(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210212868.2 (22)申请日 2022.03.06 (65)同一申请的已公布的文献号 申请公布号 CN 114581692 A (43)申请公布日 2022.06.03 (73)专利权人 扬州孚泰电气有限公司 地址 225000 江苏省扬州市江都区宜陵工 业园区龙港路8号 (72)发明人 谢安全　周静　张巧云　 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/26(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 10713 3943 A,2017.09.0 5 CN 110826413 A,2020.02.21 CN 107784661 A,2018.0 3.09 CN 108037133 A,2018.0 5.15 US 2011026804 A1,201 1.02.03 冯薇玺.基 于深度学习的输电线路防振 锤故 障检测. 《自动化与仪 器仪表》 .2020,(第1 1期), Xinbo Huang et al. .A Method of Identifyi ng Rust Status of Dampers Based on Image Proces sing. 《IEEE TRANSACTIONS ON INSTRUMENTATION AND M EASUREMENT》 .2020,第 69卷(第8 期), 审查员 程呈 (54)发明名称 一种基于智能图形识别的防振锤故障检测 方法及系统 (57)摘要 本发明涉及人工智能领域， 提出了一种基于 智能图形识别的防振锤故障检测方法及系统， 该 方法及系统采用图形识别的方法进行缺陷识别， 包括： 获取防震锤表面灰度图像； 得到防震锤表 面灰度图像上每一个像素点的均匀性； 得到防震 锤表面灰度图像上的多个连通域； 计算连通域中 像素点的重构灰度值， 得到重构灰度图像； 对重 构灰度图像进行分割， 分割出轮廓内图像； 若轮 廓内图像中存在纹理， 判断防震锤存在缺陷； 若 轮廓内图像中不存在纹理， 判断防震锤为合格产 品； 根据轮廓内图像中的纹理形状对防震锤的缺 陷进行分类。 因此， 本发明提供的基于智能图形 识别的防振锤故障检测方法及系统能够实现缺 陷检测和识别， 且检测效率高。 权利要求书2页 说明书8页 附图3页 CN 114581692 B 2022.12.02 CN 114581692 B 1.一种基于智能图形识别的防振 锤故障检测方法， 其特 征在于， 包括： 获取防震锤表面灰度图像； 对防震锤表面灰度图像进行滑窗处理， 根据滑窗内每个像素点的灰度值和所有像素点 的灰度均值计算该滑窗中心像素点的均匀性， 得到防震锤表面灰度图像上每一个像素点的 均匀性； 计算滑窗中心像素点的均匀性的表达式为： 式中： 表示滑窗像素点的均匀性， 即为滑窗中心像素点的均匀性， 表示滑窗中第 个 像素点， 表示滑窗边长， 表示滑窗中第 个像素点的灰度值， 表示滑窗中像素点的灰度 均值， 表示超参数； 根据每个像素点的均匀性， 采用区域生长法对像素点进行聚类， 得到防震锤表面灰度 图像上的多个连通 域； 利用每一连通域中像素点的灰度值计算该连通域中像素点的重构灰度值， 计算像素点 的重构灰度值  的表达式为： 式中： 表示连通域中每一个像素点的重构 灰度值， 表示连通域中第 个像素点的灰 度值， 表示连通 域中第 个像素点， 表示连通 域中像素点的个数； 利用每一像素点的重构灰度值对防震锤表面灰度图像进行重构， 得到 重构灰度图像； 采用分水岭算法对重构灰度图像进行分割， 分割出轮廓内图像； 若轮廓内图像 中存在纹理， 判断该防震锤存在缺陷； 若轮廓内 图像中不存在纹理， 判断 该防震锤为 合格产品； 根据轮廓内图像中的纹 理形状对防震锤的缺陷进行分类。 2.根据权利要求1所述的一种基于智能图形识别的防振锤故障检测方法， 其特征在于， 根据每个像素点的均匀 性， 采用区域生长法对像素点进行聚类， 得到防震锤表面灰度图像 上的多个连通 域的方法为： 根据均匀性的大小对像素点进行分组， 得到不同组的像素点； 选取每组像素点中均匀性最大的像素点作为生长种子点， 将其邻域内属于生长种子点 同一组的像素点保留， 与生长种子点合并为一个区域， 将该区域作为新的生长种子点， 迭代 多次， 直至新区域的邻域中不含生长种子点同一组的像素点时停止， 得到的新区域为每组 像素点的第一个连通 域； 将每组像素点中第一个连通域像素点以外的像素点中均匀性最大的像素点作为生长 种子点， 按照获取第一个连通域的方法得到第二个连通域， 迭代多次， 直至该 组中所有的像 素点聚类完成， 以此 得到防震锤表面灰度图像上的多个连通 域。 3.根据权利要求2所述的一种基于智能图形识别的防振锤故障检测方法， 其特征在于， 根据每个像素点的均匀 性， 采用区域生长法对像素点进行聚类后， 若防震锤表面灰度图像 上存在孤立 点， 则将该孤立 点划分至邻近的最大 连通域中。权　利　要　求　书 1/2 页 2 CN 114581692 B 24.根据权利要求1所述的一种基于智能图形识别的防振锤故障检测方法， 其特征在于， 所述滑窗边长为奇数。 5.根据权利要求1所述的一种基于智能图形识别的防振锤故障检测方法， 其特征在于， 根据轮廓内图像中的纹 理形状对防震锤的缺陷进行分类的方法为： 若轮廓内图像中的纹 理呈线状， 判断该防震锤的缺陷为划伤； 若轮廓内图像中的纹 理呈环状， 判断该防震锤的缺陷为麻坑。 6.一种基于智能图形识别的防振 锤故障检测系统， 其特 征在于， 包括： 图像采集单 元， 获取防震锤表面灰度图像； 图像处理单元， 对防震锤表面灰度图像进行滑窗处理， 根据滑窗内每个像素点的灰度 值和所有像素点的灰度均值计算该滑窗中心像素点的均匀性， 得到防震锤表面灰度图像上 每一个像素点的均匀性； 计算滑窗中心像素点的均匀性的表达式为： 式中： 表示滑窗像素点的均匀性， 即为滑窗中心像素点的均匀性， 表示滑窗中第 个 像素点， 表示滑窗边长， 表示滑窗中第 个像素点的灰度值， 表示滑窗中像素点的灰度 均值， 表示超参数； 根据每个像素点的均匀性， 采用区域生长法对像素点进行聚类， 得到防震锤表面灰度 图像上的多个连通 域； 图像重构单元， 利用每一连通域中像素点的灰度值计算该连通域中像素点的重构灰度 值， 计算像素点的重构灰度值  的表达式为： 式中： 表示连通域中每一个像素点的重构 灰度值， 表示连通域中第 个像素点的灰 度值， 表示连通 域中第 个像素点， 表示连通 域中像素点的个数； 利用每一像素点的重构灰度值对防震锤表面灰度图像进行重构， 得到 重构灰度图像； 图像分割单 元， 采用分水岭算法对重构灰度图像进行分割， 分割出轮廓内图像； 图像判断单元， 若轮廓内 图像中存在纹理， 判断该防震锤存在缺陷； 若轮廓内 图像中不 存在纹理， 判断该防震锤为合格产品； 根据轮廓内图像中的纹理形状对防震锤的缺陷进行 分类。权　利　要　求　书 2/2 页 3 CN 114581692 B 3