申请/专利权人：国网陕西省电力有限公司电力科学研究院;国网(西安)环保技术中心有限公司

申请日：2023-05-29

公开（公告）日：2024-04-02

公开（公告）号：CN116612098B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.09.05#实质审查的生效;2023.08.18#公开

摘要：本发明公开了一种基于图像处理的绝缘子RTV喷涂质量评价方法和装置，将绝缘子喷涂区域图像进行分割，并通过神经网络将分割后的子图像块分类成六种不同类别，然后按照缺陷类别所占的面积比例生成评定分数，实现了对喷涂质量的评价。方法包括：一、采集绝缘子RTV喷涂图像，并获得绝缘子RTV喷涂区域分割图像；二、对分割图像进行网格划分，构建RTV喷涂质量评价图像数据集；三、构建分类网络模型；四、将待评价的绝缘子RTV喷涂图像进行网格划分，并输入到分类模型检测缺陷样本；五、统计各类缺陷所占面积比例，利用模糊评价手段评估RTV喷涂质量。本发明为绝缘子RTV喷涂质量评价提供了一种操作简便、安全高效的自动化方法。

主权项：1.一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，包括以下步骤：步骤1，采集绝缘子RTV喷涂图像；步骤2，对绝缘子RTV喷涂图像进行分割，获得绝缘子RTV喷涂区域分割图像；步骤3，对绝缘子RTV喷涂区域分割图像进行网格划分，得到若干子图像；步骤4，构建RTV喷涂质量评价图像数据集：对子图像块进行标注，根据图像内容将所有子图像块划分类别，包括背景类别、喷涂完好类别、堆积缺陷类别、杂质缺陷类别、不均匀缺陷类别及拉丝缺陷类别；其中堆积缺陷类别、杂质缺陷类别、不均匀缺陷类别及拉丝缺陷类别为喷涂缺陷；步骤5，构建分类网络模型，利用RTV喷涂质量评价图像数据集训练分类网络模型，得到训练好的分类网络模型；步骤6，将待评价的绝缘子RTV喷涂图像输入训练好的分类网络模型，检测缺陷样本并统计缺陷情况；步骤7，根据缺陷情况统计结果评估绝缘子RTV喷涂质量；所述步骤5包括以下步骤：步骤5.1、搭建分类网络模型：所述网络为神经卷积网络，主要由Mobile-vit模块，反向残差模块，普通卷积层，全局池化以及全连接层组成；Mobile-Vit模块由卷积层串联Transformer结构进行语义信息获取，接着通过跨越连接分支与原始输入特征图进行拼接，最后通过一个全连接层得出预测结果输出；所述反向残差模块由升维卷积，特征提取卷积和降维卷积组成，卷积之间使用ReLu激活函数；步骤5.2、训练分类网络模型：将喷涂质量评价图像数据集输入搭建的神经卷积网络，采用梯度下降的方式，根据输入图像及对应标注不断优化网络模型参数，直到网络训练损失和验证准确率保持稳定，平均波动偏差低于设定值时网络训练结束，获得训练好的分类网络模型。

全文数据：

权利要求：

百度查询： 国网陕西省电力有限公司电力科学研究院;国网(西安)环保技术中心有限公司 一种基于图像处理的绝缘子RTV喷涂质量评价方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD