CN115855961A - 一种用于运行中的配电箱故障检测方法 - Google Patents
一种用于运行中的配电箱故障检测方法 Download PDFInfo
- Publication number
- CN115855961A CN115855961A CN202310119886.0A CN202310119886A CN115855961A CN 115855961 A CN115855961 A CN 115855961A CN 202310119886 A CN202310119886 A CN 202310119886A CN 115855961 A CN115855961 A CN 115855961A
- Authority
- CN
- China
- Prior art keywords
- gray
- line
- pixel point
- detected
- texture
- 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 28
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims description 65
- 238000000605 extraction Methods 0.000 claims description 59
- 238000005299 abrasion Methods 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims 3
- 230000007547 defect Effects 0.000 description 38
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001591024 Samea Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 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
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种用于运行中的配电箱故障检测方法,该方法通过利用可见光电子识别设备进行可见光图像识别,从而获取配电箱中待检测线路段的表面图像,对该表面图像进行相应的数据处理,从而确定配电箱是否发生线路磨损故障。本发明通过图像识别的方式获取配电箱中待检测线路段的表面图像,并对该表面图像进行相应的数据处理,从而准确确定配电箱是否发生了线路磨损故障,有效提高了配电箱线路磨损故障检测的准确性和可靠性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种用于运行中的配电箱故障检测方法。
背景技术
随着科技水平和生产工业的不断提高和改善,越来越多的高科技先进技术融入到我们当下的生活中,如为了引起更多相关消费者注意,在现代化商业步行街中设置的LED广告屏幕,3D广告屏幕等。这些超大屏幕在给我们带来视觉冲击的同时,作为电能设备也消耗了巨大的电能资源。为了实现这些相关电能设置的电能管理,通常情况下会为这些电能设置设计安放相应的配电箱,当配电箱发生异常故障时,就会导致这些相关电能设备出现使用异常。考虑到由于配电箱通常暴露于自然环境中,其中的线路在长时间自然或人为影响下,会导致线路发生磨损、老化等缺陷,从而极大可能出现漏电、电火花等异常现象。同时,这些配电箱异常现象会导致局部高温影响,致使附近可燃物迅速引燃,从而引发火灾,造成巨大的财产经济损失,甚至威胁到相关居民的生命安全,对日常生产生活产生较大的影响。因此,对配电箱内的线路缺陷情况进行可靠及时的检测就显得尤为重要。
在传统的线路磨损缺陷检测中,通常采用人工的方式对线路进行定期检查,但是这种检测方式可靠性不高,存在一定的滞后性,且消耗大量的人力资源。随着计算机视觉的发展,图像识别技术被逐渐应用到线路的缺陷检测中。在现有的基于图像识别的线路磨损缺陷检测中,通常采用预先训练好的识别模型对线路缺陷进行磨损识别,但是预先训练识别模型需要大量的数据集,计算巨大,且这些数据集需要花费大量的人力完成标注工作,人工标注容易受到主观经验的影响,不同标注人对同一幅图像的标注可能不一致,最终导致检测结果不够准确。
发明内容
为了解决现有配电箱线路磨损缺陷检测不够准确的问题,本发明的目的在于提供一种用于运行中的配电箱故障检测方法,所采用的技术方案具体如下:
本发明提供了一种用于运行中的配电箱故障检测方法,包括以下步骤:
识别得到配电箱中待检测线路段的表面图像,对表面图像进行数据处理,确定待测线路区域灰度图,并获取标准线路区域灰度图;
获取待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点,将待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点进行位置比对,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值;
根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,确定待测线路区域灰度图中的各个异常边缘像素点和待测线路的外形磨损因子;
为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径,待测线路区域灰度图中的异常边缘像素点对应至少两个不同尺寸的纹理提取半径;
根据设置的纹理提取半径,对待测线路区域灰度图和标准线路区域灰度图进行纹理特征提取,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值;
根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值,进行数据处理,确定待测线路的磨损指标值;
根据待测线路的外形磨损因子和磨损指标值,进行数据处理,确定待测线路的磨损概率值,并根据待测线路的磨损概率值,确定配电箱是否发生线路磨损故障。
进一步的,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值,包括:
将标准线路区域灰度图中的各个边缘像素点映射到待测线路区域灰度图中,从而得到各个映射像素点;
根据待测线路区域灰度图中的各个边缘像素点和各个映射像素点的位置,将各个边缘像素点和各个映射像素点进行一对一匹配,从而确定待测线路区域灰度图中的各个边缘像素点所匹配的映射像素点;
计算待测线路区域灰度图中的各个边缘像素点与其所匹配的映射像素点之间的距离值,并将所述距离值确定为待测线路区域灰度图中对应的边缘像素点对应的位置差异值。
进一步的,确定待测线路的外形磨损因子,包括:
对待测线路区域灰度图中的各个边缘像素点对应的位置差异值进行统计,确定同一位置差异值所对应的频率;
根据每个同一位置差异值及其所对应的频率,计算待测线路的外形磨损因子。
进一步的,在为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径时,若待测线路区域灰度图中的异常边缘像素点对应的位置差异值所对应的频率大于设定频率阈值,则该异常边缘像素点对应至少三个不同尺寸的纹理提取半径。
进一步的,确定待测线路区域灰度图中的各个异常边缘像素点,包括:
根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,将大于设定差异值阈值的位置差异值所对应的边缘像素点确定为异常边缘像素点。
进一步的,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值,包括:
根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取半径,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取区域;
对于待测线路区域灰度图中的每个异常边缘像素点,根据该异常边缘像素点在其对应的不同尺寸的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该异常边缘像素点对应不同尺寸的纹理提取半径的LBP纹理特征,并将不同尺寸的纹理提取半径的LBP纹理特征的平均值作为对应该异常边缘像素点的纹理特征值;
将待测线路区域灰度图中的每个非异常边缘像素点和标准线路区域灰度图中的每个像素点均作为一个对象像素点,根据该对象像素点在其对应的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该对象像素点对应纹理提取半径的LBP纹理特征,并将该LBP纹理特征作为对应该对象像素点的纹理特征值。
进一步的,确定待测线路的磨损指标值,包括:
根据待测线路区域灰度图中各个像素点的纹理特征值,确定待测线路区域灰度图对应的纹理特征矩阵,并根据标准线路区域灰度图中各个像素点的纹理特征值,确定标准线路区域灰度图对应的纹理特征矩阵;
确定两个纹理矩阵各自的奇异值和行向量,并根据两个纹理矩阵各自的奇异值和行向量,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值。
进一步的,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值,包括:
将待测线路区域灰度图对应的纹理特征矩阵的奇异值与标准线路区域灰度图对应的纹理特征矩阵的奇异值进行一对一匹配,从而得到各个奇异值匹配对;
计算各个奇异值匹配对中两个奇异值的差值绝对值,计算所有差值绝对值的累加和,并将差值绝对值的累加和确定为第一指标值;
确定待测线路区域灰度图对应的纹理特征矩阵和标准线路区域灰度图对应的纹理特征矩阵中的各个目标向量,计算待测线路区域灰度图对应的纹理特征矩阵中的每个目标向量与标准线路区域灰度图对应的纹理特征矩阵中对应的目标向量的相似度,并根据所有相似度的累计和确定第二指标值,所有相似度的累计和越大,第二指标值越小;
将第一指标值和第二指标值的乘积确定为待测线路的磨损指标值。
进一步的,确定待测线路的磨损概率值,包括:
将待测线路的外形磨损因子和磨损指标值的和确定为磨损评估值;
对磨损评估值进行归一化处理,并将归一化处理后的磨损评估值作为待测线路的磨损概率值。
进一步的,确定配电箱是否发生线路磨损故障,包括:
判断待测线路的磨损概率值是否大于设定概率阈值,若大于设定概率阈值,则判定配电箱发生线路磨损故障。
本发明实施例具有如下有益效果:通过可见光图像识别电子设备进行图像识别,从而获取配电箱中单段待检测线路所对应的表面图像,并对该表面图像进行数据处理,获取待测线路区域灰度图,同时识别获取未发生线路磨损缺陷的标准线路区域灰度图,并对待测线路区域灰度图和标准线路区域灰度图进行相应的数据处理和识别,从而准确确定配电箱是否发生线路磨损故障。本发明解决了现有配电箱线路磨损缺陷检测不够准确的问题,有效提高了线路磨损缺陷检测的准确性和可靠性。
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为本发明实施例的用于运行中的配电箱故障检测方法的流程图;
图2为本发明实施例的待测线路区域灰度图的示意图;
图3为本发明实施例的标准线路区域灰度图的示意图。
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技术方案的具体实施方式、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。
为了实现配电箱中线路的磨损缺陷的检测识别,本实施例提供了一种用于运行中的配电箱故障检测方法,其对应的流程图如图1所示,包括以下步骤:
步骤S1:识别得到配电箱中待检测线路段的表面图像,对表面图像进行数据处理,确定待测线路区域灰度图,并获取标准线路区域灰度图。
为了及时检测出配电箱的线路磨损故障情况,在配电箱的合适位置设置小型相机,利用该合适位置设置的小型相机可以采集获取配电箱中线路的图像信息。考虑到采集获取的配电箱线路图像质量会影响到后续配电箱线路磨损故障检测的准确性效果,为了提高配电箱线路磨损故障检测的精确度,本实施例设置的是小型CCD相机,并利用该小型CCD相机对配电箱进行拍摄采集,从而得到RGB颜色空间下的配电箱线路的表面图像。
考虑到在拍摄采集过程中可能存在随机自然噪声,从而对拍摄采集得到的配电箱线路的表面图像产生较大的影响,因此为了减弱甚至消除这些随机噪声对后续配电箱线路磨损故障检测时的影响,使用高斯滤波方法对采集得到的配电箱线路的表面图像进行降噪处理。同时为了进一步减少计算成本,以提高配电箱线路磨损故障检测的实时性效果,使用最大值法将降噪处理后的RGB颜色空间下的配电箱线路的表面图像转化为配电箱灰度图像。
为了便于后续对配电箱中线路的磨损异常情况进行分析计算,进一步的,使用大津法对配电箱灰度图像进行分割处理,通过分割可以得到包含单根线路段的配电箱线路前景图像和不含配电箱线路的背景图像。取包含单根线路段的配电箱线路前景图作为待测线路区域灰度图,以进行后续进一步的分析计算。
同时,为了便于后续对配电箱中线路磨损故障的检测计算,还需要拍摄采集标准
的配电箱线路图像,该标准的配电箱线路图像是指与配电箱中待检测线路同一型号的线路
在没有发生磨损时的表面拍摄图像。对该表面拍摄图像同样按照上述的处理方式进行处
理,从而得到标准的配电箱线路图像中与配电箱中待检测线路同一型号的单根线路的前景
图像,并将该单根线路的前景图像作为标准线路区域灰度图。需要指出的,待测线路区域灰
度图和标准线路区域灰度图具有相同的尺寸,其尺寸大小均为,如图2和图3所示,在
测线路区域灰度图和标准线路区域灰度图中,不仅包含单根线路区域的像素点,还包括背
景像素点,但是这些背景像素点的像素值均为0。
步骤S2:获取待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点,将待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点进行位置比对,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值。
对于待测线路区域灰度图,使用Canny算子对其进行边缘检测,从而得到待测线路区域灰度图中的各个边缘像素点。同样的,对于标准线路区域灰度图,也使用Canny算子进行边缘检测,从而得到标准线路区域灰度图中的各个边缘像素点。由于在线路发生磨损的情况下,相比较于未发生磨损的线路,其边缘像素点的位置就会发生变化,图2给出了某段线路在发生磨损情况下的灰度示意图,图3给出了该段线路在未发生磨损情况下的灰度示意图,通过对这种位置变化情况进行分析,有助于确定线路的磨损情况。因此,本实施例将待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点进行位置比对,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值,实现步骤包括:
步骤S21:将标准线路区域灰度图中的各个边缘像素点映射到待测线路区域灰度图中,从而得到各个映射像素点;
步骤S22:根据待测线路区域灰度图中的各个边缘像素点和各个映射像素点的位置,将各个边缘像素点和各个映射像素点进行一对一匹配,从而确定待测线路区域灰度图中的各个边缘像素点所匹配的映射像素点;
步骤S23:计算待测线路区域灰度图中的各个边缘像素点与其所匹配的映射像素点之间的距离值,并将所述距离值确定为待测线路区域灰度图中对应的边缘像素点对应的位置差异值。
具体的,将标准线路区域灰度图中的各个边缘像素点在待测线路区域灰度图中进行标记,从而得到标准线路区域灰度图中的每个边缘像素点在待测线路区域灰度图中的标记像素点,这些标记像素点也称为映射像素点。在进行标记时,可以确定待测线路区域灰度图中的线路中心轴线的位置和标准线路区域灰度图中的线路中心轴线的位置,然后在标准线路区域灰度图中确定该图中的边缘像素点距离线路中心轴线的距离,最后根据待测线路区域灰度图中的线路中心轴线的位置以及标准线路区域灰度图中边缘像素点到线路中心轴线的距离值,在待测线路区域灰度图中确定各个边缘像素点标记位置。
在待测线路区域灰度图中完成边缘像素点标记后,也就是确定各个映射像素点后,在待测线路区域灰度图中构建二维坐标系,坐标系的X轴方向指向线路中轴线方向。在构建好二维坐标系后,可以确定待测线路区域灰度图中的各个边缘像素点和各个映射像素点的位置坐标。对待测线路区域灰度图中的各个边缘像素点进行曲线拟合,从而可以得到线路边缘曲线,对待测线路区域灰度图中的各个映射像素点进行曲线拟合,从而可以得到标准的线路边缘曲线。通过对这两条曲线的差异情况进行分析,可以粗略地计算相应的配电箱中线路的表面磨损程度。
在对上述两条曲线的差异情况进行分析时,对于线路边缘曲线中的每个边缘像素点,在标准的线路边缘曲线中均存在一个与该边缘像素点横坐标相同的映射像素点,这里将与该目标像素点横坐标相同的映射像素点称为该边缘像素点所匹配的映射像素点。计算线路边缘曲线中的每个边缘像素点与其所匹配的映射像素点的纵坐标差值绝对值,该纵坐标差值绝对值即为每个边缘像素点与其所匹配的映射像素点之间的距离值,将该距离值作为对应每个边缘像素点对应的位置差异值。通过这种方式,可以得到待测线路区域灰度图中每个边缘像素点对应的位置差异值。
步骤S3:根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,确定待测线路区域灰度图中的各个异常边缘像素点和待测线路的外形磨损因子。
由于在线路没有发生磨损缺陷的情况下,待测线路区域灰度图中的各个边缘像素点与其所匹配的映射像素点应该同位置,也就是,待测线路区域灰度图中的各个边缘像素点对应的位置差异值应当为0,而考虑到边缘像素点识别等过程会有误差的存在,因此本实施例设置差异值阈值,该差异值阈值可以根据误差存在的情况进行合理设置,本实施例设置该差异值阈值为0.01。根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,将大于设定差异值阈值的位置差异值所对应的边缘像素点确定为异常边缘像素点。
在得到待测线路区域灰度图中每个边缘像素点对应的位置差异值之后,对待测线路区域灰度图中的各个边缘像素点对应的位置差异值进行统计,确定同一位置差异值所对应的频率;根据每个同一位置差异值及其所对应的频率,计算待测线路的外形磨损因子。
在本实施例中,根据待测线路区域灰度图中各个边缘像素点对应的位置差异值,构建位置差异值直方图,根据该直方图可以确定对应各个不同位置差异值所对应的频率。然后根据各个不同位置差异值及其所对应的频率,计算待测线路的外形磨损因子,对应的计算公式为:
其中,为待测线路的外形磨损因子,为位置差异值直方图中的第i个位置差异
值,为位置差异值直方图中的第i个位置差异值所对应的频率,表示以10为底数的
对数函数,n为位置差异值直方图中的位置差异值的总数目。
在上述的外形磨损因子的计算公式中,利用位置差异值直方图中的每个位置差异值及其对应的频率,来确定待测线路的外形磨损因子。当待测线路没有发生磨损缺陷时,由于待测线路区域灰度图中的各个边缘像素点和标准线路区域灰度图中的各个边缘像素点的位置分布相同,此时所得到的位置差异值比较单一,对应的外形磨损因子的取值较小。而当待测线路发生磨损缺陷时,由于待测线路区域灰度图中的各个边缘像素点和标准线路区域灰度图中的各个边缘像素点的位置不尽相同,此时所得到的位置差异值比较多样,对应的外形磨损因子的取值较大。
步骤S4:为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径,待测线路区域灰度图中的异常边缘像素点对应至少两个不同尺寸的纹理提取半径。
在为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径时,若待测线路区域灰度图中的异常边缘像素点对应的位置差异值所对应的频率大于设定频率阈值,则该异常边缘像素点对应至少三个不同尺寸的纹理提取半径。
具体的,考虑到若待检测的配电箱的内部线路表面不存在磨损缺陷,其表面的纹理应当与无磨损的标准线路表面的纹理具有一致性。为了较为准确的计算待检测的配电箱的内部线路表面纹理,本实施例使用自适应多尺度LBP算子模型对待测线路区域灰度图进行纹理提取,从而获得该待测线路区域灰度图中不同像素点位置的纹理特征值。
首先,本实施例所使用的自适应多尺度LBP(Local Binary Pattern,局部二值模式)算子模型为圆形算子,这是由于圆形算子相对于方形算子参与计算的相关像素点数量更多,能够提取得到更加细节的纹理特征信息,这就对配电箱故障相关检测提供较为可靠的支持。其次,对于待测线路区域灰度图中的不同位置采用不同大小的算子模型提取计算相关的纹理特征数值,针对可能出现磨损的区域使用多尺度算子进行重点分析,从而可以更加准确地提取到线路的表面纹理信息。
为了便于描述,将通过上述步骤S3所确定的待测线路区域灰度图中的各个异常边
缘像素点所构成的集合记为,并将待测线路区域灰度图中的除了异常边缘像素点以外
的其余像素点所构成的集合记为。此时,自适应多尺度LBP算子模型的纹理提取半径设
置方式如下:
其中,为待测线路区域灰度图中的第j个像素点对应的纹理提取半径,为待测
线路区域灰度图中的第j个像素点,为待测线路区域灰度图中的第j个像素点对应的
位置差异值所对应的频率,为设定频率阈值,本实施例设置,为待测线路区
域灰度图中的各个异常边缘像素点所构成的集合,为待测线路区域灰度图中的除了异
常边缘像素点以外的其余像素点所构成的集合。
根据上述的自适应多尺度LBP算子模型的纹理提取半径的设置方式可知,对于待
测线路区域灰度图中的各个异常边缘像素点,当异常边缘像素点所对应的位置差异值所对
应的频率大于或者等于设定频率阈值时,说明该异常边缘像素点在待测线路区域灰度图
中影响较大,且该异常像素点处又可能发生了磨损缺陷,需要准确地对该异常像素点附近
的纹理特征进行准确提取,此时则需要对该异常边缘像素点的纹理进行多尺度计算,那么
该异常边缘像素点对应的纹理提取半径为,即需要分别使用大小为的半径圆形
LBP算子求得该像素点的纹理特征数值;当异常边缘像素点所对应的位置差异值所对应的
频率小于设定频率阈值时,说明该异常边缘像素点在待测线路区域灰度图中影响较小,
但是考虑到该异常边缘像素点也属于异常的边缘像素点,也可能发生了磨损缺陷,也需要
相对准确地对该异常像素点附近的纹理特征进行准确提取,那么该异常边缘像素点对应的
纹理提取半径为,即需要分别使用大小为的半径圆形LBP算子求得该像素点的纹理特
征数值;对于待测线路区域灰度图中的除了异常边缘像素点以外的其余像素点,由于这些
像素点为正常像素点,比较容易提取到纹理特征,此时直接使用大小为5的半径圆形LBP算
子求得该像素点的纹理特征数值。
另外,对于标准线路区域灰度图,由于该标准线路区域灰度图中的线路没有发生磨损缺陷,比较容易提取出每个像素点的纹理特征,因此可以直接使用大小为5的半径圆形LBP算子求得该标准线路区域灰度图中各个像素点的纹理特征数值。
步骤S5:根据设置的纹理提取半径,对待测线路区域灰度图和标准线路区域灰度图进行纹理特征提取,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值。
在通过上述步骤S4确定待测线路区域灰度图和标准线路区域灰度图中的各个像素点的纹理提取半径之后,根据设置的纹理提取半径,对待测线路区域灰度图和标准线路区域灰度图进行纹理特征提取,实现步骤包括:
步骤S51:根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取半径,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取区域;
步骤S52:对于待测线路区域灰度图中的每个异常边缘像素点,根据该异常边缘像素点在其对应的不同尺寸的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该异常边缘像素点对应不同尺寸的纹理提取半径的LBP纹理特征,并将不同尺寸的纹理提取半径的LBP纹理特征的平均值作为对应该异常边缘像素点的纹理特征值;
步骤S53:将待测线路区域灰度图中的每个非异常边缘像素点和标准线路区域灰度图中的每个像素点均作为一个对象像素点,根据该对象像素点在其对应的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该对象像素点对应纹理提取半径的LBP纹理特征,并将该LBP纹理特征作为对应该对象像素点的纹理特征值。
具体的,对于待测线路区域灰度图和标准线路区域灰度图中的每个像素点,以该像素点为中心,并以该像素点对应的纹理提取半径为半径确定一个圆形区域,该圆形区域即为该像素点的纹理提取区域,将每个圆形区域内的每个像素点的灰度值与中心像素点的灰度值进行比较,从而可以确定一个LBP纹理特征,由于确定LBP纹理特征的具体实现步骤属于现有技术,此处不再赘述。
对于待测线路区域灰度图中的各个异常边缘像素点,当异常边缘像素点所对应的
位置差异值所对应的频率大于或者等于设定频率阈值时,由于该异常边缘像素点对应这三个纹理提取半径,因此可以得到三个LBP纹理特征,将这三个LBP纹理特征求和取
平均从而得到该异常边缘像素点的纹理特征值;当异常边缘像素点所对应的位置差异值所
对应的频率小于设定频率阈值时,由于该异常边缘像素点对应这两个纹理提取半径,
因此可以得到两个LBP纹理特征,将这两个LBP纹理特征求和取平均从而得到该异常边缘像
素点的纹理特征值。
对于待测线路区域灰度图中的除了各个异常边缘像素点以外的各个像素点以及标准线路区域灰度图中的各个像素点,由于每个像素点对应一个纹理提取半径,因此可以得到一个LBP纹理特征,此时直接将该LBP纹理特征作为该像素点的纹理特征值。
步骤S6:根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值,进行数据处理,确定待测线路的磨损指标值。
通过上述步骤S5可以得到待测线路区域灰度图中各个像素点的纹理特征值和标
准线路区域灰度图中各个像素点的纹理特征值,可以确定待测线路区域灰度图对应的纹理
特征矩阵和标准线路区域灰度图对应的纹理特征矩阵,对纹理特征矩阵和进
行分析,从而可以得到待测线路的磨损指标值,实现步骤包括:
步骤S61:根据待测线路区域灰度图中各个像素点的纹理特征值,确定待测线路区域灰度图对应的纹理特征矩阵,并根据标准线路区域灰度图中各个像素点的纹理特征值,确定标准线路区域灰度图对应的纹理特征矩阵;
步骤S62:确定两个纹理矩阵各自的奇异值和行向量,并根据两个纹理矩阵各自的奇异值和行向量,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值。
具体的,根据待检测线路区域灰度图和标准线路区域灰度图中每个像素点的纹理
特征值,按照待检测线路区域灰度图中各个像素点的分布位置,对待检测线路区域灰度图
中各个像素点的纹理特征值进行排列,从而可以得到待测线路区域灰度图对应的纹理特征
矩阵;同时按照标准线路区域灰度图中各个像素点的分布位置,对标准线路区域灰度图中
各个像素点的纹理特征值进行排列,从而可以得到标准线路区域灰度图对应的纹理特征矩
阵。由于待检测线路区域灰度图和标准线路区域灰度图的尺寸相同,此时所得到的两个纹
理特征矩阵的大小也一致,大小为。
当待检测线路没有发生磨损缺陷时,那么其对应的待测线路区域灰度图对应的纹理特征矩阵和标准线路区域灰度图对应的纹理特征矩阵应当是相同的,而当两个矩阵相差越大时,说明待检测线路越有可能发生了磨损缺陷。因此基于这一特点,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值,实现步骤包括:
步骤S621:将待测线路区域灰度图对应的纹理特征矩阵的奇异值与标准线路区域灰度图对应的纹理特征矩阵的奇异值进行一对一匹配,从而得到各个奇异值匹配对;
步骤S622:计算各个奇异值匹配对中两个奇异值的差值绝对值,计算所有差值绝对值的累加和,并将差值绝对值的累加和确定为第一指标值;
步骤S623:确定待测线路区域灰度图对应的纹理特征矩阵和标准线路区域灰度图对应的纹理特征矩阵中的各个目标向量,计算待测线路区域灰度图对应的纹理特征矩阵中的每个目标向量与标准线路区域灰度图对应的纹理特征矩阵中对应的目标向量的相似度,并根据所有相似度的累计和确定第二指标值,所有相似度的累计和越大,第二指标值越小;
步骤S624:将第一指标值和第二指标值的乘积确定为待测线路的磨损指标值。
具体的,利用奇异值分解(The Singular Value Decomposition,SVD)算法分别对两个纹理特征矩阵进行奇异值分解,从而得到两个纹理特征矩阵的各个奇异值,具体分解过程属于现有技术,此处不再赘述。将两个纹理特征矩阵的各个奇异值均按照大小顺序进行排列,如按照从大到小的顺序排列,从而得到两个纹理特征矩阵的奇异值序列。将两个奇异值序列中相同序号的奇异值作为一个奇异值匹配对,从而可以得到各个奇异值匹配对。然后计算每一个奇异值匹配对中的两个奇异值之间的差值绝对值,将所有奇异值匹配对所得到的差值绝对值进行叠加,并将累加结果作为第一指标值。同时,如图2所示,由于配电箱线路的延伸方向为水平方向,磨损缺陷会沿水平方向分布,因此确定两个纹理特征矩阵中的各个行向量,并将每个行向量作为目标向量,并计算两个纹理特征矩阵中相同行的行向量的相似度,将所有行的行向量的相似度进行累加,并根据累加结果确定第二指标值。计算第一指标值和第二指标值的乘积值,从而得到待测线路的磨损指标值,对应的计算公式为:
其中,为待测线路的磨损指标值,为第k个奇异值匹配对中的待测线路区
域灰度图对应的纹理特征矩阵的奇异值,为第k个奇异值匹配对中的标准线路区域灰
度图对应的纹理特征矩阵的奇异值,K为奇异值匹配对的总数目,为第一
指标值,为取绝对值函数,为待测线路区域灰度图对应的纹理特征矩阵的第t个行
向量,为标准线路区域灰度图对应的纹理特征矩阵的第t个行向量,为行向
量和的相似度,为取模长函数,为行向量和的内积,为第二指标值,M为行向量的总数目。
在上述的待测线路的磨损指标值的计算公式中,当配电箱线路发生磨损缺陷时,待测线路区域灰度图与标准线路区域灰度图中边缘像素点的纹理特征就会明显不同,此时根据纹理特征所构造的两个纹理特征矩阵就会不同。当配电箱线路的磨损缺陷越严重时,两个纹理特征矩阵差异越大,求解出来的奇异值差异就可能会越大,对应的第一指标值就会越大,同时两个纹理特征矩阵的相同行的行向量的就相差越大,对应的第二指标值就会越大,最终待测线路的磨损指标值就会越大。因此,根据待测线路的磨损指标值的取值大小,可以判断出两个纹理特征矩阵的差异情况,进而可以确定待测线路的磨损情况,当磨损指标值越大时,线路发生磨损的可能性就越大,反之则发生磨损的可能性就较小。
步骤S7:根据待测线路的外形磨损因子和磨损指标值,进行数据处理,确定待测线路的磨损概率值,并根据待测线路的磨损概率值,确定配电箱是否发生线路磨损故障。
待测线路的外形磨损因子是通过待测线路的边缘像素点的位置分布情况来确定待测线路的磨损情况,磨损指标值是通过对待测线路整体区域的纹理特征来确定待测线路的磨损情况,统筹考虑待测线路的外形磨损因子和磨损指标值,确定待测线路的磨损概率值,以更加准确地确定待测线路发生磨损缺陷的可能性,实现步骤包括:
步骤S71:将待测线路的外形磨损因子和磨损指标值的和确定为磨损评估值;
步骤S72:对磨损评估值进行归一化处理,并将归一化处理后的磨损评估值作为待测线路的磨损概率值。
具体的,根据待测线路的外形磨损因子和磨损指标值,按照以下计算公式确定待测线路的磨损概率值:
在上述的待测线路的磨损概率值的计算公式中,当外形磨损因子和磨损指标值越大时,说明配电箱线路的边缘分布越不平整,线路区域的纹理特征与未发生磨损缺陷
的标准线路区域的纹理特征相差越大,此时线路发生磨损缺陷的可能性越大,磨损概率值
就越大;反之,当外形磨损因子和磨损指标值越小时,说明配电箱线路的边缘分布越
平整规则,线路区域的纹理特征与未发生磨损缺陷的标准线路区域的纹理特征越接近,此
时线路发生磨损缺陷的可能性越小,磨损概率值就越小。
在获得待测线路的磨损概率值之后,根据该待测线路的磨损概率值,确定配电箱是否发生线路磨损故障。即判断待测线路的磨损概率值是否大于设定概率阈值,若大于设定概率阈值,则判定配电箱发生线路磨损故障。
需要指出的是,上述过程是获取单段线路所对应的待测线路区域灰度图,进而实现对该单段线路的磨损缺陷检测,而在配电箱线路故障检测时,需要同时对多段不同的线路进行磨损缺陷检测,一旦发现一段线路发生磨损缺陷,就会判定配电箱发生线路磨损故障。
本发明通过获取配电箱中单段待检测线路所对应的待测线路区域灰度图,将该待测线路区域灰度图与未发生线路磨损缺陷的标准线路区域灰度图进行边缘像素点位置比较,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值,进而可以确定待测线路的外形磨损因子。当位置差异值分布越简单时,说明线路边缘发生磨损缺陷的可能性越小,对应外形磨损因子越小,当位置差异值分布越复杂时,说明线路边缘发生磨损缺陷的可能性越大,对应外形磨损因子越大。同时,根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,确定待测线路区域灰度图中的异常边缘像素点,由于这些异常边缘像素点处很有可能发生了磨损异常,因此采用多个不同尺寸的纹理提取半径对异常边缘像素点进行纹理特征提取,可以更加准确地提取到纹理特征。将待测线路区域灰度图中提取到的纹理特征与未发生线路磨损缺陷的标准线路区域灰度图的纹理特征进行比较,从而可以准确确定待测线路的磨损指标值。当磨损指标值越大时,说明待测线路区域灰度图中提取到的纹理特征与未发生线路磨损缺陷的标准线路区域灰度图的纹理特征越不接近,说明线路边缘发生磨损缺陷的可能性越大。统筹考虑待测线路的外形磨损因子和磨损指标值,确定待测线路的磨损概率值,该磨损概率值可以准确地表征待测线路发生磨损缺陷的可能性,从而有效提高了线路磨损缺陷检测的准确性和可靠性。
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)
1.一种用于运行中的配电箱故障检测方法,其特征在于,包括以下步骤:
识别得到配电箱中待检测线路段的表面图像,对表面图像进行数据处理,确定待测线路区域灰度图,并获取标准线路区域灰度图;
获取待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点,将待测线路区域灰度图和标准线路区域灰度图中的各个边缘像素点进行位置比对,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值;
根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,确定待测线路区域灰度图中的各个异常边缘像素点和待测线路的外形磨损因子;
为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径,待测线路区域灰度图中的异常边缘像素点对应至少两个不同尺寸的纹理提取半径;
根据设置的纹理提取半径,对待测线路区域灰度图和标准线路区域灰度图进行纹理特征提取,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值;
根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值,进行数据处理,确定待测线路的磨损指标值;
根据待测线路的外形磨损因子和磨损指标值,进行数据处理,确定待测线路的磨损概率值,并根据待测线路的磨损概率值,确定配电箱是否发生线路磨损故障。
2.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路区域灰度图中的各个边缘像素点对应的位置差异值,包括:
将标准线路区域灰度图中的各个边缘像素点映射到待测线路区域灰度图中,从而得到各个映射像素点;
根据待测线路区域灰度图中的各个边缘像素点和各个映射像素点的位置,将各个边缘像素点和各个映射像素点进行一对一匹配,从而确定待测线路区域灰度图中的各个边缘像素点所匹配的映射像素点;
计算待测线路区域灰度图中的各个边缘像素点与其所匹配的映射像素点之间的距离值,并将所述距离值确定为待测线路区域灰度图中对应的边缘像素点对应的位置差异值。
3.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路的外形磨损因子,包括:
对待测线路区域灰度图中的各个边缘像素点对应的位置差异值进行统计,确定同一位置差异值所对应的频率;
根据每个同一位置差异值及其所对应的频率,计算待测线路的外形磨损因子。
4.根据权利要求3所述的用于运行中的配电箱故障检测方法,其特征在于,在为待测线路区域灰度图和标准线路区域灰度图中的各个像素点设置纹理提取半径时,若待测线路区域灰度图中的异常边缘像素点对应的位置差异值所对应的频率大于设定频率阈值,则该异常边缘像素点对应至少三个不同尺寸的纹理提取半径。
5.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路区域灰度图中的各个异常边缘像素点,包括:
根据待测线路区域灰度图中的各个边缘像素点对应的位置差异值,将大于设定差异值阈值的位置差异值所对应的边缘像素点确定为异常边缘像素点。
6.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理特征值,包括:
根据待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取半径,确定待测线路区域灰度图和标准线路区域灰度图中各个像素点的纹理提取区域;
对于待测线路区域灰度图中的每个异常边缘像素点,根据该异常边缘像素点在其对应的不同尺寸的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该异常边缘像素点对应不同尺寸的纹理提取半径的LBP纹理特征,并将不同尺寸的纹理提取半径的LBP纹理特征的平均值作为对应该异常边缘像素点的纹理特征值;
将待测线路区域灰度图中的每个非异常边缘像素点和标准线路区域灰度图中的每个像素点均作为一个对象像素点,根据该对象像素点在其对应的纹理提取半径所对应的纹理提取区域中各个像素点的灰度值,确定该对象像素点对应纹理提取半径的LBP纹理特征,并将该LBP纹理特征作为对应该对象像素点的纹理特征值。
7.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路的磨损指标值,包括:
根据待测线路区域灰度图中各个像素点的纹理特征值,确定待测线路区域灰度图对应的纹理特征矩阵,并根据标准线路区域灰度图中各个像素点的纹理特征值,确定标准线路区域灰度图对应的纹理特征矩阵;
确定两个纹理矩阵各自的奇异值和行向量,并根据两个纹理矩阵各自的奇异值和行向量,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值。
8.根据权利要求7所述的用于运行中的配电箱故障检测方法,其特征在于,对两个纹理特征矩阵进行对比,从而得到待测线路的磨损指标值,包括:
将待测线路区域灰度图对应的纹理特征矩阵的奇异值与标准线路区域灰度图对应的纹理特征矩阵的奇异值进行一对一匹配,从而得到各个奇异值匹配对;
计算各个奇异值匹配对中两个奇异值的差值绝对值,计算所有差值绝对值的累加和,并将差值绝对值的累加和确定为第一指标值;
确定待测线路区域灰度图对应的纹理特征矩阵和标准线路区域灰度图对应的纹理特征矩阵中的各个目标向量,计算待测线路区域灰度图对应的纹理特征矩阵中的每个目标向量与标准线路区域灰度图对应的纹理特征矩阵中对应的目标向量的相似度,并根据所有相似度的累计和确定第二指标值,所有相似度的累计和越大,第二指标值越小;
将第一指标值和第二指标值的乘积确定为待测线路的磨损指标值。
9.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定待测线路的磨损概率值,包括:
将待测线路的外形磨损因子和磨损指标值的和确定为磨损评估值;
对磨损评估值进行归一化处理,并将归一化处理后的磨损评估值作为待测线路的磨损概率值。
10.根据权利要求1所述的用于运行中的配电箱故障检测方法,其特征在于,确定配电箱是否发生线路磨损故障,包括:
判断待测线路的磨损概率值是否大于设定概率阈值,若大于设定概率阈值,则判定配电箱发生线路磨损故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310119886.0A CN115855961B (zh) | 2023-02-16 | 2023-02-16 | 一种用于运行中的配电箱故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310119886.0A CN115855961B (zh) | 2023-02-16 | 2023-02-16 | 一种用于运行中的配电箱故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115855961A true CN115855961A (zh) | 2023-03-28 |
CN115855961B CN115855961B (zh) | 2023-05-05 |
Family
ID=85658114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310119886.0A Active CN115855961B (zh) | 2023-02-16 | 2023-02-16 | 一种用于运行中的配电箱故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855961B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572628A (zh) * | 2024-01-02 | 2024-02-20 | 首都医科大学附属北京天坛医院 | 一种便携式内窥镜及其使用方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718842A (zh) * | 2014-12-02 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种输电线断股故障的机器视觉检测方法 |
CN109118528A (zh) * | 2018-07-24 | 2019-01-01 | 西安工程大学 | 基于区域分块的奇异值分解图像匹配算法 |
CN109387744A (zh) * | 2018-12-17 | 2019-02-26 | 国网山东省电力公司电力科学研究院 | 基于奇异值分解的配网线路故障点定位方法及装置 |
CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
CN111220879A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种小电流接地系统单相接地故障区段定位的方法 |
CN112686890A (zh) * | 2021-02-09 | 2021-04-20 | 浙江师范大学 | 一种基于奇异值分解的人造板表面缺陷检测方法 |
CN112991297A (zh) * | 2021-03-15 | 2021-06-18 | 广东电网有限责任公司清远供电局 | 一种输电线路故障诊断方法、系统、电子设备和存储介质 |
CN115239727A (zh) * | 2022-09-23 | 2022-10-25 | 南通荣茂电子科技有限公司 | 一种pcb板表面缺陷检测方法 |
CN115272341A (zh) * | 2022-09-29 | 2022-11-01 | 华联机械集团有限公司 | 一种基于机器视觉的包装机缺陷产品检测方法 |
-
2023
- 2023-02-16 CN CN202310119886.0A patent/CN115855961B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718842A (zh) * | 2014-12-02 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种输电线断股故障的机器视觉检测方法 |
CN109118528A (zh) * | 2018-07-24 | 2019-01-01 | 西安工程大学 | 基于区域分块的奇异值分解图像匹配算法 |
CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
CN109387744A (zh) * | 2018-12-17 | 2019-02-26 | 国网山东省电力公司电力科学研究院 | 基于奇异值分解的配网线路故障点定位方法及装置 |
CN111220879A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种小电流接地系统单相接地故障区段定位的方法 |
CN112686890A (zh) * | 2021-02-09 | 2021-04-20 | 浙江师范大学 | 一种基于奇异值分解的人造板表面缺陷检测方法 |
CN112991297A (zh) * | 2021-03-15 | 2021-06-18 | 广东电网有限责任公司清远供电局 | 一种输电线路故障诊断方法、系统、电子设备和存储介质 |
CN115239727A (zh) * | 2022-09-23 | 2022-10-25 | 南通荣茂电子科技有限公司 | 一种pcb板表面缺陷检测方法 |
CN115272341A (zh) * | 2022-09-29 | 2022-11-01 | 华联机械集团有限公司 | 一种基于机器视觉的包装机缺陷产品检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572628A (zh) * | 2024-01-02 | 2024-02-20 | 首都医科大学附属北京天坛医院 | 一种便携式内窥镜及其使用方法 |
CN117572628B (zh) * | 2024-01-02 | 2024-05-07 | 首都医科大学附属北京天坛医院 | 一种便携式内窥镜及其使用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115855961B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN114549522A (zh) | 基于目标检测的纺织品质量检测方法 | |
CN116309537B (zh) | 一种极耳模具表面油污的缺陷检测方法 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
Tsai et al. | Defect detection in multi-crystal solar cells using clustering with uniformity measures | |
US20060029257A1 (en) | Apparatus for determining a surface condition of an object | |
CN109444169B (zh) | 一种轴承缺陷检测方法及系统 | |
CN115937199B (zh) | 一种用于电力配电柜绝缘层的喷涂质量检测方法 | |
CN113592828B (zh) | 基于工业内窥镜的无损检测方法及系统 | |
CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN110009618A (zh) | 一种轴类零件表面质量检测方法及装置 | |
CN115147409A (zh) | 基于机器视觉的手机壳生产品质检测方法 | |
CN110781913B (zh) | 一种拉链布带缺陷检测方法 | |
CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
CN111768402A (zh) | 一种基于mu-svm的冰鲜鲳鱼新鲜度评估方法 | |
CN115855961A (zh) | 一种用于运行中的配电箱故障检测方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN110942444B (zh) | 物体检测方法和装置 | |
CN111768390B (zh) | 一种基于图像识别的篦冷机红河识别方法 | |
Zhang et al. | Fabric defect detection based on visual saliency map and SVM | |
CN116051539A (zh) | 一种变电设备发热故障的诊断方法 | |
CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
CN116309493A (zh) | 一种用于纺织产品疵点检测的方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |