CN103487729B - 基于紫外视频与红外视频融合的电力设备缺陷检测方法 - Google Patents

基于紫外视频与红外视频融合的电力设备缺陷检测方法 Download PDF

Info

Publication number
CN103487729B
CN103487729B CN201310403866.2A CN201310403866A CN103487729B CN 103487729 B CN103487729 B CN 103487729B CN 201310403866 A CN201310403866 A CN 201310403866A CN 103487729 B CN103487729 B CN 103487729B
Authority
CN
China
Prior art keywords
ultraviolet
infrared
image
video
infrared image
Prior art date
Application number
CN201310403866.2A
Other languages
English (en)
Other versions
CN103487729A (zh
Inventor
麦晓明
陈驰
彭向阳
张泊宇
王柯
杨必胜
王锐
Original Assignee
广东电网公司电力科学研究院
武汉大学
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 广东电网公司电力科学研究院, 武汉大学 filed Critical 广东电网公司电力科学研究院
Priority to CN201310403866.2A priority Critical patent/CN103487729B/zh
Publication of CN103487729A publication Critical patent/CN103487729A/zh
Application granted granted Critical
Publication of CN103487729B publication Critical patent/CN103487729B/zh

Links

Abstract

本发明公开了基于紫外视频与红外视频融合的电力设备缺陷检测方法,包括:获得电力设备的紫外、红外图像,同时在拍摄成像时记录电力设备的高精度、位置姿态以及时间同步信息;对任意一帧拍摄的电力设备的紫外、红外图像,选取其前后多帧连续的图像进行自动配准;对配准后的紫外、红外图像进行基于时间戳的异源数据帧对准;对紫外图像进行均值滤波、阈值分割、光斑检测、区域生长、光斑聚类分析得到放电点;对红外图像进行图像拼接、区域分割、目标提取、温度反演得到温度异常;结合处理后的紫外、红外图像进行放电、温度联合分析,最后得到诊断结果报表。该方法自动化程度高、检测高效、操作简单。

Description

基于紫外视频与红外视频融合的电力设备缺陷检测方法

技术领域

[0001] 本发明属于应用于电力工业领域中的检测方法,具体是指基于紫外视频与红外视 频融合的电力设备缺陷检测方法。

背景技术 阳〇〇引导体和电器,当电压和电流都不超过额定值时,导体和电器能够长期安全、经济的 运行。导体正常工作时,将产生各种损耗:导体通过电流,由本身电阻产生的电阻损耗;绝 缘材料中出现的介质损耗;导体周围的金属部件,在电磁场作用下,引起满流和磁滞损耗。 运些损耗处在强电场的作用下发生局部放电,致使有机电解质的局部损坏,甚至引起绝缘 的穿透性击穿;运些损耗变成热能能使导体的溫度升高,致使材料的物理和化学性能变坏。 因此,对电力设备进行紫外、红外视频融合的缺陷自动检测是电力设备制造和运行中的一 项重要预防性试验。

[0003] 目前电力设备缺陷自动检测技术主要是紫外、红外单独进行的检测技术。红外检 测方法主要有两种,即:运用神经网络和运用图像处理的方法。大多数专家学者都把研究重 点放在运用图像处理的方法进行运动目标检测和跟踪,现有的比较有效的图像运动目标检 测的主要是光流法和差分图像法。一般来说,光流法的时间开销很大,其实时性和实用性较 差。相反,图像差分法比较简单,易于实时,因而成为目前应用最广泛、最成功的运动目标检 测方法。图像差分法可分为两类:背景图像差分法和帖间差分法。由于帖间差分的方法简 单、易于实现,且行之有效。因此,是一种红外视频目标探测的有效方法。

[0004] 但是,帖间差分进行目标探测具有如下缺点:1.不适用与目标和背景都不动而探 测器运动的情况,不能提取对象的完整区域。2.同时依赖于选择的帖间时间间隔。对快速运 动的物体,需要选择较小的时间间隔,如果选择不合适,当物体在前后两帖中没有重叠时, 会被检测为两个分开的物体;而对慢速运动的物体,应该选择较大的时间差,如果时间选择 不适当,当物体在前后两帖中几乎完全重叠时,则检测不到物体。 阳〇化]因而,提出了一种基于图像拼接的帖间差分方法,并使用一种基于输电线主方向 来提取输电线的方法。为最终识别在图像中的目标,需要使用相应的目标识别算法对其进 行识别,常用的目标识别算法有两种包括:一种是自下而上的数据驱动(data-化iven)算 法;另一种是自上而下的模型驱动算法(mode^^iven)算法。由于输电线本身具有相互平 行且连续不间断的特性,利用主方向所给出的先验知识,可W采用模型驱动的方法,得到连 续的完整的电力设备目标。

[0006] 紫外检测主要是通过日盲型紫外光电管作为检测系的探头,W紫外脉冲数目的形 式进行表征电晕强度。目前市场普遍使用的是紫外成像仪进行检测,国际上已有多家电力 公司将电晕检测仪应用于用于138kV和500kV输电线路、电力设备和发电机线圈表面放电 的检测,均取得了良好的效果。在随后检修中,验证了仪器检验的结果是正确的,如输电线 路、复合绝缘子的接头处等。

[0007] 目前,国外在紫外光设备故障自动检测方面已有应用,国内相关研究尚处于空白 阶段,为了保障电网的线路稳定运行和停电检修时的安全,急需对高压设备的放电进行深 入研究。利用放电的特征并结合紫外光检测技术来有效地进行输电设备的放电检测和高压 验电,设计灵敏度高,准确度好,功耗小,操作方便、安全、简单,抗干扰强的电力设施安全性 评估诊断方法具有很强的现实意义。

[0008] 早期对电力设备异常放电检测的方法主要是观察法、超声波法、红外成像法。观察 法是用高倍望远镜直接观察电力设备,此方法不易发现设备故障处,并且检测结果也不可 靠;超声波法是采用超声波发生器发射始脉冲进入电力设备介质,根据时间轴上缺陷波的 大小和位置来判断用电设备的缺陷情况,此方法灵敏度高、速度快、成本低、操作简单及安 全可靠,但很难直观准确地定位远距离放电点,定量分析也十方困难;红外成像法是利用用 电设备外部溫升来发现某些缺陷,该方法可W在不接触电气设备、不停电的情况下进行,但 是运种通过测量溫度来确定电气设备故障的方法容易受到阳光、大风、潮气、环境溫度及一 些能引起高压设备表面溫度急剧变化因素的影像。

[0009] 为了能直观地显示运行的电力设备放电位置和放电形态,出现了紫外成像检测电 力设备放电技术。该技术是通过观察和检测"日盲"紫外光信号,并将紫外图像信号转换成 可见光图像信号,进行观察和测量。紫外成像检测受环境、气候等条件的限制比较少,能够 迅速准确地定位放电点,具有连续检测、远距离、不停电、不接触、不解体等特点。紫外成像 技术在电力设备放电检测领域中的应用大致有W下几个方面:导线外伤探测、绝缘子放电 检测、高压设备污秽检查、绝缘缺陷、高压变电站及线路的整体维护、寻找无线电干扰源。

发明内容

[0010] 本发明的目的是提供基于紫外视频与红外视频融合的电力设备缺陷检测方法,该 检测方法高效且能够自动检测电力设备缺陷。

[0011] 本发明的上述目的通过如下技术方案来实现的:基于紫外视频与红外视频融合的 电力设备缺陷检测方法,该方法包括如下步骤:

[0012] (1)采用紫外、红外视频拍摄电力设备,获得电力设备的紫外、红外图像,同时在拍 摄成像时记录电力设备的高精度、位置姿态W及时间的同步信息;

[0013] (2)分别对步骤(1)获得的紫外、红外图像进行预处理;

[0014] (3)步骤(2)获得的任意一帖的紫外、红外图像,分别选取该紫外、红外图像前后 8-10帖连续的紫外、红外图像,进行多帖时序紫外、红外图像的自动配准;

[0015] (4)对步骤(3)获得的紫外、红外图像进行基于时间同步信息的紫外、红外数据帖 对准;

[0016] (5)对步骤(4)基于时间同步信息对准的相对应的一帖紫外图像和一帖红外图像, 进行如下处理;

[0017] (51)对紫外图像进行处理,获得电力设备放电点的图像数据;

[0018] (52)对红外图像进行处理,获得电力设备溫度异常点的图像数据;

[0019] (53)对紫外、红外图像进行融合,得到紫外与红外图像相融合的融合图像;

[0020] (6)对步骤(53)得到的融合图像,同时进行放电和溫度分析,获得电力设备放电点 和溫度异常点的缺陷诊断信息。 阳02U 本发明中,所述步骤(1)中通过DGPS、IMU记录电力设备的高精度、位置姿态W及 时间的同步信息。

[0022] 本发明中,所述步骤(2 )中紫外、红外图像预处理的方法包括双边滤波去噪和直方 图均衡。

[0023] 本发明中,所述步骤(3)中利用SIFT特征提取方法分别进行多帖时序紫外、红外 图像的自动配准。

[0024] 本发明中,所述步骤(51)中,对紫外图像依次进行帖间均值滤波去噪、阔值法光斑 分割、放电光斑检测、区域生长、光斑聚类、放电点簇特征提取处理,获得电力设备放电点的 图像数据。

[00巧]本发明中,所述步骤(52)中,对红外图像依次进行基于图像拼接技术进行帖间差 分、兴趣区域图像分割、基于模型驱动思想进行目标提取、进行溫度反馈、对溫度异常点进 行检测处理,获得电力设备溫度异常点的图像数据。

[0026] 本发明中,所述的电力设备包括电塔的塔身、绝缘子、地线和电塔金具。

[0027] 本发明中,所述步骤中采用自适应分割算法对电塔序列影像进行图像分割;采用 CANNY算子从分割后的图像中提取直线特征,并利用化U曲变换,提取分割后的图像中的直 线,从而提取和定位影像中电塔的塔身、绝缘子、地线和电塔金具;采用SURF描述子对影像 进行提取,使用人工神经网络进行匹配;通过帖间差分消除背景和噪声;采用直接判别法、 溫差判别法得出溫度异常点。

[0028] 本发明的检测原理:①紫外部分:缺陷位置及其附近的电场强度会变强,并且会 有电晕产生;附有污秽的高压设备也会产生放电现象;绝缘子劣化积污也会产生放电,运 些情况都可W利用紫外检测技术进行分析。②红外部分:通过基于拼接的方法进行帖间差 分,能够克服传统的帖间差分方法进行目标探测时探测器移动时难W将前景从背景中区分 出来的特点;基于图像能量进行主方向提取的方法,能自动提取图像主方向,用于进一步的 目标探测;利用图像主方向的先验知识,采用模型驱动的思想,基于模型来提取图像中的电 力设备,提取的完整度高、连续性好;基于红外图像目标探测结果来进行故障诊断,能够有 效的规避图像中其他福射因素对红外图像的可能影响,有更好的诊断结果。

附图说明

[0029] 下面结合附图和具体实施方式对本发明作进一步详细说明。

[0030] 图1为本发明检测方法的流程图;

[0031] 图2为本发明检测方法中获得的紫外视频单帖原始影像;

[0032] 图3为本发明检测方法中获得的红外视频单帖原始影像;

[0033] 图4为本发明检测方法中紫外检测出的放电区域特征;

[0034] 图5为本发明检测方法中红外处理后的结果。

具体实施方式

[0035] 本发明基于紫外视频与红外视频融合的电力设备缺陷自动检测方法的理论基础 如下:

[0036] 1、最大类间方差法是日本学者大津展之在1979年提出的一种全局阔值选取法, 是在判决分析最小二乘法原理的基础上推导出来的。该方法是W图像前景背景的最大方差 值,作为该图像的阔值,它实现的前提是对图像的灰度直方图进行一阶特性统计。设原始图 像灰度级为以灰度为i的像素个数为ni,则总的像素是各灰度值出现的概率为,显然。设 W灰度t为阔值将图像二值化分割为两个区域,灰度级为1-t像素背景,记作区域A,灰度 级为t+l-kl的像素为目标区域,记作区域B。

[0037] A和B出现的概率分别为:

Figure CN103487729BD00061

[0043] 由此可W得到A和B两区域的类间方差为:

[0044]

Figure CN103487729BD00062

[0045] 显然都是关于灰度级t的函数。

[0046] 为了得到最优分割阔值,最大类间方差法把两类的类间方差作为判别准则,认为 使得。2值最t娜为所求的最佳阔值:

[0047]

Figure CN103487729BD00063

[0048] 方差是灰度分布均匀性的一种度量,因此方差越大,说明图像的两部分差别越大, 当方差最大时,前景和背景的差别最大,故可将此时的灰度值作为最佳阔值。

[0049] 2、区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的 过程。基本方法是W-组"种子"点开始,将与种子点性质相似(诸如灰度级或衍射的特定 范围)的相邻像素附加到生长区域的每个种子上。在没有像素满足加入某个区域的条件时, 区域生长就会停止。

[0050] 区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个 需要分割的区域找一个种子像素作为生长起点,然后将种子像素和周围邻域中与种子像素 有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素 所在的区域中。将运些新像素当作新的种子继续上面的过程,直到没有满足条件的像素可 被包括进来。运样一个区域就生长成了。

[0051] 基于区域灰度差的生长准则在我们使用的区域生长方法中,操作的基本单位是象 素,基于区域灰度差的生长准则步骤如下:

[0052] 1)对图像进行逐行扫描,找出尚无归属的象素;

[0053] 2) W该象素为中屯、,检查它相邻的象素,即将邻域中的象素逐个与它比较,如果灰 度差小于事先确定的阔值,则将它们合并;

[0054] 3) W新合并的象素为中屯、,再进行步骤2检测,直到区域不能进一步扩张; 阳化5] 4)重新回到步骤1,继续扫描直到不能发现没有归属的象素,整个生长过程结束。

[0056] 3、紫外图像面积参量的计算:在数字图像中,放电光斑区域由许多个像素点所构 成,区域越大则相应该区域包含的像素点的个数越多,可用区域中像素点的多少来量化区 域大小。在二值图像中该区域的每一个像素用"1"表示,而背景的黑色区域则表示, 因此统计图像矩阵的"1"的个数即可得到光斑区域像素点的个数,本文将其定义为"光斑面 积"S。此处所定义的光斑面积概念与传统意义上的面积概念并不相同,其实质是图像某区 域范围的像素点的个数。

[0057] 4、所采用的拼接方法如下:通过基于SURF描述子对影像尺度不变特征进行提取, 使用人工神经网络的匹配算法,完成提取特征的匹配,能实现大旋角像对的特征匹配。对于 存在的错误匹配点对,使用RANSAC方法对其进行滤除,提高匹配精度。

[0058] 5、主方向获取:对图像进行二维傅里叶变换得到Fm(u,V),并求其功率谱:Pm(u,V) =|Fm(u, V) |2;将直角坐标系下的功率谱转换到极坐标系(Θ,r)下,固定极坐标下的某一 角度,对所有同一角度的功率谱求和,功率谱最大所对应的角度,即为求得的主方向。再采 用基于模型驱动的方式来求直线,由于输电线本身具有相互平行且连续不间断的特性,利 用主方向所给出的先验知识,可W采用模型驱动的方法,得到连续的完整的输电线。对红外 图像,设置了一个和主方向平行的平行四边形窗口,四边形的高等于图像的高,四边形的底 边和图像的底边在同一直线上,沿着图像所在的底边平移四边形窗口,将落在图像图幅和 窗口重叠区域内的像素,计算落在该区域内的前景信息的填充度,当填充度大于某一阔值 时保留该窗口信息,绘制相应的直线。

[0059] 本发明基于紫外视频与红外视频融合的电力设备缺陷检测方法如图1所示,电力 设备包括电塔的塔身、绝缘子、地线和电塔金具,该检测方法包括如下步骤:

[0060] (1)采用紫外、红外视频拍摄电力设备,获得电力设备的紫外、红外图像,同时在拍 摄成像时通过DGPS、IMU记录电力设备的高精度、位置姿态W及时间的同步信息,获得的紫 外视频单帖原始影像和红外视频单帖原始影像分别如图2、图3所示;

[0061] (2)分别对步骤(1)获得的紫外、红外图像进行预处理,紫外、红外图像预处理的方 法包括双边滤波去噪和直方图均衡;

[0062] (3)步骤(2)获得的任意一帖的紫外、红外图像,分别选取该紫外、红外图像前后 8-10帖连续的紫外、红外图像,利用SIFT特征提取方法分别进行多帖时序紫外、红外图像 的自动配准;

[0063] (4)对步骤(3)获得的紫外、红外图像进行基于时间同步信息的紫外、红外数据帖 对准;

[0064] (5)对步骤(4)基于时间同步信息对准的相对应的一帖紫外图像和一帖红外图像, 进行如下处理;

[0065] (51)对紫外图像依次进行帖间均值滤波去噪、阔值法光斑分割、放电光斑检测、区 域生长、光斑聚类、放电点簇特征提取处理,获得电力设备放电点的图像数据,紫外检测出 的放电区域特征如图4所示;(52)对红外图像依次进行基于图像拼接技术进行帖间差分、 兴趣区域图像分割、基于模型驱动思想进行目标提取、进行溫度反馈、对溫度异常点进行检 测处理,获得电力设备溫度异常点的图像数据,红外处理后的结果如图5所示;

[0066] (53)对紫外、红外图像进行融合,得到紫外与红外图像相融合的融合图像;

[0067] (6)对步骤(53)得到的融合图像,同时进行放电和溫度分析,获得电力设备放电点 和溫度异常点的缺陷诊断信息;该步骤中的放电分析和溫度分析均由相应的行业标准; W側 (7)得到电力设备放电点和溫度异常点的缺陷诊断结果,生成报表输出,同时将诊 断结果存入电脑中。

[0069] 本发明的上述实施例并不是对本发明保护范围的限定,本发明的实施方式不限于 此,凡此种种根据本发明的上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本 发明上述基本技术思想前提下,对本发明上述结构做出的其它多种形式的修改、替换或变 更,均应落在本发明的保护范围之内。

Claims (7)

1. 基于紫外视频与红外视频融合的电力设备缺陷检测方法,该方法包括如下步骤: (1) 采用紫外、红外视频拍摄电力设备,获得电力设备的紫外、红外图像,同时在拍摄成 像时记录电力设备的高精度、位置姿态以及时间的同步信息; (2) 分别对步骤(1)获得的紫外、红外图像进行预处理; (3) 步骤(2)获得的任意一帧的紫外、红外图像,分别选取该紫外、红外图像前后8 - 10 帧连续的紫外、红外图像,进行多帧时序紫外、红外图像的自动配准; (4) 对步骤(3)获得的紫外、红外图像进行基于时间同步信息的紫外、红外数据帧对 准; (5) 对步骤(4)基于时间同步信息对准的相对应的一帧紫外图像和一帧红外图像,进行 如下处理; (51) 对紫外图像进行处理,获得电力设备放电点的图像数据; (52) 对红外图像进行处理,获得电力设备温度异常点的图像数据; (53) 对紫外、红外图像进行融合,得到紫外与红外图像相融合的融合图像; (6) 对步骤(53)得到的融合图像,同时进行放电和温度分析,获得电力设备放电点和温 度异常点的缺陷诊断信息。
2. 根据权利要求1所述的基于紫外视频与红外视频融合的电力设备缺陷检测方法,其 特征在于:所述步骤(1)中通过DGPS、頂U记录电力设备的高精度、位置姿态以及时间的同 步信息。
3. 根据权利要求1所述的基于紫外视频与红外视频融合的电力设备缺陷检测方法,其 特征在于:所述步骤(2)中紫外、红外图像预处理的方法包括双边滤波去噪和直方图均衡。
4. 根据权利要求1所述的基于紫外视频与红外视频融合的电力设备缺陷检测方法,其 特征在于:所述步骤(3)中利用SIFT特征提取方法分别进行多帧时序紫外、红外图像的自 动配准。
5. 根据权利要求1所述的基于紫外视频与红外视频融合的电力设备缺陷检测方法,其 特征在于:所述步骤(51)中,对紫外图像依次进行帧间均值滤波去噪、阈值法光斑分割、放 电光斑检测、区域生长、光斑聚类、放电点簇特征提取处理,获得电力设备放电点的图像数 据。
6. 根据权利要求1所述的基于紫外视频与红外视频融合的电力设备缺陷检测方法,其 特征在于:所述步骤(52)中,对红外图像依次进行基于图像拼接技术进行帧间差分、兴趣 区域图像分割、基于模型驱动思想进行目标提取、进行温度反馈、对温度异常点进行检测处 理,获得电力设备温度异常点的图像数据。
7. 根据权利要求1至6任一项所述的基于紫外视频与红外视频融合的电力设备缺陷检 测方法,其特征在于:所述的电力设备包括电塔的塔身、绝缘子、地线和电塔金具。
CN201310403866.2A 2013-09-06 2013-09-06 基于紫外视频与红外视频融合的电力设备缺陷检测方法 CN103487729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310403866.2A CN103487729B (zh) 2013-09-06 2013-09-06 基于紫外视频与红外视频融合的电力设备缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310403866.2A CN103487729B (zh) 2013-09-06 2013-09-06 基于紫外视频与红外视频融合的电力设备缺陷检测方法

Publications (2)

Publication Number Publication Date
CN103487729A CN103487729A (zh) 2014-01-01
CN103487729B true CN103487729B (zh) 2016-04-27

Family

ID=49828104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310403866.2A CN103487729B (zh) 2013-09-06 2013-09-06 基于紫外视频与红外视频融合的电力设备缺陷检测方法

Country Status (1)

Country Link
CN (1) CN103487729B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104359511A (zh) * 2014-12-01 2015-02-18 国家电网公司 一种电力设备检测装置
CN104698355A (zh) * 2015-03-20 2015-06-10 成都吉普斯能源科技有限公司 高压电缆局部放电在线诊断方法
CN105374029B (zh) * 2015-10-12 2018-01-19 国家电网公司 变电站设备红外图像感兴趣区域的分割方法及系统
CN105371957A (zh) * 2015-10-23 2016-03-02 国家电网公司 变电站设备红外温度配准定位系统及方法
CN105425123B (zh) * 2015-11-20 2018-03-09 国网福建省电力有限公司泉州供电公司 一种紫外成像与红外成像协同检测电力设备故障的方法及系统
CN105510787A (zh) * 2016-01-26 2016-04-20 国网上海市电力公司 基于图像合成技术的便携式超声、红外、紫外检测仪
CN105738779A (zh) * 2016-01-26 2016-07-06 国网上海市电力公司 一种基于多源图像融合的局部放电检测方法
CN106124942B (zh) * 2016-06-27 2019-06-04 华北电力大学(保定) 一种基于红外和紫外成像法的零值绝缘子检测方法
CN106407900B (zh) * 2016-08-31 2019-04-19 上海交通大学 基于多源航片的异常场景识别方法
CN106950472B (zh) * 2017-03-16 2019-12-10 江苏省电力试验研究院有限公司 一种基于红外紫外成像的绝缘子检测方法
CN107121607A (zh) * 2017-04-26 2017-09-01 国网上海市电力公司 一种基于紫外和红外图像的电力系统故障检测系统及方法
CN107169947A (zh) * 2017-04-26 2017-09-15 国网上海市电力公司 一种基于特征点定位和边缘检测的图像融合实验方法
CN107194923A (zh) * 2017-05-22 2017-09-22 同济大学 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法
CN107870181A (zh) * 2017-06-20 2018-04-03 成都飞机工业(集团)有限责任公司 一种复合材料脱粘缺陷的后期识别方法
CN107403410A (zh) * 2017-07-25 2017-11-28 北京华新创科信息技术有限公司 一种热红外图像的拼接方法
CN107843818A (zh) * 2017-09-06 2018-03-27 同济大学 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN108008259A (zh) * 2017-11-14 2018-05-08 国网江西省电力有限公司电力科学研究院 基于红外、紫外和可见光图像融合一体化的检测方法和装置
CN108061847A (zh) * 2017-12-23 2018-05-22 华北电力大学(保定) 一种干式电抗器环氧树脂绝缘介质开裂检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986114A (zh) * 2010-08-26 2011-03-16 中电国科(北京)科技有限公司 一种输电线路光电检测系统和方法
CN102331540A (zh) * 2011-05-26 2012-01-25 江苏科技大学 一种特高压输电线路电晕放电在线监测装置及方法
CN203164522U (zh) * 2012-10-20 2013-08-28 江苏五维电子科技有限公司 多谱段图像采集系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009016317A (ja) * 2007-07-09 2009-01-22 Kobe Steel Ltd 電気設備のモニタリングシステム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986114A (zh) * 2010-08-26 2011-03-16 中电国科(北京)科技有限公司 一种输电线路光电检测系统和方法
CN102331540A (zh) * 2011-05-26 2012-01-25 江苏科技大学 一种特高压输电线路电晕放电在线监测装置及方法
CN203164522U (zh) * 2012-10-20 2013-08-28 江苏五维电子科技有限公司 多谱段图像采集系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
紫外双光谱检测系统及其图像融合研究;刘军;《中国优秀硕士学位论文全文数据库 信息科技辑》;20080515(第05期);正文第5页,第9页,第12-13页,第30页,第35页 *

Also Published As

Publication number Publication date
CN103487729A (zh) 2014-01-01

Similar Documents

Publication Publication Date Title
Tsai et al. Defect detection in solar modules using ICA basis images
Li et al. A hybrid thresholding algorithm for cloud detection on ground-based color images
CN103745226B (zh) 一种电力设施作业现场人员着装安全检测方法
Huang et al. Automatic inspection of pavement cracking distress
Yeum et al. Vision‐based automated crack detection for bridge inspection
Li et al. Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform
Bernecker et al. Continuous short-term irradiance forecasts using sky images
CN104331521B (zh) 基于图像处理的变电设备异常自动识别方法
CN106127204A (zh) 一种全卷积神经网络的多方向水表读数区域检测算法
Cord et al. Automatic road defect detection by textural pattern recognition based on AdaBoost
CN102927448B (zh) 管道无损检测方法
CN105976352B (zh) 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法
CN102855622B (zh) 一种基于显著性分析的红外遥感图像海面船只检测方法
CN103488988B (zh) 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法
CN101793501B (zh) 一种基于图像的输电线覆冰状态检测方法
CN105004972B (zh) 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法
CN102565625B (zh) 基于红外图像智能诊断高压输电线路热缺陷的方法
CN101625723B (zh) 电力线轮廓的快速图像识别方法
CN107253485B (zh) 异物侵入检测方法及异物侵入检测装置
CN103164858A (zh) 基于超像素和图模型的粘连人群分割与跟踪方法
US9881212B2 (en) Infrared image based early detection of oil spills in water
CN102445640B (zh) 基于向量机和人工鱼群优化的gis设备智能识别方法
CN103454285A (zh) 基于机器视觉的传动链条质量检测系统
CN102346015A (zh) 基于视频差异分析的输电线路绝缘子覆冰厚度测量方法
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
C14 Grant of patent or utility model
CP03 Change of name, title or address

Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8

Co-patentee after: Wuhan University

Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD.

Address before: 510080 Dongfeng East Road, Guangdong, Guangzhou, water, Kong Kong, No. 8

Co-patentee before: Wuhan University

Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation

CP03 Change of name, title or address