CN116309436A - 断裂状态检测方法、装置、电子设备及存储介质 - Google Patents
断裂状态检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116309436A CN116309436A CN202310249005.7A CN202310249005A CN116309436A CN 116309436 A CN116309436 A CN 116309436A CN 202310249005 A CN202310249005 A CN 202310249005A CN 116309436 A CN116309436 A CN 116309436A
- Authority
- CN
- China
- Prior art keywords
- determining
- detected
- distance
- skeleton
- linear object
- 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 53
- 230000011218 segmentation Effects 0.000 claims description 81
- 238000000034 method Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 16
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 22
- 238000004590 computer program Methods 0.000 description 15
- 229910052742 iron Inorganic materials 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种断裂状态检测方法、装置、电子设备及存储介质。获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;根据所述连通域数量,确定所述待检测线状对象的断裂状态。提高了检测线状对象断裂状态的准确性。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种断裂状态检测方法、装置、电子设备及存储介质。
背景技术
列车运行过程中,列车车底板通常会磕碰到一些障碍物,从而会导致列车部件的受损及变形,部件的受损或变形对列车的运行会造成一定的安全隐患,因此,在列车的检修作业中需要及时发现此类故障并进行排除。
列车车底板上较为常见的故障为的铁丝断裂。目前,通常通过人工检修作业记录对列车车底板上的铁丝进行检测,但检测的效率较低,并且通常会出现未检测出已断裂的铁丝的情况。因此,检测线状对象断裂状态的准确性较差。
发明内容
本发明提供了一种断裂状态检测方法、装置、电子设备及存储介质,以解决检测线状对象断裂状态的准确性较差的技术问题。
根据本发明的一方面,提供了一种断裂状态检测方法,其中,该方法包括:
获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;
基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;
针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;
根据所述连通域数量,确定所述待检测线状对象的断裂状态。
根据本发明的另一方面,提供了一种断裂状态检测装置,其中,该装置包括:
图像处理模块,用于获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;
图像确定模块,用于基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;
连通域确定模块,用于针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;
状态检测模块,用于根据所述连通域数量,确定所述待检测线状对象的断裂状态。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的断裂状态检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的断裂状态检测方法。
本发明实施例的技术方案,通过获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量,针对所述待检测分割图像,对所述待检测区域对应的连通域以及连通域数量进行确定,可以使确定的连通域以及连通域数量更加准确;根据所述连通域数量,确定所述待检测线状对象的断裂状态,基于连通域数量,分别对待检测线状对象的断裂状态进行检测,提高了检测线状对象断裂状态的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是根据本发明实施例一提供的一种断裂状态检测方法的流程图;
图2是实现本发明实施例的第一图像的场景图;
图3是实现本发明实施例的第二图像的场景图;
图4是实现本发明实施例的待检测分割图像的场景图;
图5是根据本发明实施例二提供的一种断裂状态检测方法的流程图;
图6是实现本发明实施例的第一骨架的场景图;
图7是根据本发明实施例三提供的一种断裂状态检测方法的流程图;
图8是根据本发明实施例四提供的一种断裂状态检测方法的流程图;
图9是根据本发明实施例五提供的一种断裂状态检测方法的流程图;
图10是根据本发明实施例六提供的一种断裂状态检测装置的结构示意图;
图11是实现本发明实施例的断裂状态检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种断裂状态检测方法的流程图,本实施例可适用于对象检测的情况,该方法可以由断裂状态检测装置来执行,该断裂状态检测装置可以采用硬件和/或软件的形式实现,该断裂状态检测装置可配置于计算机中。如图1所示,该方法包括:
S101、获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像。
其中,所述待检测线状对象可以理解为待检测的呈线状、棍状或丝状的对象。在本发明实施例中,所述待检测线状对象可以根据场景需求预设,其尺寸以及材质等具体信息在此不做具体限定。可选的,所述待检测线状对象可以是丝线、电路板走线、铁丝、铜丝或钢丝等。示例性的,所述待监测线状对象可以是X字形铁丝或II字形铁丝。
其中,所述第一图像可以是所述待检测线状对象对应的原始图像。可选的,所述第一图像可以是包含一个或多个所述待检测线状对象的图像(参考图2)。所述第二图像可以为包含一个所述待检测线状对象的图像。在本发明实施例中,所述第二图像可以是所述第一图像或所述第一图像的局部图像(参考图3)。
具体的,可以通过训练完成的感兴趣区域识别模型识别并定位所述待检测线状对象所在的矩形区域;进一步的,对所述待检测线状对象的所在的矩形区域进行像素拓展,得到拓展区域;再进一步的,截取所述第一图像中的所述拓展区域,得到所述第一图像对应的一张或多张所述第二图像。其中,所述感兴趣区域识别模型可以是能够识别感兴趣区域的模型。在本发明实施例中,所述感兴趣区域可以是所述待检测线状对象所在的矩形区域,示例性的,可以是铁丝的所在区域。
S102、基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像。
其中,所述待检测区域可以理解为针对所述第二图像,所述待检测线状对象对应的待检测的区域。所述待检测分割图像可以理解为所述待检测区域对应的图像(参考图4)。
具体的,可以通过训练完成的语义分割模型对所述第二图像进行分割,确定所述待检测线状对象所在的轮廓区域;进一步的,对所述轮廓区域进行预处理,得到所述待检测线状对象对应的所述待检测区域,以得到所述待检测区域对应待检测分割图像。其中,所述语义分割模型可以是将所述待检测线状对象所在的轮廓区域从所述第二图像中分割出来的模型。对所述轮廓区域进行的预处理,可以是基于开运算卷积核的降噪处理或开闭运算处理等。
S103、针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量。
其中,所述连通域可以理解为相同像素值的相邻像素组成的集合。所述连通域数量为所述连通域的数量。在本发明实施例中,所述连通域数量可以是所述待检测分割图像中,所述待检测区域对应的连通域的数量。可选的,所述连通域数量可以是1、2、3或3个以上等。
具体的,针对每个所述待检测分割图像,对所述待检测区域进行连通域分析,得到所述待检测区域中包含的所述连通域的连通域数量。
S104、根据所述连通域数量,确定所述待检测线状对象的断裂状态。
其中,所述断裂状态可以理解为所述待检测线状对象的断裂状态。可选的,所述断裂状态可以是断裂或未断裂。
本发明实施例的技术方案,通过获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量,针对所述待检测分割图像,对所述待检测区域对应的连通域以及连通域数量进行确定,可以使确定的连通域以及连通域数量更加准确;根据所述连通域数量,确定所述待检测线状对象的断裂状态,基于连通域数量,分别对待检测线状对象的断裂状态进行检测,提高了检测线状对象断裂状态的准确性。
实施例二
图5为本发明实施例二提供的一种断裂状态检测方法的流程图,本实施例是针对上述实施例中所述根据所述连通域数量,确定所述待检测线状对象的断裂状态进行细化。如图5所示,该方法包括:
S201、获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像。
S202、基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像。
S203、针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量。
S204、在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点,基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态。
其中,所述第一数值可以理解为所述连通域数量的数值。可选的,所述第一数值可以为1。
所述第一骨架可以理解为当前所述连通域对应的轮廓架构(参考图6)。所述第一末端点可以理解为位于所述第一骨架的末端的点。所述第一末端点之间的距离可以理解为每两个所述第一末端点之间的距离。
具体的,针对所述待检测区域对应的所述连通域进行区域填充,得到填充区域;通过对所述填充区域进行骨架提取,得到所述连通域对应的第一骨架。
S205、在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态。
其中,所述第二数值可以理解为所述连通域数量的数值。可选的,所述第一数值可以为2。具体的,所述对相邻的所述骨架进行连接,可以是针对不同所述连通域对应的骨架,将位置相邻的骨架进行连接,换言之,针对不同所述连通域对应的骨架,将距离相差短的骨架进行连接。
S206、在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态。
其中,所述第三数值可以理解为所述连通域数量的数值。可选的,所述第三数值可以为3。所述连通域之间的距离可以理解为每两个所述连通域之间的距离。
可选的,所述根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态,包括:
分别确定每两个连通域之间的连通域最短距离,根据多个所述连通域最短距离确定所述待检测线状对象的断裂状态。
其中,所述第一数值大于所述第二数值,所述第二数值大于所述第三数值。所述连通域最短距离可以理解为每两个连通域之间的最短距离。
可以理解为是,针对多个所述连通域,分别确定每两个连通域之间的连通域最短距离,可以得到多个所述连通域最短距离。
可选的,所述根据多个所述连通域最短距离确定所述待检测线状对象的断裂状态,包括:在全部所述连通域最短距离小于预设的连通域距离阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。其中,所述连通域距离阈值可以根据场景需求预设,在此不做具体限定。
可选的,所述根据所述连通域数量,确定所述待检测线状对象的断裂状态,还包括:
在所述待检测线状对象的断裂状态未被确定为未断裂的情况下,获取与待检测分割图像对应的历史分割图像;
计算所述历史分割图像对应的轮廓不变矩以及所述待检测分割图像对应的轮廓不变矩之间的相似度;
基于所述相似度和预设的相似度预设阈值,确定所述待检测线状对象的断裂状态。
其中,所述历史分割图像可以理解为针对同一所述待检测线状对象,所述待检测分割图像对应的历史的分割图像。所述轮廓不变矩可以理解为可以表征分割图像中所述待检测区域的不变特征的数字特征。
所述相似度可以理解为所述历史分割图像对应的轮廓不变矩与所述待检测分割图像对应的轮廓不变矩之间的相似程度。在本发明实施例中,计算所述相似度的方法可以根据场景需求预设,在此不做具体限定。
具体的,可选的,可以通过欧氏距离算法确定所述历史分割图像对应的轮廓不变矩以及所述待检测分割图像对应的轮廓不变矩之间的相似度;进一步的,在所述相似度大于预设的相似度预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂;在所述相似度小于预设的相似度预设阈值的情况下,将所述待检测线状对象的断裂状态确定为断裂。
本发明实施例的技术方案,通过在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点,基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态;在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态;在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态,其中,所述第一数值大于所述第二数值,所述第二数值大于所述第三数值。针对连通域数量不同的所述待检测分割图像,基于连通域数量,分别对待检测线状对象的断裂状态进行检测,在上述方法的基础上进一步提高了检测线状对象断裂状态的准确性。
实施例三
图7为本发明实施例三提供的一种断裂状态检测方法的流程图,本实施例是针对上述实施例中所述基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态进行细化。如图7所示,该方法包括:
S301、获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像。
S302、基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像。
S303、针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量。
S304、在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点。
S305、根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离。
其中,所述端点距离可以理解为每两个所述第一末端点之间的直线距离。所述第一距离为多个所述端点距离中的最长的距离,所述第二距离为多个所述端点距离中除所述最长的距离之外的最长距离。
S306、根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态。
可选的,所述根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态,包括:
确定所述第一距离和所述第二距离的第一差值;
在所述第一差值小于或等于所述第一预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂;
在所述第一差值大于所述第一预设阈值的情况下,移除所述第一距离对应的两个所述第一末端点,基于剩余的所述第一末端点更新所述第一距离和第二距离,并确定更新后的所述第一距离和所述第二距离的第二差值,根据所述第二差值确定所述待检测线状对象的断裂状态。
其中,所述第一差值可以理解为所述第一距离和所述第二距离的差值。
具体的,所述基于剩余的所述第一末端点更新所述第一距离和第二距离,包括:
针对剩余的多个所述第一末端点,返回执行根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离的操作,得到更新后的所述第一距离和所述第二距离。
所述第二差值可以理解为更新后的所述第一距离和所述第二距离的差值。
在本发明实施例中,所述第一预设阈值尅根据场景需求预设,在此不做具体限定。
可选的,所述根据所述第二差值确定所述待检测线状对象的断裂状态,包括:
在所述第二差值小于或等于所述第二预设阈值的情况下,获取更新后的所述第一距离和所述第二距离所对应的多个所述第一末端点,根据所获取的多个所述第一末端点确定闭合区域;
提取所述闭合区域对应的第二骨架,并确定所述第二骨架对应的第二交叉点的数量,根据所述第二交叉点的数量确定待检测分割图像确定所述待检测线状对象的断裂状态。
其中,所述闭合区域可以理解为根据更新后的所述第一距离和所述第二距离所对应的多个所述第一末端点,所确定的闭合的单一的区域。可选的,所述闭合区域可以是凸多边形。可以理解的是,所述第一距离和所述第二距离所对应的多个所述第一末端点,可以是三个所述第一末端点或四个所述第一末端点。因此,示例性的,所述闭合区域可以是凸三角形或凸四边形等。
所述第二骨架可以理解为所述闭合区域对应的骨架。所述第二交叉点的数量可以理解为所述第二骨架的交叉点的数量。其中,所述第二交叉点可以理解为所述第二骨架中相交骨架所对应的点。可选的,所述第二交叉点的数量可以为0、1或多个。
S307、在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态。
S308、在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态。
本发明实施例的技术方案,通过根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离,其中,所述第一距离为多个所述端点距离中的最长的距离,所述第二距离为多个所述端点距离中除所述最长的距离之外的最长距离;根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态,提高了检测线状对象断裂状态的准确性。
实施例四
图8为本发明实施例四提供的一种断裂状态检测方法的流程图,本实施例是针对上述实施例中所述根据所述第二交叉点的数量确定待检测分割图像确定所述待检测线状对象的断裂状态进行细化。如图8所示,该方法包括:
S401、获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像。
S402、基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像。
S403、针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量。
S404、在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点。
S405、根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离,其中,所述第一距离为多个所述端点距离中的最长的距离,所述第二距离为多个所述端点距离中除所述最长的距离之外的最长距离。
S406、根据所述第一距离和所述第二距离确定更新后的所述第一距离和所述第二距离的第二差值,根据更新后的所述第一距离和所述第二距离的第二差值确定所述第二骨架对应的第二交叉点的数量。
S407、在所述第二交叉点的数量不为零的情况下,确定所述闭合区域的区域中心,确定所述第二骨架对应的多个第二末端点,并分别确定所述区域中心与每个所述第二末端点之间的第三距离,根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态。
其中,所述区域中心可以理解为所述闭合区域的中心。可选的,所述区域中心可以是凸三角形或凸四边形的中心等。
所述第三距离可以理解为所述区域中心与每个所述第二末端点之间的距离。可以理解的是,所述第三距离可以存在多个。
可选的,所述根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态,包括:
确定多个所述第三距离中的最长距离和最短距离,并确定所述最长距离和所述最短距离的第三差值;
基于所述第三差值和所述第二差值,确定所述待检测线状对象的断裂状态。
其中,所述第三差值可以理解为多个所述第三距离中,所述最长距离和所述最短距离的差值。
可选的,所述根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态,包括:在所述第二差值小于第三预设阈值,且所述第三差值小于第四预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。其中,所述第三预设阈值和所述第四预设阈值可以根据场景需求预设,在此不做具体限定。
S408、在所述第二交叉点的数量为零的情况下,确定所述第一骨架对应的第一交叉点,基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态。
其中,所述第一交叉点可以理解为所述第一骨架中相交骨架所对应的点。
可选的,所述基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态,包括:
基于所述第一交叉点对所述第一骨架进行分割,得到多个第一分割骨架;
基于每个所述第一分割骨架对应的直线度对多个所述第一分割骨架进行合并,得到所述第一骨架对应的至少一个拟合直线;
分别确定所述第一分割骨架的每个骨架点到所述第一分割骨架对应的所述拟合直线的距离,将确定出的多个距离作为第三距离,根据所述第三距离确定所述待检测线状对象的断裂状态。
其中,所述第一分割骨架可以理解为基于所述第一交叉点对所述第一骨架进行分割,得到的所述第一骨架对应的多个分割骨架。
所述直线度可以理解为直线的平直程度。所述拟合直线可以理解为基于直线度对一个或多个所述第一分割骨架进行合并所得到的直线。具体的,可以将所述直线度相同或所述直线度相近的所述第一分割骨架,进行合并,以得到一个或多个所述第一分割骨架对应的一条拟合直线。可以理解的是,在本发明实施例中,所述第一骨架可以对应一条或多条所述拟合直线。
所述骨架点可以理解为组成所述骨架的点的集合。所述第三距离可以理解为所述第一分割骨架的每个骨架点到所述第一分割骨架对应的所述拟合直线的距离。可选的,所述根据所述第三距离确定所述待检测线状对象的断裂状态,包括:在全部所述第三距离小于第五预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。其中,所述第五预设阈值可以根据场景需求预设,在此不做具体限定。
S409、在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态。
S410、在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态。
本发明实施例的技术方案,通过在所述第二交叉点的数量不为零的情况下,确定所述第二骨架对应的多个第二末端点,确定所述闭合区域的区域中心,并分别确定所述区域中心与每个所述第二末端点之间的第三距离,根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态;在所述第二交叉点的数量为零的情况下,确定所述第一骨架对应的第一交叉点,基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态,在上述方法的基础上进一步提高了检测线状对象断裂状态的准确性。
实施例五
图9为本发明实施例五提供的一种断裂状态检测方法的流程图,本实施例是针对上述实施例中所述基于连接后的骨架确定所述待检测线状对象的断裂状态进行细化。如图9所示,该方法包括:
S501、获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像。
S502、基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像。
S503、针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量。
S504、在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点,基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态。
S505、在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接。
S506、将连接后的骨架作为第三骨架,在所述第三骨架存在交叉点的情况下,将所述交叉点作为第三交叉点。
其中,所述第三骨架可以理解为针对每个所述连通域对应的骨架,对相邻的所述骨架进行连接,所得到的骨架。
所述第三交叉点可以理解为所述第三骨架中相交骨架所对应的点。
S507、基于所述第三交叉点对所述第三骨架进行分割,得到多个第二分割骨架,分别确定每个所述第二分割骨架的长度,得到长度最小所述第二分割骨架作为第三分割骨架。
其中,所述第二分割骨架可以理解为基于所述第三交叉点对所述第三骨架进行分割,得到的所述第三骨架对应的多个分割骨架。所述第三分割骨架可以理解为多个所述第二分割骨架中,长度最小的分割骨架。
S508、基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态。
可选的,所述基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态,包括:
针对所述第二分割骨架,确定与第三分割骨架对应的第一直线,并确定所述第一直线的直线斜率;
确定所述第三分割骨架的骨架斜率,并确定所述骨架斜率和所述直线斜率的斜率差值,根据所述斜率差值确定所述待检测线状对象的断裂状态。
其中,所述第一直线可以理解为针对所述第二分割骨架,与第三分割骨架对应的直线。所述直线斜率可以理解为所述第一直线的斜率。所述骨架斜率可以理解为所述第三分割骨架的斜率。所述斜率差值可以理解为所述直线斜率和所述骨架斜率的差值。
可选的,所述基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态,包括:
确定所述第三骨架对应的多个第三末端点,获取所述第三分割骨架对应的两个所述第三末端点作为第一参考点,根据所述第三分割骨架对应的两个所述第一参考点确定所述第三分割骨架的骨架斜率;
将所述第二分割骨架中除第三分割骨架之外的第二分割骨架作为参考分割骨架,分别确定每个所述第一参考点到每个参考分割骨架的距离,将最小距离对应的所述参考分割骨架作为第四分割骨架;
获取所述第四分割骨架对应的两个所述第三末端点作为第二参考点,根据两个所述第二参考点确定第一直线,并确定所述第一直线的斜率;
确定所述骨架斜率和所述直线斜率的斜率差值,根据所述斜率差值确定所述待检测线状对象的断裂状态。
其中,所述第三末端点可以理解为位于所述第三骨架的末端的点。所述第一参考点可以理解为所述第三分割骨架对应的两个末端点。所述参考分割骨架可以理解为所述第二分割骨架中除第三分割骨架之外的分割骨架。所述第四分割骨架可以理解为与所述第一参考点距离最小的参考分割骨架。所述第二参考点可以理解为所述第四分割骨架对应的两个所述第三末端点。
可选的,所述根据两个所述第二参考点确定第一直线,包括:连接两个所述第二参考点,得到第一直线。
可选的,所述根据所述斜率差值确定所述待检测线状对象的断裂状态,包括:在所述斜率差值小于预设的斜率差值阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。其中,所述斜率差值阈值可以根据场景需求预设,在此不做具体限定。
S509、在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态。
本发明实施例的技术方案,通过将连接后的骨架作为第三骨架,在所述第三骨架存在交叉点的情况下,将所述交叉点作为第三交叉点;基于所述第三交叉点对所述第三骨架进行分割,得到多个第二分割骨架,分别确定每个所述第二分割骨架的长度,得到长度最小所述第二分割骨架作为第三分割骨架;基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态。在上述方法的基础上进一步提高了检测线状对象断裂状态的准确性。
需要理解的是,在本发明实施例中,采集待检测线状对象对应的第一图像的装置,可以包括可编程逻辑控制器(Programmable Logic Controller,PLC)、采集机、二维(Twodimensional,2D)相机、服务器以及外围设备。
具体的,通过PLC发送初始化指令给采集软件,使采集软件通过串口和网口打开2D相机和光源;通过PLC发送脉冲以触发2D相机;通过2D相机开始采集第一图像并将第一图像保存在采集机上,使采集软件通过以太网将第一图像传输到服务器上,以对第一图像进行处理。
可选的,断裂状态检测方法的整体流程,可以是:
1.确定待检测区域,并确定所述待检测区域对应待检测分割图像。
(1)确定所述第一图像对应的第二图像。获取待检测线状对象对应的第一图像,通过感兴趣区域识别模型识别铁丝,并定位铁丝所在的感兴趣区域;针对感兴趣区域进行适当的像素扩展,得到扩展区域;截取扩展区域作为第二图像。
(2)确定待检测分割图像。通过语义分割模型对第二图像进行分割,确定待检测线状对象对应的轮廓区域;对轮廓区域进行预处理,选择适当的开运算卷积核对轮廓区域进行噪声处理;将处理后的轮廓区域进行连通分析,并获取各区域的面积,消除一些误判的小面积背景区域;再将上述区域进行合并操作,并作闭运算处理,以得到待检测线状对象对应的待检测区域以及待检测区域对应的待检测分割图像。
(3)确定连通域数量。对待检测分割图像进行连通域分析,得到连通域数量。
2.根据所述连通域数量,确定所述待检测线状对象的断裂状态。
(1)在连通域数量为1的情况下,确定所述待检测线状对象的断裂状态。
<1>确定第一骨架,并确定第一骨架对应的第一末端点和第一交叉点。将连通域进行开闭运算,以进一步消除干扰;对连通域进行区域填充,并对填充后的区域进行骨架提取,得到第一骨架;对第一骨架的末端点和交叉点进行提取,得到第一末端点。
<2>确定第一距离和第二距离,并计算第一差值。计算第一末端点的数量,遍历各端点并计算每两个第一末端点之间的距离;确定最长距离为第一距离,并确定第一距离对应的两个第一末端点,并存入定义的链表中;同理,确定第二长度,并确定第二长度对应的两个第一末端点;计算第一距离与第二距离之差,作为第一差值。
<3>确定所述待检测线状对象的断裂状态。设置第一预设阈值,在第一差值小于第一预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂,其中,所述待检测线状对象可以是X字形铁丝和II字形铁丝。
<4>确定第二差值。在第一差值大于第一预设阈值的情况下,移除第一距离的两个第一末端点,计算剩余端点之间的距离;更新第一距离和第二距离,并确定更新后第一距离和第二距离的差值,作为第二差值。
<5>确定第三差值。根据更新后的第一距离和第二距离所对应的多个第一末端点,确定闭合区域,针对闭合区域再次进行骨架提取,得到第二骨架,并确定第二骨架对应第二交叉点的数量;判断第二交叉点的数量是否为空,若不为空,确定第二骨架对应的第二末端点,计算区域中心到各个第二末端点的距离,得到最长距离和最短距离,并计算最长距离和最短距离的差值,作为第三差值并保存。
<6>确定所述待检测线状对象的断裂状态。设置第二预设阈值和第三预设阈值,在第二差值小于第二预设阈值,且第三差值小于第三预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。
<7>确定第三距离。若步骤<4>判断的第二交叉点的数量为空,则根据第一交叉点对第一骨架进行分割,得到第一分割骨架;根据直线度对第一分割骨架进行提取并合并,直线拟合合并的分割骨架,计算第一分割骨架的每个骨架点到拟合直线的距离,将确定出的多个距离作为第三距离。
<8>确定所述待检测线状对象的断裂状态。设置第四预设阈值,在全部第三距离小于第四预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。
(2)在连通域数量为2的情况下,确定所述待检测线状对象的断裂状态。
<1>确定第三骨架和第三交叉点。将连通域进行开运算并提取各连通域的骨架,联结相邻的骨架轮廓,得到第三骨架,并确定第三交叉点。
<2>确定第二分割骨架和第三分割骨架。根据第三交叉点对第三骨架进行分割,得到第二分割骨架;计算个第二分割骨架的长度,确定第二分割骨架中长度最小的分割骨架,作为第三分割骨架。
<3>确定斜率差值。针对所述第二分割骨架,确定与第三分割骨架对应的第一直线,并确定所述第一直线的直线斜率;确定所述第三分割骨架的骨架斜率,并确定所述骨架斜率和所述直线斜率的斜率差值。
<4>确定所述待检测线状对象的断裂状态。设置斜率预设阈值,在斜率差值小于斜率预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。
(3)在连通域数量为3的情况下,确定所述待检测线状对象的断裂状态。
分别确定每两个连通域之间的连通域最短距离;设置连通域距离阈值,在全部连通域最短距离小于连通域距离阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。
(4)在所述待检测线状对象的断裂状态未被确定为未断裂的情况下,进行再次分析,获取与待检测分割图像对应的历史分割图像;计算所述历史分割图像对应的轮廓不变矩以及所述待检测分割图像对应的轮廓不变矩之间的相似度;预设相似度预设阈值,在所述相似度大于预设的相似度预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂。
本发明针对连通域数量,对线状对象的断裂状态进行相应检测,提高了检测线状对象断裂状态的准确性。
实施例六
图10为本发明实施例六提供的一种断裂状态检测装置的结构示意图。如图10所示,该装置包括:图像处理模块610、图像确定模块620、连通域确定模块630以及状态检测模块640。
其中,图像处理模块610,用于获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;
图像确定模块620,用于基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;
连通域确定模块630,用于针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;
状态检测模块640,用于根据所述连通域数量,确定所述待检测线状对象的断裂状态。
本发明实施例的技术方案,通过获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量,针对所述待检测分割图像,对所述待检测区域对应的连通域以及连通域数量进行确定,可以使确定的连通域以及连通域数量更加准确;根据所述连通域数量,确定所述待检测线状对象的断裂状态,基于连通域数量,分别对待检测线状对象的断裂状态进行检测,提高了检测线状对象断裂状态的准确性。
可选的,状态检测模块640,包括:第一状态检测子模块、第二状态检测子模块以及第三状态检测子模块。
其中,所述第一状态检测子模块,用于在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点,基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态;
所述第二状态检测子模块,用于在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态;
所述第三状态检测子模块,用于在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态,其中,所述第一数值大于所述第二数值,所述第二数值大于所述第三数值。
可选的,所述第一状态检测子模块,包括:距离确定单元和第一状态检测单元。
其中,所述距离确定单元,用于根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离,其中,所述第一距离为多个所述端点距离中的最长的距离,所述第二距离为多个所述端点距离中除所述最长的距离之外的最长距离;
所述第一状态检测单元,用于根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态。
可选的,所述第一状态检测单元,用于:
确定所述第一距离和所述第二距离的第一差值;
在所述第一差值小于或等于所述第一预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂;
在所述第一差值大于所述第一预设阈值的情况下,移除所述第一距离对应的两个所述第一末端点,基于剩余的所述第一末端点更新所述第一距离和第二距离,并确定更新后的所述第一距离和所述第二距离的第二差值,根据所述第二差值确定所述待检测线状对象的断裂状态。
可选的,所述第一状态检测单元,用于:
在所述第二差值小于或等于所述第二预设阈值的情况下,获取更新后的所述第一距离和所述第二距离所对应的多个所述第一末端点,根据所获取的多个所述第一末端点确定闭合区域;
提取所述闭合区域对应的第二骨架,并确定所述第二骨架对应的第二交叉点的数量,根据所述第二交叉点的数量确定待检测分割图像确定所述待检测线状对象的断裂状态。
可选的,所述第一状态检测单元,用于:
在所述第二交叉点的数量不为零的情况下,确定所述闭合区域的区域中心,确定所述第二骨架对应的多个第二末端点,并分别确定所述区域中心与每个所述第二末端点之间的第三距离,根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态;
在所述第二交叉点的数量为零的情况下,确定所述第一骨架对应的第一交叉点,基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态。
可选的,所述第一状态检测单元,用于:
确定多个所述第三距离中的最长距离和最短距离,并确定所述最长距离和所述最短距离的第三差值;
基于所述第三差值和所述第二差值,确定所述待检测线状对象的断裂状态。
可选的,所述第一状态检测单元,用于:
基于所述第一交叉点对所述第一骨架进行分割,得到多个第一分割骨架;
基于每个所述第一分割骨架对应的直线度对多个所述第一分割骨架进行合并,得到所述第一骨架对应的至少一个拟合直线;
分别确定所述第一分割骨架的每个骨架点到所述第一分割骨架对应的所述拟合直线的距离,将确定出的多个距离作为第三距离,根据所述第三距离确定所述待检测线状对象的断裂状态。
可选的,所述第二状态检测子模块,包括:第三交叉点确定单元、分割骨架处理单元以及第二状态检测单元。
其中,所述第三交叉点确定单元,用于将连接后的骨架作为第三骨架,在所述第三骨架存在交叉点的情况下,将所述交叉点作为第三交叉点;
所述割骨架处理单元,用于基于所述第三交叉点对所述第三骨架进行分割,得到多个第二分割骨架,分别确定每个所述第二分割骨架的长度,得到长度最小所述第二分割骨架作为第三分割骨架;
所述第二状态检测单元,用于基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态。
可选的,所述第二状态检测单元,包括:直线斜率确定子单元和第二状态检测子单元。
其中,所述直线斜率确定子单元,用于针对所述第二分割骨架,确定与第三分割骨架对应的第一直线,并确定所述第一直线的直线斜率;
所述第二状态检测子单元,用于确定所述第三分割骨架的骨架斜率,并确定所述骨架斜率和所述直线斜率的斜率差值,根据所述斜率差值确定所述待检测线状对象的断裂状态。
可选的,所述第二状态检测子单元,用于:
确定所述第三骨架对应的多个第三末端点,获取所述第三分割骨架对应的两个所述第三末端点作为第一参考点,根据所述第三分割骨架对应的两个所述第一参考点确定所述第三分割骨架的骨架斜率;
将所述第二分割骨架中除第三分割骨架之外的第二分割骨架作为参考分割骨架,分别确定每个所述第一参考点到每个参考分割骨架的距离,将最小距离对应的所述参考分割骨架作为第四分割骨架;
获取所述第四分割骨架对应的两个所述第三末端点作为第二参考点,根据两个所述第二参考点确定第一直线,并确定所述第一直线的斜率。
可选的,所述第三状态检测子模块,用于:
分别确定每两个连通域之间的连通域最短距离,根据多个所述连通域最短距离确定所述待检测线状对象的断裂状态。
可选的呢,状态检测模块640,还包括相似度检测模块,用于:
在所述待检测线状对象的断裂状态未被确定为未断裂的情况下,获取与待检测分割图像对应的历史分割图像;
计算所述历史分割图像对应的轮廓不变矩以及所述待检测分割图像对应的轮廓不变矩之间的相似度;
基于所述相似度和预设的相似度预设阈值,确定所述待检测线状对象的断裂状态。
本发明实施例所提供的断裂状态检测装置可执行本发明任意实施例所提供的断裂状态检测方法,具备执行方法相应的功能模块和有益效果。
实施例七
图11示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图11所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如断裂状态检测方法。
在一些实施例中,断裂状态检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的断裂状态检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行断裂状态检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种断裂状态检测方法,其特征在于,包括:
获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;
基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;
针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;
根据所述连通域数量,确定所述待检测线状对象的断裂状态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述连通域数量,确定所述待检测线状对象的断裂状态,包括:
在所述连通域数量为第一数值的情况下,提取所述连通域对应的第一骨架,并确定所述第一骨架的多个第一末端点,基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态;
在所述连通域数量为第二数值的情况下,提取每个所述连通域对应的骨架,对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态;
在所述连通域数量为第三数值的情况下,根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态,其中,所述第一数值大于所述第二数值,所述第二数值大于所述第三数值。
3.根据权利要求2所述的方法,其特征在于,所述基于多个所述第一末端点之间的距离,确定所述待检测线状对象的断裂状态,包括:
根据每两个所述第一末端点之间的端点距离确定第一距离和第二距离,其中,所述第一距离为多个所述端点距离中的最长的距离,所述第二距离为多个所述端点距离中除所述最长的距离之外的最长距离;
根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一距离和所述第二距离确定所述待检测线状对象的断裂状态,包括:
确定所述第一距离和所述第二距离的第一差值;
在所述第一差值小于或等于所述第一预设阈值的情况下,将所述待检测线状对象的断裂状态确定为未断裂;
在所述第一差值大于所述第一预设阈值的情况下,移除所述第一距离对应的两个所述第一末端点,基于剩余的所述第一末端点更新所述第一距离和第二距离,并确定更新后的所述第一距离和所述第二距离的第二差值,根据所述第二差值确定所述待检测线状对象的断裂状态。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二差值确定所述待检测线状对象的断裂状态,包括:
在所述第二差值小于或等于所述第二预设阈值的情况下,获取更新后的所述第一距离和所述第二距离所对应的多个所述第一末端点,根据所获取的多个所述第一末端点确定闭合区域;
提取所述闭合区域对应的第二骨架,并确定所述第二骨架对应的第二交叉点的数量,根据所述第二交叉点的数量确定待检测分割图像确定所述待检测线状对象的断裂状态。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二交叉点的数量确定待检测分割图像所述待检测线状对象的断裂状态,包括:
在所述第二交叉点的数量不为零的情况下,确定所述闭合区域的区域中心,确定所述第二骨架对应的多个第二末端点,并分别确定所述区域中心与每个所述第二末端点之间的第三距离,根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态;
在所述第二交叉点的数量为零的情况下,确定所述第一骨架对应的第一交叉点,基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第三距离和所述第二差值确定所述待检测线状对象的断裂状态,包括:
确定多个所述第三距离中的最长距离和最短距离,并确定所述最长距离和所述最短距离的第三差值;
基于所述第三差值和所述第二差值,确定所述待检测线状对象的断裂状态。
8.根据权利要求6所述的方法,其特征在于,所述基于所述第一骨架和所述第一交叉点,确定所述待检测线状对象的断裂状态,包括:
基于所述第一交叉点对所述第一骨架进行分割,得到多个第一分割骨架;
基于每个所述第一分割骨架对应的直线度对多个所述第一分割骨架进行合并,得到所述第一骨架对应的至少一个拟合直线;
分别确定所述第一分割骨架的每个骨架点到所述第一分割骨架对应的所述拟合直线的距离,将确定出的多个距离作为第三距离,根据所述第三距离确定所述待检测线状对象的断裂状态。
9.根据权利要求2所述的方法,其特征在于,所述对相邻的所述骨架进行连接,基于连接后的骨架确定所述待检测线状对象的断裂状态,包括:
将连接后的骨架作为第三骨架,在所述第三骨架存在交叉点的情况下,将所述交叉点作为第三交叉点;
基于所述第三交叉点对所述第三骨架进行分割,得到多个第二分割骨架,分别确定每个所述第二分割骨架的长度,得到长度最小所述第二分割骨架作为第三分割骨架;
基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态。
10.根据权利要求9所述的方法,其特征在于,所述基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态,包括:
针对所述第二分割骨架,确定与第三分割骨架对应的第一直线,并确定所述第一直线的直线斜率;
确定所述第三分割骨架的骨架斜率,并确定所述骨架斜率和所述直线斜率的斜率差值,根据所述斜率差值确定所述待检测线状对象的断裂状态。
11.根据权利要求10所述的方法,其特征在于,所述基于所述第二分割骨架和所述第三分割骨架确定所述待检测线状对象的断裂状态,包括:
确定所述第三骨架对应的多个第三末端点,获取所述第三分割骨架对应的两个所述第三末端点作为第一参考点,根据所述第三分割骨架对应的两个所述第一参考点确定所述第三分割骨架的骨架斜率;
将所述第二分割骨架中除第三分割骨架之外的第二分割骨架作为参考分割骨架,分别确定每个所述第一参考点到每个参考分割骨架的距离,将最小距离对应的所述参考分割骨架作为第四分割骨架;
获取所述第四分割骨架对应的两个所述第三末端点作为第二参考点,根据两个所述第二参考点确定第一直线,并确定所述第一直线的斜率;
确定所述骨架斜率和所述直线斜率的斜率差值,根据所述斜率差值确定所述待检测线状对象的断裂状态。
12.根据权利要求2所述的方法,其特征在于,所述根据所述连通域之间的距离,确定所述待检测线状对象的断裂状态,包括:
分别确定每两个连通域之间的连通域最短距离,根据多个所述连通域最短距离确定所述待检测线状对象的断裂状态。
13.根据权利要求2所述的方法,其特征在于,还包括:
在所述待检测线状对象的断裂状态未被确定为未断裂的情况下,获取与待检测分割图像对应的历史分割图像;
计算所述历史分割图像对应的轮廓不变矩以及所述待检测分割图像对应的轮廓不变矩之间的相似度;
基于所述相似度和预设的相似度预设阈值,确定所述待检测线状对象的断裂状态。
14.一种断裂状态检测装置,其特征在于,包括:
图像处理模块,用于获取待检测线状对象对应的第一图像,确定所述第一图像对应的第二图像;
图像确定模块,用于基于所述待检测线状对象确定所述第二图像中的待检测区域,并确定所述待检测区域对应待检测分割图像;
连通域确定模块,用于针对每个所述待检测分割图像,确定所述待检测区域对应的连通域,并确定所述待检测区域中包含的所述连通域的连通域数量;
状态检测模块,用于根据所述连通域数量,确定所述待检测线状对象的断裂状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310249005.7A CN116309436B (zh) | 2023-03-15 | 2023-03-15 | 断裂状态检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310249005.7A CN116309436B (zh) | 2023-03-15 | 2023-03-15 | 断裂状态检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309436A true CN116309436A (zh) | 2023-06-23 |
CN116309436B CN116309436B (zh) | 2023-12-12 |
Family
ID=86793780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310249005.7A Active CN116309436B (zh) | 2023-03-15 | 2023-03-15 | 断裂状态检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309436B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150082331A1 (en) * | 2009-05-29 | 2015-03-19 | Cognitive Media Networks, Inc. | Methods for identifying video segments and displaying contextually targeted content on a connected television |
CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
WO2022148415A1 (zh) * | 2021-01-08 | 2022-07-14 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
CN114755243A (zh) * | 2022-04-15 | 2022-07-15 | 翊腾电子科技(昆山)有限公司 | 一种基于机器视觉的fpc连接器表面裂纹检测方法 |
CN115239958A (zh) * | 2022-07-28 | 2022-10-25 | 平安科技(深圳)有限公司 | 基于人工智能的轮毂损伤检测方法及相关设备 |
CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
-
2023
- 2023-03-15 CN CN202310249005.7A patent/CN116309436B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150082331A1 (en) * | 2009-05-29 | 2015-03-19 | Cognitive Media Networks, Inc. | Methods for identifying video segments and displaying contextually targeted content on a connected television |
CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
WO2022148415A1 (zh) * | 2021-01-08 | 2022-07-14 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
CN114755243A (zh) * | 2022-04-15 | 2022-07-15 | 翊腾电子科技(昆山)有限公司 | 一种基于机器视觉的fpc连接器表面裂纹检测方法 |
CN115239958A (zh) * | 2022-07-28 | 2022-10-25 | 平安科技(深圳)有限公司 | 基于人工智能的轮毂损伤检测方法及相关设备 |
CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
Non-Patent Citations (2)
Title |
---|
XINPENG PAN.ET.: "Fracture detection from Azimuth-dependent seismic inversion in joint time–frequency domain", 《SCIENTIFIC REPORTS》, no. 1269, pages 1 - 15 * |
王言等: "基于X射线图像的LED芯片邦定线断裂缺陷的自动检测方法研究", 《计算机时代》, no. 1, pages 21 - 24 * |
Also Published As
Publication number | Publication date |
---|---|
CN116309436B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
CN109446061B (zh) | 一种页面检测方法、计算机可读存储介质及终端设备 | |
CN113378696A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN115358392A (zh) | 深度学习网络的训练方法、文本检测方法及装置 | |
CN116309436B (zh) | 断裂状态检测方法、装置、电子设备及存储介质 | |
CN117557777A (zh) | 一种样本图像确定方法、装置、电子设备以及存储介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN113011316B (zh) | 一种镜头状态的检测方法、装置、电子设备和介质 | |
CN116883488B (zh) | 一种圆形管的中心位置确定方法、装置、设备及介质 | |
CN117112816B (zh) | 安检图像的排序方法、装置、设备及存储介质 | |
CN114428887B (zh) | 点击数据去噪方法、装置、电子设备及存储介质 | |
CN114812391B (zh) | 电力设备最小安全距离测量方法、装置、设备及存储介质 | |
CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN113360688B (zh) | 信息库的构建方法、装置及系统 | |
CN117764961A (zh) | 一种断开划痕连接处理方法、装置、电子设备及存储介质 | |
CN118365990B (zh) | 应用于违禁品检测的模型训练方法、装置及电子设备 | |
CN115032615B (zh) | 一种激光雷达标定点确定方法、装置、设备及存储介质 | |
CN113362297B (zh) | 用于印刷电路板的图像处理方法、设备和存储介质 | |
CN117975099A (zh) | 一种像素级的目标标注方法、装置、电子设备及存储介质 | |
CN117853789A (zh) | 一种图像检测方法和装置 | |
CN116977930A (zh) | 基于图像的油迹检测方法及装置 | |
CN118037826A (zh) | 挖掘机的斗齿状态检测方法、装置、电子设备及存储介质 | |
CN118823190A (zh) | 一种涂鸦线条绘制方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |