CN103886610B - 一种绝缘子图像缺陷检测方法 - Google Patents

一种绝缘子图像缺陷检测方法 Download PDF

Info

Publication number
CN103886610B
CN103886610B CN201410136596.8A CN201410136596A CN103886610B CN 103886610 B CN103886610 B CN 103886610B CN 201410136596 A CN201410136596 A CN 201410136596A CN 103886610 B CN103886610 B CN 103886610B
Authority
CN
China
Prior art keywords
insulator
connected region
prime
image
region
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
Application number
CN201410136596.8A
Other languages
English (en)
Other versions
CN103886610A (zh
Inventor
胡建平
谢琪
张�杰
李鹏松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Electric Power University
Original Assignee
Northeast Dianli University
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 Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN201410136596.8A priority Critical patent/CN103886610B/zh
Publication of CN103886610A publication Critical patent/CN103886610A/zh
Application granted granted Critical
Publication of CN103886610B publication Critical patent/CN103886610B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种绝缘子图像缺陷检测方法。其特征在于包括如下步骤:首先利用彩色图像中绝缘子的颜色呈现聚类的特性,通过在Lab颜色空间中利用K均值聚类算法将绝缘子从复杂的背景图像中初步分割出来;然后利用绝缘子在图像形成的长条对称特性,采用基于主成分分析的连通区域判决方法定位出绝缘子的具体位置;在此基础上,通过统计分析绝缘子相邻盘片之间的距离识别出绝缘子缺陷区域。该方法受不同光线和复杂背景的影响较小,提高了绝缘子缺陷检测的准确性和鲁棒性,具有较高的工程实用价值。

Description

一种绝缘子图像缺陷检测方法
技术领域
本发明涉及一种绝缘子图像缺陷检测方法。
背景技术
利用直升机进行输电线路巡检,已成功应用于我国输电线路的运行和维护中。由于直升机巡检过程中摄影、摄像设备记录了大量输电线路图像信息,包含了输电线路的基本特征及运行状态信息,通过对这些图像进行处理可以发现输电线路中设备缺陷和故障隐患,不仅可克服人工方式的各种缺陷,提高工作效率和检测精度,而且能够提高线路巡检的自动化水平,减少巡检人员,为无人直升机在电力巡检中的应用以及输电线路的智能化奠定基础。
绝缘子是架空输电线路的重要组成部分,其盘片掉片损伤是一种常见的故障缺陷,通过图像处理技术对其进行诊断是直升机自动巡检技术中的一个重要研究内容。现有的一类技术是基于椭圆检测的绝缘子识别方法,他们通过Hough变换检测图像中的椭圆,进而根据绝缘子盘片的并排特性得到绝缘子所在的区域。但是绝缘子在成像过程中由于各个盘片相互遮挡,所得的绝缘子盘片呈现的椭圆缺失太多,给椭圆检测带来了很大的困难。另外一类技术是通过统计绝缘子的颜色范围定位出绝缘子大致区域,然后针对该区域采用经典的图像分割方法如最大类间方差法、最大熵阈值法、边缘链码等进行分割,最后对绝缘子进行均匀分块的直方图匹配检测绝缘子缺陷。由于绝缘子在不同的光照条件下可能出现不同的颜色特性,很难完全准确的统计出不同光照下绝缘子的颜色范围,而且绝缘子图像中通常包括树木、山川、河流、道路、杆塔等复杂背景,完全可能包含有与绝缘子颜色相近的物体,给这类方法提出了巨大的挑战。
发明内容
本发明的目的是为了减少不同光线和复杂背景等对绝缘子缺陷检测的影响,将绝缘子从复杂的背景图像中定位出来,并准确识别出绝缘子的缺陷区域,以克服现有方法的缺陷,提高绝缘子缺陷检测的准确性和鲁棒性。
本发明的目的是通过以下技术方案来实现的:一种绝缘子图像缺陷检测方法,其特征是:包括以下步骤:
1)基于Lab颜色空间的K均值聚类
把直升机巡检获取的输电线路的彩色绝缘子图像从RGB空间转换到Lab空间,然后将表示颜色的色度分量a和b作为属性值向量进行K均值聚类分割,进而将其分割成几个类别,考虑到绝缘子的颜色呈现聚类特性,则其必然属于某一个类别;
2)基于主成分分析的绝缘子定位
经过基于K均值的聚类方法分割后存在几个类别,每个类别又以多个连通区域的形式出现,需要从众多的连通区域中找到绝缘子所在的连通区域;由于绝缘子整体呈现规则的对称长条特性,因此采用基于主成分分析的连通区域形状判决方法进行绝缘子精确定位,主要步骤如下:
a)预处理:通过数学形态学操作对聚类分割后的图像进行腐蚀、膨胀去掉小的噪声,同时对图像中连通区域的孔洞进行填充,以保证分割后绝缘子的完整性;
b)计算连通区域信息:利用主成分分析计算连通区域的轴向、宽、高信息;
c)区域合并:通过对特定的连通区域进行合并,以保证由于缺陷导致绝缘子分开的部分连接在一起;
d)连通区域形状判决:判定所有连通区域的形状得到绝缘子所在的精确位置;
3)基于绝缘子盘片距离分析的缺陷检测
将基于主成分分析的绝缘子定位所得的绝缘子二值图像进行旋转,使得绝缘子的主轴方向平行于竖直y轴方向,再对绝缘子的二值图像通过沿竖直y轴方向进行积分投影,得到积分投影曲线;通过绝缘子盘片完好处两相邻极大值之间的距离近似相等,而在绝缘子缺陷处两相邻极大值的距离明显变大的特性,精确定位出绝缘子的缺陷位置,并在图像中标记;
所述步骤1)中把直升机巡检获取的输电线路的彩色绝缘子图像从RGB空间转换到Lab空间,具体计算公式如下:
X = 0.4125 R ′ + 0.3576 G ′ + 0.1805 B ′ Y = 0.2126 R ′ + 0.7152 G ′ + 0.0722 B ′ Z = 0.0193 R ′ + 0.1192 G ′ + 0.9505 B ′ - - - ( 1 )
L = 116 f ( Y / Y 0 ) - 16 a = 500 f ( X / X 0 ) - f ( Y / Y 0 ) b = 200 f ( Y / Y 0 ) - f ( Z / Z 0 ) - - - ( 2 )
式中X0,Y0,Z0为标准光源D65的三刺激值,其值为X0=95.045,Y0=100,Z0=108.255;
所述步骤2)中的步骤b)采用如下的方式计算连通区域的轴向、宽、高信息:
对于连通区域A=(p1,…,pk,…,pN),pk=(xk,yk),k=1,…N表示该连通区域中的点,则其协方差矩阵为:
M = Σ k = 1 N ( p k - c ) T ( p k - c ) - - - ( 3 )
式中c表示该连通区域的质心,(·)T表示向量的转置;
通过计算协方差矩阵M的最大特征值对应的特征向量得到该连通区域的主轴,计算最小特征值对应的特征向量得到该连通区域的次轴,计算沿着两个轴线方向的最远距离得到连通区域的宽度w和高度h;
所述的步骤2)的步骤c)采用如下的方式对特定的连通区域进行合并:
记连通区域Ai和Aj的单位主轴方向分别为di和dj,质心分别为ci和cj,宽度分别为wi和wj,如果下列关系式成立,则合并这两个连通区域:
|wi-wj|<wT (4)
arccos(|(di·dj)|)<aT (5)
arccos ( | ( d i &CenterDot; c i - c j | | c i - c j | | ) | ) < a T - - - ( 6 )
式中(·)表示两个向量内积,wT和aT分别表示选定的宽度差异阈值和偏离角度阈值,设wT=3,aT=1,即合并的两个子串的宽度应该不超过3个像素,偏离角度不超过1弧度;
所述的步骤2)中的步骤d)采用如下的方式判定连通区域的形状得到绝缘子所在的精确位置:
对于连通区域A,设其宽和高分别为w和h,连通区域中点的个数为N,计算如下形状判决度量:
高宽比k1=h/w;连通区域最小包围盒里物体像素所占比例k2=N/(w*h);连通区域的对称度k3,设连通区域中关于主轴的对称点落在连通区域中的点的数目为N1,则对称度为k3=N1/N;
如果形状判决度量k1,k2,k3都能超过给定的阈值,设k1>8,k2>0.7,k3>0.9,则判定该连通区域是绝缘子;
所述的步骤3)中的积分投影方式计算如下:
f y ( n ) = &Sigma; j = 1 w f ( j , n ) , n = 1 ... h - - - ( 7 )
式中w,h分别表示绝缘子所在连通区域的宽度和高度,f(j,n)表示位置(j,n)处的函数值,如果该点是绝缘子上的点,取值为1,如果是背景点,取值为0。
本发明的优点体现在:
1.由于采用K均值聚类在Lab空间内对绝缘子图像进行分割,对绝缘子在不同光线下绝缘子的色差具有较好的鲁棒性;
2.通过采用基于主成分分析的连通区域判决方法对聚类后的图像进行绝缘子定位,对复杂背景具有较好的鲁棒性;
3.通过采用沿绝缘子主轴方向进行积分投影的方法检测绝缘子缺陷,对绝缘子盘片遮挡产生的椭圆的形状具有较好的鲁棒性。
4.具有较高的工程实用价值。
附图说明
图1是本发明的一种绝缘子图像缺陷检测方法的流程图。
图2是本发明具体实施中的一幅绝缘子图像。
图3是本发明具体实施中将绝缘子图像在Lab颜色空间K均值聚类的结果图像。
图4为本发明具体实施中基于主成分分析的绝缘子定位中预处理后的结果图像。
图5为本发明具体实施中基于主成分分析的绝缘子定位中计算连通区域轴向信息后的结果图像。
图6为本发明具体实施中基于主成分分析的绝缘子定位后的结果图像。
图7为本发明具体实施中基于绝缘子盘片距离分析的缺陷检测中沿竖直y轴方向进行积分投影,得到的积分投影曲线。
图8为本发明具体实施中标记出的绝缘子缺陷图像。
具体实施方式
下面利用附图和实例对本发明作进一步说明。
本发明的一种绝缘子图像缺陷检测方法,如图1所示,具体步骤如下:
1)读入一幅直升机巡检输电线路航拍的绝缘子图像,如图2所示。
2)基于Lab颜色空间的K均值聚类
a)把直升机巡检获取的输电线路的彩色绝缘子图像从RGB空间转换到Lab空间,具体计算公式如下:
X = 0.4125 R &prime; + 0.3576 G &prime; + 0.1805 B &prime; Y = 0.2126 R &prime; + 0.7152 G &prime; + 0.0722 B &prime; Z = 0.0193 R &prime; + 0.1192 G &prime; + 0.9505 B &prime; - - - ( 1 )
L = 116 f ( Y / Y 0 ) - 16 a = 500 f ( X / X 0 ) - f ( Y / Y 0 ) b = 200 f ( Y / Y 0 ) - f ( Z / Z 0 ) - - - ( 2 )
式中X0,Y0,Z0为标准光源D65的三刺激值,其值为X0=95.045,Y0=100,Z0=108.255。
b)将表示颜色的色度分量a和b作为属性值向量进行K均值聚类分割,这样就将彩色图像分割成多个类别,可设聚类分割时的种类为3类即可。考虑到绝缘子的颜色呈现聚类特性,则其必然属于某一个类别,如图3所示。
3)基于主成分分析的绝缘子定位
经过基于K均值的聚类方法分割后,能够将绝缘子作为一个类别从图像中初步分割出来,但是每个类别又以多个连通区域的形式出现,需要从众多的连通区域中找到绝缘子所在的连通区域。由于绝缘子呈现规则的长条对称的特性,因此可以采用基于主成分分析的连通区域形状判决方法进行绝缘子定位。方法首先对聚类分割后的图像进行腐蚀膨胀等预处理操作;然后利用主成分分析计算连通区域的轴向、宽、高信息;在此基础上,通过对特定的连通区域进行合并,以保证绝缘子掉片损伤后分开的部分连接在一起;最后判定所有连通区域的形状得到最终的绝缘子所在位置。
具体步骤如下:
a)通过数学形态学操作对聚类分割后的图像进行腐蚀、膨胀去掉小的噪声,同时对图像中连通区域的孔洞进行填充,以保证分割后绝缘子的完整性,如图4所示;
b)通过主成分分析来计算连通区域的轴向、宽、高信息。
对于连通区域A=(p1,…,pk,…,pN),pk=(xk,yk),k=1,…N表示该连通区域中的点,则其协方差矩阵为:
M = &Sigma; k = 1 N ( p k - c ) T ( p k - c ) - - - ( 3 )
其中c表示该连通区域的质心,(·)T表示向量的转置。
通过主成分分析理论,可知协方差矩阵M的最大特征值对应的特征向量为该连通区域的第一主成分,即主轴,最小特征值对应的特征向量为该连通区域第二主成分,即次轴,沿着两个轴线方向的最远距离得到连通区域的宽度w和高度h,如图5所示。
c)连通区域合并
记连通区域Ai和Aj的单位主轴方向分别为di和dj,质心分别为ci和cj,宽度分别为wi和wj。如果下列关系式成立,则合并这两个连通区域:
|wi-wj|<wT (4)
arccos(|(di·dj)|)<aT (5)
arccos ( | ( d i &CenterDot; c i - c j | | c i - c j | | ) | ) < a T - - - ( 6 )
其中(·)表示两个向量内积,wT和aT分别表示选定的宽度差异阈值和偏离角度阈值,可设wT=3,aT=1,即合并的两个子串的宽度应该不超过3个像素,偏离角度不超过1弧度。
当对连通区域进行合并后,需要通过主成分分析重新计算合并后的连通区域的轴向、宽和高信息,以便进行下一步的连通区域形状判决。
d)连通区域形状判决
对于连通区域A,设其宽和高分别为w和h,连通区域中点的个数为N,计算如下形状判决度量:
高宽比k1=h/w;连通区域最小包围盒里物体像素所占比例k2=N/(w*h);连通区域的对称度k3:设连通区域中关于主轴的对称点落在连通区域中的点的数目为N1,则对称度为k3=N1/N。
如果形状判决度量k1,k2,k3都能超过给定的阈值(通过对大量的绝缘子图像实验,可选取k1>8,k2>0.7,k3>0.9),则判定该连通区域是绝缘子,进而将绝缘子从聚类图像中分割出来,如图6所示。
4)基于绝缘子盘片距离分析的缺陷检测
绝缘子是通过一些单个的圆形盘片成串排列而成,通过数码相机成像后一般呈现椭圆特性。如果将绝缘子形成的二值图像沿着垂直于主轴方向进行积分投影,则绝缘子单个盘片中心所在位置在投影曲线中会出现局部极大值,通过统计两个相邻的极大值之间的距离则可得到两个相邻绝缘子盘片的距离。
为了计算方便,首先将分割后的绝缘子图像进行旋转,使得绝缘子的主轴方向平行于竖直y轴方向,再对绝缘子的二值图像通过沿竖直y轴方向进行积分投影,其计算公式如下:
f y ( n ) = &Sigma; j = 1 w f ( j , n ) , n = 1 ... h - - - ( 7 )
其中w,h分别表示绝缘子所在连通区域的宽度和高度,f(j,n)表示位置(j,n)处的函数值,如果该点是绝缘子上的点,取值为1,如果是背景点,取值为0。
通过绝缘子盘片二值图像积分投影曲线,如图7所示,在盘片完好处两相邻极大值之间的距离近似相等,而在绝缘子掉片损伤处两相邻极大值的距离明显变大,通过此特性很容易精确定位处绝缘子的缺陷位置,如图8所示。
本发明的具体实施方式并非穷举,本领域技术人员不经过创造性劳动的简单复制和改进,应属于本发明专利要求的保护范围。

Claims (1)

1.一种绝缘子图像缺陷检测方法,其特征是:包括以下步骤:
1)基于Lab颜色空间的K均值聚类
把直升机巡检获取的输电线路的彩色绝缘子图像从RGB空间转换到Lab空间,然后将表示颜色的色度分量a和b作为属性值向量进行K均值聚类分割,进而将其分割成多个类别,考虑到绝缘子的颜色呈现聚类特性,则其必然属于某一个类别;
2)基于主成分分析的绝缘子定位
经过基于K均值的聚类方法分割后存在几个类别,每个类别又以多个连通区域的形式出现,需要从众多的连通区域中找到绝缘子所在的连通区域;由于绝缘子整体呈现规则的对称长条特性,因此采用基于主成分分析的连通区域形状判决方法进行绝缘子精确定位,主要步骤如下:
a)预处理:通过数学形态学操作对聚类分割后的图像进行腐蚀、膨胀去掉小的噪声,同时对图像中连通区域的孔洞进行填充,以保证分割后绝缘子的完整性;
b)计算连通区域信息:利用主成分分析计算连通区域的轴向、宽、高信息;
c)区域合并:通过对特定的连通区域进行合并,以保证由于缺陷导致绝缘子分开的部分连接在一起;
d)连通区域形状判决:判定所有连通区域的形状得到绝缘子所在的精确位置;
3)基于绝缘子盘片距离分析的缺陷检测
将基于主成分分析的绝缘子定位所得的绝缘子二值图像进行旋转,使得绝缘子的主轴方向平行于竖直y轴方向,再对绝缘子的二值图像通过沿竖直y轴方向进行积分投影,得到积分投影曲线;通过绝缘子盘片完好处两相邻极大值之间的距离近似相等,而在绝缘子缺陷处两相邻极大值的距离明显变大的特性,精确定位出绝缘子的缺陷位置,并在图像中标记;
所述步骤1)中把直升机巡检获取的输电线路的彩色绝缘子图像从RGB空间转换到Lab空间,具体计算公式如下:
X = 0.4125 R &prime; + 0.3576 G &prime; + 0.1805 B &prime; Y = 0.2126 R &prime; + 0.7152 G &prime; + 0.0722 B &prime; Z = 0.0193 R &prime; + 0.1192 G &prime; + 0.9505 B &prime; - - - ( 1 )
L = 116 f ( Y / Y 0 ) - 16 a = 500 f ( X / X 0 ) - f ( Y / Y 0 ) b = 200 f ( Y / Y 0 ) - f ( Z / Z 0 ) - - - ( 2 )
式中X0,Y0,Z0为标准光源D65的三刺激值,其值为X0=95.045,Y0=100,Z0=108.255;
所述步骤2)中的步骤b)采用如下的方式计算连通区域的轴向、宽、高信息:
对于连通区域A=(p1,…,pk,…,pN),pk=(xk,yk),k=1,…N表示该连通区域中的点,则其协方差矩阵为:
M = &Sigma; k = 1 N ( p k - c ) T ( p k - c ) - - - ( 3 )
式中c表示该连通区域的质心,(·)T表示向量的转置;
通过计算协方差矩阵M的最大特征值对应的特征向量得到该连通区域的主轴,计算最小特征值对应的特征向量得到该连通区域的次轴,计算沿着两个轴线方向的最远距离得到连通区域的宽度w和高度h;
所述的步骤2)的步骤c)采用如下的方式对特定的连通区域进行合并:
记连通区域Ai和Aj的单位主轴方向分别为di和dj,质心分别为ci和cj,宽度分别为wi和wj,如果下列关系式成立,则合并这两个连通区域:
|wi-wj|<wT (4)
arccos(|(di·dj)|)<aT (5)
arccos ( | ( d i &CenterDot; c i - c j | | c i - c j | | ) | ) < a T - - - ( 6 )
式中(·)表示两个向量内积,wT和aT分别表示选定的宽度差异阈值和偏离角度阈值,设wT=3,aT=1,即合并的两个子串的宽度应该不超过3个像素,偏离角度不超过1弧度;
所述的步骤2)中的步骤d)采用如下的方式判定连通区域的形状得到绝缘子所在的精确位置:
对于连通区域A,设其宽和高分别为w和h,连通区域中点的个数为N,计算如下形状判决度量:
高宽比k1=h/w;连通区域最小包围盒里物体像素所占比例k2=N/(w*h);连通区域的对称度k3,设连通区域中关于主轴的对称点落在连通区域中的点的数目为N1,则对称度为k3=N1/N;
如果形状判决度量k1,k2,k3都能超过给定的阈值,设k1>8,k2>0.7,k3>0.9,则判定该连通区域是绝缘子;
所述的步骤3)中的积分投影方式计算如下:
f y ( n ) = &Sigma; j = 1 w f ( j , n ) , n = 1 ... h - - - ( 7 )
式中w,h分别表示绝缘子所在连通区域的宽度和高度,f(j,n)表示位置(j,n)处的函数值,如果该点是绝缘子上的点,取值为1,如果是背景点,取值为0。
CN201410136596.8A 2014-04-05 2014-04-05 一种绝缘子图像缺陷检测方法 Expired - Fee Related CN103886610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410136596.8A CN103886610B (zh) 2014-04-05 2014-04-05 一种绝缘子图像缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410136596.8A CN103886610B (zh) 2014-04-05 2014-04-05 一种绝缘子图像缺陷检测方法

Publications (2)

Publication Number Publication Date
CN103886610A CN103886610A (zh) 2014-06-25
CN103886610B true CN103886610B (zh) 2016-08-17

Family

ID=50955483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410136596.8A Expired - Fee Related CN103886610B (zh) 2014-04-05 2014-04-05 一种绝缘子图像缺陷检测方法

Country Status (1)

Country Link
CN (1) CN103886610B (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184791A (zh) * 2015-09-02 2015-12-23 国网吉林省电力有限公司电力科学研究院 一种输电线路视频图像中的绝缘子定位方法
CN106570853B (zh) * 2015-10-08 2020-03-24 上海深邃智能科技有限公司 一种形状与颜色融合的绝缘子识别与缺陷检测方法
CN105354589A (zh) * 2015-10-08 2016-02-24 成都唐源电气有限责任公司 一种在接触网图像中智能识别绝缘子裂损的方法及系统
CN105260994A (zh) * 2015-11-26 2016-01-20 南京工程学院 一种航拍绝缘子图像的去噪方法
CN105447530A (zh) * 2016-01-05 2016-03-30 国网四川省电力公司检修公司 基于图像识别技术的输电线路隐患及故障检测方法
CN107292861A (zh) * 2016-03-31 2017-10-24 成都交大光芒科技股份有限公司 一种绝缘子破损检测方法
CN106097380A (zh) * 2016-08-03 2016-11-09 中国电力科学研究院 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法
CN106355202A (zh) * 2016-08-31 2017-01-25 广州精点计算机科技有限公司 一种基于k‑均值聚类的图像特征提取方法
CN106228172B (zh) * 2016-09-20 2019-09-24 西安工程大学 基于聚类分析的破损绝缘子图像提取方法
CN106504247B (zh) * 2016-11-09 2019-05-17 广东电网有限责任公司电力科学研究院 一种基于可见光图像的绝缘子串爆片自动检测方法及装置
CN106778734B (zh) * 2016-11-10 2020-04-21 华北电力大学(保定) 一种基于稀疏表示的绝缘子掉串缺陷检测方法
CN106780438B (zh) * 2016-11-11 2020-09-25 广东电网有限责任公司清远供电局 基于图像处理的绝缘子缺陷检测方法及系统
CN106952250B (zh) * 2017-02-28 2021-05-07 北京科技大学 一种基于Faster R-CNN网络的金属板带表面缺陷检测方法及装置
CN107085846B (zh) * 2017-05-08 2020-01-03 湘潭大学 工件表面缺陷图像识别方法
CN107808141A (zh) * 2017-11-08 2018-03-16 国家电网公司 一种基于深度学习的输电线路绝缘子爆裂识别方法
CN108256483A (zh) * 2018-01-18 2018-07-06 湖南华宏铁路高新科技开发有限公司 一种基于图像处理的电气化铁路接触网吊弦检测方法
CN108489996B (zh) * 2018-02-11 2020-09-29 深圳市朗驰欣创科技股份有限公司 一种绝缘子的缺陷检测方法、系统及终端设备
CN109884468B (zh) * 2019-03-05 2020-06-02 河海大学 一种基于图像像素积累分析的绝缘子自爆缺陷检测方法
CN110232399A (zh) * 2019-04-24 2019-09-13 中国南方电网有限责任公司超高压输电公司检修试验中心 基于集对分析和K-means聚类的输电设备缺陷分析方法和系统
CN112116550B (zh) * 2019-06-20 2024-05-31 上海电机学院 一种基于多角点配准的绝缘子缺损检测方法
CN110866531A (zh) * 2019-10-15 2020-03-06 深圳新视达视讯工程有限公司 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN111402215B (zh) * 2020-03-07 2022-04-29 西南交通大学 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法
CN111398291B (zh) * 2020-03-31 2023-04-18 南通远景电工器材有限公司 基于深度学习的扁平漆包电磁线表面瑕疵检测方法
CN111899296B (zh) * 2020-06-24 2023-07-25 广西大学 一种基于计算机视觉的原木材积检测方法与装置
CN111862078A (zh) * 2020-07-31 2020-10-30 嘉应学院 一种基于深度学习的电力巡检智能缺陷检测方法
CN112150412B (zh) * 2020-08-31 2022-11-22 国网浙江省电力有限公司常山县供电公司 一种基于投影曲线分析的绝缘子自爆缺陷检测方法
CN112444522B (zh) * 2020-11-16 2021-09-28 中国科学院沈阳自动化研究所 一种电力系统绝缘子串缺陷检测方法
CN113469953B (zh) * 2021-06-10 2022-06-14 南昌大学 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法
CN113450318A (zh) * 2021-06-11 2021-09-28 东华大学 基于无人机自主视觉的初级配电系统瓷绝缘子检测方法
CN113920122B (zh) * 2021-12-15 2022-03-04 山东鹰联光电科技股份有限公司 一种基于人工智能的电缆缺陷检测方法及系统
CN115512252B (zh) * 2022-11-18 2023-02-21 东北电力大学 基于无人机的电网巡检自动化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090006651A (ko) * 2007-07-12 2009-01-15 주식회사 금화전기 촬영수단을 구비한 배전선로용 불량 애자 검출장비
CN102519974A (zh) * 2011-12-15 2012-06-27 国网电力科学研究院 基于图像智能识别的复合绝缘子龟裂检测方法
CN102749335A (zh) * 2012-05-31 2012-10-24 西南交通大学 基于二代曲波系数形态学条带能量法的绝缘子破损故障检测方法
CN103149215A (zh) * 2013-02-27 2013-06-12 中国计量学院 一种钢化玻璃绝缘子缺陷检测方法与装置
CN103529362A (zh) * 2013-10-28 2014-01-22 国家电网公司 基于感知的绝缘子识别与缺陷诊断方法
CN103605981A (zh) * 2013-12-03 2014-02-26 国家电网公司 基于图像识别的绝缘子缺陷识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090006651A (ko) * 2007-07-12 2009-01-15 주식회사 금화전기 촬영수단을 구비한 배전선로용 불량 애자 검출장비
CN102519974A (zh) * 2011-12-15 2012-06-27 国网电力科学研究院 基于图像智能识别的复合绝缘子龟裂检测方法
CN102749335A (zh) * 2012-05-31 2012-10-24 西南交通大学 基于二代曲波系数形态学条带能量法的绝缘子破损故障检测方法
CN103149215A (zh) * 2013-02-27 2013-06-12 中国计量学院 一种钢化玻璃绝缘子缺陷检测方法与装置
CN103529362A (zh) * 2013-10-28 2014-01-22 国家电网公司 基于感知的绝缘子识别与缺陷诊断方法
CN103605981A (zh) * 2013-12-03 2014-02-26 国家电网公司 基于图像识别的绝缘子缺陷识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
图像处理技术在架空线路绝缘子破损检测系统中的应用研究;朱珠;《中国优秀硕士学位论文全文数据库 信息科技辑》;20080915;第2008年卷(第9期);第I138-856页 *
数学形态学在绝缘子图像边缘检测中的应用;葛玉敏 等;《高压电器》;20120116;第48卷(第1期);第101-104、109页 *
电网巡检图像中绝缘子的识别;姚春羽 等;《系统仿真学报》;20120930;第24卷(第9期);第1818-1822页 *

Also Published As

Publication number Publication date
CN103886610A (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
CN103886610B (zh) 一种绝缘子图像缺陷检测方法
CN106290388B (zh) 一种绝缘子故障自动检测方法
CN103529362B (zh) 基于感知的绝缘子识别与缺陷诊断方法
CN104318582B (zh) 一种高铁接触网旋转双耳部件销钉不良状态检测方法
CN105426905A (zh) 基于梯度直方图和支持向量机的机器人障碍物识别方法
CN104809732A (zh) 一种基于图像比对的电力设备外观异常检测方法
CN105404867B (zh) 一种基于视觉的变电站隔离开关状态识别方法
CN105976368A (zh) 一种绝缘子定位方法
CN111046950B (zh) 一种图像处理方法、装置、存储介质和电子装置
CN106198551A (zh) 一种输电线路缺陷的检测方法及装置
CN106340009A (zh) 一种基于平行双目的电力线检测方法及系统
Huang et al. A multi-feature fusion-based deep learning for insulator image identification and fault detection
CN106022345A (zh) 一种基于霍夫森林的高压隔离开关状态识别方法
CN105740844A (zh) 基于图像识别技术的绝缘子炸裂故障检测方法
CN105957073A (zh) 输电线路散股故障检测方法
CN104268588A (zh) 铁路货车闸瓦钎丢失故障的自动检测方法
CN107292861A (zh) 一种绝缘子破损检测方法
CN106504247B (zh) 一种基于可见光图像的绝缘子串爆片自动检测方法及装置
CN101251896A (zh) 一种基于多分类器的物体检测系统及方法
CN115205256A (zh) 一种融合迁移学习的输电线路绝缘子缺陷检测方法及系统
CN110490261B (zh) 一种输电线路巡检图像绝缘子的定位方法
CN105528790A (zh) 一种输电线路小型部件识别方法
CN111507189A (zh) 一种基于图像处理技术的绝缘子串缺陷快速检测方法
CN106228172A (zh) 基于聚类分析的破损绝缘子图像提取方法
CN102749335B (zh) 基于二代曲波系数形态学条带能量法的绝缘子破损故障检测方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160817

Termination date: 20200405