基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前国内外生产上钢化玻璃绝缘子的缺陷检测均采用传统的人工肉眼检测方法,难以满足大规模、自动化生产的需要.为此,结合基于形态学的特征检测和基于BP神经网络的缺陷分类检测,提出一种基于图像处理的玻璃件缺陷检测方法.实验结果证明了该方法的有效性.
推荐文章
绝缘子图像的边缘检测
边缘检测
梯度
小波变换
基于Mask RCNN的绝缘子自爆缺陷检测
绝缘子
深度学习
Mask RCNN
自爆缺陷
基于Faster RCNN的绝缘子自爆缺陷识别
绝缘子
无人机巡检
深度学习
自爆
基于改进YOLOX网络的雾天绝缘子缺陷检测
绝缘子缺陷
目标检测
雾天巡检
改进YOLOX
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 图像处理中的绝缘子缺陷检测方法
来源期刊 中国计量学院学报 学科 工学
关键词 钢化玻璃绝缘子 图像处理 缺陷检测 形态学 BP神经网络
年,卷(期) 2010,(4) 所属期刊栏目
研究方向 页码范围 297-300,304
页数 分类号 TP391
字数 2643字 语种 中文
DOI 10.3969/j.issn.1004-1540.2010.04.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴洪潭 中国计量学院质量与安全工程学院 22 130 7.0 10.0
2 石成龙 中国计量学院质量与安全工程学院 3 16 2.0 3.0
3 单成 中国计量学院质量与安全工程学院 1 11 1.0 1.0
4 陈艳燕 中国计量学院质量与安全工程学院 3 20 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (29)
参考文献  (4)
节点文献
引证文献  (11)
同被引文献  (33)
二级引证文献  (79)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(11)
  • 引证文献(2)
  • 二级引证文献(9)
2017(15)
  • 引证文献(2)
  • 二级引证文献(13)
2018(32)
  • 引证文献(1)
  • 二级引证文献(31)
2019(20)
  • 引证文献(3)
  • 二级引证文献(17)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
钢化玻璃绝缘子
图像处理
缺陷检测
形态学
BP神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国计量大学学报
季刊
2096-2835
33-1401/C
大16开
杭州市下沙高教园
1990
chi
出版文献量(篇)
1770
总下载数(次)
1
总被引数(次)
9715
论文1v1指导