CN116883411B - 一种开关柜智能远程监测*** - Google Patents
一种开关柜智能远程监测*** Download PDFInfo
- Publication number
- CN116883411B CN116883411B CN202311152538.XA CN202311152538A CN116883411B CN 116883411 B CN116883411 B CN 116883411B CN 202311152538 A CN202311152538 A CN 202311152538A CN 116883411 B CN116883411 B CN 116883411B
- Authority
- CN
- China
- Prior art keywords
- switch cabinet
- image
- gray level
- pixel point
- gray
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 78
- 230000005856 abnormality Effects 0.000 claims abstract description 34
- 238000001931 thermography Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10048—Infrared 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种开关柜智能远程监测***,包括:根据分块比例得到开关柜分块图像;得到开关柜分块图像的重要性;根据重要性得到开关柜分块图像的重要程度;根据重要程度、像素点与异常中心点的距离,得到影响程度;根据影响程度得到像素点的最终影响程度;根据最终影响程度,得到像素点的异常程度;根据异常程度得到标记的开关柜内部的热成像图像,将图像进行传输用于远程监测。本发明通过对开关柜内部的灰度图像进行分析,通过开关柜分块图像中的重要程度得到异常程度,从而根据异常程度对开关柜内部的灰度图像进行增强,使得温度异常区域可以更好的显示。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种开关柜智能远程监测***。
背景技术
现如今随着社会的发展,图像处理已成为机器视觉领域的一个重要分支,在许多应用场合,图像在传输之前必须经过一定的处理,以提高图像利用率并减少存储需求空间。现如今的红外热成像技术被广泛应用于开关柜监测中,在开关柜监测中,开关柜智能远程监测中需要不断的采集监控各时间的图像,直接传输储存热感应图像会占用大量的存储空间,传统的大津阈值分割方法将图像转换为二值图像然后对开关柜状态进行监测存储,但传统的大津阈值分割方法无法精准的分割出异常区域,同时会丢失异常区域细节。因此需要研究一种图像增强方法使得异常区域监测更加准确的监测***。
发明内容
本发明提供一种开关柜智能远程监测***,以解决现有的问题。
本发明的一种开关柜智能远程监测***采用如下技术方案:
本发明一个实施例提供了一种开关柜智能远程监测***,该***包括以下模块:
图像采集模块,采集得到开关柜内部的热成像图像并灰度化得到开关柜内部的灰度图像;
分块图像重要程度计算模块,获取开关柜内部的灰度图像的若干目标区域和若干异常中心点;预设分块比例,根据分块比例和开关柜内部的灰度图像得到若干开关柜分块图像;根据开关柜分块图像和目标区域像素点的数量得到每一个开关柜分块图像的重要性;
根据每一个开关柜分块图像的重要性和每一个开关柜分块图像内像素点的灰度差异,得到每一个开关柜分块图像的重要程度;
像素点异常程度计算模块,根据开关柜内部的灰度图像中每一个像素点所在开关柜分块图像的重要程度、开关柜内部的灰度图像中每一个像素点与每一个异常中心点的距离,得到开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度;
根据开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度得到开关柜内部的灰度图像中每一个像素点的最终影响程度;
根据开关柜内部的灰度图像中每一个像素点的最终影响程度和开关柜内部的灰度图像中每一个像素点的邻域内像素点的最终影响程度,得到开关柜内部的灰度图像中每一个像素点的异常程度;
异常标记传输模块,根据开关柜内部的灰度图像中每一个像素点的异常程度得到标记的开关柜内部的热成像图像,将标记的开关柜内部的热成像图像进行传输用于远程监测。
进一步地,所述获取开关柜内部的灰度图像的若干目标区域和若干异常中心点的具体方法如下:
在开关柜内部的灰度图像中划分出若干ROI区域,记为目标区域,将每个目标区域中灰度值最大的像素点作为异常中心点,最终得到若干个异常中心点。
进一步地,所述根据分块比例和开关柜内部的灰度图像得到若干开关柜分块图像,包括的具体步骤如下:
将开关柜内部的灰度图像记为,/>为灰度图像的大小,灰度图像长度为,灰度图像宽度为/>,开关柜内部的灰度图像通过等比例分块得到/>个开关柜分块图像,/>为预设的分块比例。
进一步地,所述根据开关柜分块图像和目标区域像素点的数量得到每一个开关柜分块图像的重要性,包括的具体步骤如下:
将任意一个开关柜分块图像记为目标分块图像,将目标分块图像中包含目标区域像素点的数量与目标分块图像中总像素点数量的比值作为目标分块图像的重要性,最终得到每一个开关柜分块图像的重要性。
进一步地,所述根据每一个开关柜分块图像的重要性和每一个开关柜分块图像内像素点的灰度差异,得到每一个开关柜分块图像的重要程度,包括的具体步骤如下:
式中,为第j个开关柜分块图像的重要性,/>为第j个开关柜分块图像内像素点的灰度均值,/>为第j个开关柜分块图像内像素点的灰度方差,所述第j个开关柜分块图像内像素点的灰度方差记为每一个开关柜分块图像内像素点的灰度差异,/>为第j个开关柜分块图像的重要程度。
进一步地,所述根据开关柜内部的灰度图像中每一个像素点所在开关柜分块图像的重要程度、开关柜内部的灰度图像中每一个像素点与每一个异常中心点的距离,得到开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度,包括的具体步骤如下:
式中,为开关柜内部的灰度图像中第i个像素点所在开关柜分块图像的重要程度,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的欧式距离,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的灰度值差值,/>为开关柜内部的灰度图像中第i个像素点受第k个异常中心点影响的影响程度。
进一步地,所述根据开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度得到开关柜内部的灰度图像中每一个像素点的最终影响程度,包括的具体步骤如下:
选取开关柜内部的灰度图像中第i个像素点受每一个异常中心点影响的影响程度最大值,作为开关柜内部的灰度图像中第i个像素点的最终影响程度。
进一步地,所述根据开关柜内部的灰度图像中每一个像素点的最终影响程度和开关柜内部的灰度图像中每一个像素点的邻域内像素点的最终影响程度,得到开关柜内部的灰度图像中每一个像素点的异常程度,包括的具体步骤如下:
式中,为开关柜内部的灰度图像中第i个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重,/>为开关柜内部的灰度图像中第i个像素点的8邻域内每一个像素点的最终影响程度与灰度权重乘积的均值,/>为开关柜内部的灰度图像中第i个像素点的8邻域内像素点总个数,/>为开关柜内部的灰度图像中第i个像素点的异常程度。
进一步地,所述灰度权重的具体获取方法如下:
将开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度值与开关柜内部的灰度图像中第i个像素点的8邻域内像素点的总灰度值的比值作为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重。
进一步地,所述根据开关柜内部的灰度图像中每一个像素点的异常程度得到标记的开关柜内部的热成像图像,包括的具体步骤如下:
将开关柜内部的灰度图像中所有像素点的异常程度先进行线性归一化处理再乘以最大灰度值TT,得到新的开关柜内部的灰度图像,新的开关柜内部的灰度图像中像素点灰度值不为0的区域为温度异常区域,将温度异常区域在开关柜内部的热成像图像中标记并显示。
本发明的技术方案的有益效果是:通过对开关柜内部的灰度图像进行分块并根据开关柜分块图像的灰度异常性得到开关柜分块图像的重要程度,重要程度可以反映分块图像中包含温度异常区域情况,可以更好的判断分块图像受温度异常影响的情况,便于得到准确的温度异常区域,根据开关柜分块图像的重要程度以及对开关柜内部的灰度图像中像素点受异常中心的影响,并通过对邻域像素点进行分析得到图像中像素点的异常程度,从而根据异常程度对开关柜内部的灰度图像进行增强,使得温度异常区域可以更好的显示,便于异常监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种开关柜智能远程监测***的框架图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种开关柜智能远程监测***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种开关柜智能远程监测***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种开关柜智能远程监测***的***框架图,该***包括以下模块:
图像采集模块:
需要说明的是,本实施例是基于图像处理的开关柜智能远程监测,首先需要采集需要的图像并进行一定的预处理。
具体的,在开关柜内部安装红外热成像相机采集开关柜内部的热成像图像,对开关柜内部的热成像图像进行灰度化处理,得到开关柜内部的灰度图像,红外热成像相机的视角固定不变,
至此,得到了开关柜内部的灰度图像。
分块图像重要程度计算模块:
需要说明的是,通过开关柜内部的灰度图像得到若干目标区域,由于热成像图像灰度化后,温度越高的像素点灰度值越大,所以将目标区域中像素点的灰度值得到异常中心点,异常中心点可以更好的反映温度异常区域的准确位置,便于后续准确异常区域的检测。
具体的,由于热成像图像中只有部分区域存在电器设备,这些电器设备上可能存在温度异常区域,其他部分区域不存在电器设备,因此其他区域不存在异常温度区域;因此本实施例人为事先在开关柜内部的灰度图像中划分出若干ROI区域,记为目标区域,这些目标区域中可能存在温度异常区域;具体实施时需要根据开关柜内部电器设备的分布情况来人为的具体划定ROI区域,本实施例不进行具体限定。需要说明的是,目标区域是开关柜内部一些电器设备产生温度异常的一个大致范围。
进一步地,热成像图像进行灰度化后温度越高对应到开关柜内部的灰度图像中灰度值越大,将每个目标区域中灰度值最大的像素点作为异常中心点,最终得到若干个异常中心点。
需要说明的是,为了得到开关柜内部准确的温度异常区域,本实施例通过将开关柜内部的灰度图像进行分块,因为目标区域为主要异常发生的区域,因此包含目标区域的分块为存在异常的分块,所以根据分块内包含的目标区域像素点的占比,其占比越大则该分块内异常像素点就越多,则该像素块的重要性就越高,因此根据分块内包含的目标区域像素点与分块内总像素点的比值,表示各分块的重要性。
具体的,将开关柜内部的灰度图像记为,/>为图像的大小,本实施例中以图像大小为/>进行说明,即图像长度/>,图像宽度/>,单位为像素,开关柜内部的灰度图像通过等比例分块得到/>个开关柜分块图像,/>为预设的分块比例,本实施例中以分块比例/>进行叙述。需要说明的是,当分块比例不能使得开关柜内部的灰度图像等比例分块时,即对开关柜内部的灰度图像中的元素进行分块操作时,可能会超出开关柜内部的灰度图像的边界,此时本实施例利用二次线性插值的方法将开关柜内部的灰度图像超出边界的部分进行插值填充数据。
进一步地,将任意一个开关柜分块图像记为目标分块图像,将目标分块图像中包含目标区域像素点的数量与目标分块图像中总像素点数量的比值作为目标分块图像的重要性,最终得到每一个开关柜分块图像的重要性,分块内包含的目标区域像素点的占比越大则该分块内异常像素点就越多。
需要说明的是,通过对热成像图像分析,热成像图像灰度化后,因为异常程度越高的分块图像中像素点的灰度值越相近,所以像素点的灰度方差越小分块内像素点近似程度越高。但是存在无异常且温度低的区域,所以需要通过灰度判断进行细化。因为目标区域热成像图像灰度化后,目标区域为高温区域,温度越高的像素点灰度值越大,所以根据分块内灰度均值越大则该分块内存在异常的可能性就越高,计算得到分块内像素灰度均值,根据分块内像素灰度均值和方差的比值,得到该分块的灰度异常性,再通过各分块的重要性得到各个像素点重要程度。
具体的,根据每一个开关柜分块图像的重要性和每一个开关柜分块图像内像素点的灰度差异,得到每一个开关柜分块图像的重要程度,具体如下:
式中,为第j个开关柜分块图像的重要性,/>为第j个开关柜分块图像内像素点的灰度均值,均值越大则该分块内存在温度异常的可能性就越高,/>为第j个开关柜分块图像内像素点的灰度方差,/>为第j个开关柜分块图像的重要程度,/>表示第j个开关柜分块图像的灰度异常性。
至此,得到了每一个开关柜分块图像的重要程度。
像素点异常程度计算模块:
需要说明的是,上述模块通过对热成像图像出现异常的灰度特征和目标区域影响块内像素的占比得到了各分块的重要程度,因为重要程度是通过图像分块的块内整体信息得到,所以分块内的各像素点可能会存在较大差异,因为需要将不存在异常的像素点与异常的像素点区分,且保留异常区域细节,因此根据分块的重要程度对块内各像素点进行分析。
需要说明的是,通过对目标区域进行分析,在热成像图像灰度化后,温度越高的像素点灰度值越大,所以将目标区域中灰度值最大的像素点设为异常中心点。距离异常中心点越近的像素点则与异常中心点的关联性越强,则存在异常的可能性越大,但存在部分与异常中心点的间距小且不存在异常的像素点,因此需要根据像素点与中心点的差值,得到像素点受到异常中心点影响的异常影响度,其值越小则像素点受到异常中心点影响的程度越大,以此判断像素点受到异常中心点影响的影响程度,因为灰度图像中存在多个目标区域,因此距离像素点最近的目标区域的异常中心点才更具有对该像素点的影响趋势,且距离越近影响程度越大。
具体的,根据开关柜内部的灰度图像中每一个像素点所在开关柜分块图像的重要程度、开关柜内部的灰度图像中每一个像素点与每一个异常中心点的距离,得到开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度,具体如下:
式中,为开关柜内部的灰度图像中第i个像素点所在开关柜分块图像的重要程度,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的欧式距离,距离越小则该像素点与异常中心点的关联程度越高,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的灰度值差值,差值越小则该像素点异常可能性越高,/>为开关柜内部的灰度图像中第i个像素点受第k个异常中心点影响的影响程度,影响程度越大则越可能属于温度异常区域的像素点。
进一步地,根据开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度得到开关柜内部的灰度图像中每一个像素点的最终影响程度,具体如下:
选取开关柜内部的灰度图像中第i个像素点受每一个异常中心点影响的影响程度最大值,作为开关柜内部的灰度图像中第i个像素点的最终影响程度。
需要说明的是,上述仅围绕单个像素点的进行分析的,而图像中可能会存在噪声等干扰源噪声点,导致上述分析可能不准确。受到目标区域影响但不存在异常的像素点的灰度值和最终影响程度的变化速率较慢,变化程度较为平滑,而在目标区域中,受到温度异常区域影响的像素点其灰度值和最终影响程度的变化速率较快,所以通过像素点与该像素点领域内像素点的灰度权重与最终影响程度的方差来得到该像素点的异常程度。
具体的,根据开关柜内部的灰度图像中每一个像素点的最终影响程度和开关柜内部的灰度图像中每一个像素点的邻域内像素点的最终影响程度,得到开关柜内部的灰度图像中每一个像素点的异常程度,具体如下:
式中,为开关柜内部的灰度图像中第i个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重,所述/>具体获取方法如下:将开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度值与开关柜内部的灰度图像中第i个像素点的8邻域内像素点的总灰度值的比值作为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重,记为/>;/>为开关柜内部的灰度图像中第i个像素点的8邻域内每一个像素点的最终影响程度与灰度权重乘积的均值,/>为开关柜内部的灰度图像中第i个像素点的8邻域内像素点总个数,/>为开关柜内部的灰度图像中第i个像素点的异常程度。异常程度越大则越可能属于温度异常区域的像素点,且更加准确。
异常标记传输模块:
具体的,将开关柜内部的灰度图像中所有像素点的异常程度先进行线性归一化处理再乘以最大灰度值TT,本实施例中TT=255,得到新的开关柜内部的灰度图像,新的开关柜内部的灰度图像中像素点灰度值不为0的区域为温度异常区域,将温度异常区域在开关柜内部的热成像图像中对应位置进行标记高亮显示得到标记的开关柜内部的热成像图像,最终将标记的开关柜内部的热成像图像进行传输,便于远程监测。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种开关柜智能远程监测***,其特征在于,该***包括以下模块:
图像采集模块,采集得到开关柜内部的热成像图像并灰度化得到开关柜内部的灰度图像;
分块图像重要程度计算模块,获取开关柜内部的灰度图像的若干目标区域和若干异常中心点;预设分块比例,根据分块比例和开关柜内部的灰度图像得到若干开关柜分块图像;根据开关柜分块图像和目标区域像素点的数量得到每一个开关柜分块图像的重要性;
根据每一个开关柜分块图像的重要性和每一个开关柜分块图像内像素点的灰度差异,得到每一个开关柜分块图像的重要程度;
像素点异常程度计算模块,根据开关柜内部的灰度图像中每一个像素点所在开关柜分块图像的重要程度、开关柜内部的灰度图像中每一个像素点与每一个异常中心点的距离,得到开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度;
根据开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度得到开关柜内部的灰度图像中每一个像素点的最终影响程度;
根据开关柜内部的灰度图像中每一个像素点的最终影响程度和开关柜内部的灰度图像中每一个像素点的邻域内像素点的最终影响程度,得到开关柜内部的灰度图像中每一个像素点的异常程度;
异常标记传输模块,根据开关柜内部的灰度图像中每一个像素点的异常程度得到标记的开关柜内部的热成像图像,将标记的开关柜内部的热成像图像进行传输用于远程监测;
所述根据开关柜内部的灰度图像中每一个像素点所在开关柜分块图像的重要程度、开关柜内部的灰度图像中每一个像素点与每一个异常中心点的距离,得到开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度,包括的具体步骤如下:
式中,为开关柜内部的灰度图像中第i个像素点所在开关柜分块图像的重要程度,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的欧式距离,/>为开关柜内部的灰度图像中第i个像素点与第k个异常中心点的灰度值差值,/>为开关柜内部的灰度图像中第i个像素点受第k个异常中心点影响的影响程度;
所述根据开关柜内部的灰度图像中每一个像素点的最终影响程度和开关柜内部的灰度图像中每一个像素点的邻域内像素点的最终影响程度,得到开关柜内部的灰度图像中每一个像素点的异常程度,包括的具体步骤如下:
式中,为开关柜内部的灰度图像中第i个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的最终影响程度,/>为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重,/>为开关柜内部的灰度图像中第i个像素点的8邻域内每一个像素点的最终影响程度与灰度权重乘积的均值,/>为开关柜内部的灰度图像中第i个像素点的8邻域内像素点总个数,/>为开关柜内部的灰度图像中第i个像素点的异常程度。
2.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述获取开关柜内部的灰度图像的若干目标区域和若干异常中心点的具体方法如下:
在开关柜内部的灰度图像中划分出若干ROI区域,记为目标区域,将每个目标区域中灰度值最大的像素点作为异常中心点,最终得到若干个异常中心点。
3.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述根据分块比例和开关柜内部的灰度图像得到若干开关柜分块图像,包括的具体步骤如下:
将开关柜内部的灰度图像记为,/>为灰度图像的大小,灰度图像长度为/>,灰度图像宽度为/>,开关柜内部的灰度图像通过等比例分块得到/>个开关柜分块图像,/>为预设的分块比例。
4.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述根据开关柜分块图像和目标区域像素点的数量得到每一个开关柜分块图像的重要性,包括的具体步骤如下:
将任意一个开关柜分块图像记为目标分块图像,将目标分块图像中包含目标区域像素点的数量与目标分块图像中总像素点数量的比值作为目标分块图像的重要性,最终得到每一个开关柜分块图像的重要性。
5.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述根据每一个开关柜分块图像的重要性和每一个开关柜分块图像内像素点的灰度差异,得到每一个开关柜分块图像的重要程度,包括的具体步骤如下:
式中,为第j个开关柜分块图像的重要性,/>为第j个开关柜分块图像内像素点的灰度均值,/>为第j个开关柜分块图像内像素点的灰度方差,所述第j个开关柜分块图像内像素点的灰度方差记为每一个开关柜分块图像内像素点的灰度差异,/>为第j个开关柜分块图像的重要程度。
6.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述根据开关柜内部的灰度图像中每一个像素点受每一个异常中心点影响的影响程度得到开关柜内部的灰度图像中每一个像素点的最终影响程度,包括的具体步骤如下:
选取开关柜内部的灰度图像中第i个像素点受每一个异常中心点影响的影响程度最大值,作为开关柜内部的灰度图像中第i个像素点的最终影响程度。
7.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述灰度权重的具体获取方法如下:
将开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度值与开关柜内部的灰度图像中第i个像素点的8邻域内像素点的总灰度值的比值作为开关柜内部的灰度图像中第i个像素点的8邻域内第v个像素点的灰度权重。
8.根据权利要求1所述一种开关柜智能远程监测***,其特征在于,所述根据开关柜内部的灰度图像中每一个像素点的异常程度得到标记的开关柜内部的热成像图像,包括的具体步骤如下:
将开关柜内部的灰度图像中所有像素点的异常程度先进行线性归一化处理再乘以最大灰度值TT,得到新的开关柜内部的灰度图像,新的开关柜内部的灰度图像中像素点灰度值不为0的区域为温度异常区域,将温度异常区域在开关柜内部的热成像图像中标记并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152538.XA CN116883411B (zh) | 2023-09-08 | 2023-09-08 | 一种开关柜智能远程监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152538.XA CN116883411B (zh) | 2023-09-08 | 2023-09-08 | 一种开关柜智能远程监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883411A CN116883411A (zh) | 2023-10-13 |
CN116883411B true CN116883411B (zh) | 2023-12-19 |
Family
ID=88270323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311152538.XA Active CN116883411B (zh) | 2023-09-08 | 2023-09-08 | 一种开关柜智能远程监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883411B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117254598B (zh) * | 2023-11-17 | 2024-03-08 | 国网吉林省电力有限公司长春供电公司 | 一种基于红外热成像技术的开关柜状态监测方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059553A (zh) * | 2019-03-13 | 2019-07-26 | 中国科学院遥感与数字地球研究所 | 利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法 |
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN115294409A (zh) * | 2022-10-08 | 2022-11-04 | 南通商翼信息科技有限公司 | 一种用于安防监控的视频压缩方法、***及介质 |
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
CN115601364A (zh) * | 2022-12-14 | 2023-01-13 | 惠州威尔高电子有限公司(Cn) | 基于图像分析的金手指电路板检测方法 |
CN115690693A (zh) * | 2022-12-13 | 2023-02-03 | 山东鲁旺机械设备有限公司 | 一种建筑吊篮的智能监控***及监控方法 |
CN116433668A (zh) * | 2023-06-14 | 2023-07-14 | 东营孚瑞特能源设备有限公司 | 一种智能液压油管漏油检测方法 |
WO2023134797A2 (zh) * | 2022-12-09 | 2023-07-20 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的视频远程监测*** |
WO2023154320A1 (en) * | 2022-02-08 | 2023-08-17 | Senem Velipasalar | Thermal anomaly identification on building envelopes as well as image classification and object detection |
CN116612389A (zh) * | 2023-07-20 | 2023-08-18 | 青建国际集团有限公司 | 一种建筑施工进度管理方法及*** |
CN116612138A (zh) * | 2023-07-14 | 2023-08-18 | 威海职业学院(威海市技术学院) | 基于图像处理的电气设备在线监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023019802A (ja) * | 2021-07-29 | 2023-02-09 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置およびプログラム |
-
2023
- 2023-09-08 CN CN202311152538.XA patent/CN116883411B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059553A (zh) * | 2019-03-13 | 2019-07-26 | 中国科学院遥感与数字地球研究所 | 利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法 |
WO2023154320A1 (en) * | 2022-02-08 | 2023-08-17 | Senem Velipasalar | Thermal anomaly identification on building envelopes as well as image classification and object detection |
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN115294409A (zh) * | 2022-10-08 | 2022-11-04 | 南通商翼信息科技有限公司 | 一种用于安防监控的视频压缩方法、***及介质 |
CN115345802A (zh) * | 2022-10-18 | 2022-11-15 | 苏州迈创信息技术有限公司 | 一种机电设备运行状态远程监控方法 |
WO2023134797A2 (zh) * | 2022-12-09 | 2023-07-20 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的视频远程监测*** |
CN115690693A (zh) * | 2022-12-13 | 2023-02-03 | 山东鲁旺机械设备有限公司 | 一种建筑吊篮的智能监控***及监控方法 |
CN115601364A (zh) * | 2022-12-14 | 2023-01-13 | 惠州威尔高电子有限公司(Cn) | 基于图像分析的金手指电路板检测方法 |
CN116433668A (zh) * | 2023-06-14 | 2023-07-14 | 东营孚瑞特能源设备有限公司 | 一种智能液压油管漏油检测方法 |
CN116612138A (zh) * | 2023-07-14 | 2023-08-18 | 威海职业学院(威海市技术学院) | 基于图像处理的电气设备在线监测方法 |
CN116612389A (zh) * | 2023-07-20 | 2023-08-18 | 青建国际集团有限公司 | 一种建筑施工进度管理方法及*** |
Non-Patent Citations (1)
Title |
---|
基于灰度邻域操作的缺陷图像消噪分析与实现;魏爱娟;李茜;汤伟;;造纸科学与技术(第02期);正文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883411A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116883411B (zh) | 一种开关柜智能远程监测*** | |
EP3848891A1 (en) | Computer vision-based method and system for monitoring speed of intestinal lens removal in real time | |
CN111260788B (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN116520915B (zh) | 基于热红外图像的网络中心机房温度预警控制*** | |
CN115439474B (zh) | 一种电力设备故障快速定位方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控*** | |
CN115661669B (zh) | 一种基于视频监控的耕地违法占用监测方法及*** | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN105388414A (zh) | 一种隔离开关的全方位故障自动识别方法 | |
CN112070717B (zh) | 基于图像处理的输电线路覆冰厚度检测方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN113609901A (zh) | 一种输变电设备故障监测方法及*** | |
CN117132510A (zh) | 一种基于图像处理的监控图像增强方法及*** | |
CN116309649A (zh) | 一种基于ct影像的喉部病变异常区域分割*** | |
CN118037722B (zh) | 一种铜管生产缺陷检测方法及*** | |
EP3751245A1 (en) | Smart sensor measurement system | |
CN116503633B (zh) | 基于图像识别的开关柜状态智能检测控制方法 | |
CN115830106B (zh) | 一种用于机房设备带电清洗的辅助定位方法 | |
CN117079286A (zh) | 一种指针仪表的识别方法和识别*** | |
CN110837834B (zh) | 一种数字仪表读数方法及*** | |
CN111861984A (zh) | 一种确定肺部区域的方法及装置、计算机设备及存储介质 | |
CN112233193A (zh) | 一种基于多光谱图像处理的变电设备故障诊断方法 | |
CN115359449B (zh) | 一种转辙机道岔缺口图像的自动识别方法和*** | |
CN113689399B (zh) | 一种用于电网识别遥感图像处理方法及*** | |
CN110010228B (zh) | 一种基于图像分析的脸部皮肤透视算法 |
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 |