可以根据需求进行设定。
作为本发明所述的基于变压器红外图像的高温区域识别方法的一种优选方案,其中:所述LOG算子步骤包括原始图像的数值为f,对所述原始图像先进行高斯滤波Gσ*f,再进行Laplace算子运算Δ(Gσ*f);保留一阶导数峰值的位置,从中寻找Laplace过零点;对所述过零点的精确位置进行插值估计。
作为本发明所述的基于变压器红外图像的高温区域识别方法的一种优选方案,其中:高斯滤波函数Gσ公式为,
Laplace算子运算为,
LOG(f)(x,y)=Δ(Gσ*f)=ΔGσ*f
LOG算子运算为,
其中,x、y为高斯函数的自变量;σ需要进行设定。
为解决上述技术问题,本发明还提供如下技术方案:一种基于变压器红外图像的高温区域识别系统,包括获取模块,用于获取图像温度区间和全部色度数值;建立模块,用于根据获取的所述全部色度数值建立色度分布情况表;划分模块,用于对所述图像边缘划分。
作为本发明所述的基于变压器红外图像的高温区域识别系统的一种优选方案,其中:所述获取模块包括定位单元,用于确定所述图像中温度标尺的位置是固定的,并获取其所在的固定区域;设定单元,用于预先设定好高温区间和所对应的色度区间;获取单元,用于获取所述温度区间的数值和色度;转化单元,用于利用获取的所述温度区间的色度获得其高温时的温度色度。
作为本发明所述的基于变压器红外图像的高温区域识别系统的一种优选方案,其中:所述划分模块包括计算识别单元,用于通过各类算法对高温区域进行识别计算;划分单元,用于根据所述计算识别单元的识别计算结果实现对高温区域的划分。
本发明的有益效果:本发明提供一种基于变压器红外图像的高温区域识别方法及系统,结合了计算机进行批量处理,较人工识别方式节约时间成本且准确度高,能够对高温的温度区间按照需求进行设定,对变压器外部温度监测有较大的帮助。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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它的附图。其中:
图1为原始照片及对应的红外图像;
图2为原始红外图像中获取的温度区间的色度值分布;
图3为设定的高温区间和对应的色度区间,以图1中1c为例;
图4为图1中1c为例的图像全部色度分布图;
图5为LOG方法的原理图;
图6为按图3所设定的情况下利用智能算法对图像边缘进行划分后的红外图像;
图7为与图3不同的高温区间设定的实例高温区域划分结果展示图;
图8为本发明提供的基于变压器红外图像的高温区域识别方法的方法流程图;
图9为本发明提供的基于变压器红外图像的高温区域识别系统的模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
请参阅图1~8,为本发明提供的基于变压器红外图像的高温区域识别方法的第一个实施例:一种基于变压器红外图像的高温区域识别方法,包括:
获取图像中温度区间的数值及色度;
利用获取的温度区间的色度获得其高温时的温度色度;
获取图像全部色度数值,并建立色度分布情况图;
利用图像色度和LOG算子对图像边缘划分,得到识别后的高温区域。
进一步的,获取图像中温度区间的数值及色度具体包括:
确定图像中温度标尺的位置是固定的;
根据温度标尺固定的坐标区间先获得温度区间的上限数值Tt,再获得温度区间的下限数值Tb;
根据温度标尺的颜色区域输入并获取不同温度的色度值。
其中,确定图像中温度标尺的位置固定并获取其所在的固定区域得到温度区间的数值及色度这个步骤可以利用计算机编程实现,减少了人工的参与,简便且能保证准确性,温度区间的数值及色度如图2所示,且获取图像色度的计算机编码为:
需要说明的是:图2的色度分布图X轴为颜色值即为何种颜色,取值从0至360;Y轴为颜色度即取该种颜色的像素的数量,取值根据实际图像的大小和颜色的分布等因素相关。
更进一步的,根据图1中显示的图像及其红外图像信息与图2显示的获取的温度区间的数值和色度进行高温区间的设定;
其中,设定的高温区间和对应的色度区间可以根据需求进行设定,即根据所需选择的横坐标的区间(颜色)进行整个图像的色度的筛选,调整横坐标的取值即可完成设定,如图3所示。
较佳的,利用色度和LOG算法进行图像边缘划分,即划分高温区域中,
LOG算子步骤具体为:
原始图像的数值为f,对原始图像先进行高斯滤波Gσ*f,再进行Laplace算子运算Δ(Gσ*f);
保留一阶导数峰值的位置,从中寻找Laplace过零点;
对过零点的精确位置进行插值估计。
其中,高斯滤波函数Gσ公式为:
Laplace算子运算为:
LOG(f)(x,y)=Δ(Gσ*f)=ΔGσ*f
LOG算子运算为:
其中,x、y为高斯函数的自变量;σ需要进行设定,设定的常用模板如下:
其中高斯滤波能够消除图像噪声,而Laplce运算能够找到导数突变点即找到不同色度的边界,原理如图5所示。
根据步骤2所选定的高温区间和对应的色度区间以及根据步骤3所示的红外图像色度分布情况图,利用LOG对高温区域进行识别和划分,图3中实例所得的结果如图6所示。
图7为高温区间设置与图3不同的划分结果,可以清楚看出划分结果的不同,体现了本发明提供方法在根据设定高温区间的不同划分红外图像高温区域方面具有较高的准确性,可非常准确的根据需求进行高温区域的识别和划分。
实施例2
请参阅图9,为本发明提供的基于变压器红外图像的高温区域识别系统的第一个实施例:一种基于变压器红外图像的高温区域识别系统,包括:
获取模块100,用于获取图像温度区间和全部色度数值;
建立模块200,用于根据获取的全部色度数值建立色度分布情况表;
划分模块300,用于对图像边缘划分。
进一步的,获取模块100包括:
定位单元,用于确定图像中温度标尺的位置是固定的,并获取其所在的固定区域;
设定单元,用于预先设定好高温区间和所对应的色度区间;
获取单元,用于获取温度区间的数值和色度;
转化单元,用于利用获取的温度区间的色度获得其高温时的温度色度。
更进一步的,划分模块300包括:
计算识别单元,用于通过各类算法对高温区域进行识别计算;
划分单元,用于根据计算识别单元的识别计算结果实现对高温区域的划分。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于变压器红外图像的高温区域识别方法,其特征在于:包括,
获取图像中温度区间的数值及色度;
利用获取的所述温度区间的色度获得其高温时的温度色度;
获取所述图像全部色度数值,并建立色度分布情况图;
利用图像色度和LOG算子对所述图像边缘划分,得到识别后的高温区域。
2.根据权利要求1所述的基于变压器红外图像的高温区域识别方法,其特征在于:获取所述图像中所述温度区间的数值及色度包括,
确定所述图像中温度标尺的位置是固定的;
根据所述温度标尺固定的坐标区间先获得所述温度区间的上限数值,再获得所述温度区间的下限数值;
根据所述温度标尺的颜色区域输入并获取不同温度的色度值。
3.根据权利要求1或2所述的基于变压器红外图像的高温区域识别方法,其特征在于:根据所述图像及其红外图像信息与获取的所述温度区间的数值和色度进行高温区间的设定;
其中,设定的所述高温区间和对应的色度区间可以根据需求进行设定。
4.根据权利要求1所述的基于变压器红外图像的高温区域识别方法,其特征在于:所述LOG算子步骤包括,
原始图像的数值为f,对所述原始图像先进行高斯滤波Gσ*f,再进行Laplace算子运算Δ(Gσ*f);
保留一阶导数峰值的位置,从中寻找Laplace过零点;
对所述过零点的精确位置进行插值估计。
6.一种基于变压器红外图像的高温区域识别系统,其特征在于:包括,
获取模块(100),用于获取图像温度区间和全部色度数值;所述获取模块(100)包括,
定位单元,用于确定所述图像中温度标尺的位置是固定的,并获取其所在的固定区域;
设定单元,用于预先设定好高温区间和所对应的色度区间;
获取单元,用于获取所述温度区间的数值和色度;
转化单元,用于利用获取的所述温度区间的色度获得其高温时的温度色度;
建立模块(200),用于根据获取的所述全部色度数值建立色度分布情况表;
划分模块(300),用于对所述图像边缘划分。
7.根据权利要求6所述的基于变压器红外图像的高温区域识别系统,其特征在于:所述划分模块(300)包括,
计算识别单元,用于通过各类算法对高温区域进行识别计算;
划分单元,用于根据所述计算识别单元的识别计算结果实现对高温区域的划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227133.8A CN111488868B (zh) | 2020-03-27 | 2020-03-27 | 一种基于变压器红外图像的高温区域识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227133.8A CN111488868B (zh) | 2020-03-27 | 2020-03-27 | 一种基于变压器红外图像的高温区域识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488868A CN111488868A (zh) | 2020-08-04 |
CN111488868B true CN111488868B (zh) | 2023-06-30 |
Family
ID=71812504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227133.8A Active CN111488868B (zh) | 2020-03-27 | 2020-03-27 | 一种基于变压器红外图像的高温区域识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488868B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295855B (zh) * | 2023-05-24 | 2023-08-08 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的故障定位及诊断系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10143777A (ja) * | 1996-11-07 | 1998-05-29 | Tokai Carbon Co Ltd | 高温熱処理工程における火災検知方法および装置 |
JP2005106748A (ja) * | 2003-10-01 | 2005-04-21 | Kawasaki Heavy Ind Ltd | 発熱監視方法および装置 |
CN102661799A (zh) * | 2012-05-16 | 2012-09-12 | 广东电网公司珠海供电局 | 故障定位方法与系统 |
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
CN104217443A (zh) * | 2014-08-15 | 2014-12-17 | 国家电网公司 | 一种基于hsv空间的输变电设备红外故障图像分割方法 |
WO2015137019A1 (ja) * | 2014-03-13 | 2015-09-17 | コニカミノルタ株式会社 | 温度監視装置、及び、温度監視方法 |
CN105096514A (zh) * | 2015-07-31 | 2015-11-25 | 天津职业技术师范大学 | 一种基于红外摄像的温度过程监控的火灾智能报警方法 |
CN107729907A (zh) * | 2016-08-12 | 2018-02-23 | 南京理工大学 | 一种基于红外热成像系统的故障识别方法 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警系统 |
CN109993736A (zh) * | 2019-03-29 | 2019-07-09 | 浙江大学 | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 |
CN110261436A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 |
CN110827270A (zh) * | 2019-11-12 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 复合绝缘子缺陷诊断方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050123182A1 (en) * | 2003-12-03 | 2005-06-09 | Avision Inc. | Temperature sensor |
-
2020
- 2020-03-27 CN CN202010227133.8A patent/CN111488868B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10143777A (ja) * | 1996-11-07 | 1998-05-29 | Tokai Carbon Co Ltd | 高温熱処理工程における火災検知方法および装置 |
JP2005106748A (ja) * | 2003-10-01 | 2005-04-21 | Kawasaki Heavy Ind Ltd | 発熱監視方法および装置 |
CN102661799A (zh) * | 2012-05-16 | 2012-09-12 | 广东电网公司珠海供电局 | 故障定位方法与系统 |
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
WO2015137019A1 (ja) * | 2014-03-13 | 2015-09-17 | コニカミノルタ株式会社 | 温度監視装置、及び、温度監視方法 |
CN104217443A (zh) * | 2014-08-15 | 2014-12-17 | 国家电网公司 | 一种基于hsv空间的输变电设备红外故障图像分割方法 |
CN105096514A (zh) * | 2015-07-31 | 2015-11-25 | 天津职业技术师范大学 | 一种基于红外摄像的温度过程监控的火灾智能报警方法 |
CN107729907A (zh) * | 2016-08-12 | 2018-02-23 | 南京理工大学 | 一种基于红外热成像系统的故障识别方法 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警系统 |
CN109993736A (zh) * | 2019-03-29 | 2019-07-09 | 浙江大学 | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 |
CN110261436A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 |
CN110827270A (zh) * | 2019-11-12 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 复合绝缘子缺陷诊断方法及系统 |
Non-Patent Citations (4)
Title |
---|
"Research on High Temperature Region Segmentation of Infrared Pipeline Image Based on Improved Two-Dimensional-Otsu";SHAO Lei et al;《SPECTROSCOPY AND SPECTRAL ANALYSIS》;第39卷;第1637-1642页 * |
"基于HSI空间梯度法的输电线路红外图像高温区域识别";金立军等;《2011输变电年会论文集》;第133-137页 * |
"基于多尺度NNLoG特征提取的红外多目标检测遗传算法";孙士新等;《红外技术》;第41卷;第837-842页 * |
"电气设备温度与局部放电的智能视频检测算法";姜鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111488868A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Di Leo et al. | A vision system for the online quality monitoring of industrial manufacturing | |
US9967482B2 (en) | Image processing apparatus, image processing method, and storage medium for noise reduction processing | |
Zakaria et al. | Object shape recognition in image for machine vision application | |
KR102073468B1 (ko) | 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법 | |
CN113554649B (zh) | 一种缺陷检测方法、装置、计算机设备及存储介质 | |
WO2019001164A1 (zh) | 滤光片同心度测量方法及终端设备 | |
CN111488868B (zh) | 一种基于变压器红外图像的高温区域识别方法及系统 | |
Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
CN110310245B (zh) | 图像照明分布的修正方法、修正装置及终端 | |
US10516822B2 (en) | Method and device for merging images of calibration devices | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN116958127B (zh) | 基于图像特征的硅片质量评估方法 | |
KR102399685B1 (ko) | 열화상 및 실화상을 이용한 건물 외벽의 열적 이상 부위 판단 시스템과 그 방법 | |
EP1698887A2 (en) | Method and apparatus for acquiring image of internal structure, and computer product | |
CN110207842B (zh) | 亚像素级边缘效应的修正方法及终端设备 | |
CN104748862A (zh) | 分析装置和分析方法 | |
US20210191372A1 (en) | Analysis of additive manufacturing processes | |
CN111669572A (zh) | 摄像头模组的检测方法、装置、介质及电子设备 | |
CN110298834B (zh) | 像素级边缘效应的修正方法及终端设备 | |
JP6818263B2 (ja) | 破面解析装置および破面解析方法 | |
JP6558951B2 (ja) | トンネル壁面の損傷検出装置及びトンネル壁面の損傷検出プログラム | |
CN108332779B (zh) | 一种液柱型仪表的读数方法及相关装置 | |
KR102385461B1 (ko) | 열선 패턴 장치, 열화상 카메라 캘리브레이션 방법 및 장치 | |
CN109585483B (zh) | 一种处理半导体晶圆的方法 | |
US9449251B2 (en) | Image processing apparatus, image processing method, and medium |
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 |