CN112669302A - 吊弦缺陷检测方法、装置、电子设备及存储介质 - Google Patents

吊弦缺陷检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112669302A
CN112669302A CN202011643796.4A CN202011643796A CN112669302A CN 112669302 A CN112669302 A CN 112669302A CN 202011643796 A CN202011643796 A CN 202011643796A CN 112669302 A CN112669302 A CN 112669302A
Authority
CN
China
Prior art keywords
image
dropper
target
detected
key point
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
Application number
CN202011643796.4A
Other languages
English (en)
Other versions
CN112669302B (zh
Inventor
汪翔
暴天鹏
吴立威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202011643796.4A priority Critical patent/CN112669302B/zh
Publication of CN112669302A publication Critical patent/CN112669302A/zh
Application granted granted Critical
Publication of CN112669302B publication Critical patent/CN112669302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供一种吊弦缺陷检测方法、装置、电子设备及存储介质,其中,该方法包括:获取待检测图像,待检测图像中包括吊弦;对待检测图像进行关键点检测,得到第一关键点和第二关键点;根据待检测图像、第一关键点和第二关键点,得到目标图像;根据目标图像确定吊弦是否存在缺陷。采用本申请实施例有利于提高吊弦缺陷检测的准确度。

Description

吊弦缺陷检测方法、装置、电子设备及存储介质
技术领域
本申请涉及图像检测技术领域,具体涉及一种吊弦缺陷检测方法、装置、电子设备及存储介质。
背景技术
铁路是国家重要的基础设施,是保障社会生产生活的生命线,而铁路建设中又总是离不开接触网这一话题,作为铁路电气化工程的主构架,接触网是沿铁路上空架设的特殊输电线路。接触网吊弦是整个接触网的支架,因此,接触网吊弦检测、维护是铁路正常运行的保障,吊弦缺陷的漏检会对铁路常态化运营产生重大负面影响,但是现阶段接触网吊弦缺陷检测仍处于采集吊弦图像、人工查找缺陷的阶段,考虑到吊弦图像的数据量以及吊弦缺陷难以辨别的特点,目前吊弦缺陷检测的准确度仍然有待提高。
发明内容
本申请实施例提供一种吊弦缺陷检测方法、装置、电子设备及存储介质,有利于提升吊弦缺陷检测的准确度。
本申请实施例的第一方面提供一种吊弦缺陷检测方法,该方法包括:
获取待检测图像,待检测图像中包括吊弦;
对待检测图像进行关键点检测,得到第一关键点和第二关键点;
根据待检测图像、第一关键点和第二关键点,得到目标图像;
根据目标图像确定吊弦是否存在缺陷。
结合第一方面,在一个可能的实现方式中,待检测图像中包括第一承力索吊弦线夹和第二承力索吊弦线夹;对待检测图像进行关键点检测,得到第一关键点和第二关键点,包括:
对第一承力索吊弦线夹进行关键点检测,得到第一关键点;第一承力索吊弦线夹为吊弦的上端所连接的承力索吊弦线夹,第一关键点为第一承力索吊弦线夹在待检测图像中对应的像素点;
对第二承力索吊弦线夹进行关键点检测,得到第二关键点;第二承力索吊弦线夹为吊弦的下端所连接的承力索吊弦线夹,第二关键点为第二承力索吊弦线夹在待检测图像中对应的像素点。
结合第一方面,在一个可能的实现方式中,根据待检测图像、第一关键点和第二关键点,得到目标图像,包括:
根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像;
对吊弦区域图像进行二值化处理,得到目标图像。
结合第一方面,在一个可能的实现方式中,根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像,包括:
获取待检测图像的宽、第一关键点在待检测图像中的坐标以及第二关键点在待检测图像中的坐标;
根据第一关键点在待检测图像中的坐标确定第一坐标点;
根据待检测图像的宽和第二关键点在待检测图像中的坐标确定第二坐标点;
根据第一坐标点和第二坐标点确定出目标矩形区域;
从待检测图像中截取出目标矩形区域,得到吊弦区域图像。
结合第一方面,在一个可能的实现方式中,对吊弦区域图像进行二值化处理,得到目标图像,包括:
设定对吊弦区域图像进行二值化处理的检测窗口;
设定对目标区域进行二值化处理的常数;目标区域为检测窗口在吊弦区域图像中滑动所覆盖的区域;
以预设步长在吊弦区域图像中滑动检测窗口,根据目标区域内的亮度均值和常数确定目标区域的自适应阈值,基于自适应阈值对目标区域进行二值化处理,以得到目标图像。
结合第一方面,在一个可能的实现方式中,目标图像中包括前景像素点,前景像素点为吊弦的吊弦线在目标图像中对应的像素点;根据目标图像确定吊弦是否存在缺陷,包括:
根据前景像素点和预设线段,得到目标数组;
根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度;目标数组的长度根据目标图像的高度得到;
在置信度大于或等于第一阈值的情况下,确定吊弦存在缺陷。
结合第一方面,在一个可能的实现方式中,根据前景像素点和预设线段,得到目标数组,包括:
沿高度方向扫描目标图像,计算目标图像中的目标像素点到预设线段的距离;目标像素点为目标图像的每行像素点中的前景像素点;
确定目标像素点到预设线段的距离的最小值;
以最小值为数组元素构成目标数组。
结合第一方面,在一个可能的实现方式中,根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度,包括:
获取最小值中大于或等于第二阈值的目标最小值;
将所述目标最小值确定为所述目标元素;
根据目标元素的数量与目标数组的长度的比值,得到置信度。
结合第一方面,在一个可能的实现方式中,在对待检测图像进行关键点检测,得到第一关键点和第二关键点之后,该方法还包括:
获取第一关键点到第二关键点的距离;
在第一关键点到第二关键点的距离小于或等于第三阈值的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
结合第一方面,在一个可能的实现方式中,该方法还包括:
在待检测图像中检测出第一关键点、第二关键点之一的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
结合第一方面,在一个可能的实现方式中,获取待检测图像,包括:
获取对输电线路进行拍摄得到的原始图像;
对原始图像进行目标检测,得到吊弦在原始图像中的位置;
基于吊弦在原始图像中的位置从原始图像中截取出待检测图像。
结合第一方面,在一个可能的实现方式中,吊弦的缺陷类型包括以下中的任一种:吊弦松弛和吊弦断裂。
本申请实施例的第二方面提供一种吊弦缺陷检测装置,该装置包括:
第一获取单元,用于获取待检测图像,待检测图像中包括吊弦;
端点检测单元,用于对待检测图像进行关键点检测,得到第一关键点和第二关键点;
第二获取单元,用于根据待检测图像、第一关键点和第二关键点,得到目标图像;
确定单元,用于根据目标图像确定吊弦是否存在缺陷。
本申请实施例的第三方面提供一种电子设备,包括处理器、输入设备、输出设备和存储器,处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储有用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具有如下有益效果:
可以看出,通过获取待检测图像,待检测图像中包括吊弦;对待检测图像进行关键点检测,得到第一关键点和第二关键点;根据待检测图像、第一关键点和第二关键点,得到目标图像;根据目标图像确定吊弦是否存在缺陷。相对于现有方案中,通过人工的方式对吊弦是否存在缺陷进行检测,能够准确定位到吊弦的上下端点(即第一关键点和第二关键点),根据定位出的上下端点进行后续的缺陷检测有利于降低漏检率,提升吊弦缺陷检测的准确度。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,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为本申请实施例提供的一种应用环境的示意图;
图2为本申请实施例提供的一种吊弦缺陷检测方法的流程示意图;
图3为本申请实施例提供的一种检测出的关键点的示意图;
图4为本申请实施例提供的一种样本图像的示意图;
图5为本申请实施例提供的一种目标图像的示意图;
图6为本申请实施例提供的另一种吊弦缺陷检测方法的流程示意图;
图7为本申请实施例提供的过滤待检测图像的示意图;
图8为本申请实施例提供的一种电子设备的结构示意图;
图9为本申请实施例提供的一种吊弦缺陷检测装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本申请所描述的实施例可以与其它实施例相结合。
为了更好的理解本申请实施例提供的一种吊弦缺陷检测方法,下面首先对吊弦缺陷检测方法的应用环境进行简要介绍。请参阅图1,图1为本申请实施例提供的一种应用环境的示意图,如图1所示,包括用户终端和电子设备,用户终端和电子设备通过网络进行连接。用户终端用于提供对输电线路进行拍摄得到的原始图像,比如用户终端可以是电脑,用户可将原始图像输入电脑进行缺陷检测,比如用户终端还可以是电线杆、电线塔、巡检车上的图像采集设备。电子设备用于从原始图像中分割出吊弦图像,定位出吊弦图像中吊弦的上下端点,然后再从吊弦图像中分割出包括吊弦的子图,对该子图进行自适应二值化处理,得到二值化图像,基于该二值化图像确定吊弦是否存在断裂、松弛等缺陷,因此,相对于现有方案中,通过人工的方式对吊弦是否存在缺陷进行检测,本申请能够通过电子设备检测吊弦是否存在缺陷,降低了漏检率,提升了吊弦缺陷检测的效率以及准确度。
请参阅图2,图2为本申请实施例提供的一种吊弦缺陷检测方法的流程示意图。如图2所示,该方法包括:
201、获取待检测图像,该待检测图像中包括吊弦。
本申请具体实施例中,可以通过摄像头、摄像装置等对铁路输电线路进行拍摄得到输电线路的原始图像,比如C4输电线路的整体大图,对该原始图像进行目标检测,得到至少一个候选框,对每个候选框对应的物体进行识别,得到吊弦所在的候选框,该候选框框定的区域即吊弦在所述原始图像中的位置,基于该候选框从原始图像中截取出包含吊弦的待检测图像。
示例性的,可以通过训练好的第一神经网络模型对原始图像进行目标检测,得到待检测图像,该第一神经网络模型可以采用标注出吊弦位置的样本图像对FasterR-CNN框架进行训练得到。
202、对待检测图像进行关键点检测,得到第一关键点和第二关键点。
本申请具体实施例中,如图3所示,待检测图像中包括第一承力索吊弦线夹和第二承力索吊弦线夹,第一承力索吊弦线夹为吊弦的上端所连接的承力索吊弦线夹,第二承力索吊弦线夹为吊弦的下端所连接的承力索吊弦线夹,对第一承力索吊弦线夹进行关键点检测,得到第一关键点,该第一关键点为第一承力索吊弦线夹在待检测图像中对应的像素点,示例性的,该第一像素点可以为该第一承力索吊弦线夹的中心位置所对应的像素点,也可为第一承力索吊弦线夹的最左端或者左右端对应的像素点,应当理解的,该第一关键点即为吊弦的上端点。同理,对第二承力索吊弦线夹进行关键点检测,得到第二关键点,该第二关键点为第二承力索吊弦线夹在待检测图像中对应的像素点,示例性的,该第二像素点可以为该第二承力索吊弦线夹的中心位置所对应的像素点,也可为第二承力索吊弦线夹的最左端或者左右端对应的像素点,应当理解的,该第二关键点即为吊弦的下端点。
示例性的,可以通过训练好的第二神经网络模型对待检测图像进行关键点检测,得到第一关键点和第二关键点,该第二神经网络模型可以采用标注出吊弦上下端点的样本图像对深度神经网络进行训练得到,其中,样本图像具体可如图4所示,其中,样本图像中上下端点的位置可以采用上下端点的热图(heatmap)表示出。
203、根据待检测图像、第一关键点和第二关键点,得到目标图像。
本申请具体实施例中,目标图像即对吊弦区域图像进行自适应二值化处理得到的图像,一种可能性的从待检测图像中截取出吊弦区域图像的方法,包括:
A1:获取待检测图像的宽、第一关键点在待检测图像中的坐标以及第二关键点在待检测图像中的坐标;
A2:根据第一关键点在待检测图像中的坐标确定第一坐标点;
A3:根据待检测图像的宽和第二关键点在待检测图像中的坐标确定第二坐标点;
A4:根据第一坐标点和第二坐标点确定出目标矩形区域;
A5:从待检测图像中截取出目标矩形区域,得到吊弦区域图像。
具体的,图3中所示的待检测图像的宽和高分别为w和h,第一关键点的坐标为(x1,y1),第二关键点的坐标为(x2,y2),则确定第一坐标点(0,y1),第二坐标点(w,y2),以第一坐标点为左上角坐标点,第二坐标点为右下角坐标点确定一个目标矩形区域,将该目标矩形区域裁剪出即得到吊弦区域图像,使得吊弦缺陷检测只关注上下端点间的吊弦线部分,有利于节省检测时间。
示例性的,本申请另一种可能性的从待检测图像中截取出吊弦区域图像的方法,包括:
根据第一关键点和第二关键点确定出第一目标矩形区域;
从待检测图像中截取出该第一目标矩形区域,得到吊弦区域图像。
具体的,还可以以第一关键点为左上角坐标点、第二关键点为右下角坐标点确定另一个目标矩形区域,即第一目标矩形区域,将该第一目标矩形区域裁剪出即得到吊弦区域图像。
对于截取出的吊弦区域图像,需要对其进行二值化处理,得到上述目标图像,由于输电线路的原始图像在采集过程中会受环境因素影响,比如巡检车通常是在夜间作业,光线通常较暗,普通的二值化处理方式得的前景部分(即吊弦线)和背景部分并不太准确,因此,本申请采用自适应二值化,以滑窗的方式对吊弦区域图像进行处理。
示例性的,对吊弦区域图像进行二值化处理,得到目标图像,包括:
设定对所述吊弦区域图像进行二值化处理的检测窗口;
设定对目标区域进行二值化处理的常数;所述目标区域为所述检测窗口在所述吊弦区域图像中滑动所覆盖的区域;
以预设步长在所述吊弦区域图像中滑动所述检测窗口,根据所述目标区域内的亮度均值和所述常数确定所述目标区域的自适应阈值,基于所述自适应阈值对所述目标区域进行二值化处理,以得到所述目标图像。
具体的,检测窗口即对吊弦区域图像进行二值化的矩形滑窗,首先自定义检测窗口的尺寸参数以确定检测窗口,例如:2*2、3*3等,可根据吊弦区域图像的尺寸来设定检测窗口,比如在截取出的吊弦区域图像尺寸较大时,可相应定义较大的检测窗口,然后设定常数param的值,以一定步长在吊弦区域图像中滑动检测窗口,对于检测窗口在滑动中所覆盖的目标区域,通过加权计算得到该区域的亮度均值,用该亮度均值减去该常数即得到每个目标区域的自适应阈值,基于每个目标区域的自适应阈值,对每个目标区域进行二值化,处理完检测窗口在吊弦区域图像中覆盖的每个区域,得到目标图像,图4中所示的两张图像经过二值化处理后得到的目标图像可如图5所示。
204、根据目标图像确定吊弦是否存在缺陷。
本申请具体实施例中,目标图像中包括前景像素点,前景像素点为吊弦的吊弦线在目标图像中对应的像素点,该前景像素点沿列的方向形成吊弦在目标图像中的前景图,一种可能性的根据目标图像确定吊弦是否存在缺陷的方法,包括:
B1:根据前景像素点和预设线段,得到目标数组;
B2:根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度;目标数组的长度根据目标图像的高度得到;
B3:在置信度大于或等于第一阈值的情况下,确定吊弦存在缺陷。
具体的,对于目标图像,沿高度方向对其进行扫描,以行为单位,计算每一行中的前景像素点到预设线段L的距离,然后从每一行的该距离中确定出最小值,例如:第i行有k个前景像素点,那么第i行就有k个距离值,从这k个距离值中确定出最小值,以每一行确定出的最小值为数组元素,得到一个目标数组,假设目标图像的高度为N,则该目标数组的长度为N。对目标数组中的元素进行遍历,将大于或等于第二阈值的元素确定为目标元素,获取目标元素的数量,记为M,根据目标元素的数量M和目标数组的长度N计算得到吊弦缺陷的置信度:P=M/N,在该置信度P大于或等于第一阈值的情况下,确定吊弦存在缺陷。对于正常无缺陷的吊弦,P的值应该接近于0,P越大则吊弦断裂或者松弛的可能性越大,例如:当P大于或等于0.5时,确定吊弦存在缺陷。其中,吊弦的缺陷类型包括以下中的任一种:吊弦松弛和吊弦断裂。其中,第二阈值表示允许吊弦线上的点到预设线段L的距离偏移的最小值,单位为像素,可根据实际情况设定。
另外,根据先验知识可知若吊弦没有松弛或断裂,则吊弦线应该是紧贴着上下端点的连线,由此,可定义预设线段L,根据第一关键点的坐标确定起始点(x1,0),根据第二关键点坐标确定终点(x2,N),确定该起始点与终点之间的直线段为预设线段L。
可以看出,本申请实施例通过获取待检测图像,待检测图像中包括吊弦;对待检测图像进行关键点检测,得到第一关键点和第二关键点;根据待检测图像、第一关键点和第二关键点,得到目标图像;根据目标图像确定吊弦是否存在缺陷。相对于现有方案中,通过人工的方式对吊弦是否存在缺陷进行检测,能够准确定位到吊弦的上下端点(即第一关键点和第二关键点),根据定位出的上下端点进行后续的缺陷检测有利于降低漏检率,提升吊弦缺陷检测的准确度。另外,由于目标图像是采用自适应二值化算法得到的,其在吊弦线和背景的区分上效果更好,相比采用激光技术进行吊弦线和背景区分的方法,成本更低。另外,采用了点到直线的距离的判定方式来确定吊弦是否断裂或松弛,逻辑更简单,有利于提高吊弦缺陷检测的效率。
请参阅图6,图6为本申请实施例提供的另一种吊弦缺陷检测方法的流程示意图。如图6所示,该方法包括:
601、获取待检测图像,待检测图像中包括吊弦、第一承力索吊弦线夹和第二承力索吊弦线夹;第一承力索吊弦线夹为吊弦的上端所连接的承力索吊弦线夹,第二承力索吊弦线夹为吊弦的下端所连接的承力索吊弦线夹;
602、对第一承力索吊弦线夹进行关键点检测,得到第一关键点;第一关键点为第一承力索吊弦线夹在待检测图像中对应的像素点;
603、对第二承力索吊弦线夹进行关键点检测,得到第二关键点;第二关键点为第二承力索吊弦线夹在待检测图像中对应的像素点;
604、根据待检测图像、第一关键点和第二关键点,得到目标图像;
605、根据目标图像确定所述吊弦是否存在缺陷。
其中,上述步骤601-605在图2所示的实施例中已有相关说明,且能达到相同或相似的有益效果,此处不再赘述。
示例性的,在对待检测图像进行关键点检测,得到第一关键点和第二关键点之后,该方法还包括:
获取第一关键点到第二关键点的距离;
在第一关键点到第二关键点的距离小于或等于第三阈值的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
示例性的,该方法还包括:
在待检测图像中检测出第一关键点、第二关键点之一的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
本申请具体实施例中,如图7所述,在待检测检测图像中检测出第一关键点和第二关键点的情况下,对第一关键点和第二关键点之间的直线距离进行判定,若该距离达到第三阈值,则说明待检测图像中的吊弦是符合标准的,反之,则认为吊弦为非标准吊弦,过滤掉待检测图像,不执行后续的检测步骤。同理,针对待检测图像中仅检测出第一关键点或第二关键点的情况,也认为吊弦为非标准吊弦,过滤掉待检测图像,不执行后续的检测步骤。其中,结束检测流程可理解为吊弦被确定存在缺陷,或者待检测图像被判定为无法检测的类型。
与上述实施例一致的,请参阅图8,图8为本申请实施例提供的一种电子设备的结构示意图,如图8所示,包括处理器、输入设备、输出设备和存储器,处理器、输入设备、输出设备和存储器相互连接,其中,存储器用于存储计算机程序,计算机程序包括程序指令,处理器被配置用于调用程序指令,上述程序包括用于执行以下步骤的指令;
获取待检测图像,所述待检测图像中包括吊弦;
对所述待检测图像进行关键点检测,得到第一关键点和第二关键点;
根据所述待检测图像、所述第一关键点和所述第二关键点,得到目标图像;
根据所述目标图像确定所述吊弦是否存在缺陷。
通过获取待检测图像,待检测图像中包括吊弦;对待检测图像进行关键点检测,得到第一关键点和第二关键点;根据待检测图像、第一关键点和第二关键点,得到目标图像;根据目标图像确定吊弦是否存在缺陷。相对于现有方案中,通过人工的方式对吊弦是否存在缺陷进行检测,能够准确定位到吊弦的上下端点(即第一关键点和第二关键点),根据定位出的上下端点进行后续的缺陷检测有利于降低漏检率,提升吊弦缺陷检测的准确度。
在一个可能的实现方式中,待检测图像中包括第一承力索吊弦线夹和第二承力索吊弦线夹;处理器执行对待检测图像进行关键点检测,得到第一关键点和第二关键点,包括:
对第一承力索吊弦线夹进行关键点检测,得到第一关键点;第一承力索吊弦线夹为吊弦的上端所连接的承力索吊弦线夹,第一关键点为第一承力索吊弦线夹在待检测图像中对应的像素点;
对第二承力索吊弦线夹进行关键点检测,得到第二关键点;第二承力索吊弦线夹为吊弦的下端所连接的承力索吊弦线夹,第二关键点为第二承力索吊弦线夹在待检测图像中对应的像素点。
在一个可能的实现方式中,处理器执行根据所述待检测图像、第一关键点和第二关键点,得到目标图像,包括:
根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像;
对吊弦区域图像进行二值化处理,得到目标图像。
在一个可能的实现方式中,处理器执行根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像,包括:
获取待检测图像的宽、第一关键点在待检测图像中的坐标以及第二关键点在待检测图像中的坐标;
根据第一关键点在待检测图像中的坐标确定第一坐标点;
根据待检测图像的宽和第二关键点在待检测图像中的坐标确定第二坐标点;
根据第一坐标点和第二坐标点确定出目标矩形区域;
从待检测图像中截取出目标矩形区域,得到吊弦区域图像。
在一个可能的实现方式中,处理器执行对吊弦区域图像进行二值化处理,得到目标图像,包括:
设定对吊弦区域图像进行二值化处理的检测窗口;
设定对目标区域进行二值化处理的常数;目标区域为检测窗口在吊弦区域图像中滑动所覆盖的区域;
以预设步长在吊弦区域图像中滑动检测窗口,根据目标区域内的亮度均值和常数确定目标区域的自适应阈值,基于自适应阈值对目标区域进行二值化处理,以得到目标图像。
在一个可能的实现方式中,目标图像中包括前景像素点,前景像素点为吊弦的吊弦线在目标图像中对应的像素点;处理器执行根据目标图像确定吊弦是否存在缺陷,包括:
根据前景像素点和预设线段,得到目标数组;
根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度;目标数组的长度根据目标图像的高度得到;
在置信度大于或等于第一阈值的情况下,确定吊弦存在缺陷。
在一个可能的实现方式中,处理器执行根据前景像素点和预设线段,得到目标数组,包括:
沿高度方向扫描目标图像,计算目标图像中的目标像素点到预设线段的距离;目标像素点为目标图像的每行像素点中的前景像素点;
确定目标像素点到预设线段的距离的最小值;
以最小值为数组元素构成目标数组。
在一个可能的实现方式中,处理器执行根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度,包括:
获取最小值中大于或等于第二阈值的目标最小值;
将所述目标最小值确定为所述目标元素;
根据目标元素的数量与目标数组的长度的比值,得到置信度。
在一个可能的实现方式中,处理器还用于:
获取第一关键点到第二关键点的距离;
在第一关键点到第二关键点的距离小于或等于第三阈值的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
在一个可能的实现方式中,处理器还用于:
在待检测图像中检测出第一关键点、第二关键点之一的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
在一个可能的实现方式中,处理器执行获取待检测图像,包括:
获取对输电线路进行拍摄得到的原始图像;
对原始图像进行目标检测,得到吊弦在原始图像中的位置;
基于吊弦在原始图像中的位置从原始图像中截取出待检测图像。
在一个可能的实现方式中,吊弦的缺陷类型包括以下中的任一种:吊弦松弛和吊弦断裂。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,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申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是,本申请实施例中对单元的划分是示意性的,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。
与上述一致的,请参阅图9,图9为本申请实施例提供的一种吊弦缺陷检测装置的结构示意图。如图9所示,该装置包括:
第一获取单元901,用于获取待检测图像,待检测图像中包括吊弦;
端点检测单元902,用于对待检测图像进行关键点检测,得到第一关键点和第二关键点;
第二获取单元903,用于根据待检测图像、第一关键点和第二关键点,得到目标图像;
确定单元904,用于根据目标图像确定吊弦是否存在缺陷。
在一个可能的实现方式中,在对待检测图像进行关键点检测,得到第一关键点和第二关键点方面,端点检测单元902具体用于:
对第一承力索吊弦线夹进行关键点检测,得到第一关键点;第一承力索吊弦线夹为吊弦的上端所连接的承力索吊弦线夹,第一关键点为第一承力索吊弦线夹在待检测图像中对应的像素点;
对第二承力索吊弦线夹进行关键点检测,得到第二关键点;第二承力索吊弦线夹为吊弦的下端所连接的承力索吊弦线夹,第二关键点为第二承力索吊弦线夹在待检测图像中对应的像素点。
在一个可能的实现方式中,在根据待检测图像、第一关键点和第二关键点,得到目标图像方面,第二获取单元903具体用于:
根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像;
对吊弦区域图像进行二值化处理,得到目标图像。
在一个可能的实现方式中,在根据待检测图像、第一关键点和第二关键点,得到吊弦区域图像方面,第二获取单元903具体用于:
获取待检测图像的宽、第一关键点在待检测图像中的坐标以及第二关键点在待检测图像中的坐标;
根据第一关键点在待检测图像中的坐标确定第一坐标点;
根据待检测图像的宽和第二关键点在待检测图像中的坐标确定第二坐标点;
根据第一坐标点和第二坐标点确定出目标矩形区域;
从待检测图像中截取出目标矩形区域,得到吊弦区域图像。
在一个可能的实现方式中,在对吊弦区域图像进行二值化处理,得到目标图像方面,第二获取单元903具体用于:
设定对吊弦区域图像进行二值化处理的检测窗口;
设定对目标区域进行二值化处理的常数;目标区域为检测窗口在吊弦区域图像中滑动所覆盖的区域;
以预设步长在吊弦区域图像中滑动检测窗口,根据目标区域内的亮度均值和常数确定目标区域的自适应阈值,基于自适应阈值对目标区域进行二值化处理,以得到目标图像。
在一个可能的实现方式中,在根据目标图像确定吊弦是否存在缺陷方面,确定单元904具体用于:
根据前景像素点和预设线段,得到目标数组;
根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度;目标数组的长度根据目标图像的高度得到;
在置信度大于或等于第一阈值的情况下,确定吊弦存在缺陷。
在一个可能的实现方式中,在根据前景像素点和预设线段,得到目标数组方面,确定单元904具体用于:
沿高度方向扫描目标图像,计算目标图像中的目标像素点到预设线段的距离;目标像素点为目标图像的每行像素点中的前景像素点;
确定目标像素点到预设线段的距离的最小值;
以最小值为数组元素构成目标数组。
在一个可能的实现方式中,在根据目标数组中的目标元素以及目标数组的长度,得到吊弦缺陷的置信度方面,确定单元904具体用于:
获取最小值中大于或等于第二阈值的目标最小值;
将所述目标最小值确定为所述目标元素;
根据目标元素的数量与目标数组的长度的比值,得到置信度。
在一个可能的实现方式中,确定单元904还用于:
获取第一关键点到第二关键点的距离;
在第一关键点到第二关键点的距离小于或等于第三阈值的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
在一个可能的实现方式中,确定单元904还用于:
在待检测图像中检测出第一关键点、第二关键点之一的情况下,确定吊弦为不标准吊弦;
过滤掉待检测图像,结束针对待检测图像的检测流程。
在一个可能的实现方式中,在获取待检测图像方面,第一获取单元901具体用于:
获取对输电线路进行拍摄得到的原始图像;
对原始图像进行目标检测,得到吊弦在原始图像中的位置;
基于吊弦在原始图像中的位置从原始图像中截取出待检测图像。
在一个可能的实现方式中,吊弦的缺陷类型包括以下中的任一种:吊弦松弛和吊弦断裂。
本申请实施例还提供一种计算机可读存储介质,其中,该计算机可读存储介质存储有用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种吊弦缺陷检测方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种吊弦缺陷检测方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,例如所述单元的划分,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。另一点,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,可以是电性或其它的形式。
所述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实施例方案的目的。
另外,在申请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,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (15)

1.一种吊弦缺陷检测方法,其特征在于,所述方法包括:
获取待检测图像,所述待检测图像中包括吊弦;
对所述待检测图像进行关键点检测,得到第一关键点和第二关键点;
根据所述待检测图像、所述第一关键点和所述第二关键点,得到目标图像;
根据所述目标图像确定所述吊弦是否存在缺陷。
2.根据权利要求1所述的方法,其特征在于,所述待检测图像中包括第一承力索吊弦线夹和第二承力索吊弦线夹;所述对所述待检测图像进行关键点检测,得到第一关键点和第二关键点,包括:
对所述第一承力索吊弦线夹进行关键点检测,得到所述第一关键点;所述第一承力索吊弦线夹为所述吊弦的上端所连接的承力索吊弦线夹,所述第一关键点为所述第一承力索吊弦线夹在所述待检测图像中对应的像素点;
对所述第二承力索吊弦线夹进行关键点检测,得到所述第二关键点;所述第二承力索吊弦线夹为所述吊弦的下端所连接的承力索吊弦线夹,所述第二关键点为所述第二承力索吊弦线夹在所述待检测图像中对应的像素点。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述待检测图像、所述第一关键点和所述第二关键点,得到目标图像,包括:
根据所述待检测图像、所述第一关键点和所述第二关键点,得到吊弦区域图像;
对所述吊弦区域图像进行二值化处理,得到所述目标图像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待检测图像、所述第一关键点和所述第二关键点,得到吊弦区域图像,包括:
获取所述待检测图像的宽、所述第一关键点在所述待检测图像中的坐标以及所述第二关键点在所述待检测图像中的坐标;
根据所述第一关键点在所述待检测图像中的坐标确定第一坐标点;
根据所述待检测图像的宽和所述第二关键点在所述待检测图像中的坐标确定第二坐标点;
根据所述第一坐标点和所述第二坐标点确定出目标矩形区域;
从所述待检测图像中截取出所述目标矩形区域,得到所述吊弦区域图像。
5.根据权利要求3所述的方法,其特征在于,所述对所述吊弦区域图像进行二值化处理,得到所述目标图像,包括:
设定对所述吊弦区域图像进行二值化处理的检测窗口;
设定对目标区域进行二值化处理的常数;所述目标区域为所述检测窗口在所述吊弦区域图像中滑动所覆盖的区域;
以预设步长在所述吊弦区域图像中滑动所述检测窗口,根据所述目标区域内的亮度均值和所述常数确定所述目标区域的自适应阈值,基于所述自适应阈值对所述目标区域进行二值化处理,以得到所述目标图像。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述目标图像中包括前景像素点,所述前景像素点为所述吊弦的吊弦线在所述目标图像中对应的像素点;所述根据所述目标图像确定所述吊弦是否存在缺陷,包括:
根据所述前景像素点和预设线段,得到目标数组;
根据所述目标数组中的目标元素以及所述目标数组的长度,得到吊弦缺陷的置信度;所述目标数组的长度根据所述目标图像的高度得到;
在所述置信度大于或等于第一阈值的情况下,确定所述吊弦存在缺陷。
7.根据权利要求6所述的方法,其特征在于,所述根据所述前景像素点和预设线段,得到目标数组,包括:
沿高度方向扫描所述目标图像,计算所述目标图像中的目标像素点到所述预设线段的距离;所述目标像素点为所述目标图像的每行像素点中的所述前景像素点;
确定所述目标像素点到所述预设线段的距离的最小值;
以所述最小值为数组元素构成所述目标数组。
8.根据权利要求7所述的方法,其特征在于,所述根据所述目标数组中的目标元素以及所述目标数组的长度,得到吊弦缺陷的置信度,包括:
获取所述最小值中大于或等于第二阈值的目标最小值;
将所述目标最小值确定为所述目标元素;
根据所述目标元素的数量与所述目标数组的长度的比值,得到所述置信度。
9.根据权利要求1所述的方法,其特征在于,在对所述待检测图像进行关键点检测,得到第一关键点和第二关键点之后,所述方法还包括:
获取所述第一关键点到所述第二关键点的距离;
在所述第一关键点到所述第二关键点的距离小于或等于第三阈值的情况下,确定所述吊弦为不标准吊弦;
过滤掉所述待检测图像,结束针对所述待检测图像的检测流程。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述待检测图像中检测出所述第一关键点、所述第二关键点之一的情况下,确定所述吊弦为不标准吊弦;
过滤掉所述待检测图像,结束针对所述待检测图像的检测流程。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述获取待检测图像,包括:
获取对输电线路进行拍摄得到的原始图像;
对所述原始图像进行目标检测,得到所述吊弦在所述原始图像中的位置;
基于所述吊弦在所述原始图像中的位置从所述原始图像中截取出所述待检测图像。
12.根据权利要求1-10中任一项所述的方法,其特征在于,所述吊弦的缺陷类型包括以下中的任一种:吊弦松弛和吊弦断裂。
13.一种吊弦缺陷检测装置,其特征在于,所述装置包括:
第一获取单元,用于获取待检测图像,所述待检测图像中包括吊弦;
端点检测单元,用于对所述待检测图像进行关键点检测,得到第一关键点和第二关键点;
第二获取单元,用于根据所述待检测图像、所述第一关键点和所述第二关键点,得到目标图像;
确定单元,用于根据所述目标图像确定所述吊弦是否存在缺陷。
14.一种电子设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-12任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-12任一项所述的方法。
CN202011643796.4A 2020-12-30 2020-12-30 吊弦缺陷检测方法、装置、电子设备及存储介质 Active CN112669302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011643796.4A CN112669302B (zh) 2020-12-30 2020-12-30 吊弦缺陷检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011643796.4A CN112669302B (zh) 2020-12-30 2020-12-30 吊弦缺陷检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112669302A true CN112669302A (zh) 2021-04-16
CN112669302B CN112669302B (zh) 2023-07-28

Family

ID=75412360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011643796.4A Active CN112669302B (zh) 2020-12-30 2020-12-30 吊弦缺陷检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112669302B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266770A (zh) * 2022-03-02 2022-04-01 中铁电气化局集团有限公司 通过神经网络学习方法检测高铁接触网吊弦缺陷的方法
CN114743119A (zh) * 2022-04-28 2022-07-12 石家庄铁道大学 基于无人机的高铁接触网吊弦螺母缺陷检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001011565A2 (en) * 1999-08-05 2001-02-15 Orbotech, Ltd. Apparatus and methods for the inspection of objects
US20030198386A1 (en) * 2002-04-19 2003-10-23 Huitao Luo System and method for identifying and extracting character strings from captured image data
US20130279743A1 (en) * 2012-04-20 2013-10-24 International Business Machines Corporation Anomalous railway component detection
CN106600580A (zh) * 2016-11-30 2017-04-26 浙江大学 一种基于霍夫变换的电力线异常识别方法及其系统
CN109712116A (zh) * 2018-12-04 2019-05-03 华南理工大学 输电线路及其附件的故障识别方法
CN110310261A (zh) * 2019-06-19 2019-10-08 河南辉煌科技股份有限公司 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法
CN110570415A (zh) * 2019-09-11 2019-12-13 哈尔滨工业大学(威海) 一种高铁接触网吊弦不受力异常检测方法
US20200320296A1 (en) * 2017-12-22 2020-10-08 Hangzhou Ezviz Software Co., Ltd. Target detection method and apparatus
CN112102298A (zh) * 2020-09-17 2020-12-18 深圳市商汤科技有限公司 图像识别方法及装置、电子设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001011565A2 (en) * 1999-08-05 2001-02-15 Orbotech, Ltd. Apparatus and methods for the inspection of objects
US20030198386A1 (en) * 2002-04-19 2003-10-23 Huitao Luo System and method for identifying and extracting character strings from captured image data
US20130279743A1 (en) * 2012-04-20 2013-10-24 International Business Machines Corporation Anomalous railway component detection
CN106600580A (zh) * 2016-11-30 2017-04-26 浙江大学 一种基于霍夫变换的电力线异常识别方法及其系统
US20200320296A1 (en) * 2017-12-22 2020-10-08 Hangzhou Ezviz Software Co., Ltd. Target detection method and apparatus
CN109712116A (zh) * 2018-12-04 2019-05-03 华南理工大学 输电线路及其附件的故障识别方法
CN110310261A (zh) * 2019-06-19 2019-10-08 河南辉煌科技股份有限公司 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法
CN110570415A (zh) * 2019-09-11 2019-12-13 哈尔滨工业大学(威海) 一种高铁接触网吊弦不受力异常检测方法
CN112102298A (zh) * 2020-09-17 2020-12-18 深圳市商汤科技有限公司 图像识别方法及装置、电子设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266770A (zh) * 2022-03-02 2022-04-01 中铁电气化局集团有限公司 通过神经网络学习方法检测高铁接触网吊弦缺陷的方法
CN114743119A (zh) * 2022-04-28 2022-07-12 石家庄铁道大学 基于无人机的高铁接触网吊弦螺母缺陷检测方法
CN114743119B (zh) * 2022-04-28 2024-04-09 石家庄铁道大学 基于无人机的高铁接触网吊弦螺母缺陷检测方法

Also Published As

Publication number Publication date
CN112669302B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
US20190188528A1 (en) Text detection method and apparatus, and storage medium
CN110705405B (zh) 目标标注的方法及装置
US8184859B2 (en) Road marking recognition apparatus and method
CN112669302A (zh) 吊弦缺陷检测方法、装置、电子设备及存储介质
CN110008917B (zh) 基于表格理解的继电保护装置定值单数据的故障检测方法
CN110807765B (zh) 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统
CN109460787A (zh) 入侵检测模型建立方法、装置及数据处理设备
CN112634254A (zh) 绝缘子缺陷检测方法及相关装置
CN113762314B (zh) 一种烟火检测方法和装置
CN115359239A (zh) 风电叶片缺陷检测定位方法、装置、存储介质和电子设备
CN111339811A (zh) 图像处理方法、装置、设备及存储介质
CN115272917A (zh) 一种基于输电线路的导线舞动预警方法、装置、设备及介质
CN115861400A (zh) 目标对象检测方法、训练方法、装置以及电子设备
CN116168351A (zh) 电力设备巡检方法及装置
CN114005019B (zh) 一种翻拍图像识别方法及其相关设备
CN112102298A (zh) 图像识别方法及装置、电子设备和存储介质
CN107330470B (zh) 识别图片的方法和装置
CN113643234B (zh) 一种复合绝缘子破损检测方法、终端设备及可读存储介质
CN111767751B (zh) 二维码图像识别方法和装置
CN114187568A (zh) 道路标牌破损检测方法、装置及存储介质
CN113421266A (zh) 一种基于人工智能的输电线断股检测方法及系统
CN112967223A (zh) 一种基于人工智能的纺织品检测系统、方法及介质
CN112257768A (zh) 一种非法金融图片的识别方法、装置、计算机存储介质
CN111024705A (zh) 一种电力线断股的检测方法、装置、设备及存储介质
CN104168473B (zh) 一种视频图像的横波干扰的检测方法及装置

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
GR01 Patent grant
GR01 Patent grant