CN116912194A - 一种绝缘子检测方法、装置、电子设备及存储介质 - Google Patents
一种绝缘子检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116912194A CN116912194A CN202310855641.4A CN202310855641A CN116912194A CN 116912194 A CN116912194 A CN 116912194A CN 202310855641 A CN202310855641 A CN 202310855641A CN 116912194 A CN116912194 A CN 116912194A
- Authority
- CN
- China
- Prior art keywords
- insulator
- vector
- detected
- image
- target
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 408
- 238000001514 detection method Methods 0.000 title claims abstract description 117
- 239000013598 vector Substances 0.000 claims abstract description 318
- 230000007547 defect Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 230000002950 deficient Effects 0.000 claims description 13
- 238000003331 infrared imaging Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 abstract description 10
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement 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
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种绝缘子检测方法、装置、电子设备及存储介质，其中，该方法包括：获取待处理图像；针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量；根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量；若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。解决了基于人工巡检的方式存在主观性较强、检测效率低、危险性高以及无法及时发现存在潜在缺陷的绝缘子的问题。实现了提高对电网绝缘子的检测效率，并及时检测出电网系统中的缺陷绝缘子的效果。
Description
技术领域
本发明涉及电网安全检测技术领域，尤其涉及一种绝缘子检测方法、装置、电子设备及存储介质。
背景技术
由于电网中的绝缘子种类繁多和容易损坏的特性，需要及时检测处损坏的绝缘子以保障电网的安全性。
目前，大多是基于人工巡检的方式对电网中的绝缘子进行缺陷检测。但是这样的检测方式不仅检测效率低、危险性高，还存在主观判断性强的问题。或者，还可以通过深度学习的方法进行绝缘子检测，但是这样的检测方式无法对绝缘子的局部放电或内部损坏等不可见的缺陷进行有效检测，导致绝缘子依然存在较大的安全隐患。
为了解决上述问题，需要对绝缘子的检测方式进行改进。
发明内容
本发明提供了一种绝缘子检测方法、装置、电子设备及存储介质，以解决基于人工巡检的方式存在主观性较强、检测效率低、危险性高以及无法及时发现存在潜在缺陷的绝缘子的问题。
第一方面，本发明实施例提供了一种绝缘子检测方法，包括：
获取待处理图像；其中，所述待处理图像包括至少一个待检测绝缘子；
针对每个所述待检测绝缘子，基于所述待处理图像确定与所述待检测绝缘子相对应的待使用子图像，基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量；
根据与目标绝缘子相对应的模板图像，得到与所述目标绝缘子相对应的目标向量，基于所述待比对向量和所述目标向量得到待检测向量；
若所述待检测向量满足预设向量检测条件，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
第二方面，本发明实施例还提供了一种绝缘子检测装置，包括：
图像获取模块，用于获取待处理图像；其中，所述待处理图像包括至少一个待检测绝缘子；
待比对向量确定模块，用于针对每个所述待检测绝缘子，基于所述待处理图像确定与所述待检测绝缘子相对应的待使用子图像，基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量；
待检测向量确定模块，用于根据与目标绝缘子相对应的模板图像，得到与所述目标绝缘子相对应的目标向量，基于所述待比对向量和所述目标向量得到待检测向量；
目标绝缘子确定模块，用于若所述待检测向量满足预设向量检测条件，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
第三方面，本发明实施例还提供了一种电子设备，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绝缘子检测方法。
第四方面，本发明实施例还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的绝缘子检测方法。
本发明实施例的技术方案，通过获取待处理图像，其中，待处理图像为热红外图像，在待处理图像中包括至少一个待检测绝缘子。针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量，在实际应用中，需要对每个待检测绝缘子进行缺陷检测，因此，确定与各待检测绝缘子相对应的图像区域为与待检测绝缘子相对应的待使用子图像，以基于各待使用子图像计算相应的待比对向量。同时，根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量，根据待检测绝缘子的类型确定目标绝缘子，并调取与目标绝缘子相对应的模板图像，以基于模板图像确定与目标绝缘子相对应的目标向量。进一步的，基于预设的向量处理函数对待比对向量和目标向量进行处理，得到待检测向量。若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子，在本技术方案中，预设向量检测条件包括第一向量阈值和第二向量阈值，若待检测向量大于第一向量阈值且小于第二向量阈值，则确定相应的待检测绝缘子为缺陷绝缘子。通过统一化的检测标准和检测方式，不仅解决了基于人工巡检的方式存在主观性较强的问题，还解决了基于人工方式的检测效率低和危险性高的问题。此外，在实际应用中，通过在热红外图像的基础上进行绝缘子缺陷检测，可以在电网绝缘子出现局部放电或内部放热等潜在危险时，及时检测出存在潜在缺陷的电网绝缘子。实现了提高对电网绝缘子的检测效率，同时避免了基于人工检测方式的主观性影响和危险因素，并及时检测出电网系统中的缺陷绝缘子的效果。
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绝缘子检测方法的流程图；
图2是根据本发明实施例二提供的一种绝缘子检测方法的流程图；
图3是根据本发明实施例三提供的一种绝缘子检测方法的示意图；
图4是根据本发明实施例四提供的一种绝缘子检测装置的结构示意图；
图5是实现本发明实施例的绝缘子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。
在对本技术方案进行详细阐述之前，先对本技术方案的应用场景进行简单介绍，以便更加清楚地理解本技术方案。在电网绝缘子缺陷检测领域，目前可分为传统的电网绝缘子缺陷检测方法和基于人工智能技术辅助的电网绝缘子缺陷检测方法。其中，传统的电网绝缘子缺陷检测方法主要以人工巡检为主，但是这类方法依赖于巡检人员的专业知识，在具体实现上也没有采用统一的检测流程，而是需要巡检人员凭借自身经验对绝缘子进行缺陷检测。如，可以采用超声波检测或者红外测温等方法。在基于人工智能技术辅助的电网绝缘子缺陷检测方法目前主要以可见光图像的深度学习技术为主。这类方法以视觉相机为电网绝缘子图像采集传感器，由于视觉相机采集的电网绝缘子特征图像数据为可见光的局限性和电网绝缘子可能存在局部放电等缺陷的不可见的特殊性，导致该方法无法对电网绝缘子不可见的潜在缺陷进行检测。此外，由于电网绝缘子的种类繁多、场景复杂多变以及可见光图像背景混乱等因素，导致对电网绝缘子是否存在缺陷的检测效率较低，且在电网绝缘子缺陷检测领域的泛化性较差。
实施例一
图1为本发明实施例一提供了一种绝缘子检测方法的流程图，本实施例可适用于基于热红外图像对电网系统中的电网绝缘子进行缺陷检测，及时发现电子系统中的缺陷绝缘子的情况，该方法可以由绝缘子检测装置来执行，该绝缘子检测装置可以采用硬件和/或软件的形式实现，该绝缘子检测装置可配置于可执行绝缘子检测方法的计算设备中。
如图1所示，该方法包括：
S110、获取待处理图像。
在实际应用中，基于成像设备对电网中的电网绝缘子进行拍摄，即可得到待处理图像，也就是说，待处理图像包括至少一个待检测绝缘子。其中，待检测绝缘子可以是不存在缺陷的电网绝缘子，也可以是存在缺陷的电网绝缘子。所谓待检测绝缘子是指电网系统中的电网绝缘子。在本技术方案中，主要用于对电网系统中的缺陷绝缘子进行检测，以及时发现电网系统中的缺陷绝缘子，进而保障电网系统的安全性。
可以理解的是，本技术中对绝缘子进行检测的方法也可以应用于其他领域内的绝缘子检测。
可选的，获取待处理图像包括：基于热红外成像设备对待检测区域进行拍摄，得到包含至少一个待检测绝缘子的原始图像；对原始图像进行单通道化处理和图像归一化处理，得到待处理图像。
其中，热红外成像设备是指可以通过非接触探测红外能量，并将其转换为电信号，进而在显示器上生成热图像的成像设备。相应的，基于热红外成像设备对待检测绝缘子进行拍摄所得到的原始图像为包含温度信息的热图像。
在本技术方案中，选用热红外成像设备对电网系统中的待检测绝缘子进行拍摄，得到原始图像。进一步的，对原始图像进行通道数判断，若原始图像的通道数大于1时，如，原始图像为RGB图像，其通道数为3，则可以基于以下公式对原始图像进行单通道化处理：
I(x，y)＝αR(x，y)+βG(x，y)+γB(x，y)
其中，I(x，y)表示对原始图像经过单通道化处理后在(x，y)处的像素值，R(x，y)表示原始图像R通道在(x，y)处的像素值，G(x，y)表示原始图像G通道在(x，y)处的像素值，B(x，y)表示原始图像B通道在(x，y)处的像素值，α表示对R通道的修正系数，β表示对G通道的修正系数，γ表示对B通道的修正系数。
在此基础上，基于以下公式对单通道化处理后的原始图像进行图像归一化处理：
其中，I(x，y)表示对原始图像经过单通道化处理后在(x，y)处的像素值，Xmin表示原始图像经过单通道化处理后的最小像素值，Xmax表示图像中最大的像素值，表示待处理图像在(x，y)处的最终像素值。
这样设置的好处在于，基于热红外成像设备对电网系统中的待检测绝缘子进行拍摄并处理后，得到待处理图像。基于待处理图像中的温度数据，可以在待检测绝缘子内部存在局部放电和内部缺陷等潜在缺陷时，及时发现存在潜在缺陷的待检测绝缘子。此外，通过对热红外成像设备拍摄的原始图像进行单通道化处理和图像归一化处理，即便原始图像为多通道图像数据，也可以对原始图像进行处理，提高了基于图像对电网系统中的待检测绝缘子进行缺陷检测的泛化性。
S120、针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量。
其中，在待处理图像中包括至少一个待检测绝缘子，在对各待检测绝缘子进行缺陷检测时，需要对各待检测绝缘子分别进行缺陷检测，因此，将待处理图像中每个待检测绝缘子所在图像区域作为待使用子图像，以基于待使用子图像对相应的待检测绝缘子进行缺陷检测。针对各待使用子图像，基于预先构建的向量处理模型对待处理子图像进行特征信息提取，以得到与各待使用子图像相对应的待比对向量。即，待比对向量为基于待使用子图像中的特征信息进行向量化处理后的向量。
具体的，在获取待处理图像后，为了方便对待处理图像中的每个待检测绝缘子进行缺陷检测，可以将对待处理图像进行图像分割处理，将每个待检测绝缘子所在图像区域作为一个待使用子图像。进一步的，根据各待使用子图像所对应的特征信息，得到与相应的待使用子图像所对应的待检测绝缘子所对应的待比对向量。
S130、根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量。
在本技术方案中，目标绝缘子是指与待检测绝缘子的类型相一致的具有正常功能的绝缘子。在待处理图像中包括至少一个待检测绝缘子，各待检测绝缘子的类型可以是相同的，也可能是不同的，以其中一个待检测绝缘子为当前绝缘子为例，目标绝缘子是指与当前绝缘子的类型一致，具有正常功能的电网绝缘子。也就是说，在对每个待检测绝缘子进行缺陷检测时，需要调取与相应的待检测绝缘子相对应的目标绝缘子。模板图像是指包含目标绝缘子的单通道图像。目标向量是指基于目标绝缘子所对应的模板图像中的特征信息所得到的特征向量。在本技术方案中，待检测向量是指基于预设的向量计算函数对待比对向量和目标向量进行计算得到的向量信息。通过对待检测向量进行检测可以确定相应的待检测绝缘子是否为缺陷绝缘子。
S140、若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
其中，预设向量检测条件包括第一向量阈值和第二向量阈值，预设向量检测条件可以用于待检测向量进行向量检测，以确定相应的待检测向量所对应的待检测绝缘子是否存在缺陷。缺陷绝缘子是指存储缺陷的电网绝缘子，如，外部缺损的电网绝缘子、局部放电的电网绝缘子或存在内部缺陷的电网绝缘子等。
在本技术方案中，设置第一向量阈值和第二向量阈值，以对待检测向量进行向量检测。可选的，若待检测向量满足预设向量检测条件，则将当前向量所对应的待检测绝缘子确定为目标绝缘子，包括：若待检测向量大于第一向量阈值且小于第二向量阈值，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。若待检测向量小于等于第一向量阈值，或小于等于第二向量阈值，则确定待检测向量所对应的待检测绝缘子为正常绝缘子。
其中，对于待检测向量和相应的目标向量来说，第一向量阈值可以用于区分待检测向量所对应的待检测绝缘子是否为缺陷绝缘子。第二向量阈值可以用于进一步的区分待检测绝缘子与目标绝缘子是否处于同一类型的电网绝缘子。
在实际应用中，为了确定待检测绝缘子是否为缺陷绝缘子，可以基于第一向量阈值和第二向量阈值对待检测向量进行检测。在本技术方案中，在初步确定待检测绝缘子所对应的目标绝缘子后，可能存在误判的情况，因此，可以基于第二向量阈值进一步的对待检测绝缘子所对应的待检测向量进行向量检测。当待检测向量大于第二向量阈值时，其表明待检测向量所对应的待检测绝缘子与调取的目标绝缘子存在较大差异，因此，目标绝缘子与待检测绝缘子不是同一类型的电网绝缘子，需要重新确定与待检测绝缘子相对应的目标绝缘子，以基于更新后的目标绝缘子对待检测绝缘子重新进行检测。若待检测向量大于或等于第二向量阈值，则表明待检测绝缘子与调取的目标绝缘子为同一类型的电网绝缘子。若待检测向量小于或等于第一向量阈值，则表明待检测向量所对应的待检测绝缘子为正常绝缘子。若待检测向量大于第一向量阈值且小于第二向量阈值，则表明待检测向量所对应的待检测绝缘子为缺陷绝缘子。
本发明实施例的技术方案，通过获取待处理图像，其中，待处理图像为热红外图像，在待处理图像中包括至少一个待检测绝缘子。针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量，在实际应用中，需要对每个待检测绝缘子进行缺陷检测，因此，确定与各待检测绝缘子相对应的图像区域为与待检测绝缘子相对应的待使用子图像，以基于各待使用子图像计算相应的待比对向量。同时，根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量，根据待检测绝缘子的类型确定目标绝缘子，并调取与目标绝缘子相对应的模板图像，以基于模板图像确定与目标绝缘子相对应的目标向量。进一步的，基于预设的向量处理函数对待比对向量和目标向量进行处理，得到待检测向量。若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子，在本技术方案中，预设向量检测条件包括第一向量阈值和第二向量阈值，若待检测向量大于第一向量阈值且小于第二向量阈值，则确定相应的待检测绝缘子为缺陷绝缘子。通过统一化的检测标准和检测方式，不仅解决了基于人工巡检的方式存在主观性较强的问题，还解决了基于人工方式的检测效率低和危险性高的问题。此外，在实际应用中，通过在热红外图像的基础上进行绝缘子缺陷检测，可以在电网绝缘子出现局部放电或内部放热等潜在危险时，及时检测出存在潜在缺陷的电网绝缘子。实现了提高对电网绝缘子的检测效率，同时避免了基于人工检测方式的主观性影响和危险因素，并及时检测出电网系统中的缺陷绝缘子的效果。
实施例二
图2为本发明实施例二提供的一种绝缘子检测方法的流程图，可选的，对根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量进行细化。
如图2所示，该方法包括：
S210、获取待处理图像。
S220、针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量。
在实际应用中，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量，包括：对处理图像进行对象识别，得到待处理图像中的至少一个待检测绝缘子，并确定与各待检测绝缘子相对应的待比对子图像；针对各待比对子图像，确定当前待比对子图像与目标比对图像的图像待确定相似度；其中，目标比对图像为与目标绝缘子相对应的图像；若待确定相似度大于相似度阈值，则确定当前待比对子图像为待使用子图像；基于待使用子图像，确定与待检测绝缘子相对应的待比对向量。
其中，为了对待处理图像中包含的待检测绝缘子分别进行缺陷检测，需要识别待处理图像中的各待检测绝缘子，并对待处理图像进行分割处理，得到与各待检测绝缘子相对应的待使用子图像。
可以理解的是，在待处理图像中除了待检测绝缘子外可能还包含其他物体，如电线、变压器或者其他电网元件等，在本技术方案中，为了方便对待检测绝缘子进行缺陷检测，首先对待处理图像中的待检测绝缘子进行图像提取，得到与待检测绝缘子相对应的待比对图子图像。进一步的，一般来说，所处同一电网区域的待检测绝缘子为同一类型的电网绝缘子，但实际情况中也可能存在同一电网区域中的待检测绝缘子为不同类型的待检测绝缘子，或者在该电网区域内存在与待检测绝缘子形状较为相似的元器件。因此，在初步对待处理图像进行对象识别时，可能存在将与待检测绝缘子形状相似的元器件误认为待检测绝缘子。
基于此，本技术方案在对待处理图像进行对象识别，得到至少一个待比对子图像后，调取与目标绝缘子相对应的目标比对图像，并分别计算各待比对子图像与目标比对图像之间的待确定相似度。若待确定相似度大于预设的相似度阈值，则可以将相应的待比对子图像作为待使用子图像，以进一步的计算与各待使用子图像相对应的待比对向量。
需要说明的是，在对待检测绝缘子进行缺陷检测时，已预知待检测绝缘子的绝缘子类型，相应的，可以根据待检测绝缘子的绝缘子类型将具有正常使用功能的绝缘子作为目标绝缘子，并将目标绝缘子所对应的图像作为目标比对图像。
示例性地，基于以下公式可以基于待处理图像得到至少一个待比对子图像：
其中，x表示图像的水平方向的像素坐标值，y表示图像的垂直方向的像素坐标值，γ表示惩罚项系数，M为n×n的特征矩阵，n∈{3，5，7，9，11}，I(x，y)表示对原始图像经过单通道化处理后在(x，y)处的像素值，I′(x，y)表示待比对子图像在(x，y)处的最终像素值。
其中，σ表示修正系数，σ∈(0.75，0.85)。
可选的，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量，包括：对待使用子图像进行特征提取，得到与待使用子图像相对应的至少一个待使用特征信息；基于预先训练好的向量处理模型，对至少一个待使用特征信息进行向量计算，得到与待检测绝缘子对应的待比对向量。
其中，待使用特征信息可以理解为从待使用子图像中提取的与待检测绝缘子相对应的特征信息，如，待使用特征信息中可以包括待检测绝缘子的形状特征、像素值信息以及关键特征点信息等。
在实际应用中，以其中一个待使用子图像为例，对待使用子图像进行特征提取，可以得到至少一个待使用特征信息，进一步的，将至少一个待使用特征信息输入预先训练好的向量处理模型，以基于待使用子图像得到与相应的待检测绝缘子相对应的待比对向量。可以理解的是，在本技术方案中所使用的向量处理模型可以为现有技术中的向量计算模型，在此不做具体限定。
S230、根据目标绝缘子所对应的待识别标识，从预先构建的模板图像数据库中调取与待识别标识相对应的模板图像。
其中，待识别标识可以用于从模板图像数据库中调取与目标绝缘子相对应的模板图像。如，待识别标识可以是目标绝缘子在模板图像数据库中的类型标识。在模板图像数据库中预先存储了与不同类型的电网绝缘子相对应的绝缘子模板图像，且各绝缘子模板图像为具有正常使用功能的绝缘子所对应的图像。
具体的，在确定待检测绝缘子所对应的绝缘子类型后即可确定目标绝缘子，并根据目标绝缘子所对应的待识别标识从预先构建的模板图像数据库中调取相应的模板图像，以基于该模板图像对待检测绝缘子进行缺陷检测。
S240、提取模板图像中的至少一个待处理特征信息，并基于预先训练好的向量处理模型，对至少一个待处理特征信息进行向量计算，得到与目标绝缘子相对应的目标向量。
其中，待处理特征信息可以理解为从与目标绝缘子相对应的模板图像中提取的特征信息。相类似的，在待处理特征信息中包括目标绝缘子的形状特征、像素值信息以及关键特征点信息等。
具体的，将至少一个待处理特征信息输入预先训练好的向量处理模型，以基于待使用子图像得到与相应的目标绝缘子相对应的目标向量。需要说明的是，对待处理特征信息进行处理的向量处理模型和对待使用特征信息进行向量处理的向量处理模型为同一模型，以保证输出的待比对向量和目标比对向量的数据一致性。
S250、基于预设的向量计算函数，对待比对向量和目标向量进行向量计算，得到待检测向量。
在一个具体的例子中，向量计算函数可以用以下公式表示：
其中，F(Vr，Vm)表示待检测向量，Vr表示待比对向量，Vm表示目标向量。
基于预设的向量计算函数对待比对向量和目标向量进行计算，得到待检测向量。
S260、若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
在此基础上，基于预设向量检测条件对待检测向量进行检测，具体的，可以基于以下公式对待检测向量进行检测：
其中，P表示检测结果，∝1表示第一向量阈值，∝2表示第二向量阈值。
其中，P的取值可以为“1”或“0”，当P＝1时，表示待检测向量所对应的待检测绝缘子为缺陷绝缘子，当P＝0时，表示待检测向量所对应的待检测绝缘子为正常绝缘子，或目标向量所对应的目标绝缘子与待检测绝缘子为不同类型的电网绝缘字。
其中，∝1是指当待检测绝缘子与目标绝缘子为同一电网绝缘子时，用于区分正常绝缘子与缺陷绝缘子的向量阈值，可用于确定待检测绝缘子是否为缺陷绝缘子，∝2是指用于确定待检测绝缘子与目标绝缘子是否为同一类型的电网绝缘子的向量阈值，可用于确定待检测绝缘子是否与目标绝缘子为同一类型的电网绝缘子。
具体的，∝1的取值范围可以设置为(0，0.45)，∝2的取值范围可以设置为(0.75，0.98)。当待检向量小于或等于第一向量阈值时，表示目标绝缘子与待检测绝缘子为同一类型的电网绝缘子，且待检测绝缘子为正常绝缘子。当待检测向量大于第一向量阈值且小于第二向量阈值时，其表明目标绝缘子与待检测绝缘子为同一类型的电网绝缘子，此时，待检测绝缘子为缺陷绝缘子。当待检测向量大于或等于第二向量阈值时，表名目标绝缘子与待检测绝缘子的类型不同，其表明，此时的目标绝缘子为误判，基于该目标绝缘子对待检测绝缘子进行缺陷检测的结果是不准确的，需要重新确定与待检测绝缘子相对应的目标绝缘子，以基于重新确定的目标绝缘子对待检测绝缘子进行缺陷检测。
本发明实施例的技术方案，通过针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量；根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量；若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。通过统一化的检测标准和检测方式，不仅解决了基于人工巡检的方式存在主观性较强的问题，还解决了基于人工方式的检测效率低和危险性高的问题。此外，在实际应用中，通过在热红外图像的基础上进行绝缘子缺陷检测，可以在电网绝缘子出现局部放电或内部放热等潜在危险时，及时检测出存在潜在缺陷的电网绝缘子。实现了提高对电网绝缘子的检测效率，同时避免了基于人工检测方式的主观性影响和危险因素，并及时检测出电网系统中的缺陷绝缘子的效果。
实施例三
在一个具体的例子中，如图3所示，在绝缘子检测装置包括前端模组和后端模组。其中，前端模组中包括电网绝缘子场景数据采集设备和热红外数据转为热像模块，在实际使用中，基于电网绝缘子场景数据采集设备(即，热红外成像设备)对电网系统中的电网绝缘子(即，待检测绝缘子)进行拍摄，并将拍摄的原始图像转换为热像数据图像(即，原始图像)。在后端模组中包括热像预处理模块、图像特征提取模块、电网绝缘子模板特征图生成模块、似电网绝缘子提取模块和模板匹配绝缘子缺陷检测模块。
在获取包含至少一个待检测绝缘子的原始图像后，基于热像处理模块对原始图像进行单通道化处理和图像归一化处理，得到待处理图像。进一步的，基于图像特征提取模块对待处理图像进行处理，首先，将待处理图像进行对象识别，将每待检测绝缘子对应的图像区域作为待比对子图像。同时，基于电网绝缘子模板特征图生成模块调取与待检测绝缘子相对应的目标绝缘子所对应的目标比对图像，并基于似电网绝缘子提取模块对待比对子图像和目标比对图像进行相似度计算，得到待确定相似度。当待确定相似度大于相似度阈值时，则可以将相对应的待比对子图像作为待使用子图像。
进一步的，以其中一个待检测绝缘子所对应的待使用子图像为例，基于预设的向量处理模型分别提取待使用子图像的至少一个待使用特征信息，并对至少一个待使用特征信息进行向量化计算，得到待比对向量。同时，基于该向量处理模型提取目标绝缘子的模板图像中的至少一个待处理特征信息，并对至少一个待处理特征信息进行向量化计算，得到目标向量。在此基础上，基于预设的向量处理函数对待比对向量和目标向量进行计算，得到待检测向量，并基于预设向量检测条件对待检测向量进行检测。其中，预设向量检测条件中包括第一向量阈值和第二向量阈值。若待检测向量小于或等于第一向量阈值，则确定相应的待检测绝缘子为正常绝缘子。若待检测向量大于或等于第二向量阈值，则确定相应的待检测绝缘子与调用的目标绝缘子的类型不同，也就是说，基于当前确定的目标绝缘子对待检测绝缘子进行缺陷检测的检测结果不准确，因此，需要重新确定与待检测绝缘子对应的目标绝缘子，并基于重新确定的目标绝缘子对待检测绝缘子进行缺陷检测。若待检测向量大于第一向量阈值，且小于第二向量阈值，则确定相应的待检测绝缘子为缺陷绝缘子。
实施例四
图4为本发明实施例四提供的一种绝缘子检测装置的结构示意图。如图4所示，该装置包括：图像获取模块310、待比对向量确定模块320、待检测向量确定模块330和目标绝缘子确定模块340。
其中，图像获取模块310，用于获取待处理图像；其中，待处理图像包括至少一个待检测绝缘子；
待比对向量确定模块320，用于针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量；
待检测向量确定模块330，用于根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量；
目标绝缘子确定模块340，用于若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
本发明实施例的技术方案，通过针对每个待检测绝缘子，基于待处理图像确定与待检测绝缘子相对应的待使用子图像，基于待使用子图像，确定与待检测绝缘子相对应的待比对向量；根据与目标绝缘子相对应的模板图像，得到与目标绝缘子相对应的目标向量，基于待比对向量和目标向量得到待检测向量；若待检测向量满足预设向量检测条件，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。通过统一化的检测标准和检测方式，不仅解决了基于人工巡检的方式存在主观性较强的问题，还解决了基于人工方式的检测效率低和危险性高的问题。此外，在实际应用中，通过在热红外图像的基础上进行绝缘子缺陷检测，可以在电网绝缘子出现局部放电或内部放热等潜在危险时，及时检测出存在潜在缺陷的电网绝缘子。实现了提高对电网绝缘子的检测效率，同时避免了基于人工检测方式的主观性影响和危险因素，并及时检测出电网系统中的缺陷绝缘子的效果。
可选的，图像获取模块包括：原始图像确定子模块，用于基于热红外成像设备对待检测区域进行拍摄，得到包含至少一个待检测绝缘子的原始图像；
待处理图像确定子模块，用于对原始图像进行单通道化处理和图像归一化处理，得到待处理图像。
可选的，待比对向量确定模块包括：待比对子图像确定子模块，用于对处理图像进行对象识别，得到待处理图像中的至少一个待检测绝缘子，并确定与各待检测绝缘子相对应的待比对子图像；
相似度确定子模块，用于针对各待比对子图像，确定当前待比对子图像与目标比对图像的图像待确定相似度；其中，目标比对图像为与目标绝缘子相对应的图像；
待使用子图像确定子模块，用于若待确定相似度大于相似度阈值，则确定当前待比对子图像为待使用子图像；
待比对向量确定子模块，用于基于待使用子图像，确定与待检测绝缘子相对应的待比对向量。
可选的，待比对向量确定子模块包括：待使用特征信息确定单元，用于对待使用子图像进行特征提取，得到与待使用子图像相对应的至少一个待使用特征信息；
待比对向量确定单元，用于基于预先训练好的向量处理模型，对至少一个待使用特征信息进行向量计算，得到与待检测绝缘子对应的待比对向量。
可选的，待检测向量确定模块包括：模板图像调取子模块，用于根据目标绝缘子所对应的待识别标识，从预先构建的模板图像数据库中调取与待识别标识相对应的模板图像；
目标向量确定子模块，用于提取模板图像中的至少一个待处理特征信息，并基于预先训练好的向量处理模型，对至少一个待处理特征信息进行向量计算，得到与目标绝缘子相对应的目标向量；
待检测向量确定子模块，用于基于预设的向量计算函数，对待比对向量和目标向量进行向量计算，得到待检测向量。
可选的，目标绝缘子确定模块，用于若待检测向量大于第一向量阈值且小于第二向量阈值，则将待检测向量所对应的待检测绝缘子确定为缺陷绝缘子；
其中，预设向量检测条件包括第一向量阈值和第二向量阈值。
可选的，目标绝缘子确定模块，还用于若待检测向量小于等于第一向量阈值，或小于等于第二向量阈值，则确定待检测向量所对应的待检测绝缘子为正常绝缘子。
本发明实施例所提供的绝缘子检测装置可执行本发明任意实施例所提供的绝缘子检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了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5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，例如绝缘子检测方法。
在一些实施例中，绝缘子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RAM13并由处理器11执行时，可以执行上文描述的绝缘子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)而被配置为执行绝缘子检测方法。
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。
用于实施本发明的绝缘子检测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 (10)
1.一种绝缘子检测方法，其特征在于，包括：
获取待处理图像；其中，所述待处理图像包括至少一个待检测绝缘子；
针对每个所述待检测绝缘子，基于所述待处理图像确定与所述待检测绝缘子相对应的待使用子图像，基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量；
根据与目标绝缘子相对应的模板图像，得到与所述目标绝缘子相对应的目标向量，基于所述待比对向量和所述目标向量得到待检测向量；
若所述待检测向量满足预设向量检测条件，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像包括：
基于热红外成像设备对待检测区域进行拍摄，得到包含至少一个待检测绝缘子的原始图像；
对所述原始图像进行单通道化处理和图像归一化处理，得到待处理图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述待处理图像确定与所述待检测绝缘子相对应的待使用子图像，基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量，包括：
对所述处理图像进行对象识别，得到所述待处理图像中的至少一个待检测绝缘子，并确定与各所述待检测绝缘子相对应的待比对子图像；
针对各待比对子图像，确定当前待比对子图像与目标比对图像的图像待确定相似度；其中，所述目标比对图像为与所述目标绝缘子相对应的图像；
若所述待确定相似度大于相似度阈值，则确定所述当前待比对子图像为待使用子图像；
基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量。
4.根据权利要求3所述的方法，其特征在于，所述基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量，包括：
对所述待使用子图像进行特征提取，得到与所述待使用子图像相对应的至少一个待使用特征信息；
基于预先训练好的向量处理模型，对至少一个所述待使用特征信息进行向量计算，得到与所述待检测绝缘子对应的待比对向量。
5.根据权利要求1所述的方法，其特征在于，所述根据与目标绝缘子相对应的模板图像，得到与所述目标绝缘子相对应的目标向量，基于所述待比对向量和所述目标向量得到待检测向量，包括：
根据目标绝缘子所对应的待识别标识，从预先构建的模板图像数据库中调取与所述待识别标识相对应的模板图像；
提取所述模板图像中的至少一个待处理特征信息，并基于预先训练好的向量处理模型，对至少一个所述待处理特征信息进行向量计算，得到与所述目标绝缘子相对应的目标向量；
基于预设的向量计算函数，对所述待比对向量和所述目标向量进行向量计算，得到待检测向量。
6.根据权利要求1所述的方法，其特征在于，所述若所述待检测向量满足预设向量检测条件，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子，包括：
若所述待检测向量大于第一向量阈值且小于第二向量阈值，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子；
其中，所述预设向量检测条件包括所述第一向量阈值和所述第二向量阈值。
7.根据权利要求6所述的方法，其特征在于，还包括：
若所述待检测向量小于等于所述第一向量阈值，则确定所述待检测向量所对应的待检测绝缘子为正常绝缘子；
若所述待检测向量大于或等于所述第二向量阈值，则重新对所述待检测向量所对应的待检测绝缘子重新进行缺陷检测。
8.一种绝缘子检测装置，其特征在于，包括：
图像获取模块，用于获取待处理图像；其中，所述待处理图像包括至少一个待检测绝缘子；
待比对向量确定模块，用于针对每个所述待检测绝缘子，基于所述待处理图像确定与所述待检测绝缘子相对应的待使用子图像，基于所述待使用子图像，确定与所述待检测绝缘子相对应的待比对向量；
待检测向量确定模块，用于根据与目标绝缘子相对应的模板图像，得到与所述目标绝缘子相对应的目标向量，基于所述待比对向量和所述目标向量得到待检测向量；
目标绝缘子确定模块，用于若所述待检测向量满足预设向量检测条件，则将所述待检测向量所对应的待检测绝缘子确定为缺陷绝缘子。
9.一种电子设备，其特征在于，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权利要求1-7中任一项所述的绝缘子检测方法。
10.一种计算机可读存储介质，其特征在于，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权利要求1-7中任一项所述的绝缘子检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310855641.4A CN116912194A (zh) | 2023-07-12 | 2023-07-12 | 一种绝缘子检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310855641.4A CN116912194A (zh) | 2023-07-12 | 2023-07-12 | 一种绝缘子检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116912194A true CN116912194A (zh) | 2023-10-20 |
Family
ID=88366101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310855641.4A Pending CN116912194A (zh) | 2023-07-12 | 2023-07-12 | 一种绝缘子检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116912194A (zh) |
-
2023
- 2023-07-12 CN CN202310855641.4A patent/CN116912194A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597837B (zh) | 图像检测方法、装置、设备、存储介质和计算机程序产品 | |
| CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
| CN114549904B (zh) | 视觉处理及模型训练方法、设备、存储介质及程序产品 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN116596854A (zh) | 一种设备缺陷的识别方法、装置、设备及介质 | |
| CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
| CN117611483A (zh) | 一种图像采集方法、装置、设备及存储介质 | |
| CN117934897A (zh) | 一种设备异常检测方法、装置、设备以及存储介质 | |
| CN115174774B (zh) | 一种深度图像的压缩方法、装置、设备及存储介质 | |
| CN115018784B (zh) | 一种导线散股缺陷的检测方法、装置、设备及介质 | |
| CN115311624B (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
| CN116912194A (zh) | 一种绝缘子检测方法、装置、电子设备及存储介质 | |
| CN112991451B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
| CN113553905B (zh) | 图像识别方法、装置及系统 | |
| CN115205939B (zh) | 人脸活体检测模型训练方法、装置、电子设备及存储介质 | |
| CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
| CN115361584B (zh) | 一种视频数据处理方法、装置、电子设备及可读存储介质 | |
| CN115953723B (zh) | 一种静帧检测方法、装置、电子设备和存储介质 | |
| CN116758386B (zh) | 一种电缆隧道渗水检测方法、装置、设备和存储介质 | |
| CN116229209B (zh) | 目标模型的训练方法、目标检测方法及装置 | |
| CN118212275A (zh) | 一种电力图像的局部配准方法、装置、设备及介质 | |
| CN117218386A (zh) | 配电线路图像的处理方法、装置、电子设备及存储介质 | |
| CN118212668A (zh) | 一种目标识别方法、装置、电子设备及介质 | |
| CN116112801A (zh) | 一种图像采集角度的调整方法、装置、设备及介质 | |
| CN116682124A (zh) | 一种数据录入方法、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 |