CN116433533A - 一种水暖管道维护检测方法 - Google Patents
一种水暖管道维护检测方法 Download PDFInfo
- Publication number
- CN116433533A CN116433533A CN202310678017.1A CN202310678017A CN116433533A CN 116433533 A CN116433533 A CN 116433533A CN 202310678017 A CN202310678017 A CN 202310678017A CN 116433533 A CN116433533 A CN 116433533A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- line
- important
- skeleton
- pixel
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 67
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 66
- 238000012423 maintenance Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 title abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000017525 heat dissipation Effects 0.000 claims description 84
- 238000009428 plumbing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000010606 normalization Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median 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
- G06T2207/10048—Infrared 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Nonlinear Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种水暖管道维护检测方法。该方法获取红外热图像的高温区域的骨架线,将非骨架线像素点分为重要像素点和非重要像素点;获取像素点的特征角度,进而得到像素点为噪声像素点的第一概率;获取重要像素点的目标线段,并获取其偏度,结合第一概率获得重要像素点的滤波长度,骨架线像素点和非重要像素点的滤波长度为预设值;使用滤波长度和滤波方向设置的线状滤波窗口对图像进行去噪,基于得到的加权灰度值构成的高质量红外热图像对水暖管道的问题区域进行检测。本发明根据自适应长度和方向的线状滤波窗口对像素点进行去噪,保护了图像的细节信息,提高了水暖管道检测的准确性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种水暖管道维护检测方法。
背景技术
水暖管道是建筑房屋中必不可少的供暖设施,水暖是通过在地面盘管,管道里有循环流动的热水,用以均匀加热整个地面,来达到取暖的目的。长时间的使用会导致水暖管道内部水垢累积,且人为和化学反应等因素会导致水暖管道外表腐蚀或损伤,造成水暖管道热辐射不均匀,令室内取暖效果变差。
现有技术获取红外热图像中每个像素点为噪声像素点的综合概率,基于综合概率获取每个像素点的滤波窗口的尺寸,依据自适应选取的滤波窗口对红外热图像中各像素点进行滤波处理得到增强图像。由于水暖管道具有特定的摆放方式和热量扩散方式,则常规的长宽相等的滤波窗口不能较好的保护图像内的细节信息,使得图像去噪效果较差,影响图像内有效信息的提取,降低水暖管道检测的准确性。
发明内容
为了解决常规长宽相等的滤波窗口不能较好的保护图像内的细节信息,导致图像去噪效果较差的技术问题,本发明的目的在于提供一种水暖管道维护检测方法,所采用的技术方案具体如下:
本发明提出了一种水暖管道维护检测方法,该方法包括:
获取水暖管道的红外热图像内高温区域的骨架线;
根据非骨架线像素点与骨架线的位置关系,将红外热图像内的非骨架线像素点分为重要像素点和非重要像素点;
依据像素点与骨架线的位置关系获取对应像素点的理想散热直线,根据像素点的理想散热直线与其梯度方向所在直线的差异,获取每个像素点的特征角度;结合每个像素点与其预设邻域内像素点之间的灰度差异和所述特征角度,得到对应像素点为噪声像素点的第一概率;
重要像素点的理想散热直线与骨架线相交得到对应重要像素点的目标线段;依据所述目标线段上各像素点的灰度变化获取对应重要像素点的偏度;结合每个重要像素点的所述偏度与其所述目标线段上各像素点的所述第一概率,获得每个重要像素点的滤波长度;所述骨架线像素点与非重要像素点的滤波长度为预设值;
根据骨架线的方向设置红外热图像内每个像素点的滤波方向;以每个像素点为中心,根据所述滤波长度和所述滤波方向构建对应的线状滤波窗口;
根据红外热图像中每个像素点的线状滤波窗口内各像素点的所述第一概率与灰度值,获得每个像素点的加权灰度值;依据各像素点的加权灰度值构成高质量红外热图像对水暖管道的问题区域进行检测。
进一步地,所述将红外热图像内的非骨架线像素点分为重要像素点和非重要像素点的方法,为:
对于红外热图像中任意一个非骨架线像素点,将与水平线平行且经过非骨架线像素点的直线,作为所述非骨架线像素点的分析直线;所述非骨架线像素点将所述分析直线分为起点相同,方向相反的两条分析射线;将所述分析直线以所述非骨架线像素点为旋转中心,顺时针旋转一周;
在所述分析直线的旋转过程中,当非骨架线像素点的所述分析直线最多有一条所述分析射线与所述骨架线相交时,将所述非骨架线像素点作为非重要像素点;当非骨架线像素点的所述分析直线最多有两条所述分析射线与所述骨架线相交时,将所述非骨架线像素点作为重要像素点。
进一步地,所述理想散热直线的获取方法,包括:
对于每个所述重要像素点,在重要像素点的所述分析直线的旋转过程中,将重要像素点的每条分析射线分别与骨架线首次相交位置的骨架线像素点作为目标骨架点,将两个所述目标骨架点之间的线段作为对应重要像素点的第一分析线段;将骨架线上两个所述目标骨架点的切线的夹角,作为对应第一分析线段的分析角度;
每个重要像素点在所述分析直线的旋转过程中得到至少两条所述第一分析线段,将欧式距离最短的第一分析线段作为重要像素点的待分析线段;若所述待分析线段不止一条,将最小的所述分析角度对应的待分析线段所在的直线,作为对应重要像素点的理想散热直线;若所述待分析线段仅有一条,将所述待分析线段所在的直线,作为对应重要像素点的理想散热直线;
对于每个所述非重要像素点,将非重要像素点与所述骨架线之间的最短欧式距离对应的线段,作为对应非重要像素点的第二分析线段;若所述第二分析线段不止一条,则分别计算每条第二分析线段所在直线与所述非重要像素点的梯度方向所在直线的夹角,将最小的夹角对应的第二分析线段所在直线作为对应非重要像素点的理想散热直线;若所述第二分析线段仅有一条,则将第二分析线段所在的直线,作为对应非重要像素点的理想散热直线;
对于每个骨架线像素点,将所述骨架线上骨架线像素点的法线作为对应骨架线像素点的理想散热直线。
进一步地,所述第一概率的获取方法,包括:
将红外线图像中每个像素点与其预设邻域内各像素点之间的灰度值差值的绝对值的最小值进行归一化,得到每个像素点的灰度权重;
将每个像素点的所述灰度权重与所述特征角度的乘积,作为对应像素点为噪声像素点的所述第一概率。
进一步地,所述目标线段的获取方法,包括:
获取所述重要像素点的所述理想散热直线的每条所述分析射线分别与所述骨架线首次相交的位置,将两个位置之间线段作为对应重要像素点的所述目标线段。
进一步地,所述偏度的获取方法,包括:
对于每个所述重要像素点的所述目标线段,从所述目标线段的任意一端开始顺序统计目标线段上每个像素点的灰度值,得到对应重要像素点的灰度集合;
计算红外热图像中像素点的最大灰度值分别与所述灰度集合内每个元素的差值,得到对应重要像素点的差值集合;将所述差值集合内元素代入偏度的计算公式中,得到对应重要像素点的差值集合的所述偏度。
进一步地,所述重要像素点的滤波长度的获取方法,为:
将重要像素点的所述目标线段上像素点的所述第一概率的均值进行归一化并负相关,得到对应重要像素点的噪声概率权重;将所述噪声概率权重与所述偏度的绝对值的乘积进行归一化,得到对应重要像素点处于问题区域的第二概率;
将单位区间依次划分为第一区间、第二区间和第三区间;
当所述第二概率处于第一区间内,则对应重要像素点的滤波长度为预设第一长度;
当所述第二概率处于第二区间内,则对应重要像素点的滤波长度为预设第二长度;
当所述第二概率处于第三区间内,则对应重要像素点的滤波长度为预设第三长度。
进一步地,所述滤波方向的获取方法,包括:
将每个像素点的所述理想散热直线的垂线方向,作为对应像素点的滤波方向。
进一步地,所述加权灰度值的获取方法,包括:
将红外热图像内每个像素点的所述第一概率进行归一化并负相关,得到每个像素点的噪声权值;
在每个像素点对应的所述线状滤波窗口中,基于所述线状滤波窗口内的所有噪声权值,对每个像素点的所述噪声权值进行归一化,获得特征权重;根据所述特征权重将所述线状滤波窗口内的像素点的灰度值进行加权求和,获得所述线状滤波窗口对应中心像素点的所述加权灰度值。
进一步地,所述骨架线的获取方法,包括:
对红外热图像内像素点的灰度值使用最大类间方差法获取分割阈值,将灰度值大于所述分割阈值的像素点组成的区域作为高温区域;对所述高温区域进行形态学细化得到骨架线。
本发明具有如下有益效果:
本发明实施例中,骨架线突出高温区域的形状特点且减少冗余信息量,处于骨架线不同位置的非骨架线像素点为噪声的可能性不同,为进一步区分将非骨架线像素点分为重要像素点和非重要像素点;红外热图像中像素点的散热的理想方向会受到水暖管道摆放位置的影响,骨架线呈现水暖管道的摆放位置情况,依据像素点与骨架线的位置关系获取理想散热直线;由于水管内部存在缺陷导致水暖管道散热不均匀,则像素点的实际热量扩散方向即梯度方向与理想散热直线呈现的理想方向会存在偏差,特征角度反映热量扩散出现存在偏差的情况,噪声像素点会破环热量扩散的方向,使噪声像素点与其邻域内各像素点都存在较大的灰度差异,两者结合分析使得像素点为噪声像素点的判断更加准确;理想散热直线反映像素点的散热的理想方向,理想散热直线与骨架线相交得到的线段的两个端点处的散热程度相似度较高,选取重要像素点的目标线段进行后续判断,目标线段上像素点的灰度变化能够体现重要像素点的目标线段的两个端点处的散热情况,得到的偏度间接反映重要像素点的目标线段两端点为噪声情况;将偏度与第一概率结合分析,使重要像素点的滤波长度选取更加准确;水暖管道特定的摆放和散热方式,使沿骨架线方向上像素点的灰度值较为相似,基于骨架线方向设置像素点的滤波方向,对处于骨架线不同位置的像素点结合滤波长度和滤波方向构建的线状滤波窗口,提高图像内像素点的滤波效果,对线状滤波窗口内像素点的第一概率对其灰度值加权求和,使像素点的加权灰度值更加准确,增加红外热图像去噪质量,进而提高水暖管道检测的准确性。
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为本发明一个实施例所提供的一种水暖管道维护检测方法的方法流程图;
图2为本发明一个实施例所提供的一种水暖管道的红外热图像局部示意图;
图3是本发明一个实施例所提供的局部红外热图像内理想散热直线分析示意图。
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水暖管道维护检测方法,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。
本发明所针对的具体场景:当前通过红外热成像仪采集室内地面的水暖管道图像,识别问题区域,实现水暖管道维护检测。但红外热图像往往存在严重的噪声,导致图像质量降低,影响图像内有效信息的提取,严重时还将导致目标识别失败。
下面结合附图具体的说明本发明所提供的一种水暖管道维护检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种水暖管道维护检测方法的方法流程图,该方法包括:
步骤S1:获取水暖管道的红外热图像内高温区域的骨架线。
具体的,利用红外热成像仪俯视采集室内地面的水暖管道的红外热图像,其中,红外热图像为灰度图像。图2为本发明一个实施例所提供的一种水暖管道的红外热图像局部示意图。
由于水暖管道内部水垢累积和管道外表的腐蚀或损伤,导致管壁薄厚不一,造成散热不均匀,极大得降低了红外热图像的质量。故直接对采集的红外热图像进行分析,无法保证图像内细节的准确性,因此,需要对红外热图像进行去噪处理,获得高质量红外热图像。
冬季水暖管道对室内供暖时会散发热量,使得红外热图像中代表水暖管道区域的像素点的灰度值较大。为了对水暖管道的散热情况进行针对性分析并减少冗余信息量,对红外热图像内像素点的灰度值使用最大类间方差法获取分割阈值,将灰度值大于分割阈值的像素点组成的区域作为高温区域;对高温区域进行形态学细化得到骨架线。其中,红外热图像的高温区域即为水暖管道区域。
其中,最大类间方差法和形态学细化算法均为公知技术,具体方法在此不做介绍。
步骤S2:根据非骨架线像素点与骨架线的位置关系,将红外热图像内的非骨架线像素点分为重要像素点和非重要像素点。
处于骨架线不同位置的非骨架线像素点为噪声的可能性不同,需要将非骨架线像素点进行区分。
优选地,将非骨架线像素点分为重要像素点和非重要像素点的方法为:对于红外热图像中任意一个非骨架线像素点,将与水平线平行且经过非骨架线像素点的直线,作为非骨架线像素点的分析直线;非骨架线像素点将分析直线分为起点相同,方向相反的两条分析射线;将分析直线以非骨架线像素点为旋转中心,顺时针旋转一周;在分析直线的旋转过程中,当非骨架线像素点的分析直线最多有一条分析射线与骨架线相交时,将非骨架线像素点作为非重要像素点;当非骨架线像素点的分析直线最多有两条分析射线与骨架线相交时,将非骨架线像素点作为重要像素点。
至此,将红外热图像中的非骨架线像素点区分为重要像素点和非重要像素点。
步骤S3:依据像素点与骨架线的位置关系获取对应像素点的理想散热直线,根据像素点的理想散热直线与其梯度方向所在直线的差异,获取每个像素点的特征角度;结合每个像素点与其预设邻域内像素点之间的灰度差异和特征角度,得到对应像素点为噪声像素点的第一概率。
红外热图像中每个像素点的散热的理想方向会受到水暖管道摆放位置的影响,骨架线呈现水暖管道的摆放位置情况,因此,依据像素点与骨架线的位置关系获取像素点的理想散热直线。
优选地,红外热图像中像素点的理想散热直线的获取方法为:对于每个重要像素点,在重要像素点的分析直线的旋转过程中,将重要像素点的每条分析射线分别与骨架线首次相交位置的骨架线像素点作为目标骨架点,将两个目标骨架点之间的线段作为对应重要像素点的第一分析线段;将骨架线上两个目标骨架点的切线的夹角,作为对应第一分析线段的分析角度;每个重要像素点在分析直线的旋转过程中得到至少两条第一分析线段,将欧式距离最短的第一分析线段作为重要像素点的待分析线段;若待分析线段不止一条,将最小的分析角度对应的待分析线段所在的直线,作为对应重要像素点的理想散热直线;若待分析线段仅有一条,将待分析线段所在的直线,作为对应重要像素点的理想散热直线;对于每个非重要像素点,将非重要像素点与骨架线之间的最短欧式距离对应的线段,作为对应非重要像素点的第二分析线段;若第二分析线段不止一条,则分别计算每条第二分析线段所在直线与非重要像素点的梯度方向所在直线的夹角,将最小的夹角对应的第二分析线段所在直线作为对应非重要像素点的理想散热直线;若第二分析线段仅有一条,则将第二分析线段所在的直线,作为对应非重要像素点的理想散热直线;对于每个骨架线像素点,将骨架线上骨架线像素点的法线作为对应骨架线像素点的理想散热直线。
图3是本发明一个实施例所提供的局部红外热图像内理想散热直线分析示意图,如图3所示,图3中曲线为局部骨架线,点c和点d为重要像素点,点e和点f为非重要像素点,点c1、点c2、点c3和点c3为骨架线像素点,线段L1、线段L2、线段L3和线段L4为分析线段。
需要说明的是,获取重要像素点的理想散热直线时,重要像素点可能存在多条待分析线段,由于水暖管道局部平行排列,温度变化受到两条水暖管道的影响,则需考虑待分析线段的两个端点的骨架线像素点的切线方向。待分析线段的两个骨架线像素点的切线的夹角为分析角度,分析角度越小,说明待分析线段的两个端点极大可能分别位于平行的两段局部骨架线上;分析角度越大,说明待分析线段的两个端点位于一段局部骨架线上可能越大;因此,由于温度的变化受到两条水暖管道的影响,将分析角度最小的待分析线段所在直线作为重要像素点的理想散热直线。图3中点c存在两条待分析线段,分别为点c1和点c2之间的线段与点c3和点c4之间的线段,端点为c1和c2的待分析线的分析角度较小,即点c1和点c2的切线方向差异较小,则将端点为c1和c2的待分析线所在直线作为点c的理想散热直线;点d仅存在一条待分析线段L1,则将待分析线段L1所在直线作为点d的理想散热直线。
需要说明的是,获取非重要像素点的理想散热直线时,由于非重要像素点的分析直线最多有一条分析射线与骨架线相交,则只能考虑其到骨架线的最短欧式距离对应的线段。非重要像素点可能存在多条第二分析线段,由于当前场景中理想热量扩散情况下,像素点的梯度方向所在直线应该与第二分析线段所在直线平行,则需考虑非重要像素点的梯度方向。非重要像素点的第二分析线段所在直线与其梯度方向所在直线的夹角越小,说明第二分析线段所在直线为理想热量扩散的可能性越大,则将最小夹角对应的第二分析线段所在的直线作为非重要像素点的理想散热直线。图3中点e存在两条第二分析线段,即线段L2和线段L3,则计算线段L2、线段L3所在直线分别于点e的梯度方向所在直线的夹角,将最小夹角对应的第二分析线段所在直线作为点e的理想散热直线;点f仅存在一条第二分析线段L4,则将第二分析线段L4所在直线作为点d的理想散热直线。
需要说明的是,在理想情况下,骨架线上的骨架线像素点的法线方向应与其热量扩散最快方向相同,则将骨架线上骨架线像素点的法线作为对应骨架线像素点的理想散热直线。
像素点的实际热量扩散方向为像素点的梯度方向,即灰度值变化最大的方向。在理想情况下,像素点的灰度值变化最大的方向应为散热的理想方向,即像素点的实际热量扩散方向与其梯度方向相同。由于水管内部存在缺陷导致水暖管道散热不均匀,则像素点的实际热量扩散方向即梯度方向与理想方向会存在偏差。像素点的理想散热直线能反映散热的理想方向,将像素点的理想散热直线与其梯度方向所在直线的夹角,作为每个像素点的特征角度。正常情况下,红外热图像中骨架线像素点和非骨架线像素点的特征角度均为0。由于图像中噪声像素点的梯度不可能为0,故令梯度为0的像素点的特征角度为0。
噪声像素点会破环热量扩散的方向,使噪声像素点与其预设邻域内各像素点都存在较大的灰度差异,特征角度反映热量扩散出现存在偏差的情况,则将像素点与其邻域内像素点之间的灰度差异和特征角度结合进行分析,使噪声像素点的判断更加准确。
优选地,像素点为噪声像素点的第一概率的获取方法为:将红外线图像中每个像素点与其预设邻域内各像素点之间的灰度值差值的绝对值的最小值进行归一化,得到每个像素点的灰度权重;将每个像素点的灰度权重与特征角度的乘积,作为对应像素点为噪声像素点的第一概率。本发明实施例中像素点的预设邻域取经验值八邻域,实施者可根据实际情况进行设定。需要说明的是,本发明中使用红外热图像中最大灰度值对像素点与其邻域内像素点之间的灰度值差值的绝对值进行归一化处理,在本发明其他实施例中可以选择其他归一化方法,例如函数转化和最大最小规范化等方法,在此不做限定。第一概率的计算公式如下:
式中,为红外热图像中第i个像素点为噪声像素点的第一概率,/>为红外热图像中第i个像素点与其预设邻域内各像素点之间的灰度值差值的绝对值的最小值,/>为红外热图像中像素点的灰度值的最大值,/>为红外热图像中第i个像素点的特征角度。
需要说明的是,像素点的特征角度反映热量扩散最快的理想方向与实际方向之间的差异,当像素点的特征角度越大时,则像素点为噪声像素点的概率越大;正常情况下,像素点在其预设邻域内沿水暖管道方向上像素点的灰度值相似,而噪声像素点与其预设邻域内像素点都存在较大的灰度差异,即/>越大,像素点越可能为噪声像素点;使用/>调整特征角度,使像素点的第一概率能更加准确反映像素点为噪声像素点的可能性。
至此,红外热图像内每个像素点均有为噪声像素点的第一概率。
步骤S4:重要像素点的理想散热直线与骨架线相交得到对应重要像素点的目标线段;依据目标线段上各像素点的灰度变化获取对应重要像素点的偏度;结合每个重要像素点的偏度与其目标线段上各像素点的第一概率,获得每个重要像素点的滤波长度;骨架线像素点与非重要像素点的滤波长度为预设值。
理想散热直线反映像素点的散热的理想方向,理想散热直线与骨架线相交得到的线段的两个端点处的散热程度相似度较高,则重要像素点处于问题区域判断的准确性越高,因此,选取重要像素点的目标线段进行后续判断。
优选地,目标线段的具体获取方法为:获取重要像素点的理想散热直线的每条分析射线分别与骨架线首次相交的位置,将两个位置之间线段作为对应重要像素点的目标线段。在图3中,重要像素点c的目标线段为点c1和点c2之间的线段,重要像素点d的目标线段为线段L1。
目标线段上像素点的灰度变化能够体现重要像素点的目标线段的两个端点处的散热情况,得到的偏度反映重要像素点处于问题区域的可能性。
优选地,像素点的偏度的获取方法为:对于每个重要像素点的目标线段,从目标线段的任意一端开始顺序统计目标线段上每个像素点的灰度值,得到对应重要像素点的灰度集合;计算红外热图像中像素点的最大灰度值分别与灰度集合内每个元素的差值,得到对应重要像素点的差值集合;将差值集合内元素代入偏度的计算公式中,得到对应重要像素点的差值集合的偏度。
作为一个示例,由于目标线段的两端均相交与骨架线,则两端的像素点的灰度值较大;而目标线段的中间位置远离水暖管道,则中间位置的像素点的灰度值较小。正常情况下,重要像素点的目标线段上像素点的灰度值应呈现对称状态,重要像素点的灰度集合中像素点的灰度值先逐渐减小,后逐渐增大。将红外热图像中最大灰度值分别与像素点的灰度集合内各像素点的灰度值相减,得到重要像素点的差值集合,差值集合中像素点的灰度值应先逐渐增大,后逐渐减小,符合正态分布。当重要像素点的差值集合内元素的偏度等于0时,目标线段的两个端点处的散热程度相同,说明重要像素点的目标线段的两个端点处水暖管道均正常。若目标线段两个端点处水暖管道出现异常,两个端点处散热程度不相同,则重要像素点的差值集合的偏度的绝对值大于0。其中,偏度的计算方法为本领域技术人员公知技术,在此不再赘述。
第一概率反映像素点为噪声像素点的可能性,偏度呈现重要像素点的目标线段两个端点的散热情况,间接反映重要像素点的目标线段上噪声像素点情况,将两者结合进行分析提高判断重要像素点处于问题区域的准确性。
优选地,重要像素点第二概率的获取方法为:将重要像素点的目标线段上像素点的第一概率的均值进行归一化并负相关,得到对应重要像素点的噪声概率权重;将噪声概率权重与偏度的绝对值的乘积进行归一化,得到对应重要像素点处于问题区域的第二概率。在本发明其他实施例中可以选择其他方法对重要像素点的噪声概率权重与偏度的绝对值的乘积进行归一化处理,例如函数转化和最大最小规范化等方法,在此不做限定。
结合重要像素点的目标线段上各像素点的第一概率和偏度,得到重要像素点处于问题区域的第二概率。第二概率的计算公式如下:
式中,为红外热图像中第i个重要像素点处于问题区域的第二概率,/>为红外热图像中第i个重要像素点的目标线段上像素点的第一概率的均值,/>为红外热图像中第i个重要像素点的偏度,a为常数,本发明实施例中取经验值90;/>为绝对值函数,Norm为归一化函数。
需要说明的是,当重要像素点的差值集合中元素的偏度绝对值越大时,说明该像素点处于水暖管道上问题区域的可能性越大;重要像素点的目标线段上噪声像素点会影响其差值集合的偏度,当重要像素点的目标线段上噪声像素点出现的越多,则像素点的偏度越不可信,因此将/>作为/>的调整系数,则判断重要像素点处于问题区域的准确性更高。
当重要像素点处于红外热图像内问题区域的可能性越大时,即重要像素点的第二概率越大,说明该重要像素点越重要,则第二概率的大小决定重要像素点的重要程度。重要程度较高的重要像素点,其信息越应该被保护,则滤波长度应该设置越短。
优选地,重要像素点的滤波长度的设置方法为:将单位区间依次划分为第一区间、第二区间和第三区间;当第二概率处于第一区间内,则对应重要像素点的滤波长度为预设第一长度;当第二概率处于第二区间内,则对应重要像素点的滤波长度为预设第二长度;当第二概率处于第三区间内,则对应重要像素点的滤波长度为预设第三长度。本发明实施例中第一区间、第二区间和第三区间依次取经验值、/>和/>,预设第一长度、预设第二长度和预设第三长度依次取经验值3、5和7,实施者根据具体情况自行设置。需要说明的是,为了保证后续滤波过程中,待滤波像素点在窗口中心,选取的长度数值应为奇数。
像素点位于红外热图像的重要区域内,选取较小的滤波长度对像素点进行分析,以保护像素点的细节信息;不重要区域内像素点的细节信息较少,则对不重要区域内的像素点选取较长的滤波长度进行分析。
由于本方案对水暖管道进行维护检测,红外热图像内高温区域的骨架线为重要分析区域,需要保护骨架线像素点的细节,而非重要像素点位于细节信息较少的边界区域,本发明实施例中骨架线像素点和非重要像素点的滤波长度依次为3和7。
至此,红外热图像中每个像素点均有对应的滤波长度。
步骤S5:根据骨架线的方向设置红外热图像内每个像素点的滤波方向;以每个像素点为中心,根据滤波长度和滤波方向构建对应的线状滤波窗口。
传统均值滤波算法的滤波窗口的形状和尺寸,根据人工经验选取,当滤波窗口的形状和尺寸选取不合适时,对图像进行处理会造成图像细节模糊。根据当前场景中水暖管道的摆放方式和热量扩散特征可知,沿水暖管道方向上的温度相似,即红外热图像的局部区域内沿水暖管道方向的像素点的灰度值相似。因此,本发明实施例选取线状滤波窗口,并自适应线状滤波窗口长度和方向,以保护红外热图像内重要细节信息并提高去噪效果。
水暖管道特定的摆放和散热方式,使沿骨架线方向上像素点的灰度值较为相似,基于骨架线方向设置像素点的滤波方向,提高了像素点的滤波效果。
优选地,像素点的滤波方向的具体设置为:将每个像素点的理想散热直线的垂线方向,作为对应像素点的滤波方向。
需要说明的是,为了防止线状滤波窗口内出现对应不同温度的像素点,令线状滤波窗口平行于对应的水暖管道方向,即令线状滤波窗口处于红外热图像内的等温线上,提高红外热图像去噪效果。理想散热直线反映像素点的散热的理想方向,正常情况下,骨架线上骨架线像素点的散热理想方向应与骨架线垂直,则骨架线像素点的理想散热直线的垂线方向与骨架线像素点的切线方向相同;非骨架线像素点的理想散热直线会与骨架线相交,骨架线上距离非骨架线像素点最近交点的切线与理想散热直线相互垂直,与理想散热直线的垂线相互平行,则像素点的理想散热直线的垂线方向与骨架线方向相同。
结合步骤S4中每个像素点的滤波长度与本步骤中每个像素点的滤波方向,构建红外热图像中每个像素点的线状滤波窗口,即每个像素点的线状滤波窗口均有自适应的长度和方向。
步骤S6:根据红外热图像中每个像素点的线状滤波窗口内各像素点的第一概率与灰度值,获得每个像素点的加权灰度值;依据各像素点的加权灰度值构成高质量红外热图像对水暖管道的问题区域进行检测。
像素点的线状滤波窗口内噪声像素点与正常像素点的灰度值差异较大,直接使用均值滤波进行处理,使红外热图像去噪效果较差。本发明实施例中根据线状滤波窗口内像素点为噪声的第一概率对其灰度值赋予权重,进行加权均值滤波,使像素点的加权灰度值更加准确。
优选地,像素点的加权灰度值的获取方法为:将红外热图像内每个像素点的第一概率进行归一化并负相关,得到每个像素点的噪声权值;在每个像素点对应的线状滤波窗口中,基于线状滤波窗口内的所有噪声权值,对每个像素点的噪声权值进行归一化,获得特征权重;根据特征权重将线状滤波窗口内的像素点的灰度值进行加权求和,获得线状滤波窗口对应中心像素点的加权灰度值。在本发明其他实施例中可以选择其他方法对像素点的第一概率进行归一化处理,例如函数转化和最大最小规范化等方法,在此不做限定。
红外热图像中每个像素点的加权灰度值的计算公式如下:
式中,为红外热图像中第i个像素点的加权灰度值,/>为红外热图像中第i个像素点的噪声权值,/>为红外热图像中第i个像素点为噪声像素点的第一概率,/>为红外热图像中第i个像素点的线状滤波窗口内像素点的数量,/>为红外热图像中第i个像素点的线状滤波窗口内第j个像素点的噪声权值,/>为红外热图像中第i个像素点的线状滤波窗口内所有像素点的噪声权值之和,/>为红外热图像中第i个像素点的线状滤波窗口内第j个像素点的灰度值,b为常数,本发明实施例取经验值90。
需要说明的是,当像素点为噪声像素点的可能性越大,则像素点的第一概率越大,为了减少噪声像素点的影响,需要对该像素点赋予较小的权重,使像素点的噪声权值越小,进而使得像素点i的线状滤波窗口内第一概率较大的像素点在加权时的权重越小,则像素点i的加权灰度值/>更加准确。
根据上述加权灰度值的计算公式,获取红外热图像中每个像素点的加权灰度值,由每个像素点的加权灰度值构成高质量红外热图像。高质量红外热图像是利用加权均值滤波去噪后得到,去噪效果较好。精确去噪后的高质量红外热图像为后续的问题区域识别提供在准确的参数,保证识别结果的可信度。
本发明实施例采用深度神经网络(Deep-Neural-Networks,DNN)来识别分割高质量红外热图像中的问题区域。
深度神经网络的相关内容如下:
使用的数据集为经过去噪后的高质量红外热图像数据集。
需要分割的像素,共分为2类,即训练集对应标签标注过程为:单通道的语义标签,对应位置像素属于背景类的标注为0,属于水暖管道问题区域的标注为1。
网络的任务是分类,所以使用的loss函数为交叉熵损失函数。
通过深度神经网络获得高质量红外热图像中水暖管道问题区域,实现对水暖管道维护检测。
至此,本发明完成。
综上所述,在本发明实施例中,获取红外热图像的高温区域的骨架线,将非骨架线像素点分为重要像素点和非重要像素点;获取像素点的特征角度,进而得到像素点为噪声像素点的第一概率;获取重要像素点的目标线段,并获取其偏度,结合第一概率获得重要像素点的滤波长度,骨架线像素点和非重要像素点的滤波长度为预设值;使用滤波长度和滤波方向设置的线状滤波窗口对图像进行去噪,基于得到的加权灰度值构成的高质量红外热图像对水暖管道的问题区域进行检测。本发明根据自适应长度和方向的线状滤波窗口对像素点进行去噪,保护了图像的细节信息,提高了水暖管道检测的准确性。
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。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)
1.一种水暖管道维护检测方法,其特征在于,该方法包括:
获取水暖管道的红外热图像内高温区域的骨架线;
根据非骨架线像素点与骨架线的位置关系,将红外热图像内的非骨架线像素点分为重要像素点和非重要像素点;
依据像素点与骨架线的位置关系获取对应像素点的理想散热直线,根据像素点的理想散热直线与其梯度方向所在直线的差异,获取每个像素点的特征角度;结合每个像素点与其预设邻域内像素点之间的灰度差异和所述特征角度,得到对应像素点为噪声像素点的第一概率;
重要像素点的理想散热直线与骨架线相交得到对应重要像素点的目标线段;依据所述目标线段上各像素点的灰度变化获取对应重要像素点的偏度;结合每个重要像素点的所述偏度与其目标线段上各像素点的所述第一概率,获得每个重要像素点的滤波长度;骨架线像素点与非重要像素点的滤波长度为预设值;
根据骨架线的方向设置红外热图像内每个像素点的滤波方向;以每个像素点为中心,根据所述滤波长度和所述滤波方向构建对应的线状滤波窗口;
根据红外热图像中每个像素点的线状滤波窗口内各像素点的所述第一概率与灰度值,获得每个像素点的加权灰度值;依据各像素点的加权灰度值构成高质量红外热图像对水暖管道的问题区域进行检测。
2.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述将红外热图像内的非骨架线像素点分为重要像素点和非重要像素点的方法,为:
对于红外热图像中任意一个非骨架线像素点,将与水平线平行且经过非骨架线像素点的直线,作为所述非骨架线像素点的分析直线;所述非骨架线像素点将所述分析直线分为起点相同,方向相反的两条分析射线;将所述分析直线以所述非骨架线像素点为旋转中心,顺时针旋转一周;
在所述分析直线的旋转过程中,当非骨架线像素点的所述分析直线最多有一条所述分析射线与所述骨架线相交时,将所述非骨架线像素点作为非重要像素点;当非骨架线像素点的所述分析直线最多有两条所述分析射线与所述骨架线相交时,将所述非骨架线像素点作为重要像素点。
3.根据权利要求2所述的一种水暖管道维护检测方法,其特征在于,所述理想散热直线的获取方法,包括:
对于每个所述重要像素点,在重要像素点的所述分析直线的旋转过程中,将重要像素点的每条分析射线分别与骨架线首次相交位置的骨架线像素点作为目标骨架点,将两个所述目标骨架点之间的线段作为对应重要像素点的第一分析线段;将骨架线上两个所述目标骨架点的切线的夹角,作为对应第一分析线段的分析角度;
每个重要像素点在所述分析直线的旋转过程中得到至少两条所述第一分析线段,将欧式距离最短的第一分析线段作为重要像素点的待分析线段;若所述待分析线段不止一条,将最小的所述分析角度对应的待分析线段所在的直线,作为对应重要像素点的理想散热直线;若所述待分析线段仅有一条,将所述待分析线段所在的直线,作为对应重要像素点的理想散热直线;
对于每个所述非重要像素点,将非重要像素点与所述骨架线之间的最短欧式距离对应的线段,作为对应非重要像素点的第二分析线段;若所述第二分析线段不止一条,则分别计算每条第二分析线段所在直线与所述非重要像素点的梯度方向所在直线的夹角,将最小的夹角对应的第二分析线段所在直线作为对应非重要像素点的理想散热直线;若所述第二分析线段仅有一条,则将第二分析线段所在的直线,作为对应非重要像素点的理想散热直线;
对于每个骨架线像素点,将所述骨架线上骨架线像素点的法线作为对应骨架线像素点的理想散热直线。
4.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述第一概率的获取方法,包括:
将红外线图像中每个像素点与其预设邻域内各像素点之间的灰度值差值的绝对值的最小值进行归一化,得到每个像素点的灰度权重;
将每个像素点的所述灰度权重与所述特征角度的乘积,作为对应像素点为噪声像素点的所述第一概率。
5.根据权利要求2所述的一种水暖管道维护检测方法,其特征在于,所述目标线段的获取方法,包括:
获取所述重要像素点的所述理想散热直线的每条所述分析射线分别与所述骨架线首次相交的位置,将两个位置之间线段作为对应重要像素点的所述目标线段。
6.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述偏度的获取方法,包括:
对于每个所述重要像素点的所述目标线段,从所述目标线段的任意一端开始顺序统计目标线段上每个像素点的灰度值,得到对应重要像素点的灰度集合;
计算红外热图像中像素点的最大灰度值分别与所述灰度集合内每个元素的差值,得到对应重要像素点的差值集合;将所述差值集合内元素代入偏度的计算公式中,得到对应重要像素点的差值集合的所述偏度。
7.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述重要像素点的滤波长度的获取方法,为:
将重要像素点的所述目标线段上像素点的所述第一概率的均值进行归一化并负相关,得到对应重要像素点的噪声概率权重;将所述噪声概率权重与所述偏度的绝对值的乘积进行归一化,得到对应重要像素点处于问题区域的第二概率;
将单位区间依次划分为第一区间、第二区间和第三区间;
当所述第二概率处于第一区间内,则对应重要像素点的滤波长度为预设第一长度;
当所述第二概率处于第二区间内,则对应重要像素点的滤波长度为预设第二长度;
当所述第二概率处于第三区间内,则对应重要像素点的滤波长度为预设第三长度。
8.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述滤波方向的获取方法,包括:
将每个像素点的所述理想散热直线的垂线方向,作为对应像素点的滤波方向。
9.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述加权灰度值的获取方法,包括:
将红外热图像内每个像素点的所述第一概率进行归一化并负相关,得到每个像素点的噪声权值;
在每个像素点对应的所述线状滤波窗口中,基于所述线状滤波窗口内的所有噪声权值,对每个像素点的所述噪声权值进行归一化,获得特征权重;根据所述特征权重将所述线状滤波窗口内的像素点的灰度值进行加权求和,获得所述线状滤波窗口对应中心像素点的所述加权灰度值。
10.根据权利要求1所述的一种水暖管道维护检测方法,其特征在于,所述骨架线的获取方法,包括:
对红外热图像内像素点的灰度值使用最大类间方差法获取分割阈值,将灰度值大于所述分割阈值的像素点组成的区域作为高温区域;对所述高温区域进行形态学细化得到骨架线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310678017.1A CN116433533B (zh) | 2023-06-09 | 2023-06-09 | 一种水暖管道维护检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310678017.1A CN116433533B (zh) | 2023-06-09 | 2023-06-09 | 一种水暖管道维护检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116433533A true CN116433533A (zh) | 2023-07-14 |
CN116433533B CN116433533B (zh) | 2023-08-11 |
Family
ID=87091022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310678017.1A Active CN116433533B (zh) | 2023-06-09 | 2023-06-09 | 一种水暖管道维护检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433533B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862918A (zh) * | 2023-09-05 | 2023-10-10 | 浙江奔月电气科技有限公司 | 基于人工智能的环网柜内部凝露实时检测方法 |
CN118308803A (zh) * | 2024-06-05 | 2024-07-09 | 天津市凯瑞新材料科技有限公司 | 一种改性聚苯硫醚纤维的制备方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010002336U (ko) * | 1998-12-11 | 2001-11-15 | 황만철 | 열전도체 온수관 |
KR20070091893A (ko) * | 2006-03-08 | 2007-09-12 | 김기 | 다 목적 온돌용 배관판넬 |
KR20090132707A (ko) * | 2008-06-23 | 2009-12-31 | 김갑철 | 온수 온돌용 방열관 배관판넬 |
KR20110121052A (ko) * | 2010-04-30 | 2011-11-07 | 김기 | 온돌용 다 목적 배관판넬 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
-
2023
- 2023-06-09 CN CN202310678017.1A patent/CN116433533B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010002336U (ko) * | 1998-12-11 | 2001-11-15 | 황만철 | 열전도체 온수관 |
KR20070091893A (ko) * | 2006-03-08 | 2007-09-12 | 김기 | 다 목적 온돌용 배관판넬 |
KR20090132707A (ko) * | 2008-06-23 | 2009-12-31 | 김갑철 | 온수 온돌용 방열관 배관판넬 |
KR20110121052A (ko) * | 2010-04-30 | 2011-11-07 | 김기 | 온돌용 다 목적 배관판넬 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
Non-Patent Citations (2)
Title |
---|
李俊营;谢守前;詹凯;汪乃威;江亚停;汪峰;马瑞钰;刘伟;李岩;: "蛋鸡育雏育成舍水暖锅炉管道供暖效果研究", 中国家禽, no. 02 * |
胡平广;张名成;: "滤波器组实现SAR图像中主要道路提取", 计算机仿真, no. 03 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862918A (zh) * | 2023-09-05 | 2023-10-10 | 浙江奔月电气科技有限公司 | 基于人工智能的环网柜内部凝露实时检测方法 |
CN116862918B (zh) * | 2023-09-05 | 2023-11-24 | 浙江奔月电气科技有限公司 | 基于人工智能的环网柜内部凝露实时检测方法 |
CN118308803A (zh) * | 2024-06-05 | 2024-07-09 | 天津市凯瑞新材料科技有限公司 | 一种改性聚苯硫醚纤维的制备方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116433533B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116433533B (zh) | 一种水暖管道维护检测方法 | |
CN114862862B (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN115082464A (zh) | 除尘机焊接过程中焊缝数据的识别方法及系统 | |
CN116168026A (zh) | 基于计算机视觉的水质检测方法及系统 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN116977329B (zh) | 一种基于机器视觉的光伏板栅线检测方法 | |
CN115082462A (zh) | 一种流体输送管外观质量检测方法及系统 | |
CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
CN109523543B (zh) | 一种基于边缘距离的导线断股检测方法 | |
CN117315289B (zh) | 基于图像处理的航空发动机叶片轮廓边缘检测方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN116993742B (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
CN115601368A (zh) | 一种建材装备钣金件缺陷检测方法 | |
CN115965623A (zh) | 一种变压器生产中表面瑕疵检测方法及系统 | |
CN114882041B (zh) | 铸铁管道内部毛刺的投票表决与识别方法 | |
CN117351017A (zh) | 一种光伏钢结构组件缺陷视觉检测方法 | |
CN117218124A (zh) | 一种铜铝转接表面加工质量检测方法 | |
CN117974637B (zh) | 基于图像特征的引导轮裂纹缺陷智能检测方法及系统 | |
CN115861318B (zh) | 一种棉花加工生产质量检测方法 | |
CN117058625A (zh) | 基于物联网的园区消防远程监测系统 | |
CN111325789B (zh) | 一种基于离散方向变化序列的曲率不连续点检测方法 | |
Lin et al. | Automated distortion defect inspection of curved car mirrors using computer vision |
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 |