CN116664567A - 一种固体绝缘开关柜质量评估方法及系统 - Google Patents
一种固体绝缘开关柜质量评估方法及系统 Download PDFInfo
- Publication number
- CN116664567A CN116664567A CN202310942402.2A CN202310942402A CN116664567A CN 116664567 A CN116664567 A CN 116664567A CN 202310942402 A CN202310942402 A CN 202310942402A CN 116664567 A CN116664567 A CN 116664567A
- Authority
- CN
- China
- Prior art keywords
- region
- connected domain
- defect
- pixel points
- highlight
- 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
- 239000007787 solid Substances 0.000 title claims abstract description 28
- 238000009413 insulation Methods 0.000 title claims abstract description 26
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 12
- 230000007547 defect Effects 0.000 claims abstract description 129
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000002708 enhancing effect Effects 0.000 claims abstract description 7
- 238000013441 quality evaluation Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 79
- 230000002950 deficient Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30242—Counting objects in 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
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种固体绝缘开关柜质量评估方法及系统，包括：采集绝缘开关柜图像，对绝缘开关柜图像中的各个区域；根据高亮区域和获取水纹区域中的缺陷连通域，并获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。本发明利用高亮区域的特征，排除高亮区域对表面缺陷检测的影响，使得固体绝缘开关柜的质量评估更加准确。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种固体绝缘开关柜质量评估方法及系统。
背景技术
据统计，开关柜故障中有37.2%是由于开关柜绝缘问题导致的，可见开关柜绝缘故障是开关柜故障的主要原因。
而在采集绝缘开关柜图像的过程中，往往会存在光照的影响，会对表面缺陷的检测造成干扰，在图像中的表现为，在高亮区域中的缺陷区域内的像素点与正常区域内的像素点之间的灰度相似，此时采用传统的阈值分割方法，无法得到较好的分割结果。
而本发明通过对固体绝缘开关柜绝缘介质表面缺陷进行分析，利用高亮区域的特征，结合高亮区域像素点的位置信息，对高亮区域进行增强，使得高亮区域中的缺陷部分于高亮区域中的正常区域区分开，从而排除反光区域对表面缺陷检测的影响。
发明内容
本发明提供一种固体绝缘开关柜质量评估方法，以解决现有的问题。
本发明的一种固体绝缘开关柜质量评估方法及系统采用如下技术方案：
本发明一个实施例提供了一种固体绝缘开关柜质量评估方法，该方法包括以下步骤：
采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域；
根据高亮区域和水纹区域，获取水纹区域中的缺陷连通域；
根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向；
基于高亮区域内像素点的位置，结合水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向,获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度；
根据水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；
通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，根据高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；
对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
优选的，所述获取水纹区域中的缺陷连通域，包括的具体步骤如下：
以高亮连通域的任意一个边缘像素点为起始点，获取起始点的梯度方向上与高亮连通域相邻的水纹连通域内和起始点距离最大的点作为终止点，将起始点与终止点连线，统计线上水纹区域像素点的数量与线上所有像素点的数量；同理对高亮连通域中的所有边缘像素点进行遍历，统计对应的线上水纹区域像素点的数量与线上所有像素点的数量；
当所有线上水纹区域像素点的数量总和与所有线上所有像素点的数量总和的比值小于预设的可信阈值时，将水纹连通域作为缺陷连通域。
优选的，所述获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向，包括的具体步骤如下：
以水纹区域中的缺陷连通域内灰度值最小的像素点为初始阈值，以水纹区域中缺陷连通域内灰度值最大的像素点为终止阈值/>，对水纹区域中的缺陷连通域进行多阈值分割，其中多阈值分割的阈值分别为：，其中/>为迭代阈值分割的步长，得到经过多阈值分割后的多个缺陷子连通域，以各个缺陷子连通域的内的灰度均值作为各个缺陷子连通域灰度值，再对缺陷子连通域所组成的缺陷连通域进行分水岭分割，得到若干个连通域，记为融合连通域；
将融合连通域内最大灰度值和最小灰度之间的差与融合连通域的最小外接矩形长的比值，作为融合连通域的延展程度，将融合连通域的最小外接矩形长的方向作为融合连通域的延展方向。
优选的，所述获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，包括的具体步骤如下：
式中, 表示第/>个融合连通域对高亮区域内的第/>个像素点的影响程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的连线和第/>个融合连通域的延展方向之间小于90°的夹角，/>表示第/>个融合连通域的延展程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的距离。
优选的，所述获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，包括的具体步骤如下：
获取所有融合连通域对高亮区域内每个像素点的影响程度的均值，作为水纹区域中的缺陷连通域对高亮区域内每个像素点的影响程度。
优选的，所述获取高亮区域内所有像素点的增强系数与偏差修正值，包括的具体步骤如下：
对水纹区域中的缺陷连通域对高亮区域内每个像素点的影响程度进行归一化，将归一化后的值作为高亮区域内每个像素点的增强系数；以所有融合连通域中最小灰度值的均值作为偏差修正值。
优选的，所述对绝缘开关柜的质量进行评估，包括的具体步骤如下：
获取缺陷部分的面积与绝缘开关柜的面积的比值，当缺陷部分的面积与绝缘开关柜的面积的比值大于预设的可信阈值时，绝缘开关柜的质量存在问题。
本发明的另一个目的是提供一种固体绝缘开关柜质量评估系统，该系统包括：
图像采集处理模块，用于采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域；
图像分析模块，用于根据高亮区域和获取水纹区域中的缺陷连通域；根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向；基于高亮区域内像素点的位置，结合水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向,获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度；根据水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；
图像增强模块，用于通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，根据高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；
评估模块，用于对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
本发明的技术方案的有益效果是：在采集绝缘开关柜图像的过程中，往往会存在光照的影响，会对表面缺陷的检测造成干扰，在图像中的表现为，在高亮区域中的缺陷区域内的像素点与正常区域内的像素点之间的灰度相似，此时采用传统的阈值分割方法，无法得到较好的分割结果。
而本发明通过对固体绝缘开关柜绝缘介质表面缺陷进行分析，利用高亮区域的特征，结合高亮区域像素点的位置信息，对高亮区域进行增强，使得高亮区域中的缺陷部分于高亮区域中的正常区域区分开，从而排除反光区域对表面缺陷检测的影响，使得固体绝缘开关柜的质量评估更加准确。
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，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为本发明一种固体绝缘开关柜质量评估方法的步骤流程图；
图2为本发明另一个实施例的一种固体绝缘开关柜质量评估系统的系统框图。
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固体绝缘开关柜质量评估方法及系统，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固体绝缘开关柜质量评估方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种固体绝缘开关柜质量评估方法及系统的步骤流程图，该方法包括以下步骤：
步骤S001：采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域。
需要说明的是，在对固体绝缘开关柜进行图像的采集时，往往会由于光照的影响，其表面的缺陷可能会出现被局部高亮区域覆盖的情况，此时采取一般的阈值分割，将无法得到高亮区域内部的缺陷情况。因此通过图像缺陷区域与高亮区域的特征，增强高亮区域中存在的缺陷，减小高亮的影响，以达到分割完整缺陷区域的目的。
具体的，通过相机采集绝缘开关柜RGB图像，对绝缘开关柜RGB图像进行灰度化处理，得到绝缘开关柜灰度图。对绝缘开关柜灰度图进行大津法多阈值分割，将绝缘开关柜灰度图分割为高亮区域、水纹区域、背景区域。其中高亮区域的平均灰度值最大，背景区域的平均灰度值最小，将绝缘开关柜灰度图中除高亮区域与背景区域外的区域称为水纹区域。
步骤S002：根据高亮区域和水纹区域，获取水纹区域中的缺陷连通域。
需要说明的是，在绝缘开关柜灰度图中高亮连通域会对与高亮连通域相邻的水纹连通域产生影响，使得水纹连通域灰度值偏大，且正常情况下高亮连通域对相邻的水纹连通域的影响是均匀的，即高亮连通域灰度梯度递减的方向是连续的，以此为依据对水纹区域进行分类。所述高亮连通域为高亮区域中的连通域，水纹连通域为水纹区域中的连通域。
具体的，以高亮连通域的任意一个边缘像素点为起始点，在灰度梯度方向，将高亮连通域相邻的水纹连通域内和起始点距离最大的点作为终止点，将起始点与终止点连线，统计线上水纹区域像素点的数量与线上所有像素点的数量。同理对高亮连通域的所有边缘像素点进行遍历，统计对应的线上水纹像素点的数量与线上所有像素点的数量，最后通过所有线上水纹像素点的数量与所有线上所有像素点的数量比值，获取水纹区域中的缺陷连通域。具体的计算公式为：
式中，所计算的表示所有线上水纹像素点的数量与所有线上所有像素点的数量比值，/>表示所有线上水纹像素点的数量，/>表示所有线上所有像素点的数量。
当所计算的值越大，与高亮连通域所相邻的水纹连通域就越受到高亮连通域的影响，预设一个异常程度阈值/>，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，/>可根据具体实施情况而定，当所计算的/>时，该水纹连通域为缺陷连通域。
至此，获得水纹区域中的缺陷连通域。
步骤S003：根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度。
需要说明的是，由于当缺陷连通域存在于高亮区域时，由于高亮区域的灰度值过大，导致一般的阈值分割无法分割出完整的缺陷连通域，故对高亮区域内像素点进行不同程度的增强，便于完成后续的分割，以得到完整的缺陷连通域。而在水纹区域中的缺陷连通域灰度值存在一个渐变的过程，其对应的图像特征为一发散的扇形区域，利用缺陷区域的发散方向与其发散的程度，得到缺陷连通域对高亮区域内像素点的影响程度。
具体的，以水纹区域中的缺陷连通域内最小的灰度值为初始阈值，以水纹区域中缺陷连通域内最大的灰度值为终止阈值/>，对水纹区域中的缺陷连通域进行多阈值分割，其中多阈值分割的阈值分别为：， />为迭代阈值分割的步长，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，/>可根据具体实施情况而定。得到经过多阈值分割后的多个缺陷子连通域，以各个缺陷子连通域的内的灰度均值作为各个缺陷子连通域灰度值，再对缺陷子连通域所组成的缺陷连通域进行分水岭分割，得到若干个连通域，记为融合连通域，并将融合连通域的数量记为/>。
将融合连通域内最大灰度值和最小灰度之间的差与融合连通域的最小外接矩形长的比值，作为融合连通域的延展程度，其具体的计算公式为：
式中，所计算的表示第/>个融合连通域的延展程度，/>表示第/>个融合连通域中最大的灰度值，/>第/>个融合连通域中最小的灰度值，/>表示第/>个融合连通域的最小外接矩形长。
需要说明的是，融合连通域与高亮区域中的像素点距离越近，该像素点受到融合连通域的影响程度就越大，同时融合连通域的延展方向与高亮区域中的像素点到融合连通域的方向越一致时，该像素点受到连通域的影响程度就越大。
具体的，将融合连通域的最小外接矩形长的方向作为融合连通域的延展方向，以高亮区域中的像素点到融合连通域中心点的方向，作为高亮区域中的像素点到融合连通域的方向。获取高亮区域中的像素点到融合连通域的方向与融合连通域的延展方向之间小于90°的夹角，结合融合连通域的延展程度，得到融合连通域对高亮区域内像素点的影响程度，其具体计算公式如下：
式中,所计算的表示第/>个融合连通域对高亮区域内的第/>个像素点的影响程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的连线和第/>个融合连通域的延展方向之间小于90°的夹角，/>表示第/>个融合连通域的延展程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的距离。
获取所有融合连通域对高亮区域内每个像素点的影响程度的均值，作为高亮区域内每个像素点受到缺陷连通域的影响程度，记为。
至此，获得了高亮区域内每个像素点受到融合连通域的影响程度。
步骤S004：通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强。
需要说明的是，根据水纹区域中的缺陷连通域对高亮区域中的像素点的影响程度，对高亮区域中的像素点进行修正,当高亮区域内的像素点受到融合连通域的影响程度越大时，就越需要对该像素点进行增强，但由于增强后的高亮区域中的像素点的灰度值可能会小于融合连通域中的最小灰度值，所以需要对增强后的高亮区域中的像素点的灰度值进行补正。
具体的，对水纹区域中的缺陷连通域对高亮区域内每个像素点的影响程度进行归一化，将归一化后的值作为高亮区域内每个像素点的增强系数；以所有融合连通域中最小灰度值的均值作为偏差修正值，使用高亮区域中每个像素点的增强系数与偏差修正值对高亮区域进行增强，具体的计算公式如下：
式中，表示高亮区域内的第/>个像素点的增强系数；/>表示高亮区域中的第/>个像素点受到水纹区域中的缺陷连通域的影响程度；/>表示高亮区域中受到水纹区域中的缺陷连通域影响程度最小的像素点所受到水纹区域中的缺陷连通域的影响程度；/>表示高亮区域中受到水纹区域中的缺陷连通域影响程度最大的像素点所受到水纹区域中的缺陷连通域的影响程度；/>表示高亮区域的修正偏差值；/>表示高亮区域的修正偏差值；/>表示第/>个融合连通域中最小的灰度值；/>表示融合连通域数量。
至此，获得了高亮区域中每个像素点的增强系数与偏差修正值。
通过高亮区域像素点的增强系数与偏差修正值/>，对高亮区域中的像素点进行线性增强，由于图像的线性增强技术为现有的公知技术，故在本实施例中不做具体叙述。
至此，完成对高亮区域的增强。
步骤S005：对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
在经过图像增强后的绝缘开关柜的图像中，消除了高亮区域对缺陷部分的影响，可以使用大津法多阈值分割将缺陷部分分割出来。
通过缺陷部分的面积与绝缘开关柜的面积的比值，对绝缘开关柜的质量进行评估，可预设一个可信的阈值/>，其中本实施例中以/>进行叙述，本实施例不做具体限定，/>可根据具体实施情况而定，当/>时，则此绝缘开关柜的质量存在问题。
本发明的另一个实施例提供了一种固体绝缘开关柜质量评估系统，如图2所示，包括图像采集处理模块，图像分析模块，图像增强模块以及评估模块，其中：
图像采集处理模块，用于采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域；
图像分析模块，用于根据高亮区域和获取水纹区域中的缺陷连通域；根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向；基于高亮区域内像素点的位置，结合水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向,获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度；根据水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；
图像增强模块，用于通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；
评估模块，用于对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种固体绝缘开关柜质量评估方法，其特征在于，该方法包括以下步骤：
采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域；
根据高亮区域和水纹区域，获取水纹区域中的缺陷连通域；
根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向；
基于高亮区域内像素点的位置，结合水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向,获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度；
根据水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；
通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，根据高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；
对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
2.根据权利要求1所述一种固体绝缘开关柜质量评估方法，其特征在于，所述获取水纹区域中的缺陷连通域，包括的具体步骤如下：
以高亮连通域的任意一个边缘像素点为起始点，获取起始点的梯度方向上与高亮连通域相邻的水纹连通域内和起始点距离最大的点作为终止点，将起始点与终止点连线，统计线上水纹区域像素点的数量与线上所有像素点的数量；同理对高亮连通域中的所有边缘像素点进行遍历，统计对应的线上水纹区域像素点的数量与线上所有像素点的数量；
当所有线上水纹区域像素点的数量总和与所有线上所有像素点的数量总和的比值小于预设的可信阈值时，将水纹连通域作为缺陷连通域。
3.根据权利要求1所述一种固体绝缘开关柜质量评估方法，其特征在于，所述获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向，包括的具体步骤如下：
以水纹区域中的缺陷连通域内灰度值最小的像素点为初始阈值，以水纹区域中缺陷连通域内灰度值最大的像素点为终止阈值/>，对水纹区域中的缺陷连通域进行多阈值分割，其中多阈值分割的阈值分别为：，其中/>为迭代阈值分割的步长，得到经过多阈值分割后的多个缺陷子连通域，以各个缺陷子连通域的内的灰度均值作为各个缺陷子连通域灰度值，再对缺陷子连通域所组成的缺陷连通域进行分水岭分割，得到若干个连通域，记为融合连通域；
将融合连通域内最大灰度值和最小灰度之间的差与融合连通域的最小外接矩形长的比值，作为融合连通域的延展程度，将融合连通域的最小外接矩形长的方向作为融合连通域的延展方向。
4.根据权利要求3所述一种固体绝缘开关柜质量评估方法，其特征在于，所述获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，包括的具体步骤如下：
式中, 表示第/>个融合连通域对高亮区域内的第/>个像素点的影响程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的连线和第/>个融合连通域的延展方向之间小于90°的夹角，/>表示第/>个融合连通域的延展程度，/>表示第/>个融合连通域中的初始连通域的中心点与高亮区域内第/>个像素点之间的距离。
5.根据权利要求1所述一种固体绝缘开关柜质量评估方法，其特征在于，所述获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，包括的具体步骤如下：
获取所有融合连通域对高亮区域内每个像素点的影响程度的均值，作为水纹区域中的缺陷连通域对高亮区域内每个像素点的影响程度。
6.根据权利要求1所述一种固体绝缘开关柜质量评估方法，其特征在于，所述获取高亮区域内所有像素点的增强系数与偏差修正值，包括的具体步骤如下：
对水纹区域中的缺陷连通域对高亮区域内每个像素点的影响程度进行归一化，将归一化后的值作为高亮区域内每个像素点的增强系数；以所有融合连通域中最小灰度值的均值作为偏差修正值。
7.根据权利要求1所述一种固体绝缘开关柜质量评估方法，其特征在于，所述对绝缘开关柜的质量进行评估，包括的具体步骤如下：
获取缺陷部分的面积与绝缘开关柜的面积的比值，当缺陷部分的面积与绝缘开关柜的面积的比值大于预设的可信阈值时，绝缘开关柜的质量存在问题。
8.一种固体绝缘开关柜质量评估系统，其特征在于，该系统包括以下模块：
图像采集处理模块，用于采集绝缘开关柜图像，对绝缘开关柜图像进行灰度化处理以及大津法多阈值分割，获取绝缘开关柜灰度图中的高亮区域、水纹区域以及背景区域；
图像分析模块，用于根据高亮区域和获取水纹区域中的缺陷连通域；根据水纹区域中的缺陷连通域，获取水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向；基于高亮区域内像素点的位置，结合水纹区域中的缺陷连通域中各个融合连通域的延展程度和延展方向,获取水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度；根据水纹区域中的缺陷连通域中各个融合连通域对高亮区域内像素点的影响程度，获取水纹区域中的缺陷连通域对高亮区域内像素点的影响程度；
图像增强模块，用于通过水纹区域中的缺陷连通域对高亮区域内像素点的影响程度，获取高亮区域内所有像素点的增强系数与偏差修正值，根据高亮区域内所有像素点的增强系数与偏差修正值，对高亮区域进行增强；
评估模块，用于对增强后的绝缘开关柜灰度图进行大津法多阈值分割，得到完整的缺陷区域，对绝缘开关柜的质量进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310942402.2A CN116664567B (zh) | 2023-07-26 | 2023-07-26 | 一种固体绝缘开关柜质量评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310942402.2A CN116664567B (zh) | 2023-07-26 | 2023-07-26 | 一种固体绝缘开关柜质量评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116664567A true CN116664567A (zh) | 2023-08-29 |
| CN116664567B CN116664567B (zh) | 2023-09-29 |
Family
ID=87712173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310942402.2A Active CN116664567B (zh) | 2023-07-26 | 2023-07-26 | 一种固体绝缘开关柜质量评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664567B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117197141A (zh) * | 2023-11-07 | 2023-12-08 | 山东远盾网络技术股份有限公司 | 一种汽车零部件表面缺陷检测方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130201334A1 (en) * | 2010-06-10 | 2013-08-08 | Manoj R C | Illumination Invariant and Robust Apparatus and Method for Detecting and Recognizing Various Traffic Signs |
| CN106127728A (zh) * | 2016-06-07 | 2016-11-16 | 电子科技大学 | 一种海空背景下的红外图像海天线连通域检测方法 |
| WO2017036160A1 (zh) * | 2015-09-06 | 2017-03-09 | 广州广电运通金融电子股份有限公司 | 人脸识别的眼镜消除方法 |
| CN110579485A (zh) * | 2019-09-30 | 2019-12-17 | 华南理工大学 | 一种智能手机玻璃盖板表面缺陷快速检测装置与方法 |
| WO2021022983A1 (zh) * | 2019-08-07 | 2021-02-11 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN114266284A (zh) * | 2021-11-09 | 2022-04-01 | 深圳供电局有限公司 | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 |
| CN114419025A (zh) * | 2022-01-27 | 2022-04-29 | 江苏泰和木业有限公司 | 一种基于图像处理的纤维板质量评估方法 |
| CN114705686A (zh) * | 2022-03-21 | 2022-07-05 | 佛山科学技术学院 | 圆柱锅表面缺陷检测方法、系统、控制器及工控机 |
| CN114997375A (zh) * | 2022-06-17 | 2022-09-02 | 广西电网有限责任公司南宁供电局 | 一种空气型开关柜中绝缘子表面金属污秽模型搭建系统 |
| CN115082485A (zh) * | 2022-08-23 | 2022-09-20 | 南通华烨塑料工业有限公司 | 一种注塑制品表面气泡缺陷检测方法及系统 |
| CN115294099A (zh) * | 2022-09-26 | 2022-11-04 | 南通宝丽金属科技有限公司 | 一种钢板轧制过程发纹缺陷的检测方法及系统 |
| CN115294118A (zh) * | 2022-10-08 | 2022-11-04 | 南通先端精密机械有限公司 | 一种船用钣金焊接缺陷识别方法 |
| CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
| CN116152247A (zh) * | 2023-04-20 | 2023-05-23 | 江苏三纳科技材料有限公司 | 一种聚氨酯涂膜的质量评估方法 |
| CN116304766A (zh) * | 2023-05-25 | 2023-06-23 | 山东艾迈科思电气有限公司 | 基于多传感器的开关柜状态快速评估方法 |
| CN116385448A (zh) * | 2023-06-07 | 2023-07-04 | 深圳市华伟精密陶瓷有限公司 | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 |
| WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
-
2023
- 2023-07-26 CN CN202310942402.2A patent/CN116664567B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130201334A1 (en) * | 2010-06-10 | 2013-08-08 | Manoj R C | Illumination Invariant and Robust Apparatus and Method for Detecting and Recognizing Various Traffic Signs |
| WO2017036160A1 (zh) * | 2015-09-06 | 2017-03-09 | 广州广电运通金融电子股份有限公司 | 人脸识别的眼镜消除方法 |
| CN106127728A (zh) * | 2016-06-07 | 2016-11-16 | 电子科技大学 | 一种海空背景下的红外图像海天线连通域检测方法 |
| WO2021022983A1 (zh) * | 2019-08-07 | 2021-02-11 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN110579485A (zh) * | 2019-09-30 | 2019-12-17 | 华南理工大学 | 一种智能手机玻璃盖板表面缺陷快速检测装置与方法 |
| CN114266284A (zh) * | 2021-11-09 | 2022-04-01 | 深圳供电局有限公司 | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 |
| CN114419025A (zh) * | 2022-01-27 | 2022-04-29 | 江苏泰和木业有限公司 | 一种基于图像处理的纤维板质量评估方法 |
| CN114705686A (zh) * | 2022-03-21 | 2022-07-05 | 佛山科学技术学院 | 圆柱锅表面缺陷检测方法、系统、控制器及工控机 |
| CN114997375A (zh) * | 2022-06-17 | 2022-09-02 | 广西电网有限责任公司南宁供电局 | 一种空气型开关柜中绝缘子表面金属污秽模型搭建系统 |
| CN115082485A (zh) * | 2022-08-23 | 2022-09-20 | 南通华烨塑料工业有限公司 | 一种注塑制品表面气泡缺陷检测方法及系统 |
| CN115294099A (zh) * | 2022-09-26 | 2022-11-04 | 南通宝丽金属科技有限公司 | 一种钢板轧制过程发纹缺陷的检测方法及系统 |
| CN115294118A (zh) * | 2022-10-08 | 2022-11-04 | 南通先端精密机械有限公司 | 一种船用钣金焊接缺陷识别方法 |
| WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
| CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
| CN116152247A (zh) * | 2023-04-20 | 2023-05-23 | 江苏三纳科技材料有限公司 | 一种聚氨酯涂膜的质量评估方法 |
| CN116304766A (zh) * | 2023-05-25 | 2023-06-23 | 山东艾迈科思电气有限公司 | 基于多传感器的开关柜状态快速评估方法 |
| CN116385448A (zh) * | 2023-06-07 | 2023-07-04 | 深圳市华伟精密陶瓷有限公司 | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| CHUANSHENG WU 等: "Multi-feature extraction-based defect recognition of fundation pile under layered soil condition using convolutional neural network", 《APPLIED SCIENCES》, vol. 12, no. 19 * |
| 普婕: "复杂动态场景背景建模与目标检测技术研究", 《CNKI学位》, vol. 2014, no. 1 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117197141A (zh) * | 2023-11-07 | 2023-12-08 | 山东远盾网络技术股份有限公司 | 一种汽车零部件表面缺陷检测方法 |
| CN117197141B (zh) * | 2023-11-07 | 2024-01-26 | 山东远盾网络技术股份有限公司 | 一种汽车零部件表面缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116664567B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115170576B (zh) | 基于机器视觉的铝管表面缺陷检测方法 | |
| CN111931776B (zh) | 一种基于深度学习的双指针仪表读数方法 | |
| CN116664567B (zh) | 一种固体绝缘开关柜质量评估方法及系统 | |
| CN116109644A (zh) | 用于铜铝转接排的表面缺陷检测方法 | |
| CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
| CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
| CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
| CN111738256B (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
| CN112017157B (zh) | 一种光学元件激光损伤阈值测试中损伤点识别方法 | |
| CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
| CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
| CN115775250A (zh) | 基于数字图像分析的金手指电路板缺陷快速检测系统 | |
| CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
| CN115965623A (zh) | 一种变压器生产中表面瑕疵检测方法及系统 | |
| CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
| CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
| CN115330796A (zh) | 一种铜线镀锡缺陷识别方法 | |
| CN111709964A (zh) | 一种pcba目标边缘检测方法 | |
| CN114881961A (zh) | 一种玻璃纤维板裂纹检测方法及设备 | |
| CN116681696B (zh) | 一种用于自动化生产设备的模具质量监测方法 | |
| CN117351017A (zh) | 一种光伏钢结构组件缺陷视觉检测方法 | |
| CN114937041B (zh) | 一种汽车发动机油路铜套缺陷检测方法及系统 | |
| CN113902667B (zh) | 一种用于机器视觉的螺纹旋向识别方法与系统 | |
| CN117132588B (zh) | 基于视觉的复合铜排导电层焊接缺陷检测方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A quality evaluation method and system for solid insulation switchgear Granted publication date: 20230929 Pledgee: Agricultural Bank of China Chengwu County Branch Pledgor: Shandong aimaikesi Electric Co.,Ltd. Registration number: Y2024980010755 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |