【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种缺陷识别方法、装置、计算机设备和可读存储介质。
技术介绍
1、鸟巢缺陷检测技术在电力输电场景中具有重要意义。在高压输电线路的维护和管理中，鸟巢等异物可能对输电线路的安全运行构成威胁。因此，及时、准确地检测和清理输电线路上的鸟巢等异物，对于保障电力系统的稳定运行至关重要。
2、在电力输电系统中，高压输电线路通常分布在广阔的野外环境中，线路长且地形复杂。鸟类经常在输电塔和电线杆上筑巢，这些鸟巢不仅可能导致电力故障，还可能引发火灾等严重后果。
3、传统的检测方法主要依靠人工巡检和直升机巡查，不仅成本高昂，而且存在人员安全隐患和检测效率低的问题，故，亟需改进。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高缺陷识别准确度的缺陷识别方法、装置、计算机设备和可读存储介质。
2、第一方面，本申请提供了一种缺陷识别方法，该方法包括：
3、获取针对目标区域采集的rgb图像和深度图像；
4、提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重；
5、对第一空间权重和第二空间权重进行叠加处理，得到融合权重；
6、根据融合权重，对rgb图像进行增强处理，得到增强图像；
7、识别增强图像中是否存在目标缺陷，并输出识别结果。
8、在其中一个实施例中，提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重，包括：
9、对r
10、对深度图像进行填充处理，得到填充后的深度图像；
11、提取去噪后的rgb图像中的第一空间权重，并提取填充后的深度图像中的第二空间权重。
12、在其中一个实施例中，对深度图像进行填充处理，得到填充后的深度图像，包括：
13、采用邻域平均值法或插值法，深度图像进行填充处理，得到填充后的深度图像。
14、在其中一个实施例中，提取去噪后的rgb图像中的第一空间权重，并提取填充后的深度图像中的第二空间权重，包括：
15、对去噪后的rgb图像和填充后的深度图像进行配准处理，得到配准后的rgb图像和配准后的深度图像；
16、提取配准后的rgb图像中的第一空间权重，并提取配准后的深度图像中的第二空间权重。
17、在其中一个实施例中，对去噪后的rgb图像和填充后的深度图像进行配准处理，得到配准后的rgb图像和配准后的深度图像，包括：
18、对rgb图像对应的rgb传感器和深度图像对应的深度传感器进行参数校准；
19、在参数校准后，从特征点维度，对去噪后的rgb图像和填充后的深度图像进行配准处理，得到配准后的rgb图像和配准后的深度图像。
20、在其中一个实施例中，根据融合权重，对rgb图像进行增强处理，得到增强图像，包括：
21、将融合权重，与rgb图像采用逐元乘法进行相乘，得到增强图像。
22、第二方面，本申请还提供了一种缺陷识别装置，该装置包括：
23、获取模块，用于获取针对目标区域采集的rgb图像和深度图像；
24、提取模块，用于提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重；
25、权重融合模块，用于对第一空间权重和第二空间权重进行叠加处理，得到融合权重；
26、增强处理模块，用于根据融合权重，对rgb图像进行增强处理，得到增强图像；
27、缺陷识别模块，用于识别增强图像中是否存在目标缺陷，并输出识别结果。
28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
29、获取针对目标区域采集的rgb图像和深度图像；
30、提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重；
31、对第一空间权重和第二空间权重进行叠加处理，得到融合权重；
32、根据融合权重，对rgb图像进行增强处理，得到增强图像；
33、识别增强图像中是否存在目标缺陷，并输出识别结果。
34、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
35、获取针对目标区域采集的rgb图像和深度图像；
36、提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重；
37、对第一空间权重和第二空间权重进行叠加处理，得到融合权重；
38、根据融合权重，对rgb图像进行增强处理，得到增强图像；
39、识别增强图像中是否存在目标缺陷，并输出识别结果。
40、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41、获取针对目标区域采集的rgb图像和深度图像；
42、提取rgb图像中的第一空间权重，并提取深度图像中的第二空间权重；
43、对第一空间权重和第二空间权重进行叠加处理，得到融合权重；
44、根据融合权重，对rgb图像进行增强处理，得到增强图像；
45、识别增强图像中是否存在目标缺陷，并输出识别结果。
46、上述缺陷识别方法、装置、计算机设备和可读存储介质，rgb图像提供了丰富的颜色信息，有助于识别目标的外观特征。深度图像提供了空间结构信息，能够反映目标的形状和深度变化。通过融合rgb图像和深度图像的空间权重，可以综合利用颜色和空间结构信息，提高图像增强的效果。另外，融合权重能够反映rgb图像和深度图像中重要特征的空间分布。根据融合权重对rgb图像进行增强处理，可以突出重要特征，抑制不相关或噪声信息。增强后的图像更有利于后续的缺陷识别。增强图像中的目标缺陷更加显著，有助于提高缺陷识别的准确性。融合深度信息可以弥补rgb图像中因光照、阴影等因素导致的缺陷识别困难。
本文档来自技高网...【技术保护点】
1.一种缺陷识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述RGB图像中的第一空间权重，并提取所述深度图像中的第二空间权重，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行填充处理，得到填充后的深度图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述提取去噪后的RGB图像中的第一空间权重，并提取填充后的深度图像中的第二空间权重，包括：
5.根据权利要求4所述的方法，其特征在于，所述对去噪后的RGB图像和填充后的深度图像进行配准处理，得到配准后的RGB图像和配准后的深度图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述融合权重，对所述RGB图像进行增强处理，得到增强图像，包括：
7.一种缺陷识别装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种缺陷识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述rgb图像中的第一空间权重，并提取所述深度图像中的第二空间权重，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行填充处理，得到填充后的深度图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述提取去噪后的rgb图像中的第一空间权重，并提取填充后的深度图像中的第二空间权重，包括：
5.根据权利要求4所述的方法，其特征在于，所述对去噪后的rgb图像和填充后的深度图像进行配准处理，得到配准后的rgb图像和配准后的深度图像，包括：
6.根...
【专利技术属性】
技术研发人员：朱冰倩，蔡卓骏，汤清华，王咸斌，江佳佳，林全郴，周锐烨，黄昶翰，吴秋昊，高哲奇，
申请(专利权)人：南方电网人工智能科技有限公司，
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。