CN103955907A - 指针式sf6气体密度表的遥测方法 - Google Patents
指针式sf6气体密度表的遥测方法 Download PDFInfo
- Publication number
- CN103955907A CN103955907A CN201410154212.5A CN201410154212A CN103955907A CN 103955907 A CN103955907 A CN 103955907A CN 201410154212 A CN201410154212 A CN 201410154212A CN 103955907 A CN103955907 A CN 103955907A
- Authority
- CN
- China
- Prior art keywords
- pointer
- image
- density meter
- telemetering
- air density
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000005286 illumination Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 10
- 230000001154 acute effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000008649 adaptation response Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种指针式SF6气体密度表的遥测方法,包括步骤:采集指针式SF6气体密度表的图像,并将图像传输到读取端;将采集到的图像转变为黑白图像;对黑白图像进行图像规定化处理,以去除黑白图像中因光照剧烈变化而引起的图像灰度的剧烈变化;设定指针式SF6气体密度表的指针识别区域,对指针识别区域内的经过处理的黑白图像进行图像二值化;去除指针识别区域内的斑块噪声;寻找指针识别区域内指针所对应的直线方程,并确定该直线方程的斜率;确定指针所指方向对应的读数。该方法通过对现有指针式SF6气体密度表进行遥测,代替了人员现场读数,节省了人力成本的同时,充分利用了现有设备,符合智能电网无人值守变电站的发展趋势。
Description
技术领域
本发明涉及一种仪表读数的读取方法,尤其涉及一种SF6气体密度表的读取方法。
背景技术
SF6气体具有绝缘强度高、灭弧性能好等特点,是目前高压设备首选绝缘介质,已广泛应用在SF6高压断路器,GIS,SF6互感器,SF6变压器上。SF6气体密度是否处于额定范围之内是决定SF6气体的绝缘和灭弧性能是否有效的关键参数之一,因此电力行业运行规程规定必须定期对SF6气体的密度进行检测。当前,对SF6气体密度的检测主要依靠工作人员到现场查看并读取机械指针式SF6气体密度表的读数,运行经验表明该种检测方式不仅浪费大量的人力物力,且工作效率不高,已不符合智能电网无人值守变电站的发展趋势,因此有必要对当前检测设备或检测方案进行技术升级或改造。用自动化设备对现有检测设备的机械指针式SF6气体密度表进行遥测代替人员现场读数是一种经济有效的技术解决方案,该方案不需更换包括机械指针式SF6气体密度表在内的现有检测设备。
发明内容
本发明的目的在于提供一种指针式SF6气体密度表的遥测方法,该遥测方法能对现有检测设备的机械指针式SF6气体密度表进行遥测,从而代替人员现场读数,不需更换包括机械指针式SF6气体密度表在内的现有检测设备,节省了人力成本的同时,充分利用现有设备,最小化改造成本,是一种经济有效的技术解决方案,且该方法可由自动化设备执行,自动化的解决方案可以排除人为不确定因素,提高效率,实时联网检测数据,符合智能电网无人值守变电站的发展趋势。
为了实现上述目的,本发明提出了一种指针式SF6气体密度表的遥测方法,其包括步骤:
采集指针式SF6气体密度表的图像,并将图像传输到读取端;
将采集到的图像转变为黑白图像;
对黑白图像进行图像规定化处理,以去除黑白图像中因光照剧烈变化而引起的图像灰度的剧烈变化;
设定指针式SF6气体密度表的指针识别区域,对指针识别区域内的经过处理的黑白图像进行图像二值化;
去除指针识别区域内的斑块噪声;
寻找指针识别区域内指针所对应的直线方程,并确定该直线方程的斜率;
确定指针所指方向对应的读数。
为了对现有检测设备的机械指针式SF6气体密度表进行遥测,本发明提出上述指针式SF6气体密度表的遥测方法。该方法中,指针式SF6气体密度表的图像的采集可由摄像头完成,基于该采集的图像自动实现读数的识别提取是该方法的关键所在。为了实现对采集图像对应的指针式SF6气体密度表的读数的自动识别提取,该方法对采集图像进行了一系列的处理,包括将采集到的图像转变为黑白图像、对黑白图像进行图像规定化处理、设定指针识别区域并进行图像二值化、去除斑块噪声、寻找指针所对应的直线方程并确定该直线方程的斜率、确定该直线方程对应指针所指方向的读数,从而完成对指针式SF6气体密度表的遥测。
上述处理步骤中,由采集到的图像转变来的所述黑白图像是灰度图像,灰度范围为0~255,共256个等级;所述图像规定化处理得到的新图像的各灰度级将具有事先规定的概率密度,因此可以去除所述黑白图像中因光照剧烈变化而引起的图像灰度的剧烈变化;由于指针读数只关联包含指针的一个圆内的图像,可将该圆设为指针识别区域,后续的算法处理仅针对该区域进行处理,该区域以外的全部设定为白色像素;图像的二值化就是将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像,图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓,所有灰度大于或等于阈值的像素被判定为属于特定物体,其灰度值为255,否则这些像素点灰度值为0,表示背景或者例外的物体区域,从而使得整个图像呈现出明显的黑白效果;在进行完二值化处理后,前景帧变成由黑白色组成的图像序列,然而由于光线作用、噪声、运动物体扰动等因素,导致前景中指针区域内部及轮廓并非完整,为了使我们能正确检测出仪表盘指针,我们需要对二值化后的前景图像进行去除指针识别区域内的斑块噪声;经之前步骤处理过的图像,可以开始寻找指针识别区域内指针所对应的直线方程,并确定该直线方程的斜率;由于该直线斜率与指针式SF6气体密度表的指针实际斜率是一致的,一旦斜率确定下来,可以很方便地通过数学换算计算出指针实际对应的读数,从而完成对指针式SF6气体密度表的遥测。
进一步地,本发明所述的指针式SF6气体密度表的遥测方法中,采用直方图规定化方法对黑白图像进行图像规定化处理。
直方图的规定化是使直方图按照指定规律分布的处理过程。对灰度图像中每一灰度级与其出现的像素数(处于该灰度级的像素的数目)间的统计关系进行画图,用横坐标表示灰度级,纵坐标表示像素数,则得到该灰度图像的灰度直方图(表征灰度分布概率密度)。经图像直方图的规定化处理后的图像具有和某个标准图像具有相似的灰度直方图形状,这样可以克服光照的剧烈变化。
更进一步地,本发明所述的指针式SF6气体密度表的遥测方法中,所述直方图规定化方法包括步骤:
采用直方图均衡化对黑白图像进行均衡化处理,得到灰度级s;
根据希望得到的黑白图像的灰度级概率密度函数,求出变换函数G(z);
采用变换函数G(z)将灰度级s进行逆变换z=G-1(s)。
上述步骤的具体推导过程是:
假设pr(r)和pz(z)分别表示归一化了的原始图像的灰度分布概率密度函数和希望得到的图像的灰度分布概率密度函数。首先对原始图像进行直方图均衡化处理,即求原始图像的均匀灰度级s对原始图像的灰度级r的变换函数:
假设希望得到的图像的灰度级也可以利用下列变换函数均衡化
其逆过程是z=G-1(v),即由希望图像的均匀灰度级v得到希望图像的灰度级z。因为对原始图像和希望图像都作了均衡化处理,所以ps(s)和pz(z)具有同样的均匀密度。因此,如果能够从原始图像中得到的均匀灰度级s来代替逆过程中的希望图像的均匀灰度级v,其结果希望图像的灰度级z=G-1(s)将具有所要求的希望图像的概率密度。
根据上述原理,得到直方图规定化处理的过程:
(1)利用直方图均衡化对原图像进行均衡化处理;
(2)根据希望得到的图像的灰度级概率密度函数pz(z),求出变换函数G(z);
(3)利用步骤(1)得到的灰度级s作逆变换z=G-1(s)。
用这种方法得到的新图像的灰度级z将具有事先规定的概率密度pz(z)。可以将两个变换函数T(r)和G-1(s)组合成一个函数关系,即
z=G-1[T(r)]
利用此式它可以从原始图像产生希望的灰度级分布。
此外,当
G-1[T(r)]=T(r)
时,直方图规定化增强处理就简化为直方图均衡化处理。
进一步地,本发明所述的指针式SF6气体密度表的遥测方法中,采用中值滤波和形态学滤波的至少其中之一去除区域内的斑块噪声。
由于在进行完二值化处理后,前景帧变成由黑白色组成的图像序列,然而由于光线作用、噪声、运动物体扰动等因素,导致前景中指针区域内部及轮廓并非完整,为了能正确检测出仪表盘指针的图像,需要对二值化后的前景图像进行中值滤波和/或形态学滤波的进一步操作。
中值滤波法是一种减少边缘模糊的非线性平滑方法,它的思想是用邻域中灰度的中值代替图像当前的灰度值,主要用于去除图像随机噪声。其原理可描述为:对图像中的每一个像素,以其为中心任取一个对称区域,对区域内所有点的像素值进行排序,取中间的一个值为所处理的点的像素值。由于突变像素点在经过排序以后,位于排序队列的中间的可能性性很小,所以,这些突变像素点的值会被区域内的中间像素值所代替,从而有效地去除了图像中的高频随机噪声。图像中值滤波的过程是首先将窗口中的像素按灰度值进行排序,再取序列中间点的值作为中值,并以此值作为滤波器的输出值。
形态学滤波就是在图像中移动一个结构元素,然后将结构元素与下面的二值图像进行交、并等集合运算。先腐蚀后膨胀的过程称为开运算,它具有消除细小物体,在纤细处分离物体和平滑较大物体边界的作用;先膨胀后腐蚀的过程称为闭运算,它具有填充物体内细小空洞,连接邻近物体和平滑边界的作用。膨胀(dilation)和腐蚀(erosion)是数学形态学中最基本的运算,对图像的提取和识别比较重要。膨胀是对图像中的目标对象增加象素,而腐蚀是对图像中的目标对象去处象素,它们是对偶运算。增加或去除像素的多少取决于图像处理中结构元素的大小和形状。膨胀的运算规则是:输出图像的像素值是输入图像领域中的最大值,在一个二值图像中,只要有一个像素值为1,则对应的输出像素值为1;腐蚀的运算规则是:输出图像的像素值是输入图像领域中的最小值,在一个二值图像中,只要有一个像素值为0,则相对应的输出像素值为0。在上述形态学运算中,结构元素的中心元素在输入图像的感兴趣区域内,然而对图像的边缘像素,由结构元素定义的部分领域就有可能超出图像的边界。为定义边界像素,形态学函数为这些未定义的边界指定一个像素值,相当于为整个图像增加了另外的行和列,这个过程称为边界填充。膨胀的边界填充规则是:超出边界的部分指定为图像的数据类型的最小值,对二值图像而言,边界像素值为0,对灰度图像,若数据类型为uint8,则边界像素值为0;腐蚀的边界填充规则是:超出边界的部分指定为图像的数据类型的最大值,对二值图像而言,边界像素值为1,对灰度图像,若数据类型为uint8,则边界像素值为255。
进一步地,本发明所述的指针式SF6气体密度表的遥测方法中,对指针识别区域内的黑色像素进行Hough变换,以寻找指针所对应的直线方程。
考虑到最终得到的仪表盘指针图像是一条直线,本发明使用Hough变换的方法来寻找到直线。在计算机识别中,常常需要从图像上寻找特定形状的图形,如果直接利用图像点阵进行搜索判断显然难以实现,这时就需要将图像像素按一定的算法映射到参数空间。Hough变换提供了一种将图像像素信息按坐标映射到参数空间的方法,通过它构建的参数空间可以容易地对特定形状进行判断。Hough变换是一种利用图像的全局特征将特定形状的边缘像素连接起来,形成连续平滑边缘的一种方法,它通过将源图像上的点映射到用于累加的参数空间,实现对已知解析式曲线的识别。Hough变换常用于对图像中的直线和圆进行识别。
进一步地,本发明所述的指针式SF6气体密度表的遥测方法中,采用自适应阈值分割法进行所述图像二值化。
目前图像分割中最为常用的分割方法是最大方差阈值法。当图像中的目标部分和背景之间的灰度差较小,即灰度直方图的双峰特性不明显时,直接用直方图就不太容易确定一个合适的阈值。而由Ostu提出的最大类间方差法是选择分割两类区域的阈值方法,当图像灰度直方图的形状有双峰但无明显低谷或者是双峰与低谷都不明显,采用最大方差自适应阈值法往往能得到较为满意的结果,同时该方法较为简单,是一种广泛应用的阈值选择方法。本发明中基于Ostu算法,同时考虑阈值选择的自适应度,将利用自适应阈值分割算法进行图像分割,具体如下:
设某个图像的灰度直方图包含两个区域,T为分离两个区域的阈值。
区域1占整个图像的面积比:
区域2占整个图像的面积比:
整幅图像的平均灰度:
区域1的平均灰度:
区域2的平均灰度:
整幅图像的平均灰度于区域1、区域2的平均灰度值之间的关系为:
μ=μ1θ1+μ2θ2
如果同一区域具有灰度相似特性,而不同区域之间表现为明显的灰度差异,当被阈值T分离的两个区域间灰度差较大时,两个区域的平均灰度μ1、μ2与整幅图像的平均灰度μ之差也较大,区域间的方差就是描述这种差异的有效参数,其表达式为:
式中:表示了图像被阈值T分割后两个区域之间的方差。显然,有不同的T值,就会得到不同的区域间方差。被分割的两区域间方差达最大时,被认为是两区域的最佳分离状态,由此确定阈值T:
以最大方差决定阈值不需要人为设定其他参数,是一种自动选择阈值的方法。
上述基于迭代的阈值能区分处图像的前景和背景的主要区域所在,迭代运算所得的阈值对图像的分割效果良好,可以满足仪表盘二值化的要求。
本发明所述的指针式SF6气体密度表的遥测方法,通过使用该遥测方法的遥测设备对现有检测设备的机械指针式SF6气体密度表进行遥测,代替了人员现场读数,不需更换包括机械指针式SF6气体密度表在内的现有检测设备,节省了人力成本的同时,充分利用了现有设备,最小化改造成本,是一种经济有效的技术解决方案,且自动化的解决方案排除了人为不确定因素,提高了效率,实时联网检测数据,符合智能电网无人值守变电站的发展趋势。
附图说明
图1为本发明所述的指针式SF6气体密度表的遥测方法在一种实施方式下的流程示意图。
图2为本发明所述的指针式SF6气体密度表的遥测方法在一种实施方式下的经自适应迭代法阈值分割法二值化后的指针式SF6气体密度表的遥测图像。
图3为本发明所述的指针式SF6气体密度表的遥测方法在一种实施方式下的经中值滤波和形态学滤波后的指针式SF6气体密度表的遥测图像。
图4为本发明所述的指针式SF6气体密度表的遥测方法在一种实施方式下的对指针式SF6气体密度表的遥测图像进行Hough变换得到的直线方程对应的直线图像。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的指针式SF6气体密度表的遥测方法作出进一步的解释和说明。
图1示意了本发明所述的指针式SF6气体密度表的遥测方法在一种实施方式下的流程。
如图1所示,本实施例的遥测方法包括如下步骤:
(1)采集指针式SF6气体密度表的图像,并将图像传输到读取端;
(2)将采集到的图像转变为黑白图像;
(3)采用直方图规定化方法对黑白图像进行图像规定化处理,以去除黑白图像中因光照剧烈变化而引起的图像灰度的剧烈变化;该直方图规定化方法包括步骤:采用直方图均衡化对黑白图像进行均衡化处理,得到原始图像均匀灰度级s;根据希望得到的黑白图像的灰度级概率密度函数,求出变换函数G(z);采用变换函数G(z)将原始图像均匀灰度级s进行逆变换得到希望得到的黑白图像的灰度级z=G-1(s);
(4)设定指针式SF6气体密度表的指针识别区域,对指针识别区域内的经过处理的黑白图像采用自适应迭代法阈值分割法进行图像二值化;
(5)采用中值滤波和形态学滤波去除指针识别区域内的斑块噪声;
(6)对指针识别区域内的黑色像素进行Hough变换,以寻找指针识别区域内指针所对应的直线方程,并确定该直线方程的斜率;
(7)将上述直线方程的斜率与指针式SF6气体密度表的表盘进行比较换算,确定指针所指方向对应的读数吗,从而完成对指针式SF6气体密度表的遥测。
本实施例的上述遥测方法步骤通过自动化设备实现,其中步骤(1)通过摄像头实现,步骤(2)-(7)通过与该摄像头连接的计算机实现。图2示意了本实施例的经自适应阈值分割法二值化后的遥测图像。图3示意了本实施例的经中值滤波和形态学滤波后的遥测图像。图4示意了本实施例中对遥测图像进行Hough变换得到的直线方程对应的直线图像。
本实施例的上述遥测方法步骤中,步骤(2)的具体变换方法是:设定图像中一个像素点的红绿蓝分量分别是R、G、B,则该像素点的灰度值的计算方法为:
G=0.299r+0.587g+0.114b
图像中每个像素按照上述方式转换,获得灰度图像(黑白图像)。
本实施例的上述遥测方法步骤中,步骤(4)处理后得到的图像如图2。
本实施例的上述遥测方法步骤中,步骤(5)处理后得到的图像如图3。
本实施例的上述遥测方法步骤中,步骤(6)的具体算法步骤是:
(61)适当地量化参数空间;
(62)假定参数空间的每一个单元都是一个累加器;
(63)累加器初始化为0;
(64)对图像空间的每一点,在其所满足的参数方程对应的累加器上加1;
(65)累加器阵列的最大值对应模型参数。
经Hough变换得到的直线方程对应的直线图像如图4所示。
本实施例的上述遥测方法步骤中,步骤(7)具体的方法是:从指针式SF6气体密度表的表盘上提取两个真实读数并找到这两个读数所对应的指针斜率,通过数学换算计算出指针对应的读数。
要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
Claims (6)
1.一种指针式SF6气体密度表的遥测方法,其特征在于,包括步骤:
采集指针式SF6气体密度表的图像,并将图像传输到读取端;
将采集到的图像转变为黑白图像;
对黑白图像进行图像规定化处理,以去除黑白图像中因光照剧烈变化而引起的图像灰度的剧烈变化;
设定指针式SF6气体密度表的指针识别区域,对指针识别区域内的经过处理的黑白图像进行图像二值化;
去除指针识别区域内的斑块噪声;
寻找指针识别区域内指针所对应的直线方程,并确定该直线方程的斜率;
确定指针所指方向对应的读数。
2.如权利要求1所述的指针式SF6气体密度表的遥测方法,其特征在于,采用直方图规定化方法对黑白图像进行图像规定化处理。
3.如权利要求2所述的指针式SF6气体密度表的遥测方法,其特征在于,所述直方图规定化方法包括步骤:
采用直方图均衡化对黑白图像进行均衡化处理,得到灰度级s;
根据希望得到的黑白图像的灰度级概率密度函数,求出变换函数G(z);
采用变换函数G(z)将灰度级s进行逆变换z=G-1(s)。
4.如权利要求1所述的指针式SF6气体密度表的遥测方法,其特征在于,采用中值滤波和形态学滤波的至少其中之一去除区域内的斑块噪声。
5.如权利要求1所述的指针式SF6气体密度表的遥测方法,其特征在于,对指针识别区域内的黑色像素进行Hough变换,以寻找指针所对应的直线方程。
6.如权利要求1所述的指针式SF6气体密度表的遥测方法,其特征在于,采用自适应阈值分割法进行所述图像二值化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410154212.5A CN103955907A (zh) | 2014-04-17 | 2014-04-17 | 指针式sf6气体密度表的遥测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410154212.5A CN103955907A (zh) | 2014-04-17 | 2014-04-17 | 指针式sf6气体密度表的遥测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103955907A true CN103955907A (zh) | 2014-07-30 |
Family
ID=51333176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410154212.5A Pending CN103955907A (zh) | 2014-04-17 | 2014-04-17 | 指针式sf6气体密度表的遥测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955907A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320580A (zh) * | 2014-10-25 | 2015-01-28 | 国家电网公司 | 基于图像采集的sf6密度表计指针识别设备及方法 |
CN107038444A (zh) * | 2016-02-03 | 2017-08-11 | 上海慕荣电气有限公司 | 一种指针式表盘的图像识别方法 |
CN107133623A (zh) * | 2017-05-11 | 2017-09-05 | 安徽慧视金瞳科技有限公司 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
CN107368815A (zh) * | 2017-07-25 | 2017-11-21 | 上海控创信息技术股份有限公司 | 仪表检测方法及*** |
CN109146806A (zh) * | 2018-07-29 | 2019-01-04 | 国网上海市电力公司 | 在电力远程监控中基于阴影消除优化的仪表指针位置检测识别方法 |
CN112989963A (zh) * | 2021-02-24 | 2021-06-18 | 唐山不锈钢有限责任公司 | 一种基于图形识别的洛氏硬度试验过程监督判定方法 |
CN113947720A (zh) * | 2021-12-20 | 2022-01-18 | 广东科凯达智能机器人有限公司 | 一种判断密度表的工作状态的方法 |
CN114972218A (zh) * | 2022-05-12 | 2022-08-30 | 中海油信息科技有限公司 | 指针表读数识别方法和*** |
-
2014
- 2014-04-17 CN CN201410154212.5A patent/CN103955907A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320580A (zh) * | 2014-10-25 | 2015-01-28 | 国家电网公司 | 基于图像采集的sf6密度表计指针识别设备及方法 |
CN107038444A (zh) * | 2016-02-03 | 2017-08-11 | 上海慕荣电气有限公司 | 一种指针式表盘的图像识别方法 |
CN107133623A (zh) * | 2017-05-11 | 2017-09-05 | 安徽慧视金瞳科技有限公司 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
CN107133623B (zh) * | 2017-05-11 | 2020-03-24 | 安徽慧视金瞳科技有限公司 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
CN107368815A (zh) * | 2017-07-25 | 2017-11-21 | 上海控创信息技术股份有限公司 | 仪表检测方法及*** |
CN109146806A (zh) * | 2018-07-29 | 2019-01-04 | 国网上海市电力公司 | 在电力远程监控中基于阴影消除优化的仪表指针位置检测识别方法 |
CN112989963A (zh) * | 2021-02-24 | 2021-06-18 | 唐山不锈钢有限责任公司 | 一种基于图形识别的洛氏硬度试验过程监督判定方法 |
CN112989963B (zh) * | 2021-02-24 | 2022-10-18 | 唐山不锈钢有限责任公司 | 一种基于图形识别的洛氏硬度试验过程监督判定方法 |
CN113947720A (zh) * | 2021-12-20 | 2022-01-18 | 广东科凯达智能机器人有限公司 | 一种判断密度表的工作状态的方法 |
CN114972218A (zh) * | 2022-05-12 | 2022-08-30 | 中海油信息科技有限公司 | 指针表读数识别方法和*** |
CN114972218B (zh) * | 2022-05-12 | 2023-03-24 | 中海油信息科技有限公司 | 指针表读数识别方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955907A (zh) | 指针式sf6气体密度表的遥测方法 | |
CN108986119B (zh) | 图像分割方法及装置、计算机设备及可读存储介质 | |
CN108647806B (zh) | 一种考虑大尺度环流背景场的延伸期预报方法 | |
CN102034239B (zh) | 一种基于局部灰度突变的红外小目标检测方法 | |
CN107784661A (zh) | 基于区域生长法的变电站设备红外图像分类识别方法 | |
CN103824309A (zh) | 一种城市建成区边界自动提取方法 | |
CN115249332B (zh) | 基于空谱双分支卷积网络的高光谱图像分类方法及设备 | |
CN104700118A (zh) | 基于卷积神经网络的肺结节良恶性预测方法 | |
CN107480643B (zh) | 一种智能垃圾分类处理的机器人 | |
CN106294705A (zh) | 一种批量遥感影像预处理方法 | |
CN103984946A (zh) | 一种基于K-means的高分辨率遥感地图道路提取方法 | |
CN110298348B (zh) | 遥感影像建筑物样本区域提取方法及***、存储介质、设备 | |
CN108829711B (zh) | 一种基于多特征融合的图像检索方法 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
CN109726649B (zh) | 遥感影像云检测方法、***及电子设备 | |
CN109741340A (zh) | 基于fcn-aspp网络的冰盖雷达图像冰层精细化分割方法 | |
CN115272776B (zh) | 基于双路卷积与双注意的高光谱图像分类方法及存储介质 | |
CN115861260A (zh) | 一种面向广域城市场景下的深度学习变化检测方法 | |
CN116311201A (zh) | 一种基于图像识别技术的变电站设备状态识别方法及*** | |
CN116665092A (zh) | 基于ia-yolov7的污水悬浮物识别方法及*** | |
CN109544531B (zh) | 一种基于形状特征识别gpr图像病害类型的方法 | |
CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及*** | |
CN104966091A (zh) | 一种基于无人机遥感影像的露天矿道路提取方法 | |
CN114299394A (zh) | 一种遥感影像智能解译方法 | |
CN113989673A (zh) | 基于国产高分数据和深度学习模型的海岸线自动提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140730 |
|
WD01 | Invention patent application deemed withdrawn after publication |