基于机器视觉的电气安全隐患检测研究
详细信息    查看全文 | 推荐本文 |
  • 英文篇名:Research on Electrical Safety Hidden Danger Detection Based on Machine Vision
  • 作者:张旭
  • 英文作者:ZHANG Xu;Technical Supervision Center in Daqing Oilfield;
  • 关键词:机器视觉 ; 安全隐患 ; 检测 ; 分辨力
  • 英文关键词:machine vision;;safety hazards;;detection;;resolution
  • 中文刊名:GWYT
  • 英文刊名:Energy Conservation in Petroleum & Petrochemical Industry
  • 机构:大庆油田技术监督中心;
  • 出版日期:2019-06-20
  • 出版单位:石油石化节能
  • 年:2019
  • 期:v.9;No.100
  • 语种:中文;
  • 页:GWYT201906005
  • 页数:4
  • CN:06
  • ISSN:23-1572/TE
  • 分类号:7+22-24
摘要
机器视觉技术广泛用于工业生产和医疗影像分析领域中,并在电气安全隐患检测中起着重要的作用。本文对机器视觉技术及其系统进行分析,研究利用机器视觉技术,促进油田电气安全隐患检测技术的创新,并借助机器视觉系统所具有分辨力高、速度快、适应性强和可持续工作的特点,更快、更准、更智能地识别电气安全隐患为油田生产保驾护航。
        Machine vision is widely used in industrial production and medical image analysis,and plays an important role. Firstly, this paper analyses machine vision technology and system, and studies how to use machine vision technology to promote the innovation of oil field electrical safety hidden danger detection technology,so as to give full play to the characteristics of machine vision such as high resolution,fast speed,strong adaptability and sustainable work,and identify hidden dangers faster,more accurately and more intelligently to escort oil field production.
引文
[1]郭静,罗华,张涛.机器视觉与应用[J].电子科技,2014,27(7):185-188.
    [2]管胜晓.机器视觉及其应用发展[J].自动化博览,2005,22(3):88-92.
    [3]梅妍玭.基于Python语言图像边缘检测算法的研究[J].科学技术创新,2017(31):123-124.
    [4]孙启悦,王龙.基于超像素图像分割的变电设备故障诊断研究[J].浙江电力,2017,36(12):86-89.
    [5]阚仁峰,杨龙兴,南玉龙.基于HALCON图像处理的焊缝识别与提取方法的研究[J].物联网技术,2017,7(5):29-31.

© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号

地址:北京市海淀区学院路29号 邮编:100083

电话:办公室:(+86 10)66554848;文献借阅、咨询服务、科技查新:66554700