CN111062941A - 点光源灯点故障检测装置及方法 - Google Patents

Abstract

本发明实施例提供一种点光源灯点故障检测装置及方法，所述装置包括：灯点图像获取模块，用于按照预定频率获取点光源所包含的各灯点的实时图像；图像处理模块，用于对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像；故障点确定模块，用于所述模板图像与所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点；以及故障信息生成模块，用于根据所述目标图像中的实际故障点对应发出故障信息。本实施例能有效的检测点光源灯光故障。

Description

点光源灯点故障检测装置及方法

技术领域

本发明实施例涉及灯具设备技术领域，尤其涉及一种点光源灯点故障检测装置及方法。

背景技术

现有的点光源景观灯具通常需要对点光源的工作状态进行实时监测，在点光源产生故障即时生成故障信息，方便维护。现有的故障监测方法通常是点光源的控制器向点光源发送测试地址码的请求，若点光源无法向控制器返回地址码，控制器则判定该点光源出现故障。但是，当点光源仍可以正常通信而点光源的灯点由于无法被有效控制而出现例如常亮或常灭等故障时，上述这种故障监测方法会存在判断失误的状况，无法及时的发现点光源的故障，不利于维护。

发明内容

本发明实施例所要解决的技术问题在于，提供一种点光源灯点故障检测装置，能有效的检测点光源灯光故障。

本发明实施例进一步所要解决的技术问题在于，提供一种点光源灯点故障检测方法，能有效的检测点光源灯光故障。

为了解决上述技术问题，本发明实施例提供以下技术方案：一种点光源灯点故障检测装置，包括：

灯点图像获取模块，用于按照预定频率获取点光源所包含的各灯点的实时图像；

图像处理模块，用于对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像；

故障点确定模块，用于将所述模板图像与所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点；以及

故障信息生成模块，用于根据所述目标图像中的实际故障点对应发出故障信息。

进一步的，所述图像处理模块包括：

存储单元，用于预存点光源的各灯点全部点亮时的标准图像；

灰度处理单元，用于对所述标准图像和实时图像进行灰度处理；

位置确定单元，用于对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置的模板图像；

疑似故障点确定单元，用于对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

进一步的，所述疑似故障点确定单元包括：

第一疑似故障点生成子单元，用于对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点；

第二疑似故障点生成子单元，用于对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点；

综合处理子单元，用于将所述第一待测图像和第二待测图像均确定为目标图像，并将第一疑似故障点和第二疑似故障点分别对应确定为第一待测图像和第二待测图像的疑似故障点。

进一步的，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。

进一步的，所述装置还包括：

工单生成模块，用于根据所述故障信息以及预存的所述实际故障点在目标图像中的位置与灯点型号的对应关系表生成维修工单。

另一方面，为了解决上述技术问题，本发明实施例提供以下技术方案：一种点光源灯点故障检测方法，包括以下步骤：

按照预定频率获取点光源所包含的各灯点的实时图像；

对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像；

将所述模板图像与所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点；以及

根据所述目标图像中的实际故障点对应发出故障信息。

进一步的，所述对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像包括：预存点光源的各灯点全部点亮时的标准图像；

对所述标准图像和实时图像进行灰度处理；

对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置的模板图像；

对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

进一步的，所述对灰度处理后所述标准图像以及实时图像和连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像包括：

对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点；

对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点；

将所述第一待测图像和第二待测图像均确定为目标图像，并将第一疑似故障点和第二疑似故障点分别对应确定为第一待测图像和第二待测图像的疑似故障点。

进一步的，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。

进一步的，所述方法还包括以下步骤：

根据所述故障信息以及预存的所述实际故障点在目标图像中的位置与灯点型号的对应关系表生成维修工单。

采用上述技术方案后，本发明实施例至少具有如下有益效果：本发明实施例通过灯点图像获取模块按照预定频率获取点光源所包含的各灯点的实时图像，图像处理模块对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像，从而故障点确定模块将标注有每个灯点位置的所述模板图像与显示有灯点的疑似故障点的所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点，根据点光源具体工作时各灯点的发光状况来判断灯点是否故障，避免了点光源的灯点无法被控制而通信正常的误判，能有效的检测点光源灯光故障；再通过故障信息生成模块根据所述目标图像中的实际故障点对应发出故障信息，及时的给维护人员反馈故障信息。

附图说明

图1为本发明点光源灯点故障检测装置一个可选实施例的模板图像的原理示意图。

图2为本发明点光源灯点故障检测装置一个可选实施例的实时图像的原理示意图。

图3为本发明点光源灯点故障检测装置一个可选实施例实时图像与标准图像差分后的原理示意图。

图4为本发明点光源灯点故障检测装置又一个可选实施例的实时图像的原理示意图。

图5为本发明点光源灯点故障检测装置一个可选实施例图4所示的实时图像的相邻图像的原理示意图。

图6为本发明点光源灯点故障检测装置一个可选实施例图3所示的实时图像与其相邻图像差分后的原理示意图。

图7为本发明点光源灯点故障检测装置一个可选实施例的方框示意图。

图8为本发明点光源灯点故障检测装置一个可选实施例的图像处理模块的方框示意图。

图9为本发明点光源灯点故障检测装置一个可选实施例的可选故障点确定单元的方框示意图。

图10为本发明点光源灯点故障检测装置又一个可选实施例的方框示意图。

图11为本发明点光源灯点故障检测方法一个可选实施例的步骤流程图。

图12为本发明点光源灯点故障检测方法一个可选实施例步骤S3的步骤流程图。

图13为本发明点光源灯点故障检测方法一个可选实施例步骤S34具体的步骤流程图。

具体实施方式

下面结合附图和具体实施例对本申请作进一步详细说明。应当理解，以下的示意性实施例及说明仅用来解释本发明，并不作为对本发明的限定，而且，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。

如图1-图7所示，本发明一个可选实施例提供一种点光源灯点故障检测装置，包括：

灯点图像获取模块1，用于按照预定频率获取点光源所包含的各灯点的实时图像；

图像处理模块3，用于对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置a的模板图像A；故障点确定模块5，用于将所述模板图像A与所述目标图像对比，将目标图像中与模板图像A的灯点位置对应的疑似故障点确定为实际故障点c；以及

故障信息生成模块7，用于根据所述目标图像中的实际故障点c对应发出故障信息。

在图1-图6的实施例中，填充为黑色的圆形图案表示没有点亮或故障常灭的灯点，没有填充的圆形图案表示点亮或故障常亮的灯点。可以理解的是，图2所示的实时图像B1，图4所示的实时图像B2以及图5所示的图4的相邻图像D都是本发明提及的各灯点的实时图像。

本发明实施例通过灯点图像获取模块1按照预定频率获取点光源所包含的各灯点的实时图像，图像处理模块3对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置a的模板图像A，从而故障点确定模块5将标注有每个灯点位置的所述模板图像与显示有灯点的疑似故障点的所述目标图像对比，将目标图像中与模板图像A的灯点位置a对应的疑似故障点确定为实际故障点c，根据点光源具体工作时各灯点的发光状况来判断灯点是否故障，避免了点光源的灯点无法被控制而通信正常的误判，能有效的检测点光源灯光故障；再通过故障信息生成模块7根据所述目标图像中的实际故障点对应发出故障信息，及时的给维护人员反馈故障信息，提高维护效率。

在本发明的再一个可选实施例中，如图8所示，所述图像处理模块3包括：

存储单元30，用于预存点光源的各灯点全部点亮时的标准图像；

灰度处理单元32，用于对所述标准图像和实时图像进行灰度处理；

位置确定单元34，用于对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置a的模板图像A；

疑似故障点确定单元36，用于对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

本发明实施例通过存储单元30预存点光源的各灯点全部点亮时的标准图像，灰度处理单元32对所述标准图像和实时图像进行灰度处理，然后位置确定单元34对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置a的模板图像A，最后疑似故障点确定单元36对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像，可有效的生成模板图像A和显示有灯点的疑似故障点的目标图像，图像处理效率高。

在本发明的另一个可选实施例中，如图9所示，所述疑似故障点确定单元36包括：

第一疑似故障点生成子单元361，用于对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像C1，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点b1；

第二疑似故障点生成子单元363，用于对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像C2，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点b2；

综合处理子单元365，用于将所述第一待测图像C1和第二待测图像C2均确定为目标图像，并将第一疑似故障点b1和第二疑似故障点b2分别对应确定为第一待测图像C1和第二待测图像C2的疑似故障点。

本发明实施例通过第一疑似故障点生成子单元361对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像C1，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点b1，而第二疑似故障点生成子单元363对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像C2，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点b2，最后综合处理子单元365进行综合，可有效的检测出点光源所包含灯点的第一疑似故障点b1(常灭故障)和第二疑似故障点b2(常亮故障)。在具体实施时，对连续获取的两张所述实时图像依次进行去底色采用预存的多阈值分割模型，将三通道图像分离成R、G、B图像，然后分别对三个通道做阈值分割，设置预定阈值，阈值分割后，合并三个通道，实现图片去底色，图片显示高亮部分信息，即可将图像中常亮的灯点显示出来。

在本发明的又一个可选实施例中，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。本发明实施例边缘检测模型和图案检测模型分别采用Canny边缘检测模型和Hough圆检测模型，检测效率高；点光源的灯点一般为圆形图案，采用Hough圆检测模型有效的识别灯点的位置。

另外，Canny边缘检测模型的一般处理步骤为采用高斯滤波对图片进行降噪、计算图像梯度值和梯度方向、非极大值抑制以及应用双阈值检测来确定真实和潜在的边缘。

随后，Hough圆检测模型的一般处理步骤为首先创建累加器链表，由图像中的每个像素单元格构成，并初始化，然后对于每个图像的边缘点，按照圆方程将那些可能是一个圆中心的单元格值进行累加；当累加器链表达到设定阈值时，进行验证，判断累加器是否含有足够多的特征点，如果有，则输出检测到的圆，否则初始化累加器链表，直至检测完整个图像。

在本发明的再一个可选实施例中，如图10所示，所述装置还包括：

工单生成模块9，用于根据所述故障信息以及预存的所述实际故障点c在目标图像中的位置与灯点型号的对应关系表生成维修工单。

本发明实施例还通过工单生成模块9根据所述故障信息以及预存的所述实际故障点c在目标图像中的位置与灯点型号的对应关系表生成维修工单，维护人员直接根据维修工单对应更换灯点型号，提高了维护效率。

另一方面，如图11所示，本发明实施例提供一种点光源灯点故障检测方法，包括以下步骤：

S1：按照预定频率获取点光源所包含的各灯点的实时图像；

S2：对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置a的模板图像A；

S3：将所述模板图像A与所述目标图像对比，将目标图像中与模板图像A的灯点位置a对应的疑似故障点确定为实际故障点c；以及

S4：根据所述目标图像中的实际故障点c对应发出故障信息。

本发明实施例通过上述方法，按照预定频率获取点光源所包含的各灯点的实时图像，对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置a的模板图像A，从而将标注有每个灯点位置的所述模板图像与显示有灯点的疑似故障点的所述目标图像对比，将目标图像中与模板图像A的灯点位置a对应的疑似故障点确定为实际故障点c，根据点光源具体工作时各灯点的发光状况来判断灯点是否故障，避免了点光源的灯点无法被控制而通信正常的误判，能有效的检测点光源灯光故障；再根据所述目标图像中的实际故障点对应发出故障信息，及时的给维护人员反馈故障信息，提高维护效率。

在本发明的一个可选实施例中，如图12所示，所述步骤S2包括：

S21：预存点光源的各灯点全部点亮时的标准图像；

S22：对所述标准图像和实时图像进行灰度处理；

S23：对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置a的模板图像A；

S24：对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

本发明实施例通过上述方法，预存点光源的各灯点全部点亮时的标准图像，对所述标准图像和实时图像进行灰度处理，然后对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置a的模板图像A，最后对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像，可有效的生成模板图像A和显示有灯点的疑似故障点的目标图像，图像处理效率高。

在本发明的另一个可选实施例中，如图13所示，所述步骤S24包括：

S241：对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点；

S242：对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点；

S243：将所述第一待测图像和第二待测图像均确定为目标图像，并将第一疑似故障点和第二疑似故障点分别对应确定为第一待测图像和第二待测图像的疑似故障点。

在本发明的再一个可选实施例中，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。

本发明实施例通过上述方法，对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像C1，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点b1，而对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像C2，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点b2，最后进行综合，可有效的检测出点光源所包含灯点的第一疑似故障点b1(常灭故障)和第二疑似故障点b2(常亮故障)。

在本发明的又一个可选实施例中，所述方法还包括以下步骤：

S5：根据所述故障信息以及预存的所述实际故障点c在目标图像中的位置与灯点型号的对应关系表生成维修工单。

本发明实施例还通过上述方法，根据所述故障信息以及预存的所述实际故障点c在目标图像中的位置与灯点型号的对应关系表生成维修工单，维护人员直接根据维修工单对应更换灯点型号，提高了维护效率。

本发明实施例所述的功能如果以软件功能模块或单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护范围之内。

Claims (10)

1.一种点光源灯点故障检测装置，其特征在于，所述装置包括：

灯点图像获取模块，用于按照预定频率获取点光源所包含的各灯点的实时图像；

图像处理模块，用于对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像；

故障点确定模块，用于将所述模板图像与所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点；以及

故障信息生成模块，用于根据所述目标图像中的实际故障点对应发出故障信息。

2.如权利要求1所述的点光源灯点故障检测装置，其特征在于，所述图像处理模块包括：存储单元，用于预存点光源的各灯点全部点亮时的标准图像；

灰度处理单元，用于对所述标准图像和实时图像进行灰度处理；

位置确定单元，用于对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置的模板图像；

疑似故障点确定单元，用于对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

3.如权利要求2所述的点光源灯点故障检测装置，其特征在于，所述疑似故障点确定单元包括：

第一疑似故障点生成子单元，用于对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点；

第二疑似故障点生成子单元，用于对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点；

综合处理子单元，用于将所述第一待测图像和第二待测图像均确定为目标图像，并将第一疑似故障点和第二疑似故障点分别对应确定为第一待测图像和第二待测图像的疑似故障点。

4.如权利要求2所述的点光源灯点故障检测装置，其特征在于，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。

5.如权利要求1所述的点光源灯点故障检测装置，其特征在于，所述装置还包括：

工单生成模块，用于根据所述故障信息以及预存的所述实际故障点在目标图像中的位置与灯点型号的对应关系表生成维修工单。

6.一种点光源灯点故障检测方法，其特征在于，所述方法包括以下步骤：按照预定频率获取点光源所包含的各灯点的实时图像；

对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像；

将所述模板图像与所述目标图像对比，将目标图像中与模板图像的灯点位置对应的疑似故障点确定为实际故障点；以及

根据所述目标图像中的实际故障点对应发出故障信息。

7.如权利要求6所述的点光源灯点故障检测方法，其特征在于，所述对所述实时图像以及预存的点光源的各灯点全部点亮时的标准图像进行处理以获得显示有灯点的疑似故障点的目标图像和标注有每个灯点位置的模板图像包括：

预存点光源的各灯点全部点亮时的标准图像；

对所述标准图像和实时图像进行灰度处理；

对灰度处理后所述标准图像依次采用预存的边缘检测模型和图案检测模型，将图案检测过程中任意检测到的每一个预定图案均标注为灯点从而获得标注有每个灯点位置的模板图像；

对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像。

8.如权利要求7所述的点光源灯点故障检测方法，其特征在于，所述对灰度处理后所述标准图像和实时图像以及连续获取的两张所述实时图像进行分析处理，确定显示有灯点的疑似故障点的目标图像包括：

对灰度处理后所述标准图像和实时图像依次进行二值化、图像差分和去噪，并将去噪后的差分图片确定为第一待测图像，将去噪后的差分图片中的具有第一预定颜色的目标确定为灯点的第一疑似故障点；

对连续获取的两张所述实时图像依次进行去底色、图像差分和去噪，并将去噪后的差分图片确定为第二待测图像，将去噪后的差分图片中第二预定颜色超过预定比例的目标确定为灯点的第二疑似故障点；

将所述第一待测图像和第二待测图像均确定为目标图像，并将第一疑似故障点和第二疑似故障点分别对应确定为第一待测图像和第二待测图像的疑似故障点。

9.如权利要求7所述的点光源灯点故障检测方法，其特征在于，所述边缘检测模型和图案检测模型分别为Canny边缘检测模型和Hough圆检测模型。

10.如权利要求6所述的点光源灯点故障检测方法，其特征在于，所述方法还包括以下步骤：

根据所述故障信息以及预存的所述实际故障点在目标图像中的位置与灯点型号的对应关系表生成维修工单。

Images