光学图像异常检测旨在仅利用正常样本训练模型，并检测出偏离正常规律的异常样本。为了解决生成式异常检测算法中的普适性重建和低质量干扰问题，基于自编码网络，提出一种新的图像异常检测算法。首先将隐空间特征变换为连续特征和离散特征，即块描述特征和块哈希特征，哈希特征具有二值化特性，可以避免隐空间欠采样，进而解决普适性重建问题；其次基于离散-连续特征的耦合关系，利用图收缩方法建立块相似性矩阵构建起哈希特征和描述特征间的关联，并通过该关联提出一种块间重构方法，保证对原始图像的高质量重构，从而解决低质量干扰问题。在国际公开数据集MVTec AD上进行了验证实验，实验结果表明，所提算法的精度优于当前同类型的异常检测算法。

为了解决变电站智能巡检机器人对环境的预判断缺乏有效评估的问题,以雾环境下的表计读数为研究对象,提出一种基于支持向量回归机(SVR)的表计读数环境预判断模型。该模型利用离散余弦变换(DCT)频域特征和基于局部二值模式旋转不变算子的空间结构特征来反映雾浓度,利用深度图像的统计特征来反映距离,利用SVR对所有图像特征进行训练拟合,从而综合考虑雾浓度与距离对表计读数造成的影响,提高判别准确率。在采集的图像数据库上对算法进行测试并与其他算法进行对比。实验结果表明,与未加入深度图特征相比,深度图特征的加入显著提升各算法的性能,有效反映占屏比对表计读数的影响;与其他相关算法相比,所提算法的性能最优,能够有效解决环境预判断的问题。

为了实现指针式仪表的机器人自动巡检、读数工作,针对传统方法对指针式仪表起始刻度线、终止刻度线位置提取不够准确,读数不够精准等问题,提出了一种新型仪表读数算法,解决了表盘起始、终止刻度线需要提前预设、传统的Hough直线识别算法偏离指针中心线的难点问题,明显提高了系统读数的准确性;针对现有方法不能判断读表结果可靠度的问题,搭建了基于一致显著性的仪表读数可靠度估计模型,采用聚类思想实现了仪表特征一致显著性关联约束检测,可对仪表读数的可靠度进行估计。实验结果表明:所提出的仪表读数算法准确性更高,所创建的估计模型对读数可靠度的判断稳定可信。