CN114511551A - 一种基于机器视觉的地面损伤识别系统 - Google Patents
一种基于机器视觉的地面损伤识别系统 Download PDFInfo
- Publication number
- CN114511551A CN114511551A CN202210159916.6A CN202210159916A CN114511551A CN 114511551 A CN114511551 A CN 114511551A CN 202210159916 A CN202210159916 A CN 202210159916A CN 114511551 A CN114511551 A CN 114511551A
- Authority
- CN
- China
- Prior art keywords
- ground
- image
- damage
- module
- unit
- 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
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
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于机器视觉的地面损伤识别系统,包括数据采集移动终端和人机交互终端,数据采集移动终端包括无人机飞行器、数据采集模块和数据传输模块;本发明通过无人机飞行器搭载数据采集模块对待识别的地面进行数据采集,相比传统人工检测的方式更为便捷,省时省力,通过对采集的地面图像进行转换、增强和边缘检测的预处理,从而使地面图像更为清晰,进而便于后续的图像特征提取,通过对预处理后的图像进行损伤判定并根据判定结果识别出损伤类型,从而实现基于机器视觉对地面损伤进行识别,相比现有的一些地面损伤识别系统识别准确度更高,可以精确识别待识别区域的地面损伤情况,从而给对地面塌陷等事故的精准预测带来有效帮助。
Description
技术领域
本发明涉及视觉识别技术领域,尤其涉及一种基于机器视觉的地面损伤识别系统。
背景技术
近年来,我国频繁发生各种地面事故,比较严重的是地面的突然塌陷事故,造成重大的人员伤亡和财产损失,地面塌陷是地面在自然或人为因素作用下,向下陷落,并在地面形成塌陷坑的一种地质现象,在塌陷区往往伴随有围绕塌坑的若干裂缝,形成大小不等的环形或弧形开裂,地面塌陷在增加了交通事故和人员伤亡风险的同时,还会造成附近建筑物地基下沉、房屋开裂、地下管道破损、城市洪涝及风暴潮灾害加剧等问题,地面塌陷的原因众多,但可以肯定的是地面塌陷前会出现不同程度的地面损伤,若能及时识别并发现地面的损伤,则能在一定程度上预测地面事故,以减小事故造成的伤害。
目前对地面的损伤检测大都依赖人工检测,需要有经验的技术人员定期对待识别地面进行检查和探测,这种方式不仅检测效率较低,还浪费人力,对技术人员的要求也较高,不适用于大规模的地面损伤检测,而现有的一些地面损伤识别系统大都功能单一,对地面损伤的识别准确度较低,不能精确识别地面损伤,从而不能对地面塌陷等事故的精准预测带来有效帮助,不便于广泛推广应用,因此,本发明提出一种基于机器视觉的地面损伤识别系统以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种基于机器视觉的地面损伤识别系统,该系统通过对采集的地面图像进行转换、增强和边缘检测的预处理,从而使地面图像更为清晰,进而便于后续的图像特征提取,通过对预处理后的图像进行损伤判定并根据判定结果识别出损伤类型,从而实现基于机器视觉对地面损伤进行识别,解决了现有的一些地面损伤识别系统识别准确度不高,且无法精确识别地面损伤情况的问题。
为了实现本发明的目的,本发明通过以下技术方案实现:一种基于机器视觉的地面损伤识别系统,包括数据采集移动终端和人机交互终端,所述数据采集移动终端包括无人机飞行器、数据采集模块和数据传输模块,所述数据采集模块和数据传输模块均搭载与无人机飞行器上,所述无人机飞行器内置有定位导航模块,所述数据传输模块将数据采集模块采集的地面图像无线传输至人机交互终端,所述人机交互终端包括与数据传输模块无线连接的数据接收模块、对地面图像进行预处理的数据处理模块、提取地面缺陷特征图像的特征提取模块、判断地面图像中地面是否存在损伤的损伤判断模块、识别地面损伤类型的损伤识别模块和用于人机交互的控制主机,所述数据处理模块包括图像转换单元、图像增强单元和边缘检测单元,所述特征提取模块包括图像分割单元和缺陷检测单元,所述损伤判断模块包括提取标记模块和阈值判定单元,所述损伤判断模块包括地面损伤数据库、对比分析单元和结果输出单元。
进一步改进在于:所述数据采集模块为高清摄像机且采集的地面图像为RGB彩色图像,所述高清摄像机选自CCD相机或CMOS相机中的一种,所述无人机飞行器上还搭载有直流光源,所述直流光源选自卤素灯或LED灯中的一种。
进一步改进在于:所述数据处理模块通过图像转换单元将数据接收模块接收到的地面图像转换为灰度图像,所述图像增强单元采用低对比度图形自适应阈值算法或基于小波变换的图像增强算法对灰度图像进行增强。
进一步改进在于:所述边缘检测单元基于零交叉的方法对图像增强单元增强后的地面图像的边缘图像进行检测,并在删除边缘图像的同时保留地面图像中目标区域的关键信息,得到目标区域图像。
进一步改进在于:所述图像分割单元采用阈值分割法将图像分割为二值图像,所述缺陷检测单元以缺陷面积作为二值目标特征,并提取二值图像中的二值目标特征,得到地面缺陷特征图像。
进一步改进在于:所述提取标记单元将特征提取模块提取出的地面缺陷特征图像进行连通组元提取和标记,并对返回的连通标号进行查询及统计,得出地面缺陷比例,所述阈值判定单元通过预设判定阈值来判定地面缺陷比例是否超过预设阈值,若不超过,则判定地面无损伤,若超过,则判定地面存在损伤并根据损伤情况构建实际损伤模型。
进一步改进在于:所述地面损伤数据库预存有不同类型的地面损伤模型,所述对比分析单元将阈值判定单元构建的实际损伤模型与数据库中预存的地面损伤模型进行对比分析,并根据对比分析结果识别出地面的损伤类型。
进一步改进在于:所述控制主机上设有用于显示损伤识别结果的显示单元和用于输入控制指令的控制面板,所述显示单元为液晶显示屏,所述控制面板为触摸键盘,所述无人机飞行器通过控制主机控制飞行,所述结果输出单元将损伤识别结果输出至显示单元。
本发明的有益效果为:本发明通过无人机飞行器搭载数据采集模块对待识别的地面进行数据采集,相比传统人工检测的方式更为便捷,省时省力,通过对采集的地面图像进行转换、增强和边缘检测的预处理,从而使地面图像更为清晰,进而便于后续的图像特征提取,通过对预处理后的图像进行损伤判定并根据判定结果识别出损伤类型,从而实现基于机器视觉对地面损伤进行识别,相比现有的一些地面损伤识别系统识别准确度更高,可以精确识别待识别区域的地面损伤情况,从而给对地面塌陷等事故的精准预测带来有效帮助,值得广泛推广应用。
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是本发明的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一
参见图1,本实施例提供了一种基于机器视觉的地面损伤识别系统,包括数据采集移动终端和人机交互终端,数据采集移动终端包括无人机飞行器、数据采集模块和数据传输模块,数据采集模块和数据传输模块均搭载与无人机飞行器上,无人机飞行器内置有定位导航模块,数据传输模块将数据采集模块采集的地面图像无线传输至人机交互终端,人机交互终端包括与数据传输模块无线连接的数据接收模块、对地面图像进行预处理的数据处理模块、提取地面缺陷特征图像的特征提取模块、判断地面图像中地面是否存在损伤的损伤判断模块、识别地面损伤类型的损伤识别模块和用于人机交互的控制主机,数据处理模块包括图像转换单元、图像增强单元和边缘检测单元,特征提取模块包括图像分割单元和缺陷检测单元,损伤判断模块包括提取标记模块和阈值判定单元,损伤判断模块包括地面损伤数据库、对比分析单元和结果输出单元。
数据采集模块为高清摄像机且采集的地面图像为RGB彩色图像,高清摄像机为CCD相机,无人机飞行器上还搭载有直流光源,直流光源为卤素灯。
数据处理模块通过图像转换单元将数据接收模块接收到的地面图像转换为灰度图像,图像增强单元采用低对比度图形自适应阈值算法对灰度图像进行增强。
边缘检测单元基于零交叉的方法对图像增强单元增强后的地面图像的边缘图像进行检测,并在删除边缘图像的同时保留地面图像中目标区域的关键信息,得到目标区域图像。
图像分割单元采用阈值分割法将图像分割为二值图像,缺陷检测单元以缺陷面积作为二值目标特征,并提取二值图像中的二值目标特征,得到地面缺陷特征图像。
提取标记单元将特征提取模块提取出的地面缺陷特征图像进行连通组元提取和标记,并对返回的连通标号进行查询及统计,得出地面缺陷比例,阈值判定单元通过预设判定阈值来判定地面缺陷比例是否超过预设阈值,若不超过,则判定地面无损伤,若超过,则判定地面存在损伤并根据损伤情况构建实际损伤模型。
地面损伤数据库预存有不同类型的地面损伤模型,对比分析单元将阈值判定单元构建的实际损伤模型与数据库中预存的地面损伤模型进行对比分析,并根据对比分析结果识别出地面的损伤类型。
控制主机上设有用于显示损伤识别结果的显示单元和用于输入控制指令的控制面板,显示单元为液晶显示屏,控制面板为触摸键盘,无人机飞行器通过控制主机控制飞行,结果输出单元将损伤识别结果输出至显示单元。
实施例二
参见图1,本实施例提供了一种基于机器视觉的地面损伤识别系统,包括数据采集移动终端和人机交互终端,数据采集移动终端包括无人机飞行器、数据采集模块和数据传输模块,数据采集模块和数据传输模块均搭载与无人机飞行器上,无人机飞行器内置有定位导航模块,数据传输模块将数据采集模块采集的地面图像无线传输至人机交互终端,人机交互终端包括与数据传输模块无线连接的数据接收模块、对地面图像进行预处理的数据处理模块、提取地面缺陷特征图像的特征提取模块、判断地面图像中地面是否存在损伤的损伤判断模块、识别地面损伤类型的损伤识别模块和用于人机交互的控制主机,数据处理模块包括图像转换单元、图像增强单元和边缘检测单元,特征提取模块包括图像分割单元和缺陷检测单元,损伤判断模块包括提取标记模块和阈值判定单元,损伤判断模块包括地面损伤数据库、对比分析单元和结果输出单元。
数据采集模块为高清摄像机且采集的地面图像为RGB彩色图像,高清摄像机为CMOS相机,无人机飞行器上还搭载有直流光源,直流光源为LED灯。
数据处理模块通过图像转换单元将数据接收模块接收到的地面图像转换为灰度图像,图像增强单元采用基于小波变换的图像增强算法对灰度图像进行增强。
边缘检测单元基于零交叉的方法对图像增强单元增强后的地面图像的边缘图像进行检测,并在删除边缘图像的同时保留地面图像中目标区域的关键信息,得到目标区域图像。
图像分割单元采用阈值分割法将图像分割为二值图像,缺陷检测单元以缺陷面积作为二值目标特征,并提取二值图像中的二值目标特征,得到地面缺陷特征图像。
提取标记单元将特征提取模块提取出的地面缺陷特征图像进行连通组元提取和标记,并对返回的连通标号进行查询及统计,得出地面缺陷比例,阈值判定单元通过预设判定阈值来判定地面缺陷比例是否超过预设阈值,若不超过,则判定地面无损伤,若超过,则判定地面存在损伤并根据损伤情况构建实际损伤模型。
地面损伤数据库预存有不同类型的地面损伤模型,对比分析单元将阈值判定单元构建的实际损伤模型与数据库中预存的地面损伤模型进行对比分析,并根据对比分析结果识别出地面的损伤类型。
控制主机上设有用于显示损伤识别结果的显示单元和用于输入控制指令的控制面板,显示单元为液晶显示屏,控制面板为触摸键盘,无人机飞行器通过控制主机控制飞行,结果输出单元将损伤识别结果输出至显示单元。
对地面进行损伤识别时,先利用控制主机对无人机飞行器发送飞行命令并,控制无人机飞行器飞行至待识别地面的上空,接着利用无人机飞行器上搭载的高清摄像机拍摄地面图像,若拍摄环境的光线不好则开启直流光源进行补光,再由数据传输模块将拍摄的地面图像无线传输至人机交互终端的数据接收模块,数据接收模块接收到地面图像后由数据处理模块对其进行图像转换、图像增强和图像边缘检测的预处理,随后利用特征提取模块提取地面缺陷特征图像,然后利用损伤判断模块判定地面是否存在损伤,并在判定为地面存在损伤后构建实际损伤模型,之后利用损伤识别模块识别出地面损伤类型并将识别结果输入控制主机的显示单元。
以上所述仅为本发明的较佳实施例而已,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 (8)
1.一种基于机器视觉的地面损伤识别系统,其特征在于:包括数据采集移动终端和人机交互终端,所述数据采集移动终端包括无人机飞行器、数据采集模块和数据传输模块,所述数据采集模块和数据传输模块均搭载与无人机飞行器上,所述无人机飞行器内置有定位导航模块,所述数据传输模块将数据采集模块采集的地面图像无线传输至人机交互终端,所述人机交互终端包括与数据传输模块无线连接的数据接收模块、对地面图像进行预处理的数据处理模块、提取地面缺陷特征图像的特征提取模块、判断地面图像中地面是否存在损伤的损伤判断模块、识别地面损伤类型的损伤识别模块和用于人机交互的控制主机,所述数据处理模块包括图像转换单元、图像增强单元和边缘检测单元,所述特征提取模块包括图像分割单元和缺陷检测单元,所述损伤判断模块包括提取标记模块和阈值判定单元,所述损伤判断模块包括地面损伤数据库、对比分析单元和结果输出单元。
2.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述数据采集模块为高清摄像机且采集的地面图像为RGB彩色图像,所述高清摄像机选自CCD相机或CMOS相机中的一种,所述无人机飞行器上还搭载有直流光源,所述直流光源选自卤素灯或LED灯中的一种。
3.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述数据处理模块通过图像转换单元将数据接收模块接收到的地面图像转换为灰度图像,所述图像增强单元采用低对比度图形自适应阈值算法或基于小波变换的图像增强算法对灰度图像进行增强。
4.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述边缘检测单元基于零交叉的方法对图像增强单元增强后的地面图像的边缘图像进行检测,并在删除边缘图像的同时保留地面图像中目标区域的关键信息,得到目标区域图像。
5.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述图像分割单元采用阈值分割法将图像分割为二值图像,所述缺陷检测单元以缺陷面积作为二值目标特征,并提取二值图像中的二值目标特征,得到地面缺陷特征图像。
6.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述提取标记单元将特征提取模块提取出的地面缺陷特征图像进行连通组元提取和标记,并对返回的连通标号进行查询及统计,得出地面缺陷比例,所述阈值判定单元通过预设判定阈值来判定地面缺陷比例是否超过预设阈值,若不超过,则判定地面无损伤,若超过,则判定地面存在损伤并根据损伤情况构建实际损伤模型。
7.根据权利要求6所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述地面损伤数据库预存有不同类型的地面损伤模型,所述对比分析单元将阈值判定单元构建的实际损伤模型与数据库中预存的地面损伤模型进行对比分析,并根据对比分析结果识别出地面的损伤类型。
8.根据权利要求1所述的一种基于机器视觉的地面损伤识别系统,其特征在于:所述控制主机上设有用于显示损伤识别结果的显示单元和用于输入控制指令的控制面板,所述显示单元为液晶显示屏,所述控制面板为触摸键盘,所述无人机飞行器通过控制主机控制飞行,所述结果输出单元将损伤识别结果输出至显示单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159916.6A CN114511551A (zh) | 2022-02-22 | 2022-02-22 | 一种基于机器视觉的地面损伤识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159916.6A CN114511551A (zh) | 2022-02-22 | 2022-02-22 | 一种基于机器视觉的地面损伤识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114511551A true CN114511551A (zh) | 2022-05-17 |
Family
ID=81552663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210159916.6A Pending CN114511551A (zh) | 2022-02-22 | 2022-02-22 | 一种基于机器视觉的地面损伤识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511551A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597389A (zh) * | 2023-07-18 | 2023-08-15 | 山东省地质测绘院 | 基于图像处理的地质灾害监测及预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705301A (zh) * | 2017-09-29 | 2018-02-16 | 南京中设航空科技发展有限公司 | 一种基于无人机航拍公路图像的公路标线破损检测方法 |
CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景(北京)科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱系统 |
CN109345511A (zh) * | 2018-09-12 | 2019-02-15 | 杭州联芳科技有限公司 | 一种高速公路无人机自检系统 |
CN109785307A (zh) * | 2019-01-09 | 2019-05-21 | 武汉大学 | 一种基于矢量引导的无人机影像道路损毁评估方法 |
CN112198899A (zh) * | 2020-09-30 | 2021-01-08 | 安徽乐道信息科技有限公司 | 基于无人飞行器的道路检测方法、设备和存储介质 |
CN112666963A (zh) * | 2020-12-18 | 2021-04-16 | 浙江师范大学 | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 |
CN113092502A (zh) * | 2021-04-14 | 2021-07-09 | 成都理工大学 | 一种无人机路面破损检测方法与系统 |
-
2022
- 2022-02-22 CN CN202210159916.6A patent/CN114511551A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705301A (zh) * | 2017-09-29 | 2018-02-16 | 南京中设航空科技发展有限公司 | 一种基于无人机航拍公路图像的公路标线破损检测方法 |
CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景(北京)科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱系统 |
CN109345511A (zh) * | 2018-09-12 | 2019-02-15 | 杭州联芳科技有限公司 | 一种高速公路无人机自检系统 |
CN109785307A (zh) * | 2019-01-09 | 2019-05-21 | 武汉大学 | 一种基于矢量引导的无人机影像道路损毁评估方法 |
CN112198899A (zh) * | 2020-09-30 | 2021-01-08 | 安徽乐道信息科技有限公司 | 基于无人飞行器的道路检测方法、设备和存储介质 |
CN112666963A (zh) * | 2020-12-18 | 2021-04-16 | 浙江师范大学 | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 |
CN113092502A (zh) * | 2021-04-14 | 2021-07-09 | 成都理工大学 | 一种无人机路面破损检测方法与系统 |
Non-Patent Citations (2)
Title |
---|
HUSSEIN SAMMA ET AL.: "Evolving Pre-Trained CNN Using Two-Layers Optimizer for Road Damage Detection From Drone Images", 《IEEE ACCESS》 * |
全娱文: "路面裂缝视频图像检测关键技术研究", 《中国优秀高级论文全文数据库(信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597389A (zh) * | 2023-07-18 | 2023-08-15 | 山东省地质测绘院 | 基于图像处理的地质灾害监测及预警方法 |
CN116597389B (zh) * | 2023-07-18 | 2023-09-15 | 山东省地质测绘院 | 基于图像处理的地质灾害监测及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN109631848B (zh) | 输电线路异物入侵检测系统和检测方法 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN113139521A (zh) | 一种用于电力监控的行人越界标监测方法 | |
CN107081765A (zh) | 一种变电站巡视机器人自主识别方法和一种巡视机器人 | |
CN107578012A (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助系统 | |
CN104573713A (zh) | 一种基于图像纹理特征的互感器红外图像识别方法 | |
CN112818853B (zh) | 一种交通要素识别方法、装置、设备及储存介质 | |
CN113537016A (zh) | 一种道路巡查中道路损伤自动检测预警的方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN112528979A (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN107358236A (zh) | 一种基于摄像装置的车牌号码识别系统及方法 | |
CN111898444A (zh) | 一种基于图像识别的飞机起落架状态判定方法 | |
CN114511551A (zh) | 一种基于机器视觉的地面损伤识别系统 | |
CN112668478B (zh) | 一种井盖监控方法、装置、电子设备和存储介质 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN109389616A (zh) | 一种蚕茧图像背景分割方法 | |
CN113221603A (zh) | 一种检测监控设备被异物遮挡的方法及装置 | |
CN105678257A (zh) | 一种交通调查车型识别方法、装置及其系统 | |
CN114359195A (zh) | 一种玻璃幕墙裂纹检测方法 | |
CN115205747A (zh) | 一种基于图像识别的道路自动化检测系统 | |
CN115578725A (zh) | 一种基于人机协同的滑坡边界与裂缝的标注方法及系统 |
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 |