基于HALCON的铆钉型电触头用银镍线材金相分析方法

通过数字成像与图像识别技术,提出一种分析铆钉型电触头用银镍线材金相的方法。使用HALCON软件对金相图像进行运算处理,提取图像的灰度共生矩阵并计算矩阵的特征值,用于评价银镍线材的金相结构。介绍了该方法所涉及到的HALCON主要算子以及推荐参数值。     

基于卷积神经网络的生产日期识别

为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个由生产日期图像中常包含的数字、英文、汉字字符所组成的可扩展的数据集。最后构建一个卷积神经网络模型并将数据集送入训练以获得较高的识别准确率。经测试基于卷积神经网络的识别方法对生产日期识别的准确率高达98%。     

基于图像的换流站用避雷器仪表识别

针对电力系统中的换流站用避雷器仪表的特点,提出了一种基于图像的站用避雷器动作次数和泄露电流的识别方法。首先,采用基于透视变换的方法对采集到的避雷器泄漏电流仪表图像进行畸变矫正。其次,通过图像预处理进行图像增强获得相对比较清晰的表盘信息。再次,利用垂直投影法和基于运动项的改进BP神经网络完成避雷器动作次数数字式仪表的识别,采用减影法和改进的Hough(霍夫)变换完成换流站用避雷器泄漏电流指针式仪表的识别。最后,采用现场拍摄的型号为3EX5 050的西门子避雷器仪表对本文所提算法进行了验证。结果表明该算法能够快速、自动、准确的识别出避雷器仪表读数。该方法避免了人工读取效率低和精度差的问题,而且只需要很少的改动便可应用于换流站中其他仪表的智能识别。     

电缆终端漏油缺陷红外图像自动识别算法

高压电缆终端漏油缺陷往往通过红外图像的方式进行检测,而人工评估既耗时又费力,因此通过图像处理算法对所采集的电缆终端红外图像进行自动计算,评估终端是否存在漏油缺陷.首先通过有限元算法分析漏油终端表面温度的特点,然后通过滤波算法对图像进行降噪预处理,并通过边缘提取算法对图像中的电缆终端进行图像区域分 割,最后基于分割图像的灰度值曲线进行漏油评估.现场试验验证了所提图像处理方法的有效性.     

基于NLM的电能表视觉检测方法的研究

目前感应式电能表在我国仍占据相当的市场,传统的人工抄表方式工作繁琐、效率低下,已经逐步被远程抄表方式代替。远程抄表装置系统中的视觉检测包含图像采集、处理、识别。本研究在图像处理阶段用非局部均值滤波(NLM)代替传统Canny算法的高斯滤波进行图像预处理,并于非极大值抑制阶段部分做了相应优化。最后对实际电能表进行试验测试,取得了较好的效果,可以更好地显示电能表数据信息。     

基于人工智能技术的线路施工现场安全图像识别方法

传统的图像识别方法在线路施工现场安全识别中存在图像识别不准确、识别速度低的问题,因此提出基于人工智能技术的线路施工现场安全图像识别方法采集线路施工安全图像.该方法采用人工智能技术对图像进行预处理,提取线路施工安全图像特征,从而实现施工安全图像识别.实验结果表明,设计的施工现场安全图像识别方法能有效地进行图像识别,且消耗的时间少,识别效率较高,有一定的应用价值.     

基于单阶段目标检测算法的变电设备红外图像目标识别及定位

针对红外图像中变电设备的识别和定位问题,提出了一种基于改进YOLOv3算法的变电设备检测方法.在现场采集的变电设备红外图像集的基础上,首先使用基于Retinex的图像增强算法以及阈值分割等图像处理方法对图像集进行预处理;然后基于变电设备红外图像对YOLOv3算法进行参数优化,并通过迁移学习的策略对改进YOLOv3网络进行训练以解决图像集样本数量较少的问题.实验结果表明,在样本数量较少的情况下,所提方法可以达到满意的检测准确率,并能快速地实现变电设备的识别和定位.     

基于图像的远程燃气表直读系统研究与实现

基于图像的燃气表远程直读系统设计了在燃气表上加装图像采集模块,通过GPRS方式将图像定时发送到远端服务器,由服务器通过图像处理和模式识别技术对燃气表的读数进行识别。在图像采集模块中,采用了分块迭代算法对图像进行二值化处理,使其具有更好的适应性,并在远程发送前对图像数据进行压缩,以减少数据量。服务器端通过对图像进行二次处理、图像分割等预处理后,采用模板匹配算法对字符进行识别。     

基于VC++的数字万用表数字识别方法

为实现工业相机提取数字万用表图像数字信息，提出了一种针对数字万用表数字识别的识别方案。该方案基于VC++平台首先对采集的彩色图像进行预处理，包括数字区域截取、图像灰度化、平滑处理；紧接着提取识别目标的边沿轮廓，使用方法包含基于直方图的自适应分段线性变换、灰度图像的非线性拉伸、Canny算法、5邻域方向预估边界跟踪与断点补偿；最后使用交线法实现数字识别。实验结果表明，该方案识别效果好、快速简单、具有较高的实用价值。     

基于Hu不变矩的叶片图像识别技术的研究

本文介绍了一种基于叶片图像的Hu不变矩对叶片图像进行识别的方法。首先对叶片图像进行预处理并提取出叶片的几何特征,然后利用相关系数法对不同的叶片图像进行匹配。在基于几何特征的匹配中,本文重点研究了叶片的不变矩特征,从而能够有效的识别出叶片的种类,平均识别率达到了87％。     

基于改进U-net和CNN的绝缘子自爆检测方法研究

针对绝缘子自爆故障人工检测效率低,成本高的问题,基于改进U-net和卷积神经网络（CNN）模型,提出一种可有效识别绝缘子自爆故障的双阶段目标检测算法。首先,在语义分割阶段使用改进U-net模型,通过翻倍提高图像分辨率的方法有效提高图像分割精度。其次,在图像分类阶段提出更适合所提问题且有效提高分类准确度的新型CNN模型。最后,使用无人机拍摄的绝缘子图片为实验数据进行实验。实验结果表明所提算法识别精度较高。     

基于Grabcut分割和填充物面积判别的复合绝缘子断串诊断

针对传统 GrabCut 算法需要人工初始化而引起图像分割效率低的问题,结合Otsu方法,提出了一种新的Grabcut自动化算法对复合绝缘子进行分割。首先,对原始图像进行HSV空间转换和加权的灰度化处理。其次,对V通道图像和灰度化后的图像进行Otsu分割并进行或逻辑融合,以此来确定目标绝缘子区域,并结合最大连通域定位绝缘子位置坐标完成Grabcut框取初始化,实现Grabcut的自动化。最后,针对绝缘子断串判别准确率低的问题,通过对绝缘子分割图像的最小外接矩形加框、填充、去原图的方式,提出一种新的面积判别方式来诊断并定位故障位置。实验结果表明：Grabcut自动化算法可以很好地分割出目标绝缘子,分割准确率可以达到96.6%以上。所提出的面积判别方法对于具有断串故障的绝缘子检测率可以达到96.6%以上,对于无故障的误检率为6.7%以下。     

基于高分辨率卫星影像数据高原输电通道巡视技术的研究

近年来,随着西电东输工程的持续推进,位于高原区域的输电线网规模持续扩大,但因受高原气候条件影响,高原区域内的输电通道巡视难度逐步增大。为提升高原输电通道的巡视精度、效率,保障高原输电通道的安全,本文以worldview-3高分卫星影像数据为数据源,采用多尺度分割技术与面向对象分类算法,研究分析高原输电通道关键地物信息的提取方法,研究表明:(1)面向对象算法适用于高分影像数据的信息提取,其地物信息提取精度较高,能够满足输电通道的巡视工作,这表明基于高分卫星影像技术的输电通道巡视可行;(2)基于多尺度分割技术耦合面向对象分类算法提取的大棚信息精度可达95%,可替代人工解译工作,而道路信息精度可相对较低,但仍可替代大部分人工解译工作;(3)与传统野外核查、人工目视解译相比,基于多尺度分割技术耦合面向对象分类算法具有边界精度高、效率高等优势。     

基于DeepLab v3+深度卷积网络的输电导线图像识别方法

输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题，提出一种基于深度卷积网络（DeepLab v3+）的输电导线图像识别方法。首先，采用DeepLab v3+网络模型，实现导线的初步识别。通过多层卷积自动学习导线特征，并通过解码器结构融合导线低层的细节特征与高层的语义特征，较好地实现导线像素分割。然后，针对识别结果中存在的断裂和伪导线问题，采用改进的最小点对法和长度阈值法进一步精细化处理。最后，采用八方向搜索法提取每一条导线并编号。实验结果表明，所提方法能很好地提取出输电线路图像中的导线。     

面向航空发动机叶片榫齿轮廓的尺寸测量技术

榫齿作为航空发动机叶片的重要组件之一,其轮廓尺寸的精密性决定了叶片安装的牢固性以及发动机工作的安全性。然而,当前工业生产中仍然采用传统的人工投影方式作为测量手段,存在测量效率低、精度不稳定等问题。基于机器视觉技术,提出了针对航空发动机叶片榫齿轮廓尺寸的测量方法并开发了相应测量系统。其采用工业相机实时采集榫齿轮廓图像,通过HALCON机器视觉软件对榫齿轮廓图像依次进行预处理、边缘提取、几何量特征提取、几何尺寸变换等操作,以此准确获得榫齿轮廓的尺寸信息,并联合Visual Studio 2019设计了相关信息交互的可视化图形软件。测试结果表明,所开发系统在直线和角度上的平均测量精度误差可分别控制在0.023 6 mm和0.270 1°以内,且单次测量耗时不超过2 s。相比于传统的人工投影测量方法,显著提升了测量的精度和速度,且降低了人工成本,拥有更友好的现场部署潜力。     

基于卷积递归网络的电流互感器红外故障图像诊断

电力大数据中日益增多的非结构化数据为以人工诊断为主的传统处理方式提出了新的挑战。红外故障图像作为一种典型的非结构化数据,对于电力大数据的研究有着至关重要的作用。为了达到自动处理海量红外故障图像的目的,提出了一种基于卷积递归网络的电流互感器红外故障图像诊断方法。对红外故障图像首先进行超像素分割并利用其色度信息提取温度异常区域;然后采用两级联合卷积-递归神经网络,对大量样本信息进行训练学习来指导设备故障部位识别;最后依据部位信息对故障进行分类。实验结果表明,该算法鲁棒性较强,准确性较高,有效地提高了红外检测效率,为非结构化数据的特征提取分析提供了坚实的基础。     

水工混凝土裂缝像素级形态分割与特征量化方法

混凝土开裂问题在水工建筑物主体结构中普遍存在,裂缝检测一直是水工混凝土结构安全鉴定的重要内容。数字图像处理技术因具有效率高、成本低等优势而被广泛应用于结构表面裂缝检测中,形态分割与特征量化是其核心任务。针对传统图像处理人工干预较多、泛化能力较弱等不足,本文提出了一种基于深度卷积神经网络的水工混凝土裂缝像素级形态分割与特征量化方法。该方法以U-net语义分割模型架构为基础,融合迁移学习技术,采用VGG16预训练网络强化编码器,提取多尺度高级语义信息,并通过改进交叉熵损失函数缓解样本类别不均衡问题,从而实现裂缝形态的精准分割。随后根据二值化分割掩膜,集成计算机视觉技术,给出了一整套定量计算裂缝面积、长度和宽度等几何特征参数的算法。以自制水工混凝土裂缝图像数据集为案例,通过仿真对比实验对所提方法的有效性和优越性进行了验证评估。结果表明,所设计深层网络的裂缝分割效果明显优于经典图像分割方法,且裂缝特征参数计算结果满足检测精度要求,以期为水工混凝土结构质量控制提供新的技术手段。     

基于改进分水岭算法的菌落图像分割

随着计算机图像处理技术的快速发展,在菌落筛选环节上,传统的人工手动筛选已经逐渐被自动筛选仪器所替代。自动筛选仪器的核心是菌落图像识别模块,而菌落图像识别的关键在于图像分割技术,本文提出了一种改进的分水岭分割算法。该算法首先采用高斯滤波去除图像噪声,再对去噪后的图像进行形态学处理,然后进行倒角距离变换得到菌落距离图像,再采用形态学方法填补其空洞信息,接着对标记后的区域进行分水岭分割,最后利用区域合并算法聚集图像相似区域,从而得到最终的分割图像。采用本文提出的改进型分水岭算法进行菌落图像分割的准确率为93.4%,而传统的分水岭算法的分割准确率为75%,通过与传统分水岭对比实验的结果可以看出,改进后的算法较好地抑制了传统分水岭的过分割现象,极大提高了识别精度。     

Advantages of stereological methods in biomedicine. Efficientlyobtaining unbiased estimates of geometrical characteristics for 3-Dstructures

Presents a short introduction to stereology and an overview of stereological methods focused on estimation of geometrical characteristics such as volume, surface area, and number. Disector and fakir methods are described in more detail as examples of more recent stereological methods. Computer-aided stereology is also discussed. The authors attempt to show the advantages of stereological methods, beginning with “old” methods such as the Cavalieri principle or point-counting method, up to the most recent methods. In principle, design-based stereological methods are the choice in morphometry whenever unbiased estimates of geometrical characteristics of 3-D structure are required to be obtained in an efficient way. Manual evaluation of sections (or projections) by using stereological test systems is usually preferable to manual tracing of profile contours as well as to automatic segmentation by image analysis. The former is often inefficient and unprecise, and the second is not always feasible, as in biology where the problems with computer-aided segmentation of structural components are frequent. In stereology, the principles, being based on rigorous theoretical results, are precisely defined, which enables not only experimental but also theoretical studies of their efficiency. Thus, it is possible to find for each specific measurement efficient stereological procedures and sampling designs that give reliable results     

基于双区域演化水平集的图像分割方法

针对图像由于光照不均引起的灰度不均匀导致图像精确分割困难的问题,提出了一种双区域水平集演化(DRE)方法用于图像分割。双区域水平集演化方法介绍了局部区域控制项和矩形的初始化轮廓,能够快速地分割灰度不均匀图像,加快曲线演化速率。为进一步消除噪声对图像的影响,分割方法采用高斯滤波算子和卷积计算,特别是提出的方法使用一种新的隐含的惩罚能量函数作为正则化项,该项嵌入到水平集演化公式里,增加了曲线演化梯度流的约束的条件,影响水平集演化曲线向双边扩展,这样提高了图像轮廓划分的计算效率和精度。通过实验结果对比,提出的水平集演化算法能够较好地划分图像轮廓,得到精确的图像分割结果。