CN116109635B - 复合悬式绝缘子表面质量检测方法、装置、设备及介质 - Google Patents

复合悬式绝缘子表面质量检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN116109635B
CN116109635B CN202310385819.3A CN202310385819A CN116109635B CN 116109635 B CN116109635 B CN 116109635B CN 202310385819 A CN202310385819 A CN 202310385819A CN 116109635 B CN116109635 B CN 116109635B
Authority
CN
China
Prior art keywords
insulator
images
type
image
defect information
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.)
Active
Application number
CN202310385819.3A
Other languages
English (en)
Other versions
CN116109635A (zh
Inventor
苏晓江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongjiang Lijiang Electronic Co ltd
Original Assignee
Zhongjiang Lijiang Electronic Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongjiang Lijiang Electronic Co ltd filed Critical Zhongjiang Lijiang Electronic Co ltd
Priority to CN202310385819.3A priority Critical patent/CN116109635B/zh
Publication of CN116109635A publication Critical patent/CN116109635A/zh
Application granted granted Critical
Publication of CN116109635B publication Critical patent/CN116109635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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
    • G06T2207/30168—Image quality inspection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Insulators (AREA)

Abstract

本申请公开了复合悬式绝缘子表面质量检测方法、装置、设备及介质，方法包括以下步骤：获取复合悬式绝缘子的多张第一图像；识别多张第一图像中是否存在第一类缺陷信息，若存在，将复合悬式绝缘子归类为第一类绝缘子，若不存在，将复合悬式绝缘子归类为第二类绝缘子；其中，第一类缺陷信息包括复合悬式绝缘子表面缺损，第一类绝缘子为不合格品；获取第二类绝缘子的多张第二图像；识别多张第二图像中是否存在第二类缺陷信息；其中，第二类缺陷信息包括盘状绝缘体形变，盘状绝缘体为复合悬式绝缘子的组成部分；输出检测结果，本申请具有提高了检测效率、且检测准确性高的优点。

Description

复合悬式绝缘子表面质量检测方法、装置、设备及介质
技术领域
本申请涉及图像数据处理技术领域，尤其涉及复合悬式绝缘子表面质量检测方法、装置、设备及介质。
背景技术
复合绝缘子产品用于高压和超高压交、直流输电线路中绝缘和悬挂导线用，复合悬式绝缘子由铁帽、瓷瓶套管件（悬式或硅橡胶）和钢脚（导电杆）组成，并用水泥胶合剂胶合为一体，其中瓷瓶套管件包括有多个盘状绝缘体，盘状绝缘体可大小不一。
复合悬式绝缘子在制造出来后需要进行质量检测，包括内部缺陷检测和外部缺陷检测，其中内部缺陷主要为内部气隙，可采用超声波、电磁波、脉冲红外热波等无损检测技术，而外部缺陷包括表面缺损和盘状绝缘体形变等，而现有针对复合悬式绝缘子外部缺陷的检测方法存在检测效率低的缺点，无法适应当前绝缘子批量化的生产标准，影响生产效率。
发明内容
本申请的主要目的在于提供复合悬式绝缘子表面质量检测方法、装置、设备及介质，旨在解决现有针对复合悬式绝缘子外部缺陷的检测方法存在检测效率低的技术问题。
为实现上述目的，本申请提供一种复合悬式绝缘子表面质量检测方法，包括以下步骤：
获取复合悬式绝缘子的多张第一图像；
识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
获取所述第二类绝缘子的多张第二图像；
识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；
输出检测结果。
可选地，所述识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子，包括：
对多张所述第一图像进行图像处理，以获得多张第一黑白图像；
提取多张所述第一黑白图像中对应所述盘状绝缘体区域的图像的阴影信息，将所述阴影信息与预设的数据库进行比对，以识别出是否存在异常阴影信息；
将具有所述异常阴影信息的复合悬式绝缘子归类为第一类绝缘子，将不具有所述异常阴影信息的复合悬式绝缘子归类为第二类绝缘子。
可选地，所述第一图像包括以第一视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第一视角为所述复合悬式绝缘子的等轴测视角。
可选地，所述识别多张所述第二图像中是否存在第二类缺陷信息，包括：
对多张所述第二图像进行图像处理，以获得多张第二黑白图像；
对每张所述第二黑白图像进行图像分割，以获得多张子图像；其中，每张所述子图像为截取的仅包含相邻两个盘状绝缘体对应的图像；
对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息。
可选地，所述对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息，包括：
获取每张所述子图像对应的中心轴线；
获取所述子图像中对应两个盘状绝缘体之间的多组间距数据对；其中，所述间距数据对为基于两个所述盘状绝缘体之间且对称于所述中心轴线的两个位置测得的间距数据；
获取多组所述间距数据对的差值，将所述差值与标准阈值进行比对，若所述差值大于所述标准阈值，则判断所述第二图像中存在第二类缺陷信息；其中，所述标准阈值为数据库中的预设值。
可选地，所述第二图像包括以第二视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第二视角为所述复合悬式绝缘子的正面视角。
可选地，所述对多张所述第一图像进行图像处理，以获得多张第一黑白图像，包括：
对多张所述第一图像进行灰度处理，以获得多张灰度图像；
对多张所述灰度图像进行降噪处理；
对降噪后的多张所述灰度图像进行二值化处理，以获得多张第一黑白图像。
为实现上述目的，本申请还提供一种复合悬式绝缘子表面质量检测装置，包括：
第一图像获取模块，用于获取复合悬式绝缘子的多张第一图像；
第一类缺陷识别模块，用于识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
第二图像获取模块，用于获取所述第二类绝缘子的多张第二图像；
第二类缺陷识别模块，用于识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；
结果输出模块，用于输出检测结果。
为实现上述目的，本申请还提供一种计算机设备，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现上述的方法。
为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现上述的方法。
本申请所能实现的有益效果如下：
本申请通过对获取的复合悬式绝缘子的多张第一图像进行识别检测，以判断第一图像中是否存在表面缺损该类第一类缺陷信息，若存在，将复合悬式绝缘子归类为第一类绝缘子，则直接判定当前检测复合悬式绝缘子为不合格品，无需再进行下一步检测，节省了检测时间和数据处理压力，只有当表面缺损检测合格后，即复合悬式绝缘子归类为第二类绝缘子，然后再对绝缘子进行进一步检测，通过获取的多张第二图像，以判断绝缘子中是否存在盘状绝缘体形变该类第二类缺陷信息，本申请先检测表面缺损缺陷，再检测盘状绝缘体形变缺陷，是由于表面缺损缺陷相对比较容易检测，检测难度小，数据处理响应快，从而可快速检测出是否存在该类缺陷，而绝缘体形变缺陷检测难度大，数据处理冗杂，需要一定检测时间，因此只有表面缺损检测合格后的绝缘子才进入绝缘体形变检测，通过优化检测项目的顺序，并结合机器视觉识别技术，可大幅提高检测效率，同时又保证了检测识别准确性。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本申请的实施例中一种复合悬式绝缘子表面质量检测方法的流程示意图；
图2为本申请的实施例中基于复合悬式绝缘子的等轴测视角获得的图像；
图3为本申请的实施例中基于复合悬式绝缘子的正面视角获得的图像；
图4为本申请的实施例中对第二黑白图像进行图像分割时的原理示意图；
图5为本申请的实施例中获取子图像中对应两个盘状绝缘体之间的多组间距数据对时的原理示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，本申请实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
在本申请中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中出现的“和/或”的含义，包括三个并列的方案，以“A和/或B”为例，包括A方案、或B方案、或A和B同时满足的方案。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
实施例1
参照图1-图5，本实施例提供一种复合悬式绝缘子表面质量检测方法，包括以下步骤：
获取复合悬式绝缘子的多张第一图像；
识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
获取所述第二类绝缘子的多张第二图像；
识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；
输出检测结果。
现有技术中，检测复合悬式绝缘子表面质量时，大多通过人工目视的检测方式，对于表面缺损可比较容易判断，但对于盘状绝缘体形变且形变较小的缺陷则难以通过目视检测，通过测量尺检测又容易存在较大人为误差，且需要在不同位置多次测量，检测效率低，且准确性也低；目前可通过运用机器视觉识别技术来进行产品缺陷检测，但对于检测缺陷类型较多的情况，需要逐个检测分析，图像处理数据压力大，周期长，同样存在检测效率较低的缺点。
因此，在本实施例中，通过对获取的复合悬式绝缘子的多张第一图像进行识别检测，以判断第一图像中是否存在表面缺损该类第一类缺陷信息，若存在，将复合悬式绝缘子归类为第一类绝缘子，则直接判定当前检测复合悬式绝缘子为不合格品，无需再进行下一步检测，节省了检测时间和数据处理压力，只有当表面缺损检测合格后，即复合悬式绝缘子归类为第二类绝缘子，然后再对绝缘子进行进一步检测，通过获取的多张第二图像，以判断绝缘子中是否存在盘状绝缘体形变该类第二类缺陷信息，本实施例先检测表面缺损缺陷，再检测盘状绝缘体形变缺陷，是由于表面缺损缺陷相对比较容易检测，检测难度小，数据处理响应快，从而可快速检测出是否存在该类缺陷，而绝缘体形变缺陷检测难度大，数据处理冗杂，需要一定检测时间，因此只有表面缺损检测合格后的绝缘子才进入绝缘体形变检测，通过优化检测项目的顺序，并结合机器视觉识别技术，可大幅提高检测效率，同时又保证了检测识别准确性。最后输出检测结果时，可显示当前检测的绝缘子为合格品或不合格品，若为不合格品，则显示不合格品的缺陷类型。
需要说明的是，在硬件设备方面，获取第一图像和第二图像时可配置CCD相机进行图像采集，CCD相机采集的图像可输送给配置的计算机进行图像数据处理，根据检测情况，可配置自动化输送流水线，将检测出的具有表面缺损缺陷的绝缘子进行分流输送，以堆放于第一储存区，将后续检测出的具有盘状绝缘体形变缺陷的绝缘子进行分流输送，以堆放于第二储存区，而最后检测出的合格品输送至第三储存区，从而进行分类输送和储存，便于后续集中处理。
作为一种可选的实施方式，所述识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子，包括：
对多张所述第一图像进行图像处理，以获得多张第一黑白图像；
提取多张所述第一黑白图像中对应所述盘状绝缘体区域的图像的阴影信息，将所述阴影信息与预设的数据库进行比对，以识别出是否存在异常阴影信息；
将具有所述异常阴影信息的复合悬式绝缘子归类为第一类绝缘子，将不具有所述异常阴影信息的复合悬式绝缘子归类为第二类绝缘子。
在本实施方式中，在检测第一类缺陷信息时，先将第一图像进行图像处理以获得第一黑白图像，便于后续特征的提取与识别，由于复合悬式绝缘子表面为光滑表面，若有表面缺损缺陷，图像中则会形成明显的异常阴影，数据库中储存有复合悬式绝缘子的各类缺陷信息，将识别的阴影信息录入数据库进行比对后，即可快速判断当前阴影信息是否为属于表面缺损缺陷的异常阴影信息，这里可利用灰度值范围和阴影位置来综合判断是否属于异常阴影信息，判断直观且准确。
作为一种可选的实施方式，所述第一图像包括以第一视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第一视角为所述复合悬式绝缘子的等轴测视角。
在本实施方式中，由于复合悬式绝缘子为回转轴类零件，为了检测到复合悬式绝缘子表面的所有区域，因此在采集第一图像时，需要通过相机拍摄复合悬式绝缘子绕其中心轴线旋转不同角度的图像，这里可每次旋转90°，直到旋转一圈，同时在等轴测视角进行拍摄（正面视角或俯视角均有遮挡），因此可避免上下盘状绝缘体互相遮挡，从而拍摄的图像可充分覆盖复合悬式绝缘子表面的所有区域，以保证检测的准确性。
作为一种可选的实施方式，所述识别多张所述第二图像中是否存在第二类缺陷信息，包括：
对多张所述第二图像进行图像处理，以获得多张第二黑白图像；
对每张所述第二黑白图像进行图像分割，以获得多张子图像；其中，每张所述子图像为截取的仅包含相邻两个盘状绝缘体对应的图像；
对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息。
在本实施方式中，同理，通过对第二图像进行图像处理以获得第二黑白图像，便于后续特征提取与识别，由于复合悬式绝缘子包括有很多个盘状绝缘体，为保证特性识别准确性，因此对第二黑白图像进行图像分割以获得多张子图像，依次从上到下分割，例如子图像1、子图像2...，每张子图像仅包含相邻两个盘状绝缘体对应的图像，从而将具有多个盘状绝缘体的整体图像分割成相邻两个盘状绝缘体图像，从而可分别对比，盘状绝缘体数量若为偶数，则刚好均匀分割，若为奇数，则最后一张子图像重复截取上一张子图像对应的相邻盘状绝缘体，最后分析每张子图像中对应两个盘状绝缘体之间的多个间距数据，若某个盘状绝缘体有变形，会向上或向下翘起，该处间距则会存在异常，通过间距数据作为变形缺陷的判断依据，直观有效，准确性高，从而可快速判断出第二图像中是否存在第二类缺陷信息。
作为一种可选的实施方式，所述对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息，包括：
获取每张所述子图像对应的中心轴线；
获取所述子图像中对应两个盘状绝缘体之间的多组间距数据对；其中，所述间距数据对为基于两个所述盘状绝缘体之间且对称于所述中心轴线的两个位置测得的间距数据；
获取多组所述间距数据对的差值，将所述差值与标准阈值进行比对，若所述差值大于所述标准阈值，则判断所述第二图像中存在第二类缺陷信息；其中，所述标准阈值为数据库中的预设值。
在本实施方式中，由于盘状绝缘体为对称结构，因此可先构建每张子图像中盘状绝缘体对应的中心轴线，基于中心轴线，在两侧对称位置分别获取对应的间距数据，从而形成间距数据对，依次采集多组间距数据对，记为（d1，d1´）、（d2，d2´）、（d3，d3´）...（dn，dn´），计算每组间距数据对的差值，若无变形，差值为0，或者变形极小，差值小于标准阈值，即在误差范围内，也可认定为合格品，否则为包含第二类缺陷信息的不合格品，通过间距数据对差值对比的方式，可直观有效判断变形缺陷，可适用于各种不同规格的绝缘子检测，无需每次根据不同尺寸规格的绝缘子提前训练数据库。
需要说明的是，在当前工艺标准下，盘状绝缘体一般仅在某侧局部位置可能存在变形且变形较小，而少数变形较大的在前期人工筛选就被选出，因此，基于中心轴线两侧对称位置均存在变形的概率很低，即使存在，变形方向也不一定相同，因此可采用基于中心轴线两侧对称位置分别获取对应的间距数据来进行对比的方式来识别变形缺陷是有效且可靠的，满足当前工艺标准。
作为一种可选的实施方式，所述第二图像包括以第二视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第二视角为所述复合悬式绝缘子的正面视角。
在本实施方式中，同理，由于复合悬式绝缘子为回转轴类零件，为了检测到复合悬式绝缘子表面的所有区域，因此在采集第二图像时，需要通过相机拍摄复合悬式绝缘子绕其中心轴线旋转不同角度的图像，这里可每次旋转90°，旋转一圈即可，保证图像可覆盖绝缘子表面所有区域，且基于复合悬式绝缘子的正面视角进行拍摄，保证盘状绝缘体的相对水平度，便于后续准确进行图像分析。
作为一种可选的实施方式，所述对多张所述第一图像进行图像处理，以获得多张第一黑白图像，包括：
对多张所述第一图像进行灰度处理，以获得多张灰度图像；
对多张所述灰度图像进行降噪处理；
对降噪后的多张所述灰度图像进行二值化处理，以获得多张第一黑白图像。
在本实施方式中，进行图像处理时，先进行灰度处理，然后将灰度图像进行降噪处理，从而减少数字图像中的噪声，以减少图像干扰，然后进行二值化处理，从而得到黑白分明的第一黑白图像，形成黑白图像后便于后续相关特征信息的提取。
需要说明的是，对第二图像进行图像处理以获得第二黑白图像的方式与上述实施方式相同。
实施例2
基于与前述实施例相同的发明思路，本实施例提供一种复合悬式绝缘子表面质量检测装置，包括：
第一图像获取模块，用于获取复合悬式绝缘子的多张第一图像；
第一类缺陷识别模块，用于识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
第二图像获取模块，用于获取所述第二类绝缘子的多张第二图像；
第二类缺陷识别模块，用于识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；
结果输出模块，用于输出检测结果。
本实施例的装置中各模块的相关解释和举例可参照前述实施例的方法，这里不再赘述。
实施例3
基于与前述实施例相同的发明思路，本实施例提供一种计算机设备，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现上述的方法。
实施例4
基于与前述实施例相同的发明思路，本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现上述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (7)

1.一种复合悬式绝缘子表面质量检测方法，其特征在于，包括以下步骤：
获取复合悬式绝缘子的多张第一图像；
识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
获取所述第二类绝缘子的多张第二图像；
识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；
输出检测结果；
所述识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子，包括：
对多张所述第一图像进行图像处理，以获得多张第一黑白图像；
提取多张所述第一黑白图像中对应所述盘状绝缘体区域的图像的阴影信息，将所述阴影信息与预设的数据库进行比对，以识别出是否存在异常阴影信息；
将具有所述异常阴影信息的复合悬式绝缘子归类为第一类绝缘子，将不具有所述异常阴影信息的复合悬式绝缘子归类为第二类绝缘子；
所述识别多张所述第二图像中是否存在第二类缺陷信息，包括：
对多张所述第二图像进行图像处理，以获得多张第二黑白图像；
对每张所述第二黑白图像进行图像分割，以获得多张子图像；其中，每张所述子图像为截取的仅包含相邻两个盘状绝缘体对应的图像；
对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息，包括：获取每张所述子图像对应的中心轴线；获取所述子图像中对应两个盘状绝缘体之间的多组间距数据对；其中，所述间距数据对为基于两个所述盘状绝缘体之间且对称于所述中心轴线的两个位置测得的间距数据；获取多组所述间距数据对的差值，将所述差值与标准阈值进行比对，若所述差值大于所述标准阈值，则判断所述第二图像中存在第二类缺陷信息；其中，所述标准阈值为数据库中的预设值。
2.如权利要求1所述的一种复合悬式绝缘子表面质量检测方法，其特征在于，所述第一图像包括以第一视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第一视角为所述复合悬式绝缘子的等轴测视角。
3.如权利要求1所述的一种复合悬式绝缘子表面质量检测方法，其特征在于，所述第二图像包括以第二视角采集的复合悬式绝缘子绕所述复合悬式绝缘子的中心轴线旋转不同角度的图像；其中，所述第二视角为所述复合悬式绝缘子的正面视角。
4.如权利要求1所述的一种复合悬式绝缘子表面质量检测方法，其特征在于，所述对多张所述第一图像进行图像处理，以获得多张第一黑白图像，包括：
对多张所述第一图像进行灰度处理，以获得多张灰度图像；
对多张所述灰度图像进行降噪处理；
对降噪后的多张所述灰度图像进行二值化处理，以获得多张第一黑白图像。
5.一种复合悬式绝缘子表面质量检测装置，其特征在于，包括：
第一图像获取模块，用于获取复合悬式绝缘子的多张第一图像；
第一类缺陷识别模块，用于识别多张所述第一图像中是否存在第一类缺陷信息，若存在，将所述复合悬式绝缘子归类为第一类绝缘子，若不存在，将所述复合悬式绝缘子归类为第二类绝缘子，包括：对多张所述第一图像进行图像处理，以获得多张第一黑白图像；提取多张所述第一黑白图像中对应盘状绝缘体区域的图像的阴影信息，将所述阴影信息与预设的数据库进行比对，以识别出是否存在异常阴影信息；将具有所述异常阴影信息的复合悬式绝缘子归类为第一类绝缘子，将不具有所述异常阴影信息的复合悬式绝缘子归类为第二类绝缘子；其中，所述第一类缺陷信息包括复合悬式绝缘子表面缺损，所述第一类绝缘子为不合格品；
第二图像获取模块，用于获取所述第二类绝缘子的多张第二图像；
第二类缺陷识别模块，用于识别多张所述第二图像中是否存在第二类缺陷信息；其中，所述第二类缺陷信息包括盘状绝缘体形变，所述盘状绝缘体为所述复合悬式绝缘子的组成部分；包括：
对多张所述第二图像进行图像处理，以获得多张第二黑白图像；
对每张所述第二黑白图像进行图像分割，以获得多张子图像；其中，每张所述子图像为截取的仅包含相邻两个盘状绝缘体对应的图像；
对每张所述子图像进行图像分析，以获得每张所述子图像中对应两个盘状绝缘体之间的多个间距数据，根据所述间距数据，以判断所述第二图像中是否存在第二类缺陷信息，包括：获取每张所述子图像对应的中心轴线；获取所述子图像中对应两个盘状绝缘体之间的多组间距数据对；其中，所述间距数据对为基于两个所述盘状绝缘体之间且对称于所述中心轴线的两个位置测得的间距数据；获取多组所述间距数据对的差值，将所述差值与标准阈值进行比对，若所述差值大于所述标准阈值，则判断所述第二图像中存在第二类缺陷信息；其中，所述标准阈值为数据库中的预设值；
结果输出模块，用于输出检测结果。
6.一种计算机设备，其特征在于，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-4中任一项所述的方法。
CN202310385819.3A 2023-04-12 2023-04-12 复合悬式绝缘子表面质量检测方法、装置、设备及介质 Active CN116109635B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310385819.3A CN116109635B (zh) 2023-04-12 2023-04-12 复合悬式绝缘子表面质量检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310385819.3A CN116109635B (zh) 2023-04-12 2023-04-12 复合悬式绝缘子表面质量检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116109635A CN116109635A (zh) 2023-05-12
CN116109635B true CN116109635B (zh) 2023-06-16

Family

ID=86258269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310385819.3A Active CN116109635B (zh) 2023-04-12 2023-04-12 复合悬式绝缘子表面质量检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116109635B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116735497B (zh) * 2023-06-14 2024-04-26 超创数能科技有限公司 一种瓷绝缘子环形内凹结构的自动检测装置、方法和系统
CN116797604B (zh) * 2023-08-28 2023-12-26 中江立江电子有限公司 一种玻璃绝缘子缺陷识别方法、装置、设备及介质
CN116863175B (zh) * 2023-08-31 2023-12-26 中江立江电子有限公司 一种直角连接器缺陷识别方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010010465A1 (de) * 2010-03-06 2010-12-02 Daimler Ag Verfahren zur Erkennung von Gleitentladungen bei Zündsystemen und System zur Erkennung von Gleitentladungen bei Zündsystemen
CN106023185A (zh) * 2016-05-16 2016-10-12 国网河南省电力公司电力科学研究院 一种输电设备故障诊断方法
WO2018211366A1 (ja) * 2017-05-18 2018-11-22 株式会社半導体エネルギー研究所 画像検出モジュール、情報管理システム
CN110441310A (zh) * 2019-07-15 2019-11-12 中国科学院上海光学精密机械研究所 电子元器件外壳外观缺陷测量装置和测量方法
CN113610789A (zh) * 2021-07-28 2021-11-05 华北电力大学 一种复合绝缘子粉化识别方法、终端设备及可读存储介质
CN114544674A (zh) * 2020-11-25 2022-05-27 国网河南省电力公司电力科学研究院 一种绝缘子探伤检测装置及检测方法
CN115239628A (zh) * 2022-06-21 2022-10-25 奥蒂玛光学科技（深圳）有限公司 缺陷检测方法、光学检测设备、电子设备以及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063166B (zh) * 2013-01-05 2015-03-18 山西省电力公司大同供电分公司 悬式复合绝缘子串风偏角的检测方法及装置
CN111462057B (zh) * 2020-03-23 2023-02-21 华南理工大学 一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法
CN112750125B (zh) * 2021-01-28 2022-04-15 华南理工大学 一种基于端到端关键点检测的玻璃绝缘子片定位方法
CN115394505A (zh) * 2021-05-25 2022-11-25 刘毅 定制结构复合绝缘子监控系统
CN113538411A (zh) * 2021-08-06 2021-10-22 广东电网有限责任公司 一种绝缘子缺陷检测方法及装置
CN114535109A (zh) * 2021-11-12 2022-05-27 中江立江电子有限公司 电镀外观自动检测筛选设备
CN114494867A (zh) * 2022-01-19 2022-05-13 湖北工业大学 一种改进AlexNet网络的绝缘子快速分类识别方法
CN115471487A (zh) * 2022-09-29 2022-12-13 北京星闪世图科技有限公司 绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置
CN115855952A (zh) * 2022-11-28 2023-03-28 绵阳中研磨具有限责任公司 一种砂页盘缺陷检测方法及检测设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010010465A1 (de) * 2010-03-06 2010-12-02 Daimler Ag Verfahren zur Erkennung von Gleitentladungen bei Zündsystemen und System zur Erkennung von Gleitentladungen bei Zündsystemen
CN106023185A (zh) * 2016-05-16 2016-10-12 国网河南省电力公司电力科学研究院 一种输电设备故障诊断方法
WO2018211366A1 (ja) * 2017-05-18 2018-11-22 株式会社半導体エネルギー研究所 画像検出モジュール、情報管理システム
CN110441310A (zh) * 2019-07-15 2019-11-12 中国科学院上海光学精密机械研究所 电子元器件外壳外观缺陷测量装置和测量方法
CN114544674A (zh) * 2020-11-25 2022-05-27 国网河南省电力公司电力科学研究院 一种绝缘子探伤检测装置及检测方法
CN113610789A (zh) * 2021-07-28 2021-11-05 华北电力大学 一种复合绝缘子粉化识别方法、终端设备及可读存储介质
CN115239628A (zh) * 2022-06-21 2022-10-25 奥蒂玛光学科技（深圳）有限公司 缺陷检测方法、光学检测设备、电子设备以及存储介质

Also Published As

Publication number Publication date
CN116109635A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
US8121400B2 (en) Method of comparing similarity of 3D visual objects
CN116721107B (zh) 一种电缆生产质量智能监控系统
CN116012380B (zh) 一种绝缘子缺陷检测方法、装置、设备及介质
CN116030053B (zh) 一种连接器引脚缺陷检测方法、装置、设备及介质
US8094922B2 (en) Crack measuring method and apparatus
CN116309518A (zh) 一种基于计算机视觉的pcb电路板检测方法及系统
CN117237747B (zh) 基于人工智能的五金件缺陷分类识别方法
CN116993725B (zh) 一种柔性电路板智能贴片信息处理系统
CN110544243A (zh) 一种ct图像小缺陷自动检出、定量及可靠性评价方法
CN116797604B (zh) 一种玻璃绝缘子缺陷识别方法、装置、设备及介质
CN112819842A (zh) 适用于工件质检的工件轮廓曲线拟合方法、装置及介质
CN111091121B (zh) 一种基于图像处理的椭圆表盘检测矫正的方法
JPS58134372A (ja) パタ−ン検査装置
CN111429411B (zh) 一种碳纤维复合芯导线的x射线缺陷图像样本生成方法
CN114387249A (zh) 检测方法及检测装置、设备和存储介质
CN114638792A (zh) 一种用于插件电路板电解电容极性缺陷检测的方法
CN103983649B (zh) 一种基于光谱成像的异物检测方法
Yudong et al. Pointer-type meter reading method research based on image processing technology
CN110533644A (zh) 一种基于图像识别的绝缘子检测方法
JPH03108638A (ja) 粒子凝集パターン判定方法
CN115452845B (zh) 一种基于机器视觉的led屏幕表面损伤检测方法
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
Ju et al. Feature Extraction of Micro-Crack Texture on Composite Insulator Shed by Edge Detection

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