CN116704440A - 基于大数据的智能综合采集分析系统 - Google Patents
基于大数据的智能综合采集分析系统 Download PDFInfo
- Publication number
- CN116704440A CN116704440A CN202310708880.7A CN202310708880A CN116704440A CN 116704440 A CN116704440 A CN 116704440A CN 202310708880 A CN202310708880 A CN 202310708880A CN 116704440 A CN116704440 A CN 116704440A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- points
- real
- picture
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 238000003709 image segmentation Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 85
- 238000012545 processing Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 14
- 239000012535 impurity Substances 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明公开了基于大数据的智能综合采集分析系统,包括数据采集单元、图像分割单元和信息输出单元,本发明涉及智能综合分析技术领域,解决了长时间使用会存在图像模糊不清,不能对监控设备的运行状态进行实时监控的技术问题,本发明通过将实时监控图像与标准图像来进行对比,从而来对判断实时获取的图像是否存在不清晰的情况,并对不清晰的图像进行降噪处理,提高图像的整体质量,避免后续从图像提取信息时存在信息误差的情况,其次根据图像中地获取到的信息来对整体的监控设备进行实时的监测和判断,一方面能够及时地发现问题,保证设备的正常运行,另一方面针对老化问题较为严重的监控设备及时的更换,采用新的监控设备来提高安全性。
Description
技术领域
本发明涉及智能综合分析技术领域,具体为基于大数据的智能综合采集分析系统。
背景技术
伴随着科技的发展,监控设备应用于生活中的各个地方,监控设备由前端和后端构成,摄像部分是电视监控系统的前沿部分,是整个系统的“眼睛”
根据申请号为:CN202111183697.7的专利显示,该专利用于解决现有的监控设备采集系统存在不能及时对监控设备状态进行分析,导致监控设备经常出现损坏无法监控的问题,包括监控设备及与其通信连接的采集分析子系统;采集分析子系统包括数据采集模块、数据库、数据分析模块、执行处理模块、参数处理模块、注册登录模块和信息采集单元;本发明通过对监控设备的设备信息进行处理并结合注册处理终端的终端参数得到据分值,从而合理选取对应信息处理端对应监测设备的设备信息进行处理,提高信息处理的效率;同时对监控设备进行预警分析,以便于及时了解监控设备,避免监控设备故障无法进行数据监控。
现有的部分监控设备在使用的过程中,由于时间较长,采集的图像存在模糊的情况,因此在后续调取信息的时候,由于图像中存在模糊不清的地方,使用者在从该类图像中获取信息时会存在信息的误差,其次监控设备在长时间使用的时候,平常状态下没有人员进行检查,只有在出现问题的时候才会进行检修,因此不能实时地对监控设备的运行状态进行监测,导致了不能在出现问题的时候及时的发现,从而影响监控设备的正常运行。
发明内容
针对现有技术的不足,本发明提供了基于大数据的智能综合采集分析系统,解决了长时间使用会存在图像模糊不清,不能对监控设备的运行状态进行实时监控的问题。
为实现以上目的,本发明通过以下技术方案予以实现:基于大数据的智能综合采集分析系统,包括:
信息采集单元,用于对目标对象基础信息进行采集,并将目标对象基础信息传输到图像分割单元;
实时获取单元,用于获取实时监控图像基础信息,并将实时图像基础信息传输杜鳌图像分割单元;
图像分割单元,用于对获取到的图像画面进行分割,得到多组分割图像,接着根据多组分割图像来确认标准图像,并根据获取到的实时监控图像与图像存储单元存储的标准图像进行比较,生成清晰信号和不清晰信号,接着对不清晰信号进行分析将实时监控图片中的噪点划分为颜色噪点和亮噪点,然后分别对实时监控图片中的颜色噪点和亮噪点进行降噪处理得到降噪图片,并将降噪图片信息传输到综合分析单元;
综合分析单元,用于对获取到的降噪图片进行分析,对降噪图片上坏点个数进行分析,得到检修信号和正常信号,同时将生成的维修信号和正常信号整合生成设备信号,将其传输到信息输出单元。
作为本发明的进一步方案:图像分割单元对标准图像的具体确认方式如下:
S1:获取到多组监控图像画面将其数量记作为n,此处多组监控图像画面为监控设备全新状态下获取到的图像画面,接着获取任意一组图像画面标记为分析图像并对其进行分析,接着获取到分析图像的分辨率标记为K1×K2,将分析图像进行等份的分割生成四组分析图像片,得到单组分析图像片的分辨率为
S2:同理对n组监控图像画面进行相同的分割,接着计算n个单组分析图像片的分辨率之和,并计算出n组监控图像画面的分辨率平均数记作为P,并以分辨率P的图像作为标准图像,同时将标准图像信息传输到图像存储单元。
作为本发明的进一步方案:图像处理单元,用于根据获取到的实时监控图像与图像存储单元存储的标准图像进行比较,生成清晰信号和不清晰信号。
作为本发明的进一步方案:图像处理单元对不清晰信号具体的降噪方式如下:
根据标准图像分辨率P与实时监控图像分辨率Ps比较,当YS1≤|P-Ps|≤YS2时,系统生成清晰信号,同时系统不做任何处理,当|P-Ps|<YS1或|P-Ps|>YS2时,系统生成不清晰信号,并获取对应的实时监控图像对其进行降噪处理,且YS1和YS2的具体数值由操作人员自行设定;
对不清晰信号对应的实时监控图像降噪处理的具体方式如下:
W1:将获取到的实时监控图像进行m倍的放大处理,放大的倍数m的数值根据放大后能看出图片中存在的噪点为标准,并将放大后实时监控图像中的噪点按照颜色划分为颜色噪点和亮噪点,其中颜色噪点包括红噪点和绿噪点,亮噪点包括光噪点和暗噪点,接着对颜色噪点和亮噪点进行去噪处理;
W2:对亮噪点的去除方式如下:
系统根据获取到的实时监控图像生成对应的黑和白两张比对模板,当对光噪点进行去除时,将黑比对模板与对应的实时监控图像重叠,重叠后的监控图像中的光噪点会在黑比对模板的作用下显现,再将显现的光噪点进行去除,当对暗噪点进行去除时,将黑比对模板更换为白比对模板,同理再对暗噪点进行去除;
W3:对颜色噪点的去除方式如下:
W31:系统根据获取到的实时监控图像生成对应的白比对模板,并将白比对模板与实时监控图像进行重叠,同时分析颜色噪点的分布数量j,且j表示噪点的个数,此处的分布数量j表示为:选取任意一个颜色噪点,并以半径R进行区域选取,后续在进行区域选取的时候,对该颜色噪点不予再次选取,分析该区域内部颜色噪点的数量记作j;
W32:对不同区域内部颜色噪点的分布数量j进行分析:
若j≥3,系统将该区域标记为不处理区域,并对不处理区域不进行任何处理,若j<3,系统将该区域标记为待处理区域,并对待处理区域进行去噪处理;
W33:对待处理区域的具体去噪处理为:
对待处理区域内部颜色噪点进行判断:若待处理区域内部颜色噪点为同类型颜色噪点,系统生成无关信号,并不进行任何处理,若待处理区域内部颜色噪点为不同类型颜色噪点,系统生成去噪信号,并对其进行去噪同时生成降噪图片。
作为本发明的进一步方案:综合分析单元对降噪图片的具体分析方式如下:
M1:提取数据存储单元中降噪图片的历史记录,并对降噪图片进行坏点图片和无坏点图片的分类,分类方式为:根据降噪图片中是否存在杂点,且杂点的位置始终相同,则对杂点表示为坏点,其中坏点表示为图片中存在单一颜色的点表示为坏点,将降噪图片分类杂点图片和无杂点图片,并对杂点图片进行分析;
M2:以降噪图片直角点为原点,此处直角点表示为降噪图片正向放置的左下角直角点,横向为X轴,纵向为Y轴建立直角坐标系,并对降噪图片上的杂点以坐标表示为(Xn,Yn),其中n表示为不同的杂点,若杂点坐标相同,系统判定降噪图片上的杂点为坏点,同时记录坏点的个数G;
M3:将坏点的个数G与GS进行比较,其中GS表示为坏点的最大个数,具体的值由操作人员进行设定,若G≥GS,系统判定该监控设备存在异常,并生成维修信号,若G<GS,系统判定该监控设备不存在异常,并生成正常信号,同时将生成的维修信号和正常信号整合生成设备信号,将其传输到信息输出单元。
作为本发明的进一步方案:信息输出单元用于对获取到的设备信号显示给操作人员观看。
有益效果
本发明提供了基于大数据的智能综合采集分析系统。与现有技术相比具备以下有益效果:
本发明通过将实时监控图像与标准图像来进行对比,从而来对判断实时获取的图像是否存在不清晰的情况,并对不清晰的图像进行降噪处理,提高图像的整体质量,避免后续从图像提取信息时存在信息误差的情况,其次根据图像中地获取到的信息来对整体的监控设备进行实时的监测和判断,一方面能够及时地发现问题,保证设备的正常运行,另一方面针对老化问题较为严重的监控设备及时的更换,采用新的监控设备来提高安全性。
附图说明
图1为本发明系统框图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1,本申请提供了基于大数据的智能综合采集分析系统,包括:
信息采集单元,用于对目标对象基础信息进行采集,目标对象为监控设备的图像画面,基础信息包括:图像分辨率和图像像素,并将目标对象基础信息传输到图像分割单元;
图像分割单元,用于对获取到的图像画面进行分割,得到多组分割图像,接着根据多组分割图像来确认标准图像,标准图像的具体确认方式如下:
S1:获取到多组监控图像画面将其数量记作为n,此处多组监控图像画面为监控设备全新状态下获取到的图像画面,接着获取任意一组图像画面标记为分析图像并对其进行分析,接着获取到分析图像的分辨率标记为K1×K2,将分析图像进行等份的分割生成四组分析图像片,得到单组分析图像片的分辨率为
S2:同理对n组监控图像画面进行相同的分割,接着计算n个单组分析图像片的分辨率之和,并计算出n组监控图像画面的分辨率平均数记作为P,并以分辨率P的图像作为标准图像,同时将标准图像信息传输到图像存储单元。
实时获取单元,用于获取实时监控图像基础信息,其中实时监控图像基础信息包括:分辨率Ps,并将其传输到图像处理单元;
图像处理单元,用于根据获取到的实时监控图像与图像存储单元存储的标准图像进行比较,生成清晰信号和不清晰信号,接着对不清晰信号进行降噪处理得到降噪图片,并将降噪图片信息传输到综合分析单元,对不清晰信号具体的降噪方式如下:
根据标准图像分辨率P与实时监控图像分辨率Ps比较,当YS1≤|P-Ps|≤YS2时,系统生成清晰信号,同时系统不做任何处理,当|P-Ps|<YS1或|P-Ps|>YS2时,系统生成不清晰信号,并获取对应的实时监控图像对其进行降噪处理,且YS1和YS2的具体数值由操作人员自行设定;
对不清晰信号对应的实时监控图像降噪处理的具体方式如下:
W1:将获取到的实时监控图像进行m倍的放大处理,放大的倍数m的数值根据放大后能看出图片中存在的噪点为标准,并将放大后实时监控图像中的噪点按照颜色划分为颜色噪点和亮噪点,其中颜色噪点包括红噪点和绿噪点,亮噪点包括光噪点和暗噪点,接着对颜色噪点和亮噪点进行去噪处理;
W2:对亮噪点的去除方式如下:
系统根据获取到的实时监控图像生成对应的黑和白两张比对模板,当对光噪点进行去除时,将黑比对模板与对应的实时监控图像重叠,重叠后的监控图像中的光噪点会在黑比对模板的作用下显现,再将显现的光噪点进行去除,当对暗噪点进行去除时,将黑比对模板更换为白比对模板,同理再对暗噪点进行去除;
W3:对颜色噪点的去除方式如下:
W31:系统根据获取到的实时监控图像生成对应的白比对模板,并将白比对模板与实时监控图像进行重叠,同时分析颜色噪点的分布数量j,且j表示噪点的个数,此处的分布数量j表示为:选取任意一个颜色噪点,并以半径R进行区域选取,后续在进行区域选取的时候,对该颜色噪点不予再次选取,分析该区域内部颜色噪点的数量记作j;
W32:对不同区域内部颜色噪点的分布数量j进行分析:
若j≥3,系统将该区域标记为不处理区域,并对不处理区域不进行任何处理,若j<3,系统将该区域标记为待处理区域,并对待处理区域进行去噪处理;
W33:对待处理区域的具体去噪处理为:
对待处理区域内部颜色噪点进行判断:若待处理区域内部颜色噪点为同类型颜色噪点,系统生成无关信号,并不进行任何处理,若待处理区域内部颜色噪点为不同类型颜色噪点,系统生成去噪信号,并对其进行去噪同时生成降噪图片。
综合分析单元,用于对获取到的降噪图片进行分析,对降噪图片上坏点个数进行分析,得到检修信号和正常信号,具体的分析方式如下:
M1:提取数据存储单元中降噪图片的历史记录,并对降噪图片进行坏点图片和无坏点图片的分类,分类方式为:根据降噪图片中是否存在杂点,且杂点的位置始终相同,则对杂点表示为坏点,其中坏点表示为图片中存在单一颜色的点表示为坏点,将降噪图片分类杂点图片和无杂点图片,并对杂点图片进行分析;
M2:以降噪图片直角点为原点,此处直角点表示为降噪图片正向放置的左下角直角点,横向为X轴,纵向为Y轴建立直角坐标系,并对降噪图片上的杂点以坐标表示为(Xn,Yn),其中n表示为不同的杂点,若杂点坐标相同,系统判定降噪图片上的杂点为坏点,同时记录坏点的个数G;
M3:将坏点的个数G与GS进行比较,其中GS表示为坏点的最大个数,具体的值由操作人员进行设定,若G≥GS,系统判定该监控设备存在异常,并生成维修信号,若G<GS,系统判定该监控设备不存在异常,并生成正常信号,同时将生成的维修信号和正常信号整合生成设备信号,将其传输到信息输出单元。
信息输出单元,用于对获取到的设备信号显示给操作人员观看。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.基于大数据的智能综合采集分析系统,其特征在于,包括:
信息采集单元,用于对目标对象基础信息进行采集,并将目标对象基础信息传输到图像分割单元;
实时获取单元,用于获取实时监控图像基础信息,并将实时图像基础信息传输杜鳌图像分割单元;
图像分割单元,用于对获取到的图像画面进行分割,得到多组分割图像,接着根据多组分割图像来确认标准图像,并根据获取到的实时监控图像与图像存储单元存储的标准图像进行比较,生成清晰信号和不清晰信号,接着对不清晰信号进行分析将实时监控图片中的噪点划分为颜色噪点和亮噪点,然后分别对实时监控图片中的颜色噪点和亮噪点进行降噪处理得到降噪图片,并将降噪图片信息传输到综合分析单元;
综合分析单元,用于对获取到的降噪图片进行分析,对降噪图片上坏点个数进行分析,得到检修信号和正常信号,同时将生成的维修信号和正常信号整合生成设备信号,将其传输到信息输出单元。
2.根据权利要求1所述的基于大数据的智能综合采集分析系统,其特征在于,图像分割单元对标准图像的具体确认方式如下:
S1:获取到多组监控图像画面将其数量记作为n,接着获取到分析图像的分辨率标记为K1×K2,将分析图像进行等份的分割生成四组分析图像片,得到单组分析图像片的分辨率为
S2:同理对n组监控图像画面进行相同的分割,接着计算n个单组分析图像片的分辨率之和,并计算出n组监控图像画面的分辨率平均数记作为P,并以分辨率P的图像作为标准图像,同时将标准图像信息传输到图像存储单元。
3.根据权利要求1所述的基于大数据的智能综合采集分析系统,其特征在于,图像处理单元,用于根据获取到的实时监控图像与图像存储单元存储的标准图像进行比较,生成清晰信号和不清晰信号。
4.根据权利要求1所述的基于大数据的智能综合采集分析系统,其特征在于,图像处理单元对不清晰信号具体的降噪方式如下:
根据标准图像分辨率P与实时监控图像分辨率Ps比较,当YS1≤|P-Ps|≤YS2时,系统生成清晰信号,同时系统不做任何处理,当|P-Ps|<YS1或|P-Ps|>YS2时,系统生成不清晰信号,并获取对应的实时监控图像对其进行降噪处理,且YS1和YS2的具体数值由操作人员自行设定;
对不清晰信号对应的实时监控图像降噪处理的具体方式如下:
W1:将获取到的实时监控图像进行m倍的放大处理,并将放大后实时监控图像中的噪点按照颜色划分为颜色噪点和亮噪点,接着对颜色噪点和亮噪点进行去噪处理;
W2:对亮噪点的去除方式如下:
系统根据获取到的实时监控图像生成对应的黑和白两张比对模板,当对光噪点进行去除时,将黑比对模板与对应的实时监控图像重叠,再将显现的光噪点进行去除,当对暗噪点进行去除时,将黑比对模板更换为白比对模板,同理再对暗噪点进行去除;
W3:对颜色噪点的去除方式如下:
W31:系统根据获取到的实时监控图像生成对应的白比对模板,并将白比对模板与实时监控图像进行重叠,同时分析颜色噪点的分布数量j,且j表示噪点的个数;
W32:对不同区域内部颜色噪点的分布数量j进行分析:
若j≥3,系统将该区域标记为不处理区域,并对不处理区域不进行任何处理,若j<3,系统将该区域标记为待处理区域,并对待处理区域进行去噪处理;
W33:对待处理区域的具体去噪处理为:
对待处理区域内部颜色噪点进行判断:若待处理区域内部颜色噪点为同类型颜色噪点,系统生成无关信号,并不进行任何处理,若待处理区域内部颜色噪点为不同类型颜色噪点,系统生成去噪信号,并对其进行去噪同时生成降噪图片。
5.根据权利要求1所述的基于大数据的智能综合采集分析系统,其特征在于,综合分析单元对降噪图片的具体分析方式如下:
M1:提取数据存储单元中降噪图片的历史记录,并对降噪图片进行坏点图片和无坏点图片的分类,并对杂点图片进行分析;
M2:以降噪图片直角点为原点,横向为X轴,纵向为Y轴建立直角坐标系,并对降噪图片上的杂点以坐标表示为(Xn,Yn),其中n表示为不同的杂点,若杂点坐标相同,系统判定降噪图片上的杂点为坏点,同时记录坏点的个数G;
M3:将坏点的个数G与GS进行比较,其中GS表示为坏点的最大个数,若G≥GS,系统判定该监控设备存在异常,并生成维修信号,若G<GS,系统判定该监控设备不存在异常,并生成正常信号,同时将生成的维修信号和正常信号整合生成设备信号。
6.根据权利要求1所述的基于大数据的智能综合采集分析系统,其特征在于,信息输出单元,用于对获取到的设备信号显示给操作人员观看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310708880.7A CN116704440A (zh) | 2023-06-15 | 2023-06-15 | 基于大数据的智能综合采集分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310708880.7A CN116704440A (zh) | 2023-06-15 | 2023-06-15 | 基于大数据的智能综合采集分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704440A true CN116704440A (zh) | 2023-09-05 |
Family
ID=87840716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310708880.7A Pending CN116704440A (zh) | 2023-06-15 | 2023-06-15 | 基于大数据的智能综合采集分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704440A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909405A (zh) * | 2023-09-12 | 2023-10-20 | 北京惠朗时代科技有限公司 | 基于人工智能动作识别的指令控制方法 |
-
2023
- 2023-06-15 CN CN202310708880.7A patent/CN116704440A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909405A (zh) * | 2023-09-12 | 2023-10-20 | 北京惠朗时代科技有限公司 | 基于人工智能动作识别的指令控制方法 |
CN116909405B (zh) * | 2023-09-12 | 2023-12-15 | 北京惠朗时代科技有限公司 | 基于人工智能动作识别的指令控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826538A (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
CN108445011B (zh) | 一种基于深度学习的瑕疵检测系统及方法 | |
KR100241504B1 (ko) | 표시 스크린 검사 방법 | |
CN114240939B (zh) | 一种主板元器件外观缺陷检测方法、系统、设备及介质 | |
CN116704440A (zh) | 基于大数据的智能综合采集分析系统 | |
CN112364740B (zh) | 一种基于计算机视觉的无人机房监控方法及系统 | |
CN115065798B (zh) | 一种基于大数据的视频分析监控系统 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN108174198B (zh) | 一种视频图像质量诊断分析检测设备及应用系统 | |
CN112419298A (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
CN112560816A (zh) | 一种基于YOLOv4的设备指示灯识别方法及系统 | |
CN117130186B (zh) | 一种lcd显示屏瑕疵缺陷智能检测方法 | |
CN117152161B (zh) | 一种基于图像识别的刨花板质量检测方法及系统 | |
CN116343100B (zh) | 一种基于自监督学习的目标识别方法及系统 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
CN114205578A (zh) | 基于频域偏度和频域峰值的视频模糊异常检测方法和系统 | |
CN114245110A (zh) | 一种摄像头坏点检测方法及装置 | |
JPH11175727A (ja) | 検査方法および装置 | |
JP3584507B2 (ja) | パタンムラ検査装置 | |
CN112241707A (zh) | 一种风电场智能视频识别装置 | |
CN113052821A (zh) | 一种电力设备巡检图片的质量评价方法 | |
US20030016874A1 (en) | Image analyzing method for detecting significant changes in a time sequence of images | |
CN112577960A (zh) | 烟叶中的杂质检测方法、系统及计算机可读存储介质 |
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 |