一种融合深度学习与形态学滤波的设备状态视觉检测方法

发明专利有效专利

申请号：
CN201910905815.7
IPC分类号：G06K9/38;G06K9/62;G01R11/24
申请日期：
2019-09-24
申请人：
哈尔滨工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种融合深度学习与形态学滤波的设备状态视觉检测方法
申请号	CN201910905815.7	申请日期	2019-09-24
法律状态	实质审查	申报国家	中国
公开/公告日	2020-01-10	公开/公告号	CN110674827A
优先权	暂无	优先权号	暂无
主分类号	G06K9/38 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/36 图像预处理，即无须判定关于图像的同一性而进行的图像信息处理〔3〕 G06K9/38 模拟图像信号的量子化〔3〕	IPC分类号	G;0;6;K;9;/;3;8;;;G;0;6;K;9;/;6;2;;;G;0;1;R;1;1;/;2;4查看分类表>
申请人	哈尔滨工业大学	申请人地址	黑龙江省哈尔滨市南岗区西大直街92号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	哈尔滨工业大学	当前权利人	哈尔滨工业大学
发明人	彭宇;李绍俐;马宁;陈哲冬;彭喜元
代理机构	哈尔滨市松花江专利商标事务所	代理人	时起磊

摘要

一种融合深度学习与形态学滤波的设备状态视觉检测方法,它属于视觉检测技术领域。本发明解决了现有偷电检测方法需要消耗大量的人力以及需要的检测成本高的问题。本发明采用TenssorFlow_Object_DetectionAPI的方式训练SSD_MobileNet_V2网络，然后使用训练好的网络模型用于对待测图像中的电表位置进行检测，接下来通过检测返回的信息对图像进行剪裁，最后依次使用显著性分析算法FT、自适应二值化算法wellner、开运算方法和连通域分析的方法对剪裁后的图像进行处理，返回电表连线个数，从而根据电表连线个数判断是否有窃电行为，检测成本低廉，使用方便。本发明可以应用于电表接线状态识别，以判别是否有偷电现象。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供