本发明专利技术涉及图像处理领域，更具体地，本发明专利技术涉及一种基于图像识别的智能电能表检测方法及系统，方法包括：获取屏幕显示功能测试时的每个像素点在不同图像中的灰度变化，得到每个像素点的暗点特征度，根据每个像素点与邻域像素点的梯度差异和暗点特征度差异得到每个像素点的暗点异常度，并构建二维检测图，根据二维检测图中的数据点得到每个像素点的暗点程度，利用暗点程度调整数据点的分布，对调整后的数据点进行均值聚类，根据聚类结果判断电能表屏幕是否存在暗点缺陷，避免了传统均值聚类不能精准分割出暗点缺陷的问题，能够准确的识别暗点缺陷位置，提高了电能表暗点缺陷检测的准确性。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于图像识别的智能电能表检测方法及系统。
技术介绍
1、智能电能表，是一种专门用于测量和记录电能消耗的电工仪表，主要用于家庭、商业和工业环境中的电量计量。它是电力系统中不可或缺的组成部分，为了确保电能表计量准确，防止因计量误差导致的损失和公正性问题，提高电能表的可靠性和耐用性，降低运行成本和维护成本，需要在生产线上对电能表的质量进行检测，实现质量控制，避免次品产品的流入市场。
2、暗点缺陷是电能表的屏幕上出现的一个或多个像素点始终显示为黑色或较暗状态，这种暗点缺陷可能会降低显示屏的可视性和清晰度，特别是在显示重要信息的区域内，过多的暗点可能会影响到用户读取电表数据的准确性，对于电能表的制造来说，出厂的产品应符合相关质量标准，因此需要对电能表的屏幕进行显示功能测试以判断其是否存在暗点缺陷，显示功能测试具体是通过改变亮度、对比度等操作测试不同状态下屏幕的显示，根据显示结果判断是否存在暗点缺陷，若通过人眼观察显示结果进行暗点缺陷的识别，则效率较低，并且准确度也容易受到影响。
3、现有技术是利用图像识别技术对电能表屏幕中的暗点缺陷进行识别，具体是通过采集不同测试状态下的电能表屏幕图像，然后对图像中的像素点直接进行均值聚类，根据聚类结果对屏幕上的暗点缺陷进行识别，识别出后通知工作人员进行处理，以实现对产品的质量控制，但是由于暗点缺陷较为微小，并且不同位置的暗点可能暗化程度不同，导致直接进行均值聚类不能对暗点像素点进行精准的分割，导致电能表检测结果存在误差。
<
p>技术实现思路1、为解决上述一个或多个技术问题，本专利技术提出一种基于图像识别的智能电能表检测方法及系统，提高了智能电能表的屏幕暗点缺陷检测的准确性。具体采用如下技术方案，一种基于图像识别的智能电能表检测方法，包括：
2、采集电能表进行屏幕显示功能测试时的多张屏幕图像，预处理得到多张屏幕灰度图；
3、根据电能表屏幕中每一个像素点在不同屏幕灰度图中的灰度值得到电能表屏幕中每一个像素点的暗点特征度；
4、基于所述电能表屏幕中每一个像素点和邻域像素点的暗点特征度差异和梯度差异，确定所述每一个像素点的暗点异常度；
5、所述每一个像素点的暗点异常度，获取方法为：
6、设定所述像素点的邻域范围为八邻域；
7、获取所述像素点与每一个邻域像素点的梯度角度和梯度幅值；
8、所述像素点的暗点异常度，按照如下公式计算：
9、；
10、式中，为像素点的序号，为第个像素点的暗点异常度，为邻域像素点的序号，为第个像素点的梯度角度，为第个像素点的第个邻域像素点的梯度角度，为第个像素点的暗点特征度，为第个像素点的第个邻域像素点的暗点特征度，为求均值函数，表示第个像素点邻域中第个像素点的梯度幅值与邻域平均梯度幅值的差值的绝对值，为预设常数；
11、以暗点特征度为横轴，以暗点异常度为纵轴，构建二维检测图，所述每一个像素点对应所述二维检测图中的一个数据点；
12、根据每一个像素点和邻域像素点在所述二维检测图中对应的数据点之间的距离，得到所述每一个像素点的暗点程度；
13、利用每个像素点的暗点程度对二维检测图中的数据点的分布进行调整；
14、对所述二维检测图中调整后的数据点进行均值聚类，基于聚类结果确定所述电能表的屏幕是否存在暗点缺陷。
15、进一步地，所述每一个像素点的暗点特征度，获取方法包括：
16、将所述像素点在每一张屏幕灰度图中的灰度值和所述像素点在所有屏幕灰度图中的灰度均值的差异值进行累加，得到灰度差异累加值，将所述灰度差异累加值的倒数作为所述像素点的暗点特征度。
17、进一步地，所述每一个像素点的暗点程度，获取方法为：
18、；
19、式中，为第个像素点的暗点程度，为第个像素点在所述二维检测图中对应的数据点与原点之间的欧氏距离，为第个像素点与其第个邻域像素点在所述二维检测图中对应的数据点之间的欧式距离，[]为计算样本方差函数，为邻域像素点的序号。
20、进一步地，利用每个像素点的暗点程度对二维检测图中的数据点的分布进行调整，包括：
21、将每个像素点的暗点程度的倒数进行归一化后的数值，再与暗点程度相乘，得到的数值作为每个像素点的最终暗点程度；
22、获取每个像素点在所述二维检测图中对应的数据点与原点之间的欧式距离；
23、将最终暗点程度和欧式距离相乘得到的数值作为每个像素点的移动距离；
24、将每个像素点在所述二维检测图中对应的数据点按照移动距离向原点方向移动，完成二维检测图中的数据点分布调整。
25、进一步地，所述均值聚类，设置类簇中心点数量为2。
26、进一步地，基于聚类结果确定所述电能表的屏幕是否存在暗点缺陷，包括：
27、若所述聚类将所述二维检测图中的数据点划分为两个类簇，则所述电能表的屏幕存在暗点缺陷，并基于每个类簇与原点的距离对所述暗点缺陷进行定位；
28、若所述聚类将所述二维检测图中的所有数据点划分为同一个类簇，则所述电能表的屏幕不存在暗点缺陷。
29、进一步地，基于每个类簇与原点的距离对所述暗点缺陷进行定位，包括：
30、计算每个类簇中心与原点的欧式距离，并进行对比；
31、将与原点的欧式距离大的一个类簇内的数据点对应的像素点作为暗点缺陷像素点；将与原点的欧式距离小的一个类簇内的数据点对应的像素点作为正常像素点。
32、本专利技术还提供一种基于图像识别的智能电能表检测系统，所述检测系统包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现以上任一项所述检测方法的步骤。
33、本专利技术具有以下效果：
34、本专利技术通过对屏幕显示的不同图像中的每个像素点进行分析，计算出每个像素点的暗点特征度，该特征度反映了像素点在灰度变化中的异常表现，利用每个像素点与其邻域内像素点之间的梯度差异以及暗点特征度差异，计算得出每个像素点的暗点异常度，以进一步揭示可能存在的暗点缺陷的像素点，接着，将所有像素点的暗点特征度和暗点异常度作为二维坐标构建二维检测图，其中每个像素点在该图中对应一个数据点，数据点的位置由其暗点特征度和暗点异常度决定，根据数据点在二维检测图中的分布位置，评估每个像素点的暗点程度，即距离原点越远，像素点为暗点的可能性越大，进一步，通过对二维检测图中数据点分布进行适应性调整，并运用均值聚类算法对调整后的数据点进行聚类，以识别和区分可能存在暗点缺陷的像素点，根据均值聚类的结果，精确判断电能表屏幕是否存在暗点缺陷，并定位暗点缺陷的具体位置，相较于传统的直接对像素点进行均值聚类的方法，本专利技术通过综合考虑像素点的灰度变化和邻域特征，有效解决了无法精准识别暗点缺陷的问题，从而显著提升了电能表暗点缺陷检测的准确性。
本文档来自技高网...
【技术保护点】
1.一种基于图像识别的智能电能表检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于图像识别的智能电能表检测方法，其特征在于，所述每一个像素点的暗点特征度，获取方法包括：
3.根据权利要求1所述的一种基于图像识别的智能电能表检测方法，其特征在于，所述每一个像素点的暗点程度，获取方法为：
4.根据权利要求2所述的一种基于图像识别的智能电能表检测方法，其特征在于，利用每个像素点的暗点程度对二维检测图中的数据点的分布进行调整，包括：
5.根据权利要求1所述的一种基于图像识别的智能电能表检测方法，其特征在于，所述均值聚类，设置类簇中心点数量为2。
6.根据权利要求5所述的一种基于图像识别的智能电能表检测方法，其特征在于，基于聚类结果确定所述电能表的屏幕是否存在暗点缺陷，包括：
7.根据权利要求6所述的一种基于图像识别的智能电能表检测方法，其特征在于，基于每个类簇与原点的距离对所述暗点缺陷进行定位，包括：
8.一种基于图像识别的智能电能表检测系统，其特征在于，所述检测系统包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7任一项所述检测方法的步骤。
...
【技术特征摘要】
1.一种基于图像识别的智能电能表检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于图像识别的智能电能表检测方法，其特征在于，所述每一个像素点的暗点特征度，获取方法包括：
3.根据权利要求1所述的一种基于图像识别的智能电能表检测方法，其特征在于，所述每一个像素点的暗点程度，获取方法为：
4.根据权利要求2所述的一种基于图像识别的智能电能表检测方法，其特征在于，利用每个像素点的暗点程度对二维检测图中的数据点的分布进行调整，包括：
5.根据权利要求1所述的一种基于图像识别的智能电能表检测方...
【专利技术属性】
技术研发人员：张玉姣，
申请(专利权)人：江苏卡欧万泓电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。