近年来,无人机检查逐渐取代了人工检查。价格电缆本文提出了一种基于视觉显着性的航空图像隔离器缺陷分割与检测方法。于图论的视觉显着性算法用于初始定位绝缘子。机森林算法提取图像突起的边缘,并使用与突起边缘交叉的超像素区域作为起始区域,YC橡套电缆向外扩展以实现绝缘体的区域分割,单股最后使用滑动窗口以执行局部局部分析以找出答案。缘子的自爆位置。算法通用性强,适用于传输线检查,变电站检查等各种供电场景,可以节省大量的人力物力。了对传输线绝缘状况进行自动分析,必须首先检测图像中绝缘的位置。离目标的检测类似于普通目标的检测。
统的绝缘检测方法有利于点特征,价格纹理特征,形态特征和多功能融合方法,单股但是每种方法都有其局限性。觉显着性检测算法可以模拟人类快速定位显着区域的能力。可以提取图像的显着区域。上显着性检测算法根据颜色,亮度和方向提取基本图像特征的显着区域。系列特征以查找与其他位置明显不同的图像区域。空影像隔离器通常与周围地区有很大不同。
单股本文使用基于图论的视觉显着性检测算法[1]来比较图像的隔离器。缘子长时间暴露在自然环境中,可能会出现各种缺陷。对绝缘子的自爆故障,本文使用霍夫线调整算法对绝缘子进行校正,单股然后使用滑动窗方法发现绝缘子的自爆区域。
芯可以更精确地识别图像中的绝缘体,并可以检测绝缘体的自爆位置。
下显着性检测方法通用性较低,价格不能应用于所有绝缘子。电缆芯图像的绝缘纹理通常与周围的背景纹理非常不同,并且与周围环境具有强烈的对比度,价格橡套电缆也就是说,它与周围环境明显不同。芯选择了基于数据特征的上升显着性检测方法。视觉显着性检测算法(GBVS,电缆电缆基于图的视觉显着性)[1]上,测试了几张航拍图像,YC结果如下。过GBVS算法获得的显着性图中,价格电缆以绝缘体为图像显着性目标,芯计算速度快,可以满足实时性要求。过GBVS算法计算出的显着图是一种简单的分割方法,价格单股找到比显着图的灰度图的平均值大的区域,检测连通区域,截取连通区域的最小边界矩形,单股执行绝缘的初始定位。
使用结构化随机森林算法[2]提取显着区域的边缘。
种边缘提取算法可在很大程度上消除不规则照明和云的干扰,芯并准确识别图像中的强边缘和弱边缘,橡套电缆并将强边缘和弱边缘显示为灰度图像。
于这些是突出区域中的提取边缘,因此将强边缘定义为显着边缘。用简单的线性迭代聚类算法SLIC算法,电缆对隔离器位置的外接矩形区域的图像执行超像素分割,YC橡套电缆然后选择超像素区域作为该区域。展的起点是显着边缘的函数,芯灰度共生矩阵[3]主要用于描述纹理。过使用LAB颜色空间的距离来表达颜色的相似度,相似度根据这两个特性而发展,价格价格以实现绝缘链的分段。态学运算和滑动窗口方法主要用于查找绝缘自爆的具体位置。电缆在用孔填充绝缘材料的区域并进行其他操作后,YC使用圆盘形状的膨胀系数来扩大绝缘材料的图像以扩大周围的坯料,橡套电缆留下绝缘子的骨架,单股并使用霍夫线检测算法对绝缘子的骨架成像。择最长的安装直线,并校正分段绝缘子的倾斜度。将使用滑动窗口了解绝缘体自爆的位置。
检测到绝缘的比例小于阈值时,认为在该位置发生了绝缘的自爆,并记录了当前位置。借助逆计算,可以计算并标记绝缘子在初始绝缘图像中的自爆位置,芯如图2所示。本文中,一种用于检测的算法基于图论的视觉显着性用于实现绝缘子的初始定位。
方法对环境和绝缘子类型的敏感性较低,可应用于多种环境和多种绝缘子的初步定位。用结构化随机森林边缘提取算法计算图像的显着边缘,并使用显着边缘通过的超像素区域作为起始区域,橡套电缆单股并向外部根据质地和颜色特征来划分实际隔热区域;校正绝缘子的倾斜后,请使用形态学操作和滑动窗口方法来计算绝缘子在窗口中的比例,芯并确定绝缘子的自动爆轰位置。
如果您对本文“50平方单股橡套电缆YC单芯70平方电缆价格”感兴趣,欢迎您联系我们
猜您兴趣