CN105654461B - 一种多分裂导线间隔棒断裂的机器视觉检测方法 - Google Patents
一种多分裂导线间隔棒断裂的机器视觉检测方法 Download PDFInfo
- Publication number
- CN105654461B CN105654461B CN201410723104.5A CN201410723104A CN105654461B CN 105654461 B CN105654461 B CN 105654461B CN 201410723104 A CN201410723104 A CN 201410723104A CN 105654461 B CN105654461 B CN 105654461B
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- msub
- conductor
- conductor spacer
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种多分裂导线间隔棒断裂的机器视觉检测方法，属于数字图像识别领域，目的在于克服现有检测方法的问题，提高输电线路间隔棒断裂检测的自动化程度与准确性。本发明用于电力系统输电线间隔棒断裂的报警。检测顺序如下：(1)图像的预处理；(2)图像的感兴趣区域获取步骤；(3)图像形态学处理步骤；(4)图像特征判别步骤。本发明将数字图像处理技术引入到输电线间隔棒断裂检测，利用在线监控设备、输电线巡检机器人等智能电网检测设备采集的图像信息自动识别出输电线路间隔棒断裂故障。为保证输电线路的正常运行提供了一种可行的智能化的技术手段。
Description
技术领域
本发明属于数字图像识别领域，具体涉及一种多分裂导线间隔棒断裂的机器视觉检测方法。
背景技术
在大电流传输时，受到表面效应的影响，线路的电力运输能力并不跟线路横截面成正比，而是跟线路线性尺寸成正比，线路的电阻随着横截面增大也仅仅缓慢下降。考虑到线路重量与花费，铺设多分裂导线用于电力传输更为经济。输电线间隔棒能够保持多分裂子导线间距，保证线路的电力运输能力，防止导线间的鞭击，抑制微风振动、次档距振荡等，是输电线重要金具。间隔棒的完好直接决定了线路能否正常运行。
现阶段，输电线路间隔棒断裂检测的主要手段是通过巡检人员在地面进行目测观察，必要时工人还要登塔走线进行近距离检测。进行检测时，工人的劳动大，高空强电磁的工作环境增加了工作的危险性。同时，在人工检测时，观察视角与距离受限。有些时候受到地理环境限制，人员甚至很难靠近线路进行观测，从而大大降低了检测的准确率。
考虑到人工巡检劳动强度高、工作量大、作业环境危险，包括在线监控设备、巡检机器人等自动化设备逐渐被引入电力巡检。工作人员可以在地面基站对设备发送的线路信息进行检测，并在发现故障时进行及时的维护。但这种检测方式需要工作人员长期监视图像，造成人力资源的浪费，工作人员也会因工作疲劳做出误判。因此需要提出一种自动化程度较高的间隔棒断裂故障检测方法。
目前的研究主要集中于线路上金具等目标的识别。目前已有针对绝缘子、防振锤、四分裂导线等目标检测的研究[谭磊,王耀南,沈春生等.输电线路除冰机器人障碍视觉检测识别算法.仪器仪表学报,2011,32(11):2564-2571.]，Li Wai-Ho等人采用导线的连续性作为判别标准，提出了一种线路间隔棒的识别方法[Li W H,Tajbakhsh A,Rathbone C,etal.Image processing to automate condition assessment of overhead linecomponents[C]//Int.Conf.on.Applied Robotics for the Power Industry,IEEE,2010:1-6.]。从调研的文献来看，目前国内外对间隔棒断裂缺陷检测的研究还很少，尤其是采用机器视觉方法进行间隔棒断裂检测的研究。
发明内容
为了克服现有检测方法的问题，提高输电线路间隔棒断裂检测的自动化程度与准确性，本发明要解决的技术问题是提供一种多分裂导线间隔棒断裂的机器视觉检测方法，用于对输电线断间隔棒断裂进行自主检测。
本发明为实现上述目的所采用的技术方案是：一种多分裂导线间隔棒断裂的机器视觉检测方法，包括以下步骤：
(1)图像的预处理：对智能检测设备采集的图像进行灰度化处理得到灰度图像，再对灰度图像进行去噪处理得到去噪后的灰度图像，最后对去噪后的灰度图像进行二值化处理得到二值图像；
(2)感兴趣区域获取：在二值图像中建立搜索窗口，所述搜索窗口的宽度根据去噪后的灰度图像得到，搜索窗口沿指定方向进行间隔棒的检测，以检测到间隔棒的搜索窗口作为感兴趣区域；
(3)图像形态学处理：对获取的感兴趣区域进行形态学闭运算和开运算，提取感兴趣区域的图像特征；
(4)图像的特征判别：对形态学处理后的图像进行连通域计算，判定是否存在单一连通域，根据判定结果判断间隔棒是否损坏。
所述图像预处理包括以下步骤：
(2.1)通过平均值法进行灰度化处理，将彩色的输电线图像转换为灰度图像；
(2.2)采用中值滤波法对灰度图像进行滤波，去除灰度图像中的噪声；
(2.3)对去噪后的灰度图像进行二值化转换，得到二值图像。
所述搜索窗口的宽度由以下步骤获得：
(3.1)采用Canny算子检测去噪后的灰度图像的边缘，得到边缘图像；
(3.2)在边缘图像中采用Hough变换进行直线提取，选取Hough空间中强度最大的2n条直线进行提取，其中n为单相输电线多分裂导线所包含的导线个数，对提取出的2n条直线进行两两匹配，得到n条导线特征，计算得到导线的平均像素宽度wd；
(3.3)以导线的平均像素宽度wd为基准建立搜索窗口，在二值图像中进行搜索。
所述导线的平均像素宽度由以下步骤获得：
所述Hough空间中强度最大的2n条直线为：
ucosβi+vsinβi＝ρi
其中i＝1,2,...,2n，u为图像坐标系的水平坐标，v为图像坐标系的竖直坐标，ρi为图像坐标系原点到直线i的距离，βi为图像坐标系原点到直线i最短的线段与图像坐标系的水平坐标轴的夹角；
对于其中任意一条直线u cosβj+v sinβj＝ρj，计算该直线与其余所有直线的距离：
求出两条间距最小的直线作为同一导线的两条边缘，同时得到该导线的宽度：
ωd＝Min{ωjk}，j,k＝1,2,...,2n；j≠k；
重复以上步骤得到n条导线及相应的导线宽度ωd l，l＝1,2,...,n。
所述搜索窗口建立方法为：首先确定一条导线作为搜索路径，按照以前的计算，线路的宽度及方向分别为wd与β，而后在二值图像中建立一个矩形窗口，窗口的长宽分别为Klwd，Kwwd，Kl，Kw是根据实际线路宽度与间隔棒大小设定的比例系数；将矩形搜索窗口的左下角点置于图像底端的导线中点，按照给定步长δ沿导线方向β进行搜索，当搜索窗口的上边界超出导线范围时结束搜索。
所述间隔棒的检测具体为：
在起始的搜索窗口中，采用函数f(t)计算二值化图像的黑色像素个数：
α＝1，2，…，Kwwd;b＝1，2，…，Klwd
其中，t为搜索窗口移动的步长数，tstep为当前移动的步长数，起始状态为1；Iab为搜索窗口内二值化图像第a行第b列像素的值，黑色像素为0，白色像素为1；
按照给定步长δ沿导线方向β移动搜索窗口，重复以上计算过程，直至搜索完成；
由于在二值图像中，黑色像素主要为导线与间隔棒，当黑色像素个数f(tstep)将出现极大值时，认为检测到间隔棒，保留该搜索窗口内的二值图像作为感兴趣区域。
所述图像形态学处理具体为：
将裁剪后感兴趣的区域进行图像反转处理作为区域A，建立一个边长为的正方形作为区域B，依次开展如下形态学运算：
其中闭运算用于填充间隔棒内部的小孔，而开运算用于断开细微的连接和消除细的突出物。
所述根据连通域判定结果判断间隔棒是否损坏具体为：
当图像中出现多个连通域时，判定间隔棒发生断裂；
当图像中只有1个连通域时，判定间隔棒没有断裂。
本发明具有以下优点及有益效果：
1.本发明提供的多分裂导线间隔棒断裂检测方法可以取代人工完成间隔棒断裂检测，改变了人工检测的方式，降低了检测的安全风险与劳动强度，保证检测人员的安全，为输电线路自动化化检测提供了途径。
2.本发明以提取的线路像素宽度为基准，结合间隔棒与线路的实际尺寸比例设置搜索窗口的长宽比例系数，以上方法使得搜索窗口在包容间隔棒目标的基础上尺度最小，保证了所获取的感兴趣区域的质量。
3.本发明利用图像形态学操作进行处理，有效的完成了间隔棒内部小孔的填充和细微的连接的消除，通过以上操作可以连接间隔棒内部的孤立区域和切断间隔棒未完全断裂的虚连，有利于图像特征的提取，以上处理过程降低了误报和漏报的可能，提高了检测的准确性。
4.本发明已经采用现场图片进行了试验，试验结果表明，采用本发明可以准确完成输电线路断裂间隔棒的检测，利用检测结果可以记录故障信息，指导故障修复。
附图说明
图1是本发明的流程图；
图2是采集的待处理的间隔棒断裂图像；
图3是转化后的灰度图像；
图4是中值滤波后的灰度图像；
图5是二值化转换后的二值图像；
图6是采用Canny算子提取的边缘图像；
图7是通过Hough变换提取的线路直线特征图像；
图8是窗口搜索示意图；
图9是裁剪后的感兴趣区域图像；
图10是反转后的感兴趣区域图像；
图11是感兴趣区域形态学运算后的图像；
图12是连通域计算的结果。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
本发明通过图像预处理进行灰度图转化和降噪去除了图像的多余色彩信息和噪点，进行图像二值化，获取二值图像；通过Canny算子获取边缘图像，在此基础上提取图像的导线特征，并建立搜索窗口，通过窗口搜索的方式，去除了图像的多余区域，获取感兴趣区域图像；对获取的图像进行闭运算和开运算，提取图像的特征；判断图像的连通性，当区域为单一连通性时，间隔棒完好未断裂，当区域为多个连通性区域时，间隔棒发生断裂缺陷。本发明有效的对输电线路间隔棒断裂故障进行识别，提高了间隔棒断裂检测的自动化程度，如图1所示，具体流程如下：
(1)图像预处理步骤
(1.1)通过平均值法进行灰度化处理，将RGB三个通道的平均强度作为图像的灰度值，将彩色的输电线图像转换为灰度图像，原始图像与转化后的灰度图分别如图2和图3所示。
(1.2)采用中值滤波法对灰度图像进行中值滤波，中值滤波是将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。如图4所示，为经过5×5模板中值滤波后的图像。
(1.3)对于滤波后的灰度图像进行二值化转化，获取二值化图像。滤波后的图像中，背景的灰度值较高，大于阈值，因此二值化后背景的灰度值被置为1，而输电线和间隔棒的灰度值小于判定阈值，因此二值化后该区域被置为0。如图5所示为转化的二值图像。
(2)感兴趣区域获取步骤
(2.1)边缘提取：由于一幅图像中的边缘可能在方向上各有所异，所以Canny算法用四个滤波器分别检测图像中的水平、垂直和对角线边缘。下一步通过滞后性门限跟踪边缘线。图6所示是采用Canny算子提取图像边缘图像，从图中可以发现，边缘检测较为完整的保留了直线边缘。
(2.2)裁剪图像：为了减少后续处理的计算量，获取感兴趣的区域，对图像进行裁剪。采用窗口搜索的方法裁剪出包含间隔棒的图像。首先采用Hough变换求出图像中计算出四分裂导线的像素宽度，如图7所示。以四分裂导线的像素宽度为基准，根据设定的比例系数Kl，Kw建立矩形搜索窗口，将搜索窗口的左下角点放置在检测出的2号四分裂导线中，使用该窗口在二值图像中沿导线方向进行搜索，得到搜索区域如图8所示。利用黑色像素点个数统计函数(a＝1，2，…，Kwwd；b＝1，2，…，Klwd)找出黑色像素点最多的窗口位置作为感兴趣区域，裁剪后感兴趣的区域如图9所示。
(2.3)图像反转：为了便于进一步的处理，对裁剪后的感兴趣图像区域进行图像反转，如图10所示为反转后的图像。
(3)图像形态学处理步骤
将裁剪后感兴趣的区域进行图像反转处理作为区域A，建立一个边长为的正方形作为区域B，依次进行形态学的闭运算和开运算。
闭操作可以消弭狭窄的间断和鸿沟，消除小的孔洞，用于连接间隔棒内部可能出现的孤立区域。进行开操作，使图像轮廓光滑，断开狭窄的间断和消除细的突出物，用于切断间隔棒未完全断裂的虚连，形态学运算后的图像如图11所示。
(4)图像特征判别步骤
在感兴趣区域中，进行连通域计算，得到感兴趣区域内连通域的个数，如果区域内只存在一个连通域，则不存在间隔棒支臂断裂缺陷；否则，判定存在间隔棒支臂断裂缺陷。如图12中存在两个连通域，表明出现间隔棒断裂故障。
Claims (7)
1.一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，包括以下步骤：
(1)图像的预处理：对智能检测设备采集的图像进行灰度化处理得到灰度图像，再对灰度图像进行去噪处理得到去噪后的灰度图像，最后对去噪后的灰度图像进行二值化处理得到二值图像；
(2)感兴趣区域获取：在二值图像中建立搜索窗口，所述搜索窗口的宽度根据去噪后的灰度图像得到，搜索窗口沿指定方向进行间隔棒的检测，以检测到间隔棒的搜索窗口作为感兴趣区域；
所述搜索窗口的宽度由以下步骤获得：(3.1)采用Canny算子检测去噪后的灰度图像的边缘，得到边缘图像；(3.2)在边缘图像中采用Hough变换进行直线提取，选取Hough空间中强度最大的2n条直线进行提取，其中n为单相输电线多分裂导线所包含的导线个数，对提取出的2n条直线进行两两匹配，得到n条导线特征，计算得到导线的平均像素宽度wd；(3.3)以导线的平均像素宽度wd为基准建立搜索窗口，在二值图像中进行搜索；
(3)图像形态学处理：对获取的感兴趣区域进行形态学闭运算和开运算，提取感兴趣区域的图像特征；
(4)图像的特征判别：对形态学处理后的图像进行连通域计算，判定是否存在单一连通域，根据判定结果判断间隔棒是否损坏。
2.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述图像预处理包括以下步骤：
(2.1)通过平均值法进行灰度化处理，将彩色的输电线图像转换为灰度图像；
(2.2)采用中值滤波法对灰度图像进行滤波，去除灰度图像中的噪声；
(2.3)对去噪后的灰度图像进行二值化转换，得到二值图像。
3.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述导线的平均像素宽度由以下步骤获得：
所述Hough空间中强度最大的2n条直线为：
ucosβi+vsinβi＝ρi
其中i＝1,2,...,2n，u为图像坐标系的水平坐标，v为图像坐标系的竖直坐标，ρi为图像坐标系原点到直线i的距离，βi为图像坐标系原点到直线i最短的线段与图像坐标系的水平坐标轴的夹角；
对于其中任意一条直线ucosβj+vsinβj＝ρj，计算该直线与其余所有直线的距离：
<mrow>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>sin</mi>
<mi>&beta;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&beta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>&rsqb;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&beta;</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
求出两条间距最小的直线作为同一导线的两条边缘，同时得到该导线的宽度：
ωd＝Min{ωjk}，j,k＝1,2,...,2n；j≠k；
重复以上步骤得到n条导线及相应的导线宽度ωd l，l＝1,2,...,n。
4.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述搜索窗口建立方法为：首先确定一条导线作为搜索路径，线路的宽度及方向分别为wd与β，而后在二值图像中建立一个矩形窗口，窗口的长宽分别为Klwd，Kwwd，Kl，Kw是根据实际线路宽度与间隔棒大小设定的比例系数；将矩形搜索窗口的左下角点置于图像底端的导线中点，按照给定步长δ沿导线方向β进行搜索，当搜索窗口的上边界超出导线范围时结束搜索。
5.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述间隔棒的检测具体为：
在起始的搜索窗口中，采用函数f(t)计算二值化图像的黑色像素个数：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>e</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>w</mi>
</msub>
<msub>
<mi>w</mi>
<mi>d</mi>
</msub>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>l</mi>
</msub>
<msub>
<mi>&omega;</mi>
<mi>d</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，t为搜索窗口移动的步长数，tstep为当前移动的步长数，起始状态为1；Iab为搜索窗口内二值化图像第a行第b列像素的值，黑色像素为0，白色像素为1；Kl，Kw是根据实际线路宽度与间隔棒大小设定的比例系数；wd是导线的平均像素宽度；
按照给定步长δ沿导线方向β移动搜索窗口，重复以上计算过程，直至搜索完成；
由于在二值图像中，黑色像素主要为导线与间隔棒，当黑色像素个数f(tstep)将出现极大值时，认为检测到间隔棒，保留该搜索窗口内的二值图像作为感兴趣区域。
6.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述图像形态学处理具体为：
将裁剪后感兴趣的区域进行图像反转处理作为区域A，建立一个边长为的正方形作为区域B，依次开展如下形态学运算：
Closing
Opening
其中，wd是导线的平均像素宽度，闭运算用于填充间隔棒内部的小孔，而开运算用于断开细微的连接和消除细的突出物。
7.根据权利要求1所述的一种多分裂导线间隔棒断裂的机器视觉检测方法，其特征在于，所述根据连通域判定结果判断间隔棒是否损坏具体为：
当图像中出现多个连通域时，判定间隔棒发生断裂；
当图像中只有1个连通域时，判定间隔棒没有断裂。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410723104.5A CN105654461B (zh) | 2014-12-02 | 2014-12-02 | 一种多分裂导线间隔棒断裂的机器视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410723104.5A CN105654461B (zh) | 2014-12-02 | 2014-12-02 | 一种多分裂导线间隔棒断裂的机器视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105654461A CN105654461A (zh) | 2016-06-08 |
| CN105654461B true CN105654461B (zh) | 2018-03-20 |
Family
ID=56481050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410723104.5A Active CN105654461B (zh) | 2014-12-02 | 2014-12-02 | 一种多分裂导线间隔棒断裂的机器视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105654461B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109596620A (zh) * | 2018-11-10 | 2019-04-09 | 江苏网进科技股份有限公司 | 基于机器视觉的产品表面形状缺陷检测方法和系统 |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10096102B2 (en) * | 2016-10-26 | 2018-10-09 | The Boeing Company | Wire contact inspection |
| CN107818562A (zh) * | 2017-10-23 | 2018-03-20 | 广东电网有限责任公司东莞供电局 | 一种干式空心并联电抗器风道绝缘包封层裂纹在线检测方法 |
| CN107907049A (zh) * | 2017-11-20 | 2018-04-13 | 北京工业大学 | 一种微小模数齿轮的测量方法 |
| CN109850518B (zh) * | 2018-11-12 | 2022-01-28 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
| CN109900688A (zh) * | 2019-03-08 | 2019-06-18 | 深圳市象形字科技股份有限公司 | 一种尿液检测用的定位准确的试纸块 |
| CN109991215B (zh) * | 2019-03-08 | 2021-09-24 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
| CN109813725A (zh) * | 2019-04-02 | 2019-05-28 | 东莞博美特自动化科技有限公司 | 一种大尺寸胶水缺陷检测方法 |
| CN110334736A (zh) * | 2019-06-03 | 2019-10-15 | 北京大米科技有限公司 | 图像识别方法、装置、电子设备及介质 |
| CN110837782B (zh) * | 2019-10-16 | 2022-06-03 | 吉林大学 | 一种根据材料拉伸过程监控视频识别断裂信息的方法 |
| CN110866920B (zh) * | 2020-01-20 | 2020-05-08 | 长沙琢冶信息技术有限公司 | 镀铜焊丝的缺陷检测方法、装置、设备及存储介质 |
| CN111402206A (zh) * | 2020-02-27 | 2020-07-10 | 红云红河烟草(集团)有限责任公司 | 一种烟支刮破视觉检测方法及系统 |
| CN112330600B (zh) * | 2020-10-15 | 2021-06-04 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的车端链接线断裂的故障识别方法 |
| CN112365448B (zh) * | 2020-10-20 | 2022-08-30 | 天津大学 | 一种经编织造过程中的织物疵点检测方法 |
| CN112966788A (zh) * | 2021-04-19 | 2021-06-15 | 扬州大学 | 基于深度学习的输电线路间隔棒故障检测方法 |
| CN113221685A (zh) * | 2021-04-27 | 2021-08-06 | 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 | 一种输电线路中微小异物的识别方法、装置、计算机设备 |
| CN113607058B (zh) * | 2021-07-21 | 2023-11-17 | 杭州电子科技大学 | 一种基于机器视觉的直刃刀尺寸检测方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103208009A (zh) * | 2013-04-15 | 2013-07-17 | 杭州捷尚智能电网技术有限公司 | 一种输电线路车载巡检的图像分类方法 |
-
2014
- 2014-12-02 CN CN201410723104.5A patent/CN105654461B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103208009A (zh) * | 2013-04-15 | 2013-07-17 | 杭州捷尚智能电网技术有限公司 | 一种输电线路车载巡检的图像分类方法 |
Non-Patent Citations (7)
| Title |
|---|
| A Vision-Based Broken Strand Detection Method for a Power-Line Maintenance Robot;Yifeng Song 等;《IEEE TRANSACTIONS ON POWER DELIVERY》;20141031;第29卷(第5期);第2154-2161页 * |
| Image Processing to Automate Condition Assessment of Overhead Line Components;Wai Ho Li 等;《2010 1st International Conference on Applied Robotics for the Power Industry》;20101007;第1-6页 * |
| Investigating the Detection of Overhead Ground Wire Broken Strand though Power Line Robots;Yifeng Song;《IEEE International Conference on Applied Robotics for the Power Industry (CARPI 2014)》;20141016;第1-6页 * |
| 基于图像处理的输电线路线下树木检测算法研究;张烨 等;《广东电力》;20130930;第26卷(第9期);第1节，第3.2节，图1，图7 * |
| 基于图像的高压输电线间隔棒故障诊断方法;金立军 等;《高电压技术》;20130531;第39卷(第5期);第0-1节，第2.1-2.2节，图1-2 * |
| 绝缘子串红外图像中绝缘子盘面和钢帽区域的自动提取方法;李唐兵 等;《红外技术》;20140831;第36卷(第8期);第644-648页 * |
| 输电线路除冰机器人障碍视觉检测识别算法;谭磊 等;《仪器仪表学报》;20111130;第32卷(第11期);第2564-2571页 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109596620A (zh) * | 2018-11-10 | 2019-04-09 | 江苏网进科技股份有限公司 | 基于机器视觉的产品表面形状缺陷检测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105654461A (zh) | 2016-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105654461B (zh) | 一种多分裂导线间隔棒断裂的机器视觉检测方法 | |
| CN103487729B (zh) | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 | |
| 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 | |
| CN103499774B (zh) | 输电绝缘子闪络在线监视安全预警装置 | |
| CN106407928B (zh) | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 | |
| CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
| CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
| CN105718842B (zh) | 一种输电线断股故障的机器视觉检测方法 | |
| 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 | |
| CN103196372A (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
| CN102654463A (zh) | 西瓜品质无损检测方法及装置 | |
| CN107292861A (zh) | 一种绝缘子破损检测方法 | |
| CN104657706A (zh) | 基于图像的高铁线路线杆断裂与联接结构体异常检测方法 | |
| CN114694050A (zh) | 一种基于红外图像的电力设备运行状态探测方法 | |
| CN111242923A (zh) | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 | |
| CN111428987A (zh) | 一种基于人工智能的继保装置图像识别方法和系统 | |
| CN109492569A (zh) | 一种电缆线绝缘层缺损检测方法和装置 | |
| CN105987665B (zh) | 一种特高压输电线路弧垂点变化范围的预警监测装置及方法 | |
| CN111767777B (zh) | 一种基于图像处理算法的变电站隔离开关状态分析方法 | |
| CN108921844A (zh) | 一种绝缘子缺陷检测方法与装置 | |
| CN107358343A (zh) | 基于图像数据特征差异性的电力工程安全预警方法 | |
| CN112016641A (zh) | 一种异物导致线路短路故障告警方法及装置 | |
| Zhang et al. | An automatic diagnostic method of abnormal heat defect in transmission lines based on infrared video | |
| CN107657614A (zh) | 一种用于高压输电线破损检测的轨交检测装置 | |
| CN112183194B (zh) | 非接触式换流站工作站设备参数识别方法及系统 |
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 |