CN115760792A - 高压电缆附件安装关键环节的质量缺陷检验方法及装置 - Google Patents
高压电缆附件安装关键环节的质量缺陷检验方法及装置 Download PDFInfo
- Publication number
- CN115760792A CN115760792A CN202211467204.7A CN202211467204A CN115760792A CN 115760792 A CN115760792 A CN 115760792A CN 202211467204 A CN202211467204 A CN 202211467204A CN 115760792 A CN115760792 A CN 115760792A
- Authority
- CN
- China
- Prior art keywords
- cable
- images
- image
- components
- cable components
- 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
Abstract
本发明公开了一种高压电缆附件安装关键环节的质量缺陷检验方法及装置。其中,方法包括:采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像;分别提取多个部件图像的缺陷边缘点图像,并对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数;将多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷。
Description
技术领域
本发明涉及电力电缆附件检测技术领域,并且更具体地,涉及一种高压电缆附件安装关键环节的质量缺陷检验方法及装置。
背景技术
电缆附件制作质量管控单纯依赖安装制作、技术监督人员的技能技术水平和“工匠精神”:虽然高压电缆附件制作工艺标准化、质量评价体系及安装技能考核等质量管控环节获重视程度和技术支撑度正不断提升,设备安装标准化工器具在深化应用,但主要围绕具备“工匠精神”、具有熟练技能的附件制作人员和熟知工艺文件的技术监督人员等核心要素展开,现阶段检测并评价高压电缆附件(户外终端、GIS电缆终端、中间接头等)制作安装关键环节,例如电缆本体预处理(剥切外半导电屏蔽层、外屏断口处理、主绝缘表面打磨)、预制件/应力锥安装、附件尾管与电缆金属套搪铅密封等,仍采用人工经验视查结合安装尺寸校核方式检验,存在工艺缺陷现场检测效率不高、附件制作质量评价标准化和一致性程度较低等突出问题。
电缆附件制作关键环节工艺质量检测的智能化技术及装备基本缺失:高压电缆附件制作安装人员存在培养周期长、实操质效要求严苛等特点,当前技能熟练的附件制作人员数量持续紧缺,电缆工程建设电气施工中附件制作工艺缺陷检验及质量评价的技术装备研究开发、完善配置、典型应用还存在很多空白。
发明内容
针对现有技术的不足,本发明提供一种高压电缆附件安装关键环节的质量缺陷检验方法及装置。
根据本发明的一个方面,提供了一种高压电缆附件安装关键环节的质量缺陷检验方法,包括:
采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;
利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像;
分别提取多个部件图像的缺陷边缘点图像,并对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数;
将多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷。
可选地,采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像的操作,包括:
通过自适应滤波分别对多个电缆分段图像进行去噪;
对去噪后的多个电缆分段图像构建尺度空间,确定多个电缆分段图像之间的待匹配特征点;
分别计算多个电缆分段图像的梯度幅值和方向,并根据幅值和方向对待匹配特征点分配特征描述符;
对待匹配特征点的特征描述符进行欧氏距离计算,完成待匹配特征点之间的特征匹配,生成总电缆图像。
可选地,利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像的操作,包括:
利用直方图均衡方法对总电缆图像进行图像增强;
利用RGB三色分离的边缘检测算法对增强后的总电缆图像进行分割,提取多个部件图像。
可选地,提取多个部件图像的缺陷边缘点的操作之前,还包括:
对多个部件图像进行灰度处理,并进行图像均值平滑操作;
采用直方图均衡化方法对多个部件图像进行灰度均衡分布;
利用高斯滤波处理方法去除多个部件图像进行噪声与干扰。
可选地,分别提取多个部件图像的缺陷边缘点图像的操作,包括:
分别计算多个电缆部件的灰度梯度幅值和方向,确定多个电缆部件的多个灰度梯度信息;
采用局部最优值方法分别对多个灰度梯度信息进行缺陷边缘点判定,确定多个电缆部件的初始缺陷边缘点图像;
根据预先设置的高低双阈值分别对多个电缆部件的初始缺陷边缘点图像进行筛选,确定多个电缆部件的缺陷边缘点图像。
可选地,对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数的操作,包括:
分别对多个电缆部件的缺陷边缘点图像进行膨胀处理;
对膨胀处理后的多个电缆部件的缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数。
可选地,将多个电缆部件的多个拟合函数与分别预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷的操作,包括:
分别计算多个拟合函数的极值或方差;
将多个拟合函数的极值或方差分别与预先设置的多个电缆部件的极值取值范围和方差取值范围进行比较,确定多个电缆部件是否存在缺陷。
可选地,将多个拟合函数的极值或方差分别与预先设置的多个电缆部件的极值取值范围和方差取值范围进行比较,确定多个电缆部件是否存在缺陷的操作,包括:
在任意一个电缆部件的拟合函数的极值或方差不在该电缆部件预先设置的极值范围或方差范围内的情况下,判断该电缆部件存在缺陷。
根据本发明的另一个方面,提供了一种高压电缆附件安装关键环节的质量缺陷检验装置,包括:
拼接模块,用于采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;
分割模块,用于利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像;
拟合模块,用于分别提取多个部件图像的缺陷边缘点图像,并对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数;
确定模块,用于将多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷。
根据本发明的又一个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明上述任一方面所述的方法。
根据本发明的又一个方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明上述任一方面所述的方法。
从而,本申请通过分段采集交联电缆的图像,然后对图像进行识别处理,识别处电缆部件的缺陷结果。可以在工程电气施工方面高压电缆附件现场安装自动化辅助作业以及相应环节制作质量缺陷智能检验和评价。解决当前检测并评价交联电缆附件安装关键环节质量仍采用人工经验视查结合安装尺寸校核方式检验,存在工艺缺陷现场检测效率不高、制作质量评价标准化和一致性程度较低等突出问题,大幅优化附件制作安装关键环节工序缺陷检测及质量评价的经济性及执行效率,支撑电力电缆系统本质安全水平进一步提升。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1是本发明一示例性实施例提供的高压电缆附件安装关键环节的质量缺陷检验方法的流程示意图;
图2是本发明一示例性实施例提供的图像采集装置内部示意图;
图3是本发明一示例性实施例提供的图像采集装置识别流程图;
图4是本发明一示例性实施例提供的高压电缆附件安装关键环节的质量缺陷检验装置的结构示意图;
图5是本发明一示例性实施例提供的电子设备的结构。
具体实施方式
下面,将参考附图详细地描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本发明实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本发明实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本发明对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1是本发明一示例性实施例提供的高压电缆附件安装关键环节的质量缺陷检验方法的流程示意图。本实施例可应用在电子设备上,如图1所示,高压电缆附件安装关键环节的质量缺陷检验方法100包括以下步骤:
步骤101,采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处。
其中,多个电缆分段图像为电缆本体去除外护套、金属套后的分段图像。
可选地,采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像的操作,包括:
通过自适应滤波分别对多个电缆分段图像进行去噪;
对去噪后的多个电缆分段图像构建尺度空间,确定多个电缆分段图像之间的待匹配特征点;
分别计算多个电缆分段图像的梯度幅值和方向,并根据幅值和方向对待匹配特征点分配特征描述符;
对待匹配特征点的特征描述符进行欧氏距离计算,完成待匹配特征点之间的特征匹配,生成总电缆图像。
具体地,可以在计算设备的图像处理装置中实现上述操作,基于SIFT算法的图像拼接技术,实现分段图像的拼接。首先,对电缆附件安装预处理区域的多个电缆分段图像进行预处理,采用自适应滤波对图像进行预处理,在自适应滤波时选择不同的方差,以此得到最佳残差,以保留该图像的细节信息。其次,通过尺度空间的构建确定了分段图像之间的待匹配的关键点。之后,计算每张分段图像的梯度幅值与方向,并给每个特征点分配特征描述符。最后,对特征描述符采用欧式距离法来匹配特征点,将分段拍摄的几张电缆图像拼接成一张,完成110kV及以上所有型号的交联电缆分段图像拼接。
步骤102,利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像。
可选地,利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像的操作,包括:
利用直方图均衡方法对总电缆图像进行图像增强;
利用RGB三色分离的边缘检测算法对增强后的总电缆图像进行分割,提取多个部件图像。
具体地,基于Canny的RGB三色分离的边缘检测方法,将拼接后交联总电缆图像分割为外半导电层、主绝缘、压接管等电缆部件。首先,基于直方图均衡处理,对拼接后总电缆图像进行图像增强,使各个部分分界线更明显。其次,通过电缆附件各部件颜色区别大的特性,利用边缘检测算法针对不同颜色之间部件分界线,对电缆附件进行分割。最后,得到主绝缘、外半导电层、压接管等不同位置的部件图像。
可选地,提取多个部件图像的缺陷边缘点的操作之前,还包括:
对多个部件图像进行灰度处理,并进行图像均值平滑操作;
采用直方图均衡化方法对多个部件图像进行灰度均衡分布;
利用高斯滤波处理方法去除多个部件图像进行噪声与干扰。
具体地,在图像处理装置中,对部件分割后的部件图像进行预处理,去除噪声和干扰。首先,对部件不同进行灰度处理,接着利用模板内像素点的均值代替预处理部件图像目标中心像素点,即图像均值平滑操作。之后,采用直方图均衡化,将降噪后的部件图像中某个灰度值比较集中的区间均匀地分布至整个灰度空间,以实现图像的增强。最后,利用高斯滤波处理,将部件图像中的噪声与干扰去除,完成部件图像预处理。
步骤103,分别提取多个部件图像的缺陷边缘点图像,并对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数。
可选地,分别提取多个部件图像的缺陷边缘点图像的操作,包括:
分别计算多个电缆部件的灰度梯度幅值和方向,确定多个电缆部件的多个灰度梯度信息;
采用局部最优值方法分别对多个灰度梯度信息进行缺陷边缘点判定,确定多个电缆部件的初始缺陷边缘点图像;
根据预先设置的高低双阈值分别对多个电缆部件的初始缺陷边缘点图像进行筛选,确定多个电缆部件的缺陷边缘点图像。
可选地,对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数的操作,包括:
分别对多个电缆部件的缺陷边缘点图像进行膨胀处理;
对膨胀处理后的多个电缆部件的缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数。
具体地,部件图像预处理后,利用函数拟合,识别110kV及以上所有型号的交联电缆图像中各个电缆部件的缺陷。首先,由于图像边界灰度值与相邻区域存在差异,不同区域产生区别较大的灰度值,以此计算图像灰度梯度幅值及方向,得到图像的灰度梯度信息。然后,为防止出现伪边缘,采用局部最优值方法判定一像素点是否为边缘点,抑制非极大值点信息,突出边缘点。其次,设定使用高、低双阈值,提取不同部件的边缘点。阈值设置过小时,即高阈值设置为20时,检测强度较强,会检测出许多不需要的特征信息。阈值设置太大时,即高阈值设置为100时,又会将缺陷的特征筛选掉。接着,对不同部件的边缘点进行图像膨胀处理,使之更容易拟合。然后,分别对不同部件的边缘点进行函数拟合,该拟合函数为一元二次函数,即ax2+bx+c。
步骤104,将多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷。
可选地,将多个电缆部件的多个拟合函数与分别预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷的操作,包括:
分别计算多个拟合函数的极值或方差;
将多个拟合函数的极值或方差分别与预先设置的多个电缆部件的极值取值范围和方差取值范围进行比较,确定多个电缆部件是否存在缺陷。
可选地,将多个拟合函数的极值或方差分别与预先设置的多个电缆部件的极值取值范围和方差取值范围进行比较,确定多个电缆部件是否存在缺陷的操作,包括:
在任意一个电缆部件的拟合函数的极值或方差不在该电缆部件预先设置的极值范围或方差范围内的情况下,判断该电缆部件存在缺陷。
具体地,计算各个电缆部件的拟合函数的极值或方差,通过与缺陷判断阈值对比,判断是否存在缺陷,例如,当压接管拟合曲线的极大值不属于[80,100]时认为压接管存在毛刺。
此外,参考图2所示,图像采集装置3可以是CCD相机,1为交联电缆附件,2为LED灯带。CCD相机3与LED灯带2采用三角形布置的方式围绕在支撑结构内壁上,CCD相机3分别位于支持结构轴向中心的内壁上。LED灯带2布置在CCD相机3的两侧,与CCD相机3呈45度夹角。CCD相机3采集的分段图像通过无线传输模块传输至计算设备上进行图像处理以及识别操作。
此外,图3示出了缺陷识别的流程示意图,具体为图像采集装置的初始化,并检查是否存在故障,在无故障的情况下与计算设备建立无线通信。打开LED灯带2,开始拍摄分段图像,通过无线传输模块将分段图像传输值计算设备上,计算设备根据接收的分段图像进行缺陷识别,得到是否存在缺陷的检测结果,并进行存储。
本发明提出一种高压电缆附件安装关键环节的质量缺陷检验方法,以机器视觉和智能图像识别技术为基础,提出附件安装过程中外半导电屏蔽层去除、绝缘打磨、表面清洁、导体连接管压接等关键环节的剥切长度不符合规范、断口不圆整、绝缘表面污渍、压接存在尖角和毛刺等安装质量缺陷的图像智能识别技术方法,创新设计电缆附件安装质量缺陷自动检测装置。
从而,本发明所提出的高压电缆附件安装关键环节的质量缺陷检验方法可以在工程电气施工方面高压电缆附件现场安装自动化辅助作业以及相应环节制作质量缺陷智能检验和评价,高压电缆设备运检全业务核心班组附件安装自主实施能力建设方面附件安装技能实操培训和制作质量智能检验评价,解决当前检测并评价交联电缆附件安装关键环节质量仍采用人工经验视查结合安装尺寸校核方式检验,存在工艺缺陷现场检测效率不高、制作质量评价标准化和一致性程度较低等突出问题,大幅优化附件制作安装关键环节工序缺陷检测及质量评价的经济性及执行效率,支撑电力电缆系统本质安全水平进一步提升。
示例性装置
图4是本发明一示例性实施例提供的高压电缆附件安装关键环节的质量缺陷检验装置的结构示意图。如图4所示,装置400包括:
拼接模块410,用于采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;
分割模块420,用于利用RGB三色分离的边缘检测方法,将总电缆图像进行分割,提取多个电缆部件的多个部件图像;
拟合模块430,用于分别提取多个部件图像的缺陷边缘点图像,并对缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数;
确定模块440,用于将多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定多个电缆部件是否存在缺陷。
可选地,拼接模块410,包括:
去噪子模块,用于通过自适应滤波分别对多个电缆分段图像进行去噪;
构建子模块,用于对去噪后的多个电缆分段图像构建尺度空间,确定多个电缆分段图像之间的待匹配特征点;
第一计算子模块,用于分别计算多个电缆分段图像的梯度幅值和方向,并根据幅值和方向对待匹配特征点分配特征描述符;
生成子模块,用于对待匹配特征点的特征描述符进行欧氏距离计算,完成待匹配特征点之间的特征匹配,生成总电缆图像。
可选地,分割模块420,包括:
增强子模块,用于利用直方图均衡方法对总电缆图像进行图像增强;
提取子模块,用于利用RGB三色分离的边缘检测算法对增强后的总电缆图像进行分割,提取多个部件图像。
可选地,提取多个部件图像的缺陷边缘点的操作之前,装置400还包括:
灰度处理子模块,用于对多个部件图像进行灰度处理,并进行图像均值平滑操作;
均衡分布子模块,用于采用直方图均衡化方法对多个部件图像进行灰度均衡分布;
去除子模块,用于利用高斯滤波处理方法去除多个部件图像进行噪声与干扰。
可选地,拟合模块430,包括:
第一确定子模块,用于分别计算多个电缆部件的灰度梯度幅值和方向,确定多个电缆部件的多个灰度梯度信息;
第二确定子模块,用于采用局部最优值方法分别对多个灰度梯度信息进行缺陷边缘点判定,确定多个电缆部件的初始缺陷边缘点图像;
第三确定子模块,用于根据预先设置的高低双阈值分别对多个电缆部件的初始缺陷边缘点图像进行筛选,确定多个电缆部件的缺陷边缘点图像。
可选地,拟合模块430,包括:
膨胀子模块,用于分别对多个电缆部件的缺陷边缘点图像进行膨胀处理;
函数拟合子模块,用于对膨胀处理后的多个电缆部件的缺陷边缘点图像中的点进行函数拟合,确定多个电缆部件的多个拟合函数。
可选地,确定模块440,包括:
第二计算子模块,用于分别计算多个拟合函数的极值或方差;
第四确定子模块,用于将多个拟合函数的极值或方差分别与预先设置的多个电缆部件的极值取值范围和方差取值范围进行比较,确定多个电缆部件是否存在缺陷。
可选地,第四确定子模块,包括:
判断单元,用于在任意一个电缆部件的拟合函数的极值或方差不在该电缆部件预先设置的极值范围或方差范围内的情况下,判断该电缆部件存在缺陷。
示例性电子设备
图5是本发明一示例性实施例提供的电子设备的结构。如图5所示,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本发明的各个实施例的软件程序的方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置53和输出装置54,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置53还可以包括例如键盘、鼠标等等。
该输出装置54可以向外部输出各种信息。该输出装置54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图5中仅示出了该电子设备中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明中涉及的器件、系统、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、系统、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本发明的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
还需要指出的是,在本发明的系统、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (11)
1.一种高压电缆附件安装关键环节的质量缺陷检验方法,其特征在于,包括:
采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中所述多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;
利用RGB三色分离的边缘检测方法,将所述总电缆图像进行分割,提取多个电缆部件的多个部件图像;
分别提取所述多个部件图像的缺陷边缘点图像,并对所述缺陷边缘点图像中的点进行函数拟合,确定所述多个电缆部件的多个拟合函数;
将所述多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定所述多个电缆部件是否存在缺陷。
2.根据权利要求1所述的方法,其特征在于,采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像的操作,包括:
通过自适应滤波分别对所述多个电缆分段图像进行去噪;
对去噪后的所述多个电缆分段图像构建尺度空间,确定所述多个电缆分段图像之间的待匹配特征点;
分别计算所述多个电缆分段图像的梯度幅值和方向,并根据所述幅值和方向对所述待匹配特征点分配特征描述符;
对所述待匹配特征点的所述特征描述符进行欧氏距离计算,完成所述待匹配特征点之间的特征匹配,生成所述总电缆图像。
3.根据权利要求1所述的方法,其特征在于,利用RGB三色分离的边缘检测方法,将所述总电缆图像进行分割,提取多个电缆部件的多个部件图像的操作,包括:
利用直方图均衡方法对所述总电缆图像进行图像增强;
利用所述RGB三色分离的边缘检测算法对增强后的所述总电缆图像进行分割,提取所述多个部件图像。
4.根据权利要求1所述的方法,其特征在于,提取所述多个部件图像的缺陷边缘点的操作之前,还包括:
对所述多个部件图像进行灰度处理,并进行图像均值平滑操作;
采用直方图均衡化方法对所述多个部件图像进行灰度均衡分布;
利用高斯滤波处理方法去除所述多个部件图像进行噪声与干扰。
5.根据权利要求1所述的方法,其特征在于,分别提取所述多个部件图像的缺陷边缘点图像的操作,包括:
分别计算所述多个电缆部件的灰度梯度幅值和方向,确定所述多个电缆部件的多个灰度梯度信息;
采用局部最优值方法分别对所述多个灰度梯度信息进行缺陷边缘点判定,确定所述多个电缆部件的初始缺陷边缘点图像;
根据预先设置的高低双阈值分别对所述多个电缆部件的所述初始缺陷边缘点图像进行筛选,确定所述多个电缆部件的缺陷边缘点图像。
6.根据权利要求1所述的方法,其特征在于,对所述缺陷边缘点图像中的点进行函数拟合,确定所述多个电缆部件的多个拟合函数的操作,包括:
分别对所述多个电缆部件的缺陷边缘点图像进行膨胀处理;
对膨胀处理后的所述多个电缆部件的缺陷边缘点图像中的点进行函数拟合,确定所述多个电缆部件的所述多个拟合函数。
7.根据权利要求1所述的方法,其特征在于,将所述多个电缆部件的多个拟合函数与分别预先设置的不同电缆部件的函数范围阈值进行比较,确定所述多个电缆部件是否存在缺陷的操作,包括:
分别计算所述多个拟合函数的极值或方差;
将所述多个拟合函数的极值或方差分别与预先设置的所述多个电缆部件的极值取值范围和方差取值范围进行比较,确定所述多个电缆部件是否存在缺陷。
8.根据权利要求7所述的方法,其特征在于,将所述多个拟合函数的极值或方差分别与预先设置的所述多个电缆部件的极值取值范围和方差取值范围进行比较,确定所述多个电缆部件是否存在缺陷的操作,包括:
在任意一个所述电缆部件的拟合函数的极值或方差不在该电缆部件预先设置的极值范围或方差范围内的情况下,判断该电缆部件存在缺陷。
9.一种高压电缆附件安装关键环节的质量缺陷检验装置,其特征在于,包括:
拼接模块,用于采用SIFT算法对从多个图像采集装置接收的多个电缆分段图像进行拼接,生成总电缆图像,其中所述多个图像采集装置预先设置在110kV及以上电压等级的电缆附件安装区域内多个交联电缆处;
分割模块,用于利用RGB三色分离的边缘检测方法,将所述总电缆图像进行分割,提取多个电缆部件的多个部件图像;
拟合模块,用于分别提取所述多个部件图像的缺陷边缘点图像,并对所述缺陷边缘点图像中的点进行函数拟合,确定所述多个电缆部件的多个拟合函数;
确定模块,用于将所述多个电缆部件的多个拟合函数分别与预先设置的不同电缆部件的函数范围阈值进行比较,确定所述多个电缆部件是否存在缺陷。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-8任一所述的方法。
11.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211467204.7A CN115760792A (zh) | 2022-11-22 | 2022-11-22 | 高压电缆附件安装关键环节的质量缺陷检验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211467204.7A CN115760792A (zh) | 2022-11-22 | 2022-11-22 | 高压电缆附件安装关键环节的质量缺陷检验方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115760792A true CN115760792A (zh) | 2023-03-07 |
Family
ID=85336759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211467204.7A Pending CN115760792A (zh) | 2022-11-22 | 2022-11-22 | 高压电缆附件安装关键环节的质量缺陷检验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115760792A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197534A (zh) * | 2023-08-04 | 2023-12-08 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
-
2022
- 2022-11-22 CN CN202211467204.7A patent/CN115760792A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197534A (zh) * | 2023-08-04 | 2023-12-08 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
CN117197534B (zh) * | 2023-08-04 | 2024-04-05 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523543B (zh) | 一种基于边缘距离的导线断股检测方法 | |
CN115760792A (zh) | 高压电缆附件安装关键环节的质量缺陷检验方法及装置 | |
CN114240888A (zh) | 一种基于图像处理的家具组件喷漆缺陷修复方法及系统 | |
CN109840883B (zh) | 一种训练物体识别神经网络的方法、装置及计算设备 | |
JP7034840B2 (ja) | 外観検査装置および方法 | |
CN111275659B (zh) | 一种焊缝图像处理方法、装置、终端设备及存储介质 | |
US20200090319A1 (en) | Machine learning method implemented in aoi device | |
CN111145159A (zh) | 提取巡检关键部件点的方法及装置 | |
CN111144477A (zh) | 一种钢材表面缺陷的训练样本生成方法、系统及电子设备 | |
CN111539924A (zh) | 一种悬垂线夹的缺陷检测方法、装置、设备及存储介质 | |
CN113888462A (zh) | 一种裂纹识别方法、系统、可读介质及存储介质 | |
CN107993223A (zh) | 划痕检测方法、装置和电子设备 | |
CN112784853A (zh) | 端子连接状态检测方法及装置 | |
CN110363749B (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
CN111310899B (zh) | 基于共生关系和小样本学习的电力缺陷识别方法 | |
CN110826413B (zh) | 一种输电线路防振锤故障检测方法及其系统、存储介质 | |
CN109211919B (zh) | 磁瓦崩缺区域的识别方法及装置 | |
CN115753809A (zh) | 一种绝缘子污损检测方法、装置、设备及存储介质 | |
CN114399479A (zh) | 铁道车辆螺栓开口销的检测方法、装置和计算机设备 | |
CN113361541A (zh) | 一种地下排水管道缺陷的特征提取方法 | |
CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
CN113034021A (zh) | 基于机巡数据的输电线路缺陷分析方法及系统 | |
CN116883391B (zh) | 一种基于多尺度滑动窗口的两阶段配电线路缺陷检测方法 | |
KR20170115738A (ko) | 인테리어 정보 처리 장치 및 방법 | |
CN111366582A (zh) | 一种基于自动光学检测自动判等方法 |
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 |