CN114119518A - 一种电流互感器的红外图像中温度异常点检测方法及系统 - Google Patents
一种电流互感器的红外图像中温度异常点检测方法及系统 Download PDFInfo
- Publication number
- CN114119518A CN114119518A CN202111351975.5A CN202111351975A CN114119518A CN 114119518 A CN114119518 A CN 114119518A CN 202111351975 A CN202111351975 A CN 202111351975A CN 114119518 A CN114119518 A CN 114119518A
- Authority
- CN
- China
- Prior art keywords
- area
- detected
- target pixel
- pixel
- target
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 239000011295 pitch Substances 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001931 thermography Methods 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
- G06T7/0004—Industrial image inspection
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种电流互感器的红外图像中温度异常点检测方法及系统,所述方法包括:获取包含电流互感器的红外图像,从所述红外图像中标注出所述电流互感器区域作为待检测区域;获取所述待检测区域内所有像素点对应的温度值,计算所述所有像素点对应的温度值的数学期望值;将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合;根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。上述方法及系统能实时自动标记电流互感器温度异常点,解决温度异常点自动检测的准确性低和实时性差的问题。
Description
技术领域
本发明涉及红外设备故障检测技术领域,特别是一种电流互感器的红外图像中温度异常点检测方法及系统。
背景技术
伴随着红外设备在电流互感器热状态检测中的广泛应用,供电公司积累了大量的避雷器的运维红外图像。但是目前,多数基于红外热成像监测技术的电流互感器热状态检测均依靠人工完成对红外图像的分析,从而对电气设备的热故障做出诊断,这种检测方式对操作人员的经验和专业知识要求较高,同时同人工检测的方式效率较低并且容易出错。
发明内容
有鉴于此,本发明提供了一种电流互感器的红外图像中温度异常点检测方法,能够实时自动标记电流互感器温度异常点,解决了电流互感器的温度异常点自动检测的准确性低和实时性差的问题。
本发明提供一种电流互感器的红外图像中温度异常点检测方法,其包括以下步骤:
获取包含电流互感器的红外图像,从所述红外图像中标注出所述电流互感器区域作为待检测区域;
获取所述待检测区域内所有像素点对应的温度值,计算所述所有像素点对应的温度值的数学期望值;
将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合;
根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
优选地,从所述红外图像中提取出待检测电流互感器区域的具体步骤为:
预先训练目标识别模型;
所述目标识别模型为利用样本数据集训练卷积神经网络结构所得,样本集包含多张样本图像,各样本图像均为标注电流互感器区域的红外图像;
将原始红外图像输入至所述目标识别模型中,得到标注待测电流互感器所处目标区域的红外图像。
优选地,将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合包括:
将所述待检测区域内温度值高于所述期望温度值的像素点视为目标像素点,从而得到目标像素点集合。
优选地,根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组包括:
根据像素点间距等于点距则分为一组的原则,将各目标像素点进行分组,将目标像素点集合中的目标像素点划分为多个目标像素组。
优选地,所述点距为红外相机的点距,所述红外相机的点距取决于所述红外相机的屏幕尺寸与分辨率的比值,令所述点距为L,所述红外相机的屏幕尺寸为d1*d2,分辨率为b1*b2,则L=d1/b1=d2/b2,对于同一红外相机其屏幕尺寸和分辨率应为同一值,即点距L为固定值。
优选地,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测包括:
若所述目标像素组中的像素点个数超过预设区域上限的像素组标记为异常像素组,则其对应的区域即为温度异常点;
若所述目标像素组中的像素点个数在预设区域内的像素组标记为疑似像素组,则其对应的区域即为疑似温度异常点。
优选地,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测还包括:
当所述目标像素组中的像素点个数小于预设区域下限时,所述目标像素组标记为疑似噪点,其对应的区域即为疑似噪点。
优选地,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测之后,所述方法还包括:
标记所述红外图像并对其进行编码,标注所述目标像素点所在区域的坐标信息、所述待检测区域的异常状况对应的像素点的位置信息及所述待检测电流互感器的设备参数信息,以作为所述红外图像的属性信息进行存储。
本发明还提供了一种电流互感器的红外图像中温度异常点检测系统,包括:
标注模块,用于获取包含电流互感器的红外图像,从所述红外图像中标注出所述电流互感器区域作为待检测区域;
计算模块,用于获取所述待检测区域内所有像素点对应的温度值,计算所述所有像素点对应的温度值的数学期望值;
统计模块,用于将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合;
划分模块,用于根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
判断模块,用于将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
由于采用了上述技术方案,本发明具有如下的优点:实现实时自动标记电流互感器温度异常点,解决了电流互感器的温度异常点自动检测的准确性低和实时性差的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例中一种电流互感器的红外图像中温度异常点检测方法的流程示意图;
图2为本发明一个实施例中一种电流互感器的红外图像中温度异常点检测系统的结构示意图。
具体实施方式
结合附图和实施例对本发明作进一步说明,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
图1为本发明一个实施例中一种电流互感器的红外图像中温度异常点检测方法的流程示意图,如图1所示,具体地,该方法包括如下步骤:
S101:获取包含电流互感器的红外图像,从红外图像中标注出待检测电流互感器区域作为待检测区域;
获取电流互感器红外图像的方式可以为:通过软件接口从数据库中获取,通过硬件接口从存储介质中获取,或接收图像发送端通过网络线路发送的避雷器红外图像等。
可以理解的是,本申请提供的技术方案可直接集成在采集红外图像的设备中,那么红外图像采集设备在获取到清晰度满足要求的红外图像后,可利用图像识别算法将图中待测电流互感器利用检测框标注出来,也可将该图像显示给用户,根据用户输入的区域确定指令在图像中标注待测电流互感器所处区域。
S102:获取待检测区域内所有像素点对应的温度值,计算所有像素点对应的温度值的数学期望值;
检测区域内的每个像素点都对应一个温度值,温度值越高,电流互感器存在异常的概率就越高。因此需获取检测区域内所有像素点所对应的温度值,形成监测区域像素点温度矩阵。
在本发明实施例中,检测区域即为S101中标注出来的电流互感器在红外图像中的位置区域,检测区域内的像素点认为是电流互感器的像素点,基于红外图像采集设备的红外成像原理,可以得知红外图像中各像素点的温度值。依次确定目标区域中每个像素点的温度值后求取其数学期望值。
S103:将数学期望值作为待检测区域的期望温度值,得到待检测区域的目标像素点集合;
将计算得出的数学期望值,作为该目标区域的期望温度值,电流互感器温度异常一般都是指温度过高的现象,所以待测电流互感器温度异常点应从高于期望温度值的像素点中寻找,为了便于准确、清楚描述技术方案,本申请将检测区域中温度值高于期望温度值的像素点称为目标像素点,从而得到所有目标像素点集合。
S104:根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
确定的目标像素组可为多组,也可为一组,这均不影响本申请的实现。
S105:将多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
优选地,从红外图像中提取出待检测电流互感器区域的具体步骤为:
预先训练目标识别模型;
目标识别模型为利用样本数据集训练卷积神经网络结构所得,样本集包含多张样本图像,各样本图像均为标注电流互感器区域的红外图像;
将原始红外图像输入至目标识别模型中,得到标注待测电流互感器所处目标区域的红外图像。
优选地,将数学期望值作为待检测区域的期望温度值,得到待检测区域的目标像素点集合包括:
将待检测区域内温度值高于期望温度值的像素点视为目标像素点,从而得到目标像素点集合。
优选地,根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组包括:
根据像素点间距等于点距则分为一组的原则,将各目标像素点进行分组,将目标像素点集合中的目标像素点划分为多个目标像素组。
优选地,点距为红外相机的点距,红外相机的点距取决于红外相机的屏幕尺寸与分辨率的比值,令点距为L,红外相机的屏幕尺寸为d1*d2,分辨率为b1*b2,则L=d1/b1=d2/b2,对于同一红外相机其屏幕尺寸和分辨率应为同一值,即点距L为固定值。
优选地,将多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测包括:
若目标像素组中的像素点个数超过预设区域上限的像素组标记为异常像素组,则其对应的区域即为温度异常点;
若目标像素组中的像素点个数在预设区域内的像素组标记为疑似像素组,则其对应的区域即为疑似温度异常点。
具体地,目标像素组中包含的各像素点均为温度异常像素点,为避免因红外检测装置本身的精度或设备其他问题引起的图像噪点问题导致误检,特设定目标像素点个数区域(s1,s2),其中s1、s2均为正整数,s1>s2,设定目标像素组的像素个数为s。
当s>s1时,目标像素组才能标记为异常像素组;当s1≥s≥s2时,目标像素组标记为疑似异常像素组。
优选地,将多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测还包括:
当目标像素组中的像素点个数小于预设区域下限时,目标像素组标记为疑似噪点,其对应的区域即为疑似噪点。
具体地,实施例中,当s<s2时,目标像素组标记为疑似噪点。
优选地,将多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测之后,方法还包括:
标记红外图像并对其进行编码,标注目标像素点所在区域的坐标信息、待检测区域的异常状况对应的像素点的位置信息及待检测电流互感器的设备参数信息,以作为红外图像的属性信息进行存储。
此外,还需要说明的是,系统还可设置红外图谱数据库,该数据库中存储电流互感器的红外图像,为了降低系统数据库存储较多无用数据,数据库只对发生故障的红外图像进行存储,而上述实施例是针对有温度异常点的红外图像执行的操作。在实际应用过程中,存在大量没有温度异常点的红外图像,所以在一种具体的实施方式中,在接收到红外图像后先不执行S101中生成红外图像的标识信息,只有在S105中在红外图像中标注温度异常点后才生成红外图像的标识信息。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,图1只是一种示意方式,并不代表只能是这样的执行顺序。
图2为本发明一个实施例中的一种电流互感器的红外图像中温度异常点检测系统的结构示意图,如图2所示,该系统包括:
标注模块210,用于获取包含电流互感器的红外图像,从红外图像中标注出电流互感器区域作为待检测区域;
计算模块211,用于获取待检测区域内所有像素点对应的温度值,计算所有像素点对应的温度值的数学期望值;
统计模块212,用于将数学期望值作为待检测区域的期望温度值,得到待检测区域的目标像素点集合;
划分模块213,用于根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
判断模块214,用于将多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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,所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种电流互感器的红外图像中温度异常点检测方法,其特征在于,包括以下步骤:
获取包含电流互感器的红外图像,从所述红外图像中标注出所述电流互感器区域作为待检测区域;
获取所述待检测区域内所有像素点对应的温度值,计算所述所有像素点对应的温度值的数学期望值;
将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合;
根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
2.根据权利要求1所述的方法,其特征在于,从所述红外图像中提取出待检测电流互感器区域的具体步骤为:
预先训练目标识别模型;
所述目标识别模型为利用样本数据集训练卷积神经网络结构所得,样本集包含多张样本图像,各样本图像均为标注电流互感器区域的红外图像;
将原始红外图像输入至所述目标识别模型中,得到标注待测电流互感器所处目标区域的红外图像。
3.根据权利要求1所述的方法,其特征在于,将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合包括:
将所述待检测区域内温度值高于所述期望温度值的像素点视为目标像素点,从而得到目标像素点集合。
4.根据权利要求1所述的方法,其特征在于,根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组包括:
根据像素点间距等于点距则分为一组的原则,将各目标像素点进行分组,将目标像素点集合中的目标像素点划分为多个目标像素组。
5.根据权利要求4所述的方法,其特征在于,所述点距为红外相机的点距,所述红外相机的点距取决于所述红外相机的屏幕尺寸与分辨率的比值,令所述点距为L,所述红外相机的屏幕尺寸为d1*d2,分辨率为b1*b2,则L=d1/b1=d2/b2,对于同一红外相机其屏幕尺寸和分辨率应为同一值,即点距L为固定值。
6.根据权利要求1所述的方法,其特征在于,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测包括:
若所述目标像素组中的像素点个数超过预设区域上限的像素组标记为异常像素组,则其对应的区域即为温度异常点;
若所述目标像素组中的像素点个数在预设区域内的像素组标记为疑似像素组,则其对应的区域即为疑似温度异常点。
7.根据权利要求1所述的方法,其特征在于,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测还包括:
当所述目标像素组中的像素点个数小于预设区域下限时,所述目标像素组标记为疑似噪点,其对应的区域即为疑似噪点。
8.根据权利要求1所述的方法,其特征在于,将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测之后,所述方法还包括:
标记所述红外图像并对其进行编码,标注所述目标像素点所在区域的坐标信息、所述待检测区域的异常状况对应的像素点的位置信息及所述待检测电流互感器的设备参数信息,以作为所述红外图像的属性信息进行存储。
9.一种电流互感器的红外图像中温度异常点检测系统,其特征在于,包括:
标注模块,用于获取包含电流互感器的红外图像,从所述红外图像中标注出所述电流互感器区域作为待检测区域;
计算模块,用于获取所述待检测区域内所有像素点对应的温度值,计算所述所有像素点对应的温度值的数学期望值;
统计模块,用于将所述数学期望值作为所述待检测区域的期望温度值,得到所述待检测区域的目标像素点集合;
划分模块,用于根据像素点间距和点距,将目标像素点集合中的目标像素点划分为多个目标像素组;
判断模块,用于将所述多个目标像素组中的像素点个数进行判断,实现对待检测区域温度异常点的检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111351975.5A CN114119518A (zh) | 2021-11-16 | 2021-11-16 | 一种电流互感器的红外图像中温度异常点检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111351975.5A CN114119518A (zh) | 2021-11-16 | 2021-11-16 | 一种电流互感器的红外图像中温度异常点检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114119518A true CN114119518A (zh) | 2022-03-01 |
Family
ID=80396606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111351975.5A Pending CN114119518A (zh) | 2021-11-16 | 2021-11-16 | 一种电流互感器的红外图像中温度异常点检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119518A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662617A (zh) * | 2022-05-18 | 2022-06-24 | 国网浙江省电力有限公司杭州供电公司 | 基于多模态学习策略的多源数据编织系统处理方法及装置 |
CN115761212A (zh) * | 2022-11-02 | 2023-03-07 | 北京鹰之眼智能健康科技有限公司 | 一种基于红外图像的人体状态预警系统 |
WO2024082658A1 (zh) * | 2022-10-17 | 2024-04-25 | 青岛海尔空调器有限总公司 | 用于空调器温升检测的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108998608A (zh) * | 2018-07-24 | 2018-12-14 | 中南大学 | 一种基于红外机器视觉的高炉出铁口铁水温度测量方法及系统 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
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 |
WO2021196360A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳奥比中光科技有限公司 | 一种温度测量方法及系统 |
-
2021
- 2021-11-16 CN CN202111351975.5A patent/CN114119518A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108998608A (zh) * | 2018-07-24 | 2018-12-14 | 中南大学 | 一种基于红外机器视觉的高炉出铁口铁水温度测量方法及系统 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
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 |
WO2021196360A1 (zh) * | 2020-03-31 | 2021-10-07 | 深圳奥比中光科技有限公司 | 一种温度测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘竞龙 等: "乌鲁木齐东侧煤火多源遥感融合探测", 《煤矿安全》, vol. 50, no. 8, 31 August 2019 (2019-08-31), pages 158 - 161 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662617A (zh) * | 2022-05-18 | 2022-06-24 | 国网浙江省电力有限公司杭州供电公司 | 基于多模态学习策略的多源数据编织系统处理方法及装置 |
CN114662617B (zh) * | 2022-05-18 | 2022-08-09 | 国网浙江省电力有限公司杭州供电公司 | 基于多模态学习策略的多源数据编织系统处理方法及装置 |
WO2024082658A1 (zh) * | 2022-10-17 | 2024-04-25 | 青岛海尔空调器有限总公司 | 用于空调器温升检测的方法及系统 |
CN115761212A (zh) * | 2022-11-02 | 2023-03-07 | 北京鹰之眼智能健康科技有限公司 | 一种基于红外图像的人体状态预警系统 |
CN115761212B (zh) * | 2022-11-02 | 2023-08-04 | 北京鹰之眼智能健康科技有限公司 | 一种基于红外图像的人体状态预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114119518A (zh) | 一种电流互感器的红外图像中温度异常点检测方法及系统 | |
CN112924471B (zh) | 一种设备故障诊断系统及其诊断方法 | |
CN111401418A (zh) | 一种基于改进Faster r-cnn的员工着装规范检测方法 | |
CN111044149A (zh) | 电压互感器的温度异常点检测方法、装置及可读存储介质 | |
CN112613569B (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN106895791A (zh) | 一种板卡形变监测预警系统 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN115372877B (zh) | 基于无人机的变电站的避雷器泄露电流表计巡检方法 | |
CN113343998A (zh) | 电力机械表计读数监测系统、方法、计算机设备及应用 | |
CN116012354A (zh) | 片式电容丝印缺陷检测方法、装置、设备及存储介质 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检系统 | |
CN114821852A (zh) | 基于特征金字塔的电网缺陷深度识别巡查机器人控制系统 | |
CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN113076730A (zh) | 一种试验报告智能管理方法、装置、系统及存储介质 | |
CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 | |
CN116016851A (zh) | 一种智能抄表系统及方法 | |
CN108573233A (zh) | 一种基于图像处理技术的电网陶瓷绝缘子识别方法 | |
CN115147591A (zh) | 一种变电设备红外图像电压致热型缺陷诊断方法及系统 | |
CN112949490A (zh) | 设备动作检测方法、装置、电子设备及可读存储介质 | |
Di et al. | Research on Real-Time Power Line Damage Detection Method Based on YOLO Algorithm | |
CN117078682B (zh) | 一种大规模网格化空气质量等级精准评估方法 | |
CN116231576B (zh) | 一种继电保护装置的定检智能识别方法、装置及设备 | |
CN114418036B (zh) | 神经网络的性能测试和训练方法、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 |