一种计算机视觉目标检测算法

    公开(公告)号:CN113673515A

    公开(公告)日:2021-11-19

    申请号:CN202110959705.6

    申请日:2021-08-20

    IPC分类号: G06K9/32 G06K9/40 G06K9/46

    摘要: 本发明涉及一种计算机视觉目标检测算法,用于在目标图像中检测目标物体,包含步骤:S1、对源图像和目标图像均做灰度化处理,生成灰度源图像和灰度目标图像;S2、提取灰度源图像的边缘信息,生成边缘源图像;S3、提取灰度目标图像的边缘信息,生成边缘目标图像;S4、抑制边缘目标图像的噪声,生成滤波边缘目标图像;S5、提取边缘源图像和滤波边缘目标图像的特征点,并对特征点进行匹配,得到匹配点;S6、剔除匹配点中的误差点,得到准确匹配点及目标物体在目标图像中的位置。本发明针对现有技术在特征点匹配方面存在的问题做出改进,提高了识别准确率,且具有较强的鲁棒性和较快的运行速度,适用于输电线路U型挂环图像缺陷检测。

    一种基于盲去卷积的输电线路图片去模糊方法

    公开(公告)号:CN113628200A

    公开(公告)日:2021-11-09

    申请号:CN202110955636.1

    申请日:2021-08-19

    摘要: 本发明公开了一种基于盲去卷积的输电线路图片去模糊方法,其特征在于,包括:步骤S1、获取输电线路的原始图片数据;步骤S2、对原始图片数据进行筛选得到初始模糊图片数据;步骤S3、给初始模糊图片数据中每个初始模糊图片加入预设的高斯噪声,得到加噪模糊图片数据;步骤S4、通过盲去卷积方法对加噪模糊图片数据中每个加噪模糊图片进行去模糊处理;本发明公开的一种基于盲去卷积的输电线路图片去模糊方法,基于盲去卷积方法,通过加入预设的高斯噪声,使用Richardson‑Lucy算法及Canny算法,有效地实现图片的去模糊处理,从而得到清晰图片。

    一种基于Phash算法结合深度学习的线路螺栓缺陷识别方法

    公开(公告)号:CN113627378A

    公开(公告)日:2021-11-09

    申请号:CN202110954367.7

    申请日:2021-08-19

    摘要: 本发明公开了一种基于Phash算法结合深度学习的线路螺栓缺陷识别方法,包括:步骤S1:收集输电线路的螺栓图像并框选出螺栓位置,将框选出的图像分割提取,作为初始样本集;步骤S2:判断初始样本集中的螺栓缺失情况;步骤S3:对初始样本集中螺栓未缺失的图片进行样本量的扩充,得到扩充样本集;步骤S4:将扩充样本集作为训练数据导入Faster R‑CNN网络模型进行训练;步骤S5:识别待检测图像中的螺栓缺损情况并框选螺栓位置,本发明解决了现有螺栓缺失检测方法中准确度低、易受外部光线影响的问题,实现了更为通用的螺栓缺陷检测技术,本发明提出的方法具备更高的准确度和适用性,使待检数据的采集不再受限于天气、位置和设备因素的影响。