基于语义分割与连通区域标记的隔离开关状态识别方法

提出一种基于语义分割与连通区域标记的隔离开关状态识别方法.首先,提出基于语义分割算法的隔离开关像素提取方法,将图像按照语义类别进行像素分类,实现对开关臂所在像素的提取.其次,提出基于区域生长算法的语义分割图像标记方法,实现对隔离开关连通区域的标记,并提出面积排序统计方法优化面积阈值和消除非开关臂区域.最后,根据开关臂连通区域个数判断隔离开关状态.通过引入风格迁移算法生成隔离开关风格化图像增强训练集,提升污损图像中隔离开关定位、分割的准确性.实验结果表明所提方法能够准确定位、分割隔离开关,并识别开关状态.     

基于形态学标记连通的分水岭图像分割

为了解决传统分水岭算法的过分割问题,本文提出一种基于H-minima标记连通的图像分割的分水岭算法.该算法首先利用形态学中的H-minima方法对预处理后的梯度图像进行初始标记,然后利用连通域标记的方法进行重标记,利用强制最小标定技术使极小值只出现在标定的位置,最后,对标记后的梯度图像进行分水岭算法的图像分割.实验结果...     

基于图像处理的多孔电极孔隙率的计算

针对固体氧化物燃料电池(SOFC)的电极孔隙率评估问题,提出了一种基于区域生长的图像分割改进方法来标识出电子显微镜下电极图像中的孔隙。该方法首先利用Otsu阈值法获取原图像的二值图像并标记连通区域,然后在每一个连通区域选取一个灰度值最小的像素点作为种子点进行区域生长,最后根据区域生长后的结果图像计算SOFC孔隙率。实验结果表明该方法可以有效地计算SOFC电极孔隙率用于分析SOFC的性能。     

基于改进 U-Net 的高压电缆绝缘层图像分割研究

针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出 了一种基于改进 U-Net 的高压电缆绝缘层图像分割方法。 首先替换主干特征提取网络为 VGG16 网络,结合迁移学习将 VGG16 在 Pascal VOC2012 数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上 采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二 值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。 实验结果表明, 平均交并比和平均像素准确率达到 99. 56%和 99. 81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的 有效性。     

异源特征差异化融合引导的变电站场景语义分割

变电站场景图像语义分割能够为巡检机器人提供像素级的场景理解,是变电站智能化巡检、管控的关键步骤之一,但由于设备种类众多、背景环境复杂,仅依赖单一模态图像的语义分割方法准确性受限。针对该问题,提出一种基于多尺度特征差异化融合的语义分割网络,根据不同层次、不同模态特征图的特点,利用差异化的融合策略,提取红外与可见光图像在空间细节与语义信息的互补内容,从而利用融合信息引导解码过程,实现稳定的异源图像语义分割。为了验证算法的性能,利用无人机与机器人平台采集大量异源图像,手工标注并构建了数据集。实验证明本文提出的算法可以准确识别各类电力设备,对于保障电力系统安全稳定的运行具有实用价值。     

一种视频对象分割技术的研究与实现

本文提出一种可以从复杂场景中分割出视频对象的方法.首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测.然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板.最后利用运动检测算法剔除由于噪声导致的标记块.实验结果表明,本文所述方法能够有效的分割出视频对象.     

一种新的图像连通域快速标号算法

本文提出了一种新的基于像素的二值图像连通域快速标号算法。本方法采用等价链表来记录连通关系,并实时修正等价标号,仅通过一次全局扫描即可标记图像中的所有二值连通区域。本文算法克服了基于像素的方法需要多次扫描图像才能确定连通域的缺点。与现有算法相比,速度快、实现简单,而且能够准确地对各种复杂形状的连通区域进行标号。     

基于SLIC超像素算法和密度聚类的TA2钛板表面缺陷定量化评估研究

由于边缘效应的影响,TA2钛板涡流C扫描图像中缺陷区域与背景区域混杂,边缘对比度低,难以实现缺陷区域定量化评估。针对以上问题,提出了一种基于简单线性代聚类(SLIC)超像素算法和密度聚类算法的涡流C扫描图像分割方法。首先对TA2钛板进行涡流无损检测,获得包含有TA2钛板表面缺陷的涡流C扫描图像;然后利用SLIC超像素算法将获得的C扫描图像预分割成若干小区域;最后通过密度聚类算法对预分割后的C扫描图像进行区域合并,得到受检测TA2钛板C扫描图像中的缺陷区域,通过对缺陷区域进行细化处理和轮廓跟踪可以得到TA2钛板缺陷区域的估计长度,实现对TA2钛板表面缺陷的定量化评估研究。实验结果表明,该方法能够有效地实现受检测的TA2钛板表面缺陷的可视化、定量化分析,与传统的图像分割方法相比分割效果更优、准确性更高。     

基于无人机巡检图像的绝缘子串自动定位研究

为解决无人机巡检输电线路图像中存在玻璃绝缘子串在复杂环境下定位困难问题,本文基于传统的图像处理技术,提出了一种精准自动定位方法.首先,将巡检图像由RGB转换为HSV格式,通过阈值分割获取绝缘子串上的离散区域.然后,以离散区域的中心点为圆心构造影响范围,将影响范围所构成的连通区域认定为目标所在区域.最后,对连通区域内离散...     

基于图像融合分割的实木地板表面缺陷检测方法

针对实木地板表面缺陷检测速度慢、精确度低的问题,设计了实木地板视觉检测分选系统,并提出一种基于图像融合的区域生长分割方法。分割方法首先提取缺陷的R分量图像并进行图像缩小,在低维图像空间内运用区域生长方法完成缺陷的快速定位;利用梯度信息插值对缩小图像进行放大复原,并对缺陷进行标记生成参考图像;应用小波变换检索标记参考图像的边缘,以边缘像素点为种子在原图像进行禁忌快速搜索,实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行了缺陷在线测试,平均分割时间为13.21 ms,缺陷分割区域的准确率达到96.8%。     

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。     

基于轻量级MobileNet-SSD和MobileNetV2-DeeplabV3+的绝缘子故障识别方法

当前的深度学习算法多存在模型参数量大、对硬件要求较高等方面的问题,难以嵌入到无人机等移动设备。为了使无人机搭载轻量级模型对架空输电线路中的绝缘子进行故障识别,提出了一种轻量级MobileNet-SSD目标检测网络与轻量级MobileNetV2-DeeplabV3+图像分割网络相结合的绝缘子自爆故障识别、分割方法。该方法首先利用MobileNet-SSD对绝缘子进行精确分类及定位,再结合MobileNetV2-DeeplabV3+语义分割算法对绝缘子自爆图片进行分割。实例表明:该方法能够快速地识别出绝缘子,并可以对各种复杂背景下的自爆绝缘子进行准确分割,同时具备模型参数量小、效率高、鲁棒性强等特征,可在一定程度上满足无人机的嵌入式应用要求,提高基于无人机对架空输电线路的巡检精度和实时性。     

基于数学几何法的GIS设备故障图像检测的研究

随着气体绝缘组合电器(GIS)设备应用的电压等级与范围的增加,GIS故障率也在提高。针对GIS常见的机械故障,基于电磁作用的振动原理对导电杆倾斜故障原因进行分析,并提出基于数学几何法的GIS设备故障图像识别技术。通过分析GIS的X射线无损检测图像,捕获图像内部导电杆倾斜特征,通过计算图像中导电杆倾斜率与其边缘到GIS金属壳距离来验证导电杆位置,实现导电杆倾斜故障检测。与传统的肉眼阅片工作相比,该方法大大提高了检测效率,且流程简单、有效,减少了工作量。     

基于二次聚类弱监督学习的图像语义分割

针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。     

一种无人机在线喷涂绝缘子RTV质量评价方法

针对无人机在线喷涂绝缘子RTV涂层的问题,提出一种基于计算机视觉和深度学习模型的喷涂质量评价方法。构建语义分割模型提取图像中绝缘子RTV喷涂区域,将提取的区域进行网格划分生成子图像块,再将每个图像块送入神经网络分类模型进行缺陷检测和分类,最后结合模糊评价手段,按照各类子图像块所占的面积比例来生成评定分数,实现喷涂质量的评价。经实验验证,所提方法能准确有效地检测喷涂缺陷,生成的评价结果符合运检标准,满足实际生产需要。     

基于协同深度学习的二阶段绝缘子故障检测方法

针对现有绝缘子故障检测模型受航拍图像中复杂背景干扰导致准确率低的问题,提出一种基于协同深度学习的二阶段绝缘子故障检测方法.该方法将全卷积网络(FCN)与YOLOv3目标检测算法相协同,第一阶段,利用FCN算法对航拍图像预处理,设计跳跃结构融合浅层图像特征与深层语义特征,构建8倍上采样的绝缘子分割模型,结合图像像素逻辑运算,实现绝缘子目标的初步分割,避免背景区域对绝缘子故障检测的干扰.在此基础上,第二阶段构建YOLOv3模型进行绝缘子故障检测,以深度神经网络Darknet-53作为特征提取器,借鉴特征金字塔思想,在三个尺度的输出张量上对绝缘子故障进行标记和类别预测,保证模型对不同尺寸的绝缘子故障准确检测.利用K-means++聚类算法优化YOLOv3的锚点框参数(Anchor Boxes),进一步提升检测精度.实验结果表明,基于协同深度学习的二阶段方法能够有效克服复杂背景的干扰,在绝缘子故障检测中平均准确率(MAP)高达96.88％,较原始YOLOv3算法MAP值提升了4.65％.     

基于HSI颜色特征的变电站压板状态识别方法

针对当前变电站压板状态识别存在未充分考虑复杂光照因素以及在图像分割过程中未考虑连通域粘连的问题，提出了一种基于HSI（色调-饱和度-亮度）颜色特征和图像处理技术的压板状态识别方法。首先对采集的压板图像进行畸变矫正预处理；接着利用HSI颜色特征提取技术对图像进行分割处理；然后对连通域进行形态特征分析，利用连通域的边界信息去除标识牌，并利用极限腐蚀算法实现粘连连通域的分离；最后基于简单最小外接矩形边界特征与面积最小外接矩形的偏转角度特征融合识别压板状态。通过与传统RGB（三原色）颜色分割方法、单一长宽比识别方法进行对比试验，结果表明该方法在识别率上有较大提升，具有一定的工程应用价值。     

TFT-LCD缺陷智能检测的方法研究

随着TFT-LCD的技术飞速发展及广泛应用,人工检测良品率的方法已不能保证检测效率和检测精度.针对此问题,提出了一种基于图像处理的智能检测技术,用以满足工业自动化的需求.该技术根据TFT-LCD的矩阵式图像特征,设计系统流程应用图像校正提取图像的准确ROI区域、Gabor滤波将图像的背景纹理滤除、自适应二值化将缺陷与背景分割、连通域提取缺陷计算缺陷的属性特征并标记轮廓线等算法.实验结果表明,针对不同种类的缺陷如点、线、Mura等,调整合适的检测参数,即使在缺陷对比度不明显的环境中,此方法仍然适用.提出了一种耦合性好的检测方法,针对不同种类的缺陷采用同一种检测技术,简明、方便、准确地实现了缺陷检测,并可实际应用到工业自动化中.     

基于峰谷形态的纸张纹路分割算法

针对基于图像纸张计数技术最为关键的纹路提取与分割问题,本文从峰谷形态角度提出一种新的算法。该方法首先利用测地重建消除产生干扰的次要极值区域,接着利用区域极值对极值区域和非极值区域进行0,1标记得到二值条纹后即可实现计数。文章比较了区域极值,动态阈值以及全局阈值在复杂成像条件下不同的纹路分割性能。实验证明,极值是比阈值更为优越的明暗条纹判据,具有更强的抗毛边,抗油墨,以及抗光照不均性能,因而能保证更高的计数准确率。     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。