CN113313706A - 基于检测参考点偏移分析的电力设备缺陷图像检测方法 - Google Patents
基于检测参考点偏移分析的电力设备缺陷图像检测方法 Download PDFInfo
- Publication number
- CN113313706A CN113313706A CN202110716438.XA CN202110716438A CN113313706A CN 113313706 A CN113313706 A CN 113313706A CN 202110716438 A CN202110716438 A CN 202110716438A CN 113313706 A CN113313706 A CN 113313706A
- Authority
- CN
- China
- Prior art keywords
- network
- point
- defect image
- power equipment
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 105
- 238000001514 detection method Methods 0.000 title claims abstract description 92
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 claims description 26
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
Description
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110716438.XA CN113313706B (zh) | 2021-06-28 | 2021-06-28 | 基于检测参考点偏移分析的电力设备缺陷图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110716438.XA CN113313706B (zh) | 2021-06-28 | 2021-06-28 | 基于检测参考点偏移分析的电力设备缺陷图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313706A true CN113313706A (zh) | 2021-08-27 |
CN113313706B CN113313706B (zh) | 2022-04-15 |
Family
ID=77380518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110716438.XA Active CN113313706B (zh) | 2021-06-28 | 2021-06-28 | 基于检测参考点偏移分析的电力设备缺陷图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313706B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793472A (zh) * | 2021-09-15 | 2021-12-14 | 应急管理部沈阳消防研究所 | 基于特征深度聚合网络的图像型火灾探测器位姿估计方法 |
CN113808170A (zh) * | 2021-09-24 | 2021-12-17 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的反无人机跟踪方法 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
CN115187603A (zh) * | 2022-09-13 | 2022-10-14 | 国网浙江省电力有限公司 | 一种基于深度神经网络的电力设备检测方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010055416A1 (en) * | 1997-09-22 | 2001-12-27 | Kabushiki Kaisha Toshiba | Defect inspection method and defect inspection apparatus |
CN107644234A (zh) * | 2017-10-12 | 2018-01-30 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
CN107833220A (zh) * | 2017-11-28 | 2018-03-23 | 河海大学常州校区 | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 |
CN108345911A (zh) * | 2018-04-16 | 2018-07-31 | 东北大学 | 基于卷积神经网络多级特征的钢板表面缺陷检测方法 |
CN109829893A (zh) * | 2019-01-03 | 2019-05-31 | 武汉精测电子集团股份有限公司 | 一种基于注意力机制的缺陷目标检测方法 |
CN110222648A (zh) * | 2019-06-10 | 2019-09-10 | 国网上海市电力公司 | 一种架空电缆故障识别方法和装置 |
CN110796643A (zh) * | 2019-10-18 | 2020-02-14 | 四川大学 | 一种铁轨扣件缺陷检测方法和*** |
CN111553929A (zh) * | 2020-05-12 | 2020-08-18 | 重庆邮电大学 | 基于融合网络的手机屏幕缺陷分割方法、装置及设备 |
CN111598855A (zh) * | 2020-05-07 | 2020-08-28 | 西安电子科技大学 | 一种基于深度学习和迁移学习的2c设备高铁接触网吊弦缺陷检测方法 |
CN111680759A (zh) * | 2020-06-16 | 2020-09-18 | 西南交通大学 | 一种电网巡检绝缘子检测分类方法 |
CN112017173A (zh) * | 2020-09-02 | 2020-12-01 | 西南交通大学 | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 |
CN112070135A (zh) * | 2020-08-28 | 2020-12-11 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
CN112270722A (zh) * | 2020-10-26 | 2021-01-26 | 西安工程大学 | 一种基于深度神经网络的数码印花织物缺陷检测方法 |
-
2021
- 2021-06-28 CN CN202110716438.XA patent/CN113313706B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010055416A1 (en) * | 1997-09-22 | 2001-12-27 | Kabushiki Kaisha Toshiba | Defect inspection method and defect inspection apparatus |
CN107644234A (zh) * | 2017-10-12 | 2018-01-30 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
CN107833220A (zh) * | 2017-11-28 | 2018-03-23 | 河海大学常州校区 | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 |
CN108345911A (zh) * | 2018-04-16 | 2018-07-31 | 东北大学 | 基于卷积神经网络多级特征的钢板表面缺陷检测方法 |
CN109829893A (zh) * | 2019-01-03 | 2019-05-31 | 武汉精测电子集团股份有限公司 | 一种基于注意力机制的缺陷目标检测方法 |
CN110222648A (zh) * | 2019-06-10 | 2019-09-10 | 国网上海市电力公司 | 一种架空电缆故障识别方法和装置 |
CN110796643A (zh) * | 2019-10-18 | 2020-02-14 | 四川大学 | 一种铁轨扣件缺陷检测方法和*** |
CN111598855A (zh) * | 2020-05-07 | 2020-08-28 | 西安电子科技大学 | 一种基于深度学习和迁移学习的2c设备高铁接触网吊弦缺陷检测方法 |
CN111553929A (zh) * | 2020-05-12 | 2020-08-18 | 重庆邮电大学 | 基于融合网络的手机屏幕缺陷分割方法、装置及设备 |
CN111680759A (zh) * | 2020-06-16 | 2020-09-18 | 西南交通大学 | 一种电网巡检绝缘子检测分类方法 |
CN112070135A (zh) * | 2020-08-28 | 2020-12-11 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
CN112017173A (zh) * | 2020-09-02 | 2020-12-01 | 西南交通大学 | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 |
CN112270722A (zh) * | 2020-10-26 | 2021-01-26 | 西安工程大学 | 一种基于深度神经网络的数码印花织物缺陷检测方法 |
Non-Patent Citations (5)
Title |
---|
FISHER YU 等: "Deep Layer Aggregation", 《ARXIV:1707.06484V3》 * |
KAIWEN DUAN 等: "CenterNet: Keypoint Triplets for Object Detection", 《ARXIV:1904.08189V3》 * |
XINGYI ZHOU 等: "Objects as Points", 《ARXIV:1904.07850V2》 * |
王璇 等: "基于改进CenterNet的AFP铺层表面缺陷检测", 《红外与激光工程》 * |
赵锐 等: "改进CenterNet的高压输电线路巡检故障实时检测方法", 《计算机工程与应用》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793472A (zh) * | 2021-09-15 | 2021-12-14 | 应急管理部沈阳消防研究所 | 基于特征深度聚合网络的图像型火灾探测器位姿估计方法 |
CN113793472B (zh) * | 2021-09-15 | 2023-01-20 | 应急管理部沈阳消防研究所 | 基于特征深度聚合网络的图像型火灾探测器位姿估计方法 |
CN113808170A (zh) * | 2021-09-24 | 2021-12-17 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的反无人机跟踪方法 |
CN113808170B (zh) * | 2021-09-24 | 2023-06-27 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的反无人机跟踪方法 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
CN115018833B (zh) * | 2022-08-05 | 2022-11-04 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
CN115187603A (zh) * | 2022-09-13 | 2022-10-14 | 国网浙江省电力有限公司 | 一种基于深度神经网络的电力设备检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113313706B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313706B (zh) | 基于检测参考点偏移分析的电力设备缺陷图像检测方法 | |
CN110533084B (zh) | 一种基于自注意力机制的多尺度目标检测方法 | |
CN108830285B (zh) | 一种基于Faster-RCNN的加强学习的目标检测方法 | |
CN112215128B (zh) | 融合fcos的r-cnn城市道路环境识别方法及装置 | |
CN112766188B (zh) | 一种基于改进yolo算法的小目标行人检测方法 | |
CN112633149B (zh) | 一种域自适应雾天图像目标检测方法和装置 | |
CN111767944A (zh) | 一种基于深度学习的适用于多尺度目标检测的单阶段检测器设计方法 | |
CN112927253B (zh) | 基于卷积神经网络的岩心fib-sem图像分割方法 | |
CN112257793A (zh) | 一种基于改进YOLO v3算法的远距离交通标志检测方法 | |
CN111738055A (zh) | 多类别文本检测***和基于该***的票据表单检测方法 | |
CN112990065A (zh) | 一种基于优化的YOLOv5模型的车辆分类检测方法 | |
CN114627106A (zh) | 一种基于Cascade Mask R-CNN模型的焊缝缺陷检测方法 | |
CN114332921A (zh) | 基于改进聚类算法的Faster R-CNN网络的行人检测方法 | |
CN111754507A (zh) | 一种轻量化的基于强注意力机制的工业缺陷图像分类方法 | |
CN113159215A (zh) | 一种基于Faster Rcnn的小目标检测识别方法 | |
CN117372898A (zh) | 一种基于改进yolov8的无人机航拍图像目标检测方法 | |
CN116485649A (zh) | 一种端到端的图像拼接定位方法和*** | |
CN113269156B (zh) | 一种基于多尺度特征融合的信号灯检测识别方法及*** | |
CN111582057B (zh) | 一种基于局部感受野的人脸验证方法 | |
CN117274355A (zh) | 一种基于加速引导区域卷积神经网络和并行多尺度统一网络的排水管道流量智能测量方法 | |
CN112580624A (zh) | 基于边界预测的多方向文本区域检测方法和装置 | |
CN114419078B (zh) | 基于卷积神经网络的表面缺陷区域分割方法及装置 | |
CN112115977B (zh) | 基于尺度不变性与特征融合的目标检测算法 | |
CN112131996B (zh) | 基于通道分离卷积的路侧图像多尺度行人快速检测方法 | |
CN115240163A (zh) | 一种基于一阶段检测网络的交通标志检测方法及*** |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Yang Jianxu Inventor after: Xu He Inventor after: Yang Fan Inventor after: Liu Qun Inventor after: Lu Jianfeng Inventor after: Tong Yang Inventor after: Hua Xiong Inventor after: Cheng Han Inventor after: Wang Chengjin Inventor after: Wu Min Inventor after: Bao Xiansong Inventor before: Yang Jianxu Inventor before: Yang Fan Inventor before: Liu Qun Inventor before: Tong Yang Inventor before: Hua Xiong Inventor before: Cheng Han Inventor before: Wang Chengjin Inventor before: Wu Min Inventor before: Bao Xiansong Inventor before: Xu He |