典型文献
双目视觉和机器学习的拆回电能表微颗粒清洗系统
文献摘要：
传统拆回电能表清洗采用人工、毛刷或离子吹风方式,导致污渍识别准确率不高,清洗效果不佳,因此,采用双目视觉和机器学习的方法对其进行改进.该系统以控制中心为核心,通过通信协议连接识别模块和清洗服务子系统,构建系统框架.建立双目视觉系统,对双目摄像机进行神经网络标定后采集拆回电能表图像信息,通过坐标转换和视差计算完成污渍定位.将定位结果输入卷积神经网络,通过网格划分、特征映射等操作完成拆回电能表污渍识别.在清洗服务子系统中设计清洗装置,依据污渍识别结果针对性清洗拆回电能表,完成清洗系统设计.以清洗500只电能表为例进行测试,结果表明:文中方法耗时22 min,识别误差约为10％,而且清洗后的电能表的检定效果由原来的70％提高到97％.
文献关键词：
双目视觉系统;卷积神经网络;电能表;识别;定位;微颗粒清洗系统
中图分类号：
作者姓名：
朱小超;张磊;解秦虎;黄莺;崔悦
作者机构：
国网宁夏电力有限公司银川供电公司,宁夏银川750000
文献出处：
引用格式：
[1]朱小超;张磊;解秦虎;黄莺;崔悦-.双目视觉和机器学习的拆回电能表微颗粒清洗系统)[J].西安工程大学学报,2022(02):49-55
A类：
微颗粒清洗系统
B类：
拆回,回电,电能表,表微,毛刷,吹风,污渍,识别准确率,清洗效果,控制中心,通信协议,识别模块,建系,系统框架,双目视觉系统,双目摄像,摄像机,图像信息,坐标转换,视差计算,定位结果,网格划分,特征映射,中设计,清洗装置,中方,识别误差,洗后,检定
AB值：
0.276198
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
