CN113191977A - 一种用于恶劣环境条件下目标检测识别的图像增强系统 - Google Patents
一种用于恶劣环境条件下目标检测识别的图像增强系统 Download PDFInfo
- Publication number
- CN113191977A CN113191977A CN202110479890.9A CN202110479890A CN113191977A CN 113191977 A CN113191977 A CN 113191977A CN 202110479890 A CN202110479890 A CN 202110479890A CN 113191977 A CN113191977 A CN 113191977A
- Authority
- CN
- China
- Prior art keywords
- image
- analyzed
- environment
- sub
- region
- 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 18
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000010191 image analysis Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于恶劣环境条件下目标检测识别的图像增强系统,涉及图像增强技术领域,解决了现有技术中不能够对图像准确进行问题区域判定导致图像增强工作强度增大的技术问题,通过数据采集单元采集图像并在采集图像过程中,对环境进行实时分析检测,将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,并对子区域进行环境分析;通过公式获取到子区域内的环境分析系数Xi,将子区域内的环境分析系数Xi与环境分析系数阈值进行比较;对监测区域进行环境监测,从而判断采集的图像是否正常,提高了图像采集的工作效率,减少图像质量不符导致采集工作成本提高。
Description
技术领域
本发明涉及图像增强技术领域,具体为一种用于恶劣环境条件下目标检测识别的图像增强系统。
背景技术
图像增强是将原来不清晰的图像变得清晰或强调某些感兴趣的特征,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果的图像处理方法;在借鉴国外相对成熟理论体系和技术应用体系的条件下,国内的增强技术和应用也有了很大的发展;
但是在现有技术中,不能够对图像准确进行问题区域判定,导致图像增强工作强度增大,针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于提出一种用于恶劣环境条件下目标检测识别的图像增强系统,通过数据采集单元采集图像并在采集图像过程中,对环境进行实时分析检测,将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,并对子区域进行环境分析;获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,通过公式获取到子区域内的环境分析系数Xi,将子区域内的环境分析系数Xi与环境分析系数阈值进行比较;对监测区域进行环境监测,从而判断采集的图像是否正常,提高了图像采集的工作效率,减少图像质量不符导致采集工作成本提高。
本发明的目的可以通过以下技术方案实现:
一种用于恶劣环境条件下目标检测识别的图像增强系统,包括数据采集单元、图像分析单元、图像增强单元、云管理平台、注册登录单元以及数据库;
所述数据采集单元用于采集图像并在采集图像过程中,对环境进行实时分析检测,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;
所述图像分析单元接收到图像分析信号和对应子区域的图像后,对图像进行分析,具体分析过程如下:
步骤SS1:将环境异常的子区域内采集的图像标记为待分析图像,随后对待分析图像进行检测,对待分析图像进行边界处理,将待分析图像的边界进行亮度分析,将待分析图像边界周边环境亮度设定为低界限亮度,随后将待分析图像边界亮度与低界限亮度进行差值计算,若其差值>0,则判定待分析图像边界亮度合格,反之,则判定待分析图像边界亮度不合格,并将待分析图像边界亮度进行调节;
步骤SS2:将边界处理后的待分析图像进行像素分析,将待分析图像在水平方向上的像素点数量标记为X,竖直方向上的像素点数量标记为Y,随后将待分析图像构建为X×Y的像素矩阵,通过矩阵中水平像素点数量X与竖直方向像素点数量Y进行乘法运算获取到待分析图像的像素值;
步骤SS3:将待分析图像的像素矩阵进行分区域检测,即像素矩阵中以四个像素点为单位,通过排列组合获取到像素矩阵中所有的分区域,并将分区域的像素值与待分析图像的像素值进行比较,若分区域的像素值<待分析图像的像素值,则判定对应分区域的像素不合格,并将对应分区域标记我不合格区域,随后将所有不合格分区域进行比较获取到不合格分区域之间重叠区域标记为问题区域,并将问题区域对应的像素点标记为问题像素点,随后将问题像素点与问题区域一同发送至图像增强单元。
进一步的,数据采集单元具体分析检测过程如下:
步骤S1:将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,将子区域标记为i,i=1,2,……,n,n为正整数,并对子区域进行环境分析;
步骤S2:获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,并将子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值分别标记为NJi、JYi以及GZi;通过公式Xi=β(NJi×a1+JYi×a2+GZi×a3)ea1+a2+a3获取到子区域内的环境分析系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0,e为自然常数,且β为误差修正因子,取值为1.23;
步骤S3:将子区域内的环境分析系数Xi与环境分析系数阈值进行比较:
若子区域内的环境分析系数Xi≥环境分析系数阈值,则判定对应子区域的环境异常,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;
若子区域内的环境分析系数Xi<环境分析系数阈值,则判定对应子区域的环境正常,并将对应子区域标记为环境正常子区域,生成图像正常信号并将图像正常信号发送至管理人员的手机终端。
进一步的,所述图像增强单元接收到问题像素点与问题区域后,对问题区域进行图像增强,具体增强过程如下:
通过图像内问题像素点获取到问题区域在图像内的所属位置,将各个问题区域对应的像素点进行拉伸,通过拉伸将像素点的数值进行增长,且数值增长后的像素点对应的区域像素≥待分析图像的像素值,则判定图像增强成功,反之,则判定图像增强失败,随后统计待分析图像中的问题区域的数量,当其数量为0时,则将对应图像标记为完好图像,并将完好图像发送至数据库进行储存。
进一步的,所述注册登录单元用于管理人员和操作人员通过手机终端提交管理人员信息和操作人员信息,并将注册成功的管理人员信息和操作人员信息发送至数据库进行保存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,操作人员信息包括操作人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过数据采集单元采集图像并在采集图像过程中,对环境进行实时分析检测,将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,并对子区域进行环境分析;获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,通过公式获取到子区域内的环境分析系数Xi,将子区域内的环境分析系数Xi与环境分析系数阈值进行比较;对监测区域进行环境监测,从而判断采集的图像是否正常,提高了图像采集的工作效率,减少图像质量不符导致采集工作成本提高;
2、本发明中,通过图像分析单元接收到图像分析信号和对应子区域的图像后,对图像进行分析,将环境异常的子区域内采集的图像标记为待分析图像,随后对待分析图像进行检测,对待分析图像进行边界处理,将将边界处理后的待分析图像进行像素分析,将待分析图像的像素矩阵进行分区域检测,即像素矩阵中以四个像素点为单位,通过排列组合获取到像素矩阵中所有的分区域,并将分区域的像素值与待分析图像的像素值进行比较;对图像的像素点进行分析,通过排列组合并将求重叠区域,准确判断出问题图像的区域,并对该区域进行增强,提高了图像增强的准确性,同时降低了图像增强的成本并提高了图像的增强的工作效率。
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为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种用于恶劣环境条件下目标检测识别的图像增强系统,包括数据采集单元、图像分析单元、图像增强单元、云管理平台、注册登录单元以及数据库;
注册登录单元用于管理人员和操作人员通过手机终端提交管理人员信息和操作人员信息,并将注册成功的管理人员信息和操作人员信息发送至数据库进行保存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,操作人员信息包括操作人员的姓名、年龄、入职时间以及本人实名认证的手机号码;
数据采集单元用于采集图像并在采集图像过程中,对环境进行实时分析检测,具体分析检测过程如下:
步骤S1:将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,将子区域标记为i,i=1,2,……,n,n为正整数,并对子区域进行环境分析;
步骤S2:获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,并将子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值分别标记为NJi、JYi以及GZi;通过公式Xi=β(NJi×a1+JYi×a2+GZi×a3)ea1+a2+a3获取到子区域内的环境分析系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0,e为自然常数,且β为误差修正因子,取值为1.23;
步骤S3:将子区域内的环境分析系数Xi与环境分析系数阈值进行比较:
若子区域内的环境分析系数Xi≥环境分析系数阈值,则判定对应子区域的环境异常,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;
若子区域内的环境分析系数Xi<环境分析系数阈值,则判定对应子区域的环境正常,并将对应子区域标记为环境正常子区域,生成图像正常信号并将图像正常信号发送至管理人员的手机终端;
图像分析单元接收到图像分析信号和对应子区域的图像后,对图像进行分析,具体分析过程如下:
步骤SS1:将环境异常的子区域内采集的图像标记为待分析图像,随后对待分析图像进行检测,对待分析图像进行边界处理,将待分析图像的边界进行亮度分析,将待分析图像边界周边环境亮度设定为低界限亮度,随后将待分析图像边界亮度与低界限亮度进行差值计算,若其差值>0,则判定待分析图像边界亮度合格,反之,则判定待分析图像边界亮度不合格,并将待分析图像边界亮度进行调节;
步骤SS2:将边界处理后的待分析图像进行像素分析,将待分析图像在水平方向上的像素点数量标记为X,竖直方向上的像素点数量标记为Y,随后将待分析图像构建为X×Y的像素矩阵,通过矩阵中水平像素点数量X与竖直方向像素点数量Y进行乘法运算获取到待分析图像的像素值;
步骤SS3:将待分析图像的像素矩阵进行分区域检测,即像素矩阵中以四个像素点为单位,通过排列组合获取到像素矩阵中所有的分区域,并将分区域的像素值与待分析图像的像素值进行比较,若分区域的像素值<待分析图像的像素值,则判定对应分区域的像素不合格,并将对应分区域标记我不合格区域,随后将所有不合格分区域进行比较获取到不合格分区域之间重叠区域标记为问题区域,并将问题区域对应的像素点标记为问题像素点,随后将问题像素点与问题区域一同发送至图像增强单元;
图像增强单元接收到问题像素点与问题区域后,对问题区域进行图像增强,具体增强过程如下:
通过图像内问题像素点获取到问题区域在图像内的所属位置,将各个问题区域对应的像素点进行拉伸,通过拉伸将像素点的数值进行增长,且数值增长后的像素点对应的区域像素≥待分析图像的像素值,则判定图像增强成功,反之,则判定图像增强失败,随后统计待分析图像中的问题区域的数量,当其数量为0时,则将对应图像标记为完好图像,并将完好图像发送至数据库进行储存。
本发明工作原理:
一种用于恶劣环境条件下目标检测识别的图像增强系统,在工作时,通过数据采集单元采集图像并在采集图像过程中,对环境进行实时分析检测,将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,并对子区域进行环境分析;获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,通过公式获取到子区域内的环境分析系数Xi,将子区域内的环境分析系数Xi与环境分析系数阈值进行比较:若子区域内的环境分析系数Xi≥环境分析系数阈值,则判定对应子区域的环境异常,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;若子区域内的环境分析系数Xi<环境分析系数阈值,则判定对应子区域的环境正常,并将对应子区域标记为环境正常子区域,生成图像正常信号并将图像正常信号发送至管理人员的手机终端。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种用于恶劣环境条件下目标检测识别的图像增强系统,其特征在于,包括数据采集单元、图像分析单元、图像增强单元、云管理平台、注册登录单元以及数据库;
所述数据采集单元用于采集图像并在采集图像过程中,对环境进行实时分析检测,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;
所述图像分析单元接收到图像分析信号和对应子区域的图像后,对图像进行分析,具体分析过程如下:
步骤SS1:将环境异常的子区域内采集的图像标记为待分析图像,随后对待分析图像进行检测,对待分析图像进行边界处理,将待分析图像的边界进行亮度分析,将待分析图像边界周边环境亮度设定为低界限亮度,随后将待分析图像边界亮度与低界限亮度进行差值计算,若其差值>0,则判定待分析图像边界亮度合格,反之,则判定待分析图像边界亮度不合格,并将待分析图像边界亮度进行调节;
步骤SS2:将边界处理后的待分析图像进行像素分析,将待分析图像在水平方向上的像素点数量标记为X,竖直方向上的像素点数量标记为Y,随后将待分析图像构建为X×Y的像素矩阵,通过矩阵中水平像素点数量X与竖直方向像素点数量Y进行乘法运算获取到待分析图像的像素值;
步骤SS3:将待分析图像的像素矩阵进行分区域检测,即像素矩阵中以四个像素点为单位,通过排列组合获取到像素矩阵中所有的分区域,并将分区域的像素值与待分析图像的像素值进行比较,若分区域的像素值<待分析图像的像素值,则判定对应分区域的像素不合格,并将对应分区域标记我不合格区域,随后将所有不合格分区域进行比较获取到不合格分区域之间重叠区域标记为问题区域,并将问题区域对应的像素点标记为问题像素点,随后将问题像素点与问题区域一同发送至图像增强单元。
2.根据权利要求1所述的一种用于恶劣环境条件下目标检测识别的图像增强系统,其特征在于,数据采集单元具体分析检测过程如下:
步骤S1:将采集区域的边界进行限定,并将边界内的采集区域标记为图像采集区域,随后将采集区域划分若干个子区域,将子区域标记为i,i=1,2,……,n,n为正整数,并对子区域进行环境分析;
步骤S2:获取到子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值,并将子区域内环境中的能见度、每分钟降雨量以及全天光照强度变化浮动差值分别标记为NJi、JYi以及GZi;通过公式Xi=β(NJi×a1+JYi×a2+GZi×a3)ea1+a2+a3获取到子区域内的环境分析系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0,e为自然常数,且β为误差修正因子,取值为1.23;
步骤S3:将子区域内的环境分析系数Xi与环境分析系数阈值进行比较:
若子区域内的环境分析系数Xi≥环境分析系数阈值,则判定对应子区域的环境异常,生成图像分析信号并将对应子区域内的图像与图像分析信号发送至图像分析单元;
若子区域内的环境分析系数Xi<环境分析系数阈值,则判定对应子区域的环境正常,并将对应子区域标记为环境正常子区域,生成图像正常信号并将图像正常信号发送至管理人员的手机终端。
3.根据权利要求1所述的一种用于恶劣环境条件下目标检测识别的图像增强系统,其特征在于,所述图像增强单元接收到问题像素点与问题区域后,对问题区域进行图像增强,具体增强过程如下:
通过图像内问题像素点获取到问题区域在图像内的所属位置,将各个问题区域对应的像素点进行拉伸,通过拉伸将像素点的数值进行增长,且数值增长后的像素点对应的区域像素≥待分析图像的像素值,则判定图像增强成功,反之,则判定图像增强失败,随后统计待分析图像中的问题区域的数量,当其数量为0时,则将对应图像标记为完好图像,并将完好图像发送至数据库进行储存。
4.根据权利要求1所述的一种用于恶劣环境条件下目标检测识别的图像增强系统,其特征在于,所述注册登录单元用于管理人员和操作人员通过手机终端提交管理人员信息和操作人员信息,并将注册成功的管理人员信息和操作人员信息发送至数据库进行保存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,操作人员信息包括操作人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110479890.9A CN113191977A (zh) | 2021-04-30 | 2021-04-30 | 一种用于恶劣环境条件下目标检测识别的图像增强系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110479890.9A CN113191977A (zh) | 2021-04-30 | 2021-04-30 | 一种用于恶劣环境条件下目标检测识别的图像增强系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191977A true CN113191977A (zh) | 2021-07-30 |
Family
ID=76982990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110479890.9A Pending CN113191977A (zh) | 2021-04-30 | 2021-04-30 | 一种用于恶劣环境条件下目标检测识别的图像增强系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191977A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114413854A (zh) * | 2022-01-13 | 2022-04-29 | 山东志诚地理信息技术有限公司 | 一种基于倾斜摄影的实景三维图像核验系统 |
CN116185095A (zh) * | 2023-04-27 | 2023-05-30 | 科大智能物联技术股份有限公司 | 一种基于红外成像的喷淋冷却控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN110288539A (zh) * | 2019-06-03 | 2019-09-27 | 哈尔滨工程大学 | 一种结合颜色空间移动与暗通道先验的水下图像清晰方法 |
CN111310862A (zh) * | 2020-03-27 | 2020-06-19 | 西安电子科技大学 | 复杂环境下基于图像增强的深度神经网络车牌定位方法 |
-
2021
- 2021-04-30 CN CN202110479890.9A patent/CN113191977A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN110288539A (zh) * | 2019-06-03 | 2019-09-27 | 哈尔滨工程大学 | 一种结合颜色空间移动与暗通道先验的水下图像清晰方法 |
CN111310862A (zh) * | 2020-03-27 | 2020-06-19 | 西安电子科技大学 | 复杂环境下基于图像增强的深度神经网络车牌定位方法 |
Non-Patent Citations (2)
Title |
---|
广东省公安厅科技信息化处科技管理科: "结合HVS特性的恶劣环境下视频图像质量增强处理", 《广东公安科技》, 31 December 2016 (2016-12-31) * |
张东岳: "恶劣环境下监控视频中舰船图像增强研究", 《舰船科学技术》, 28 February 2021 (2021-02-28) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114413854A (zh) * | 2022-01-13 | 2022-04-29 | 山东志诚地理信息技术有限公司 | 一种基于倾斜摄影的实景三维图像核验系统 |
CN114413854B (zh) * | 2022-01-13 | 2022-09-06 | 山东志诚地理信息技术有限公司 | 一种基于倾斜摄影的实景三维图像核验系统 |
CN116185095A (zh) * | 2023-04-27 | 2023-05-30 | 科大智能物联技术股份有限公司 | 一种基于红外成像的喷淋冷却控制系统 |
CN116185095B (zh) * | 2023-04-27 | 2023-07-28 | 科大智能物联技术股份有限公司 | 一种基于红外成像的喷淋冷却控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111754498B (zh) | 一种基于YOLOv3的传送带托辊检测方法 | |
CN113763355A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN113191977A (zh) | 一种用于恶劣环境条件下目标检测识别的图像增强系统 | |
CN109064446A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN109559304A (zh) | 用于工业视觉检测的图像品质在线评估方法、装置及应用 | |
CN111275700A (zh) | 基于深度学习的端子缺陷检测方法及系统 | |
CN117635565B (zh) | 一种基于图像识别的半导体表面缺陷检测系统 | |
CN112419261B (zh) | 具有异常点去除功能的视觉采集方法及装置 | |
CN115908407B (zh) | 基于红外图像温度值的电力设备缺陷检测方法及装置 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN113111903A (zh) | 智能产线监测系统及监测方法 | |
CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及系统 | |
CN117237925B (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
CN115984158A (zh) | 缺陷分析方法、装置、电子设备及计算机可读存储介质 | |
CN117089977A (zh) | 一种坯布生产动态监测方法、系统及介质 | |
CN116002480A (zh) | 电梯轿厢内乘客意外摔倒的自动检测方法和系统 | |
Xu et al. | Intelligent corrosion detection and rating based on faster region-based convolutional neural network | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
CN112949666B (zh) | 一种剥锌机故障阴极板图像识别方法 | |
CN115311539A (zh) | 架空输电线路缺陷识别方法、装置、设备及存储介质 | |
CN113989743A (zh) | 垃圾满溢检测方法、检测设备及系统 | |
CN110781758A (zh) | 一种受电弓结构异常动态视频监测方法及装置 | |
CN114782436B (zh) | Pcb缺陷检测方法、电路板计量测量方法及制作方法 |
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 |