CN112766398A - 发电机转子通风孔识别方法及设备 - Google Patents
发电机转子通风孔识别方法及设备 Download PDFInfo
- Publication number
- CN112766398A CN112766398A CN202110114188.2A CN202110114188A CN112766398A CN 112766398 A CN112766398 A CN 112766398A CN 202110114188 A CN202110114188 A CN 202110114188A CN 112766398 A CN112766398 A CN 112766398A
- Authority
- CN
- China
- Prior art keywords
- picture
- model
- identification
- training
- pictures
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 35
- 238000009423 ventilation Methods 0.000 claims description 38
- 238000004891 communication Methods 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 abstract description 5
- 230000009193 crawling Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种发电机转子通风孔识别方法及设备。所述方法包括:对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;将第一参数集分为训练集和测试集,采用训练集训练识别模型,得到第一模型,并采用测试集对第一模型进行测试,得到第二模型;将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。本发明提供的发电机转子通风孔识别方法及设备,可以提高通风孔检测的精确度,具有识别速度快、成像效果较好等特点。
Description
技术领域
本发明实施例涉及发电机转子检查技术领域,尤其涉及一种发电机转子通风孔识别方法及设备。
背景技术
大型发电机主要由转子和定子两大模块组成,发电机运行过程中伴随着通风孔内碎屑积累等造成的堵塞,严重的甚至会引起定子铁芯的局部烧融。因此需要定期检查和维护,以降低成本高昂的强制停机风险。在相关检查中,一方面由于定子和转子之间的间隙很小、部分机型定子结构中含有挡风板,转子通风孔检查、定子铁心电磁缺陷检测需要先将转子抽出来才能进行,导致检修周期长、费用高,检修期间造成的电站损失也非常可观。另一方面由于定转子内部气隙稍大,定转子错位且通风孔尺寸较小,所以传统定子爬行方案对于转子通风孔内成像效果差,无法实现对转子通风孔进行检查。因此,开发一种发电机转子通风孔识别方法及设备,可以有效克服上述相关技术中的缺陷,就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种发电机转子通风孔识别方法及设备。
第一方面,本发明的实施例提供了一种发电机转子通风孔识别方法,包括:对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,所述对全部图片进行标记得到第一图片集,包括:将包含通风孔的图片标记为1,不包含通风孔的图片标记为0。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,所述获取第一图片集中每一图片的梯度及方差,得到第一参数集,相应地,所述第一参数集包括:第一图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差;其中,第二参数集包括实时图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,所述将第一图片集中的每一图片与第一参数集中的每一参数进行对应,包括:将每一图片与所述每一图片的Tenengrad梯度、Laplacian梯度和方差在同一txt文件中进行对应。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,所述采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型,包括:将训练集导入AdaBoost模型中进行训练,得到第一模型,将测试集导入第一模型中并检查输出结果,若输出结果误差小于5%,则得到第二模型。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,所述若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,包括:若识别结果为1,则对实时图片集中包含通风孔的图片进行滤波、灰度化、边缘检测、膨胀、腐蚀、洪水填充及反洪水填充,得到孔内为白色孔外为黑色的黑白二值图像。
在上述方法实施例内容的基础上,本发明实施例中提供的发电机转子通风孔识别方法,在所述对全部图片进行标记得到第一图片集之前,还包括:获取视频信号并保存为视频文件,将所述视频文件的每一帧保存为图片。
第二方面,本发明的实施例提供了一种发电机转子通风孔识别装置,包括:
对应模块,用于对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;训练模块,用于将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;识别模块,用于将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。
第三方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的发电机转子通风孔识别方法。
第四方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的发电机转子通风孔识别方法。
本发明实施例提供的发电机转子通风孔识别方法及设备,通过采用机器学习模型对采集到的图片进行识别,可以提高通风孔检测的精确度,具有识别速度快,成像效果较好,检修周期较短,检修费用较低的特点,规避了不必要的经济损失。
附图说明
为了更清楚地说明本发明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做一简单的介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的发电机转子通风孔识别方法流程图;
图2为本发明实施例提供的发电机转子通风孔识别装置结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图;
图4为本发明实施例提供的通风孔图片处理效果示意图;
图5为本发明实施例提供的吸附组件结构示意图;
图6为本发明实施例提供的动力组件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,这种结合不受步骤先后次序和/或结构组成模式的约束,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明实施例提供了一种发电机转子通风孔识别方法,参见图1,该方法包括:对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。需要说明的是,为了实现本发明实施例提供的发电机转子通风孔识别方法,要将摄像头安放在简易转子爬行机器人的中间位置,使摄像头正对下方;将简易转子爬行机器人投放入发电机膛内,使摄像头位于槽楔上方,机器人以恒定速度运行数分钟。为了取得更好的检测效果,摄像头配备了特制光源,分布在摄像头四周,使其清晰照亮内部通风孔,并且增加了两个锁机制使得连续识别到两个1时触发电机减速操作,以得到更高的通风孔内成像质量;同时避免类似于“000010000100”类的误触发。具体地,将第一参数集分为训练集和测试集中,选取第一参数集中40%的数据作为训练集,其余60%的数据作为测试集。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,所述对全部图片进行标记得到第一图片集,包括:将包含通风孔的图片标记为1,不包含通风孔的图片标记为0。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,所述获取第一图片集中每一图片的梯度及方差,得到第一参数集,相应地,所述第一参数集包括:第一图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差;其中,第二参数集包括实时图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,所述将第一图片集中的每一图片与第一参数集中的每一参数进行对应,包括:将每一图片与所述每一图片的Tenengrad梯度、Laplacian梯度和方差在同一txt文件中进行对应。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,所述采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型,包括:将训练集导入AdaBoost模型中进行训练,得到第一模型,将测试集导入第一模型中并检查输出结果,若输出结果误差小于5%,则得到第二模型。
具体地,建立AdaBoost模型,将训练集数据导入模型中进行训练;对产生的模型(即第一模型)使用测试集数据进行测试,并可视化模型的训练精度。分析训练出错的原因,并调整参数,改进第一模型,使其在测试集上的误差小于5%,得到第二模型。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,所述若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,包括:若识别结果为1,则对实时图片集中包含通风孔的图片进行滤波、灰度化、边缘检测、膨胀、腐蚀、洪水填充及反洪水填充,得到孔内为白色孔外为黑色的黑白二值图像。
具体地,摄像头开启,简易转子爬行机器人以恒定速度前进;读取视频流帧画面,计算Tenengrad梯度、Laplacian梯度和方差;将得到的三个参数作为输入数据输入模型中,得到预测结果;若识别结果为1,则执行滤波、灰度化、边缘检测、膨胀、腐蚀、洪水填充和反洪水填充算法,最后得到孔内为白色而孔外其他部位均为黑色的二值图像;计算白色区域的面积,当其面积超过比例阈值时(比例阈值具体可以为30%),认定该图像为完整通风孔,并保存原始图像,具体可以参见图4,图4中左侧为待识别的图片,经过处理后形成右侧的白色区域明显超过30%的图片,则认定该图像为完整通风孔。终端显示检测画面,并将达到要求比例范围中的最大值对应的图像在画面中停留1秒钟。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别方法,在所述对全部图片进行标记得到第一图片集之前,还包括:获取视频信号并保存为视频文件,将所述视频文件的每一帧保存为图片。
本发明实施例提供的发电机转子通风孔识别方法,通过采用机器学习模型对采集到的图片进行识别,可以提高通风孔检测的精确度,具有成像效果较好,检修周期较短,检修费用较低的特点,规避了不必要的经济损失。
本发明实施例提供的发电机转子通风孔识别方法,对摄像头要求很低,即使是手机摄像头也可以满足要求,视场角达到60°以上即可;对转子爬行机器人要求很低,及时在运行过程中出现一些抖动或速度波动,对检测结果影响也很小;通过Snap7与PLC直接通信,进而控制电机调速,保证运行到通风孔上方时可以获得稳定的图像,从而将检测的准确率提升到99%以上;该方法中的检测延时小于100ms,爬行机器人运动后,可实时显示检测结果。将每一个孔内最具代表性的图片在页面中展示1s,便于人工再次确认,同时保存每一个孔的图像和运行过程中的视频,便于后期复查。在终端联网时,专家可云端查看检修情况,及时提出指导建议。需要说明的是,简易转子爬行机器人在通风管内爬行的时候需要贴附在管壁上向前爬行,这就需要简易转子爬行机器人具有吸附组件及动力组件。吸附组件可以参见图5,吸附组件包括动力支架313、永磁体315、轭铁314、导向板316、涨紧块312、连接板311、及转动轴317。永磁体315及轭铁314布置在动力支架313安装槽中,由导向板316压紧,导向板316还有防止同步带偏移的作用,涨紧块312为同步带的安装提供张紧作用;连接板311固定在动力支架313两端,转动轴317其中一端固定在连接板311上,另一端与前(后)载板连接,并带动动力吸附模块整体转动,调整吸附角度。动力组件可以参见图6,动力组件包括同步带322、同步带轮321、微型电机323和齿轮组324。同步带轮321、微型电机323固定在动力支架313上,微型电机323通过齿轮组324、同步带轮321将驱动力传递给同步带322,从而带动简易转子爬行机器人前后运动。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中,可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况,在上述各实施例的基础上,本发明的实施例提供了一种发电机转子通风孔识别装置,该装置用于执行上述方法实施例中的发电机转子通风孔识别方法。参见图2,该装置包括:对应模块,用于对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;训练模块,用于将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;识别模块,用于将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。
本发明实施例提供的发电机转子通风孔识别装置,采用图2中的各种模块,通过采用深度学习模型对采集到的图片进行识别,可以提高通风孔检测的精确度,具有识别速度快,成像效果较好,检修周期较短,检修费用较低的特点,规避了不必要的经济损失。
需要说明的是,本发明提供的装置实施例中的装置,除了可以用于实现上述方法实施例中的方法外,还可以用于实现本发明提供的其他方法实施例中的方法,区别仅仅在于设置相应的功能模块,其原理与本发明提供的上述装置实施例的原理基本相同,只要本领域技术人员在上述装置实施例的基础上,参考其他方法实施例中的具体技术方案,通过组合技术特征获得相应的技术手段,以及由这些技术手段构成的技术方案,在保证技术方案具备实用性的前提下,就可以对上述装置实施例中的装置进行改进,从而得到相应的装置类实施例,用于实现其他方法类实施例中的方法。例如:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别装置,还包括:第二模块,用于将包含通风孔的图片标记为1,不包含通风孔的图片标记为0。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别装置,还包括:第四模块,用于将每一图片与所述每一图片的Tenengrad梯度、Laplacian梯度和方差在同一txt文件中进行对应。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别装置,还包括:第五模块,用于将训练集导入AdaBoost模型中进行训练,得到第一模型,将测试集导入第一模型中并检查输出结果,若输出结果误差小于5%,则得到第二模型。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别装置,还包括:第六模块,用于若识别结果为1,则对实时图片集中包含通风孔的图片进行滤波、灰度化、边缘检测、膨胀、腐蚀、洪水填充及反洪水填充,得到孔内为白色孔外为黑色的黑白二值图像。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的发电机转子通风孔识别装置,还包括:第七模块,用于获取视频信号并保存为视频文件,将所述视频文件的每一帧保存为图片。
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图3所示,该电子设备包括:至少一个处理器(processor)301、通信接口(Communications Interface)304、至少一个存储器(memory)302和通信总线303,其中,至少一个处理器301,通信接口304,至少一个存储器302通过通信总线303完成相互间的通信。至少一个处理器301可以调用至少一个存储器302中的逻辑指令,以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外,上述的至少一个存储器302中的逻辑指令可以通过软件功能单元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介质中。基于这样的理解,本发明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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本专利中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种发电机转子通风孔识别方法,其特征在于,包括:对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。
2.根据权利要求1所述的发电机转子通风孔识别方法,其特征在于,所述对全部图片进行标记得到第一图片集,包括:将包含通风孔的图片标记为1,不包含通风孔的图片标记为0。
3.根据权利要求1所述的发电机转子通风孔识别方法,其特征在于,所述获取第一图片集中每一图片的梯度及方差,得到第一参数集,相应地,所述第一参数集包括:第一图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差;其中,第二参数集包括实时图片集中每一图片的Tenengrad梯度、Laplacian梯度和方差。
4.根据权利要求3所述的发电机转子通风孔识别方法,其特征在于,所述将第一图片集中的每一图片与第一参数集中的每一参数进行对应,包括:将每一图片与所述每一图片的Tenengrad梯度、Laplacian梯度和方差在同一txt文件中进行对应。
5.根据权利要求1所述的发电机转子通风孔识别方法,其特征在于,所述采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型,包括:将训练集导入AdaBoost模型中进行训练,得到第一模型,将测试集导入第一模型中并检查输出结果,若输出结果误差小于5%,则得到第二模型。
6.根据权利要求2所述的发电机转子通风孔识别方法,其特征在于,所述若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,包括:若识别结果为1,则对实时图片集中包含通风孔的图片进行滤波、灰度化、边缘检测、膨胀、腐蚀、洪水填充及反洪水填充,得到孔内为白色孔外为黑色的黑白二值图像。
7.根据权利要求1所述的发电机转子通风孔识别方法,其特征在于,在所述对全部图片进行标记得到第一图片集之前,还包括:获取视频信号并保存为视频文件,将所述视频文件的每一帧保存为图片。
8.一种发电机转子通风孔识别装置,其特征在于,包括:
对应模块,用于对全部图片进行标记得到第一图片集,获取第一图片集中每一图片的梯度及方差,得到第一参数集,将第一图片集中的每一图片与第一参数集中的每一参数进行对应;训练模块,用于将第一参数集分为训练集和测试集,采用所述训练集训练识别模型,得到第一模型,并采用所述测试集对第一模型进行测试,得到第二模型;识别模块,用于将实时图片集的第二参数集输入第二模型中进行识别,若识别结果包含通风孔,则对实时图片集中包含通风孔的图片进行黑白二值化,若白色区域面积大于比例阈值,则识别到完整通风孔。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器和通信接口;其中,
所述处理器、存储器和通信接口相互间进行通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行权利要求1至7任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1至7中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110114188.2A CN112766398B (zh) | 2021-01-27 | 2021-01-27 | 发电机转子通风孔识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110114188.2A CN112766398B (zh) | 2021-01-27 | 2021-01-27 | 发电机转子通风孔识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766398A true CN112766398A (zh) | 2021-05-07 |
CN112766398B CN112766398B (zh) | 2022-09-16 |
Family
ID=75706268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110114188.2A Active CN112766398B (zh) | 2021-01-27 | 2021-01-27 | 发电机转子通风孔识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766398B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862468A (zh) * | 2017-11-23 | 2018-03-30 | 深圳市智物联网络有限公司 | 设备风险识别模型建立的方法及装置 |
CN110232404A (zh) * | 2019-05-21 | 2019-09-13 | 江苏理工学院 | 一种基于机器学习的工业产品表面瑕疵识别方法及装置 |
CN110363753A (zh) * | 2019-07-11 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 图像质量评估方法、装置及电子设备 |
CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子(深圳)有限公司 | 指纹识别方法、芯片及电子装置 |
US20200090320A1 (en) * | 2018-08-31 | 2020-03-19 | Alibaba Group Holding Limited | System and method for training a damage identification model |
CN111062229A (zh) * | 2018-10-16 | 2020-04-24 | 北京金风科创风电设备有限公司 | 用于风力发电机组外转子识别的方法及装置 |
-
2021
- 2021-01-27 CN CN202110114188.2A patent/CN112766398B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862468A (zh) * | 2017-11-23 | 2018-03-30 | 深圳市智物联网络有限公司 | 设备风险识别模型建立的方法及装置 |
US20200090320A1 (en) * | 2018-08-31 | 2020-03-19 | Alibaba Group Holding Limited | System and method for training a damage identification model |
CN111062229A (zh) * | 2018-10-16 | 2020-04-24 | 北京金风科创风电设备有限公司 | 用于风力发电机组外转子识别的方法及装置 |
CN110232404A (zh) * | 2019-05-21 | 2019-09-13 | 江苏理工学院 | 一种基于机器学习的工业产品表面瑕疵识别方法及装置 |
CN110363753A (zh) * | 2019-07-11 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 图像质量评估方法、装置及电子设备 |
CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子(深圳)有限公司 | 指纹识别方法、芯片及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112766398B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080598B (zh) | 一种钩尾销安全吊的螺栓、螺母缺失检测方法 | |
CN108235116B (zh) | 特征传播方法和装置、电子设备和介质 | |
CN110751630B (zh) | 基于深度学习的输电线路异物检测方法、装置及介质 | |
CN109086780B (zh) | 用于检测电极片毛刺的方法和装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN104023230A (zh) | 一种基于梯度关联性的无参考图像质量评价方法 | |
CN110414321B (zh) | 自动识别晃动视频的方法和系统 | |
CN111292272B (zh) | 图像处理方法、装置、介质以及电子设备 | |
CN109840905A (zh) | 电力设备锈迹检测方法及系统 | |
CN112766398B (zh) | 发电机转子通风孔识别方法及设备 | |
CN111199172B (zh) | 基于终端录屏的处理方法及装置、存储介质 | |
CN113327241A (zh) | 一种轴承端面的表面缺陷视觉检测方法及系统 | |
CN113609980A (zh) | 一种用于自动驾驶车辆的车道线感知方法及装置 | |
CN117745680A (zh) | 基于大型视觉语言模型的异常检测方法及装置 | |
CN111881734A (zh) | 一种自动截取目标视频的方法和装置 | |
CN114120096A (zh) | 一种基于交互式ai的红绿灯标注方法及系统 | |
EP1453299A3 (en) | Image processing method and apparatus for recovering from reading faults | |
CN113111888A (zh) | 一种图片判别方法及装置 | |
CN112395695A (zh) | 一种实时建立仿真场景的方法及系统 | |
CN113038129A (zh) | 一种用于机器学习的数据样本获取的方法及设备 | |
CN114596242A (zh) | 缺陷检测方法、装置、电子设备及计算机可读存储介质 | |
CN111160279A (zh) | 利用小样本生成目标识别模型的方法、装置、设备及介质 | |
CN112381058A (zh) | 基于行人重识别的黑白名单管控方法及设备 | |
CN110211085B (zh) | 一种图像融合质量评价方法和系统 | |
CN112669267B (zh) | 一种电路板缺陷检测方法、装置、电子设备和存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: No. 2, Qingyan Road, Huishan Economic Development Zone, Wuxi City, Jiangsu Province, 214000 c602-c605 Patentee after: Wuxi CRRC times Intelligent Equipment Research Institute Co.,Ltd. Address before: No. 2, Qingyan Road, Huishan Economic Development Zone, Wuxi City, Jiangsu Province, 214000 c602-c605 Patentee before: WUXI CRRC TIMES INTELLIGENT EQUIPMENT CO.,LTD. |
|
CP01 | Change in the name or title of a patent holder |