CN115187563A - 一种用于电力仪表检验的骑缝章检测识别方法及系统 - Google Patents
一种用于电力仪表检验的骑缝章检测识别方法及系统 Download PDFInfo
- Publication number
- CN115187563A CN115187563A CN202210870521.7A CN202210870521A CN115187563A CN 115187563 A CN115187563 A CN 115187563A CN 202210870521 A CN202210870521 A CN 202210870521A CN 115187563 A CN115187563 A CN 115187563A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- gray
- pixels
- seal
- 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 39
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000007689 inspection Methods 0.000 title claims description 15
- 230000009466 transformation Effects 0.000 claims abstract description 37
- 230000002146 bilateral effect Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000000877 morphologic effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 235000010627 Phaseolus vulgaris Nutrition 0.000 abstract description 6
- 244000046052 Phaseolus vulgaris Species 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber 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
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20061—Hough transform
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)
Abstract
本申请实施例提供的一种用于电力仪表检验的骑缝章检测识别方法及系统，包含了对电力仪表设备骑缝章与封印豆目标区域位置定位、霍夫圆变换、极坐标变换等图像处理方法，通过在转换后HSV空间下进行形态学开运算和双边滤波，增强边缘轮廓信息和滤除无关噪声干扰，从而进一步通过霍夫圆变换进行骑缝章的区域定位，以及极坐标变换后的二值分析和像素统计等处理，最终得到一个阈值分数，将该阈值分数与设置的固定值进行参照，即可有效且准确地判断最终输出的检测结果。
Description
技术领域
本申请涉及工业视觉与能源电力技术领域，具体涉及一种用于电力仪表检验的骑缝章检测识别方法及系统。
背景技术
近年来，随着工业生产与现代化发展，能源安全尤其是电力保障与安全，已经成为一个不可忽略的问题。自上而下，从发电厂、输电线路、变电站到末端的电力仪表设备，都发挥着十分重要的作用。
在实际场景中，通过人工对电力仪表设备上的骑缝章区域检测其封印豆是否异常，需耗费大量的人力资源而且工作人员还需要承担高压风险。鉴于此，本申请提供一种基于机器视觉、用于电力仪表检验的骑缝章检测识别方法及系统，能够快速有效地检测出电力仪表设备上的骑缝章区域检测其封印豆是否存在异常，
发明内容
本申请实施例提出了一种用于电力仪表检验的骑缝章检测识别方法及系统，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，包括以下步骤：
S110、将原始RGB图像转换为HSV颜色空间图像，将所述HSV颜色空间图像进行预处理；
S120、对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域；
S130、根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化；以及
S140、对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果。
通过上述技术方案，利用图像学中的各种预处理方法以得到符合要求的图像，然后采用霍夫圆变换识别目标物体区域，对精准识别封印豆有较高的可行性，可以初步实现从人工巡检向机器巡检的转变。
在具体的实施例中，在步骤S110中，将所述HSV颜色空间图像进行预处理包括对所述HSV颜色空间图像进行形态学开运算以及双边滤波操作后，进行Canny边缘检测。
在具体的实施例中，在步骤S120中，对预处理后的图像进行霍夫圆变换，包括以下子步骤：
S121、使用Sobel算子计算预处理后的图像的梯度，沿着预处理后的图像的梯度方向和反方向画线段，线段的起点和长度由设定的参数决定，将线段经过的点在累加器中计数，计数越多的点越有可能成为圆心；
S122、对所有非0点距圆心的距离从小到大排序，从小半径开始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于所述圆的点；逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高，半径的可信度越大，在参数允许范围内反复执行步骤S121和步骤S122，直至得到最优半径。
在具体的实施例中，在步骤S130中，根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行做threshold二值化处理，同时二值化的数值参数进行调整，基于OpenCV实现图像极坐标变换，最后对进行极坐标变换后的图像的像素进行归一化处理。
在具体的实施例中，基于OpenCV实现图像极坐标变换以将扇形区域转换为矩形区域，根据所述矩形区域的宽高进行最近邻插值处理。
在具体的实施例中，在步骤S130中，最后对进行极坐标变换后的图像的像素进行归一化处理，包括以下子步骤：
S131、对所述极坐标变换后的图像灰度梯度幅值归一化；以及
S132、采用Canny边缘检测中的灰度梯度求取方法，得到灰度图像I(x,y)的灰度梯度幅值图像M(x,y)，并将M(x,y)归一化到scale；
所述归一化方法为：
其中，Ms(x,y)为归一化图像梯度幅值图像，(x,y)表示图像的像素坐标；scale表示根据设计要求设定的最大范围值。
在具体的实施例中，在步骤S140中，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果，包括：若所述黑色像素数量在设置的所述固定阈值内，则输出结果为True；否则，输出结果为False。
在具体的实施例中，在步骤S120中，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，具体是通过面积计算对比将所述圆形拟合集合内的圆进行从大到小的排序，最终获取最大的圆形区域。
第二方面，本申请提供了一种用于电力仪表检验的骑缝章检测识别系统，该述系统包括：
预处理模块，用于将原始RGB图像转换为HSV颜色空间图像，将所述HSV颜色空间图像进行预处理；
霍夫圆变换模块，用于对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域；
转换模块，用于根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化；以及
输出模块，用于对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果。
第三方面，本申请提供了一种计算机可读存储介质，该介质中存储有计算机程序，在计算机程序被处理器执行时，实施如上述中任一项的方法。
本申请实施例提供的一种用于电力仪表检验的骑缝章检测识别方法及系统，包含了对电力仪表设备骑缝章与封印豆目标区域位置定位、霍夫圆变换、极坐标变换等图像处理方法，通过在转换后HSV空间下进行形态学开运算和双边滤波，增强边缘轮廓信息和滤除无关噪声干扰，从而进一步通过霍夫圆变换进行骑缝章的区域定位，以及极坐标变换后的二值分析和像素统计等处理，最终得到一个阈值分数，将该阈值分数与设置的固定值进行参照，即可判断最终输出的检测结果
附图说明
通过阅读参照以下附图你，所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是根据本申请的用于电力仪表检验的骑缝章检测识别方法的流程图；
图2是根据本申请的用于电力仪表检验的骑缝章检测识别方法的一个具体流程示意图；
图3是根据本申请的一个实施例的原始RGB图像的示意图；
图4是根据本申请的一个实施例的HSV颜色空间图像的示意图；
图5是根据本申请的一个实施例的开运算-HSV颜色空间图像的示意图；
图6是根据本申请的一个实施例的双边滤波-HSV颜色空间图像的示意图；
图7是根据本申请的一个实施例的Canny-边缘检测图像的示意图；
图8是根据本申请的一个实施例的霍夫圆检测图像的示意图；
图9是根据本申请的一个实施例的截取区域图像的示意图；
图10是根据本申请的一个实施例的二值化图像的示意图；
图11是根据本申请的一个实施例的极坐标变换结果的示意图；
图12是根据本申请的一个实施例的均值化和归一化的示意图；
图13是根据本申请的用于电力仪表检验的骑缝章检测识别系统的示意图；
图14是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的用于电力仪表检验的骑缝章检测识别方法的流程图，图2示出了根据本申请的用于电力仪表检验的骑缝章检测识别方法的一个具体流程示意图；结合参考图1和图2，该方法100包括以下步骤：
S110、将原始RGB图像转换为HSV颜色空间图像，将HSV颜色空间图像进行预处理。
在本实施例中，将HSV颜色空间图像进行预处理包括对HSV颜色空间图像进行形态学开运算以及双边滤波操作后，进行Canny边缘检测。可结合参考图3-图7，图3-图7分别示出了是根据本申请的一个实施例的原始RGB图像、HSV颜色空间图像、开运算-HSV颜色空间图像、双边滤波-HSV颜色空间图像、Canny-边缘检测图像的示意图。
S120、对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域。可以通过面积计算对比将圆形拟合集合内的圆进行从大到小的排序，最终获取最大的圆形区域。请参考图8，图8示出了根据本申请的一个实施例的霍夫圆检测图像的示意图。
在本实施例中，对预处理后的图像进行霍夫圆变换，包括以下子步骤：
S121、使用Sobel算子计算预处理后的图像的梯度，沿着预处理后的图像的梯度方向和反方向画线段，线段的起点和长度由设定的参数决定，将线段经过的点在累加器中计数，计数越多的点越有可能成为圆心；
S122、对所有非0点距圆心的距离从小到大排序，从小半径开始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于圆的点；逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高，半径的可信度越大，在参数允许范围内反复执行步骤S121和步骤S122，直至得到最优半径。
S130、根据最大的圆形区域截取最外围的矩形，获得矩形图像，将矩形图像转换成灰度图像，对灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化。请结合参考图9-图12，图9-图12分别是根据本申请的一个实施例的截取区域图像、二值化图像、极坐标变换结果、均值化和归一化的示意图。
在本实施例中，根据最大的圆形区域截取最外围的矩形，获得矩形图像，将矩形图像转换成灰度图像，对灰度图像进行做threshold二值化处理，同时二值化的数值参数进行调整，基于OpenCV实现图像极坐标变换以将扇形区域转换为矩形区域，根据矩形区域的宽高进行最近邻插值处理，最后对进行极坐标变换后的图像的像素进行归一化处理。
在本实施例中，最后对进行极坐标变换后的图像的像素进行归一化处理，包括以下子步骤：
S131、对极坐标变换后的图像灰度梯度幅值归一化；以及
S132、采用Canny边缘检测中的灰度梯度求取方法，得到灰度图像I(x,y)的灰度梯度幅值图像M(x,y)，并将M(x,y)归一化到scale；
归一化方法为：
其中，Ms(x,y)为归一化图像梯度幅值图像，(x,y)表示图像的像素坐标；scale表示根据设计要求设定的最大范围值。
S140、对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对黑色像素数量进行判断，最终得出识别结果。
在本实施例中，设置固定阈值对黑色像素数量进行判断，最终得出识别结果，包括：若黑色像素数量在设置的固定阈值内，则输出结果为True，即骑缝章上的封印豆正常，；否则，输出结果为False，即封印豆异常。
进一步参考图13，作为对上述所述方法的实现，本申请提供了用于电力仪表检验的骑缝章检测识别系统的一个实施例，该系统实施例与图1所示的方法实施例相对应，该系统具体可以应用于各种电子设备中。该系统200包括：
预处理模块210，用于将原始RGB图像转换为HSV颜色空间图像，将HSV颜色空间图像进行预处理；
霍夫圆变换模块220，用于对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域；
转换模块230，用于根据最大的圆形区域截取最外围的矩形，获得矩形图像，将矩形图像转换成灰度图像，对灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化；以及
输出模块240，用于对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对黑色像素数量进行判断，最终得出识别结果。
如图14所示，计算机系统300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有系统300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、分析模块和输出模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，包括以下步骤：
S110、将原始RGB图像转换为HSV颜色空间图像，将所述HSV颜色空间图像进行预处理；
S120、对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域；
S130、根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化；以及
S140、对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果。
2.根据权利要求1一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S110中，将所述HSV颜色空间图像进行预处理包括对所述HSV颜色空间图像进行形态学开运算以及双边滤波操作后，进行Canny边缘检测。
3.根据权利要求1一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S120中，对预处理后的图像进行霍夫圆变换，包括以下子步骤：
S121、使用Sobel算子计算预处理后的图像的梯度，沿着预处理后的图像的梯度方向和反方向画线段，线段的起点和长度由设定的参数决定，将线段经过的点在累加器中计数，计数越多的点越有可能成为圆心；
S122、对所有非0点距圆心的距离从小到大排序，从小半径开始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于所述圆的点；逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高，半径的可信度越大，在参数允许范围内反复执行步骤S121和步骤S122，直至得到最优半径。
4.根据权利要求1一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S130中，根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行做threshold二值化处理，同时二值化的数值参数进行调整，基于OpenCV实现图像极坐标变换，最后对进行极坐标变换后的图像的像素进行归一化处理。
5.根据权利要求4一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，基于OpenCV实现图像极坐标变换以将扇形区域转换为矩形区域，根据所述矩形区域的宽高进行最近邻插值处理。
6.根据权利要求4一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S130中，最后对进行极坐标变换后的图像的像素进行归一化处理，包括以下子步骤：
S131、对所述极坐标变换后的图像灰度梯度幅值归一化；以及
S132、采用Canny边缘检测中的灰度梯度求取方法，得到灰度图像I(x,y)的灰度梯度幅值图像M(x,y)，并将M(x,y)归一化到scale；
所述归一化方法为：
其中，Ms(x,y)为归一化图像梯度幅值图像，(x,y)表示图像的像素坐标；scale表示根据设计要求设定的最大范围值。
7.根据权利要求1一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S140中，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果，包括：若所述黑色像素数量在设置的所述固定阈值内，则输出结果为True；否则，输出结果为False。
8.根据权利要求1一种用于电力仪表检验的骑缝章检测识别方法，其特征在于，在步骤S120中，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，具体是通过面积计算对比将所述圆形拟合集合内的圆进行从大到小的排序，最终获取最大的圆形区域。
9.一种用于电力仪表检验的骑缝章检测识别系统，其特征在于，所述系统包括：
预处理模块，用于将原始RGB图像转换为HSV颜色空间图像，将所述HSV颜色空间图像进行预处理；
霍夫圆变换模块，用于对预处理后的图像进行霍夫圆变换，获得圆形拟合集合，并将所述圆形拟合集合根据像素点的数量进行排序，获取最大的圆形区域；
转换模块，用于根据所述最大的圆形区域截取最外围的矩形，获得矩形图像，将所述矩形图像转换成灰度图像，对所述灰度图像进行二值化处理，并且对二值化处理后的图像的像素进行归一化；以及
输出模块，用于对归一化后的图像中所有像素进行均值化并按位取反，计算黑色像素数量，设置固定阈值对所述黑色像素数量进行判断，最终得出识别结果。
10.一种计算机可读存储介质，所述介质中存储有计算机程序，在所述计算机程序被处理器执行时，实施如权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210870521.7A CN115187563A (zh) | 2022-07-22 | 2022-07-22 | 一种用于电力仪表检验的骑缝章检测识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210870521.7A CN115187563A (zh) | 2022-07-22 | 2022-07-22 | 一种用于电力仪表检验的骑缝章检测识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115187563A true CN115187563A (zh) | 2022-10-14 |
Family
ID=83521755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210870521.7A Pending CN115187563A (zh) | 2022-07-22 | 2022-07-22 | 一种用于电力仪表检验的骑缝章检测识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115187563A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117197128A (zh) * | 2023-11-02 | 2023-12-08 | 宁波明禾新能源科技有限公司 | 一种折弯机的产品图像检测方法、系统和折弯机 |
-
2022
- 2022-07-22 CN CN202210870521.7A patent/CN115187563A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117197128A (zh) * | 2023-11-02 | 2023-12-08 | 宁波明禾新能源科技有限公司 | 一种折弯机的产品图像检测方法、系统和折弯机 |
| CN117197128B (zh) * | 2023-11-02 | 2024-01-30 | 宁波明禾新能源科技有限公司 | 一种折弯机的产品图像检测方法、系统和折弯机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| WO2023179122A1 (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
| US9679354B2 (en) | Duplicate check image resolution | |
| CN109872303B (zh) | 表面缺陷视觉检测方法、装置和电子设备 | |
| CN112149667B (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
| CN111583223A (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
| CN108982522B (zh) | 用于检测管道缺陷的方法和装置 | |
| CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN112116540A (zh) | 一种用于旋钮开关的档位识别方法和系统 | |
| CN114897847A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
| CN104732510A (zh) | 一种相机镜头黑斑检测方法及装置 | |
| CN115187563A (zh) | 一种用于电力仪表检验的骑缝章检测识别方法及系统 | |
| CN111353485A (zh) | 印章识别方法、装置、设备及介质 | |
| CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
| CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
| CN110705619B (zh) | 雾浓度等级判别方法及装置 | |
| CN114998311A (zh) | 一种基于同态滤波的零件精密度检测方法 | |
| CN116758056B (zh) | 一种电器端子生产缺陷检测方法 | |
| CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及系统 | |
| CN115063739B (zh) | 异常行为的检测方法、装置、设备及计算机存储介质 | |
| JP5067677B2 (ja) | 欠陥検出方法、欠陥検出装置、及びプログラム | |
| CN107330470B (zh) | 识别图片的方法和装置 | |
| CN113449745B (zh) | 标定物图像中标记物的识别方法、装置、设备及可读介质 | |
| CN114821194A (zh) | 一种设备运行状态识别方法及装置 | |
| CN114663899A (zh) | 金融票据的处理方法、装置、设备及介质 |
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 |