CN113689426A - 基于图像处理的消防器械缺陷检测方法 - Google Patents
基于图像处理的消防器械缺陷检测方法 Download PDFInfo
- Publication number
- CN113689426A CN113689426A CN202111137830.5A CN202111137830A CN113689426A CN 113689426 A CN113689426 A CN 113689426A CN 202111137830 A CN202111137830 A CN 202111137830A CN 113689426 A CN113689426 A CN 113689426A
- Authority
- CN
- China
- Prior art keywords
- hardening
- sub
- coil
- radial
- degree
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 76
- 230000032683 aging Effects 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000000875 corresponding effect Effects 0.000 claims description 80
- 239000000203 mixture Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000011179 visual inspection Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 239000000084 colloidal system Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000208202 Linaceae Species 0.000 description 1
- 235000004431 Linum usitatissimum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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 Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的消防器械缺陷检测方法。该方法采集水带盘卷的正面图像,获取正面图像中水带盘卷的感兴趣区域;由感兴趣区域中每个径向上的像素点位置和对应的像素值得到该径向的径向灰度值曲线,根据径向灰度值曲线获取多个子高斯模型以得到每个子高斯模型的参数,基于参数为每个径向对应的水带盘卷位置设置硬化权重,结合硬化权重和参数分别获取盘卷面硬化程度和盘卷边缘硬化程度,以得到水带盘卷的老化程度,根据老化程度对水带盘卷进行更换。利用每个径向上像素点对应的高斯模型获取水带盘卷的老化程度,提高了检测的准确率,也避免水带展开目检或设备自动检测以提高检测效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的消防器械缺陷检测方法。
背景技术
随着社会经济的发展,消防事业也得到长足发展,但一般的企业单位内部对消防器材的维护与检修并不重视,导致火灾事故发生时,消防器材因缺乏维护而故障,造成较大的经济损失。
针对消防器械中应用最为广泛的消防水带进行老化缺陷检测,消防水带的老化缺陷包括破损和内层胶质老化等现象,这些现象均会导致消防水带报废,因此需要对有缺陷的消防水带进行统一的报废检测。
现有技术中对于消防水带的老化缺陷的检测方式多为人工目检,或利用检测设备基于表面图像纹理来检测,但人工目检耗时费力,易漏检错检,而对水带表面纹理检测仅能检测出破损,且对于外部亚麻层完好但内部胶质老化变硬开裂的老化缺陷无法检测。
发明内容
得到所述径向对应的每个所述子高斯模型的所述面老化贡献指标的方法,包括:
对于所述二维坐标系中其他点对应的所述标准差,计算每个所述标准差与其左右相邻所述标准差之间的左差值和右差值,结合所述左差值、所述右差值和对应所述标准差得到对应所述子高斯模型的所述面老化贡献指标。
优选的,所述每个所述子高斯模型的边缘老化贡献指标的获取方法,包括:
将所述径向对应的多个所述子高斯模型的所述标准差组成该径向的标准差序列,计算所述标准差序列的方差和标准差均值,结合所述方差和所述标准差均值计算该径向对应的每个所述子高斯模型的所述边缘老化贡献指标。
优选的,所述盘卷面硬化程度与所述老化程度呈正相关、所述盘卷边缘硬化程度与所述老化程度呈正相关。
本发明实施例至少具有如下有益效果:通过水带盘卷的径向上像素点的像素值来获取像素点变化的高斯模型,利用高斯模型的特征参数来间接表征水带硬化产生的卷曲阴影变化,进而利用水带盘卷中每个径向的高斯模型获取水带盘卷的老化程度,提高了检测的准确率,也避免水带展开目检或设备自动检测以提高检测效率。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的一种基于图像处理的消防器械缺陷检测方法的步骤流程图;
图2为本发明实施例所提供的关于水带盘卷的示意图;
图3为本发明实施例所提供的关于由每个径向对应的角度和第一序列对应的标准差所建立的二维坐标系的示意图;
图4为本发明实施例所提供的关于二维坐标系中峰值点和谷值点的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像处理的消防器械缺陷检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像处理的消防器械缺陷检测方法的具体方案。
本发明实施例所针对的具体场景为:利用相机获取消防水带盘卷的图像,通过对该图像处理计算其老化程度,并根据老化程度判断是否需要更换新水带。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像处理的消防器械缺陷检测方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集水带盘卷的正面图像,获取正面图像中水带盘卷的感兴趣区域;感兴趣区域是由预设的盘卷层数形成的。
具体的,利用相机采集如图2所示的水带盘卷的正视图像,对正面图像进行基于灰度直方图的阈值分割:以灰度直方图的各个最低点对应的像素值为分割阈值,将正视图像分为背景、水带本体、阴影三大类,且将背景与阴影的像素值置0、水带本体的像素值不变。
标记水带盘卷中心,沿水带盘卷中心的各个径向统计背景像素值连续出现的次数,当次数为时,记录最后一次出现的像素点位置,将其连为最外侧边缘,再将初始位置连成内侧边缘,其最外侧边缘和内侧边缘形成的范围即为水带盘卷的感兴趣区域。
步骤S002,基于基准径向以预设采样角度得到感兴趣区域中的所有径向,径向是指水带盘卷中心到水带盘卷边缘的方向,基准径向是指垂直于水带盘卷中心向上的方向;根据径向上的像素点位置和对应的像素值得到该径向对应角度下的径向灰度值曲线,利用混合高斯模型拟合径向灰度值曲线得到多个子高斯模型,子高斯模型的数量与盘卷层数相等;利用EM算法得到每个子高斯模型的参数,基于参数为每个径向对应的水带盘卷位置设置硬化权重,结合硬化权重和参数分别得到感兴趣区域中的盘卷面硬化程度和盘卷边缘硬化程度。
具体的,将垂直于水带盘卷中心向上的方向设为基准径向,基于基准径向以为预设采样角度得到感兴趣区域中的所有径向,其中,为自设的采样个数,径向是指水带盘卷中心到水带盘卷边缘的方向。获取感兴趣区域中各径向上每个像素点的像素值,根据像素点位置和对应的像素值得到该径向对应角度下的径向灰度值曲线。利用混合高斯模型拟合所有径向的径向灰度值曲线,得到每个径向灰度值曲线是由个子高斯模型得到的,也即是混合高斯模型是由个子高斯模型组成的,则以当前角度下对应的径向为例,混合高斯模型为:
需要说明的是,对于一个径向灰度值曲线来说,可以知道其对应径向与基准径向的夹角、对应混合高斯模型的个子高斯模型的参数{,,}(=1,2,…,),将这些子高斯模型按均值从小到大排列后的序列为,其中,表示序列中的第个子高斯模型,且对应了第个子高斯模型的三个参数为{,,}。
由于水带盘卷越松的地方,水带的面硬化程度表征越不受卷曲堆叠影响,其表现出的状态越接近自然状态,即此时其越能表现出硬化特征,因此本发明实施例基于感兴趣区域中各径向上的像素点拟合的个子高斯模型,给对应水带盘卷位置设置面硬化权重,结合面硬化权重和子高斯模型的参数获取感兴趣区域中水带盘卷的盘卷面硬化程度,则对于水带盘卷的盘卷面硬化程度,其具体的获取过程为:
具体的,如图2所示的水带盘卷,由于水带盘卷长期使用的情况,造成水带盘卷逐渐硬化,进而使得基于水带盘卷中心垂直向上的方向到垂直向下的方向过程中的部分水带盘卷越来越往下松弛,则松弛部分所对应的径向的面硬化径权重也越大。从基准径向开始,由上到下对应径向的面硬化径权重的计算公式为:
具体的,水带盘卷越靠近外侧的地方越松弛,相对应的靠近外侧所对应的子高斯模型的均值越大,则其对应的面硬化径上权重越大。由于一个径向对应一个序列,根据序列中的个子高斯模型的参数,利用参数中的均值获取该径向上第个子高斯模型对应的面硬化径上权重,则面硬化径上权重的计算公式为:
对于一个第一序列来说,其每个标准差对应的子高斯模型的面老化贡献不同,而标准差最大和标准差最小的子高斯模型的面老化贡献指标为1,也即是图4所示的二维坐标系中的峰值点A和谷值点B对应的子高斯模型的面老化贡献指标为1,而对于二维坐标系中其他点对应的标准差,其对应子高斯模型的面老化贡献指标的方法为:以第一序列中的标准差为例,计算标准差对应的面老化贡献指标,需要知道该标准差离成为峰值点或谷值点的最近距离,即计算其离成为峰值点或谷值点的差值,因此在使原有的峰值点和谷值点不变化的条件下,标准差距离成为峰值点或谷值点的差值与其左右相邻位置的标准差有关,计算标准差与其左右标准差的左差值和右差值,结合左差值、右差值和对应标准差得到对应子高斯模型的面老化贡献指标,则该标准差对应的面老化贡献指标的计算公式为:
同理,由于水带盘卷越紧的地方,水带的边缘硬化程度越表征明显,当水带较松弛时,无法确认边缘是否受面硬化程度影响,而当水带盘卷较为紧密堆叠时其边缘的厚度可表征其固有的硬化状态,因此本发明实施例基于感兴趣区域中各径向上的像素点拟合的个子高斯模型,给对应水带盘卷位置设置边缘硬化权重,结合边缘硬化权重和子高斯模型的参数获取感兴趣区域中水带盘卷的盘卷边缘硬化程度,则对于水带盘卷的盘卷边缘硬化程度,其具体的获取过程为:
具体的,与面硬化径权重相反的是,基于水带盘卷中心垂直向下的方向到垂直向上的方向过程中的部分水带盘卷越来越紧密,则其对应的边缘硬化权重就越来越大。从基准径向开始,由下到上对应径向的边缘硬化径权重的计算公式为:
具体的,水带盘卷越靠近水带盘卷中心的地方越紧密,相对应的子高斯模型的均值越小,则其对应的边缘硬化径上权重越大。对于一个径向的序列,根据序列中的个子高斯模型的参数,利用参数中的均值获取该径向上第个子高斯模型对应的边缘硬化径上权重,则边缘硬化径上权重的计算公式为:
具体的,将径向对应的多个子高斯模型的标准差组成该径向的标准差序列,即以一个径向的序列为例,其序列对应的标准差序列为,计算该标准差序列的方差和标准差均值,结合方差和标准差均值计算该径向对应的第个子高斯模型的边缘老化贡献指标,则计算公式为:
步骤S003,由盘卷面硬化程度和盘卷边缘硬化程度得到水带盘卷的老化程度,根据老化程度对水带盘卷进行更换。
进一步地,根据经验设置老化程度的阈值,由阈值和老化程度判断水带是否需要更换:
综上所述,本发明实施例中提供了一种基于图像处理的消防器械缺陷检测方法,该方法采集水带盘卷的正面图像,获取正面图像中水带盘卷的感兴趣区域;由感兴趣区域中每个径向上的像素点位置和对应的像素值得到该径向对应角度下的径向灰度值曲线,根据径向灰度值曲线获取多个子高斯模型以得到每个子高斯模型的参数,基于参数为每个径向对应的水带盘卷位置设置硬化权重,结合硬化权重和参数分别得到感兴趣区域中的盘卷面硬化程度和盘卷边缘硬化程度;由盘卷面硬化程度和盘卷边缘硬化程度得到水带盘卷的老化程度,根据老化程度对水带盘卷进行更换。利用每个径向上像素点对应的高斯模型获取水带盘卷的老化程度,提高了检测的准确率,也避免水带展开目检或设备自动检测以提高检测效率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像处理的消防器械缺陷检测方法,其特征在于,该方法包括:
采集水带盘卷的正面图像,获取所述正面图像中所述水带盘卷的感兴趣区域;所述感兴趣区域是由预设的盘卷层数形成的所述水带盘卷;
基于基准径向以预设采样角度得到所述感兴趣区域中的所有径向,所述径向是指水带盘卷中心到水带盘卷边缘的方向,所述基准径向是指垂直于所述水带盘卷中心向上的方向;根据所述径向上的像素点位置和对应的像素值得到该径向对应角度下的径向灰度值曲线,利用混合高斯模型拟合所述径向灰度值曲线得到多个子高斯模型,所述子高斯模型的数量与所述盘卷层数相等;利用EM算法得到每个所述子高斯模型的参数,基于所述参数为每个所述径向对应的水带盘卷位置设置硬化权重,结合所述硬化权重和所述参数分别得到所述感兴趣区域中的盘卷面硬化程度和盘卷边缘硬化程度;
由所述盘卷面硬化程度和所述盘卷边缘硬化程度得到所述水带盘卷的老化程度,根据所述老化程度对所述水带盘卷进行更换。
2.如权利要求1所述的方法,其特征在于,所述参数包括均值、标准差和权重。
3.如权利要求2所述的方法,其特征在于,所述基于所述参数为每个所述径向对应的水带盘卷位置设置硬化权重的方法,包括:
根据所述径向的采样个数和每个所述径向对应的角度分别计算所述感兴趣区域中各个所述径向对应的面硬化径权重和边缘硬化径权重;
根据每个径向对应的多个所述子高斯模型的所述均值分别得到所述感兴趣区域中各个所述径向对应的面硬化径上权重和边缘硬化径上权重;
根据每个所述径向对应的多个所述子高斯模型的所述标准差分别得到每个所述子高斯模型的面老化贡献指标和边缘老化贡献指标。
4.如权利要求3所述的方法,其特征在于,所述盘卷面硬化程度的获取方法,包括:
结合所述径向对应的所述面硬化径权重和所述面硬化径上权重、所述径向对应的每个所述子高斯模型所述面老化贡献指标和所述权重得到由所述感兴趣区域中所有径向计算的所述盘卷面硬化程度。
5.如权利要求3所述方法,其特征在于,所述盘卷边缘硬化程度的获取方法,包括:
结合所述径向对应的所述边缘硬化径权重和所述边缘硬化径上权重、所述径向对应的每个所述子高斯模型所述边缘老化贡献指标和所述权重得到由所述感兴趣区域中所有径向计算的所述盘卷边缘硬化程度。
6.如权利要求3所述的方法,其特征在于,所述每个所述子高斯模型的面老化贡献指标的获取方法,包括:
基于每个所述径向的多个所述子高斯模型的所述参数,将所有径向中同一个所述子高斯模型的所述标准差组成第一序列,由每个所述径向对应的所述角度和所述第一序列对应的所述标准差构建二维坐标系;
由所述二维坐标系中的峰值点和谷值点得到所述径向对应的每个所述子高斯模型的所述面老化贡献指标。
7.如权利要求6所述的方法,其特征在于,所述由所述二维坐标系中的峰值点和谷值点得到所述径向对应的每个所述子高斯模型的所述面老化贡献指标的方法,包括:
将所述峰值点和所述谷值点对应的所述子高斯模型的所述面老化贡献指标为1。
8.如权利要求7所述的方法,其特征在于,所述由所述二维坐标系中的峰值点和谷值点得到所述径向对应的每个所述子高斯模型的所述面老化贡献指标的方法,包括:
对于所述二维坐标系中其他点对应的所述标准差,计算每个所述标准差与其左右相邻所述标准差之间的左差值和右差值,结合所述左差值、所述右差值和对应所述标准差得到对应所述子高斯模型的所述面老化贡献指标。
9.如权利要求3所述的方法,其特征在于,所述每个所述子高斯模型的边缘老化贡献指标的获取方法,包括:
将所述径向对应的多个所述子高斯模型的所述标准差组成该径向的标准差序列,计算所述标准差序列的方差和标准差均值,结合所述方差和所述标准差均值计算该径向对应的每个所述子高斯模型的所述边缘老化贡献指标。
10.如权利要求1所述的方法,其特征在于,所述盘卷面硬化程度与所述老化程度呈正相关、所述盘卷边缘硬化程度与所述老化程度呈正相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137830.5A CN113689426B (zh) | 2021-09-27 | 2021-09-27 | 基于图像处理的消防器械缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137830.5A CN113689426B (zh) | 2021-09-27 | 2021-09-27 | 基于图像处理的消防器械缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689426A true CN113689426A (zh) | 2021-11-23 |
CN113689426B CN113689426B (zh) | 2024-05-03 |
Family
ID=78587222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111137830.5A Active CN113689426B (zh) | 2021-09-27 | 2021-09-27 | 基于图像处理的消防器械缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689426B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838054A (zh) * | 2021-11-29 | 2021-12-24 | 山东精良海纬机械有限公司 | 基于人工智能的机械零件表面损伤检测方法 |
CN114842016A (zh) * | 2022-07-05 | 2022-08-02 | 南通森田消防装备有限公司 | 一种基于计算机视觉的消防水带缺陷检测方法及系统 |
CN114972833A (zh) * | 2022-07-27 | 2022-08-30 | 南通森田消防装备有限公司 | 用于消防水带衬里缺陷分类的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153939A (zh) * | 2017-12-05 | 2018-06-12 | 广东核电合营有限公司 | 管道衬胶老化趋势分析方法、装置、存储介质及计算机设备 |
CN109407716A (zh) * | 2018-12-21 | 2019-03-01 | 珠海格力电器股份有限公司 | 一种规避水患发生的水阀控制方法、控制系统、智能水阀 |
CN110992340A (zh) * | 2019-12-04 | 2020-04-10 | 华北电力大学 | 一种复合绝缘子伞裙龟裂纹缺陷识别方法 |
CN111350869A (zh) * | 2018-12-21 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种矫正用水方式的水阀控制方法、控制系统、智能水阀 |
JP2020101419A (ja) * | 2018-12-20 | 2020-07-02 | 株式会社日立製作所 | 管状態検知システム、その方法、及びセンサ端末 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11816500B2 (en) * | 2019-03-15 | 2023-11-14 | Intel Corporation | Systems and methods for synchronization of multi-thread lanes |
CN113051713B (zh) * | 2021-03-01 | 2023-03-21 | 东方电气集团科学技术研究院有限公司 | 基于图像灰度共生矩阵多特征提取的复合材料老化预测方法 |
-
2021
- 2021-09-27 CN CN202111137830.5A patent/CN113689426B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153939A (zh) * | 2017-12-05 | 2018-06-12 | 广东核电合营有限公司 | 管道衬胶老化趋势分析方法、装置、存储介质及计算机设备 |
JP2020101419A (ja) * | 2018-12-20 | 2020-07-02 | 株式会社日立製作所 | 管状態検知システム、その方法、及びセンサ端末 |
CN109407716A (zh) * | 2018-12-21 | 2019-03-01 | 珠海格力电器股份有限公司 | 一种规避水患发生的水阀控制方法、控制系统、智能水阀 |
CN111350869A (zh) * | 2018-12-21 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种矫正用水方式的水阀控制方法、控制系统、智能水阀 |
CN110992340A (zh) * | 2019-12-04 | 2020-04-10 | 华北电力大学 | 一种复合绝缘子伞裙龟裂纹缺陷识别方法 |
Non-Patent Citations (2)
Title |
---|
S. BHAKTA等: "Small amplitude waves and linear firehose and mirror instabilities in rotating polytropic quantum plasma", PHYSICS OF PLASMAS, pages 1 - 14 * |
李渠成等: "热空气老化时间对消防水带质量性能影响研究", 科技与创新, no. 19, pages 55 - 56 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838054A (zh) * | 2021-11-29 | 2021-12-24 | 山东精良海纬机械有限公司 | 基于人工智能的机械零件表面损伤检测方法 |
CN114842016A (zh) * | 2022-07-05 | 2022-08-02 | 南通森田消防装备有限公司 | 一种基于计算机视觉的消防水带缺陷检测方法及系统 |
CN114972833A (zh) * | 2022-07-27 | 2022-08-30 | 南通森田消防装备有限公司 | 用于消防水带衬里缺陷分类的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113689426B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113689426A (zh) | 基于图像处理的消防器械缺陷检测方法 | |
CN110619618B (zh) | 一种表面缺陷检测方法、装置及电子设备 | |
CN108509919B (zh) | 一种基于深度学习对视频或图片中水线的检测和识别方法 | |
CN115641329A (zh) | 一种锂电池隔膜缺陷检测方法及系统 | |
CN115511889A (zh) | 一种太阳能电池板支架表面焊接缺陷检测方法 | |
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN114897896B (zh) | 基于灰度变换的建筑木材缺陷检测方法 | |
CN112819806B (zh) | 一种基于深度卷积神经网络模型的船舶焊缝缺陷检测方法 | |
CN112200045A (zh) | 基于上下文增强的遥感图像目标检测模型建立方法及应用 | |
CN115601365B (zh) | 用于数控机床的轴承检测方法 | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN109242807B (zh) | 渲染参数自适应的边缘软化方法、介质及计算机设备 | |
CN113724219A (zh) | 基于卷积神经网络的建筑物表面病害检测方法及系统 | |
CN116539619B (zh) | 产品缺陷检测方法、系统、装置及存储介质 | |
CN114419007A (zh) | 多策略融合深度学习网络模型的缺陷类型识别方法及系统 | |
CN117764967A (zh) | 一种基于人工智能的装修质量检测方法及系统 | |
CN115797361A (zh) | 一种铝模板表面缺陷检测方法 | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN110348040B (zh) | 一种基于均方收敛条件的不均匀沉降函数拟合方法 | |
CN116485801A (zh) | 基于计算机视觉的胶管质量在线检测方法及系统 | |
CN114155522A (zh) | 一种点云数据质检修复方法及系统 | |
CN115082650A (zh) | 一种基于卷积神经网络的管道缺陷自动标注工具的实现方法 | |
CN114332748A (zh) | 基于多源特征联合网络与变换图像自生成的目标检测方法 | |
CN115100202B (zh) | 一种基于图像处理的电缆质量检测方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230615 Address after: No. 1805, Building 17, Yihe International City (Phase I), Changjiang Road Economic Development Zone, Kuancheng District, Changchun City, 130000 Jilin Province Applicant after: Jilin Junyu Technology Co.,Ltd. Address before: 450000 No. 2415, floor 24, No. 95, jingsan Road North, Jinshui District, Zhengzhou City, Henan Province Applicant before: Pi Hongqi |
|
GR01 | Patent grant | ||
GR01 | Patent grant |