CN116205910A - 一种电源适配器用注塑温度自适应学习调控系统 - Google Patents
一种电源适配器用注塑温度自适应学习调控系统 Download PDFInfo
- Publication number
- CN116205910A CN116205910A CN202310466210.9A CN202310466210A CN116205910A CN 116205910 A CN116205910 A CN 116205910A CN 202310466210 A CN202310466210 A CN 202310466210A CN 116205910 A CN116205910 A CN 116205910A
- Authority
- CN
- China
- Prior art keywords
- temperature
- low
- gray
- region
- value
- 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
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种电源适配器用注塑温度自适应学习调控系统。该系统包括获取模块,用于获取红外热灰度图像,确定温度异常区域和正常区域,对温度异常区域进行连通域分析,得到异常连通域;第一数据处理模块,用于确定初始低温复杂程度和初始高温复杂程度;第二数据处理模块,用于确定每个异常连通域的温度变化程度,确定目标低温复杂程度和目标高温复杂程度;调控模块,用于对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,对注塑温度进行调控。本发明能够增强红外热灰度图像中的高频细节信息,提升温度调控准确性和调控精度,增强调控效果。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种电源适配器用注塑温度自适应学习调控系统。
背景技术
在注塑加工过程中适宜的注塑模具温度会直接影响到电源适配器注塑的尺寸精度、外观、内在质量及产品生产效率,因此注塑模具温度的调控至关重要。注塑模具温度的调控通过冷却装置和加热装置来使模具温度达到产品要求温度。注塑模具温度的检测可通过红外成像技术,获取注塑模具的红外热图像,实时监测模具内部的温度变化,从而控制冷却装置和加热装置进行温度调节。然而由于红外探测器的焦平面阵列数目较少、探测单元尺寸较小,且存在光学衍射等问题,致使采集到的红外图像丢失掉大量高频细节信息,造成红外图像高频细节信息分辨率低,影响模具内部的温度变化识别。
相关技术中,通常使用线性变换的方式对红外热图像中的像素点灰度值进行线性变化,以提升图像对比度,增强图像的高频信息分辨率,这种方式下,由于线性变换过程中对灰度值的变换程度选择的准确性不足时,无法有效对红外热图像中的高频细节信息进行增强,使得温度调控准确性和调控精度较低,进而使得调控效果不足。
发明内容
为了解决高频细节信息增强效果不好导致温度调控准确性和调控精度较低,调控效果不足的技术问题,本发明提供一种电源适配器用注塑温度自适应学习调控系统,所采用的技术方案具体如下:
本发明提出了一种电源适配器用注塑温度自适应学习调控系统,系统包括:
获取模块,用于获取电源适配器注塑的红外热灰度图像,根据灰度值对所述红外热灰度图像进行图像分割,得到温度异常区域和正常区域,对所述温度异常区域进行连通域分析,得到异常连通域,其中,所述温度异常区域包括高温区域和低温区域,所述低温区域中的异常连通域为低温连通域,所述高温区域中的异常连通域为高温连通域;
第一数据处理模块,用于根据所有所述低温连通域中像素点的灰度值确定所述低温区域的初始低温复杂程度,根据所有所述高温连通域中像素点的灰度值确定所述高温区域的初始高温复杂程度;
第二数据处理模块,用于确定每个所述异常连通域的灰度变化程度,根据所有所述低温连通域的灰度变化程度和所述初始低温复杂程度,确定所述低温区域的目标低温复杂程度;根据所有所述高温连通域的灰度变化程度和所述初始高温复杂程度,确定所述高温区域的目标高温复杂程度;
调控模块,用于根据所述目标低温复杂程度、所述目标高温复杂程度和所述正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,根据所述目标图像对注塑温度进行调控。
进一步地,所述根据灰度值对所述红外热灰度图像进行图像分割,得到温度异常区域和正常区域,包括:
将所述灰度值大于预设第一灰度值阈值的像素点所组成的区域作为高温区域,将所述灰度值小于预设第二灰度值阈值的像素点所组成的区域作为低温区域,其中,所述预设第一灰度值大于所述预设第二灰度值阈值,所述低温区域和所述高温区域组成所述温度异常区域;
将所述灰度值大于等于预设第二灰度值阈值,且小于等于预设第一灰度值阈值的像素点所组成的区域作为正常区域。
进一步地,所述对所述温度异常区域进行连通域分析,得到异常连通域,包括:
任选所述低温区域中的某一像素点作为待测低温像素点,以所述待测低温像素点为中心的预设大小范围内,将其他像素点灰度值大于所述待测低温像素点的灰度值的数量作为待测低温数量,将所述待测低温数量大于预设低温数量阈值的待测低温像素点作为目标低温像素点;
任选所述高温区域中的某一像素点作为待测高温像素点,以所述待测高温像素点为中心的预设大小范围内,将其他像素点灰度值小于所述待测高温像素点的灰度值的数量作为待测高温数量,将所述待测高温数量大于预设高温数量阈值的待测高温像素点作为目标高温像素点;
遍历所有所述低温区域和所述高温区域中的像素点,将所有目标低温像素点所组成的连通域作为低温连通域,将所有目标高温像素点所组成的连通域作为高温连通域,将所述低温连通域和所述高温连通域共同作为异常连通域。
进一步地,所述根据所有所述低温连通域中像素点的灰度值确定所述低温区域的初始低温复杂程度,包括:
分别计算每个所述低温连通域中像素点的灰度值均值作为低温均值,将低温均值最大值和低温均值最小值的差值作为低温灰度差异;
将所述低温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻低温均值的差值绝对值作为相邻低温差异,计算所有所述相邻低温差异的方差作为相邻低温方差值;
对所述相邻低温方差值进行反比例的归一化处理,得到低温调整权值,计算所述低温调整权值和所述低温灰度差异的乘积作为所述低温区域的初始低温复杂程度。
进一步地,所述根据所有所述高温连通域中像素点的灰度值确定所述高温区域的初始高温复杂程度,包括:
分别计算每个所述高温连通域中像素点的灰度值均值作为高温均值,将高温均值最大值和高温均值最小值的差值作为高温灰度差异;
将所述高温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻高温均值的差值绝对值作为相邻高温差异,计算所有所述相邻高温差异的方差作为相邻高温方差值;
对所述相邻高温方差值进行反比例的归一化处理,得到高温调整权值,计算所述高温调整权值和所述高温灰度差异的乘积作为所述高温区域的初始高温复杂程度。
进一步地,所述确定每个所述异常连通域的灰度变化程度,包括:
确定每个所述异常连通域的中心像素点,以所述中心像素点为起始点,沿着至少一个预设方向遍历所述中心像素点周围的像素点,直至灰度值产生变化时停止,确定不同预设方向上的像素点数量,将所述像素点数量的均值归一化值作为所述灰度变化程度。
进一步地,所述根据所有所述低温连通域的灰度变化程度和所述初始低温复杂程度,确定所述低温区域的目标低温复杂程度,包括:
计算所有所述低温连通域的灰度变化程度的均值和所述初始低温复杂程度的乘积的归一化值作为所述低温区域的目标低温复杂程度。
进一步地,所述根据所有所述高温连通域的灰度变化程度和所述初始高温复杂程度,确定所述高温区域的目标高温复杂程度,包括:
计算所有所述高温连通域的灰度变化程度的均值和所述初始高温复杂程度的乘积的归一化值作为所述高温区域的目标高温复杂程度。
进一步地,所述根据所述目标低温复杂程度、所述目标高温复杂程度和所述正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,包括:
计算所述目标低温复杂程度和预设复杂参数的乘积和1的和值作为低温变换系数,分别计算低温区域中每个像素点的灰度值和所述低温变换系数的乘积作为对应像素点的目标低温灰度值;
确定正常区域中像素点的灰度值最大值和灰度值最小值的差值作为正常区域灰度差异,对所述正常区域灰度差异进行负相关映射并归一化得到正常变换系数;分别计算正常区域中每个像素点的灰度值和所述正常变换系数的乘积和目标低温灰度值最大值的和值作为对应像素点的目标正常灰度值;
计算所述目标高温复杂程度和预设复杂参数的乘积和1的和值作为高温变换系数;分别计算高温区域中每个像素点的灰度值和所述高温变换系数的乘积和目标正常灰度值最大值的和值作为对应像素点的目标高温灰度值;
对所述红外热灰度图像中所有的像素点进行处理,根据目标低温灰度值、目标正常灰度值和目标高温灰度值得到目标图像。
进一步地,所述根据所述目标图像对注塑温度进行调控,包括:
根据所述目标图像中温度异常区域的像素点的灰度值,对不同温度异常区域进行自适应冷却和加热处理。
本发明具有如下有益效果:
本发明通过确定红外热灰度图像中的异常连通域,并将其划分为低温连通域和高温连通域,能够针对电源适配器注塑的红外热灰度图像中的灰度分布,对红外热灰度图像进行合理划分,进而基于不同温度情况分别进行分析;通过低温区域中灰度值分布的总体特征得到初始低温复杂程度,通过高温区域中灰度值分布的总体特征得到初始高温复杂程度,能够有效分析不同区域灰度值分布特征,提升初始低温复杂程度和初始高温复杂程度的客观性;通过确定每个异常连通域的灰度变化程度,能够准确获取低温区域和高温区域中每个连通域的灰度变化情况,从而在根据温度变化程度和初始低温复杂程度确定目标低温复杂程度,以及在根据温度变化程度和初始高温复杂程度确定目标高温复杂程度时,能够有效结合低温区域的总体变化和低温区域中每个低温连通域的特征得到目标低温复杂程度,结合高温区域的总体变化和高温区域中每个高温连通域的特征得到目标高温复杂程度,进而提升目标低温复杂程度和目标高温复杂程度的准确性,保证目标低温复杂程度和目标高温复杂程度更适用于灰度变化频率较大的红外热灰度图像;通过对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,能够对不同区域进行不同的分段式线性变换处理,使得能够有效结合不同区域所分别对应的复杂程度,进行自适应的灰度值变换,从而能够有效对不同区域进行自适应的对比度调整,对红外热灰度图像中的高频细节信息进行增强,提升图像显示精度,便于后续根据目标图像进行温度调控。综上,本发明能够增强红外热灰度图像中的高频细节信息,进而提升温度调控的准确性和调控精度,增强调控效果。
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为本发明一个实施例所提供的一种电源适配器用注塑温度自适应学习调控系统结构图;
图2为本发明一个实施例所提供的分段式线性变换示意图。
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一种电源适配器用注塑温度自适应学习调控系统,其具体实施方式、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。
下面结合附图具体的说明本发明所提供的一种电源适配器用注塑温度自适应学习调控系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种电源适配器用注塑温度自适应学习调控系统结构图,该电源适配器用注塑温度自适应学习调控系统10包括:获取模块101、第一数据处理模块102、第二数据处理模块103和调控模块104。
获取模块101,用于获取电源适配器注塑的红外热灰度图像,根据灰度值对红外热灰度图像进行图像分割,得到温度异常区域和正常区域,对温度异常区域进行连通域分析,得到异常连通域,其中,温度异常区域包括高温区域和低温区域,低温区域中的异常连通域为低温连通域,高温区域中的异常连通域为高温连通域。
本发明实施例中,可以在电源适配器注塑模具的正上方配置红外图像采集设备,以采集电源适配器注塑的原始红外热图像,并对原始红外热图像进行去背景化和图像预处理,其中图像预处理包括图像去噪处理和图像灰度化处理,得到红外热灰度图像,去背景化和图像预处理均为本领域所熟知的技术,在此不再赘述。
进一步地,本发明实施例中,根据灰度值对红外热灰度图像进行图像分割,得到温度异常区域和正常区域,包括:将灰度值大于预设第一灰度值阈值的像素点所组成的区域作为高温区域,将灰度值小于预设第二灰度值阈值的像素点所组成的区域作为低温区域,其中,预设第一灰度值大于预设第二灰度值阈值,低温区域和高温区域组成温度异常区域;将灰度值大于等于预设第二灰度值阈值,且小于等于预设第一灰度值阈值的像素点所组成的区域作为正常区域。
其中,预设第一灰度值阈值和预设第二灰度值阈值,为根据先验知识获得的灰度值的门限值,预设第一灰度值大于预设第二灰度值阈值,则可选地,预设第一灰度值为210,预设第二灰度值阈值为150,对此不做限制。
可以理解的是,在红外热灰度图像中,区域的温度值越高,则所对应灰度图像中更趋近于白色,灰度值越高,区域的温度值越低,则所对应图像中更趋近于黑色,灰度值越低,则可以根据灰度值将图像划分出高温区域和低温区域。
本发明实施例中,将灰度值大于预设第一灰度值阈值的像素点所组成的区域作为高温区域,将灰度值小于预设第二灰度值阈值的像素点所组成的区域作为低温区域。举例而言,在预设第一灰度值为210,预设第二灰度值阈值为150时,将红外热灰度图像中灰度值大于210的像素点所组成的区域作为高温区域,将灰度值小于150的像素点所组成的区域作为低温区域,并将高温区域和低温区域共同作为温度异常区域,将灰度值大于等于150,且小于等于210的像素点所组成的区域作为正常区域。
进一步地,本发明实施例中,对温度异常区域进行连通域分析,得到异常连通域,包括:任选低温区域中的某一像素点作为待测低温像素点,以待测低温像素点为中心的预设大小范围内,将其他像素点灰度值大于待测低温像素点的灰度值的数量作为待测低温数量,将待测低温数量大于预设低温数量阈值的待测低温像素点作为目标低温像素点;任选高温区域中的某一像素点作为待测高温像素点,以待测高温像素点为中心的预设大小范围内,将其他像素点灰度值小于待测高温像素点的灰度值的数量作为待测高温数量,将待测高温数量大于预设高温数量阈值的待测高温像素点作为目标高温像素点;遍历所有低温区域和高温区域中的像素点,将所有目标低温像素点所组成的连通域作为低温连通域,将所有目标高温像素点所组成的连通域作为高温连通域,将低温连通域和高温连通域共同作为异常连通域。
其中,预设大小范围,为预设的待测低温像素点和待测高温像素点周围的像素点范围,可选地,预设大小范围可以具体为5×5大小范围,当然,该预设大小范围还可以根据实际需求进行调整,对此不做限制。
本发明实施例中,以待测低温像素点为中心的预设大小范围内,将其他像素点灰度值大于待测低温像素点的灰度值的数量作为待测低温数量,也即是说,在待测低温像素点周围预设大小范围内,统计灰度值大于待测低温像素点的灰度值的像素点的数量,并将其作为待测低温数量。
其中,预设低温数量阈值,为预设的待测低温数量的门限值,预设低温数量阈值的大小可以根据实际生产需求进行调整,可选地,预设低温数量阈值为15,本发明实施例中,可以将待测低温数量大于15的待测低温像素点作为目标低温像素点。
本发明实施例中,以待测高温像素点为中心的预设大小范围内,将其他像素点灰度值小于待测高温像素点的灰度值的数量作为待测高温数量,也即是说,在待测高温像素点周围预设大小范围内,统计灰度值小于待测高温像素点的灰度值的像素点的数量,并将其作为待测高温数量。
其中,预设高温数量阈值,为预设的待测高温数量的门限值,预设高温数量阈值的大小可以根据实际生产需求进行调整,可选地,预设高温数量阈值为15,本发明实施例中,将待测高温数量大于15的待测高温像素点作为目标高温像素点。
可以理解的是,温度值越高,则对应像素点的灰度值越大,也就是说,在预设大小范围内其他像素点灰度值大于待测低温像素点的灰度值时,则可以表示待测低温像素点所处区域为接近低温的边缘区域,在预设大小范围内其他像素点灰度值小于待测高温像素点的灰度值时,则可以表示待测高温像素点所处区域为接近高温的边缘区域。
由此,遍历所有低温区域和高温区域中的像素点,将所有目标低温像素点所组成的连通域作为低温连通域,将所有目标高温像素点所组成的连通域作为高温连通域,将低温连通域和高温连通域共同作为异常连通域。
由于异常连通域包括低温连通域和高温连通域,低温连通域和高温连通域所对应情况不同,因此,在后续进行数据处理时,低温连通域和高温连通域分别对应不同的分析方式。
第一数据处理模块102,用于根据所有低温连通域中像素点的灰度值确定低温区域的初始低温复杂程度,根据所有高温连通域中像素点的灰度值确定高温区域的初始高温复杂程度。
可选地,本发明实施例中,根据所有低温连通域中像素点的灰度值确定低温区域的初始低温复杂程度,包括:分别计算每个低温连通域中像素点的灰度值均值作为低温均值,将低温均值最大值和低温均值最小值的差值作为低温灰度差异;将低温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻低温均值的差值绝对值作为相邻低温差异,计算所有相邻低温差异的方差作为相邻低温方差值;对相邻低温方差值进行反比例的归一化处理,得到低温调整权值,计算低温调整权值和低温灰度差异的乘积作为低温区域的初始低温复杂程度。
可以理解的是,低温连通域的数量为多个,则本发明实施例中,计算每个低温连通域中像素点的灰度值均值作为低温均值,并确定所有低温均值中的最大值和最小值,本发明实施例中,可以将低温均值最大值和低温均值最小值的差值作为低温灰度差异,也即是说,低温灰度值差异表示低温连通域中灰度值变化的范围。将低温均值按照由小至大的顺序进行排序,根据排序计算相邻低温均值的差值绝对值作为相邻低温差异,并计算相邻低温差异的方差作为相邻低温方差值。
其中,相邻低温方差值可以表示低温连通域中像素点的灰度值均值的分布情况,当相邻低温方差值越小,说明低温连通域均匀稳定分布,即每个低温连通域都可能存在差异,低温区域的温度复杂性较高。而当相邻低温方差值较大时,说明许多低温连通域中像素点的灰度值均值相差较大,在相差较大时容易影响其温度复杂性,导致低温区域的温度复杂性降低。
在本发明一个实施例中,初始低温复杂程度的获取过程可以具体包括:对相邻低温方差值进行反比例的归一化处理,得到低温调整权值,计算低温调整权值和低温灰度差异的乘积作为低温区域的初始低温复杂程度,对应的计算公式为:
进一步地,本发明实施例中,根据所有高温连通域中像素点的灰度值确定高温区域的初始高温复杂程度,包括:分别计算每个高温连通域中像素点的灰度值均值作为高温均值,将高温均值最大值和高温均值最小值的差值作为高温灰度差异;将高温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻高温均值的差值绝对值作为相邻高温差异,计算所有相邻高温差异的方差作为相邻高温方差值;对相邻高温方差值进行反比例的归一化处理,得到高温调整权值,计算高温调整权值和高温灰度差异的乘积作为高温区域的初始高温复杂程度。
与初始低温复杂程度的获取过程相似,通过高温均值最大值和高温均值最小值的差值作为高温灰度差异,并根据相邻高温差异的方差得到相邻高温方差值,进而得到高温调整权值,计算高温调整权值和高温灰度差异的乘积作为高温区域的初始高温复杂程度,对应的计算公式为:
式中,表示高温区域的初始高温复杂程度,表示高温区域,表示自然常数,表示相邻高温方差值,表示高温区域的高温均值最大值,表示高温区域的高
温均值最小值,表示高温区域的高温灰度差异,表示高温调整权值,基
于自然常数的指数函数对相邻高温方差值进行反比例的归一化处理,在本发明的另一些实
施例中,反比例的归一化还可以具体例如为最大最小值归一化、tanh函数归一化等,对此不
做限制。
第二数据处理模块103,用于确定每个异常连通域的灰度变化程度,根据所有低温连通域的灰度变化程度和初始低温复杂程度,确定低温区域的目标低温复杂程度;根据所有高温连通域的灰度变化程度和初始高温复杂程度,确定高温区域的目标高温复杂程度。
可选地,本发明实施例中,确定每个异常连通域的灰度变化程度,包括:确定每个异常连通域的中心像素点,以中心像素点为起始点,沿着至少一个预设方向遍历中心像素点周围的像素点,直至灰度值产生变化时停止,确定不同预设方向上的像素点数量,将像素点数量的均值归一化值作为灰度变化程度。
其中,中心像素点,为异常连通域的中心点位置处的像素点,本发明实施例可以使用多种现有技术确定中心像素点,如基于形态学腐蚀的方式确定中心点等,对此不再赘述。
其中,预设方向,是以中心像素点为起点所对应的方向,预设方向的数量可以根据实际需求进行调整,可选地,本发明实施例可以对角度进行平均划分,得到8个预设方向,当然,在本发明的另一些实施例中,为了保证精度,也可以设置360个预设方向,对此不做限制。
本发明实施例中,以中心像素点为起始点,沿着预设方向搜索,在灰度值产生变化时停止搜索,统计对应预设方向上的像素点数量,进而统计所有预设方向上的像素点数量,得到像素点数量的均值。
可以理解的是,像素点数量的均值越大,则可以表示所对应中心像素点周围与中心像素点灰度值相同的像素点数量越多,结合中心像素点位置处为低温区域的最低温位置,或者为高温区域的最高温位置的特点,可以用于表征异常连通域的分布情况。
由于红外热灰度图像中的像素点灰度值能够表征对应的温度值,也即是说,像素点数量的均值越大,则可以表示该片最低温区域或最高温区域的范围越大,所对应的温度变化越不正常,也即异常连通域的灰度变化程度越高,所对应异常连通域灰度值越异常。
进一步地,本发明实施例中,根据所有低温连通域的灰度变化程度和初始低温复杂程度,确定低温区域的目标低温复杂程度,包括:计算所有低温连通域的灰度变化程度的均值和初始低温复杂程度的乘积的归一化值作为低温区域的目标低温复杂程度。对应的计算公式为:
由于异常连通域的灰度变化程度越高,所对应温度值越异常,则根据所有低温连通域中灰度变化程度的均值作为低温区域自适应的权重,对初始低温复杂程度进行调整,能够合理兼顾低温区域中各低温连通域的总体分布情况和灰度变化情况,从而提升目标低温复杂程度的客观性与可靠性。
进一步地,本发明实施例中,根据所有高温连通域的灰度变化程度和初始高温复杂程度,确定高温区域的目标高温复杂程度,包括:计算所有高温连通域的灰度变化程度的均值和初始高温复杂程度的乘积的归一化值作为高温区域的目标高温复杂程度。对应的计算公式为:
由于异常连通域的灰度变化程度越高,所对应温度值越异常,则根据所有高温连通域中灰度变化程度的均值作为高温区域自适应的权重对初始高温复杂程度进行调整,能够合理兼顾高温区域中各高温连通域的总体分布情况和灰度变化情况,从而提升目标高温复杂程度的客观性与可靠性。
调控模块104,用于根据目标低温复杂程度、目标高温复杂程度和正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,根据目标图像对注塑温度进行调控。
进一步地,本发明实施例中,根据目标低温复杂程度、目标高温复杂程度和正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,包括:计算目标低温复杂程度和预设复杂参数的乘积和1的和值作为低温变换系数,分别计算低温区域中每个像素点的灰度值和低温变换系数的乘积作为对应像素点的目标低温灰度值;确定正常区域中像素点的灰度值最大值和灰度值最小值的差值作为正常区域灰度差异,对正常区域灰度差异进行负相关映射并归一化得到正常变换系数;分别计算正常区域中每个像素点的灰度值和正常变换系数的乘积和目标低温灰度值最大值的和值作为对应像素点的目标正常灰度值;计算目标高温复杂程度和预设复杂参数的乘积和1的和值作为高温变换系数;分别计算高温区域中每个像素点的灰度值和高温变换系数的乘积和目标正常灰度值最大值的和值作为对应像素点的目标高温灰度值;对红外热灰度图像中所有的像素点进行处理,根据目标低温灰度值、目标正常灰度值和目标高温灰度值得到目标图像。
其中,预设复杂参数,为预设的目标低温复杂程度和目标高温复杂程度的调整参数,可选地,预设复杂参数为0.5。
其中,目标低温灰度值的计算公式为:
也即是说,通过低温变换系数确定像素点灰度值的线性变换程度,由于低温变换系数大于1,则将低温区域像素点的灰度值在数值范围上进行扩大,以自适应提升低温区域像素点的灰度值范围,从而能够自适应对低温区域进行对比度调整处理,进而提升低温区域的成像精度,增强低温区域中的纹理细节。
其中,目标正常灰度值对应的计算公式为:
式中,表示正常区域中第个像素点的目标正常灰度值,表示正常区域,
表示正常区域中像素点灰度值最大值,表示正常区域中像素点灰度值最小值,表
示正常区域中第个像素点的灰度值,表示目标低温灰度值最大值,表示归
一化处理,表示正常变换因子,表示正常变
换系数。
可以理解的是,由于正常变换系数小于1,则对应的正常区域的灰度值经过处理后处于灰度值压缩的状态,也即是说,对正常区域中的灰度值范围进行压缩,以降低正常区域中的灰度值对比度。
其中,目标高温灰度值对应的计算公式为:
式中,表示高温区域中第个像素点的目标高温灰度值,表示高温区域,表
示高温区域中像素点的索引,表示预设复杂参数,表示高温区域的目标高温复杂程
度,表示高温区域中第个像素点的灰度值,表示目标正常灰度值的最大值,表示高温变换系数。
本发明实施例中,与低温区域相类似,由于高温变换系数大于1,则对应的可以对高温变换系数进行自适应的对比度增强处理,将高温区域像素点的灰度值在数值范围上进行扩大,以自适应提升高温区域像素点的灰度值范围,从而能够自适应对高温区域进行对比度调整处理,进而提升高温区域的成像精度,增强高温区域中的纹理细节。
如图2所示,图2为本发明一个实施例所提供的分段式线性变换示意图,其中,点“1”为目标低温灰度值最大值,点“2”为目标正常灰度值的最大值,由图2可知,对低温区域和高温区域进行自适应对比度增强的线性变换处理,对正常区域进行自适应对比度降低的线性变换处理,由此,能够提升低温区域和高温区域中高频信息的细节效果。
可以理解的是,由于在灰度拉伸过程中可能产生灰度值大于255的现象,则本发明可以以目标高温灰度值的最大值作为白色所对应的灰度值,重新进行灰度值范围的调整,进而得到目标图像,或者,也可以将目标低温灰度值、目标正常灰度值和目标高温灰度值映射至预设灰度范围区间内,如0-255区间内,以得到映射后的灰度值,进而得到目标图像,当然,本发明还支持使用多种其他任意可能的实现方式根据目标低温灰度值、目标正常灰度值和目标高温灰度值得到目标图像,对此不做限制。
可选地,本发明实施例中,根据目标图像对注塑温度进行调控,包括:根据目标图像中温度异常区域的像素点的灰度值,对不同温度异常区域进行自适应冷却和加热处理。
本发明在目标图像中温度异常区域的像素点的灰度值之后,可以基于先验经验直接根据灰度值确定使用冷却处理或加热处理,并且,可以根据灰度值确定冷却或加热处理所对应的强度和时间。
在本发明的另一些实施例中,也可以将目标图像输入至预训练的大数据调控模型中,基于大数据调控模型处理,输出对应的调控方式,其中,调控方式包括不同区域所对应冷却或加热处理所对应的强度和时间。
在本发明的另一些实施例中,还可以由相关工作人员直接根据目标图像进行手动调控,本发明实施例的调控方式为本领域人员所熟知的,对此不做限制。
举例而言,在检测到目标图像中某一局部区域灰度值较低时,则可以控制加热装置对该局部区域所对应的模具区域进行加热处理,在检测到目标图像中某一局部区域灰度值较高时,则可以控制冷却装置对该局部区域所对应的模具区域进行冷却处理,以保持注塑模具内部的温度分布均匀,有效提升注塑质量。
本发明通过确定红外热灰度图像中的异常连通域,并将其划分为低温连通域和高温连通域,能够针对电源适配器注塑的红外热灰度图像中的灰度分布,对红外热灰度图像进行合理划分,进而基于不同温度情况分别进行分析;通过低温区域中灰度值分布的总体特征得到初始低温复杂程度,通过高温区域中灰度值分布的总体特征得到初始高温复杂程度,能够有效分析不同区域灰度值分布特征,提升初始低温复杂程度和初始高温复杂程度的客观性;通过确定每个异常连通域的灰度变化程度,能够准确获取低温区域和高温区域中每个连通域的灰度变化情况,从而在根据温度变化程度和初始低温复杂程度确定目标低温复杂程度,以及在根据温度变化程度和初始高温复杂程度确定目标高温复杂程度时,能够有效结合低温区域的总体变化和低温区域中每个低温连通域的特征得到目标低温复杂程度,结合高温区域的总体变化和高温区域中每个高温连通域的特征得到目标高温复杂程度,进而提升目标低温复杂程度和目标高温复杂程度的准确性,保证目标低温复杂程度和目标高温复杂程度更适用于灰度变化频率较大的红外热灰度图像;通过对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,能够对不同区域进行不同的分段式线性变换处理,使得能够有效结合不同区域所分别对应的复杂程度,进行自适应的灰度值变换,从而能够有效对不同区域进行自适应的对比度调整,对红外热灰度图像中的高频细节信息进行增强,提升图像显示精度,便于后续根据目标图像进行温度调控。综上,本发明能够增强红外热灰度图像中的高频细节信息,进而提升温度调控的准确性和调控精度,增强调控效果。
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。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。
Claims (10)
1.一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述系统包括:
获取模块,用于获取电源适配器注塑的红外热灰度图像,根据灰度值对所述红外热灰度图像进行图像分割,得到温度异常区域和正常区域,对所述温度异常区域进行连通域分析,得到异常连通域,其中,所述温度异常区域包括高温区域和低温区域,所述低温区域中的异常连通域为低温连通域,所述高温区域中的异常连通域为高温连通域;
第一数据处理模块,用于根据所有所述低温连通域中像素点的灰度值确定所述低温区域的初始低温复杂程度,根据所有所述高温连通域中像素点的灰度值确定所述高温区域的初始高温复杂程度;
第二数据处理模块,用于确定每个所述异常连通域的灰度变化程度,根据所有所述低温连通域的灰度变化程度和所述初始低温复杂程度,确定所述低温区域的目标低温复杂程度;根据所有所述高温连通域的灰度变化程度和所述初始高温复杂程度,确定所述高温区域的目标高温复杂程度;
调控模块,用于根据所述目标低温复杂程度、所述目标高温复杂程度和所述正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,根据所述目标图像对注塑温度进行调控。
2.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据灰度值对所述红外热灰度图像进行图像分割,得到温度异常区域和正常区域,包括:
将所述灰度值大于预设第一灰度值阈值的像素点所组成的区域作为高温区域,将所述灰度值小于预设第二灰度值阈值的像素点所组成的区域作为低温区域,其中,所述预设第一灰度值大于所述预设第二灰度值阈值,所述低温区域和所述高温区域组成所述温度异常区域;
将所述灰度值大于等于预设第二灰度值阈值,且小于等于预设第一灰度值阈值的像素点所组成的区域作为正常区域。
3.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述对所述温度异常区域进行连通域分析,得到异常连通域,包括:
任选所述低温区域中的某一像素点作为待测低温像素点,以所述待测低温像素点为中心的预设大小范围内,将其他像素点灰度值大于所述待测低温像素点的灰度值的数量作为待测低温数量,将所述待测低温数量大于预设低温数量阈值的待测低温像素点作为目标低温像素点;
任选所述高温区域中的某一像素点作为待测高温像素点,以所述待测高温像素点为中心的预设大小范围内,将其他像素点灰度值小于所述待测高温像素点的灰度值的数量作为待测高温数量,将所述待测高温数量大于预设高温数量阈值的待测高温像素点作为目标高温像素点;
遍历所有所述低温区域和所述高温区域中的像素点,将所有目标低温像素点所组成的连通域作为低温连通域,将所有目标高温像素点所组成的连通域作为高温连通域,将所述低温连通域和所述高温连通域共同作为异常连通域。
4.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所有所述低温连通域中像素点的灰度值确定所述低温区域的初始低温复杂程度,包括:
分别计算每个所述低温连通域中像素点的灰度值均值作为低温均值,将低温均值最大值和低温均值最小值的差值作为低温灰度差异;
将所述低温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻低温均值的差值绝对值作为相邻低温差异,计算所有所述相邻低温差异的方差作为相邻低温方差值;
对所述相邻低温方差值进行反比例的归一化处理,得到低温调整权值,计算所述低温调整权值和所述低温灰度差异的乘积作为所述低温区域的初始低温复杂程度。
5.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所有所述高温连通域中像素点的灰度值确定所述高温区域的初始高温复杂程度,包括:
分别计算每个所述高温连通域中像素点的灰度值均值作为高温均值,将高温均值最大值和高温均值最小值的差值作为高温灰度差异;
将所述高温均值按照由小至大的顺序进行排序,根据排序顺序计算相邻高温均值的差值绝对值作为相邻高温差异,计算所有所述相邻高温差异的方差作为相邻高温方差值;
对所述相邻高温方差值进行反比例的归一化处理,得到高温调整权值,计算所述高温调整权值和所述高温灰度差异的乘积作为所述高温区域的初始高温复杂程度。
6.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述确定每个所述异常连通域的灰度变化程度,包括:
确定每个所述异常连通域的中心像素点,以所述中心像素点为起始点,沿着至少一个预设方向遍历所述中心像素点周围的像素点,直至灰度值产生变化时停止,确定不同预设方向上的像素点数量,将所述像素点数量的均值归一化值作为所述灰度变化程度。
7.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所有所述低温连通域的灰度变化程度和所述初始低温复杂程度,确定所述低温区域的目标低温复杂程度,包括:
计算所有所述低温连通域的灰度变化程度的均值和所述初始低温复杂程度的乘积的归一化值作为所述低温区域的目标低温复杂程度。
8.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所有所述高温连通域的灰度变化程度和所述初始高温复杂程度,确定所述高温区域的目标高温复杂程度,包括:
计算所有所述高温连通域的灰度变化程度的均值和所述初始高温复杂程度的乘积的归一化值作为所述高温区域的目标高温复杂程度。
9.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所述目标低温复杂程度、所述目标高温复杂程度和所述正常区域中像素点的灰度值,对低温区域、高温区域和正常区域中像素点的灰度值进行自适应分段式线性变换处理,得到目标图像,包括:
计算所述目标低温复杂程度和预设复杂参数的乘积和1的和值作为低温变换系数,分别计算低温区域中每个像素点的灰度值和所述低温变换系数的乘积作为对应像素点的目标低温灰度值;
确定正常区域中像素点的灰度值最大值和灰度值最小值的差值作为正常区域灰度差异,对所述正常区域灰度差异负相关映射并归一化得到正常变换系数;分别计算正常区域中每个像素点的灰度值和所述正常变换系数的乘积和目标低温灰度值最大值的和值作为对应像素点的目标正常灰度值;
计算所述目标高温复杂程度和预设复杂参数的乘积和1的和值作为高温变换系数;分别计算高温区域中每个像素点的灰度值和所述高温变换系数的乘积和目标正常灰度值最大值的和值作为对应像素点的目标高温灰度值;
对所述红外热灰度图像中所有的像素点进行处理,根据目标低温灰度值、目标正常灰度值和目标高温灰度值得到目标图像。
10.如权利要求1所述的一种电源适配器用注塑温度自适应学习调控系统,其特征在于,所述根据所述目标图像对注塑温度进行调控,包括:
根据所述目标图像中温度异常区域的像素点的灰度值,对不同温度异常区域进行自适应冷却和加热处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310466210.9A CN116205910B (zh) | 2023-04-27 | 2023-04-27 | 一种电源适配器用注塑温度自适应学习调控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310466210.9A CN116205910B (zh) | 2023-04-27 | 2023-04-27 | 一种电源适配器用注塑温度自适应学习调控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205910A true CN116205910A (zh) | 2023-06-02 |
CN116205910B CN116205910B (zh) | 2023-07-14 |
Family
ID=86509693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310466210.9A Active CN116205910B (zh) | 2023-04-27 | 2023-04-27 | 一种电源适配器用注塑温度自适应学习调控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205910B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
CN117124559A (zh) * | 2023-10-27 | 2023-11-28 | 湖南嘉迪汽车零部件有限公司 | 一种用于汽车内外饰的塑料成型冷却方法及装置 |
CN117197588A (zh) * | 2023-11-02 | 2023-12-08 | 南通宝田包装科技有限公司 | 基于温度识别的塑料包装控制预警方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN106872509A (zh) * | 2017-03-09 | 2017-06-20 | 华南理工大学 | 一种基于红外成像的注塑制品质量在线检测装置与方法 |
CN108844640A (zh) * | 2018-05-18 | 2018-11-20 | 国网江西省电力有限公司萍乡供电分公司 | 一种配网变压器设备运行温度在线监测装置 |
CN109523477A (zh) * | 2018-11-06 | 2019-03-26 | 武汉高德智感科技有限公司 | 一种自适应红外图像动态范围变换方法 |
KR20200002593A (ko) * | 2018-06-29 | 2020-01-08 | 엘에스엠트론 주식회사 | 열화상 카메라를 이용한 사출성형기의 제어 방법 및 이를 적용한 사출성형기 |
CN112184661A (zh) * | 2020-09-27 | 2021-01-05 | 国网上海市电力公司 | 一种基于图像融合深度学习模型的电力设备缺陷识别方法 |
CN112233073A (zh) * | 2020-09-30 | 2021-01-15 | 国网山西省电力公司大同供电公司 | 一种变电设备红外热成像异常实时检测方法 |
CN113516091A (zh) * | 2021-07-27 | 2021-10-19 | 福建工程学院 | 一种识别变电站电火花图像的方法 |
WO2021217445A1 (zh) * | 2020-04-28 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、系统和存储介质 |
CN113888438A (zh) * | 2021-10-15 | 2022-01-04 | 杭州微影软件有限公司 | 图像处理方法、装置及存储介质 |
CN113902641A (zh) * | 2021-10-12 | 2022-01-07 | 西安交通大学 | 一种基于红外图像的数据中心热区判别方法及系统 |
CN115908410A (zh) * | 2023-01-06 | 2023-04-04 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器激光焊接控制方法 |
-
2023
- 2023-04-27 CN CN202310466210.9A patent/CN116205910B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN106872509A (zh) * | 2017-03-09 | 2017-06-20 | 华南理工大学 | 一种基于红外成像的注塑制品质量在线检测装置与方法 |
CN108844640A (zh) * | 2018-05-18 | 2018-11-20 | 国网江西省电力有限公司萍乡供电分公司 | 一种配网变压器设备运行温度在线监测装置 |
KR20200002593A (ko) * | 2018-06-29 | 2020-01-08 | 엘에스엠트론 주식회사 | 열화상 카메라를 이용한 사출성형기의 제어 방법 및 이를 적용한 사출성형기 |
CN109523477A (zh) * | 2018-11-06 | 2019-03-26 | 武汉高德智感科技有限公司 | 一种自适应红外图像动态范围变换方法 |
WO2021217445A1 (zh) * | 2020-04-28 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、系统和存储介质 |
CN112184661A (zh) * | 2020-09-27 | 2021-01-05 | 国网上海市电力公司 | 一种基于图像融合深度学习模型的电力设备缺陷识别方法 |
CN112233073A (zh) * | 2020-09-30 | 2021-01-15 | 国网山西省电力公司大同供电公司 | 一种变电设备红外热成像异常实时检测方法 |
CN113516091A (zh) * | 2021-07-27 | 2021-10-19 | 福建工程学院 | 一种识别变电站电火花图像的方法 |
CN113902641A (zh) * | 2021-10-12 | 2022-01-07 | 西安交通大学 | 一种基于红外图像的数据中心热区判别方法及系统 |
CN113888438A (zh) * | 2021-10-15 | 2022-01-04 | 杭州微影软件有限公司 | 图像处理方法、装置及存储介质 |
CN115908410A (zh) * | 2023-01-06 | 2023-04-04 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器激光焊接控制方法 |
Non-Patent Citations (3)
Title |
---|
RANIA GABER 等: "Performance Evaluation of Infrared Image Enhancement Techniques", 《ARXIV:2202.03427》, pages 1 - 11 * |
张鹏: "基于FPGA的红外数字图像细节增强技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 04, pages 138 - 3314 * |
李静静: "红外图像的目标检测与识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 09, pages 138 - 442 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
CN116823676B (zh) * | 2023-08-28 | 2023-11-21 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
CN117124559A (zh) * | 2023-10-27 | 2023-11-28 | 湖南嘉迪汽车零部件有限公司 | 一种用于汽车内外饰的塑料成型冷却方法及装置 |
CN117124559B (zh) * | 2023-10-27 | 2023-12-22 | 湖南嘉迪汽车零部件有限公司 | 一种用于汽车内外饰的塑料成型冷却方法及装置 |
CN117197588A (zh) * | 2023-11-02 | 2023-12-08 | 南通宝田包装科技有限公司 | 基于温度识别的塑料包装控制预警方法 |
CN117197588B (zh) * | 2023-11-02 | 2024-03-05 | 南通宝田包装科技有限公司 | 基于温度识别的塑料包装控制预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116205910B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116205910B (zh) | 一种电源适配器用注塑温度自适应学习调控系统 | |
CN106228185B (zh) | 一种基于神经网络的通用图像分类识别系统及方法 | |
CN104732200B (zh) | 一种皮肤类型和皮肤问题的识别方法 | |
CN116520915B (zh) | 基于热红外图像的网络中心机房温度预警控制系统 | |
CN111524137A (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN106529378A (zh) | 一种亚裔人脸的年龄特征模型生成方法及年龄估计方法 | |
Li et al. | Entropy-based global and local weight adaptive image segmentation models | |
CN116137036A (zh) | 基于机器学习的基因检测数据智能处理系统 | |
CN110930425B (zh) | 基于邻域向量内积局部对比度图像增强的损伤目标检测方法 | |
CN116386120A (zh) | 一种无感监控管理系统 | |
CN111563556A (zh) | 一种基于颜色梯度权重的变电站箱柜设备异常识别方法及系统 | |
CN106373177A (zh) | 一种用于实现优化图像场景光照估计的设计方法 | |
CN111199176B (zh) | 人脸身份检测方法及装置 | |
CN114419716B (zh) | 一种人脸图像面部关键点标定的校准方法 | |
Chen et al. | Tea leaves identification based on gray-level Co-occurrence matrix and K-nearest neighbors algorithm | |
Jumanov et al. | Methodology of optimization of identification of the contour and brightness-color picture of images of micro-objects | |
CN116129417A (zh) | 一种基于低质量图像的数字仪表读数检测方法 | |
Liu et al. | Image quality evaluation based on SVM and improved grid search algorithm | |
CN113657438A (zh) | 一种热红外模式下vgg神经网络的排水管道病害检测方法 | |
CN113205484A (zh) | 一种基于迁移学习的乳腺组织分类识别方法 | |
Qiu et al. | Face recognition based on principal component analysis (PCA) | |
Li et al. | A novel level set method with improved fuzzy c-means based on genetic algorithm for image segmentation | |
Wang et al. | Metalantis: A Comprehensive Underwater Image Enhancement Framework | |
Gao et al. | An automatic segmentation method based on fuzzy AGA for thermometer reading image | |
CN117649402B (zh) | 基于图像特征的磁胶电感胶水隐裂检测方法及系统 |
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 |