CN116883412B - 一种石墨烯远红外电热设备故障检测方法 - Google Patents
一种石墨烯远红外电热设备故障检测方法 Download PDFInfo
- Publication number
- CN116883412B CN116883412B CN202311152592.4A CN202311152592A CN116883412B CN 116883412 B CN116883412 B CN 116883412B CN 202311152592 A CN202311152592 A CN 202311152592A CN 116883412 B CN116883412 B CN 116883412B
- Authority
- CN
- China
- Prior art keywords
- edge pixel
- pixel point
- edge
- gray level
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 109
- 229910021389 graphene Inorganic materials 0.000 title claims abstract description 109
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000005485 electric heating Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000001914 filtration Methods 0.000 claims abstract description 38
- 238000009792 diffusion process Methods 0.000 claims abstract description 33
- 238000010606 normalization Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000000739 chaotic effect Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009466 transformation Effects 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
- 230000010259 detection of temperature stimulus Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000750 progressive effect 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种石墨烯远红外电热设备故障检测方法。该方法获取图像中边缘像素点的邻域扩散参数,并结合边缘像素点与其邻域像素点的灰度差异,获取边缘像素点的邻域内非边缘像素点的分布特征值;根据边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取非边缘像素点的滤波窗口的长度;根据非边缘像素点的滤波窗口内灰度分布,获取去鬼影灰度图,基于去鬼影灰度图中像素点的灰度分布的混乱程度对石墨烯远红外电热膜片进行故障检测。本发明基于边缘像素点附近的热量分布情况自适应获取非边缘像素点的滤波窗口,对边缘标记灰度图像的鬼影进行去除,提高了石墨烯远红外电热设备故障检测的准确率。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种石墨烯远红外电热设备故障检测方法。
背景技术
石墨烯远红外电热设备是利用石墨烯材料的特殊性能和远红外辐射原理来进行加热和温控的设备。例如最常见的石墨烯远红外电热设备之一的石墨烯远红外电热膜片,被广泛应用于热处理、加热和温控等应用领域,为保证确保设备的性能和应用的可靠性,需要在出厂之前进行对应的故障检测,例如石墨烯远红外电热膜片工作温度不均匀的故障检测。
石墨烯远红外电热膜片工作温度均匀,其红外图像对应的灰度图像中灰度值分布较为规律。现有技术利用常规的图像处理算法对石墨烯远红外电热膜片在工作状态下的红外图像进行处理,通过红外图像对应的灰度图像中灰度值分布的混乱程度判断温度均匀性。红外传感器在测量石墨烯远红外电热膜片温度时,不同区域表面温度影响会导致细微温度差异的物体在图像中出现重复或不完整的轮廓,使采集的红外图像中出现具有“鬼影”现象,导致石墨烯远红外电热膜片被错检,降低石墨烯远红外电热设备故障检测的准确率。
发明内容
为了解决石墨烯远红外电热膜片工作温度不均匀,导致石墨烯远红外电热设备故障检测不准确的技术问题,本发明的目的在于提供一种石墨烯远红外电热设备故障检测方法,所采用的技术方案具体如下:
本发明提出了一种石墨烯远红外电热设备故障检测方法,该方法包括:
获取石墨烯远红外电热膜片在稳定工作状态下的边缘标记灰度图像;
根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数;结合每个边缘像素点与其预设邻域内非边缘像素点之间的灰度差异,以及所述邻域扩散系数,获取每个边缘像素点的预设邻域内非边缘像素点的分布特征值;
依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度;基于非边缘像素点对应的滤波窗口内灰度分布对非边缘像素点进行平滑处理,获取去鬼影灰度图;
根据去鬼影灰度图中像素点的灰度分布的混乱程度,对石墨烯远红外电热膜片进行故障检测。
进一步地,所述分布特征值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点的灰度值之间的差值绝对值,作为对应两个像素点的灰度差异度;将边缘像素点与其预设邻域内每个非边缘像素点之间的L2范数进行归一化处理,作为对应两个像素点的距离特征值;
根据边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值,获取边缘像素点的预设邻域内非边缘像素点的分布值;
根据边缘像素点的预设邻域内非边缘像素点的所述分布值与所述邻域扩散参数,获取边缘像素点的预设邻域内非边缘像素点的分布特征值;所述分布值与所述邻域扩散系数均与所述分布特征值为正相关的关系。
进一步地,所述分布值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值的乘积,作为对应两个像素点之间的初始分布值;将边缘像素点与其预设邻域内所有边缘像素点之间的所述初始分布值的均值,作为边缘像素点的预设邻域内非边缘像素点的分布值。
进一步地,所述根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数的方法,为:
每个边缘像素点的邻域扩散参数的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的邻域扩散参数;N为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的个数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点与第m个非边缘像素点之间的距离判定系数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第m个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的L2范数;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第m个非边缘像素点的L2范数;/>为自然常数;/>为绝对值函数。
进一步地,所述依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度的方法,为:
根据边缘像素点的预设邻域内各个非边缘像素点的分布特征值,获取边缘像素点的目标非边缘像素点集合的最终分布特征值;其中,对于任意一个非边缘像素点,若该非边缘像素点仅处于一个边缘像素点的预设邻域内,则将该非边缘像素点划分至对应边缘像素点的目标非边缘像素点集合中,该非边缘像素点的分布特征值为该非边缘像素点的最终分布特征值;若该非边缘像素点同时处于至少两个边缘像素点的预设邻域内,则将处于各边缘像素点的预设邻域内的各分布特征值中的最小分布特征值作为该非边缘像素点的最终分布特征值,将该非边缘像素点划分至所述最小分布特征值对应的边缘像素点的目标非边缘像素点集合中;
根据边缘像素点的目标非边缘像素点集合内非边缘像素点的最终分布特征值,获取目标非边缘像素点集合中每个非边缘像素点的滤波窗口的长度。
进一步地,所述每个非边缘像素点的滤波窗口的长度的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的滤波窗口的长度;/>为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的最终分布特征值;/>为边缘标记灰度图像内所有非边缘像素点的最终分布特征值的均值;A为预设的放大系数,取经验值10;B为预设常数,B=/>,a大于等于3;/>为向下取整函数。
进一步地,所述去鬼影灰度图的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点的目标非边缘像素点集合内的每个非边缘像素点,根据非边缘像素点的滤波窗口内灰度分布,获取非边缘像素点的平滑灰度值;
由边缘标记灰度图像中每个非边缘像素点的所述平滑灰度值与边缘像素点的灰度值,构成去鬼影灰度图。
进一步地,所述平滑灰度值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点的目标非边缘像素点集合内每个非边缘像素点,将非边缘像素点对应的滤波窗口内像素点的灰度值的均值,作为对应非边缘像素点的平滑灰度值。
进一步地,所述对石墨烯远红外电热膜片进行故障检测的方法,为:
根据去鬼影灰度图中像素点的灰度分布的混乱程度获取分布混乱值;
将所述分布混乱值进行归一化,作为石墨烯远红外电热膜片的故障参数;
当故障参数大于预设故障阈值时,石墨烯远红外电热膜片不合格。
进一步地,所述分布混乱值的方法,为:
获取去鬼影灰度图中灰度级的信息熵作为分布混乱值。
本发明具有如下有益效果:
在本发明实施例中,由于石墨烯远红外电热膜片在工作温度不均匀时,其红外图像中容易出现“鬼影”现象,导致石墨烯远红外电热膜片在工作温度均匀性的故障检测出现误差;为了提高故障检测的准确性,需要对图像中的鬼影进行去除。本发明根据石墨烯远红外电热膜片的边缘标记灰度图像中边缘温度较高,以及同材料热辐射衰减的特性,对与边缘像素点相同距离的非边缘像素点之间的灰度差异获取边缘像素点的邻域扩散系数,进而确定边缘像素点的预设邻域内非边缘像素点的分布特征值;分布特征值呈现非边缘像素点的附近区域内发热分布情况,进而体现非边缘像素点的附近区域为鬼影区域的可能性,进而基于分布特征值自适应获取非边缘像素点的滤波窗口的长度,进而对边缘标记灰度图像的鬼影区域进行去除,得到去鬼影灰度图,增加了边缘标记灰度图像的清晰度,提高设备原因导致的工作温度不均匀故障检测的准确性,降低石墨烯远红外电热膜片被错检的概率,使得石墨烯远红外电热膜片的故障检测更加准确。
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石墨烯远红外电热设备故障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石墨烯远红外电热膜片的灰度红外图像;
图3为本发明一个实施例所提供的一种石墨烯远红外电热膜片的边缘检测图像;
图4为本发明一个实施例所提供的一种石墨烯远红外电热膜片的边缘标记灰度图;
图5为本发明一个实施例所提供的一种边缘像素点的目标非边缘像素点分析示意图。
具体实施方式
一种石墨烯远红外电热设备故障检测方法实施例:
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石墨烯远红外电热设备故障检测方法,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:石墨烯远红外电热膜片的工作温度不均匀的时候,会对设备的性能和应用的可靠性有着较为严重的影响。而现有算法进行石墨烯远红外电热膜片的工作温度不均匀故障进行检测时常常受到图像的鬼影现象的影响,使得检测结果不够准确。所以本发明通过对石墨烯远红外电热膜片的红外图像中的鬼影进行去除,而后通过去除鬼影后的红外图像来实现石墨烯远红外电热膜片的工作温度不均匀的故障的精确检测。
下面结合附图具体的说明本发明所提供的一种石墨烯远红外电热设备故障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石墨烯远红外电热设备故障检测方法的方法流程图,该方法包括:
步骤S1:获取石墨烯远红外电热膜片在稳定工作状态下的边缘标记灰度图像。
具体的,在进行石墨烯远红外电热膜片的温度不均匀故障检测的时候,为了增强可视度,需要对石墨烯远红外电热膜片工作时的温度进行量化,本发明实施例通过红外图像采集装置进行数据采集以实现石墨烯远红外电热膜片的工作温度的量化。
石墨烯远红外电热膜片在工作时,其对应的温度并不是一开始就保持稳定工作状态时的输出温度,由于石墨烯远红外电热膜片的温度不均匀故障主要是针对其稳定工作状态下的,则所采集的数据需为石墨烯远红外电热膜片在稳定工作状态下的红外图像。石墨烯远红外电热膜片在稳定工作状态下的边缘标记灰度图像的获取方法如下:
(1)以单位时间t作为石墨烯远红外电热膜片工作时的红外图像采集装置的图像采集频率。本发明实施例中单位时间t取经验值1秒,实施者可根据实际情况自行设定。
(2)由于石墨烯远红外电热膜片具有急速温度提升的特性,当其整体的工作状态稳定时,其对应的输出温度是恒定的,则多个连续的采样时刻对应的红外图像之间的相似度极高。
因此,判断连续的采样间隔即连续时间内采集到的石墨烯远红外电热膜片的红外图像之间的相似性。如果采集到的某一个时刻的红外图像与该时刻之后的连续多个时刻(比如连续5个时刻,实施者可根据实际情况自行设定)的红外图像的相似性均高于98%以上,则认为该时刻的红外图像为石墨烯远红外电热膜片的稳定工作状态的红外图像。两张红外图像之间的相似性具体计算方法为:本发明实施例中获取两张红外图像之间的余弦相似度,余弦相似度接近1,说明两张红外图像越相似。其中,余弦相似度的获取为本领域所熟知的计算过程,对此不作进一步的限定与赘述。
红外图像的鬼影现象一般发生的区域在图像中灰度值变化较大的地方,而在灰度图中,灰度值变化较大的地方一般为图像的边缘区域。图2为本发明一个实施例所提供的一种石墨烯远红外电热膜片的灰度红外图像。其具体的特征为边缘垂直方向上的像素点的灰度值变化不太规律,而为了进行石墨烯远红外电热膜片的工作时的温度不均匀的故障检测,需要消除整体图像中的影响,所以本发明需要首先进行整体灰度图中的鬼影现象的定位,即获取边缘标记灰度图像中的边缘像素点。
对石墨烯原红外电热膜片的边缘标记灰度图像利用Canny边缘检测算法进行边缘检测,获取石墨烯远红外电热膜片灰度图中的边缘像素点。图3为本发明一个实施例所提供的一种石墨烯远红外电热膜片的边缘检测图像。将检测出来的边缘像素点在灰度红外图像中进行标注,获取边缘标记灰度图,以便后续的边缘像素点的周围像素点的灰度值的分布特征的分析。图4为本发明一个实施例所提供的一种石墨烯远红外电热膜片的边缘标记灰度图。其中,Canny算子为本领域技术人员公知技术,在此不再赘述。
步骤S2:根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数;结合每个边缘像素点与其预设邻域内非边缘像素点之间的灰度差异,以及邻域扩散系数,获取每个边缘像素点的预设邻域内非边缘像素点的分布特征值。
具体的,当石墨烯远红外电热膜片工作温度不均匀时,会导致其红外图像中出现明显的色差,形成明显的图像边缘;当其温度不均匀性不明显时,该区域不会有较多边缘,但是像素点的灰度值必定存在较小程度的差异。由于采集设备原因,会使得石墨烯远红外电热膜片的灰度图部分区域出现明显鬼影,导致石墨烯远红外电热膜片的灰度图上边缘变多或者像素点的灰度值的差异性被放大,从而使得检测结果有误。因此,为了精准地进行石墨烯远红外电热膜片工作温度的不均匀性故障检测,必须要对其灰度图中的鬼影进行消除。
鬼影是与边缘间隔一定范围内重复出现与边缘像素点的灰度值较为接近的像素点,即边缘位置出现模糊重影。鬼影较为模糊,由边缘产生,一般情况下不会是边缘像素点。因此,通过比较边缘像素点与其附近的非边缘像素点之间的灰度值差异,能够判断鬼影区域。
针对边缘标记灰度图像中边缘像素点i的预设邻域内的像素点进行分析。本发明实施例中预设邻域的尺寸为,实施者可根据具体情况自行设定。正常情况下,由于石墨烯远红外电热膜片材料均匀,则边缘像素点i的预设邻域内,且与边缘像素点i距离相同的像素点的灰度值高度相似。本发明实施例通过两个像素点之间的L2范数来衡量两个像素点之间的距离。其中,L2范数表示欧几里得范数,对其计算过程不做赘述。
若非边缘像素点n与m位于边缘像素点i的预设邻域内。首先,分别计算边缘像素点i与非边缘像素点n的L2范数,以及边缘像素点i与非边缘像素点m的L2范数/>。
其次,判断与/>是否相等,若相等,说明非边缘像素点n与非边缘像素点m的灰度值之间的差异能衡量鬼影现象,则设置两个非边缘像素点之间的/>距离判定系数为1;若不相等,说明非边缘像素点n与非边缘像素点m之间的灰度值差异不能衡量鬼影现象,为避免后续干扰计算,则设置两个非边缘像素点之间的/>距离判定系数为0。
最后,计算非边缘像素点n的灰度值与非边缘像素点m的灰度值/>之间的差异/>。当/>越小时,说明边缘像素点i附近出现鬼影的可能性越低。将非边缘像素点n与m的灰度差异/>与衡量两个非边缘像素点之间的距离判定系数/>相乘,作为两个非边缘像素点的判定灰度差异。根据上述方法,计算边缘像素点i的预设邻域内每个非边缘像素点分别与其他非边缘像素点的判定灰度差异,并进行累加得到非边缘像素点的累加判定灰度差异;并将所有非边缘像素点的累加判定灰度差异的均值作为边缘像素点i的邻域灰度差异。当边缘像素点i的邻域灰度差异越大时,说明边缘像素点i的预设邻域内的像素点越不符合正常的发热分布,进而表明边缘像素点i附近出现鬼影的可能越大。
本发明从正常情况下衡量边缘像素点的邻域发热分布,需要将边缘像素点i的邻域灰度差异进行负相关并归一化处理,本发明实施例利用函数转化实现邻域灰度差异的负相关并归一化处理;本发明另一个实施例中可以先对邻域灰度差异进行归一化处理,然后用常数1减去归一化的邻域灰度差异,以实现邻域灰度差异的负相关并归一化处理;在本发明其他实施例中还可以通过其他基础运算实现邻域灰度差异的负相关并归一化处理,在此不再赘述。
每个边缘像素点的邻域扩散参数的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的邻域扩散参数;N为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的个数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点与第m个非边缘像素点之间的距离判定系数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第m个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的L2范数;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第m个非边缘像素点的L2范数;/>为自然常数;/>为绝对值函数。
需要说明的是,当时,说明非边缘像素点n与非边缘像素点m距离边缘像素点i位置相等,则距离判定系数/>为1,表明非边缘像素点n与非边缘像素点m之间的灰度值差异能衡量鬼影现象;当/>越大时,说明边缘像素点i的预设邻域内像素点越不符合正常的发热分布,边缘像素点i附近出现鬼影的可能性越高,/>越小。
正常情况下,红外图像中边缘温度较高,根据同材料热辐射衰减,距离边缘越远时,温度会降低,即像素点距离边缘越远,其灰度值越小。因此,边缘像素点与其预设邻域内非边缘像素点之间的灰度差异能够衡量边缘像素点附近的发热分布情况,并结合邻域扩散参数进行分析,使边缘像素点的分布特征值能够准确体现边缘像素点附近的发热分布情况。
优选地,分布特征值的获取方法为:对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点的灰度值之间的差值绝对值,作为对应两个像素点的灰度差异度;将边缘像素点与其预设邻域内每个非边缘像素点之间的L2范数进行归一化处理,作为对应两个像素点的距离特征值;根据边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值,获取边缘像素点的预设邻域内非边缘像素点的分布值;根据边缘像素点的预设邻域内非边缘像素点的分布值与邻域扩散参数,获取边缘像素点的预设邻域内非边缘像素点的分布特征值;分布值与邻域扩散系数均与分布特征值为正相关的关系。
鬼影是与边缘间隔了一定的范围内重现出现与边缘像素点的灰度值较为接近的像素点,即边缘附近出现模糊重影。正常情况下,根据同材料热辐射衰减,距离边缘越远的像素点的灰度值越小,而鬼影的出现会改变这一现象。
以边缘像素点i与其预设邻域内非边缘像素点n进行后续分析:
计算边缘像素点i的灰度值与非边缘像素点n的灰度值/>之间的差值绝对值,作为两个像素点的灰度差异度/>。计算边缘像素点i与非边缘像素点n之间的L2范数/>,以衡量非边缘像素点n距离边缘像素点i的远近,并将该L2范数/>进行归一化处理,得到对应两个像素点的距离特征值。本发明实施例中通过/>方式对进行归一化处理,在本发明其他实施例中可以通过其他对/>进行归一化的方法,例如函数转化、最大最小规范化、Sigmoid函数等归一化方法,在此不做限定。
对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值的乘积,作为对应两个像素点之间的初始分布值;将边缘像素点与其预设邻域内所有边缘像素点之间的所述初始分布值的均值,作为边缘像素点的预设邻域内非边缘像素点的分布值。
当边缘像素点i与非边缘像素点n距离越远时,通过边缘像素点i与非边缘像素点n的距离对灰度差异度进行调整,使灰度差异度的权重较大,达到明显区分边缘像素点附近发热分布情况的目的。为实现上述目的,将边缘像素点i与非边缘像素点n的灰度差异度与距离特征值的乘积,作为两个像素点之间的初始分布值,并将边缘像素点i与其预设邻域内所有边缘像素点之间的初始分布值的均值,作为边缘像素点i的预设邻域内非边缘像素点的分布值。
由于分布值邻域扩散参数均能够呈现像素点附近发热分布情况,则边缘像素点i的预设邻域内非边缘像素点的分布值与邻域扩散参数均与/>分布特征值为正相关的关系。需要说明的是,边缘像素点i的预设邻域内每个非边缘像素点均对应有分布特征值/>。
本发明实施例为了保证分布值与邻域扩散参数均与边缘像素点的预设邻域内非边缘像素点的分布特征值构成正相关的关系,将分布值与邻域扩散参数的乘积作为分布特征值;在本发明另一个实施例中可以将分布值与邻域扩散参数的和作为分布值,使得分布值与邻域扩散参数均与分布特征值为正相关的关系;在本发明其他实施例中可选择其他基础数学运算构成负相关的关系,在此不做限定。边缘像素点的预设邻域内非边缘像素点的分布特征值的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的分布特征值,/>为边缘标记灰度图像中第i个边缘像素点的邻域扩散参数;N为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的个数;/>为边缘标记灰度图像中第i个边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的L2范数;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的灰度差异度;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的距离特征值;为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点之间的初始分布值;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的分布值;/>为自然常数;为绝对值函数。
需要说明的是,当边缘像素点i与非边缘像素点n之间的距离越远,即距离特征值越大,此时边缘像素点i与非边缘像素点n之间的灰度差异度/>越大,说明边缘像素点i附近越符合正常分布情况,则/>越大;同时以距离特征值作为灰度差异度/>的权重,使距离边缘像素点i越远的非边缘像素点n的灰度差异度的比重越大,以便更好的区分像素点i附近的发热分布情况;当/>越大时,说明边缘像素点的邻域内像素点符合正常的发热分布,则/>越大。
步骤S3:依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度;基于非边缘像素点对应的滤波窗口内灰度分布对非边缘像素点进行平滑处理,获取去鬼影灰度图。
具体的,本发明实施例利用局部平滑的方式对鬼影进行去除。在对单个边缘像素点进行处理时,会使得同一像素点被多次平滑,故本发明利用边缘像素点的预设邻域内每个非边缘像素点的分布特征值,对边缘像素点的预设邻域内的非边缘像素点进行分类,进而获取非边缘像素点的滤波窗口的长度。
优选地,非边缘像素点的滤波窗口的长度的具体获取方法为:根据边缘像素点的预设邻域内各个非边缘像素点的分布特征值,获取边缘像素点的目标非边缘像素点集合的最终分布特征值;其中,对于任意一个非边缘像素点,若该非边缘像素点仅处于一个边缘像素点的预设邻域内,则将该非边缘像素点划分至对应边缘像素点的目标非边缘像素点集合中,该非边缘像素点的分布特征值为该非边缘像素点的最终分布特征值;若该非边缘像素点同时处于至少两个边缘像素点的预设邻域内,则将处于各边缘像素点的预设邻域内的各分布特征值中的最小分布特征值作为该非边缘像素点的最终分布特征值,将该非边缘像素点划分至所述最小分布特征值对应的边缘像素点的目标非边缘像素点集合中;根据边缘像素点的目标非边缘像素点集合内非边缘像素点的最终分布特征值,获取目标非边缘像素点集合中每个非边缘像素点的滤波窗口的长度。
(1)获取非边缘像素点的最终分布特征值和目标非边缘像素点集合。
以边缘像素点i为例进行分析,图5为本发明一个实施例所提供的一种边缘像素点的目标非边缘像素点分析示意图,如图5所示,i为边缘像素点,黑色框为以边缘像素点i为中心的邻域,每个方框代表边缘像素点i的/>邻域内的像素点,若仅i1与i2为边缘像素点,s与v为非边缘像素点,由图可知,非边缘像素点v仅位于边缘像素点i为中心的邻域内,则将/>作为非边缘像素点v的最终分布特征值,将非边缘像素点v划分至边缘像素点i的目标非边缘像素点集合中。
非边缘像素点s不仅位于边缘像素点i的邻域内,而且同时位于边缘像素点i1与边缘像素点i2的/>邻域内。由于每个边缘像素点的预设邻域内的非边缘像素点均对应有分布特征值FT,边缘像素点i、边缘像素点i1与边缘像素点i2的预设邻域内非边缘像素点的分布特征值依次为/>,则非边缘像素点s对应的分布特征值为。若/>为最小值,则将/>作为边缘像素点s的最终分布特征值,并将非边缘像素点s划分至边缘像素点i2的目标非边缘像素点集合中。
根据上述方法,获取边缘像素点i的邻域内每个非边缘像素点对应的最终分布特征值,以及每个边缘像素点对应的目标非边缘像素点集合。
需要说明的是,边缘像素点i的目标非边缘像素点中所有非边缘像素点的分布特征值均。
(2)获取非边缘像素点的滤波窗口的长度。
以边缘标记灰度图像中边缘像素点i的目标非边缘像素点中非边缘像素点k进行分析,本发明实施例采用均值滤波对非边缘像素点k进行平滑处理,重点为滤波窗口大小的自适应。非边缘像素点k的滤波窗口的长度获取方法为:
边缘像素点i的目标非边缘像素点中每个非边缘像素点的分布特征值均为,则非边缘像素点k对应的分布特征值为/>。本发明实施例以初始尺寸为/>的滤波窗口作为基础,则预设常数B取经验值9,利用非边缘像素点k的最终分布特征值对滤波窗口的大小进行调节。当最终分布特征值为/>越小时,说明边缘像素点i的邻域内像素点越不符合正常的发热分布,则非边缘像素点k所在区域为鬼影的可能性越大,因此,需要利用更多像素点对非边缘像素点k进行平滑,使非边缘像素点k趋于正常的灰度值,则非边缘像素点k对应的滤波窗口越大。
以预设的放大系数A对非边缘像素点k的滤波窗口的大小进行调节,基于非边缘像素点k自身的最终分布特征值对预设的放大系数A进行调整。本发明实施例中以预设的放大系数A取经验值10,实施者可根据实际情况自行设置。第一,考虑到非边缘像素点k自身的分布特征情况,当最终分布特征值/>越小时,非边缘像素点k所在区域为鬼影的可能性越大,则滤波窗口越大,需要对最终分布特征值/>进行负相关并归一化处理,将结果作为非边缘像素点k的滤波窗口的长度调整的第一个因素,本发明实施例通过/>对进行负相关并归一化。第二,相对于其他非边缘像素点而言,非边缘像素点k的最终分布特征值/>越小,其所需滤波窗口越大,则将图像内所有非边缘像素点的最终分布特征值的均值/>与最终分布特征值/>的比值/>,作为调整非边缘像素点k的滤波窗口的长度调整的第二因素。
因此,利用通过与预设的放大系数A相乘,以实现对预设的放大系数A的调整;并将/>与预设常数B相加,对非边缘像素点k的滤波窗口进行自适应。由于常规情况下,通过窗口内的像素点数量描述窗口的尺寸,所以本实施例中表示滤波窗口内像素点的数量。本发明实施例中滤波窗口为方形,在描述滤波窗口的长度时,需要对/>进行开方,因滤波窗口的长度为整数,则需要对开方的结果向下取整,作为非边缘像素点k的滤波窗口的长度。需要说明的是,同一边缘像素点的目标非边缘像素点中每个非边缘像素点的滤波窗口的长度相同。
边缘像素点的目标非边缘像素点内非边缘像素点的滤波窗口的长度的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点中第k个像素点的滤波窗口的长度;/>为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点中第k个非边缘像素点的最终分布特征值;/>为边缘标记灰度图像内所有非边缘像素点的最终分布特征值的均值;A为预设的放大系数,取经验值10;B为预设常数,B=/>,a大于等于3,B取经验值9;/>为向下取整函数;/>为自然常数。
需要说明的是,当非边缘像素点对应最终分布特征值越小时,说明非边缘像素点k所在区域为鬼影的可能性越大,利用更多正常的像素点对非边缘像素点k进行平滑,使非边缘像素点k趋于正常的灰度值,则非边缘像素点k对应的滤波窗口的长度/>越大。
根据上述获取非边缘像素点k的滤波窗口的长度的方法,获取边缘标记灰度图像中每个边缘像素点的预设邻域内每个非边缘像素点的滤波窗口的长度。
利用每个非边缘像素点的滤波窗口内灰度分布对其像素点局部平滑,进而得到去鬼影灰度图。
对于边缘标记灰度图像中每个边缘像素点的目标非边缘像素点集合内的每个非边缘像素点,将非边缘像素点对应的滤波窗口内像素点的灰度值的均值,作为对应非边缘像素点的平滑灰度值。需要说明的时,由于本发明实施例中采用均值滤波对非边缘像素点进行局部平滑处理,非边缘像素点k不参与滤波,因此,非边缘像素点k的预设邻域内像素点的个数需要减1。
平滑灰度值的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的平滑灰度值;/>为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的滤波窗口的长度;/>为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点对应的滤波窗口内第r个像素点的灰度值。
需要说明的是,当越大,说明非边缘像素点k所在区域为鬼影的可能性越大,滤波窗口内像素点的数量越多,则非边缘像素点k的平滑效果越好;当/>越大时,非边缘像素点k所在区域为鬼影的可能性越大,则平滑效果越好。
需要说明的是,由于边缘像素点一般情况下不会是鬼影像素点,则本发明实施例中仅针对边缘标记灰度图像中的非边缘像素点进行平滑处理。由边缘标记灰度图像中每个非边缘像素点的平滑灰度值与边缘像素点的灰度值,构成去鬼影灰度图。
步骤S4:根据去鬼影灰度图中像素点的灰度分布的混乱程度,对石墨烯远红外电热膜片进行故障检测。
石墨烯远红外电热膜片工作时的温度越均匀,则去鬼影灰度图中像素点的灰度值越统一,越规律。去鬼影灰度图中像素点的灰度分布的混乱程度呈现工作时温度均匀情况,进而反映故障。
获取去鬼影灰度图中灰度级的信息熵作为分布混乱值;将分布混乱值进行归一化处理,作为故障参数。本发明实施例中通过方式对分布混乱值进行归一化处理,在本发明其他实施例中可以通过其他对分布混乱值进行归一化的方法,例如函数转化、最大最小规范化、Sigmoid函数等归一化方法,在此不做限定。故障参数的计算公式如下:
式中,为石墨烯远红外电热膜片的故障参数;/>为去鬼影灰度图中第g中灰度级的取值所出现的概率;/>为分布混乱值;/>为自然常数。
需要说明的是,当分布混乱值时越大,说明石墨烯远红外电热膜片工作时的温度越不均匀,石墨烯远红外电热膜片出现故障的可能性越大,则GZ越大。
当故障参数大于预设故障阈值时,石墨烯远红外电热膜片不合格,说明墨烯远红外电热膜片出现工作温度不均匀的故障。对于不符合标准的石墨烯远红外电热膜片进行标注并生成相应记录。本发明实施例中预设故障阈值去经验值0.36,实施者可根据实际情况自行设定。
一种石墨烯远红外电热设备图像鬼影去除方法:
石墨烯远红外电热设备是利用石墨烯材料的特殊性能和远红外辐射原理来进行加热和温控的设备。例如最常见的石墨烯远红外电热设备之一的石墨烯远红外电热膜片,被广泛应用于热处理、加热和温控等应用领域,为保证确保设备的性能和应用的可靠性,需要在出厂之前进行对应的故障检测,例如石墨烯远红外电热膜片工作温度不均匀的故障检测。在对石墨烯远红外电热膜片进行故障检测时,图像中会出现“鬼影”现象,导致石墨烯远红外电热膜片的故障检测的准确率较低。因此,为保证故障检测的准确率,需要去除图像中的鬼影。
现有技术利用图像去噪算法对石墨烯远红外电热膜片在工作状态下存在鬼影的红外图像进行处理,但是由于石墨烯远红外电热膜片发热区域对应的边缘像素点与鬼影区域的像素点的灰度值的差异较小,导致图像去除鬼影的效果较差。
为了解决石墨烯远红外电热膜片发热区域对应的边缘像素点与鬼影区域的像素点的灰度值的差异较小,导致石墨烯远红外电热设备去除鬼影较差的技术问题,本发明的目的在于提供一种石墨烯远红外电热设备图像鬼影去除方法,所采用的技术方案具体如下:
步骤S1:获取石墨烯远红外电热膜片在稳定工作状态下的边缘标记灰度图像;
步骤S2:根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数;结合每个边缘像素点与其预设邻域内非边缘像素点之间的灰度差异,以及邻域扩散系数,获取每个边缘像素点的预设邻域内非边缘像素点的分布特征值;
步骤S3:依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度;基于非边缘像素点对应的滤波窗口内灰度分布对非边缘像素点进行平滑处理,对边缘标记灰度图像中的鬼影进行去除,获取去鬼影灰度图。
本发明实施例提供一种石墨烯远红外电热设备图像鬼影去除方法具有如下技术效果:
在本发明实施例中,由于石墨烯远红外电热膜片在工作温度不均匀时,其红外图像中容易出现“鬼影”现象,导致石墨烯远红外电热膜片在工作温度均匀性的故障检测出现误差;为了提高故障检测的准确性,需要对图像中的鬼影进行去除。本发明根据石墨烯远红外电热膜片的边缘标记灰度图像中边缘温度较高,以及同材料热辐射衰减的特性,对与边缘像素点相同距离的非边缘像素点之间的灰度差异获取边缘像素点的邻域扩散系数,进而确定边缘像素点的预设邻域内非边缘像素点的分布特征值;分布特征值呈现非边缘像素点的附近区域内发热分布情况,进而体现非边缘像素点的附近区域为鬼影区域的可能性,进而基于分布特征值自适应获取非边缘像素点的滤波窗口的长度,进而对边缘标记灰度图像的鬼影区域进行去除得到去鬼影灰度图;基于非边缘像素点附近的热量分布情况自适应获取滤波窗口的尺寸,使去除鬼影的效果更好,增加了边缘标记灰度图像的清晰度。
其中,步骤S1-S3在上述一种石墨烯远红外电热设备故障检测方法实施例中已给出了详细说明,不再赘述。
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 (9)
1.一种石墨烯远红外电热设备故障检测方法,其特征在于,该方法包括:
获取石墨烯远红外电热膜片在稳定工作状态下的边缘标记灰度图像;
根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数;结合每个边缘像素点与其预设邻域内非边缘像素点之间的灰度差异,以及所述邻域扩散系数,获取每个边缘像素点的预设邻域内非边缘像素点的分布特征值;
依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度;基于非边缘像素点对应的滤波窗口内灰度分布对非边缘像素点进行平滑处理,获取去鬼影灰度图;
根据去鬼影灰度图中像素点的灰度分布的混乱程度,对石墨烯远红外电热膜片进行故障检测;
所述根据边缘标记灰度图像内每个边缘像素点的预设邻域内与其距离相同的非边缘像素点之间的灰度差异,获取每个边缘像素点的邻域扩散参数的方法,为:
每个边缘像素点的邻域扩散参数的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的邻域扩散参数;N为边缘标记灰度图像中第i个边缘像素点的预设邻域内非边缘像素点的个数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点与第m个非边缘像素点之间的距离判定系数;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第n个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点的预设邻域内第m个非边缘像素点的灰度值;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第n个非边缘像素点的L2范数;/>为边缘标记灰度图像中第i个边缘像素点与其预设邻域内第m个非边缘像素点的L2范数;/>为自然常数;/>为绝对值函数。
2.根据权利要求1所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述分布特征值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点的灰度值之间的差值绝对值,作为对应两个像素点的灰度差异度;将边缘像素点与其预设邻域内每个非边缘像素点之间的L2范数进行归一化处理,作为对应两个像素点的距离特征值;
根据边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值,获取边缘像素点的预设邻域内非边缘像素点的分布值;
根据边缘像素点的预设邻域内非边缘像素点的所述分布值与所述邻域扩散参数,获取边缘像素点的预设邻域内非边缘像素点的分布特征值;所述分布值与所述邻域扩散系数均与所述分布特征值为正相关的关系。
3.根据权利要求2所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述分布值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点,将边缘像素点与其预设邻域内每个非边缘像素点之间的所述灰度差异度与所述距离特征值的乘积,作为对应两个像素点之间的初始分布值;将边缘像素点与其预设邻域内所有边缘像素点之间的所述初始分布值的均值,作为边缘像素点的预设邻域内非边缘像素点的分布值。
4.根据权利要求1所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述依据每个边缘像素点的预设邻域内非边缘像素点对应的分布特征值,获取边缘标记灰度图像内每个非边缘像素点的滤波窗口的长度的方法,为:
根据边缘像素点的预设邻域内各个非边缘像素点的分布特征值,获取边缘像素点的目标非边缘像素点集合的最终分布特征值;其中,对于任意一个非边缘像素点,若该非边缘像素点仅处于一个边缘像素点的预设邻域内,则将该非边缘像素点划分至对应边缘像素点的目标非边缘像素点集合中,该非边缘像素点的分布特征值为该非边缘像素点的最终分布特征值;若该非边缘像素点同时处于至少两个边缘像素点的预设邻域内,则将处于各边缘像素点的预设邻域内的各分布特征值中的最小分布特征值作为该非边缘像素点的最终分布特征值,将该非边缘像素点划分至所述最小分布特征值对应的边缘像素点的目标非边缘像素点集合中;
根据边缘像素点的目标非边缘像素点集合内非边缘像素点的最终分布特征值,获取目标非边缘像素点集合中每个非边缘像素点的滤波窗口的长度。
5.根据权利要求4所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述每个非边缘像素点的滤波窗口的长度的计算公式如下:
式中,为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的滤波窗口的长度;/>为边缘标记灰度图像中第i个边缘像素点的目标非边缘像素点集合中第k个非边缘像素点的最终分布特征值;/>为边缘标记灰度图像内所有非边缘像素点的最终分布特征值的均值;A为预设的放大系数,取经验值10;B为预设常数,B=/>,a大于等于3;/>为向下取整函数。
6.根据权利要求4所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述去鬼影灰度图的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点的目标非边缘像素点集合内的每个非边缘像素点,根据非边缘像素点的滤波窗口内灰度分布,获取非边缘像素点的平滑灰度值;
由边缘标记灰度图像中每个非边缘像素点的所述平滑灰度值与边缘像素点的灰度值,构成去鬼影灰度图。
7.根据权利要求6所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述平滑灰度值的获取方法,包括:
对于边缘标记灰度图像中每个边缘像素点的目标非边缘像素点集合内每个非边缘像素点,将非边缘像素点对应的滤波窗口内像素点的灰度值的均值,作为对应非边缘像素点的平滑灰度值。
8.根据权利要求1所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述对石墨烯远红外电热膜片进行故障检测的方法,为:
根据去鬼影灰度图中像素点的灰度分布的混乱程度获取分布混乱值;
将所述分布混乱值进行归一化,作为石墨烯远红外电热膜片的故障参数;
当故障参数大于预设故障阈值时,石墨烯远红外电热膜片不合格。
9.根据权利要求8所述的一种石墨烯远红外电热设备故障检测方法,其特征在于,所述分布混乱值的方法,为:
获取去鬼影灰度图中灰度级的信息熵作为分布混乱值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152592.4A CN116883412B (zh) | 2023-09-08 | 2023-09-08 | 一种石墨烯远红外电热设备故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152592.4A CN116883412B (zh) | 2023-09-08 | 2023-09-08 | 一种石墨烯远红外电热设备故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883412A CN116883412A (zh) | 2023-10-13 |
CN116883412B true CN116883412B (zh) | 2023-11-17 |
Family
ID=88262557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311152592.4A Active CN116883412B (zh) | 2023-09-08 | 2023-09-08 | 一种石墨烯远红外电热设备故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883412B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095008B (zh) * | 2023-10-20 | 2024-02-06 | 深圳市高进实业有限公司 | 一种钟表钢巴管缺陷智能检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131351A (zh) * | 2022-08-31 | 2022-09-30 | 微山宏捷机械有限公司 | 基于红外图像的机油散热器检测方法 |
CN115294140A (zh) * | 2022-10-09 | 2022-11-04 | 南通永卓金属制品有限公司 | 一种五金零件缺陷检测方法及系统 |
CA3177645A1 (en) * | 2021-05-11 | 2022-11-11 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
CN116363133A (zh) * | 2023-06-01 | 2023-06-30 | 无锡斯达新能源科技股份有限公司 | 基于机器视觉的照明器配件缺陷检测方法 |
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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110299720A1 (en) * | 2010-03-18 | 2011-12-08 | The Regents Of The University Of California | Systems and methods for material layer identification through image processing |
US9825132B2 (en) * | 2015-10-13 | 2017-11-21 | University Of Notre Dame Du Lac | Systems and methods for filtering and computation using tunneling transistors |
CN112860018A (zh) * | 2017-05-19 | 2021-05-28 | 伊英克公司 | 包含数字化及触控感测的可折叠电光显示器 |
US20190053790A1 (en) * | 2017-08-17 | 2019-02-21 | Contraline, Inc. | Systems and methods for automated image recognition of implants and compositions with long-lasting echogenicity |
-
2023
- 2023-09-08 CN CN202311152592.4A patent/CN116883412B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3177645A1 (en) * | 2021-05-11 | 2022-11-11 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks |
CN115131351A (zh) * | 2022-08-31 | 2022-09-30 | 微山宏捷机械有限公司 | 基于红外图像的机油散热器检测方法 |
CN115294140A (zh) * | 2022-10-09 | 2022-11-04 | 南通永卓金属制品有限公司 | 一种五金零件缺陷检测方法及系统 |
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 |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
CN116363133A (zh) * | 2023-06-01 | 2023-06-30 | 无锡斯达新能源科技股份有限公司 | 基于机器视觉的照明器配件缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
一种陶瓷瓶内壁裂纹检测算法;肖梦辉;李军成;彭秧锡;;中国陶瓷工业(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883412A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN116883412B (zh) | 一种石墨烯远红外电热设备故障检测方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN116452598B (zh) | 基于计算机视觉的车桥生产质量快速检测方法及系统 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
CN116977358B (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN116091499A (zh) | 一种涂料生产异常识别系统 | |
CN111353968B (zh) | 一种基于盲元检测与分析的红外图像质量评价方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN116402742A (zh) | 一种汽车钣金件表面缺陷的视觉检测方法及系统 | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN112669286A (zh) | 基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN116758491A (zh) | 应用于3d打印的打印监控图像分析方法及系统 | |
CN108399614B (zh) | 一种基于无抽样小波与Gumbel分布的织物缺陷检测方法 | |
CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
JPH08189904A (ja) | 表面欠陥検出装置 | |
CN116740053B (zh) | 一种锻造加工智能生产线的管理系统 | |
CN116596922B (zh) | 一种太阳能热水器生产质量检测方法 | |
CN111445435B (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
CN108416770B (zh) | 一种基于视觉显著性的图像质量评价方法 | |
CN115423807A (zh) | 一种基于离群点检测的布匹缺陷检测方法 | |
CN115100068A (zh) | 一种红外图像校正方法 |
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 |