CN112669287B - 基于图像识别的电气设备温度监测方法 - Google Patents
基于图像识别的电气设备温度监测方法 Download PDFInfo
- Publication number
- CN112669287B CN112669287B CN202011603350.9A CN202011603350A CN112669287B CN 112669287 B CN112669287 B CN 112669287B CN 202011603350 A CN202011603350 A CN 202011603350A CN 112669287 B CN112669287 B CN 112669287B
- Authority
- CN
- China
- Prior art keywords
- image
- color
- electrical equipment
- point
- setting
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 239000011248 coating agent Substances 0.000 claims description 4
- 238000000576 coating method Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 239000003973 paint Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种基于图像识别的电气设备温度监测方法，所述方法通过变色标签的颜色变化来反映目标电气设备的温度变化，通过机器识别变色标签的颜色来自动获取所述颜色对应的温度值，并经所述温度值与预设的温度警示阈值比较，根据比较结果判断是否需要报警，从而实现对目标电气设备温度的实时自动监测，降低人力成本、提高监测精度和监测效率，有效避免电气设备因温度过高，为即时发现处理而引发的故障，提高电气设备的使用寿命。
Description
技术领域
本发明涉及电气设备温度技术领域，尤其涉及一种基于图像识别的电气设备温度监测方法。
背景技术
随着我国电网技术的发展，电气设备的监测越来越重要。其中由于电气设备发热故障引起的安全事故影响较大，引起人们重点关注。电气设备在现场长期运行过程中容易产生热量积累导致发热，引起设备故障，寿命缩短。因此，对运行的电气设备进行温度实时监测尤为重要。目前，对于电气设备温度监测多采用红外温度传感器、光纤温度传感器，这些方法精度低、受环境因素影响大。陈媛媛等人研究出一种对温度比较敏感的功能性热致变色涂层，能够对温度的变化做出颜色变化的响应。将热致变色涂料涂敷在电力设施表面，可以通过肉眼直接观察涂料的颜色变化来判断电力系统发生故障的位置。但是由于现场环境多变，通过人员肉眼检测，不能及时发现故障。
因此，亟需一种能够自动识别图像，并基于该图像来实现电气设备温度监测的方法。
发明内容
有鉴于此，本发明提供一种基于图像识别的电气设备温度监测方法，其特征在于：所述方法包括以下步骤：
S1：将变色标签贴于目标电气设备上，采集所述变色标签的图像Ⅰ，将所述图像Ⅰ转化为RGB空间的图像Ⅱ；
S2：将图像Ⅱ进行锐化处理、灰度调整，获得灰度图像Ⅲ；
S3：利用matlab中的wavedec2、wthcoef2、waverec2函数对灰度图像Ⅲ采用二重小波去噪，获得去噪后图像Ⅳ；
S4：对去噪后图像Ⅳ边缘进行识别，获得去噪后图像Ⅳ的边缘矩阵GcannyBW；
S5：对边缘矩阵GcannyBW进行形态学腐蚀、膨胀、闭合处理，获得闭合连续的边缘图像Ⅴ；
S6：以边缘图像Ⅴ的边缘为界限，将边缘图像Ⅴ的变色区域与背景分离，得到二值矩阵M，其中变色区域为1，背景区域为0；
S7：判断矩阵M中每个元素是否为1，若是，则将当前元素对应的图像位置设置为图像Ⅱ中相应位置RGB原色，若否，则当前元素对应的图像位置的RGB值设置为(0,0,0)，即黑色，获得图像Ⅵ；
S8：将图像Ⅵ中的色RGB模式转换为HSV模式，确定变色区域图像颜色；
S9：根据识别出的变色颜色对应的温度值，判断所述温度值是否超过预设警示温度，若是，则启动报警装置；反之，继续监控。
进一步，所述步骤S4具体包括：
S41：选择图像Ⅳ的一点(x,y)，用一阶偏导有限差分计算该点梯度幅值和方向，使用Canny算子中的SX、SY两个模板与原图进行卷积，得出x和y轴的差分值，最后计算该点的梯度G和方向θ；
S42：判断点(x,y)的8邻域与中心像素梯度大小关系，对梯度幅值进行非极大值抑制；
S43：用双阈值算法检测和连接边缘；
S431：设置两个阈值t1＝75和t2＝150；
S432：把梯度值小于t1的像素的灰度值设为0，得到第一图像；把梯度值小于t2的像素的灰度值设为0，得到第二图像；
S433：扫描第二图像的每个像素，当遇到一个非零灰度的像素p(x,y)时，跟踪以b(x,y)为开始点的轮廓线，直到轮廓线的终点d(x,y)；
S434：遍历第一图像中与第二图像中d(x,y)点位置对应的点s(x,y)的8邻近区域；
S435：如果在s(x,y)点的8邻近区域中有非零像素s1(x,y)存在，则将其并入到第二图像中，作为r(x,y)点；
S436：从r(x,y)开始，重复S433，直到在第一图像和第二图像中都无法继续为止，当完成对包含b(x,y)的轮廓线的连结之后，将这条轮廓线标记为已经访问；
S437：继续S433，寻找下一条轮廓线，直到第二图像中找不到新轮廓线为止，最终得到图像边缘矩阵GcannyBW。
进一步，所述步骤S3具体包括：
S31：用小波函数coif2对灰度图像Ⅲ在尺度2上进行二维分解，得到经过小波分解结构矩阵[C,S]；
S32：设置高频尺度向量n；
S33：设置阈值向量，对高频小波系数进行阈值处理，分别得到水平和竖直方向的小波分解向量NC、MC和硬阈值s1、s2；
S34：用小波函数coif2分别对分解向量NC、MC进行二维重构，获得去噪后图像Ⅳ。
进一步，所述步骤S8具体包括：
S81：将颜色RGB模式转化为易于识别的HSV模式，得到矩阵hsv；
S82：设置每种颜色的H、S、V值范围；
S83：对变色区域每个像素的颜色进行判断，分类统计，分别得到红绿蓝像素的个数，Red_y，Green_y，Blue_y；
S84：比较Red_y，Green_y，Blue_y，取三者最大值作为变色区域图像颜色。
进一步，所述变色标签采用现有的对温度敏感的功能性热致变色涂层。
本发明的有益技术效果：本发明通过变色标签的颜色变化来反馈目标电气设备的温度变化，通过机器识别变色标签的颜色来自动获取所述颜色对应的温度值，并经所述温度值与预设的温度警示阈值比较，根据比较结果判断是否需要报警，从而实现对目标电气设备温度的实时自动监测，降低人力成本、提高监测精度和监测效率，有效避免电气设备因温度过高为即时发现处理而引发的故障，提高电气设备的使用寿命。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的流程图。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明：
本发明提供一种基于图像识别的电气设备温度监测方法，其特征在于：所述方法包括以下步骤：
S1：将变色标签贴于目标电气设备上，采集所述变色标签的图像Ⅰ，将所述图像Ⅰ转化为RGB空间的图像Ⅱ；变色标签贴于被检设备上检测设备温度，利用监控摄像头定时间隔获取变色标签YCbCr颜色空间图像Ⅰ；将图像Ⅰ利用matlab软件的ycbcr2rgb函数转为RGB空间的图像Ⅱ；在本实施例中，所述变色标签采用现有的对温度敏感的功能性热致变色涂层，上述技术方案通过变色标签颜色的变化反应目标电气设备的实时温度，为通过图像识别确定温度提供基础信息。
S2：为使计算机处理图片的效率提高，将图像Ⅱ进行锐化处理、灰度调整，获得灰度图像Ⅲ；在本实施例中，采用拉普拉斯方法对图像Ⅱ进行锐化处理；采用四领域模板矩阵对原像素点进行卷积；当中心像素值高于邻域内其他像素平均灰度时，卷积结果为正；当中心像素灰度低于邻域其他像素平均灰度时候，卷积结果为负数；把卷积结果加到原中心像素；将上述图像进行局部灰度处理；对上述图像进行灰度处理，获得灰度直方图X；分析图片的灰度直方图X，针对性地进行灰度值修正；分区域进行灰度调整。
S3：为消除图像中的噪声干扰，便于后续边缘识别的精准处理，利用matlab中的wavedec2、wthcoef2、waverec2函数对灰度图像Ⅲ采用二重小波去噪，获得去噪后图像Ⅳ；
S31：用小波函数coif2对灰度图像Ⅲ在尺度2上进行二维分解，得到经过小波分解结构矩阵[C,S]；
S32：设置高频尺度向量n；
S33：设置阈值向量，对高频小波系数进行阈值处理，分别得到水平和竖直方向的小波分解向量NC、MC和硬阈值s1、s2；
S34：用小波函数coif2分别对分解向量NC、MC进行二维重构，获得去噪后图像Ⅳ。
S4：为对变色区域的精准识别，将对去噪后图像Ⅳ边缘进行识别，分离变色区域与背景颜色，获得去噪后图像Ⅳ的边缘矩阵GcannyBW；
S41：选择图像Ⅳ的一点(x,y)，用一阶偏导有限差分计算该点梯度幅值和方向，使用Canny算子中的SX、SY两个模板与原图进行卷积，得出x和y轴的差分值，最后计算该点的梯度G和方向θ；
S42：判断点(x,y)的8邻域与中心像素梯度大小关系，对梯度幅值进行非极大值抑制；
S43：用双阈值算法检测和连接边缘；
S431：设置两个阈值t1＝75和t2＝150；
S432：把梯度值小于t1的像素的灰度值设为0，得到第一图像；把梯度值小于t2的像素的灰度值设为0，得到第二图像；
S433：扫描第二图像的每个像素，当遇到一个非零灰度的像素p(x,y)时，跟踪以b(x,y)为开始点的轮廓线，直到轮廓线的终点d(x,y)；
S434：遍历第一图像中与第二图像中d(x,y)点位置对应的点s(x,y)的8邻近区域；
S435：如果在s(x,y)点的8邻近区域中有非零像素s1(x,y)存在，则将其并入到第二图像中，作为r(x,y)点；
S436：从r(x,y)开始，重复S433，直到在第一图像和第二图像中都无法继续为止，当完成对包含b(x,y)的轮廓线的连结之后，将这条轮廓线标记为已经访问；
S437：继续S433，寻找下一条轮廓线，直到第二图像中找不到新轮廓线为止，最终得到图像边缘矩阵GcannyBW。
S5：为使识别出的边缘连续规则，对边缘矩阵GcannyBW进行形态学腐蚀、膨胀、闭合处理，获得闭合连续的边缘图像Ⅴ。
S6：为了便于后期对颜色区域的精准提取，以边缘图像Ⅴ的边缘为界限，将边缘图像Ⅴ的变色区域与背景分离，得到二值矩阵M。
S7：为精确提取变色区域颜色，判断矩阵M中每个元素是否为1，若是，则将当前元素对应的图像位置设置为图像Ⅱ中相应位置RGB原色，若否，则当前元素对应的图像位置的RGB值设置为(0,0,0)，即黑色，获得图像Ⅵ。
监控摄像头拍摄的是包括背景的图像，此步骤可以将背景颜色和变色区域分割开来，后续的步骤主要是识别变色区域的颜色，这样才能更加有效正确识别颜色。
S8：为了使机器能高效准确识别出变色区域颜色，将图像Ⅵ中的色RGB模式转换为HSV模式，确定变色区域图像颜色；
S81：将颜色RGB模式转化为易于识别的HSV模式，得到矩阵hsv；
S82：设置每种颜色的H、S、V值范围；
S83：对变色区域每个像素的颜色进行判断，分类统计，分别得到红绿蓝像素的个数，Red_y，Green_y，Blue_y；
S84：比较Red_y，Green_y，Blue_y，取三者最大值作为变色区域图像颜色。
S9：为了有效及时显示电气设备热故障，便于技术人员检修，程序根据识别出的变色颜色对应的温度值，判断所述温度值是否超过预设警示温度，若是，则启动报警装置；反之，继续监控。在本实施例中，预先设定HSV模式下的颜色与其对应所述颜色对应的温度值，本领域技术人员可根据实际试验数据或试验数据统计结果来设定HSV模式下的颜色与其对应所述颜色对应的温度值，通过上述技术方案，在确定当前图像的HSV模式下的颜色，即可获得与所述颜色对应的温度值，操作简单、效率高。
最后说明的是，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宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于图像识别的电气设备温度监测方法，其特征在于：所述方法包括以下步骤：
S1：将变色标签贴于目标电气设备上，采集所述变色标签的图像Ⅰ，将所述图像Ⅰ转化为RGB空间的图像Ⅱ；
S2：将图像Ⅱ进行锐化处理、灰度调整，获得灰度图像Ⅲ；
S3：利用matlab中的wavedec2、wthcoef2、waverec2函数对灰度图像Ⅲ采用二重小波去噪，获得去噪后图像Ⅳ；
S4：对去噪后图像Ⅳ边缘进行识别，获得去噪后图像Ⅳ的边缘矩阵GcannyBW；
S5：对边缘矩阵GcannyBW进行形态学腐蚀、膨胀、闭合处理，获得闭合连续的边缘图像Ⅴ；
S6：以边缘图像Ⅴ的边缘为界限，将边缘图像Ⅴ的变色区域与背景分离，得到二值矩阵M，其中变色区域为1，背景区域为0；
S7：判断矩阵M中每个元素是否为1，若是，则将当前元素对应的图像位置设置为图像Ⅱ中相应位置RGB原色，若否，则当前元素对应的图像位置的RGB值设置为(0,0,0)，即黑色，获得图像Ⅵ；
S8：将图像Ⅵ中的色RGB模式转换为HSV模式，确定变色区域图像颜色；
S9：根据识别出的变色颜色对应的温度值，判断所述温度值是否超过预设警示温度，若是，则启动报警装置；反之，继续监控。
2.根据权利要求1所述基于图像识别的电气设备温度监测方法，其特征在于：所述步骤S4具体包括：
S41：选择图像Ⅳ的一点(x,y)，用一阶偏导有限差分计算该点梯度幅值和方向，使用Canny算子中的SX、SY两个模板与原图进行卷积，得出x和y轴的差分值，最后计算该点的梯度G和方向θ；
S42：判断点(x,y)的8邻域与中心像素梯度大小关系，对梯度幅值进行非极大值抑制；
S43：用双阈值算法检测和连接边缘；
S431：设置两个阈值t1＝75和t2＝150；
S432：把梯度值小于t1的像素的灰度值设为0，得到第一图像；把梯度值小于t2的像素的灰度值设为0，得到第二图像；
S433：扫描第二图像的每个像素，当遇到一个非零灰度的像素p(x,y)时，跟踪以b(x,y)为开始点的轮廓线，直到轮廓线的终点d(x,y)；
S434：遍历第一图像中与第二图像中d(x,y)点位置对应的点s(x,y)的8邻近区域；
S435：如果在s(x,y)点的8邻近区域中有非零像素s1(x,y)存在，则将其并入到第二图像中，作为r(x,y)点；
S436：从r(x,y)开始，重复S433，直到在第一图像和第二图像中都无法继续为止，当完成对包含b(x,y)的轮廓线的连结之后，将这条轮廓线标记为已经访问；
S437：继续S433，寻找下一条轮廓线，直到第二图像中找不到新轮廓线为止，最终得到图像边缘矩阵GcannyBW。
3.根据权利要求1所述基于图像识别的电气设备温度监测方法，其特征在于：所述步骤S3具体包括：
S31：用小波函数coif2对灰度图像Ⅲ在尺度2上进行二维分解，得到经过小波分解结构矩阵[C,S]；
S32：设置高频尺度向量n；
S33：设置阈值向量，对高频小波系数进行阈值处理，分别得到水平和竖直方向的小波分解向量NC、MC和硬阈值s1、s2；
S34：用小波函数coif2分别对分解向量NC、MC进行二维重构，获得去噪后图像Ⅳ。
4.根据权利要求1所述基于图像识别的电气设备温度监测方法，其特征在于：所述步骤S8具体包括：
S81：将颜色RGB模式转化为易于识别的HSV模式，得到矩阵hsv；
S82：设置每种颜色的H、S、V值范围；
S83：对变色区域每个像素的颜色进行判断，分类统计，分别得到红绿蓝像素的个数，Red_y，Green_y，Blue_y；
S84：比较Red_y，Green_y，Blue_y，取三者最大值作为变色区域图像颜色。
5.根据权利要求1所述基于图像识别的电气设备温度监测方法，其特征在于：所述变色标签采用现有的对温度敏感的功能性热致变色涂层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011603350.9A CN112669287B (zh) | 2020-12-29 | 2020-12-29 | 基于图像识别的电气设备温度监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011603350.9A CN112669287B (zh) | 2020-12-29 | 2020-12-29 | 基于图像识别的电气设备温度监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112669287A CN112669287A (zh) | 2021-04-16 |
| CN112669287B true CN112669287B (zh) | 2024-04-23 |
Family
ID=75410618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011603350.9A Active CN112669287B (zh) | 2020-12-29 | 2020-12-29 | 基于图像识别的电气设备温度监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112669287B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034624B (zh) * | 2021-05-06 | 2024-05-07 | 浙江云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
| CN113310593A (zh) * | 2021-06-03 | 2021-08-27 | 四川省东宇信息技术有限责任公司 | 一种检测方法和温度检测系统 |
| CN113743423A (zh) * | 2021-09-08 | 2021-12-03 | 浙江云电笔智能科技有限公司 | 一种温度智能监测方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
| CN108275019A (zh) * | 2018-02-07 | 2018-07-13 | 广州中国科学院工业技术研究院 | 电池组运行状态的监控方法和系统 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| DE102017126856A1 (de) * | 2017-11-15 | 2019-05-16 | Illinois Tool Works Inc. | Spülmaschine sowie Verfahren zum Reinigen von Spülgut in einer Spülmaschine |
| CN110516609A (zh) * | 2019-08-28 | 2019-11-29 | 南京邮电大学 | 一种基于图像多特征融合的火灾视频检测及预警方法 |
| CN111998967A (zh) * | 2020-08-29 | 2020-11-27 | 重庆地格科技有限责任公司 | 一种电气设备示温贴片及其制备方法 |
| CN112111189A (zh) * | 2020-08-28 | 2020-12-22 | 深圳供电局有限公司 | 示温涂料制备方法及变电站设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10046229B2 (en) * | 2016-05-02 | 2018-08-14 | Bao Tran | Smart device |
-
2020
- 2020-12-29 CN CN202011603350.9A patent/CN112669287B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
| DE102017126856A1 (de) * | 2017-11-15 | 2019-05-16 | Illinois Tool Works Inc. | Spülmaschine sowie Verfahren zum Reinigen von Spülgut in einer Spülmaschine |
| CN108275019A (zh) * | 2018-02-07 | 2018-07-13 | 广州中国科学院工业技术研究院 | 电池组运行状态的监控方法和系统 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| CN110516609A (zh) * | 2019-08-28 | 2019-11-29 | 南京邮电大学 | 一种基于图像多特征融合的火灾视频检测及预警方法 |
| CN112111189A (zh) * | 2020-08-28 | 2020-12-22 | 深圳供电局有限公司 | 示温涂料制备方法及变电站设备 |
| CN111998967A (zh) * | 2020-08-29 | 2020-11-27 | 重庆地格科技有限责任公司 | 一种电气设备示温贴片及其制备方法 |
Non-Patent Citations (4)
| Title |
|---|
| Autonomous Fire Fighter Robot Based on Image Processing;A.Q.M. Sazzad Sayyed;《IEEE》;20200130;全文 * |
| XLPE电缆中间接头局部放电特征气体及光特性检测技术研究;赵法强;《广东电力》;20191231;全文 * |
| 基于多特征融合的视频火灾检测方法;何爱龙;陈美娟;;软件导刊;20200715(07);全文 * |
| 基于红外成像的断路器故障检测技术的研究;杨森淋;《中国优秀硕士学位论文全文数据库》;20200831;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112669287A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112669287B (zh) | 基于图像识别的电气设备温度监测方法 | |
| CN107483014B (zh) | 一种光伏板故障自动检测方法 | |
| CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
| CN110930357B (zh) | 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统 | |
| CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
| CN110991360B (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
| CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
| CN111221996B (zh) | 仪表屏幕视觉检测方法和系统 | |
| CN111524189A (zh) | 门开关状态检测方法、装置及计算机存储介质 | |
| CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| 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 | |
| CN111862073A (zh) | 一种电力设备的温度采集方法和装置 | |
| CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
| CN113688829B (zh) | 一种变电站监控画面自动识别方法及系统 | |
| CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
| CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
| CN113776670A (zh) | 一种基于红外图像的电力设备监测系统及方法 | |
| Shuo et al. | Digital recognition of electric meter with deep learning | |
| CN117635905A (zh) | 基于图像识别算法的电能表装接质量智能监测方法 | |
| CN111931785A (zh) | 一种电力设备红外图像目标的边缘检测方法 | |
| CN112241707A (zh) | 一种风电场智能视频识别装置 | |
| CN115619796A (zh) | 获取光伏组件模板的方法及装置、非易失性存储介质 | |
| WANG et al. | Visual Tracking Inspection Method of Transmission Line based on Infrared Thermal Imaging. | |
| CN102004537A (zh) | 系统上下电控制装置和方法 |
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 |