摘要
本发明提供了一种基于X射线图像识别的耐张线夹欠压缺陷检测方法和相关装置,包括对耐张线夹的原始X射线图像进行优化处理,得到优化后的射线图像;将优化后的射线图像输入到深度学习模型中,利用深度学习模型提取图像中与耐张线夹欠压缺陷相关的细微结构特征向量;将提取的细微结构特征向量输入到目标检测深度学习模型中,对原始X射线图像的欠压缺陷进行识别,并结合预设标准对所识别出的缺陷进行评级;目标检测深度学习模型采用one‑stage或two‑stage架构。本发明通过对X射线图像进行优化处理,并采用目标检测深度学习模型进行缺陷检测,可以显著提升耐张线夹欠压缺陷检测的准确性和可靠性。
技术关键词
深度学习模型
缺陷检测方法
图像
直方图均衡化方法
累积分布函数
射线
伽马校正方法
滤波算法
生成特征向量
缺陷检测装置
像素点
非线性
可读存储介质
存储计算机程序
特征提取模块
对比度
处理器
系统为您推荐了相关专利信息
重构残差
深度学习模型
故障检测方法
编码器
中央控制模块
医学图像分割模型
医学图像分割方法
编码器
解码器
注意力机制
傅里叶红外光谱
硅橡胶表面
卷积神经网络模型
消除背景干扰
复合绝缘子
画质调节方法
图像处理芯片
Fisher准则
机器学习方法
图像预处理系统