[go: up one dir, main page]

CN111426699A - 一种锅炉受热面外观缺陷在线检测与识别装置和方法 - Google Patents

一种锅炉受热面外观缺陷在线检测与识别装置和方法 Download PDF

Info

Publication number
CN111426699A
CN111426699A CN202010313451.6A CN202010313451A CN111426699A CN 111426699 A CN111426699 A CN 111426699A CN 202010313451 A CN202010313451 A CN 202010313451A CN 111426699 A CN111426699 A CN 111426699A
Authority
CN
China
Prior art keywords
heating surface
boiler
detection
defect
identification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010313451.6A
Other languages
English (en)
Inventor
华志刚
郭荣
范佳卿
林润达
程卫国
汪勇
邓志成
臧剑南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Power Equipment Research Institute Co Ltd
Original Assignee
Shanghai Power Equipment Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Power Equipment Research Institute Co Ltd filed Critical Shanghai Power Equipment Research Institute Co Ltd
Priority to CN202010313451.6A priority Critical patent/CN111426699A/zh
Publication of CN111426699A publication Critical patent/CN111426699A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明公开了一种锅炉受热面外观缺陷在线检测与识别装置和方法，通过移动装置在锅炉受热面采集壁面状态信息，与此同时建立并不断完善锅炉受热面外观缺陷知识库，通过与知识库内部标准缺陷进行特征对比，利用深度学习算法建立缺陷识别模型，实现外观缺陷的在线识别。反馈到数据库中，建立智能安全管理预警体制。

Description

一种锅炉受热面外观缺陷在线检测与识别装置和方法
技术领域
本发明涉及一种锅炉受热面外观缺陷在线检测与识别装置和方法，属于锅炉技术领域。
背景技术
目前国内火电机装机容量占电力总装机容量的58％，是我国电力供应的支柱，对于保障电能安全供应具有重要意义。锅炉受热面故障是引起的机组非计划停运的主要原因。传统的锅炉受热面检测工作通过作业人员肉眼观察，主要面临以下问题：
(1)在进行检测前，需大量时间搭建和拆除作业平台，工作量大；发明所述检测方法通过搭载在移动装置(无人机、爬壁机器人等)上，可以极大减少人工检测所需的例如搭建本业平台等辅助工作，通过远程操作机器人实现锅炉内壁面信息采集、缺陷在线识别。
(2)锅炉受热面面积大，全部检查完时间长，检测效率低；相比之前人工检测作业，本发明所述方法可以实现24小时不间断高效作业，同时极大减少因工人疲劳作业带来的缺陷遗漏情况，提高安全性的同时缩短检测作业时间，尽早完成检测，减少经济损失。
(3)锅炉内部环境恶劣、粉尘严重，检测人员存在作业安全风险；本发明所述方法中，检测人员只需要将搭载检测装置的移动装置安置在锅炉中，其中检测装置本身也是经过防爆设计，之后返回到锅炉外侧，通过安全防爆遥控控制的方式，实现安全作业。
(4)锅炉内部密闭无光，严重影响人眼视线和观察结果；本发明所述方法集成自动补光技术，可以根据所处位置特征以及周围光照明亮程度实时调整设备中光照强度，更好的记录壁面状态信息，能够完全代替人工检测，避免因光照原因致使缺陷遗漏问题。
(5)基于工人肉眼观测，缺陷识别率比较低，容易出现遗漏；由于人工作业环境恶劣，工作时间持续且长，用眼强度极大，且受工人经验研制，缺陷识别率比较低，容易出现遗漏。本发明所述方法采用机器设备实现在线监测，在保证作业效率的同时依靠人工智能深度学习的方法，通过大数据对比，能够精准判断壁面状态信息。
(6)人工检查难以形成完善的数字化记录，不利于长期跟踪炉管状态。本发明所述方法能够自动建立壁面缺陷数据库，对壁面缺陷情况形成直观影像，同时可以追溯历史信息，建立智能化安全作业数据管理系统。同时可以根据不同时期壁面状态信息，可以提前预测可能出现问题的位置，达到预警的作用，同时提供重点检测部位，提高检测效率。
鉴于此，提出一种锅炉受热面外观缺陷在线检测与识别的方法，能够在保证操作人员自身安全的前提下，高效迅速的实现锅炉受热面状态信息采集，同时利用大数据机器学习方法的超算芯片实现外观缺陷的自动检测识别，指导检修人员准确地进行故障处理。同时建立的数据库智能安全管理体制也能够提前预测壁面状态信息，为检测人员提供预警信息。
发明内容
本发明要解决的技术问题是：如何实现锅炉受热面外观信息的数据采集，建立外观缺陷知识库，通过深度学习算法进行识别筛选，实现锅炉外观缺陷在线识别。
为了解决上述技术问题，本发明的技术方案是提供了一种锅炉受热面外观缺陷在线检测与识别装置和方法，通过移动装置在锅炉受热面采集壁面状态信息，与此同时建立并不断完善锅炉受热面外观缺陷知识库，通过与知识库内部标准缺陷进行特征对比，利用深度学习算法建立缺陷识别模型，实现外观缺陷的在线识别。反馈到数据库中，建立智能安全管理预警体制。
本发明所述装置主要包括：高清工业相机、自动补光装置、超算芯片、GPS模块、外壳、外连接板以及移动平台。受环境影响，工业相机选用带有自动变焦功能的高清防爆工业相机，配合主动补光装置，实现锅炉受热面外观信息的采集；内部包含的GPS模块能够实时感知移动装置在锅炉内表面所处位置，基于超算芯片内部集成的基于ICP和CAD三维建模技术，对锅炉受热面进行外观重建，方便检测员直观明显的了解锅炉内表面情况，之后基于图像识别与分析的深度学习算法，与缺陷知识库中的标准缺陷外观特征进行对比识别，实现在线缺陷检测，同时显示在重建的三维模型中，更加直观清晰了解受损情况、程度以及所处位置，方便检修。完成当前检测之后，建立智能管理预测机制，对比之前检测情况，对锅炉受热面进行受损情况预测，为检测人员提供一个合理的检修时间点，同时提供重点的易损位置，实现受热面的智能健康管理。高清工业相机、自动补光装置、超算芯片、GPS模块全部集成到装置外壳当中，外连接板将本装置与移动平台固定连接。由于工作环境为高粉尘性危险环境，本装置全部采用防尘防爆设计。
前期利用大量的外观信息以及采集到的图像视频数据，建立锅炉受热面外观缺陷知识库，进行缺陷标定，用于现场信息的在线识别比，通过所述装置采集到的图像信息，经过简单图像处理，在AI超算芯片中利用深度学习算法与缺陷库模型进行比对，最终实现在线识别。
附图说明
图1为本发明一种锅炉受热面外观缺陷在线检测与识别装置结构示意图；
附图标记：1检测装置、2工业相机、3环境感知模块、4防爆接头、5超算芯片、6主动补光装置、7连接板、8GPS模块、9移动平台；
图2为本发明一种锅炉受热面外观缺陷在线检测与识别的装置的工作流程图；
图3为本发明一种锅炉受热面外观缺陷在线检测与识别的移动平台工作检修路线图；
图4为本发明一种锅炉受热面外观缺陷在线检测与识别方法的三维重建模型及缺陷示意。
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
实施例
图1为本发明一种锅炉受热面外观缺陷在线检测与识别装置结构示意图，本发明所述装置包括：检测装置1、高清工业相机2、环境感知模块3、自动补光装置6、超算芯片5、GPS模块8、移动平台9、连接板7以及防爆接头4。受环境影响，工业相机2选用带有自动变焦功能的高清防爆工业相机，配合主动补光装置6，实现锅炉受热面外观信息的采集；内部包含的GPS模块8能够实时感知移动装置在锅炉内表面所处位置，基于超算芯片5内部集成的基于ICP(Iterative Closest Point迭代最近点算法)和CAD三维建模技术，对锅炉受热面进行外观重建，方便检测员直观明显的了解锅炉内表面情况，之后基于图像识别与分析的深度学习算法，与缺陷知识库中的标准缺陷外观特征进行对比识别，实现在线缺陷检测，同时显示在重建的三维模型中，更加直观清晰了解受损情况、程度以及所处位置，方便检修。完成当前检测之后，建立智能管理预测机制，对比之前检测情况，对锅炉受热面进行受损情况预测，为检测人员提供一个合理的检修时间点，同时提供重点的易损位置，实现受热面的智能健康管理。检测装置1、工业相机2、环境感知模块3、防爆接头4、超算芯片5、主动补光装置6、GPS模块8全部集成到装置外壳当中，利用连接板7将本装置与移动平台9固定连接。由于工作环境为高粉尘性危险环境，本装置全部采用防尘防爆设计。由于工作环境为高粉尘性危险环境，本装置全部采用防爆设计，装置外壳带有防爆接头4用于信息传输。
图2为本发明一种锅炉受热面外观缺陷在线检测与识别方法的工作流程图；首先将检测出装置固定到移动平台中，安置在锅炉受热面表面，通过控制移动平台实现锅炉受热面内壁全覆盖信息采集。依据历史图片信息进行缺陷标定，建立锅炉受热面缺陷知识库，用于为在线识别提供标准。建立对于局部检测过程来说，首先是进行图像采集，通过ROI进行图像增强，突出受热面局部特征信息，然后利用CCD算法对图像进行背景平衡，之后根据所处环境光照强度大小，进行主动补光，能够弥补黑暗环境的影响，将局部环境调整到最佳之后，完成现场照片信息的采集，对现场图片进行特征识别，获得较为清楚地能够表达特征的图片，之后对图片进行在线识别，利用图像处理技术奖标准壁面信息之外的特征信息提取，利用超算芯片与锅炉受热面缺陷知识库进行在线识别，将得到的缺陷特征与数据库中缺陷特征进行对比，得到缺陷类型。通过人工智能和机器学习对知识库不断的进行更新，能够更好地实现缺陷特征的识别，完成在线检测同时将检测结果输出到检测界面，之后进行下一待检位置的在线检测，直至作业完成。将全部数据输出到智能安全作业管理系统，对锅炉受热面进行全局仿真分析，更加直观清晰地了解锅炉受热面外观信息，同时根据历史信息，合理预测锅炉受热面外观状态变化趋势，为检测员提供一个预警信息。
图3为本发明一种锅炉受热面外观缺陷在线检测与识别的移动平台工作检修路线图，采用一条龙式巡检方法实现待检受热面的全局无死角检测，同时检测装置还装有环境感知模块，可以在遇到障碍物时及时避障，选择其他最佳路径继续巡检，同时还可装在其他检测模块，例如超声波测厚仪等，在外观检测的同时，能够开展其他检测工作，提高效率。
图4为本发明一种锅炉受热面外观缺陷在线检测与识别的方法的三维重建模型及缺陷示意，可以通过选择图中显示的缺陷，进行局部放大，方便操作员直观了解，同时本发明所述方法可以将各个缺陷根据大小深度等参数评估对受热面的影响，进而标注不同颜色加以区别。

Claims (2)

1.一种锅炉受热面外观缺陷在线检测与识别装置，其特征在于，包括：检测装置、高清工业相机、环境感知模块、自动补光装置、超算芯片、GPS模块、移动平台、连接板；所述检测装置、工业相机、环境感知模块、防爆接头、超算芯片、主动补光装置、GPS模块全部集成在装置外壳中，并通过连接板将装置外壳与移动平台固定连接，所述装置外壳上设有用于信息传输的防爆接头。
2.一种锅炉受热面外观缺陷在线检测与识别方法，其特征在于，采用权利要求1所述的一种锅炉受热面外观缺陷在线检测与识别装置，具体步骤如下：
步骤一、将检测装置固定到移动平台中，安置在锅炉受热面表面，通过控制移动平台实现锅炉受热面内壁全覆盖信息采集；
步骤二、依据历史图片信息进行缺陷标定，建立锅炉受热面缺陷知识库，用于为在线识别提供标准；
步骤三、进行局部检测：首先进行图像采集，通过ROI进行图像增强，突出受热面局部特征信息，然后利用CCD算法对图像进行背景平衡，并根据所处环境光照强度大小，进行主动补光，弥补黑暗环境的影响，将局部环境调整到最佳之后，完成现场照片信息的采集；
步骤四、对现场图片进行特征识别，通过图像处理将标准壁面信息之外的特征信息提取，利用超算芯片与锅炉受热面缺陷知识库进行在线识别，将得到的缺陷特征与数据库中缺陷特征进行对比，得到缺陷类型。
步骤五、完成局部检测同时将检测结果输出，之后进行下一待检位置的在线检测，直至作业完成。
CN202010313451.6A 2020-04-20 2020-04-20 一种锅炉受热面外观缺陷在线检测与识别装置和方法 Pending CN111426699A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010313451.6A CN111426699A (zh) 2020-04-20 2020-04-20 一种锅炉受热面外观缺陷在线检测与识别装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010313451.6A CN111426699A (zh) 2020-04-20 2020-04-20 一种锅炉受热面外观缺陷在线检测与识别装置和方法

Publications (1)

Publication Number Publication Date
CN111426699A true CN111426699A (zh) 2020-07-17

Family

ID=71554152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010313451.6A Pending CN111426699A (zh) 2020-04-20 2020-04-20 一种锅炉受热面外观缺陷在线检测与识别装置和方法

Country Status (1)

Country Link
CN (1) CN111426699A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700423A (zh) * 2021-01-06 2021-04-23 中国民航科学技术研究院 基于深度学习的机身表面损伤缺陷自动检测方法及系统
CN112884036A (zh) * 2021-02-09 2021-06-01 北京京能能源技术研究有限责任公司 一种锅炉受热面异常图像识别方法、标记方法及系统
CN113588666A (zh) * 2021-08-12 2021-11-02 同济大学 一种幕墙缺陷检测、定位及统计方法
CN113658094A (zh) * 2021-07-06 2021-11-16 大唐东北电力试验研究院有限公司 一种基于视觉的火力发电厂锅炉四管智能检测方法
CN113743529A (zh) * 2021-09-15 2021-12-03 河北雄安可信云信息技术有限公司 海量工业设备运行数据的深度学习和预警方法及装置
CN115761439A (zh) * 2022-11-15 2023-03-07 山西大学 一种基于目标检测的锅炉内壁陷检测识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108918548A (zh) * 2018-04-28 2018-11-30 赵启林 一种串联拼装式结构外观拍照检测设备
CN110031478A (zh) * 2019-04-18 2019-07-19 中国科学院光电技术研究所 一种基于超振荡透镜的超分辨缺陷检测装置及检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108918548A (zh) * 2018-04-28 2018-11-30 赵启林 一种串联拼装式结构外观拍照检测设备
CN110031478A (zh) * 2019-04-18 2019-07-19 中国科学院光电技术研究所 一种基于超振荡透镜的超分辨缺陷检测装置及检测方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700423A (zh) * 2021-01-06 2021-04-23 中国民航科学技术研究院 基于深度学习的机身表面损伤缺陷自动检测方法及系统
CN112700423B (zh) * 2021-01-06 2023-05-05 中国民航科学技术研究院 基于深度学习的机身表面损伤缺陷自动检测方法及系统
CN112884036A (zh) * 2021-02-09 2021-06-01 北京京能能源技术研究有限责任公司 一种锅炉受热面异常图像识别方法、标记方法及系统
CN112884036B (zh) * 2021-02-09 2024-12-10 北京京能能源技术研究有限责任公司 一种锅炉受热面异常图像识别方法、标记方法及系统
CN113658094A (zh) * 2021-07-06 2021-11-16 大唐东北电力试验研究院有限公司 一种基于视觉的火力发电厂锅炉四管智能检测方法
CN113588666A (zh) * 2021-08-12 2021-11-02 同济大学 一种幕墙缺陷检测、定位及统计方法
CN113743529A (zh) * 2021-09-15 2021-12-03 河北雄安可信云信息技术有限公司 海量工业设备运行数据的深度学习和预警方法及装置
CN113743529B (zh) * 2021-09-15 2024-01-02 河北雄安可信云信息技术有限公司 海量工业设备运行数据的深度学习和预警方法及装置
CN115761439A (zh) * 2022-11-15 2023-03-07 山西大学 一种基于目标检测的锅炉内壁陷检测识别方法

Similar Documents

Publication Publication Date Title
CN111426699A (zh) 一种锅炉受热面外观缺陷在线检测与识别装置和方法
CN102565625B (zh) 基于红外图像智能诊断高压输电线路热缺陷的方法
CN111611855A (zh) 一种变电站三维可视化机器人智能巡检系统
CN108647677A (zh) 基于视觉计算的电表外观和性能智能检测方法及装置
CN107844770A (zh) 一种基于视频的电熔镁炉异常工况自动识别系统
CN114663672B (zh) 一种输电线路塔钢构件腐蚀检测方法及系统
CN115376030A (zh) 一种基于bim和无人机技术的钢结构监测方法
CN103220500B (zh) 电网设备监控图像与业务分析图像叠加展示方法
CN115330712A (zh) 一种基于虚实融合的装配式建筑预制构件智能质检方法及系统
CN114941807A (zh) 一种基于无人机的热力管道泄漏快速监测与定位方法
CN111899211A (zh) 基于图像和气味的变压器漏油故障检测系统及方法
CN118274215A (zh) 一种管道破损检测机器人的控制方法及系统
CN120689840A (zh) 基于多模态传感器融合的机器人实时安全隐患识别系统
CN118917836A (zh) 一种音视频融合的电力智能巡检系统及方法
CN112039073A (zh) 一种适用于配电房设备故障判断的协同优化方法及系统
CN117745945A (zh) 一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理系统
CN204087290U (zh) 电缆隧道智能巡检装置
Hu et al. Design of pipe-inspection robot based on yolov3
WO2022133742A1 (zh) 一种基于红外测温与视觉识别技术的带电检测方法及系统
CN117391669A (zh) 一种基于无人机的光伏板场地智能巡检系统
CN109443542B (zh) 一种基于红外热成像技术的压风机在线监测装置及监测方法
Oulefki et al. Unveiling the invisible: Enhanced detection and analysis of deteriorated areas in solar PV modules using unsupervised sensing algorithms and 3D augmented reality
CN212379309U (zh) 一种锅炉受热面外观缺陷在线检测与识别装置
CN207612123U (zh) 一种变电站设备自动巡视系统
CN111929466A (zh) 一种快速定位含水层的钻孔电视流速流向测量仪器及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200717