CN105510344B - 一种区域内输电铁塔新增裂纹检测方法 - Google Patents

一种区域内输电铁塔新增裂纹检测方法 Download PDF

Info

Publication number
CN105510344B
CN105510344B CN201510823469.XA CN201510823469A CN105510344B CN 105510344 B CN105510344 B CN 105510344B CN 201510823469 A CN201510823469 A CN 201510823469A CN 105510344 B CN105510344 B CN 105510344B
Authority
CN
China
Prior art keywords
image
electric power
power pylon
region
crackle
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.)
Active
Application number
CN201510823469.XA
Other languages
English (en)
Other versions
CN105510344A (zh
Inventor
龙华
高杰
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201510823469.XA priority Critical patent/CN105510344B/zh
Publication of CN105510344A publication Critical patent/CN105510344A/zh
Application granted granted Critical
Publication of CN105510344B publication Critical patent/CN105510344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种裂纹检测方法，具体的说是一种区域内输电铁塔新增裂纹检测方法。本发明为：首先，针对区域内的所有输电铁塔进行统一编码标识，建立输电铁塔信息数据库；其次，进行原始裂纹图像采集、原始裂纹样本图像处理，并根据图像处理结果建立裂纹分析模型；然后，进行非原始裂纹所在区域图像采集、非原始裂纹所在区域图像处理；最后，进行新增裂纹识别判断，即根据裂纹分析模型，实现对非原始裂纹所在区域采集图像中裂纹的识别判断，并将识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端。本发明不仅降低了劳动成本，且大幅度提高了输电铁塔新增裂纹检测的精度，提高了工作效率，同时有效消除了输电铁塔中潜在的安全隐患。

Description

一种区域内输电铁塔新增裂纹检测方法
技术领域
本发明涉及一种裂纹检测方法，具体的说是一种区域内输电铁塔新增裂纹检测方法。
背景技术
输电铁塔作为基础电力设施的一个重要组成部分，其安全运行意义重大。但由于其长期裸露在外，常年受到雨水、日照、冰雪、温差等自然环境的损害侵蚀，容易出现裂纹等损伤等现象，且由于这些裂纹损伤十分微小，不易被发现，因此，对输电线路的安全运行构成了潜在隐患。目前，常见的输电铁塔裂纹检测方法主要是搭载直升机，借助望远镜远距离对输电铁塔进行人工巡检，但这种方法不仅效率低、耗资大且危险性高，不利于大范围有效展开。
目前，在现有技术中，还没有一种高效、合理的针对输电铁塔新增裂纹进行检测的方法。
发明内容
本发明要解决的技术问题是提出一种区域内输电铁塔新增裂纹检测方法，用以解决上述问题。
本发明的技术方案是：一种区域内输电铁塔新增裂纹检测方法，首先，针对区域内的所有输电铁塔进行统一编码标识，建立输电铁塔信息数据库；其次，进行原始裂纹图像采集、原始裂纹样本图像处理，并根据图像处理结果建立裂纹分析模型；然后，进行非原始裂纹所在区域图像采集、非原始裂纹所在区域图像处理；最后，进行新增裂纹识别判断，即根据裂纹分析模型，实现对非原始裂纹所在区域采集图像中裂纹的识别判断，并将识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端。
具体步骤为：
Step1：建立输电铁塔信息数据库：将区域内所有的输电铁塔统一编码标识，并将对所有编码标识的输电铁塔的位置信息、监管信息登记记录，建立输电铁塔信息数据库；
Step2：原始裂纹样本图像采集：对区域内输电铁塔的所有裂纹图像进行采集，登记记录每一个裂纹图像所在铁塔上的位置以及所在铁塔编码标识的信息后，将裂纹图像存储到数据中心，并建立原始裂纹样本图像数据库；
Step3：原始裂纹样本图像处理：对数据中心存储的所有裂纹图像分别进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心；
Step4：建立裂纹分析模型：
Step4.1：构建三维空间模型：首先，分别以圆度、最小包含矩形的面积、最小包含矩形的长宽比作为三维空间中的三个维度，构造一个三维空间；其次，数据中心调出图像处理结果的所有特征参数；然后，依次将每一个特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比分别对应三维空间中的三个维度，且根据特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比的数值大小，最后将每一个特征参数映射成三维空间中的一个点；
Step4.2：聚类分析：采用K-means算法对构建的三维空间模型中的所有点进行聚类分析，记为：V＝[V1,V2,V3,...,Vi](i＝1,2,3,...)；
Step5：非原始裂纹所在区域图像采集：数据中心调用输电铁塔信息数据库、原始裂纹样本图像数据库中的数据，并将数据发送给卫星系统，卫星系统接收到数据后，以输电铁塔的编码作为唯一标识，并按照编码的顺序依次对区域内输电铁塔的非原始裂纹所在区域进行图像采集；
Step6：非原始裂纹所在区域图像处理：对数据中心存储的非原始裂纹所在区域图像进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心；
Step7：新增裂纹识别判断：调用数据中心的存储数据，将Step6中所有的标记区域的特征参数映射到所建立的裂纹分析模型中，并逐一计算判断每个标记区域的特征参数是否属于V的某一子类Vi：
1、判断为“是”，则提取该标记区域的特征参数所在图像所对应的输电铁塔的编码，并以此为标识对判断结果进行存储；
2、判断为“否”，选取下一个标记区域的特征参数继续判断；直到遍历所有标记区域的特征参数；
Step8：裂纹信息推送；数据中心调出Step7中的存储结果，依据其存储的标识，并结合查询Step1中输电铁塔信息数据库，依次将被识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端。
所述非原始裂纹所在区域图像采集方法具体为：
(1)数据中心调用Step1中建立的输电铁塔信息数据库、Step2中建立的原始裂纹样本图像数据库中的数据，并将数据传输给卫星系统；卫星系统收到数据中心发送的数据后，对数据进行解析，解析完成后，按照Step1中对输电铁塔的编码顺序，并选取第一个编码所对应的输电铁塔作为当前输电铁塔；
(2)卫星系统利用当前输电铁塔的位置信息进行定位，定位成功后，通过调用Step2中建立的原始裂纹样本图像数据库中的数据对当前输电铁塔的非原始裂纹所在区域进行图像采集，并将采集后的图像以及当前输电铁塔的编码一起发送回数据中心；
(3)数据中心成功接收后，首先，以当前输电铁塔的编码为标识对所接收图像进行存储；然后，查询判断当前输电铁塔的编码是否为Step1中输电铁塔的编码顺序中最后一个编码：
①判断为“是”，数据中心向卫星系统发出“结束”指令，卫星接接收到指令后，结束对区域内所有输电铁塔的图像采集任务；
②判断为“否”，数据中心向卫星系统发出“成功接收”指令，卫星接收到指令后，结束对当前输电铁塔的图像采集，并按照Step1中输电铁塔的编码顺序选取下一个输电铁塔作为当前输电铁塔；
(4)重复(2)、(3)步骤，直到当前输电铁塔为Step1中输电铁塔的编码顺序中的最后一个输电铁塔。
所述图像预处理、图像分割、图像特征提取具体步骤为：
(1)图像预处理：
①对原始图像进行灰度处理；
②采用中值滤波的方法对灰度图像进行滤波，去除噪声；
③采用Roberts梯度算法对去噪后的灰度图像进行锐化处理，增强图像中的边缘部分和灰度值突变部分；
(2)图像分割：
(2.1)采用Canny算子对预处理后的图像进行边缘检测；其具体步骤如下：
①将预处理后的图像与高斯滤波器进行卷积运算，使用一阶差分因子，计算图像中图像梯度的方向和幅值；
②遍历图像，确定边缘点；
③采用双阈值算法检测、连接边缘；
(2.2)使用膨胀运算对图像中存在边缘的区域进行区域填充；再使用开运算，平滑边缘；
(3)图像特征提出：
①对图像中的每一个区域进行标记；
②计算图像中每一个标记区域的特征参数，包括：圆度、最小包含矩形的面积、最小包含矩形的长宽比，并将图像中每一个标记区域的特征参数存储到数据中心。
本发明的有益效果是：
1、本发明专利针对传统技术上裂纹低识别率的问题，通过对原始裂纹样本图像采集、图像处理，并基于对原始裂纹样本图像图像处理所提取的特征参数建立裂纹分析模型，提出了一种新的裂纹检测方法，有效了解决了裂纹势低识别率问题；
2、本发明专利利用卫星系统采集图像，并利用图像处理等技术，不仅降低了劳动成本，且大幅度提高了输电铁塔裂纹检测的精确度，提高了工作效率，同时有效消除了输电铁塔中潜在的安全隐患，为经济社会的发展做出了重要贡献。
附图说明
图1是本发明的步骤流程图；
图2是本发明专利图像处理的流程图；
图3是本发明专利实施例2分析汇总图；
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施例1：Step1：建立输电铁塔信息数据库；将区域A内所有的输电铁塔统一编码标识(j＝1,2,3,......)，并对所有编码标识的输电铁塔的位置信息、监管信息登记记录，采用MySQL数据库软件建立输电铁塔信息数据库；
所述位置信息包括：经度、纬度以及海拔高度；所述监管信息包括：监管单位、监管责任人及其联系方式；
Step2：原始裂纹样本图像采集；采用数码相机采集输电铁塔的裂纹图像对区域内输电铁塔的所有裂纹图像进行采集，登记记录每一个裂纹图像所在铁塔上的位置以及所在铁塔编码标识的信息后，将裂纹图像存储到数据中心，并采用MySQL数据库软件建立原始裂纹样本图像数据库；
Step3：原始裂纹样本图像处理：基于Matlab软件平台，对数据中心存储的所有裂纹图像分别进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心；
Step3.1：图像预处理；
Step3.1.1：对原始图像进行灰度处理，具体计算公式如下；
Y＝0.3R+0.59G+0.11B；
式中：Y表示经过灰度处理后，某一像素在灰度图像中的灰度值；R、G、B表示原始图像某一像素的红、绿、蓝分量；
Step3.1.2：采用中值滤波的方法对灰度图像进行滤波，去除噪声；
Step3.1.3：采用Roberts梯度算法对去噪后的灰度图像进行锐化处理，增强图像中的边缘部分和灰度值突变部分；
Step3.2：图像分割；
Step3.2.1采用Canny算子对预处理后的图像进行边缘检测；其具体步骤如下：①将预处理后的图像与高斯滤波器进行卷积运算，使用一阶差分因子，计算图像中图像梯度的方向和幅值；②遍历图像，确定边缘点；③采用双阈值算法检测、连接边缘；
Step3.2.2：使用膨胀运算对图像中存在边缘的区域进行区域填充；再使用开运算，平滑边缘；
Step3.3：图像特征提出；
Step3.3.1：对图像中的每一个区域进行标记；
Step3.3.2：计算图像中每一个标记区域的特征参数，包括：圆度、最小包含矩形的面积、最小包含矩形的长宽比，并将图像中每一个标记区域的特征参数存储到数据中心；
Step4：建立裂纹分析模型：
Step4.1：构建三维空间模型：首先，分别以圆度、最小包含矩形的面积、最小包含矩形的长宽比作为三维空间中的三个维度，构造一个三维空间；其次，数据中心调出图像处理结果的所有特征参数；然后，依次将每一个特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比分别对应三维空间中的三个维度，且根据特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比的数值大小，最后将每一个特征参数映射成三维空间中的一个点；
Step4.2：聚类分析：采用K-means算法对构建的三维空间模型中的所有点进行聚类分析，记为：V＝[V1,V2,V3,...,Vi](i＝1,2,3,...)；
Step5：非原始裂纹所在区域图像采集：数据中心调用输电铁塔信息数据库、原始裂纹样本图像数据库中的数据，并将数据发送给卫星系统，卫星系统接收到数据后，以输电铁塔的编码Ai(i∈[0,i])作为唯一标识，并按照编码的顺序依次对区域内输电铁塔的非原始裂纹所在区域进行图像采集；
Step5.1：数据中心调用Step1中建立的输电铁塔信息数据库、Step2中建立的原始裂纹样本图像数据库中的数据，并将数据传输给卫星系统；卫星系统收到数据中心发送的数据后，对数据进行解析，解析完成后，按照Step1中对输电铁塔的编码顺序，并选取第一个编码A1所对应的输电铁塔作为当前输电铁塔；
Step5.2：卫星系统利用当前输电铁塔的位置信息进行定位，定位成功后，通过调用Step2中建立的原始裂纹样本图像数据库中的数据对当前输电铁塔的非原始裂纹所在区域进行图像采集，并将采集后的图像以及当前输电铁塔的编码一起发送回数据中心；
Step5.3：数据中心成功接收后，首先，以当前输电铁塔的编码为标识对所接收图像进行存储；然后，查询判断当前输电铁塔的编码是否为Step1中输电铁塔的编码顺序中最后一个编码：
①判断为“是”，数据中心向卫星系统发出“结束”指令，卫星接接收到指令后，结束对区域内所有输电铁塔的图像采集任务；
②判断为“否”，数据中心向卫星系统发出“成功接收”指令，卫星接收到指令后，结束对当前输电铁塔的图像采集，并按照Step1中输电铁塔的编码顺序选取下一个输电铁塔作为当前输电铁塔；
Step5.4：重复Step5.2、Step5.3步骤，直到当前输电铁塔为Step1中输电铁塔的编码顺序中的最后一个输电铁塔。
Step6：非原始裂纹所在区域图像处理：基于Matlab软件平台，对数据中心存储的非原始裂纹所在区域图像进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心；
Step6.1：图像预处理；
Step6.1.1：对原始图像进行灰度处理，具体计算公式如下；
Y＝0.3R+0.59G+0.11B；
式中：Y表示经过灰度处理后，某一像素在灰度图像中的灰度值；R、G、B表示原始图像某一像素的红、绿、蓝分量；
Step6.1.2：采用中值滤波的方法对灰度图像进行滤波，去除噪声；
Step6.1.3：采用Roberts梯度算法对去噪后的灰度图像进行锐化处理，增强图像中的边缘部分和灰度值突变部分；
Step6.2：图像分割；
Step6.2.1采用Canny算子对预处理后的图像进行边缘检测；其具体步骤如下：①将预处理后的图像与高斯滤波器进行卷积运算，使用一阶差分因子，计算图像中图像梯度的方向和幅值；②遍历图像，确定边缘点；③采用双阈值算法检测、连接边缘；
Step6.2.2：使用膨胀运算对图像中存在边缘的区域进行区域填充；再使用开运算，平滑边缘；
Step6.3：图像特征提出；
Step6.3.1：对图像中的每一个区域进行标记；
Step6.3.2：计算图像中每一个标记区域的特征参数，包括：圆度、最小包含矩形的面积、最小包含矩形的长宽比，并将图像中每一个标记区域的特征参数存储到数据中心；
Step7：新增裂纹识别判断：调用数据中心的存储数据，将Step6中所有的标记区域的特征参数映射到所建立的裂纹分析模型中，并逐一计算判断各个标记区域的特征参数是否属于V的某一子类Vi：
1.判断为“是”，则提取该标记区域的特征参数所在图像所对应的输电铁塔的编码，并以此为标识对判断结果进行存储；
2.判断为“否”，选取下一个标记区域的特征参数继续判断；直到遍历所有标记区域的特征参数；
Step8：裂纹信息推送；数据中心调出Step7中的存储结果，依据其存储的标识，并结合查询Step1中输电铁塔信息数据库，依次将被识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端。
实施例2：已知：区域内A内有10座输电铁塔，原始裂纹样本图像为50张；
首先，对区域内A内的10座输电铁塔进行编码标识[A1,A2,A3,.....,A10]；登记记录A1～A10输电铁塔的位置信息、监管信息，采用MySQL数据库软件建立输电铁塔信息数据库；
其次，登记记录每一张原始裂纹图像所在铁塔上的位置以及所在铁塔编码标识的信息，并存储到数据中心；采用MySQL数据库软件建立原始裂纹样本图像数据库；基于Matlab软件平台，对原始裂纹图像进行处理；并根据图像处理的结果建立裂纹分析模型，通过采用K-means算法进行聚类分析后，得到：V＝[V1,V2,V3,V4]；
然后，采集非原始裂纹所在区域的图像，并基于Matlab软件平台，对采集的图像进行图像处理；
最后，通过判断非原始裂纹所在区域的采集图像经过图像处理后得到的标记区域是否属于V的某一子类Vi(i＝1,2,3,4)实现输电铁塔新增裂纹的检测；并将识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (2)

1.一种区域内输电铁塔新增裂纹检测方法，其特征在于：首先，针对区域内的所有输电铁塔进行统一编码标识，建立输电铁塔信息数据库；其次，进行原始裂纹图像采集、原始裂纹样本图像处理，并根据图像处理结果建立裂纹分析模型；然后，进行非原始裂纹所在区域图像采集、非原始裂纹所在区域图像处理；最后，进行新增裂纹识别判断，即根据裂纹分析模型，实现对非原始裂纹所在区域采集图像中裂纹的识别判断，并将识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端；
具体步骤为：
步骤1：建立输电铁塔信息数据库：将区域内所有的输电铁塔统一编码标识，并将对所有编码标识的输电铁塔的位置信息、监管信息登记记录，建立输电铁塔信息数据库；
步骤2：原始裂纹样本图像采集：对区域内输电铁塔的所有裂纹图像进行采集，登记记录每一个裂纹图像所在铁塔上的位置以及所在铁塔编码标识的信息后，将裂纹图像存储到数据中心，并建立原始裂纹样本图像数据库；
步骤3：原始裂纹样本图像处理：对数据中心存储的所有裂纹图像分别进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心；
步骤4：建立裂纹分析模型：
步骤4.1：构建三维空间模型：首先，分别以圆度、最小包含矩形的面积、最小包含矩形的长宽比作为三维空间中的三个维度，构造一个三维空间；其次，数据中心调出图像处理结果的所有特征参数；然后，依次将每一个特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比分别对应三维空间中的三个维度，且根据特征参数中的圆度、最小包含矩形的面积、最小包含矩形的长宽比的数值大小，最后将每一个特征参数映射成三维空间中的一个点；
步骤4.2：聚类分析：采用K-means算法对构建的三维空间模型中的所有点进行聚类分析，记为：，；
步骤5：非原始裂纹所在区域图像采集：数据中心调用输电铁塔信息数据库、原始裂纹样本图像数据库中的数据，并将数据发送给卫星系统，卫星系统接收到数据后，以输电铁塔的编码作为唯一标识，并按照编码的顺序依次对区域内输电铁塔的非原始裂纹所在区域进行图像采集；
步骤6：非原始裂纹所在区域图像处理：对数据中心存储的非原始裂纹所在区域图像进行图像预处理、图像分割、图像特征提取，并将图像处理结果储存至数据中心，图像特征提取包括对图像中的每一个区域进行标记；
步骤7：新增裂纹识别判断：调用数据中心的存储数据，将步骤6中所有的标记区域的特征参数映射到所建立的裂纹分析模型中，并逐一计算判断每个标记区域的特征参数是否属于的某一子类：
1、判断为“是”，则提取该标记区域的特征参数所在图像所对应的输电铁塔的编码，并以此为标识对判断结果进行存储；
2、判断为“否”，选取下一个标记区域的特征参数继续判断；直到遍历所有标记区域的特征参数；
步骤8：裂纹信息推送；数据中心调出步骤7中的存储结果，依据其存储的标识，并结合查询步骤1中输电铁塔信息数据库，依次将被识别判断存在新增裂纹的输电铁塔的裂纹信息推送到监管终端；
所述非原始裂纹所在区域图像采集方法具体为：
（1）数据中心调用步骤1中建立的输电铁塔信息数据库、步骤2中建立的原始裂纹样本图像数据库中的数据，并将数据传输给卫星系统；卫星系统收到数据中心发送的数据后，对数据进行解析，解析完成后，按照步骤1中对输电铁塔的编码顺序，并选取第一个编码所对应的输电铁塔作为当前输电铁塔；
（2）卫星系统利用当前输电铁塔的位置信息进行定位，定位成功后，通过调用步骤2中建立的原始裂纹样本图像数据库中的数据对当前输电铁塔的非原始裂纹所在区域进行图像采集，并将采集后的图像以及当前输电铁塔的编码一起发送回数据中心；
（3）数据中心成功接收后，首先，以当前输电铁塔的编码为标识对所接收图像进行存储；然后，查询判断当前输电铁塔的编码是否为步骤1中输电铁塔的编码顺序中最后一个编码：
判断为“是”，数据中心向卫星系统发出“结束”指令，卫星接接收到指令后，结束对区域内所有输电铁塔的图像采集任务；
判断为“否”，数据中心向卫星系统发出“成功接收”指令，卫星接收到指令后，结束对当前输电铁塔的图像采集，并按照步骤1中输电铁塔的编码顺序选取下一个输电铁塔作为当前输电铁塔；
（4）重复（2）、（3）步骤，直到当前输电铁塔为步骤1中输电铁塔的编码顺序中的最后一个输电铁塔。
2.根据权利要求1所述的区域内输电铁塔新增裂纹检测方法，其特征在于：所述图像预处理、图像分割、图像特征提取具体步骤为：
（1）图像预处理：
对原始图像进行灰度处理；
采用中值滤波的方法对灰度图像进行滤波，去除噪声；
采用Roberts梯度算法对去噪后的灰度图像进行锐化处理，增强图像中的边缘部分和灰度值突变部分；
（2）图像分割：
（2.1）采用Canny算子对预处理后的图像进行边缘检测；其具体步骤如下：
将预处理后的图像与高斯滤波器进行卷积运算，使用一阶差分因子，计算图像中图像梯度的方向和幅值；
遍历图像，确定边缘点；
采用双阈值算法检测、连接边缘；
（2.2）使用膨胀运算对图像中存在边缘的区域进行区域填充；再使用开运算，平滑边缘；
（3）图像特征提取：
对图像中的每一个区域进行标记；
计算图像中每一个标记区域的特征参数，包括：圆度、最小包含矩形的面积、最小包含矩形的长宽比，并将图像中每一个标记区域的特征参数存储到数据中心。
CN201510823469.XA 2015-11-24 2015-11-24 一种区域内输电铁塔新增裂纹检测方法 Active CN105510344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510823469.XA CN105510344B (zh) 2015-11-24 2015-11-24 一种区域内输电铁塔新增裂纹检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510823469.XA CN105510344B (zh) 2015-11-24 2015-11-24 一种区域内输电铁塔新增裂纹检测方法

Publications (2)

Publication Number Publication Date
CN105510344A CN105510344A (zh) 2016-04-20
CN105510344B true CN105510344B (zh) 2018-08-14

Family

ID=55718477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510823469.XA Active CN105510344B (zh) 2015-11-24 2015-11-24 一种区域内输电铁塔新增裂纹检测方法

Country Status (1)

Country Link
CN (1) CN105510344B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107808378B (zh) * 2017-11-20 2020-08-25 浙江大学 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法
CN108872252A (zh) * 2018-08-06 2018-11-23 深圳市益鑫智能科技有限公司 一种钢梁裂纹检测系统
CN110988140B (zh) * 2019-11-25 2021-10-01 西南交通大学 一种正交异性钢桥面板疲劳裂纹智能识别方法
CN111047574B (zh) * 2019-12-12 2024-06-18 苏州韦士肯检测科技有限公司 一种圆柱形工件的视觉检测缺陷识别方法
JP7564671B2 (ja) * 2020-09-29 2024-10-09 キヤノン株式会社 情報処理装置、制御方法、及び、プログラム
CN113237908B (zh) * 2021-04-30 2022-10-11 北京科技大学 一种评定亚包晶钢裂纹敏感性的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915764A (zh) * 2010-08-10 2010-12-15 武汉武大卓越科技有限责任公司 基于动态规划的路面裂缝检测方法
CN103048329A (zh) * 2012-12-11 2013-04-17 北京恒达锦程图像技术有限公司 一种基于主动轮廓模型的路面裂缝检测方法
CN103198322A (zh) * 2013-01-18 2013-07-10 江南大学 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3151400B2 (ja) * 1996-02-28 2001-04-03 株式会社巴コーポレーション 管類の内部腐食検出方法
JP3181543B2 (ja) * 1997-10-31 2001-07-03 東京電力株式会社 表面処理された鋼材の劣化・腐食検出判定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915764A (zh) * 2010-08-10 2010-12-15 武汉武大卓越科技有限责任公司 基于动态规划的路面裂缝检测方法
CN103048329A (zh) * 2012-12-11 2013-04-17 北京恒达锦程图像技术有限公司 一种基于主动轮廓模型的路面裂缝检测方法
CN103198322A (zh) * 2013-01-18 2013-07-10 江南大学 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于偏振光和聚类分析的皮蛋壳裂纹无损检测;王芳 等;《农业工程学报》;20120531;第30卷(第9期);第249、253-255页 *
神经网络在电力系统绝缘子裂纹检测中的应用;陆斌斌;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20071115(第5期);第9-10、15-17、20-23、32、38-43页 *

Also Published As

Publication number Publication date
CN105510344A (zh) 2016-04-20

Similar Documents

Publication Publication Date Title
CN105510344B (zh) 一种区域内输电铁塔新增裂纹检测方法
CN106680285B (zh) 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法
CN106295655B (zh) 一种用于无人机巡检图像的输电线路部件自动提取方法
CN109389163B (zh) 一种基于地形图的无人机影像分类系统及方法
CN103984946A (zh) 一种基于K-means的高分辨率遥感地图道路提取方法
CN107705254B (zh) 一种基于街景图的城市环境评估方法
CN109711256B (zh) 一种低空复杂背景无人机目标检测方法
CN111767874B (zh) 一种基于深度学习的路面病害检测方法
CN110163109B (zh) 一种车道线标注方法及装置
CN105184812A (zh) 一种基于目标跟踪的行人徘徊检测算法
CN116110036B (zh) 基于机器视觉的电力铭牌信息缺陷等级判断方法及装置
CN116386090B (zh) 一种基于扫描图谱的浮游生物识别方法、系统及介质
CN108764132A (zh) 一种湖泊湿地遥感图像误差检测方法
CN111079852B (zh) 一种输电线路绝缘子覆冰厚度侦测方法
CN112509026A (zh) 一种绝缘子裂缝长度识别方法
CN116503470A (zh) 红外图像中绝缘子串盘片分割定位及状态分析方法
CN109271904A (zh) 一种基于像素自适应分割和贝叶斯模型的黑烟车检测方法
CN112085778A (zh) 基于超像素和形态学的倾斜摄影违法建筑检测方法及系统
CN113989673A (zh) 基于国产高分数据和深度学习模型的海岸线自动提取方法
CN113095309A (zh) 一种基于点云的道路场景地面标识物的提取方法
CN106156983A (zh) 货物自动追踪系统
CN109190585B (zh) 一种佤族居住区域判别方法
CN112016641A (zh) 一种异物导致线路短路故障告警方法及装置
CN107563340A (zh) 一种图像中所含云的机器识别方法
CN108319927B (zh) 一种自动识别病害的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant