CN101793501B - 一种基于图像的输电线覆冰状态检测方法 - Google Patents
一种基于图像的输电线覆冰状态检测方法 Download PDFInfo
- Publication number
- CN101793501B CN101793501B CN2010101457618A CN201010145761A CN101793501B CN 101793501 B CN101793501 B CN 101793501B CN 2010101457618 A CN2010101457618 A CN 2010101457618A CN 201010145761 A CN201010145761 A CN 201010145761A CN 101793501 B CN101793501 B CN 101793501B
- Authority
- CN
- China
- Prior art keywords
- transmission line
- image
- power transmission
- icing
- gray
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种基于图像的输电线覆冰状态检测方法,属于数字图像识别领域,目的在于克服现有方法的问题,提高输电线覆冰状态检测的自动化程度和准确性。本发明用于电力系统输电线的覆冰超限告警。顺序包括:(1)图像获取步骤,(2)图像预处理步骤,(3)输电线线体识别步骤,(4)输电线覆冰厚度计算步骤,(5)输电线覆冰超限告警步骤。本发明将数字图像识别的方法引入到输电线覆冰状态的检测中,利用图像信息自动识别出输电线的覆冰厚度,从而进一步实现输电线覆冰的超限告警,为保证电力系统安全运行提供一种新的直观而智能化的手段。
Description
技术领域
本发明属于数字图像识别领域,具体涉及一种基于图像的输电线覆冰状态检测方法,用于电力系统输电线的覆冰超限告警。
背景技术
输电线路覆冰的危害巨大,全世界每年都会发生多起因输电线路覆冰而导致的倒杆断线等事故,给社会生产和生活带来极大不便,同时也造成了巨大的经济损失。我国是遭受覆冰灾害最严重的国家之一。2008年1月中旬到2月上旬,我国南方地区连续遭受四次低温雨雪冰冻极端天气过程袭击,给电力设施带来极大破坏,13个省(区、市)输配电系统受到影响,直接经济损失1516.5亿元,由此给国民经济带来的损失和对人民生活造成的影响更是不可估量[张国宏,郭慕萍,吴效忠.南岭电线积冰气象条件分析.第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集,2009]。
现阶段,对于输电线路覆冰情况的监测主要是通过巡视人员现场观测来实现的。但由于输电线路覆冰受局部微地形气候条件影响大,而有些线路架设在人烟稀少、交通不便的地区,这一方面极大地增加了巡视人员的劳动强度,另一方面也降低了监测结果的时效性和准确性。
为了解决这样的问题,目前业已出现了输电线路在线视频监测系统[邵瑰玮,胡毅,王力农,易辉.输电线路覆冰监测系统应用现状及效果.电力设备,2008,9(6):13-15],工作人员可以通过实时视频监测信息及时了解输电线路的现场状况,以便在输电线路上覆冰过厚时,及时采取除冰措施。但这种监测方式的缺陷是需要大量的工作人员长时间坚守在监视器前,既造成人力资源的浪费,也容易因为工作人员疲劳等人为因素导致险情不能及时被发现。自动化程度低是该监测方式的主要问题。
现有输电线路自动监测系统对覆冰厚度进行识别和计算的一般方法是:根据输电线覆冰后的重量变化、环境温度、湿度等电气及气候特征,建立相应的数学模型,分析计算输电导线的覆冰情况并给出除冰预警信号[黄新波,孙钦东等.基于GSM SMS的输电线路覆冰在线监测系统.电力自动化设备.2008,28(5)pp72-76]。这种方法虽然能够基本把握输电线路的覆冰状况,减少事故的发生,但模型的建立比较困难,任意微小的误差都会对计算结果造成很大的影响,而且它的设备复杂,需要采集的参数较多,处理过程也比较复杂。
综上所述,如果能够利用数字图像识别技术自动检测出输电线视频监测图像中输电线的覆冰厚度,则将为输电线覆冰状态检测提供一种新的直观而智能化的手段,从而在大大降低人力资源成本与系统构建成本的同时,也能提高监测系统的利用效率。
图像预处理去噪、图像边缘提取以及图像分割是图像识别中的重要环节,也是能否有效识别输电线目标并计算其覆冰厚度的关键。由于输电线图像在露天拍摄时受粉尘、光照、摄像头杂物附着、以及CCD性能等因素的影响,输电线图像自身含有一定的噪声,对输电线识别会造成不利的影响。因此,需要对输电线图像进行预处理去噪。各向异性扩散平滑滤波技术[Perona P,Malik J.Scale-space and edge detection usinganisotropic diffusion[J].IEEE Transactions on Pattern Analysis and MachineIntelligence,1990,12(7):629~639]与传统的图像平滑去噪方法相比,既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息。边缘是图像最基本的特征,它存在于目标与背景、目标与目标、区域与区域,基元与基元之间。在输电线图像中,输电线目标与背景之间有较显著的边界,因此可以提取输电线目标的边缘信息来作为描述其的有效特征。索贝尔算子(Sobel operator)[Sobel,I.,Feldman,G.A 3x3IsotropicGradient Operator for Image Processing.presented at a talk at the StanfordArtificial Project in 1968,unpublished but often cited,orig.in PatternClassification and Scene Analysis,Duda,R.and Hart,P.,John Wiley andSons,′73:271-272]是一种有效的边缘提取算子。图像分割是根据目标与背景的先验知识,对图像中的目标、背景进行标记、定位,然后将目标从背景或其他伪目标中分离出来。在输电线图像的局部区域中,输电线目标与背景之间有较显著的灰度差异,因此在输电线所属区域正确定位的基础上,可以利用基于灰度的图像分割技术将输电线目标与背景分离开。大沣法(Otsu算法)[Otsu N.A threshold selection method from gray-levelhistograms[J].IEEE Transactions on System Man and Cybernetic,1979,9(1):62-66]是一种有效的基于灰度的图像分割方法。
发明内容
本发明提供一种基于图像的输电线覆冰状态检测方法,目的在于克服现有方法的问题,提高输电线覆冰状态检测的自动化程度和准确性。
本发明的一种基于图像的输电线覆冰状态检测方法,包括如下步骤:
(1)图像获取步骤,从成像设备中分别获取尺寸大小一致的待处理输电线覆冰图像及其所对应的输电线未覆冰图像;
(2)图像预处理步骤,分别对待处理的输电线覆冰与未覆冰图像进行各向异性扩散平滑滤波;
(3)输电线线体识别步骤,分别识别待处理输电线覆冰与未覆冰图像中的输电线线体,具体过程如下:
(3.1)提取经各项异性扩散平滑滤波后的待处理输电线图像I(x,y)所对应的边缘梯度图像E(x,y);
(3.2)以阈值Ethd对上述边缘梯度图像E(x,y)进行二值化操作,获取二值化的边缘梯度图像T(x,y):
(3.3)将T(x,y)中面积小于阈值MinArea且灰度值为255的连通域的灰度值置为0;
(3.4)去除经步骤(3.3)处理后的T(x,y)中长度不满足要求的虚假输电线目标,即将经步骤(3.3)处理后的T(x,y)中最小外接椭圆长轴长度小于所述宽度Width与预设比率Ratio的乘积Width×Ratio、且灰度值为255的连通域的灰度值置为0,其中,输电线在图像中沿水平方向分布,Width为输电线图像的宽度;
(3.5)扩张经步骤(3.4)处理后的T(x,y)中灰度值为255的连通域所属的最小外接矩形区域,获取扩张区域对应于I(x,y)中的局部图像Subi(x,y),并对其进行图像分割:
设局部图像Subi(x,y)的分割阈值为Thdi,则Subi(x,y)的分割图像Segi(x,y)为
(3.6)将各分割图像按照对应像素点灰度值相加的方式叠加到经步骤(3.4)处理后的T(x,y)中所对应的区域上,并对叠加后的T(x,y)进行二值化操作:
(3.7)按与步骤(3.3)相同的方法,去除经步骤(3.6)处理后的T(x,y)中的小连通域,即将T(x,y)中面积小于预定值MinArea且灰度值为255的连通域的灰度值置为0;
(3.8)按与步骤(3.4)相同的方法,去除经步骤(3.7)处理后的T(x,y)中长度不满足要求的虚假输电线目标,即将T(x,y)中最小外接椭圆长轴长度小于宽度Width与预设比率Ratio的乘积Width×Ratio,且灰度值为255的连通域的灰度值置为0;
(3.9)对经上述处理后的T(x,y)中灰度值为255的连通域进行内部孔洞填充,得到T(x,y)中灰度值为255的连通域,即为识别出的待处理输电线覆冰与未覆冰图像中的输电线线体;
(4)输电线覆冰厚度计算步骤,即根据上述识别结果,计算输电线的覆冰厚度;
(4.1)利用质心间的位置距离确定输电线覆冰与未覆冰图像中相匹配的输电线,即对于输电线覆冰图像中的任一条输电线WEi,输电线未覆冰图像中与其质心间距离最短的输电线Wi即为其在未覆冰时的匹配输电线;
(4.2)计算输电线未覆冰图像中各条输电线与水平方向的夹角,且输电线覆冰图像中输电线与水平方向的夹角与其匹配输电线取相同的值;
(4.3)分别计算输电线覆冰与未覆冰图像中各条输电线的平均径向厚度;
(4.4)利用(4.3)的计算结果,求取输电线覆冰图像中各条输电线的覆冰厚度:
设任一覆冰输电线WEi的平均径向厚度为TEi,与之匹配的未覆冰输电线Wi的平均径向厚度为Ti,WEi的覆冰厚度为PTi,则PTi=TEi-Ti;
(5)输电线覆冰超限告警步骤,即根据上述计算出的输电线覆冰厚度以及覆冰承载设计标准,决定是否发出输电线覆冰超限告警信号以及发出何种类型的告警信号。
上述步骤(3)中,所述的边缘梯度图像E(x,y)通过索贝尔算子(Sobel)提取:
所述步骤(4.3)中,输电线的平均径向厚度计算过程为:对于输电线Wi或WEi,首先利用步骤(4.2)的计算结果对T(x,y)进行旋转,将输电线调整到水平方向,接下来在垂直方向上计算输电线在图像各列上的厚度,最后将各列厚度值加权求平均,即得到输电线的平均径向厚度。
所述步骤(5)具体过程为:
a)如果0≤PTi≤Ratio1*SPTi,此时覆冰情况不严重,可不发出告警信号;
b)如果Ratio1*SPTi<PTi≤Ratio2*SPTi,此时覆冰情况较为严重,需对覆冰情况进行密切的监视,发出三级告警信号;
c)如果Ratio2*SPTi<PTi≤Ratio3*SPTi,此时覆冰情况已很严重,需对输电线进行除冰操作,发出二级告警信号;
d)如果PTi>Ratio3*SPTi,此时覆冰情况非常严重,需立即对输电线进行除冰操作,发出一级告警信号,
其中,SPTi为覆冰承载设计标准厚度,Ratio1,Ratio2和Ratio3分别为预定的覆冰程度判定参数。
本发明将数字图像识别的方法引入到输电线覆冰状态的检测中,利用图像信息自动识别出输电线的覆冰厚度,从而进一步实现输电线覆冰的超限告警,为保证电力系统安全运行提供一种新的直观而智能化的手段。
附图说明
图1是本发明流程示意图;
图2是待处理的输电线覆冰图像;
图3是待处理的输电线未覆冰图像;
图4是待处理输电线覆冰图像的各向异性扩散平滑滤波结果图像;
图5是输电线覆冰图像所对应的边缘梯度图像E(x,y);
图6是边缘梯度图像E(x,y)所对应的二值化图像T(x,y);
图7是T(x,y)中去除过小连通域后的结果;
图8是T(x,y)中去除了最小外接椭圆长轴长度不满足要求的连通域后的结果;
图9是各局部分割结果与T(x,y)叠加后的二值化图像;
图10是输电线覆冰图像的输电线线体识别结果;
图11是输电线未覆冰图像的输电线线体识别结果;
具体实施方式
本发明将各项异性扩散平滑滤波作为图像预处理的方法,以边缘梯度信息作为输电线目标的有效特征来提取输电线的潜在区域,通过结合图像形态学与图像分割的方法能有效地识别出输电线线体,并计算其覆冰的厚度,从而进一步实现输电线覆冰的超限告警。如图1所示,具体处理流程如下:
(1)图像获取步骤,分别从成像设备获取大小一致的待处理输电线覆冰图像及其所对应的输电线未覆冰图像。图2所示的是输电线覆冰图像,图3所示的是图2所对应的输电线未覆冰图像;
(2)图像预处理步骤,由于露天拍摄时受粉尘、光照、摄像头杂物附着、以及CCD性能等因素的影响,输电线图像可能含有一定的噪声,对输电线线体的识别会造成不利的影响。因此,需要对输电线图像进行预处理去噪。本实施例利用各向异性扩散平滑滤波的技术对输电线图像进行平滑去噪。与传统的去噪方法相比,各向异性扩散平滑滤波的优点在于既有效地去除噪声,又能够较好地保持图像边缘和重要的细节信息。图4所示的是输电线覆冰图像的各向异性扩散平滑滤波结果;
(3)输电线线体识别步骤,分别识别待处理输电线覆冰与未覆冰图像中的输电线线体:
(3.1)利用索贝尔算子(Sobel operator)提取经各项异性扩散平滑滤波后的待处理输电线图像I(x,y)所对应的边缘梯度图像E(x,y):
本发明将利用边缘信息作为输电线目标的有效特征来提取输电线的潜在区域。图5所示的是输电线覆冰图像所对应的边缘梯度图像;
(3.2)以阈值Ethd对边缘梯度图像E(x,y)进行二值化操作,获取二值化的边缘梯度图像T(x,y):
T(x,y)中灰度值为255的连通域即为潜在的输电线目标。具体实施中Ethd取[15,30]之间的整数。图6所示的是二值化的边缘梯度图像;
(3.3)去除二值化的边缘梯度图像T(x,y)中的小连通域,即将T(x,y)中面积小于预定值MinArea且灰度值为255的连通域的灰度置为0。这里主要是为了去除T(x,y)中的干扰成分如噪声残留。具体实施中预定值MinArea的取值范围为[0.14,0.24],单位为平方毫米。图7所示的是去除小连通域后的结果;
(3.4)去除经步骤(3.3)处理后的T(x,y)中长度不满足要求的虚假输电线目标,设输电线在图像中沿水平方向分布且输电线图像的宽度为Width,将经步骤(3.3)处理后的T(x,y)中最小外接椭圆长轴长度小于所述宽度Width与预设比率Ratio的乘积Width×Ratio,且灰度值为255的连通域的灰度置为0。这里主要是为了去除T(x,y)中长度不满足要求的虚假输电线目标。具体实施中Ratio的取值范围为[0.5,0.8]。图8所示的是去除了最小外接椭圆长轴长度不满足要求的连通域后的结果;
(3.5)扩张经步骤(3.4)处理后的T(x,y)中灰度值为255的连通域所属的最小外接矩形区域,获取扩张区域对应于I(x,y)中的局部图像Subi(x,y),并对其进行基于大沣法(Otsu算法)的图像分割:
设局部图像Subi(x,y)由Otsu算法所确定的分割阈值为Thdi,则Subi(x,y)的分割图像Segi(x,y)为
在这里,经步骤(3.4)处理后的T(x,y)中灰度值为255的连通域所属的最小外接矩形区域即为输电线目标的潜在图像区域。在该区域中,输电线线体与背景之间的灰度有较大的差异,因此可以利用基于灰度的Otsu算法将输电线与背景分割开。某灰度值为255的任一连通域Ci的最小外接矩形的高度为RectHeighti,在本实施中,所述的扩张具体为,将Ci最小外接矩形的宽度左右均匀扩张为Width,最小外接矩形的高度RectHeighti上下均匀扩张至
(3.6)将各局部分割图像按对应像素点灰度值相加的方式叠加到经步骤(3.4)处理后的T(x,y)中所对应的区域上,并对其进行二值化操作:
图9所示的是各局部分割结果与T(x,y)叠加后的二值化图像;
(3.7)按与步骤(3.3)相同的方法,去除经步骤(3.6)处理后的T(x,y)中的小连通域,即将T(x,y)中面积小于预定值MinArea且灰度值为255的连通域的灰度置为0。
(3.8)按与步骤(3.4)相同的方法,去除经步骤(3.7)处理后的T(x,y)中长度不满足要求的虚假输电线目标。即将T(x,y)中最小外接椭圆长轴长度小于宽度Width与预设比率Ratio的乘积Width×Ratio,且灰度值为255的连通域的灰度置为0。
(3.9)对经上述处理后的T(x,y)中灰度值为255的连通域进行内部孔洞填充,得到最终的输电线线体识别结果,即T(x,y)中灰度值为255的连通域;图10与图11分别是输电线覆冰与未覆冰图像的输电线线体识别结果;
(4)输电线覆冰厚度计算步骤,根据对输电线在覆冰与未覆冰情况下线体的识别结果,计算输电线的覆冰厚度。
(4.1)利用输电线质心间的位置距离最短原则确定输电线覆冰与未覆冰图像中相匹配的输电线。即对于输电线覆冰图像中的某条输电线WEi,输电线未覆冰图像中与其质心间距离最短的输电线Wi即为WEi在未覆冰时的匹配输电线;
(4.2)利用霍夫变换计算输电线未覆冰图像中各条输电线与水平方向的夹角,输电线覆冰图像中各输电线与水平方向的夹角的取值分别与各自匹配输电线与水平方向的夹角值相同;
(4.3)根据上述夹角,分别计算输电线覆冰图像与输电线未覆冰图像中各条输电线的平均径向厚度。对于某输电线Wi或WEi,首先利用(4.2)计算出的所述夹角对T(x,y)进行旋转,将输电线调整到水平方向,接下来在垂直方向上计算输电线在图像各列上的厚度,最后将各列厚度值加权求平均,从而得到输电线Wi或WEi的平均径向厚度;
(4.4)利用(4.3)的计算结果,求取输电线覆冰图像中各条输电线的覆冰厚度。设某覆冰输电线WEi的平均径向厚度为TEi,与之匹配的未覆冰输电线Wi的平均径向厚度为Ti,WEi的覆冰厚度为PTi,则PTi=TEi-Ti;
(5)输电线覆冰超限告警步骤,根据输电线覆冰厚度以及相应的覆冰承载设计标准,决定是否发出输电线覆冰超限告警信号以及发出何种类型的告警信号。设某输电线WEi的覆冰厚度为PTi,覆冰承载设计标准厚度为SPTi,Ratio1,Ratio2,Ratio3分别为预定的覆冰程度判定参数:
a)如果0≤PTi≤Ratio1*SPTi,此时覆冰情况不严重,可不发出告警信号。在具体实施中Ratio1的取值范围为[0,0.4];
b)如果Ratio1*SPTi<PTi≤Ratio2*SPTi,此时覆冰情况较为严重,需对覆冰情况进行密切的监视,发出三级告警信号。在具体实施中Ratio2的取值范围为[0.4,0.6];
c)如果Ratio2*SPTi<PTi≤Ratio3*SPTi,此时覆冰情况已很严重,需对输电线进行除冰操作,发出二级告警信号。在具体实施中Ratio3的取值范围为[0.6,1];
d)如果PTi>Ratio3*SPTi,此时覆冰情况非常严重,需立即对输电线进行除冰操作,发出一级告警信号。
Claims (2)
1.一种基于图像的输电线覆冰状态检测方法,包括如下步骤:
(1)图像获取步骤,从成像设备中分别获取尺寸大小一致的待处理输电线覆冰图像及其所对应的输电线未覆冰图像;
(2)图像预处理步骤,分别对待处理的输电线覆冰与未覆冰图像进行各向异性扩散平滑滤波;
(3)输电线线体识别步骤,分别识别待处理输电线覆冰与未覆冰图像中的输电线线体,具体过程如下:
(3.1)提取经各项异性扩散平滑滤波后的待处理输电线图像I(x,y)所对应的边缘梯度图像E(x,y);
其中,所述的边缘梯度图像E(x,y)通过索贝尔算子(Sobel)提取:
(3.2)以阈值Ethd对上述边缘梯度图像E(x,y)进行二值化操作,获取二值化的边缘梯度图像T(x,y):
其中,Ethd取[15,30]之间的整数;
(3.3)将T(x,y)中面积小于预定值MinArea且灰度值为255的连通域的灰度值置为0,其中预定值MinArea的取值范围为[0.14,0.24],单位为平方毫米;
(3.4)去除经步骤(3.3)处理后的T(x,y)中长度不满足要求的虚假输电线目标,即将经步骤(3.3)处理后的T(x,y)中最小外接椭圆长轴长度小于宽度Width与预设比率Ratio的乘积Width×Ratio、且灰度值为255的连通域的灰度值置为0,其中,输电线在图像中沿水平方向分布,Width为输电线图像的宽度,其中预设比率Ratio的取值范围为[0.5,0.8];
(3.5)扩张经步骤(3.4)处理后的T(x,y)中灰度值为255的连通域所属的最小外接矩形区域,获取扩张区域对应于I(x,y)中的局部图像Subi(x,y),并对其进行图像分割:
设局部图像Subi(x,y)的分割阈值为Thdi,则Subi(x,y)的分割图像Segi(x,y)为
其中,Thdi由Otsu算法确定;
(3.6)将各分割图像按照对应像素点灰度值相加的方式叠加到经步骤(3.4)处理后的T(x,y)中所对应的区域上,并对叠加后的T(x,y)进行二值化操作:
(3.7)按与步骤(3.3)相同的方法,去除经步骤(3.6)处理后的T(x,y)中的小连通域,即将T(x,y)中面积小于预定值MinArea且灰度值为255的连通域的灰度值置为0;
(3.8)按与步骤(3.4)相同的方法,去除经步骤(3.7)处理后的T(x,y)中长度不满足要求的虚假输电线目标,即将T(x,y)中最小外接椭圆长轴长度小于宽度Width与预设比率Ratio的乘积Width×Ratio,且灰度值为255的连通域的灰度值置为0;
(3.9)对经上述处理后的T(x,y)中灰度值为255的连通域进行内部孔洞填充,得到T(x,y)中灰度值为255的连通域,即为识别出的待处理输电线覆冰与未覆冰图像中的输电线线体;
(4)输电线覆冰厚度计算步骤,即根据上述识别结果,计算输电线的覆冰厚度;
(4.1)利用质心间的位置距离确定输电线覆冰与未覆冰图像中相匹配的输电线,即对于输电线覆冰图像中的任一条输电线WEi,输电线未覆冰图像中与其质心间距离最短的输电线Wi即为其在未覆冰时的匹配输电线;
(4.2)计算输电线未覆冰图像中各条输电线与水平方向的夹角,且输电线覆冰图像中输电线与水平方向的夹角与其匹配输电线取相同的值;
(4.3)分别计算输电线覆冰与未覆冰图像中各条输电线的平均径向厚度;其中,输电线的平均径向厚度计算过程为:对于输电线Wi或WEi,首先利用步骤(4.2)的计算结果对T(x,y)进行旋转,将输电线调整到水平方向,接下来在垂直方向上计算输电线在图像各列上的厚度,最后将各列厚度值加权求平均,即得到输电线的平均径向厚度;
(4.4)利用(4.3)的计算结果,求取输电线覆冰图像中各条输电线的覆冰厚度:
设任一覆冰输电线WEi的平均径向厚度为TEi,与之匹配的未覆冰输电线Wi的平均径向厚度为Ti,WEi的覆冰厚度为PTi,则PTi=TEi-Ti;
(5)输电线覆冰超限告警步骤,即根据上述计算出的输电线覆冰厚度以及覆冰承载设计标准,决定是否发出输电线覆冰超限告警信号以及发出何种类型的告警信号。
2.如权利要求1所述的一种基于图像的输电线覆冰状态检测方法,其特征在于,所述步骤(5)具体过程为:
a)如果0≤PTi≤Ratio1*SPTi,此时覆冰情况不严重,可不发出告警信号;
b)如果Ratio1*SPTi<PTi≤Ratio2*SPTi,此时覆冰情况较为严重,需对覆冰情况进行密切的监视,发出三级告警信号;
c)如果Ratio2*SPTi<PTi≤Ratio3*SPTi,此时覆冰情况已很严重,需对输电线进行除冰操作,发出二级告警信号;
d)如果PTi>Ratio3*SPTi,此时覆冰情况非常严重,需立即对输电线进行除冰操作,发出一级告警信号,
其中,SPTi为覆冰承载设计标准厚度,Ratio1,Ratio2和Ratio3分别为预定的覆冰程度判定参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101457618A CN101793501B (zh) | 2010-04-14 | 2010-04-14 | 一种基于图像的输电线覆冰状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101457618A CN101793501B (zh) | 2010-04-14 | 2010-04-14 | 一种基于图像的输电线覆冰状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101793501A CN101793501A (zh) | 2010-08-04 |
CN101793501B true CN101793501B (zh) | 2011-04-20 |
Family
ID=42586327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101457618A Expired - Fee Related CN101793501B (zh) | 2010-04-14 | 2010-04-14 | 一种基于图像的输电线覆冰状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101793501B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950357B (zh) * | 2010-09-21 | 2012-11-07 | 上海大学 | 基于位置关系识别高压线路杆塔、引流线、导线的方法 |
CN102230784B (zh) * | 2011-04-18 | 2013-07-10 | 四川电力科学研究院 | 一种电线检测装置及检测方法 |
CN102261901B (zh) * | 2011-04-27 | 2012-11-14 | 中国电力工程顾问集团西南电力设计院 | 一种利用水汽压模型预测输电线路冰厚的方法 |
CN102252623B (zh) * | 2011-06-24 | 2013-03-06 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
CN102589461A (zh) * | 2012-01-17 | 2012-07-18 | 华中科技大学 | 一种基于图像的积雪深度测量方法 |
CN102589618B (zh) * | 2012-02-21 | 2014-10-29 | 华北电力大学 | 一种电网输电线路覆冰状态的智能监测方法 |
CN103673960B (zh) | 2012-08-30 | 2016-12-21 | 国际商业机器公司 | 用于预测输电线路上的覆冰状态的方法和装置 |
CN102997853A (zh) * | 2012-11-22 | 2013-03-27 | 华中科技大学 | 一种检测冰雪厚度的装置及方法 |
CN103047938B (zh) * | 2013-01-05 | 2015-08-12 | 山西省电力公司大同供电分公司 | 输电线路覆冰厚度检测方法及检测装置 |
CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
CN105138976A (zh) * | 2015-08-16 | 2015-12-09 | 东北石油大学 | 一种遗传小波神经网络的输电线路覆冰厚度识别方法 |
CN105701835A (zh) * | 2016-02-26 | 2016-06-22 | 华北电力大学 | 面向电力设施的图像边缘检测方法及系统 |
CN106595551B (zh) * | 2016-12-13 | 2019-01-04 | 武汉大学 | 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法 |
CN107507214B (zh) * | 2017-07-06 | 2020-09-11 | 北京华泰诺安探测技术有限公司 | 获取货物图像的方法和装置 |
CN107909555B (zh) * | 2017-11-27 | 2020-06-02 | 北京大恒图像视觉有限公司 | 一种保持锐度的网格噪声消除方法 |
CN108109119A (zh) * | 2017-12-18 | 2018-06-01 | 凯迈(洛阳)环测有限公司 | 一种基于韦伯局部算子的电线覆冰识别方法及处理装置 |
CN108229371B (zh) * | 2017-12-29 | 2021-10-15 | 西安工程大学 | 基于冰形建模的输电导线横截面覆冰形状识别方法 |
CN108662977A (zh) * | 2018-03-14 | 2018-10-16 | 浙江大学山东工业技术研究院 | 一种耐火砖几何尺寸测量方法 |
CN109118731B (zh) * | 2018-08-01 | 2020-11-03 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 输电线路覆冰雪监测预警方法及系统 |
CN110686608B (zh) * | 2019-11-11 | 2021-08-31 | 国网湖南省电力有限公司 | 用于输电线路的便携式覆冰厚度测量装置及其测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430195A (zh) * | 2008-12-19 | 2009-05-13 | 华北电力大学 | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 |
CN101556142A (zh) * | 2009-03-11 | 2009-10-14 | 湖南大学 | 架空线路覆冰厚度的视觉检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61284643A (ja) * | 1985-06-11 | 1986-12-15 | Mitsubishi Electric Corp | 着氷監視装置 |
-
2010
- 2010-04-14 CN CN2010101457618A patent/CN101793501B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430195A (zh) * | 2008-12-19 | 2009-05-13 | 华北电力大学 | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 |
CN101556142A (zh) * | 2009-03-11 | 2009-10-14 | 湖南大学 | 架空线路覆冰厚度的视觉检测方法 |
Non-Patent Citations (3)
Title |
---|
JP昭61-284643A 1986.12.15 |
黄新波等.基于GSM SMS的输电线路覆冰在线监测系统.《电力自动化设备》.2008,第28卷(第5期),72-76. * |
黄新波等.电力架空线路覆冰雪的国内外研究现状.《电网技术》.2008,第32卷(第4期),23-28. * |
Also Published As
Publication number | Publication date |
---|---|
CN101793501A (zh) | 2010-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101793501B (zh) | 一种基于图像的输电线覆冰状态检测方法 | |
CN101893580B (zh) | 基于数字图像的钢轨表面缺陷检测方法 | |
CN103729842B (zh) | 基于局部统计特征与整体显著性分析的织物疵点检测方法 | |
CN103530878B (zh) | 一种基于融合策略的边缘提取方法 | |
CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN101901477B (zh) | 植物叶片田间图像边缘提取方法及其系统 | |
CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN103528534B (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN103076338B (zh) | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 | |
CN107588733A (zh) | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 | |
CN111862013B (zh) | 基于深度卷积神经网络的绝缘子检测方法、装置及设备 | |
CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
CN101739549B (zh) | 人脸检测方法及系统 | |
CN103394472B (zh) | 一种基于机器视觉的绿化马铃薯检测分级方法 | |
CN107967681A (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN104240252A (zh) | 一种机器视觉棒材高温钢坯表面裂纹检测算法 | |
CN107705256B (zh) | 一种基于接触网语义的前向车载视频图像增强方法 | |
CN107977531A (zh) | 一种基于图像处理和领域数学模型进行接地电阻软测量的方法 | |
CN103473548B (zh) | 一种利用图像处理和先验知识提取断裂构造信息方法 | |
Wang et al. | Study on edge extraction methods for image-based icing on-line monitoring on overhead transmission lines | |
CN104573650A (zh) | 一种基于滤波响应的电线检测分类方法 | |
CN102339388B (zh) | 一种基于图像的地面状态种类识别方法 | |
CN108921147A (zh) | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110420 Termination date: 20210414 |
|
CF01 | Termination of patent right due to non-payment of annual fee |