CN113295298A - 测温方法、测温装置、终端设备及存储介质 - Google Patents
测温方法、测温装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113295298A CN113295298A CN202110546943.4A CN202110546943A CN113295298A CN 113295298 A CN113295298 A CN 113295298A CN 202110546943 A CN202110546943 A CN 202110546943A CN 113295298 A CN113295298 A CN 113295298A
- Authority
- CN
- China
- Prior art keywords
- temperature
- image
- temperature measurement
- measurement target
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 240
- 238000001514 detection method Methods 0.000 claims abstract description 130
- 238000003709 image segmentation Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 62
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 19
- 230000007547 defect Effects 0.000 claims description 18
- 238000004861 thermometry Methods 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 238000013021 overheating Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 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
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供了一种测温方法、测温装置、终端设备及存储介质，涉及测温技术领域，能够准确且方便地对设备进行测温。该测温方法包括：获取第一图像，所述第一图像包含第一设备的信息；将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
Description
技术领域
本申请属于测温技术领域，尤其涉及一种测温方法、测温装置、终端设备及存储介质。
背景技术
在设备运行过程中，常常会通过对设备的温度进行监测以确定设备是否处于正常工作状态，并能在检测设备出现温度异常时予以快速的响应以及维护。
而目前，通常是通过人工在设备的测温点设置温度检测装置来对设备的温度进行检测。若设置的温度检测装置较少，则可能会导致检测效果较差；而要在设备的多个位置分别设置多个温度检测装置，则会导致成本较高，且可能受到设备结构的局限。此外，设备上的温度检测装置的安装和维护也较为耗时且费力，人力成本较高。因此，亟需一种准确且方便的设备温度检测方法。
发明内容
本申请实施例提供了一种测温方法、测温装置、终端设备及存储介质，可以准确且方便地对设备进行测温。
第一方面，本申请实施例提供了一种测温方法，包括：
获取第一图像，所述第一图像包含第一设备的图像信息；
将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；
通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；
针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
本申请实施例提供的测温方法，先获取包含第一设备的信息的第一图像，接着通过预设的目标检测模型对第一图像进行检测，以确定第一图像中包含的关于所述第一设备的待测温区域和待测温区域中包括至少一个测温目标，以了解第一图像中包含的测温目标。再接着，通过预设的图像分割模型对待测温区域进行进一步地处理，从所述待测温区域中，确定每一个所述测温目标的轮廓信息，从而屏蔽环境中的干扰因素，完成将各个测温目标从第一图像中的分离的目的，以便于后续获取测温结果时，避免受到环境中的干扰因素的干扰。最后，针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，完成对待测温区域中测温目标的精细化测温目的。
第二方面，本申请实施例提供了一种测温装置，包括：
第一获取模块，用于获取第一图像，所述第一图像包含第一设备的图像信息；
第二获取模块，用于将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；
确定模块，用于通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；
第三获取模块，用于针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的测温方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的测温方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的测温方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的测温方法的流程示意图。
图2是本申请一实施例提供的测温方法的步骤S11的具体实现流程示意图。
图3是本申请一实施例提供的第一图像的示意图。
图4是本申请一实施例提供的测温装置的结构示意图。
图5是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。
在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
请参阅图1，图1是本申请实施例提供的一种测温方法的实现流程图。本实施例中，测温方法用于在设备运维过程中对设备的温度进行测量，以便于通过测量的温度了解设备的工作状态，其执行主体为终端设备。该终端设备可以是执行运维任务的机器人自身，也可以机器人以外的其他设备。当终端设备为机器人以外的其他设备时，终端设备与机器人之间可以进行数据通信，以实现两者之间的数据交互，以及对机器人的控制等操作。
如图1所示，本申请实施例提供的测温方法包括以下步骤：
S11：获取第一图像，所述第一图像包含第一设备的图像信息。
在步骤S11中，第一图像为终端设备通过摄像设备拍摄的包含第一设备的信息的图片。可以理解的是，通过该第一图像，可以了解第一设备的外观以及第一设备所处的背景环境。
例如，第一设备为安装于一个角落的变电设备，终端设备通过摄像设备拍摄该角落的图片，该图片中包括该变电设备的图像信息。
第一设备为需要了解其工作状态的目标设备。例如，变电站的运维过程中，需要了解其工作状态的变电器。
在本实施例中，由于第一图像包含第一设备的图像信息，所以，可以通过获取第一图像来了解第一设备的表现结构，该表现结构可以包括第一设备整体形状结构、第一设备中可以从外部观察到的可能被测温的部件、确定的测温目标所对应的第一设备的外在表现部位以及第一设备的子设备等。因此，获取第一图像，能够为更好地确定第一设备所对应的测温目标，以供提供数据分析的基础。
至于何时获取第一图像，可以包括但不仅限于以下三个场景。
场景1：当机器人根据导航信息行驶至预设区域时，获取第一图像。
例如，在变电站中执行巡检任务的巡检机器人根据导航信息行驶至设置有第一设备的房间时，通过摄像设备获取第一图像。
场景2：当机器人检测到第一设备发送的目标信号时，获取第一图像。
例如，在变电站中执行巡检任务的巡检机器人行驶至设置第一设备的房间，且检测到第一设备广播的目标信号时，即表示巡检机器人距离第一设备在可观察的距离范围内，巡检机器人通过摄像设备获取第一图像。
场景3：当接收到测温指令时，获取第一图像。
例如，在变电站中执行巡检任务的巡检机器人行驶至设置第一设备的房间，且接收到针对第一设备的测温指令时，通过摄像设备获取第一图像。
应当理解的是，在实际应用中，用于获取第一图像的摄像设备可以设置于终端设备上，或设置于终端设备之外且与终端设备通信连接。其中，当摄像设备获取到第一图像之后，可以传输回终端设备，以便于终端设备对该第一图像进行处理，进而确定测温目标，并对测温目标进行测温，得到测温目标的测温结果。
S12：将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标。
在步骤S12中，待测温区域为包含第一设备中的测温目标的区域。例如，如图3中的测温目标A或测温目标B所分别对应的待测温区域。
测温目标为第一设备中待测温的部件或子设备。可以理解的是，为了更好地了解第一设备的工作状态，第一设备中的测温目标至少有一个。
示例的，参见图3，第一设备中包含的待测温的点包括A和B，且基于该2个点确定的矩形区域，则该矩形区域即为待测温区域，该待测温区域中包括A和B等2个测温目标。
在本实施例中，终端设备中预先存储有预先训练好的预设的目标检测模型。该预设的目标检测模型是使用机器学习算法，基于样本训练集对初始预设的目标检测模型训练得到。其中，初始预设的目标检测模型是本申请提供一种在包含第一设备的图像作为参考的情况下实现对第一图像进行测温目标的检测的深度学习网络模型。
可以理解的是，预设的目标检测模型可以由终端设备预先训练好，也可以由其他设备预先训练好后将预设的目标检测模型对应的文件移植至终端设备中。也就是说，训练该预设的目标检测模型的执行主体与使用该预设的目标检测模型进行测温目标检测的执行主体可以是相同的，也可以是不同的。例如，当采用其他设备训练初始预设的目标检测模型时，其他设备对初始预设的目标检测模型结束训练后，固定初始预设的目标检测模型的模型参数，得到预设的目标检测模型对应的文件，然后将该文件移植到终端设备中。
终端设备在获取到待检测的第一图像后，通过预设的目标检测模型对第一图像进行检测，以确定第一图像中包含的关于所述第一设备的待测温区域和待测温区域中包括至少一个测温目标，以了解第一图像中包含的测温目标，以便于后续确定测温目标所对应的测温结果。
S13：通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息。
在步骤S13中，终端设备在获得第一检测结果后，为了更好地对测温目标进行测温，通过预设的图像分割模型对待测温区域进行进一步地图像分割处理，从所述待测温区域中，确定每一个所述测温目标的轮廓信息，以便于根据每个测温目标的轮廓信息将对应的测温目标从待测温区域中分离出来，完成将各个测温目标从第一图像中的分离的目的，并借此屏蔽环境中的干扰因素，以便于后续获取测温目标的测温结果时，避免受到环境中的干扰因素的干扰。
示例的，参见图3，待测温区域中包括2个测温目标，通过预设的图像分割模型从该待测温区域中，确定测温目标A和测温目标B所分别对应的轮廓信息，以便于将测温目标A和测温目标B从第一图像中分离出来，便于测温操作。
在本实施例中，终端设备中预先存储有预先训练好的预设的图像分割模型。该预设的图像分割模型是使用机器学习算法，基于样本训练集对初始预设的图像分割模型训练得到。其中，初始预设的图像分割模型是本申请提供一种在待测温区域的图像包含各个测温目标作为参考的情况下实现对待测温区域中的测温目标进行分割处理的深度学习网络模型。
可以理解的是，预设的图像分割模型可以由终端设备预先训练好，也可以由其他设备预先训练好后将预设的图像分割模型对应的文件移植至终端设备中。也就是说，训练该预设的图像分割模型的执行主体与使用该预设的图像分割模型进行测温目标检测的执行主体可以是相同的，也可以是不同的。例如，当采用其他设备训练初始预设的图像分割模型时，其他设备对初始预设的图像分割模型结束训练后，固定初始预设的图像分割模型的模型参数，得到预设的图像分割模型对应的文件，然后将该文件移植到终端设备中。
S14：针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
在步骤S14中，温度检测信息为针对第一设备所在的环境区域进行温度检测而得到的数据。其中，通过温度检测信息可以了解第一设备中各个测温目标的温度检测情况和第一设备中除测温目标之外的温度检测情况。
可以理解的是，该温度检测信息中包括待测温区域中的各个测温目标所分别对应的温度检测数据。
测温结果用于描述测温目标所对应的温度情况。例如，第一设备为变电器，该变电器中的A部件为测温目标，通过测温结果了解到该A部件的温度为50℃。
在本实施例中，通过测温目标的轮廓信息可以定位测温目标在第一图像中的位置，基于该位置确定温度检测信息中记录的对应位置的温度检测情况，从而得到测温目标的测温结果。
示例的，参见图3，通过预设的图像分割模型确定测温目标A和测温目标B所分别对应的轮廓信息后，再分别根据针对所述第一设备的温度检测信息和各测温目标对应的轮廓信息，确定测温目标A的测温结果为36℃和测温目标B的测温结果为40℃。
在一些实施例中，针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，包括：
针对每个测温目标，根据所述测温目标所对应的轮廓信息，确定所述测温目标所占据的面积是否满足预设面积条件；
若所述测温目标所占据的面积满足预设面积条件，则执行根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果的步骤；
若所述测温目标所占据的面积不满足预设面积条件，则执行将所述第一图像输入预设的目标检测模型，获得第三检测结果，并通过预设的图像分割模型，从待测温区域中，确定所述测温目标的轮廓信息，以及根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果的步骤。其中，第三检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标。
在一些实施例中，针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，包括：
针对每个测温目标，确定所述测温目标的轮廓信息是否满足预设轮廓信息条件；
若所述测温目标的轮廓信息满足预设轮廓信息条件，则根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
本申请实施例提供的测温方法，先获取包含第一设备的信息的第一图像，接着通过预设的目标检测模型对第一图像进行检测，以确定第一图像中包含的关于所述第一设备的待测温区域和待测温区域中包括至少一个测温目标，以了解第一图像中包含的测温目标。接着，通过预设的图像分割模型对待测温区域进行进一步地处理，从所述待测温区域中，确定每一个所述测温目标的轮廓信息，从而屏蔽环境中的干扰因素，完成将各个测温目标从第一图像中的分离的目的，以便于后续获取测温结果时，避免受到环境中的干扰因素的干扰。最后，针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，完成待测温区域中测温目标的精细化测温目的。
参见图2，在本申请一实施例中，所述获取第一图像，包括：
S21：获取红外摄像头采集的温度矩阵数据；
S22：根据所述温度矩阵数据，生成所述第一图像。
在本实施例中，温度矩阵数据用于描述第一设备所在的环境区域的温度情况。可以理解的是，该温度矩阵数据包括第一设备所对应的待测温区域中的测温目标的温度情况，以及测温目标之外的其它地方的温度情况。
在本实施例中，第一图像可以为基于温度矩阵数据生成的彩色红外图，或是基于温度矩阵数据生成的非彩色图。
在本实施例中，通过红外摄像头采集第一设备所在的环境区域各个点的温度值和第一设备的各个点的温度值，并根据该各个点的温度值得到温度矩阵数据。进一步地，根据温度矩阵数据作预设的图像生成处理，得到第一图像，例如根据温度矩阵数据作预设的彩色图像处理后，映射得到第一图像。通过本实施例的方案，由于通过对温度矩阵数据的处理可以转化为彩色红外图，而却不能通过彩色红外图反向生成温度矩阵数据，所以，本实施例获取温度矩阵数据之后，可以将采集的温度矩阵数据作为备用，或以便于后续可以基于该温度矩阵数据，对第一设备的工作状态进行二次核查，从而更好地了解第一设备的工作状态。
在一种可能的场景中，如在变电站运维场景中，由于变电站中的带电运行设备相较于环境，在红外图像中具有良好的主背景分离现象和设备区别性，因此通过红外摄像头采集温度矩阵数据，并生成第一图像，有利于实现对第一设备和测温目标的层级检测的目的，能够更好地通过层级检测，精确地定位测温目标，从而精确地测温，或进行类如缺陷分析的操作。
在一些实施例中，温度矩阵数据包括多行温度数据。其中，根据温度矩阵数据生成第一图像之后，第一图像与温度矩阵数据存在一一对应关系。
例如，温度矩阵数据中某一行中包括的一个温度值，该温度值在温度矩阵数据中的位置与第一图像中的某一个像素的位置对应，即温度矩阵数据的温度值的位置与第一图像中的像素的位置之间为一一对应关系，其目的是，当需要了解第一图像中的某一个测温目标的温度情况时，可以基于该测温目标的位置，直接从温度矩阵数据中寻找到相对应位置的温度数据，并将该温度数据作为该测温目标的测温结果。
在一实施例中，为了便于对测温目标进行检测，且克服目前检测算法难以对小目标进行检测的局限性，获得第一图像之后，对第一图像进行三层级别的精细化标注，即第一个层级标注为第一设备的矩形框，第二个层级为测温目标矩形框，第三个层级为测温目标轮廓区域。
作为本申请一种可能实现方式，所述根据所述温度矩阵数据，生成所述第一图像，包括：
对所述温度矩阵数据进行预设的滤波处理，得到滤波后的温度矩阵数据；
对所述滤波后的温度矩阵数据进行标准正太分布处理，得到正态化后的温度矩阵数据；
对所述正态化后的温度矩阵数据进行归一化处理，得到归一化后的温度矩阵数据；
根据所述归一化后的温度矩阵数据，生成灰度图；
根据所述灰度图，得到所述第一图像。
在本实施例中，预设的滤波处理包括中值滤波处理和均值滤波处理中的至少一种。
可以理解的是，在温度矩阵数据的采集过程中，时常包含较多的时段，且不同时段的环境及设备温度可能有所不同，所以，为了使同一个测温点转化生成的第一图像的像素分布较为统一，因此需要对温度矩阵数据进行预设的滤波处理、标准正太分布处理和归一化处理，并基于归一化后的温度矩阵数据，生成灰度图，接着根据灰度图，得到像素分布较为统一的第一图像。其中，标准正太分布处理和归一化处理可以参见现有技术中的相关技术方案，在此不再赘述。
在一些实施例中，对灰度图进行彩色图像处理，得到第一图像。
在本申请一实施例中，所述温度检测信息包含所述温度矩阵数据。
所述针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，包括：
针对每个测温目标，根据所述温度矩阵数据和所述轮廓信息，获得所述测温目标的测温结果。
在本实施例中，由于温度矩阵数据中包括第一设备所对应的环境区域的各个点的温度，且是基于温度矩阵数据生成第一图像，所以当确定第一图像中的测温目标的轮廓信息之后，可以将该轮廓信息与温度矩阵数据中相对应位置进行匹配，并将匹配成功的位置所对应的温度作为测温目标的测温结果。
在本申请一实施例中，所述将所述第一图像输入预设的目标检测模型，获得第一检测结果，包括：
将所述第一图像输入第一目标检测模型，获得第二检测结果，所述第二检测结果包含所述第一图像中的初始区域的信息，所述初始区域包含所述第一设备的图像信息；
根据所述第一图像中的所述初始区域，获得第二图像；
将所述第二图像输入第二目标检测模型，获得所述第一检测结果。
在本实施例中，终端设备在获取到第一图像之后，为了确定第一图像中第一设备所对应的测温目标，先将第一图像输入第一目标检测模型，以通过第一检测模型对第一图像中第一设备的位置进行初步定位，并得到能够描述包含第一设备的图像信息的初始区域的第二检测结果。进一步地，为了进一步地确定第一设备所对应的测温目标的位置，先根据第一图像中的所述初始区域，获得第二图像，并将第二图像作为第二目标检测模型的输入数据，以通过第二目标检测模型对初始区域中的第一设备所对应的测温目标的位置进行精准定位，并得到能够描述所述第一设备的待测温区域的第一检测结果，以便于后续可以继续基于预设的图像分割模型对待测温区域中的测温目标进行检测，得到每个测温目标的轮廓信息，从而便于基于轮廓信息屏蔽待测温区域中除测温目标之外的背景信息。
可以理解的是，由于第一目标检测模型和第二目标检测模型所分别检测的对象有所差异，所以，第一目标检测模型和第二目标检测模型可以是分别采用的不同的训练数据集对初始第一目标检测模型和初始第二目标检测模型进行训练得到的。
在一实施例中提供了一种测温方法，主要涉及对第一目标检测模型、第二目标检测模型和预设的图像分割模型的训练过程。
在本实施例中，获取多个温度矩阵数据，并基于每个温度矩阵数据转化得到一个训练图像。其中，对于每一个训练图像，依据三级别标注的原则，按三个级别分别对训练图像中的第一设备、待测温区域和测温目标进行定位标注。接着，根据前述的标注分离和裁剪得到对应每个标注级别的训练数据集。其中，第一份数据集对应级别一的标注，包含用于标注了第一设备的位置的训练图像；第二份数据集对应级别二的标注，包含训练图像中的第一设备的子图以及待测温区域；第三份数据集对应级别三的标注，包含了从训练图像中分离出来且不包含背景的测温目标。当得到上述三份数据集之后，利用第一份数据集、第二份数据集和第三份数据集分别对初始的第一目标检测模型、初始的第二目标检测模型和初始的图像分割模型进行训练，以得到最后的第一目标检测模型、第二目标检测模型和预设的图像分割模型。
在本申请一实施例中，所述第二图像中包括根据目标放大倍数放大后的所述初始区域。
在本实施例中，根据目标放大倍数放大后的所述初始区域，其目的在于当第一图像中包含的第一设备所对应的测温目标很小，且由于算法的精度问题，通过目标检测算法较难直接检测到时，经过对包含第一设备的初始区域进行目标放大倍数的放大处理后，可以较好地通过第二目标检测模型对第二图像中包括的放大目标放大倍数后的初始区域中的第一设备的位置进行更精确地检测，得到包含检测得到的关于所述第一设备的待测温区域的第一检测结果，以便于后续可以更精细化地对测温目标进行测温。
在一实施例中，通过坐标转化的方式对所述初始区域进行放大目标放大倍数。具体地，在通过第一目标检测模型初步定为第一图像中的初始区域之后，通过坐标转化的方式放大初始区域的像素，以得到第二图像，以便于通过第二目标检测模型进行对第二图像进行检测时，可以较好地检测到第二图像中存在的待测温区域，最终得到第一检测结果。
也即是说，对于目前利用深度学习目标检测算法对目标进行检测时，由于算法的精度问题，存在着无法或较难准确地检测图像中的小目标的难题，通过本实施例的方案便可以较好地解决该难题，即通过本实施例的方案可以较好地规避基于深度学习目标检测算法的小目标检测难题，实现检测小目标的目的，从而更精细地检测第一设备所对应的测温目标，以便于更好地确定该测温目标的测温结果。
在本申请一实施例中，在针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果之后，还包括：
根据每一个所述测温目标的测温结果，确定每一个所述测温目标的缺陷诊断信息。
在本实施例中，缺陷诊断信息描述的是测温目标处是否存在缺陷。例如，当测温目标的测温结果显示该测温目标的温度高于预设温度值时，则表示该测温目标存在过热缺陷，对应的缺陷诊断信息描述该测温目标存在过热缺陷。
可以理解的是，由于测温结果能够描述测温目标的温度情况，可以通过该温度情况来反应第一设备的工作状态，所以，当第一设备处于正常的工作状态时，各个测温目标所对应的测温结果也显示正常，当第一设备处于异常的工作状态时，则各个测温目标所分别对应的测温结果中也将存在异常的测温结果。
在本实施例中，测温结果包括测温目标的位置信息和对应的温度值。每当获得一个测温目标的测温结果，则将所述测温目标的温度值与预设温度值进行比较，若确定该测温目标的温度值高于所述预设温度值，则确定测温目标的温度存在过热缺陷，表示第一设备的工作状态异常。反之，若确定该测温目标的温度值低于或等于所述预设温度值，则确定测温目标的温度不存在过热缺陷，表示第一设备处于正常运行的工作状态。
在一种可能的应用场景中，第一设备为变电站中的带电运行的变电站设备。根据每一个所述测温目标的测温结果，确定每一个所述测温目标的缺陷诊断信息，从而根据该缺陷诊断信息确定变电站设备是否存在缺陷，从而完成变电站设备自动缺陷分析的目的。
在一些实施例中，当超过预设个数比例的测温目标的缺陷诊断信息指示测温目标的温度异常时，确定第一设备的工作状态异常。其中，根据所述第一设备的工作状态异常的信息，生成异常告警信息发送至第二设备，以便于用户通过第二设备查看第一设备的异常情况。
其中，预设个数比例为确定第一设备的工作状态异常时，缺陷诊断信息指示正常的测温目标的个数与缺陷诊断信息指示异常的测温目标的个数之间的最低比值。
本申请实施例提供的测温方法，先获取包含第一设备的信息的第一图像，接着通过预设的目标检测模型对第一图像进行检测，以确定第一图像中包含的关于所述第一设备的待测温区域和待测温区域中包括至少一个测温目标，以了解第一图像中包含的测温目标。接着，通过预设的图像分割模型对待测温区域进行进一步地处理，从所述待测温区域中，确定每一个所述测温目标的轮廓信息，从而屏蔽环境中的干扰因素，完成将各个测温目标从第一图像中的分离的目的，以便于后续获取测温结果时，避免受到环境中的干扰因素的干扰。最后，针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，完成待测温区域中测温目标的精细化测温目的。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的测温方法，图4示出了本申请实施例提供的测温装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图4，该测温装置100包括：
第一获取模块101，用于获取第一图像，所述第一图像包含第一设备的图像信息；
第二获取模块102，用于将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；
确定模块103，用于通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；
第三获取模块104，用于针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
在一实施例中，第一获取模块101，还用于获取红外摄像头采集的温度矩阵数据；根据所述温度矩阵数据，生成所述第一图像。
在一实施例中，第一获取模块101，还用于对所述温度矩阵数据进行预设的滤波处理，得到滤波后的温度矩阵数据；对所述滤波后的温度矩阵数据进行标准正太分布处理，得到正态化后的温度矩阵数据；对所述正态化的温度矩阵数据进行归一化处理，得到归一化后的温度矩阵数据；根据所述归一化后的温度矩阵数据，生成灰度图；根据所述灰度图，得到所述第一图像。
在一实施例中，所述温度检测信息包含所述温度矩阵数据。
第三获取模块104，还用于针对每个测温目标，根据所述温度矩阵数据和所述轮廓信息，获得所述测温目标的测温结果。
在一实施例中，第二获取模块102，还用于将所述第一图像输入第一目标检测模型，获得第二检测结果，所述第二检测结果包含所述第一图像中的初始区域的信息，所述初始区域包含所述第一设备的图像信息；根据所述第一图像中的所述初始区域，获得第二图像；将所述第二图像输入第二目标检测模型，获得所述第一检测结果。
在一实施例中，所述第二图像中包括根据目标放大倍数放大后的所述初始区域。
在一实施例中，所述测温装置100还包括诊断模块。
所述诊断模块，用于根据每一个所述测温目标的测温结果，确定每一个所述测温目标的缺陷诊断信息。
本实施例提供的一种测温装置，具体可以为机器人，用于实现方法实施例中所述的任一种测温方法，其中各个模块的功能可以参考方法实施例中相应的描述，其实现原理和技术效果类似，此处不再赘述。
图5为本申请一实施例提供的终端设备的结构示意图。如图5所示，该实施例的终端设备5包括：至少一个处理器50(图5中仅示出一个处理器)、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述任意一个测温方法实施例中的步骤。
所述终端设备5可以是机器人、手机、桌上型计算机、笔记本、掌上电脑及云端服务器等设备。该终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的举例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述设备、装置/模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块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，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种终端设备，该终端设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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来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。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口、装置或单元的间接耦合或通讯连接，可以是电性、机械或其它的形式。
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。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种测温方法，其特征在于，包括：
获取第一图像，所述第一图像包含第一设备的图像信息；
将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；
通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；
针对每个测温目标，根据针对所述第一设备的温度检测信息和所述测温目标的轮廓信息，获得所述测温目标的测温结果。
2.如权利要求1所述的测温方法，其特征在于，所述获取第一图像，包括：
获取红外摄像头采集的温度矩阵数据；
根据所述温度矩阵数据，生成所述第一图像。
3.如权利要求2所述的测温方法，其特征在于，所述根据所述温度矩阵数据，生成所述第一图像，包括：
对所述温度矩阵数据进行预设的滤波处理，得到滤波后的温度矩阵数据；
对所述滤波后的温度矩阵数据进行标准正太分布处理，得到正态化后的温度矩阵数据；
对所述正态化的温度矩阵数据进行归一化处理，得到归一化后的温度矩阵数据；
根据所述归一化后的温度矩阵数据，生成灰度图；
根据所述灰度图，得到所述第一图像。
4.如权利要求2所述的测温方法，其特征在于，所述温度检测信息包含所述温度矩阵数据；
所述针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果，包括：
针对每个测温目标，根据所述温度矩阵数据和所述轮廓信息，获得所述测温目标的测温结果。
5.如权利要求1所述的测温方法，其特征在于，所述将所述第一图像输入预设的目标检测模型，获得第一检测结果，包括：
将所述第一图像输入第一目标检测模型，获得第二检测结果，所述第二检测结果包含所述第一图像中的初始区域的信息，所述初始区域包含所述第一设备的图像信息；
根据所述第一图像中的所述初始区域，获得第二图像；
将所述第二图像输入第二目标检测模型，获得所述第一检测结果。
6.如权利要求5所述的测温方法，其特征在于，所述第二图像中包括根据目标放大倍数放大后的所述初始区域。
7.如权利要求1至6任意一项所述的测温方法，其特征在于，在针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果之后，还包括：
根据每一个所述测温目标的测温结果，确定每一个所述测温目标的缺陷诊断信息。
8.一种测温装置，其特征在于，所述测温装置包括：
第一获取模块，用于获取第一图像，所述第一图像包含第一设备的图像信息；
第二获取模块，用于将所述第一图像输入预设的目标检测模型，获得第一检测结果，所述第一检测结果包含检测得到的关于所述第一设备的待测温区域，所述待测温区域中包括至少一个测温目标；
确定模块，用于通过预设的图像分割模型，从所述待测温区域中，确定每一个所述测温目标的轮廓信息；
第三获取模块，用于针对每个测温目标，根据针对所述第一设备的温度检测信息和所述轮廓信息，获得所述测温目标的测温结果。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的测温方法。
10.一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，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的测温方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110546943.4A CN113295298A (zh) | 2021-05-19 | 2021-05-19 | 测温方法、测温装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110546943.4A CN113295298A (zh) | 2021-05-19 | 2021-05-19 | 测温方法、测温装置、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113295298A true CN113295298A (zh) | 2021-08-24 |
Family
ID=77322810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110546943.4A Pending CN113295298A (zh) | 2021-05-19 | 2021-05-19 | 测温方法、测温装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113295298A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107784661A (zh) * | 2017-09-08 | 2018-03-09 | 上海电力学院 | 基于区域生长法的变电站设备红外图像分类识别方法 |
| CN108955901A (zh) * | 2017-07-06 | 2018-12-07 | 深圳市朗驰欣创科技股份有限公司 | 一种红外测温方法、系统及终端设备 |
| CN109377469A (zh) * | 2018-11-07 | 2019-02-22 | 永州市诺方舟电子科技有限公司 | 一种热成像融合可见光图像的处理方法、系统及存储介质 |
| CN111044149A (zh) * | 2019-12-19 | 2020-04-21 | 国网重庆市电力公司电力科学研究院 | 电压互感器的温度异常点检测方法、装置及可读存储介质 |
| WO2020124701A1 (zh) * | 2018-12-18 | 2020-06-25 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
| CN111768376A (zh) * | 2020-06-24 | 2020-10-13 | 山东科技大学 | 一种涡流热成像边缘检测方法、系统、存储介质及应用 |
| JP2021179971A (ja) * | 2020-05-27 | 2021-11-18 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 小目標を検出するための方法及び装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム |
-
2021
- 2021-05-19 CN CN202110546943.4A patent/CN113295298A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108955901A (zh) * | 2017-07-06 | 2018-12-07 | 深圳市朗驰欣创科技股份有限公司 | 一种红外测温方法、系统及终端设备 |
| CN107784661A (zh) * | 2017-09-08 | 2018-03-09 | 上海电力学院 | 基于区域生长法的变电站设备红外图像分类识别方法 |
| CN109377469A (zh) * | 2018-11-07 | 2019-02-22 | 永州市诺方舟电子科技有限公司 | 一种热成像融合可见光图像的处理方法、系统及存储介质 |
| WO2020124701A1 (zh) * | 2018-12-18 | 2020-06-25 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
| CN111044149A (zh) * | 2019-12-19 | 2020-04-21 | 国网重庆市电力公司电力科学研究院 | 电压互感器的温度异常点检测方法、装置及可读存储介质 |
| JP2021179971A (ja) * | 2020-05-27 | 2021-11-18 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 小目標を検出するための方法及び装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム |
| CN111768376A (zh) * | 2020-06-24 | 2020-10-13 | 山东科技大学 | 一种涡流热成像边缘检测方法、系统、存储介质及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
| CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
| CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
| EP3844668A1 (en) | System and method for training a damage identification model | |
| CN108955901B (zh) | 一种红外测温方法、系统及终端设备 | |
| CN113052295B (zh) | 一种神经网络的训练方法、物体检测方法、装置及设备 | |
| CN110175519B (zh) | 一种变电站的分合标识仪表识别方法、装置与存储介质 | |
| CN110705540B (zh) | 基于rfid和深度学习的兽药生产指针式仪表图像识别方法和装置 | |
| CN113532882A (zh) | 一种汽车仪表测试方法、装置、系统及存储介质 | |
| WO2020047316A1 (en) | System and method for training a damage identification model | |
| CN114227717A (zh) | 基于巡检机器人的智能巡检方法、装置、设备及存储介质 | |
| CN103913150B (zh) | 智能电能表电子元器件一致性检测方法 | |
| CN117173125A (zh) | 一种基于全景图的缺陷点位显示方法、装置及存储介质 | |
| CN105260606A (zh) | 移动式医疗光学信息采集系统 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN113295298A (zh) | 测温方法、测温装置、终端设备及存储介质 | |
| CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
| CN111815552A (zh) | 一种工件检测方法、装置、可读存储介质及终端设备 | |
| CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
| CN112927338B (zh) | 基于三维轮廓的仿真方法、存储介质及计算机设备 | |
| CN115631169A (zh) | 产品检测方法、装置、电子设备及存储介质 | |
| CN111124862B (zh) | 智能设备性能测试方法、装置及智能设备 | |
| CN110866440B (zh) | 一种指针仪表深度学习网络搭建方法、检测方法及其系统 | |
| CN115393838A (zh) | 指针式仪表读数识别方法、装置、电子设备及存储介质 | |
| CN112184701A (zh) | 检测结果的确定方法、装置及系统 |
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 |