CN109087311B - 示温漆温度判读方法 - Google Patents
示温漆温度判读方法 Download PDFInfo
- Publication number
- CN109087311B CN109087311B CN201810820625.0A CN201810820625A CN109087311B CN 109087311 B CN109087311 B CN 109087311B CN 201810820625 A CN201810820625 A CN 201810820625A CN 109087311 B CN109087311 B CN 109087311B
- Authority
- CN
- China
- Prior art keywords
- temperature
- regions
- image
- color
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/12—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in colour, translucency or reflectance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种示温漆温度判读方法,包括:采集样板图像和试验件图像;将样板图像进行颜色空间转换;提取样板图像上相同区域大小下的不同温度的直方图特征,并建立直方图判读模型;将试验件图像划分为若干区域,并将若干区域进行颜色空间转换,提取若干区域中每个图像区域的直方图特征;利用直方图匹配法,获取若干区域中每个图像区域的温度;根据若干区域中每个图像区域的温度,获取若干区域中每个区域内单个像素点对应的温度范围;将样板图像按照温度范围建立颜色温度判读模型;基于颜色温度判读模型,获取单个像素点的温度。本发明提供的示温漆温度判读方法判读精度高,稳定性好,分辨率高。
Description
技术领域
本发明涉及航空发动机技术领域,具体涉及一种示温漆温度判读方法。
背景技术
目前示温漆的判读主要依靠人工判读、颜色温度曲线点温度法、颜色温度曲线区域温度法以及等温线温度识别方法,采用人工判读主观性强,易受环境光、个人辨色能力影响,且判读时间较长,效率低,易视觉疲劳,造成判读结果的偏差;采用颜色温度曲线点温度法易受拍摄条件影响,温度识别精度差,可靠性差;采用颜色温度曲线区域温度法温度分辨率不高,精度一般;采用等温线温度识别方法等温线检测较复杂,需要一定经验,且温度分辨率不高。
因此,希望有一种技术方案来克服或至少减轻现有技术的至少一个上述问题。
发明内容
本发明的目的在于提供一种示温漆温度判读方法来克服或至少减轻现有技术中的至少一个上述问题。为实现上述目的,本发明提供了一种示温漆温度判读方法,包括:采集样板图像和试验件图像;将所述样板图像进行颜色空间转换;提取所述样板图像上多个区域的不同温度的直方图特征,并建立直方图判读模型;将所述试验件图像划分为若干区域,并将所述若干区域进行颜色空间转换,提取所述若干区域中每个图像区域的直方图特征;利用直方图匹配法,获取所述若干区域中每个图像区域的温度;根据所述若干区域中每个图像区域的温度,获取所述若干区域中每个区域内单个像素点对应的温度范围;将所述样板图像按照所述温度范围建立颜色温度判读模型;基于所述颜色温度判读模型,获取所述单个像素点的温度。
优选的,所述样板图像与所述试验件图像的光照条件相同。
优选的,利用直方图匹配法,获取所述若干区域中每个图像区域的温度,包括:
通过如下公式:
计算所述若干区域中每个图像区域的直方图特征与所述直方图判读模型之间的距离;选取所述直方图判读模型与所述若干区域中某个图像区域最小距离的温度为该区域的温度;
优选的,基于所述颜色温度判读模型,获取所述单个像素点的温度,包括:提取所述若干区域中某个区域内像素点的颜色特征;将所述若干区域中某个区域内像素点的颜色特征输入所述颜色温度模型,得到多个与其对应的温度;对所述多个与所述若干区域中某个区域内像素点对应的温度进行统计,出现次数最多的温度值作为所述若干区域中某个区域内像素点的温度。
优选的,将所述试验件图像划分成若干区域,包括:设定所述试验件图像中需要分割的区域,并将所述区域中的每个像素点作为初始种子点;遍历每个所述种子点,将图像分割为多个初始区域;将多个所述初始区域进行合并,获取小尺度分割区域;将所述小尺度分割区域合并为所述若干区域。
优选的,将图像分割为多个初始区域,包括:计算每个所述初始区域的平均颜色特征值,为每个所述区域设定一个标签符号;在当前所述区域的邻域内寻找未处理的像素点,计算所述未处理的像素点与所述平均颜色特征值的差,判断所述未处理的像素点是否能够合并到当前所述区域;若所述差值小于设定阈值,则将所述未处理的像素点合并到当前所述区域内;若所述差值大于等于设定阈值,则不将所述未处理的像素点合并到当前所述区域内。
优选的,将多个所述初始区域进行合并,获取小尺度分割区域,还包括:获取所述初始区域的区域面积;判断所述区域面积与面积阈值的大小;若所述区域面积小于所述面积阈值,则将相邻两个所述初始区域进行合并;若所述区域面积大于或者等于面积阈值,则不将相邻两个所述初始区域进行合并。
优选的,将所述小尺度分割区域合并为所述若干区域,包括:获取相邻两个所述小尺度分割区域的尺度参数;计算相邻两个所述小尺度分割区域的颜色相似性;判断所述颜色相似性与第二相似度阈值的大小;若所述颜色相似性小于所述第二相似度阈值,则将相邻两个所述小尺度分割区域进行合并,得到所述若干区域;若所述颜色相似性大于等于所述第二相似度阈值,则不将相邻两个所述小尺度分割区域进行合并。
优选的,所述颜色相似性通过以下公式计算:
其中,n1,n2是两个区域的大小,ΔR,ΔG,ΔB分别是两个区域平均颜色的差值,D是两个区域的公共边界长度,R是尺度参数。
本发明的优选技术方案提供的示温漆温度判读方法,采用基于颜色相似性的多尺度图像分割算法对试验件图像进行区域划分,直方图匹配算法识别区域温度,K近邻算法训练分类器判读单个像素的温度,可以自动划分示温漆区域,温度判读精度高,稳定性好,使用方便。
附图说明
图1是本发明实施例提供的示温漆温度判读方法流程示意图;
图2是本发明实施例提供的获取单个像素点对应温度的流程示意图;
图3是本发明实施例提供的试验件图像分割方法的流程示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明的实施例提供一种示温漆温度判读方法,用于获取发动机、燃气轮机等试验件的表面温度分布,也适用于化工设备表面、高温炉外壁、金属热处理表面等表面温度的测试。
图1是本发明实施例提供的示温漆温度判读方法流程示意图。示温漆温度判读方法包括以下步骤:
s101,采集样板图像和试验件图像。
其中,采集样板图像和试验件图像可以采用相机对样板和试验件进行拍照采集,也可以采用摄像机来实现样板图像和试验件图像的采集,在采集过程中,样板图像和试验件图像的光照条件必须相同,示例性的,为保证样板图像和试验件图像的光照条件相同,将样板和试验件放在同一张图像中,即样板和试验件放在一起进行拍照,使样板和试验件处于同一张照片内。
s102,将样板图像进行颜色空间转换。
其中,颜色空间为RGB、HSV、LUV或Lab颜色空间。样板图像转换的颜色空间选择可以根据实际需要来确定,在此不作限定。
s103,提取所述样板图像上多个区域的不同温度的直方图特征,并建立直方图判读模型。
其中,多个所述区域的大小相同,能够理解的是,区域大小相同可以是面积大小相同。
样板包含了不同种类的温度信息,预先设定一个区域,该区域不能超过样板图像上每种温度所占的区域,提取样板上每种温度在其对应的区域内的直方图特征,并且将提取到的直方图特征保存起来作为直方图判读模型。
s104,将试验件图像划分为若干区域,并将若干区域进行颜色空间转换,提取若干区域中每个图像区域的直方图特征。
其中,将试验件上划分后的若干区域进行颜色空间转换,其具体转换的颜色空间类型与步骤s103中样板图像转换的颜色空间类型相同,其具体转换为哪种颜色空间类型在此不作限定。
可以理解的是,在步骤s103中对样板图像进行颜色空间转换以及步骤s104中对试验件图像进行颜色空间转换时,需要对样板图像和试验件图像进行滤波处理,具体地,计算每个图像区域中各个像素点颜色特征到平均颜色特征之间的距离di,按照该距离从小到大的对各个像素点进行排序,并按照一定的比例P1对提取的若干区域中的像素点颜色信息进行滤波,去掉距离较大的像素点。
s105,利用直方图匹配法,获取所述若干区域中每个图像区域的温度。
其中,直方图匹配法即将试验件图像的直方图特征与直方图判读模型进行匹配来获取若干区域中每个图像区域的温度,具体地,通过计算若干区域中每个图像区域的直方图特征与直方图判读模型之间的距离,其具体计算方法采用如下公式进行计算:
在计算的结果中,选取直方图判读模型与若干区域中某个图像区域最小距离的温度为该区域的温度。
s106,根据若干区域中每个图像区域的温度,获取若干区域中每个区域内单个像素点对应的温度范围。
其中,温度范围为该像素点所在区域的温度对应颜色前后变色点之间的温度范围。
s107,将所述样板图像按照所述温度范围建立颜色温度判读模型。
其中,在步骤s102中已经将样板图像进行了颜色空间转换,根据步骤s106中所得到的单个像素点对应的温度范围样板图像上在该温度范围内的温度以及对应的颜色特征,并用K近邻算法训练得到颜色温度判读模型。
s108,基于所述颜色温度判读模型,获取所述单个像素点的温度。
具体地,参见图2,获取单个像素点温度包括以下步骤:
s201,提取若干区域中某个区域内像素点的颜色特征;
s202,将若干区域中某个区域内像素点的颜色特征输入颜色温度判读模型,得到多个与其对应的温度;
s203,对多个与该单个像素点对应的温度进行统计,出现次数最多的温度值作为该单个像素点的温度。
图3是本发明实施例提供的试验件图像分割方法的流程示意图。将试验件图像划分成若干区域具体包括以下步骤:
s301,设定试验件图像中需要分割的区域,并将该区域中的每个像素点作为初始种子点。
s302,遍历每个所述种子点,将图像分割为多个初始区域。
s303,将多个初始区域进行合并,获取小尺度分割区域。
s304,将小尺度分割区域合并为所述若干区域。
本实施例中,将图像分割为多个初始区域的方法为:计算每个区域的平均颜色特征值,为每个区域设定一个标签符号;在当前区域的邻域内寻找未处理的像素点,计算未处理的像素点与平均颜色特征值的差,判断未处理的像素点是否能够合并到当前区域;若差值小于设定阈值,则将未处理的像素点合并到当前区域内;若差值大于等于设定阈值,则不将未处理的像素点合并到当前区域内。
将多个初始区域进行合并,获取小尺度分割区域的方法为:获取相邻两个初始区域的尺度参数;计算相邻两个初始区域的颜色相似性;判断颜色相似性与第一相似度阈值的大小;若颜色相似性小于第一相似度阈值,则将相邻两个初始区域进行合并,得到小尺度分割区域;若颜色相似性大于等于第一相似度阈值,则不将相邻两个初始区域进行合并。
将小尺度分割区域合并为若干区域的方法为:获取相邻两个小尺度分割区域的尺度参数;计算相邻两个小尺度分割区域的颜色相似性;判断颜色相似性与第二相似度阈值的大小;若颜色相似性小于第二相似度阈值,则将相邻两个小尺度分割区域进行合并,得到若干区域;若颜色相似性大于等于第二相似度阈值,则不将相邻两个小尺度分割区域进行合并。
颜色相似性通过如下公式计算:
其中,n1,n2是两个区域的大小,ΔR,ΔG,ΔB分别是两个区域平均颜色的差值,D是两个区域的公共边界长度,R是尺度参数。
将多个所述初始区域进行合并,获取小尺度分割区域还可以采用如下的方法:获取所述初始区域的区域面积;判断所述区域面积与面积阈值的大小;若所述区域面积小于所述面积阈值,则将相邻两个所述初始区域进行合并;若所述区域面积大于或者等于面积阈值,则不将相邻两个所述初始区域进行合并。
下面结合一个具体实例来说明试验件图像的分割,例如,首先设定试验件图像中需要分割的区域,然后将区域中的每个像素点作为种子点,遍历每个初始种子点,设定色差的阈值T1为10,采用区域增长算法将图像分割为多个初始区域。分析初始区域的邻接关系,在尺度参数R在1至R1(例如,R1=5)的范围内,按步长S1=0.2计算相邻区域的颜色相似性,对相似度小于阈值T2=0且区域面积小于阈值T3=16×2R的初始区域进行合并,获得小尺度下的分割区域,然后设定尺度参数上限R2,R2可以根据分割结果进行调整,R在R1至R2范围内,按小步长S2=0.03计算相邻区域的颜色相似性,对相似度小于阈值T2的小尺度分割区域进行合并,获得最终的区域分割结果。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种示温漆温度判读方法,其特征在于,包括
采集样板图像和试验件图像;
将所述样板图像进行颜色空间转换;
提取所述样板图像上多个区域的不同温度的直方图特征,并建立直方图判读模型,其中,所述多个区域的大小相同;
将所述试验件图像划分为若干区域,并将所述若干区域进行颜色空间转换,提取所述若干区域中每个图像区域的直方图特征;
利用直方图匹配法,获取所述若干区域中每个图像区域的温度,包括通过如下公式:
计算所述若干区域中每个图像区域的直方图特征与所述直方图判读模型之间的距离;
选取所述直方图判读模型与所述若干区域中某个图像区域最小距离的温度为该区域的温度;
根据所述若干区域中每个图像区域的温度,获取所述若干区域中每个区域内单个像素点对应的温度范围;
将所述样板图像按照所述温度范围建立颜色温度判读模型;
基于所述颜色温度判读模型,获取所述单个像素点的温度。
2.根据权利要求1所述的示温漆温度判读方法,其特征在于,所述样板图像与所述试验件图像的光照条件相同。
3.根据权利要求1所述的示温漆温度判读方法,其特征在于,基于所述颜色温度判读模型,获取所述单个像素点的温度,包括
提取所述若干区域中某个区域内像素点的颜色特征;
将所述若干区域中某个区域内像素点的颜色特征输入所述颜色温度判读模型,得到多个与其对应的温度;
对所述多个与所述若干区域中某个区域内像素点对应的温度进行统计,出现次数最多的温度值作为所述若干区域中某个区域内像素点的温度。
4.根据权利要求2所述的示温漆温度判读方法,其特征在于,将所述试验件图像划分成若干区域,包括
设定所述试验件图像中需要分割的区域,并将所述区域中的每个像素点作为初始种子点;
遍历每个所述种子点,将图像分割为多个初始区域;
将多个所述初始区域进行合并,获取小尺度分割区域;
将所述小尺度分割区域合并为所述若干区域。
5.根据权利要求4所述的示温漆温度判读方法,其特征在于,将图像分割为多个初始区域,包括
计算每个所述初始区域的平均颜色特征值,为每个所述区域设定一个标签符号;
在当前所述区域的邻域内寻找未处理的像素点,计算所述未处理的像素点与所述平均颜色特征值的差值,判断所述未处理的像素点是否能够合并到当前所述区域;
若所述差值小于设定阈值,则将所述未处理的像素点合并到当前所述区域内;
若所述差值大于等于设定阈值,则不将所述未处理的像素点合并到当前所述区域内。
6.根据权利要求4所述的示温漆温度判读方法,其特征在于,将多个所述初始区域进行合并,获取小尺度分割区域,包括
获取相邻两个所述初始区域的尺度参数;
计算相邻两个所述初始区域的颜色相似性;
判断所述颜色相似性与第一相似度阈值的大小;
若所述颜色相似性小于所述第一相似度阈值,则将相邻两个所述初始区域进行合并,得到小尺度分割区域;
若所述颜色相似性大于等于所述第一相似度阈值,则不将相邻两个所述初始区域进行合并。
7.根据权利要求4所述的示温漆温度判读方法,其特征在于,将多个所述初始区域进行合并,获取小尺度分割区域,还包括
获取所述初始区域的区域面积;
判断所述区域面积与面积阈值的大小;
若所述区域面积小于所述面积阈值,则将相邻两个所述初始区域进行合并;
若所述区域面积大于或者等于面积阈值,则不将相邻两个所述初始区域进行合并。
8.根据权利要求4所述的示温漆温度判读方法,其特征在于,将所述小尺度分割区域合并为所述若干区域,包括
获取相邻两个所述小尺度分割区域的尺度参数;
计算相邻两个所述小尺度分割区域的颜色相似性;
判断所述颜色相似性与第二相似度阈值的大小;
若所述颜色相似性小于所述第二相似度阈值,则将相邻两个所述小尺度分割区域进行合并,得到所述若干区域;
若所述颜色相似性大于等于所述第二相似度阈值,则不将相邻两个所述小尺度分割区域进行合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810820625.0A CN109087311B (zh) | 2018-07-24 | 2018-07-24 | 示温漆温度判读方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810820625.0A CN109087311B (zh) | 2018-07-24 | 2018-07-24 | 示温漆温度判读方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087311A CN109087311A (zh) | 2018-12-25 |
CN109087311B true CN109087311B (zh) | 2021-05-28 |
Family
ID=64838194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810820625.0A Active CN109087311B (zh) | 2018-07-24 | 2018-07-24 | 示温漆温度判读方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087311B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610936A (zh) * | 2021-09-16 | 2021-11-05 | 北京世纪好未来教育科技有限公司 | 色温确定方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542544A (zh) * | 2010-12-30 | 2012-07-04 | 北京大学 | 一种色彩匹配的方法和*** |
CN102915541A (zh) * | 2012-10-31 | 2013-02-06 | 上海大学 | 多尺度的图像分割方法 |
CN104899849A (zh) * | 2014-01-21 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种多目标交互式图像分割方法和装置 |
-
2018
- 2018-07-24 CN CN201810820625.0A patent/CN109087311B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542544A (zh) * | 2010-12-30 | 2012-07-04 | 北京大学 | 一种色彩匹配的方法和*** |
CN102915541A (zh) * | 2012-10-31 | 2013-02-06 | 上海大学 | 多尺度的图像分割方法 |
CN104899849A (zh) * | 2014-01-21 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种多目标交互式图像分割方法和装置 |
Non-Patent Citations (5)
Title |
---|
A Novel Isotherm Extracting Method for Temperature Sensitive Paint Image;Zhan Wang et al;《2017 2nd International Conference on Frontiers of Sensors Technologies》;20170414;第236-239页 * |
刘忠奎 等.示温漆温度自动判读技术研究.《中国测试》.2015,第41卷(第9期), * |
示温漆彩色图像分割与温度识别***;龚魏 等;《电子技术应用》;20070106(第1期);第58-60页 * |
示温漆温度自动判读技术研究;刘忠奎 等;《中国测试》;20150930;第41卷(第9期);第20-23页 * |
示温漆色彩量化及其图像分割算法研究;林茂松 等;《西南科技大学学报》;20060630;第21卷(第2期);第48-53页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109087311A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859171B (zh) | 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法 | |
CN108765373B (zh) | 一种基于集成分类器在线学习的绝缘子异常自动检测方法 | |
CN105445607B (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
CN104778470B (zh) | 基于组件树和霍夫森林的文字检测和识别方法 | |
CN107610114A (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
CN111860106B (zh) | 一种无监督的桥梁裂缝识别方法 | |
CN111539330B (zh) | 一种基于双svm多分类器的变电站数显仪表识别方法 | |
CN111260645B (zh) | 基于分块分类深度学习的篡改图像检测方法及*** | |
CN112085037B (zh) | 一种变电设备红外热故障特征提取及数字化表达方法 | |
CN112613454A (zh) | 一种电力基建施工现场违章识别方法及*** | |
US9715729B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN113255590A (zh) | 一种缺陷检测模型训练方法、缺陷检测方法、装置及*** | |
CN113609901A (zh) | 一种输变电设备故障监测方法及*** | |
JP6871658B2 (ja) | 反復分類に基づく水域識別方法及び装置 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN111220619B (zh) | 一种绝缘子自爆检测方法 | |
CN109087311B (zh) | 示温漆温度判读方法 | |
CN116503470A (zh) | 红外图像中绝缘子串盘片分割定位及状态分析方法 | |
CN116823725A (zh) | 一种基于支持向量机的航空发动机叶片表面缺陷检测方法 | |
CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
CN108986175B (zh) | 示温漆区域温度判读方法 | |
CN113628252A (zh) | 一种基于热成像视频的泄漏气体云团检测方法 | |
CN112329791B (zh) | 一种高光谱影像水域自动提取方法 |
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 |