CN113256514B - 等离子体产物模式识别方法、系统、计算机设备、终端 - Google Patents
等离子体产物模式识别方法、系统、计算机设备、终端 Download PDFInfo
- Publication number
- CN113256514B CN113256514B CN202110528550.0A CN202110528550A CN113256514B CN 113256514 B CN113256514 B CN 113256514B CN 202110528550 A CN202110528550 A CN 202110528550A CN 113256514 B CN113256514 B CN 113256514B
- Authority
- CN
- China
- Prior art keywords
- plasma source
- discharge
- visible light
- gray level
- plasma
- 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
- 238000000034 method Methods 0.000 title claims description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012567 pattern recognition method Methods 0.000 claims abstract description 21
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 12
- 238000003909 pattern recognition Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 63
- 210000002381 plasma Anatomy 0.000 description 109
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于高压放电技术领域,公开了一种等离子体产物模式识别方法、识别系统、计算机设备、终端,等离子体产物模式识别方法包括:获取等离子体源在不同条件下的放电可见光数字图像;对获得的放电图像进行去噪滤波处理;对去噪滤波后的放电图像进行分析区域截取;获得所截取的放电可见光数字图像的分析区域对应的灰度直方图;对获得的灰度直方图进行相关特征提取;对提取的特征进行组合和可视化分析;根据特征分析结果对等离子体源的产物模式进行识别。本发明属于非侵入式检测方法,仅需通过数码相机或者手机等便携式拍摄工具获得等离子体源的放电可见光数字图像,就可快速实现对其产物模式的识别,该识别方法对检测条件的要求低,识别精度高,检测成本低。
Description
技术领域
本发明属于高压放电技术领域,尤其涉及一种等离子体产物模式识别方法、识别系统、计算机设备、终端。
背景技术
目前,等离子体具有活性物质丰富,反应多样等特点,近年来得到了广泛的研究和应用。与此同时,等离子体源存在不同的产物模式,主要包括臭氧模式和非臭氧模式。当等离子体源工作于臭氧模式时,其主要产物为臭氧;当等离子体源工作于氮氧化物模式时,其主要产物为氮氧化物。就使用效果而言,不同的产物模式所起到的作用也不相同。因此,对于工业应用而言,在使用等离子体进行处理过程中,实时在线确定等离子体源的产物模式显得十分重要,如在精密小型化的等离子体医疗装备中。
目前,识别等离子体源产物模式的方法主要是采用光谱仪、臭氧检测仪、氮氧化物检测仪等仪器直接对其产物进行检测。这些检测方法虽然在一定程度上有效,但是其存在检测成本高,操作复杂,检测耗时长,难以实现在线检测等缺点。所以,如果想进一步推广等离子体的工业应用价值,亟需开发一种新的等离子体产物模式识别方法。
通过上述分析,现有技术存在的问题及缺陷为:现有检测技术受检测原理的限制,大多只有在离线的情况下才能实现等离子体源产物模式的识别,并且必须依赖专用的检测设备。同时,这些检测设备价格昂贵,对检测条件的要求较高,因而造成检测的相关操作变得复杂,检测时间较长,检测成本较高。
解决以上问题及缺陷的难度为:
需要突破现有检测原理的限制,通过基于新的检测原理研发和采用新的检测技术,实现等离子体源产物模式的在线识别。需要进一步改进和优化现有检测技术的检测过程和方式,降低检测的复杂度。需要进一步提高现有检测技术的通用性,降低检测的成本。需要进一步提高等离子体诊断技术与其它相关技术的集成度,降低等离子体的应用条件。
解决以上问题及缺陷的意义为:
能够大大降低等离子体源产物模式识别的检测成本,检测难度和检测耗时,进一步提升检测效率,使得在工业应用中将等离子体源的放电,诊断和应用等过程高度集成在一起,简化了相关操作过程,有效降低了等离子体的应用成本,极大的提高了等离子体源的工业应用价值,促进了等离子体技术的发展。
发明内容
针对现有技术存在的问题,本发明提供了一种等离子体产物模式识别方法、识别系统、计算机设备、终端,尤其涉及一种基于灰度直方图的等离子体产物模式识别方法及识别系统。
本发明是这样实现的,一种等离子体产物模式识别方法,所述等离子体产物模式识别方法包括以下步骤:
步骤一,获取等离子体源在不同条件下的放电可见光数字图像;
步骤二,对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
步骤三,对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
步骤四,获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
步骤五,对获得的所述灰度直方图进行相关特征提取;
步骤六,对提取的所述灰度直方图特征进行组合和可视化分析;
步骤七,根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
进一步,步骤一中,所述获取等离子体源在不同条件下的放电可见光数字图像,包括:
(1)获取等离子体源放电可见光数字图像的拍摄工具;
(2)获取等离子体源在同一条件下的多张放电可见光数字图像;
其中,所述拍摄工具包括数码相机和手机,所述等离子体源包括介质阻挡放电、表面放电、针针放电、针板放电以及等离子体射流。
进一步,步骤二中,所述对获得的所述放电图像进行去噪滤波处理,包括:
(1)获取等离子体源在相同条件下无放电时的背景图像;
(2)对等离子体源在同一条件下的多张放电可见光数字图像取平均;
(3)将取平均后的放电图像与背景图像对比,以消除环境噪声的影响。
进一步,步骤四中,所述获得所截取的放电可见光数字图像的分析区域对应的灰度直方图,包括:
(1)将截取的所述等离子体源放电可见光数字图像的分析区域转换为灰度图像;
(2)统计灰度图像中不同灰度级所对应的像素点个数;
(3)将不同灰度级对应的像素点个数除以总像素点数,得到该灰度图像各灰度级出现频率的分布曲线,即灰度分布图;其中横坐标为灰度级,纵坐标为灰度频率。
进一步,步骤五中,所述对获得的所述灰度直方图进行相关特征提取,包括:提取获得的所述灰度直方图的相关特征;其中,所述特征包括均值、众值、方差、平滑度、一致值、能量和熵,计算公式如下:
所述灰度直方图的均值特征计算公式为:
所述灰度直方图的方差特征计算公式为:
所述灰度直方图的平滑度特征计算公式为:
所述灰度直方图的一致值特征计算公式为:
所述灰度直方图的能量特征计算公式为:
所述灰度直方图的熵特征计算公式为:
进一步,步骤七中,所述等离子体源的产物模式,包括臭氧模式和非臭氧模式,当等离子体源工作于臭氧模式时,主要产物为臭氧;当等离子体源工作于氮氧化物模式时,主要产物为氮氧化物。
进一步,所述等离子体源对应的放电灰度图像中每个像素的灰度级为0~255 以内的任意整数。
本发明的另一目的在于提供一种应用所述等离子体产物模式识别方法的等离子体产物模式识别系统,所述等离子体产物模式识别系统包括:
放电图像获取模块,用于获取等离子体源在不同条件下的放电可见光数字图像;
去噪滤波处理模块,用于对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
分析区域截取模块,用于对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
灰度直方图获取模块,用于获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
特征提取模块,用于对获得的所述灰度直方图进行相关特征提取;
特征组合分析模块,用于对提取的所述灰度直方图特征进行组合和可视化分析;
产物模式识别模块,用于根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取等离子体源在不同条件下的放电可见光数字图像;对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;对获得的所述灰度直方图进行相关特征提取;
对提取的所述灰度直方图特征进行组合和可视化分析;根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述等离子体产物模式识别系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的等离子体产物模式识别方法,属于非侵入检测方法,检测精度较高。
与其它传统检测方法相比,本发明仅需通过数码相机或者手机等便携式拍摄工具获得等离子体源的放电可见光数字图像,就可快速实现对其产物模式的识别,具有检测速度快,检测成本低,操作简单等特点。
本发明提供的基于灰度直方图的等离子体产物模式识别方法,不需要如光谱仪、臭氧检测仪、氮氧化物检测仪等传统检测设备,无复杂的设备操作过程和检测方式。与其它传统检测方法相比,本发明检测原理简单可靠,所需检测条件较低,无需根据各等离子体源的构造配置特殊的操作工具,也不需要昂贵的检测设备和特殊的检测环境,适用范围广,不局限于放电装置的约束,具有良好的工业应用价值。同时,本检测方法可与各等离子体源较好的集成在一起,可使等离子体源的放电、检测与应用同时进行,实现对等离子体产物模式的在线检测,检测效率高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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是本发明实施例提供的等离子体产物模式识别方法流程图。
图2是本发明实施例提供的等离子体产物模式识别方法原理图。
图3是本发明实施例提供的等离子体产物模式识别系统结构框图;
图中:1、放电图像获取模块;2、去噪滤波处理模块;3、分析区域截取模块;4、灰度直方图获取模块;5、特征提取模块;6、特征组合分析模块;7、产物模式识别模块。
图4(a)-图4(f)是本发明实施例提供的表面放电在不同条件下的放电可见光数字图像。
图5(a)-图5(f)是本发明实施例提供的表面放电在不同条件下的放电可见光数字图像的分析区域示意图。
图6是本发明实施例提供的表面放电在不同放电条件下的灰度直方图相关特征的可视化结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种等离子体产物模式识别方法及识别系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的等离子体产物模式识别方法包括以下步骤:
S101,获取等离子体源在不同条件下的放电可见光数字图像;
S102,对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
S103,对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
S104,获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
S105,对获得的所述灰度直方图进行相关特征提取;
S106,对提取的所述灰度直方图特征进行组合和可视化分析;
S107,根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
本发明实施例提供的等离子体产物模式识别方法原理图如图2所示。
如图3所示,本发明实施例提供的等离子体产物模式识别系统包括:
放电图像获取模块1,用于获取等离子体源在不同条件下的放电可见光数字图像;
去噪滤波处理模块2,用于对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
分析区域截取模块3,用于对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
灰度直方图获取模块4,用于获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
特征提取模块5,用于对获得的所述灰度直方图进行相关特征提取;
特征组合分析模块6,用于对提取的所述灰度直方图特征进行组合和可视化分析;
产物模式识别模块7,用于根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
下面结合实施例对本发明的技术方案作进一步描述。
实施例1
本发明提供了一种基于灰度直方图的等离子体产物模式识别方法。本发明属于非侵入检测方法,仅需要获得等离子体源的放电可见光数字图像,便可实现对等离子体源不同产物模式的识别,具有检测速度快,检测成本低,操作简单等特点。
本发明是这样实现的,一种基于灰度直方图的等离子体产物模式识别方法,按以下步骤进行:
步骤1,获取等离子体源在不同条件下的放电可见光数字图像;
步骤2,对由步骤1获得的放电图像进行去噪滤波处理;
步骤3,对由步骤2处理后的放电图像进行分析区域截取;
步骤4,对由步骤3处理后的放电图像,获得相对应的灰度直方图;
步骤5,对由步骤4获得的灰度直方图进行相关特征提取;
步骤6,对由步骤5提取的特征进行组合和可视化分析;
步骤7,根据由步骤6获得的灰度直方图的特征分析结果对等离子体源的不同产物模式进行识别。
进一步,所述步骤1具体包括以下内容:
步骤1-1:所述等离子体源包括介质阻挡放电,表面放电,针针放电,针板放电,等离子体射流;
步骤1-2:获取等离子体源放电可见光数字图像的拍摄工具包括数码相机,手机;
步骤1-3:同时获取等离子体源在同一条件下的多张放电可见光数字图像。
进一步,所述步骤2具体包括以下内容:
步骤2-1:获取等离子体源在相同条件下无放电时的背景图像;
步骤2-2:对等离子体源在同一条件下的多张放电可见光数字图像取平均;
步骤2-3:将取平均后的放电图像与背景图像对比,以消除环境噪声的影响。
进一步,所述步骤3具体包括以下内容:
对由步骤2去噪滤波后的等离子体源放电可见光数字图像进行分析区域截取。
进一步,所述步骤4具体包括以下内容:
步骤4-1:将由步骤3截取的等离子体源放电可见光数字图像的分析区域转换为灰度图像;
步骤4-2:统计灰度图像中不同灰度级所对应的像素点个数;
步骤4-3:将不同灰度级对应的像素点个数除以总像素点数,得到该灰度图像各灰度级出现频率的分布曲线,即灰度分布图,其中横坐标为灰度级,纵坐标为灰度频率;
进一步,所述步骤5具体包括以下内容:
提取由步骤4获得的灰度直方图的相关特征,包括均值、方差、平滑度、一致值、能量、熵;
进一步,所述步骤6具体包括以下内容:
对由步骤5提取的灰度直方图特征进行组合和可视化分析。
进一步,所述步骤7具体包括以下内容:
根据由步骤6获得的灰度直方图的特征分析结果对等离子体源的不同产物模式进行识别。
本发明中,等离子体源的产物模式包括臭氧模式和非臭氧模式,当等离子体源工作于臭氧模式时,其主要产物为臭氧;当等离子体源工作于氮氧化物模式时,其主要产物为氮氧化物。
本发明中,等离子体源对应的放电灰度图像中每个像素的灰度级为0~255 以内的任意整数。
本发明提供的基于灰度直方图的等离子体产物模式识别方法,与其它传统检测方法相比,为非侵入式检测方法,仅需通过数码相机或者手机等便携式拍摄工具获得等离子体源的放电可见光数字图像,就可快速实现对其产物模式的识别,该识别方法对检测条件的要求低,识别精度高。
本发明提供的基于灰度直方图的等离子体产物模式识别方法,不需要如光谱仪、臭氧检测仪、氮氧化物检测仪等传统检测设备,无复杂的设备操作过程和检测方式,操作简单,检测速度快。
本发明提供的基于灰度直方图的等离子体产物模式识别方法,与其它传统检测方法相比,其检测原理简单可靠,所需检测条件较低,无需根据各等离子体源的构造配置特殊的检测装置。同时,本检测系统可与各等离子体源较好的集成在一起,可使等离子体源的放电、检测与应用同时进行,实现对等离子体产物模式的在线检测,检测效率高。
本发明提供的基于灰度直方图的等离子体产物模式识别方法,与其它传统检测方法相比,不需要昂贵的检测设备和特殊的检测环境,大大降低了检测成本,并且适用范围广,不局限于放电装置的约束,具有良好的工业应用价值。
实施例2
本发明技术方案的实施例中提供了一种基于灰度直方图的表面放电产物模式识别方法。具体来说,本实施例中,首先通过数码相机获得表面放电在不同条件下的放电可见光数字图像;对所获得的放电图像进行去噪滤波处理;对去噪滤波后的放电图像进行分析区域截取;获得截取后放电图像的灰度直方图;对获得的灰度直方图进行相关特征提取;对提取后的特征进行组合和可视化分析;根据灰度直方图的特征可视化分析结果对表面放电的产物模式进行识别。
本发明技术方案的实施例通过获取表面放电的可见光数字图像,并基于放电图像的灰度直方图,为表面放电的产物模式识别提供了一种新的操作简单且有效的解决方案。如图2所示是本发明技术方案的实施例中基于灰度直方图的表面放电产物模式识别的流程图。具体来说,本实施例通过如下技术方案来实现:
步骤1,获取表面放电在不同条件下的放电可见光数字图像。具体来说,本实施例中,表面放电的高压电极材料为铜,介质片的材料为氧化铝,铁丝网的材料为不锈钢。获得表面放电可见光数字图像的拍摄工具为数码相机。同时,表面放电在相同放电条件下的可见光数字图像的拍摄张数为10张。
图4是本实施例采用数码相机拍摄的表面放电在不同条件下的放电可见光数字图像。
步骤2,对由步骤1获取的表面放电可见光数字图像进行去噪滤波处理。具体来说,本实施例中,获取表面放电在相同条件下无放电时的背景图片;对表面放电在同一放电条件下的10张放电可见光数字图像取平均;将取平均后的放电图像与背景图像对比,以消除环境噪声的影响。
步骤3,对由步骤2去噪滤波后的表面放电可见光数字图像进行分析区域截取,以此提高识别效率和减小识别误差。
图5是本发明技术方案的实施例中截取的表面放电在不同条件下的放电可见光数字图像的分析区域。
步骤4,获得由步骤3截取的表面放电可见光数字图像的分析区域所对应的灰度直方图。具体来说,本实施例中,将由步骤3截取的表面放电可见光数字图像的分析区域转换为灰度图像;统计灰度图像中灰度级为0~255的各灰度级所对应的像素点个数;将不同灰度级对应的像素点个数除以总像素点数,得到该灰度图像各灰度级出现频率的分布曲线,即灰度分布图,其中横坐标为灰度级,纵坐标为灰度频率。
步骤5,对由步骤4获得的灰度直方图进行特征提取,包括均值、众值、方差、平滑度、一致值、能量、熵。
灰度直方图的均值特征计算公式如公式(1)所示:
灰度直方图的方差特征计算公式如公式(2)所示:
灰度直方图的平滑度特征计算公式如公式(3)所示:
灰度直方图的一致值特征计算公式如公式(4)所示:
灰度直方图的能量特征计算公式如公式(5)所示:
灰度直方图的熵特征计算公式如公式(6)所示:
步骤6,对由步骤5提取的灰度直方图特征进行组合和可视化分析。
图6是本发明技术方案的实施例中表面放电在不同放电条件下的灰度直方图相关特征的可视化结果。
步骤7,根据灰度直方图的特征可视化分析结果对表面放电的产物模式进行识别。具体来说,本实施例中,由图6可知,当表面放电工作于臭氧模式时,由灰度直方图的熵和一致值构成的组合特征值分布比较发散;而当表面放电工作于非臭氧模式时,由灰度直方图的熵和一致值构成的组合特征值具有良好的聚类特性。因此,基于灰度直方图的特征分布,有效识别了表面放电不同的产物模式。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”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”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种等离子体产物模式识别方法,其特征在于,所述等离子体产物模式识别方法包括以下步骤:
步骤一,获取等离子体源在不同条件下的放电可见光数字图像;
步骤二,对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
步骤三,对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
步骤四,获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
步骤五,对获得的所述灰度直方图进行相关特征提取;
步骤六,对提取的所述灰度直方图特征进行组合和可视化分析;
步骤七,根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
2.如权利要求1所述等离子体产物模式识别方法,其特征在于,步骤一中,所述获取等离子体源在不同条件下的放电可见光数字图像,包括:
(1)获取等离子体源放电可见光数字图像的拍摄工具;
(2)获取等离子体源在同一条件下的多张放电可见光数字图像;
其中,所述拍摄工具包括数码相机和手机,所述等离子体源包括介质阻挡放电、表面放电、针针放电、针板放电以及等离子体射流。
3.如权利要求1所述等离子体产物模式识别方法,其特征在于,步骤二中,所述对获得的所述放电可见光数字图像进行去噪滤波处理,包括:
(1)获取等离子体源在相同条件下无放电时的背景图像;
(2)对等离子体源在同一条件下的多张放电可见光数字图像取平均;
(3)将取平均后的放电图像与背景图像对比,以消除环境噪声的影响。
4.如权利要求1所述等离子体产物模式识别方法,其特征在于,步骤四中,所述获得所截取的放电可见光数字图像的分析区域对应的灰度直方图,包括:
(1)将截取的所述等离子体源放电可见光数字图像的分析区域转换为灰度图像;
(2)统计灰度图像中不同灰度级所对应的像素点个数;
(3)将不同灰度级对应的像素点个数除以总像素点数,得到该灰度图像各灰度级出现频率的分布曲线,即灰度分布图;其中横坐标为灰度级,纵坐标为灰度频率。
6.如权利要求1所述等离子体产物模式识别方法,其特征在于,步骤七中,所述等离子体源的产物模式,包括臭氧模式和非臭氧模式,当等离子体源工作于臭氧模式时,主要产物为臭氧;当等离子体源工作于非臭氧模式时,主要产物为氮氧化物。
7.如权利要求1所述等离子体产物模式识别方法,其特征在于,所述等离子体源对应的放电灰度图像中每个像素的灰度级为0~255以内的任意整数。
8.一种应用如权利要求1~7任意一项所述等离子体产物模式识别方法的等离子体产物模式识别系统,其特征在于,所述等离子体产物模式识别系统包括:
放电图像获取模块,用于获取等离子体源在不同条件下的放电可见光数字图像;
去噪滤波处理模块,用于对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;
分析区域截取模块,用于对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
灰度直方图获取模块,用于获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;
特征提取模块,用于对获得的所述灰度直方图进行相关特征提取;
特征组合分析模块,用于对提取的所述灰度直方图特征进行组合和可视化分析;
产物模式识别模块,用于根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取等离子体源在不同条件下的放电可见光数字图像;对获得的所述等离子体源放电可见光数字图像进行去噪滤波处理;对去噪滤波处理后的所述等离子体源放电可见光数字图像进行分析区域截取;
获得所截取的所述等离子体源放电可见光数字图像的分析区域对应的灰度直方图;对获得的所述灰度直方图进行相关特征提取;
对提取的所述灰度直方图特征进行组合和可视化分析;根据获得的所述灰度直方图的特征分析结果对等离子体源的产物模式进行识别。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端搭载权利要求8所述等离子体产物模式识别系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528550.0A CN113256514B (zh) | 2021-05-14 | 2021-05-14 | 等离子体产物模式识别方法、系统、计算机设备、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528550.0A CN113256514B (zh) | 2021-05-14 | 2021-05-14 | 等离子体产物模式识别方法、系统、计算机设备、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256514A CN113256514A (zh) | 2021-08-13 |
CN113256514B true CN113256514B (zh) | 2022-05-24 |
Family
ID=77182012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110528550.0A Active CN113256514B (zh) | 2021-05-14 | 2021-05-14 | 等离子体产物模式识别方法、系统、计算机设备、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256514B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1652181A (zh) * | 2005-03-01 | 2005-08-10 | 西安交通大学 | 交流等离子体显示器自适应子场编码驱动方法及装置 |
CN112508811A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 图像预处理方法、装置、设备以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102227478B1 (ko) * | 2014-08-05 | 2021-03-15 | 삼성디스플레이 주식회사 | 디스플레이 제어 장치, 디스플레이 제어 방법, 및 디스플레이 장치 |
RU2667790C1 (ru) * | 2017-09-01 | 2018-09-24 | Самсунг Электроникс Ко., Лтд. | Способ автоматической регулировки экспозиции для инфракрасной камеры и использующее этот способ вычислительное устройство пользователя |
-
2021
- 2021-05-14 CN CN202110528550.0A patent/CN113256514B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1652181A (zh) * | 2005-03-01 | 2005-08-10 | 西安交通大学 | 交流等离子体显示器自适应子场编码驱动方法及装置 |
CN112508811A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 图像预处理方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113256514A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2783328B1 (en) | Text detection using multi-layer connected components with histograms | |
CN110443110B (zh) | 基于多路摄像的人脸识别方法、装置、终端及存储介质 | |
WO2022088663A1 (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN109167893B (zh) | 拍摄图像的处理方法、装置、存储介质及移动终端 | |
EP2660753B1 (en) | Image processing method and apparatus | |
EP2584531A1 (en) | Gesture recognition device, gesture recognition method, and program | |
CN112597867A (zh) | 戴口罩人脸识别方法、系统、计算机设备及存储介质 | |
CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
US10679094B2 (en) | Automatic ruler detection | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN110910445A (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN112634235A (zh) | 产品图像的边界检测方法和电子设备 | |
JP2006285956A (ja) | 赤目検出方法および装置並びにプログラム | |
Kim et al. | Generalized facial manipulation detection with edge region feature extraction | |
CN113256514B (zh) | 等离子体产物模式识别方法、系统、计算机设备、终端 | |
CN109636832A (zh) | 停靠检测方法、装置、电子设备和存储介质 | |
CN114937165B (zh) | 一种类簇合并方法、装置、终端及计算机可读存储介质 | |
CN110363192A (zh) | 物件影像辨识系统及物件影像辨识方法 | |
CN116228861A (zh) | 探针台标记物定位方法、装置、电子设备及存储介质 | |
CN115937950A (zh) | 一种多角度人脸数据采集方法、装置、设备及存储介质 | |
WO2022193521A1 (zh) | 缺陷表征方法和装置 | |
CN112766109A (zh) | 一种红外弱小目标自适应检测方法 | |
CN112511725A (zh) | 一种内窥镜圈的自动识别方法、装置、存储介质及终端 | |
CN111931687A (zh) | 一种票据识别方法及装置 | |
JP2004127784A (ja) | 荷電粒子線装置 |
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 |