CN117079221A - 抽蓄电站地下工程的施工安全监测方法及装置 - Google Patents

抽蓄电站地下工程的施工安全监测方法及装置 Download PDF

Info

Publication number
CN117079221A
CN117079221A CN202311322145.9A CN202311322145A CN117079221A CN 117079221 A CN117079221 A CN 117079221A CN 202311322145 A CN202311322145 A CN 202311322145A CN 117079221 A CN117079221 A CN 117079221A
Authority
CN
China
Prior art keywords
image
difference
enhanced
noise reduction
feature
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
Application number
CN202311322145.9A
Other languages
English (en)
Other versions
CN117079221B (zh
Inventor
曹锋
刘涛
钟建栩
郑晶星
王海波
周刚
李硕
李静
张豪
韩吉双
余少锋
杨小龙
胡广恒
葛友铖
周赞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Engineering Construction Management Branch Of China Southern Power Grid Peak Load Regulation And Frequency Modulation Power Generation Co ltd
Original Assignee
Engineering Construction Management Branch Of China Southern Power Grid Peak Load Regulation And Frequency Modulation Power Generation Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Engineering Construction Management Branch Of China Southern Power Grid Peak Load Regulation And Frequency Modulation Power Generation Co ltd filed Critical Engineering Construction Management Branch Of China Southern Power Grid Peak Load Regulation And Frequency Modulation Power Generation Co ltd
Priority to CN202311322145.9A priority Critical patent/CN117079221B/zh
Publication of CN117079221A publication Critical patent/CN117079221A/zh
Application granted granted Critical
Publication of CN117079221B publication Critical patent/CN117079221B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • 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
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种抽蓄电站地下工程的施工安全监测方法，包括：采集抽蓄电站的地下施工现场的现场图像集；对现场图像集中的现场图像进行图像降噪，得到现场图像的降噪图像；根据预设的特征提取算法提取降噪图像的图像特征，根据图像特征对降噪图像进行特征增强，得到降噪图像的增强图像；对增强图像进行差异比对，得到增强图像的图像差异特征；利用图像差异特征生成增强图像的图像异常值，根据图像异常值和预设的监测阈值确定抽蓄电站的施工现场危险点，本发明还提出一种抽蓄电站地下工程的施工安全监测装置。本发明可以提高抽蓄电站地下工程的施工安全监测的效率。

Description

抽蓄电站地下工程的施工安全监测方法及装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种抽蓄电站地下工程的施工安全监测方法及装置。
背景技术
在抽蓄电站地下工程的施工中，实施安全监测具有重要的经济和安全意义。在经济方面，抽蓄电站地下工程的施工安全监测能够有效预防事故和减少损失，从而节约成本；从安全角度考虑，抽蓄电站地下工程的施工涉及到复杂的地质条件、人员密集和机械设备操作等危险因素，科学合理的施工安全监测系统可以及时发现并消除这些潜在的风险，确保工人的安全与健康，同时，利用安全监测技术还可以对施工材料和设备进行质量控制，确保施工过程的安全性和可靠性。
传统的安全监测通常依赖于人工巡视和观察，这种方式存在着监测范围有限、监测频率低、容易疏忽等问题，由于人工监测的局限性，很难及时发现和处理施工过程中可能出现的安全隐患，另外，传统的安全监测系统往往无法实时将采集到的数据进行处理和分析，监测数据的管理与利用存在一定的困难，这导致了监测数据的时效性和可操作性不足，无法及时预警和响应施工中的安全风险，因此，如何提升抽蓄电站地下工程的施工安全监测时的效率，成为了亟待解决的问题。
发明内容
本发明提供一种抽蓄电站地下工程的施工安全监测方法及装置，其主要目的在于解决抽蓄电站地下工程的施工安全监测时效率较低的问题。
为实现上述目的，本发明提供的一种抽蓄电站地下工程的施工安全监测方法，包括：
采集抽蓄电站的地下施工现场的现场图像集；
对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像；
根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，其中，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数和/>进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识；
对所述增强图像进行差异比对，得到所述增强图像的图像差异特征；
利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
可选地，所述采集抽蓄电站的地下施工现场的现场图像集，包括：
对预设的图像采集设备进行参数初始化，得到初始化完成的图像采集设备；
利用所述初始化完成的图像采集设备对抽蓄电站的地下施工现场进行图像采集，得到所述地下施工现场的采集图像；
按照所述采集图像的时间顺序生成所述采集图像的现场图像集。
可选地，所述对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像，包括：
对所述现场图像集中的现场图像进行对比度增强，得到所述现场图像的增强图像；
利用预设的降噪算法对所述增强图像进行图像降噪，得到所述增强图像的降噪图像，其中，所述预设的降噪算法为：
；
其中，表示所述降噪图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像的当前像素的位置，/>表示所述当前像素的邻域像素的位置，S表示所述邻域像素的集合，表示位置/>和/>之间的距离权重，/>表示像素/>和之间的灰度差异的权重。
可选地，所述根据预设的特征提取算法提取所述降噪图像的图像特征，包括：
确定所述降噪图像的图像像素值，根据所述图像像素值对所述降噪图像进行归一化处理，得到所述降噪图像的归一化图像；
根据所述归一化图像和预设的特征提取算法生成所述降噪图像的图像特征。
可选地，所述根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，包括：
根据所述图像特征生成所述降噪图像的图像节点，根据所述图像节点划分所述降噪图像的图像区域；
逐个对所述图像区域进行区块特征加强，得到所述图像区域的区块加强特征；
根据所述区块加强特征生成所述降噪图像的增强图像。
可选地，所述对所述增强图像进行差异比对，得到所述增强图像的图像差异特征，包括：
生成所述增强图像的图像特征值；
根据所述增强图像的时间标签对所述图像特征值进行标识处理，得到所述图像特征值的图像标识值；
根据所述图像标识值确定所述增强图像的差异度，根据所述差异度生成所述增强图像的图像差异特征。
可选地，所述根据所述图像标识值确定所述增强图像的差异度，包括：
根据所述时间标签对所述图像标识值进行数值比较，根据所述数值比较的比较结果确定所述增强图像的变化程度；
对所述变化程度进行量化处理，得到所述增强图像的差异度。
可选地，所述根据所述差异度生成所述增强图像的图像差异特征，包括：
确定所述差异度所对应的时间标签，根据所述时间标签确定所述增强图像中的差异图像；
根据所述差异度对所述差异图像的图像特征值进行叠加处理，得到所述差异图像的图像特征值的特征叠加值；
根据所述特征叠加值生成所述增强图像的图像差异特征。
可选地，所述利用所述图像差异特征生成所述增强图像的图像异常值，包括：
对所述图像差异特征进行特征选择，得到所述图像差异特征的目标特征；
根据所述图像差异特征的特征关键度生成所述目标特征的特征权重；
利用所述特征权重对所述目标特征进行加权处理，得到所述目标特征的加权特征，根据所述加权特征生成所述增强图像的图像异常值。
为了解决上述问题，本发明还提供一种抽蓄电站地下工程的施工安全监测装置，所述装置包括：
采集图像模块，用于采集抽蓄电站的地下施工现场的现场图像集；
图像降噪模块，用于对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像；
特征增强模块，用于根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，其中，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数和/>进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识；
差异比对模块，用于对所述增强图像进行差异比对，得到所述增强图像的图像差异特征；
危险点确定模块，用于利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
本发明实施例通过采集抽蓄电站地下施工现场的现场图像集，可以实时获取施工现场的视觉信息，这为后续的安全监测和分析提供了数据基础，对现场图像进行降噪处理可以去除图像中的噪声和干扰，提高图像的清晰度和质量，降噪后的图像更易于后续特征提取和分析，减少了误判的可能性，利用预设的特征提取算法从降噪图像中提取关键的图像特征，并对降噪图像进行增强，其中，特征提取和增强可以突出图像中的目标物体或异常情况，帮助监测人员更好地识别和分析施工现场的危险点，将增强图像与原始图像进行差异比对，可以有效地发现图像中的变化和异常情况，通过比对分析，可以及时发现施工现场的危险点，并进行预警和处理，利用图像差异特征生成增强图像的图像异常值，通过设定预设的监测阈值，可以判断图像异常值是否达到或超过了安全预警的标准，这样可以自动化地检测和识别抽蓄电站地下工程施工现场的危险点，提高了监测效率，因此本发明提出抽蓄电站地下工程的施工安全监测方法及装置，可以解决抽蓄电站地下工程的施工安全监测效率较低的问题。
附图说明
图1为本发明一实施例提供的抽蓄电站地下工程的施工安全监测方法的流程示意图；
图2为本发明一实施例提供的采集抽蓄电站的现场图像集的流程示意图；
图3为本发明一实施例提供的降噪图像的特征增强的流程示意图；
图4为本发明一实施例提供的抽蓄电站地下工程的施工安全监测装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种抽蓄电站地下工程的施工安全监测方法。所述抽蓄电站地下工程的施工安全监测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述抽蓄电站地下工程的施工安全监测方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的抽蓄电站地下工程的施工安全监测方法的流程示意图。在本实施例中，所述抽蓄电站地下工程的施工安全监测方法包括：
S1、采集抽蓄电站的地下施工现场的现场图像集。
在本发明实施例中，参图2所示，所述采集抽蓄电站的地下施工现场的现场图像集，包括：
S21、对预设的图像采集设备进行参数初始化，得到初始化完成的图像采集设备；
S22、利用所述初始化完成的图像采集设备对抽蓄电站的地下施工现场进行图像采集，得到所述地下施工现场的采集图像；
S23、按照所述采集图像的时间顺序生成所述采集图像的现场图像集。
详细地，所述对预设的图像采集设备进行参数初始化是指对用于采集图像的设备进行设置和准备工作，例如：配置设备的参数，其中，所述配置设备的参数包括但不限于：配置摄像头的分辨率、曝光时间等，通过这个步骤，确保图像采集设备处于合适的状态，可以进行图像采集。
详细地，利用初始化完成的图像采集设备进行图像采集是指使用初始化完成的图像采集设备，将其放置在抽蓄电站地下施工现场，并启动设备进行图像采集，设备可以进行连续或间歇地采集图像，以捕捉地下施工现场的实时情况。
详细地，按照采集图像的时间顺序生成现场图像集是指根据采集的图像，按照采集时的时间顺序进行组织，生成一个现场图像集，这意味着图像集中的每张图像都按照其采集的时间进行排列，以方便后续处理和分析。
进一步地，假设某电站正在进行地下施工，为了监测施工现场的安全情况，使用本发明提出的方法，首先，对使用的图像采集设备进行参数初始化，设置摄像头的分辨率和曝光时间等；然后，将初始化完成的设备放置在地下施工现场，启动设备进行图像采集。设备每隔一段时间拍摄一张图像，假设连续拍摄了10张图像，按照拍摄时间的先后顺序，生成一个现场图像集，其中第一张图像是最早采集到的，最后一张图像是最近采集到的，这样，就得到了一个包含10张图像的现场图像集，可以进一步进行图像处理和分析，以检测施工现场的危险点。
在本发明实施例中，所述采集抽蓄电站的地下施工现场的现场图像集是为了从所述现场图像集中获取抽蓄地下工程施工中存在的危害行为，亦即，对现场图像集进行特征提取，得到抽蓄地下工程施工中存在的危害行为的行为特征。
进一步地，所述特征提取是指从施工过程中的图像数据中提取出具有代表性和区分性的特征信息。这些特征信息可以反映出可能存在危险行为或异常情况的迹象。具体而言，特征提取可以包括以下方面：形状特征、纹理特征、光度特征以及运动特征等，其中，所述形状特征是指通过分析施工现场图像中的物体形状、轮廓等信息，识别出可能存在的异常变化，例如：地层松散导致的边坡变形、隧道断面变窄等形状变化；所述纹理特征是指通过分析施工现场图像的纹理特征，如颗粒分布、纹理密度等，探测出潜在的问题，例如：地层松散引起的土壤颗粒聚集不均、地下水涌入导致的地表湿润等纹理变化；所述光度特征是指通过分析施工现场图像的亮度、色彩等光度特征信息，检测出不寻常的光线变化，例如：地下水涌入导致的图像明暗变化、局部区域光线异常等；所述运动特征是指对连续采集的图像序列进行比对，提取出物体的运动轨迹和速度信息，以判断是否存在异常变化，例如：在隧道掘进过程中，通过分析矿机或挖掘机的轨迹来检测是否存在异常挖掘行为。
S2、对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像。
在本发明实施例中，所述对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像，包括：
对所述现场图像集中的现场图像进行对比度增强，得到所述现场图像的增强图像；
利用预设的降噪算法对所述增强图像进行图像降噪，得到所述增强图像的降噪图像，其中，所述预设的降噪算法为：
；
其中，表示所述降噪图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像的当前像素的位置，/>表示所述当前像素的邻域像素的位置，S表示所述邻域像素的集合，表示位置/>和/>之间的距离权重，/>表示像素/>和之间的灰度差异的权重。
详细地，所述对所述现场图像集中的现场图像进行图像降噪是为了减少图像中的噪点和噪声，提高图像的质量和清晰度，使得图像更易于观察和分析。
进一步地，所述对所述现场图像集中的现场图像进行对比度增强是指通过增强图像中不同区域的色彩差异，可以使图像更具有视觉冲击力和细节可见性。
详细地，所述像素值表示图像中每个像素点的灰度或颜色数值。在灰度图像中，它通常表示为一个[0,255]范围内的整数，表示灰度级别；所述邻域像素是指与当前像素位置相邻的像素点，在图像处理中，可以通过定义一个像素周围的领域来确定邻域像素；所述距离权重用于计算两个像素点之间距离的权重值，通常会使用高斯函数来计算距离权重，距离越远，权重越小；所述灰度差异的权重用于衡量两个像素点之间灰度差异的权重，可以使用高斯函数来计算灰度差异的权重，灰度差异越大，权重越小。
详细地，所述预设的降噪算法中的分子部分是对增强图像的所有邻域像素进行加权平均，权重由距离权重和灰度差异的权重计算得出，分母部分是对所有邻域像素的权重进行加权求和，这个算法的作用是根据增强图像中每个像素点与其邻域像素点的距离和灰度差异来计算降噪图像中每个像素点的像素值，以减少图像中的噪声。
S3、根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像。
在本发明实施例中，所述根据预设的特征提取算法提取所述降噪图像的图像特征，包括：
确定所述降噪图像的图像像素值，根据所述图像像素值对所述降噪图像进行归一化处理，得到所述降噪图像的归一化图像；
根据所述归一化图像和预设的特征提取算法生成所述降噪图像的图像特征。
详细地，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数和/>进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识。
详细地，确定降噪图像的图像像素值需要获取降噪图像中每个像素点的像素值，所述降噪图像的图像像素值可以通过读取降噪图像的像素矩阵来实现；所述归一化处理可以将降噪图像的像素值映射到一个范围内（例如0到1之间），便于后续处理，可以使用Min-Max归一化方法，通过对每个像素值减去最小值，并除以像素值的范围（即最大值减最小值）来进行归一化。
详细地，假设降噪图像为一张数字7的手写图片，首先需要获取该图片的像素矩阵，然后使用Min-Max归一化方法将像素值映射到0到1之间；接着，通过预设的特征提取算法，使用一组基函数对该归一化图像进行图像分析，提取出图像的图像特征，该图像特征可以包括数字7的形状、笔画粗细和曲线特征等关键信息，这些信息可以用于后续的图像分类、识别或其他处理任务。
详细地，所述表示在时间点/>处使用参数/>和/>的基函数ψ的值，用于描述特定位置和尺度的基函数在图像中的贡献；/>表示所述系数的系数总数，较大的N值对应着低通滤波器具有更强的平滑效果；/>表示低通滤波器的第/>个系数的系数权重，用于平滑图像和限制高频噪声。
进一步地，所述预设的特征提取算法使用一组基函数，通过不同的尺度和位置参数来捕捉图像的局部特征，并使用低通滤波器对图像进行平滑处理，以降低高频噪声，最终，通过对所有基函数的加权贡献求和，生成降噪图像的特征，而这些参数（、/>、/>、/>、/>、/>）都是用来控制基函数形状、尺度和位置的因子，从而影响特征提取的效果和降噪图像的质量。
在本发明实施例中，参图3所示，所述根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，包括：
S31、根据所述图像特征生成所述降噪图像的图像节点，根据所述图像节点划分所述降噪图像的图像区域；
S32、逐个对所述图像区域进行区块特征加强，得到所述图像区域的区块加强特征；
S33、根据所述区块加强特征生成所述降噪图像的增强图像。
详细地，根据图像特征生成图像节点是指根据预设的图像特征提取算法，从降噪图像中提取出关键的图像特征信息，例如：可以提取出图像的边缘、纹理、颜色等特征，这些特征可以用来描述降噪图像的不同部分的特性。
详细地，根据图像节点划分图像区域：基于生成的图像节点，将降噪图像划分为不同的图像区域，划分的方式可以根据图像特征的差异性，将具有相似特征的像素区域划分为同一个图像区域，例如：可以采用聚类算法，如K-means算法，将具有相似颜色或纹理特征的像素划分为同一区域。
详细地，逐个对图像区域进行区块特征加强是指针对每个图像区域，使用特定的图像处理方法对该区域进行特征加强，特征加强的目标是通过增强区块内的图像特征，使其更加清晰、鲜明或突出，可以使用各种图像处理技术，例如锐化、增强对比度、边缘增强等方法进行区块的特征加强。
详细地，根据区块加强特征生成增强图像是指在完成所有图像区域的区块特征加强后，根据加强后的区块特征，重新生成增强图像，可以通过将加强后的区块特征与原始降噪图像进行融合或替代的方式来生成增强图像，这样，增强图像将保留原始图像的整体结构和信息，并加强了重要的图像特征。
S4、对所述增强图像进行差异比对，得到所述增强图像的图像差异特征。
在本发明实施例中，所述对所述增强图像进行差异比对，得到所述增强图像的图像差异特征，包括：
生成所述增强图像的图像特征值；
根据所述增强图像的时间标签对所述图像特征值进行标识处理，得到所述图像特征值的图像标识值；
根据所述图像标识值确定所述增强图像的差异度，根据所述差异度生成所述增强图像的图像差异特征。
详细地，生成增强图像的图像特征值是指根据增强图像的像素信息和其他相关信息，通过特定的算法或方法计算出增强图像的图像特征值，这些特征值可以包括图像的亮度、颜色分布、纹理等；所述根据所述增强图像的时间标签对所述图像特征值进行标识处理，得到所述图像特征值的图像标识值是指根据增强图像所对应的时间标签，对图像特征值进行标识处理，例如：可以将时间标签与图像特征值进行关联，形成图像标识值；所述根据所述图像标识值确定所述增强图像的差异度是指通过对图像标识值进行数值比较，可以确定增强图像的变化程度，从而确定增强图像的差异度，其中，所述差异度可以用来衡量增强图像与其他图像之间的差异程度，通过量化处理变化程度，可以得到增强图像的差异度。
进一步地，所述根据所述差异度生成所述增强图像的图像差异特征是指根据差异度所对应的时间标签，可以确定增强图像中的差异图像，所述差异图像是指与其他图像相比，在特定时间下发生了变化的部分图像，根据差异度对差异图像的图像特征值进行叠加处理，得到图像特征值的特征叠加值，最后，根据特征叠加值生成增强图像的图像差异特征。
详细地，所述根据所述图像标识值确定所述增强图像的差异度，包括：
根据所述时间标签对所述图像标识值进行数值比较，根据所述数值比较的比较结果确定所述增强图像的变化程度；
对所述变化程度进行量化处理，得到所述增强图像的差异度。
详细地，所述图像标识值是通过对图像特征值进行标识处理得到的值，它与增强图像所对应的时间标签联系在一起，用于表示该图像的特征；所述变化程度表示了图像相对于其他图像的不同程度；所述量化处理是指对变化程度进行量化处理，将其转换为数值形式，这样做可以更方便地比较和分析图像之间的差异；所述差异度是通过量化处理得到的结果，用于表示增强图像与其他图像之间的差异程度，较高的差异度表示两个图像之间有较大的差异，而较低的差异度则表示它们之间差异较小。
例如：假设有三个增强图像A、B和C，它们分别对应的时间标签为T1、T2和T3，现根据以下步骤来确定它们之间的差异度：首先，对于图像A、B和C，根据像素信息和其他相关信息计算出它们的图像特征值，然后， 将时间标签与图像特征值进行关联，形成图像标识值，其中，图像A的标识值为IA(T1)、图像B的标识值为IB(T2)以及图像C的标识值为IC(T3)，接着对图像标识值进行数值比较，以确定变化程度，比较IA(T1)和IB(T2)，得到变化程度DA,B；比较IB(T2)和IC(T3)，得到变化程度DB,C，然后，对变化程度进行量化处理，得到差异度，其中，差异度D(A,B) = 量化(DA,B)；差异度D(B,C) = 量化(DB,C)，所以，图像A和图像B之间的差异度D(A,B)，以及图像B和图像C之间的差异度D(B,C)。
详细地，所述根据所述差异度生成所述增强图像的图像差异特征，包括：
确定所述差异度所对应的时间标签，根据所述时间标签确定所述增强图像中的差异图像；
根据所述差异度对所述差异图像的图像特征值进行叠加处理，得到所述差异图像的图像特征值的特征叠加值；
根据所述特征叠加值生成所述增强图像的图像差异特征。
详细地，所述时间标签是与差异度所对应的时间相关的标签，通过时间标签可以确定增强图像中的差异图像与具体的时间点相关联；所述差异图像是根据差异度所对应的时间标签从增强图像中提取的图像，差异图像反映了增强图像相对于其他图像的差异；所述图像特征值是用于描述和表示图像特征的数值。它可以包括像素信息、颜色分布、纹理等内容。
进一步地，将差异度与差异图像的图像特征值进行叠加处理，以得到差异图像的图像特征值的特征叠加值，通过叠加处理，可以将差异度的信息融入到差异图像的特征值中。
例如：假设有一个增强图像A，它对应的时间标签为T1，并且有一个差异度D(A)。现根据以下步骤来生成增强图像A的图像差异特征：首先，根据时间标签T1，从增强图像A中提取出差异图像DA，然后，将差异度D(A)与差异图像DA的图像特征值进行叠加处理，得到差异图像的特征叠加值，最后，利用特征叠加值生成增强图像A的图像差异特征，其中，所述图像差异特征包含时间标签T1和差异图像的特征信息。
S5、利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
在本发明实施例中，所述利用所述图像差异特征生成所述增强图像的图像异常值，包括：
对所述图像差异特征进行特征选择，得到所述图像差异特征的目标特征；
根据所述图像差异特征的特征关键度生成所述目标特征的特征权重；
利用所述特征权重对所述目标特征进行加权处理，得到所述目标特征的加权特征，根据所述加权特征生成所述增强图像的图像异常值。
详细地，所述特征选择为了从图像差异特征中选择出目标特征，通过选择与异常检测相关的特征，可以提高后续步骤的效率；所述目标特征是经过特征选择后得到的图像差异特征的子集，它们被认为与异常检测密切相关；所述特征关键度是指根据图像差异特征的重要程度进行评估，并生成目标特征的特征权重，这些特征权重将用于后续的加权处理。
进一步地，所述加权处理是利用特征权重对目标特征进行加权处理，得到加权特征，加权处理能够通过调整不同特征的权重来突出与异常检测相关的特征；所述图像异常值是指根据加权特征生成增强图像的图像异常值，这些异常值可以用于检测图像中的异常情况，如施工现场的危险点。
例如：假设有一组图像差异特征，经过特征选择后得到了目标特征，包括时间标签T1、差异图像特征F1和F2，将根据以下步骤来生成增强图像的图像异常值：首先，根据差异图像特征F1和F2的重要程度，为它们生成特征权重，假设特征F1的权重为0.7，特征F2的权重为0.3，然后，将目标特征中的差异图像特征F1和F2按照其对应的特征权重进行加权处理，所述目标特征的加权结果为W = 0.7 * F1 + 0.3 * F2，最后，利用加权特征W生成增强图像的图像异常值，其中，所述图像异常值可以使用各种异常检测算法进行计算，例如：基于统计学方法或机器学习方法。
在本发明实施例中，所述根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点是指当图像异常值超过预设的监测阈值时，该位置被标识为危险点，其中，所述预设的监测阈值是用来界定什么样的图像异常值被认为是危险点，根据不同的场景和需求，可以设置不同的监测阈值来适应不同的环境。
例如：在施工过程中，随着时间的推移，施工现场可能会出现地质构造变化、地层松散、地下水涌入等问题。这些问题在图像数据上会表现为差异特征。如果某一时间点的图像差异特征超过了预设的监测阈值，那么就说明这个时间点存在施工危险点。
进一步地，对于被确定为危险点的位置，可以触发报警机制或进行记录，这样一来，相关人员可以及时采取相应的措施，确保施工安全。
进一步地，所述危险点的告警可以采用在线的方式进行，亦即，可以通过消息推送、邮件通知等方式通知相关人员进行处理和监管。
本发明实施例通过采集抽蓄电站地下施工现场的现场图像集，可以实时获取施工现场的视觉信息，这为后续的安全监测和分析提供了数据基础，对现场图像进行降噪处理可以去除图像中的噪声和干扰，提高图像的清晰度和质量，降噪后的图像更易于后续特征提取和分析，减少了误判的可能性，利用预设的特征提取算法从降噪图像中提取关键的图像特征，并对降噪图像进行增强，其中，特征提取和增强可以突出图像中的目标物体或异常情况，帮助监测人员更好地识别和分析施工现场的危险点，将增强图像与原始图像进行差异比对，可以有效地发现图像中的变化和异常情况，通过比对分析，可以及时发现施工现场的危险点，并进行预警和处理，利用图像差异特征生成增强图像的图像异常值，通过设定预设的监测阈值，可以判断图像异常值是否达到或超过了安全预警的标准，这样可以自动化地检测和识别抽蓄电站地下工程施工现场的危险点，提高了监测效率，因此本发明提出抽蓄电站地下工程的施工安全监测方法，可以解决抽蓄电站地下工程的施工安全监测效率较低的问题。
如图4所示，是本发明一实施例提供的抽蓄电站地下工程的施工安全监测装置的功能模块图。
本发明所述抽蓄电站地下工程的施工安全监测装置100可以安装于电子设备中。根据实现的功能，所述抽蓄电站地下工程的施工安全监测装置100可以包括采集图像模块101、图像降噪模块102、特征增强模块103、差异比对模块104以及危险点确定模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述采集图像模块101，用于采集抽蓄电站的地下施工现场的现场图像集；
所述图像降噪模块102，用于对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像；
所述特征增强模块103，用于根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，其中，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数和/>进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识；
所述差异比对模块104，用于对所述增强图像进行差异比对，得到所述增强图像的图像差异特征；
所述危险点确定模块105，用于利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种抽蓄电站地下工程的施工安全监测方法，其特征在于，所述方法包括：
采集抽蓄电站的地下施工现场的现场图像集；
对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像；
根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，其中，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数/>和进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识；
对所述增强图像进行差异比对，得到所述增强图像的图像差异特征；
利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
2.如权利要求1所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述采集抽蓄电站的地下施工现场的现场图像集，包括：
对预设的图像采集设备进行参数初始化，得到初始化完成的图像采集设备；
利用所述初始化完成的图像采集设备对抽蓄电站的地下施工现场进行图像采集，得到所述地下施工现场的采集图像；
按照所述采集图像的时间顺序生成所述采集图像的现场图像集。
3.如权利要求1所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像，包括：
对所述现场图像集中的现场图像进行对比度增强，得到所述现场图像的增强图像；
利用预设的降噪算法对所述增强图像进行图像降噪，得到所述增强图像的降噪图像，其中，所述预设的降噪算法为：
；
其中，表示所述降噪图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像中位置/>处的像素值，/>表示所述增强图像的当前像素的位置，/>表示所述当前像素的邻域像素的位置，S表示所述邻域像素的集合，/>表示位置/>和/>之间的距离权重，/>表示像素/>和/>之间的灰度差异的权重。
4.如权利要求1所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述根据预设的特征提取算法提取所述降噪图像的图像特征，包括：
确定所述降噪图像的图像像素值，根据所述图像像素值对所述降噪图像进行归一化处理，得到所述降噪图像的归一化图像；
根据所述归一化图像和预设的特征提取算法生成所述降噪图像的图像特征。
5.如权利要求1所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，包括：
根据所述图像特征生成所述降噪图像的图像节点，根据所述图像节点划分所述降噪图像的图像区域；
逐个对所述图像区域进行区块特征加强，得到所述图像区域的区块加强特征；
根据所述区块加强特征生成所述降噪图像的增强图像。
6.如权利要求1所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述对所述增强图像进行差异比对，得到所述增强图像的图像差异特征，包括：
生成所述增强图像的图像特征值；
根据所述增强图像的时间标签对所述图像特征值进行标识处理，得到所述图像特征值的图像标识值；
根据所述图像标识值确定所述增强图像的差异度，根据所述差异度生成所述增强图像的图像差异特征。
7.如权利要求6所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述根据所述图像标识值确定所述增强图像的差异度，包括：
根据所述时间标签对所述图像标识值进行数值比较，根据所述数值比较的比较结果确定所述增强图像的变化程度；
对所述变化程度进行量化处理，得到所述增强图像的差异度。
8.如权利要求6所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述根据所述差异度生成所述增强图像的图像差异特征，包括：
确定所述差异度所对应的时间标签，根据所述时间标签确定所述增强图像中的差异图像；
根据所述差异度对所述差异图像的图像特征值进行叠加处理，得到所述差异图像的图像特征值的特征叠加值；
根据所述特征叠加值生成所述增强图像的图像差异特征。
9.如权利要求1至8中任一项所述的抽蓄电站地下工程的施工安全监测方法，其特征在于，所述利用所述图像差异特征生成所述增强图像的图像异常值，包括：
对所述图像差异特征进行特征选择，得到所述图像差异特征的目标特征；
根据所述图像差异特征的特征关键度生成所述目标特征的特征权重；
利用所述特征权重对所述目标特征进行加权处理，得到所述目标特征的加权特征，根据所述加权特征生成所述增强图像的图像异常值。
10.一种抽蓄电站地下工程的施工安全监测装置，其特征在于，所述装置包括：
采集图像模块，用于采集抽蓄电站的地下施工现场的现场图像集；
图像降噪模块，用于对所述现场图像集中的现场图像进行图像降噪，得到所述现场图像的降噪图像；
特征增强模块，用于根据预设的特征提取算法提取所述降噪图像的图像特征，根据所述图像特征对所述降噪图像进行特征增强，得到所述降噪图像的增强图像，其中，所述预设的特征提取算法为：
；
其中，表示在时间点/>处使用参数/>和/>的基函数ψ的值，/>表示低通滤波器的第/>个系数的系数权重，/>表示参数/>对应的基函数的尺度因子，/>表示所述尺度因子的因子标识，/>表示所述基函数ψ在时间轴上的位置参数，/>表示将时间点/>根据参数/>和进行平移和尺度变换后得到的值，/>表示所述系数的系数标识，/>表示所述系数的系数总数，/>是时间标识；
差异比对模块，用于对所述增强图像进行差异比对，得到所述增强图像的图像差异特征；
危险点确定模块，用于利用所述图像差异特征生成所述增强图像的图像异常值，根据所述图像异常值和预设的监测阈值确定所述抽蓄电站的施工现场危险点。
CN202311322145.9A 2023-10-13 2023-10-13 抽蓄电站地下工程的施工安全监测方法及装置 Active CN117079221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311322145.9A CN117079221B (zh) 2023-10-13 2023-10-13 抽蓄电站地下工程的施工安全监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311322145.9A CN117079221B (zh) 2023-10-13 2023-10-13 抽蓄电站地下工程的施工安全监测方法及装置

Publications (2)

Publication Number Publication Date
CN117079221A true CN117079221A (zh) 2023-11-17
CN117079221B CN117079221B (zh) 2024-01-30

Family

ID=88719752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311322145.9A Active CN117079221B (zh) 2023-10-13 2023-10-13 抽蓄电站地下工程的施工安全监测方法及装置

Country Status (1)

Country Link
CN (1) CN117079221B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355648A (zh) * 2008-06-26 2009-01-28 天津市亚安科技电子有限公司 图像降噪并增强图像的方法
CN114049594A (zh) * 2021-11-23 2022-02-15 南方电网数字电网研究院有限公司 变电设备在线监测方法、装置、计算机设备和存储介质
US20220148328A1 (en) * 2019-07-30 2022-05-12 Huawei Technologies Co., Ltd. Pedestrian detection method and apparatus, computer-readable storage medium, and chip
CN115271113A (zh) * 2022-06-30 2022-11-01 国网经济技术研究院有限公司 抽水蓄能电站施工过程智能巡查方法
CN116188488A (zh) * 2023-01-10 2023-05-30 广东省第二人民医院 基于灰度梯度的b超图像病灶区域分割方法及装置
CN116416577A (zh) * 2023-05-06 2023-07-11 苏州开普岩土工程有限公司 一种用于施工监控系统的异常识别方法
CN116778348A (zh) * 2023-08-28 2023-09-19 广东中科慧据科技有限公司 基于机器视觉的外墙脱落监测方法、装置、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355648A (zh) * 2008-06-26 2009-01-28 天津市亚安科技电子有限公司 图像降噪并增强图像的方法
US20220148328A1 (en) * 2019-07-30 2022-05-12 Huawei Technologies Co., Ltd. Pedestrian detection method and apparatus, computer-readable storage medium, and chip
CN114049594A (zh) * 2021-11-23 2022-02-15 南方电网数字电网研究院有限公司 变电设备在线监测方法、装置、计算机设备和存储介质
CN115271113A (zh) * 2022-06-30 2022-11-01 国网经济技术研究院有限公司 抽水蓄能电站施工过程智能巡查方法
CN116188488A (zh) * 2023-01-10 2023-05-30 广东省第二人民医院 基于灰度梯度的b超图像病灶区域分割方法及装置
CN116416577A (zh) * 2023-05-06 2023-07-11 苏州开普岩土工程有限公司 一种用于施工监控系统的异常识别方法
CN116778348A (zh) * 2023-08-28 2023-09-19 广东中科慧据科技有限公司 基于机器视觉的外墙脱落监测方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李敏 等: "基于小波阈值压缩的运动模糊图像去噪算法", 科技通报, vol. 31, no. 12, pages 107 - 109 *

Also Published As

Publication number Publication date
CN117079221B (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN110264448B (zh) 一种基于机器视觉的绝缘子故障检测方法
CN107256225B (zh) 一种基于视频分析的热度图生成方法及装置
CN107742099A (zh) 一种基于全卷积网络的人群密度估计、人数统计的方法
CN111723773B (zh) 遗留物检测方法、装置、电子设备及可读存储介质
CN111044570A (zh) 电力设备的缺陷识别及预警方法、装置及计算机设备
CN110414571A (zh) 一种基于特征融合的网站报错截图分类方法
CN107004266A (zh) 检测轮胎表面上缺陷的方法
CN110276747B (zh) 一种基于图像分析的绝缘子故障检测和故障评级方法
Lam Methodologies for mapping land cover/land use and its change
CN114863357A (zh) 一种输电线路外力破坏的识别告警方法及系统
CN116629465B (zh) 智能电网视频监控与风险预测响应系统
Joshi et al. Damage identification and assessment using image processing on post-disaster satellite imagery
CN115311623A (zh) 一种基于红外热成像的设备漏油检测方法及系统
Wang et al. Traffic camera anomaly detection
Niu et al. Electrical equipment identification method with synthetic data using edge-oriented generative adversarial network
Ashraf et al. Efficient Pavement Crack Detection and Classification Using Custom YOLOv7 Model
CN117079221B (zh) 抽蓄电站地下工程的施工安全监测方法及装置
CN112614094A (zh) 基于序列状态编码的绝缘子串异常定位识别方法
Nussbaum et al. Feature recognition in the context of automated object-oriented analysis of remote sensing data monitoring the Iranian nuclear sites
CN112116561B (zh) 基于图像处理融合网络权值的电网传输线检测方法及装置
Mantini et al. A signal detection theory approach for camera tamper detection
CN113989930A (zh) 基于小目标和动作识别的人体异常行为检测系统
CN112101375A (zh) 一种基于深度学习的智能变电站设备状态检测方法和系统
Prabha et al. Utility Pole Fire Risk Inspection from 2D Street-Side Images
CN117911930B (zh) 一种基于智能视频监控的数据安全预警方法及装置

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