【技术实现步骤摘要】
本专利技术涉及特种设备识别，尤其涉及一种基于机器视觉的特种设备部件细粒度识别方法及系统。
技术介绍
1、在特种设备（如电梯、起重机、压力容器）的检验检测中，部件的精准识别是实现智能化、自动化检验的关键环节。传统方法主要依赖人工目视检查或基于单一传感器的机器视觉技术，存在以下显著问题：
2、1. 环境适应性差：弱光与油污干扰：检验检测场景中普遍存在低光照、油污覆盖等问题，传统rgb摄像头难以清晰捕捉部件细节；红外成像虽能穿透部分遮挡，但单一光谱数据缺乏纹理信息，导致误检率高。强光过曝：户外或高反射环境下，传统hdr算法动态范围有限，关键区域易出现过曝或细节丢失。
3、2. 传统算法泛化能力差：基于规则的特征提取方法（如边缘检测、模板匹配）对部件形状、尺寸变化敏感，难以适应不同设备型号（如otis与三菱电梯的曳引机差异）。
4、3. 现有模型（如faster r-cnn、mask r-cnn）参数量大，在边缘设备（如ar眼镜）上推理延迟＞100ms，无法满足实时性要求。遮挡与部分可见场景表现差：当部件被遮...
【技术保护点】
1.一种基于机器视觉的特种设备部件细粒度识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：通过IMU传感器实时补偿移动抖动；所述的采集设备包括RGB摄像头和红外摄像头，在强光环境下使用RGB摄像头的HDR模式捕捉部件细节，在弱光环境下使用红外摄像头穿透油污与灰尘增强部件轮廓。
3.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：所述的部件区域定位与遮挡补偿阶段还包括以下步骤：
4.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，...
【技术特征摘要】
1.一种基于机器视觉的特种设备部件细粒度识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：通过imu传感器实时补偿移动抖动；所述的采集设备包括rgb摄像头和红外摄像头，在强光环境下使用rgb摄像头的hdr模式捕捉部件细节，在弱光环境下使用红外摄像头穿透油污与灰尘增强部件轮廓。
3.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：所述的部件区域定位与遮挡补偿阶段还包括以下步骤：
4.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：在训练阶段，对完整部件图像随机添加遮挡区域，模拟真实场景；使用对比损失函数增强同类部件特征的一致性；所述的多模态特征融合与增强阶段还包括以下步骤：
5.根据权利要求1所述的基于机器视觉的特种设备部件细粒度识别方法，其特征在于：所述的细粒度动态分类模型推理阶段还包括以下步骤：
6.根据权利要求1所述的基于机器视觉的特种...
【专利技术属性】
技术研发人员：李继波，张越宏，吴璠，吴鑫，刘东东，曾汉蒙，任玮琦，
申请(专利权)人：成都市特种设备检验检测研究院成都市特种设备应急处置中心，
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。