CN105738779A - 一种基于多源图像融合的局部放电检测方法 - Google Patents
一种基于多源图像融合的局部放电检测方法 Download PDFInfo
- Publication number
- CN105738779A CN105738779A CN201610051713.XA CN201610051713A CN105738779A CN 105738779 A CN105738779 A CN 105738779A CN 201610051713 A CN201610051713 A CN 201610051713A CN 105738779 A CN105738779 A CN 105738779A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- ultrasonic
- visible images
- detection method
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 230000004927 fusion Effects 0.000 title claims abstract description 27
- 230000008878 coupling Effects 0.000 claims description 22
- 238000010168 coupling process Methods 0.000 claims description 22
- 238000005859 coupling reaction Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000005452 bending Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000002925 chemical effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种基于多源图像融合的局部放电检测方法，包括以下步骤：S100、利用超声传感器阵列、摄像头、红外热像仪、紫外成像仪分别同步采集被测设备的超声波信号、可见光图像、红外图像和紫外图像；S200、基于所采集的超声波信号和可见光图像获得超声可见光图像：S300、利用图像融合算法将所述超声可见光图像、红外图像、紫外图像融合后作为局部放电检测结果，并显示。与现有技术相比，本发明具有提高检测精度、可靠性高等优点。
Description
技术领域
本发明涉及电气设备放电检测领域，尤其是涉及一种基于多源图像融合的局部放电检测方法。
背景技术
随着电网规模的快速发展，电气设备的数量飞速增长。由于绝大部分高压电气设备为户外布置，受环境影响较大。户外变电设备在发生故障前，往往会发生局部放电，放电源会产生声、电和化学效应。有经验的运行人员往往能够利用超声、紫外及红外设备，提前发现设备隐患杜绝事故的发生。
在多年的实践中，超声、紫外和红外等检测方法的有效性已经得到了极大的肯定，但是受检测技术水平的限制，单一原理的检测方法都各有其优缺点。
1、利用超声检测放电非常有效，而且可以减少可听声的干扰，但是超声波的指向性较强，在空气中传播容易衰减，往往需要检测设备具有较高的灵敏度，同时需要检测者具有较为丰富的经验；
2、常用的非制冷焦平面原理的红外热像仪对发热性缺陷的检出率较高，但对于放电性故障往往无能为力；
3、紫外成像仪对于放电的检测灵敏度较高，但是容易被遮挡，对于处于隐蔽部位或内部的放电无能为力。
现有上述单一检测方法难以满足更高精度的要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种提高检测精度、可靠性高的基于多源图像融合的局部放电检测方法。
本发明的目的可以通过以下技术方案来实现：
一种基于多源图像融合的局部放电检测方法，包括以下步骤：
S100、利用超声传感器阵列、摄像头、红外热像仪、紫外成像仪分别同步采集被测设备的超声波信号、可见光图像、红外图像和紫外图像；
S200、基于所采集的超声波信号和可见光图像获得超声可见光图像：
S300、利用图像融合算法将所述超声可见光图像、红外图像、紫外图像融合后作为局部放电检测结果，并显示。
所述步骤S100中，超声传感器阵列由16只摆放在不同位置的超声传感器组成；
16只所述超声传感器具体摆放位置为：每四个超声传感器构成一组线型阵，形成上、下、左、右四组线型阵，组成二维方形阵。
所述步骤S200具体为：
S201、利用超声传感器阵列采集的超声信号估计超声源位置；
S202、基于所述超声源位置，生成二维矩阵；
S203、将所述可见光图像作为背景、所述二维矩阵作为前景，合成得到超声可见光图像，并显示。
所述步骤S201具体为：
S211、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号；
S212、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算：
CTB(n)＝ΣST(t+n)·SB(t)
CLR(n)＝ΣSL(t+n)·SR(t)
其中，CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数，ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号；
S213、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标。
所述步骤S202具体为：
以所述超声源位置为中心，CTB(n)和CLR(n)的最大值为幅值，生成二维高斯函数，形成二维矩阵。
所述步骤S300中，图像融合算法具体为：
S301、提取所述红外图像中的红外目标得到红外目标区域图像，将所述红外目标区域图像与超声可见光图像融合得到红外目标图像；
S302、对所述超声可见光图像、红外目标图像和紫外图像进行图像增强；
S303、对增强后的图像进行图像配准；
S304、对配准后的图像进行融合。
所述步骤S301中，提取所述红外图像中的红外目标的具体方式为：
S311、利用连续多帧红外图像之间的相关性，计算出红外图像的背景；
S312、将当前帧红外图像与所述红外图像的背景作差实现对红外目标提取。
所述步骤S303具体包括以下步骤：
S331、提取增强后的超声可见光图像、红外目标图像和紫外图像中的轮廓；
S332、利用不变矩和链码表示对步骤S331中提取的轮廓进行匹配得到匹配轮廓对；
S333、将匹配轮廓对中的开轮廓对转化为闭合轮廓对；
S334、去除轮廓匹配过程中产生的误匹配轮廓对；
S335、根据匹配的闭合轮廓的质心和长轴估计配准参数并基于放射变换来实现图像配准。
所述步骤S304具体包括以下步骤：
S341、对实现图像配准后的超声可见光图像、红外目标图像和紫外图像进行多尺度分解；
S342、对相同尺度的超声可见光图像、红外目标图像和紫外图像基于所述闭合轮廓利用基于区域的融合算法进行图像融合得到多尺度融合图像；
S343、将所述多尺度融合图像转换到相同的尺度，进行叠加得到最终的融合图像。
与现有技术相比，本发明具有以下有益效果：
(1)本发明将超声可见光图像、红外图像和紫外图像通过图像融合方法合成为一混合图像，将该混合图像作为局部放电检测结果，消除了单一检测设备在空间上的位置和角度差异，实现多种图像的选择性重叠，从而进一步提高了设备缺陷检测的精度。
(2)本发明通过综合被测对象的超声、红外、紫外的图像信息，解决了单一设备检测存在的问题，综合了超声、红外、紫外的优点，有效提高了设备检测的精确度，可以及早的发现变电设备的缺陷，避免发生不必要的损失。
(3)本发明利用超声源定位算法估计空间中各个方位的超声强度，同时结合摄像头采集到的空间视觉场景信息共同显示，可直接观察到超声源的位置，并判断设备的放电点，尤其适用于需要远距离设备检修，如输电高杆、高压变电站等应用场合。检修人员可以直观地发现异常超声源的产生位置，由不可听的超声信号源成像标识为可视的图像放电点，帮助检修人员直观、快速地判断出故障点。该技术可以实现对目标超声源的定向采集，有效地抑制来自其它方向的噪音，从而克服工作现场的折射、干扰等问题。
附图说明
图1为本发明的流程示意图；
图2为本发明超声传感器阵列设计示意图；
图3为本发明超声可见光图像的获取流程示意图；
图4为本发明图像融合算法的流程示意图；
图5为本发明红外目标提取流程示意图；
图6为本发明图像配准的流程示意图；
图7为本发明配准后的图像融合流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供一种基于多源图像融合的局部放电检测方法，如图1所示，该检测方法包括以下步骤：
S100、利用超声传感器阵列、摄像头、红外热像仪、紫外成像仪分别同步采集被测设备的超声波信号、可见光图像、红外图像和紫外图像；
S200、基于所采集的超声波信号和可见光图像获得超声可见光图像：
S300、利用图像融合算法将所述超声可见光图像、红外图像、紫外图像融合后作为局部放电检测结果，并显示。
该检测方法将超声源位置并和可见光图像共同显示，方便判断故障发生的位置，将超声传感器阵列、摄像头、红外热像仪、紫外成像仪同步采集的多源图像进行融合，消除了单一检测设备在空间上的位置和角度差异，实现多种图像的选择性重叠，从而达到提高检测效果的目的。
在一个实施例中，所述步骤S100的超声传感器阵列由16只摆放在不同位置的超声传感器组成，如图2所示，16只所述超声传感器具体摆放位置为：每四个超声传感器构成一组线型阵，形成上、下、左、右四组线型阵，组成二维方形阵。
本实施例所述的超声传感器阵列的方形阵的长边为30cm，短边为20cm。
在本实施例中，对超声传感器阵列中的每个超声传感器采集的超声信号利用双极放大电路进行放大处理；所述双极放大电路每级采用负反馈放大电路，放大100倍。两级之间利用电容隔离直流成分，级联后的放大增益可达10000倍。
在一个实施例中，如图3所示，所述步骤S200具体为：
S201、利用超声传感器阵列采集的超声信号估计超声源位置，具体为：
S211、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号，将每组线阵中每一个传感器采集的信号叠加，以此形成指向正前方的波束，而抑制其它方向上的噪声干扰；
S212、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算：
CTB(n)＝ΣST(t+n)·SB(t)
CLR(n)＝ΣSL(t+n)·SR(t)
其中，CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数，ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号；
S213、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标；
S202、基于所述超声源位置，生成二维矩阵，具体为：
以所述超声源位置为中心，CTB(n)和CLR(n)的最大值为幅值，生成二维高斯函数，形成二维矩阵；
S203、将所述可见光图像作为背景、所述二维矩阵作为前景，合成得到超声可见光图像，并显示。
在一个实施例中，如图4所示，步骤S300中的图像融合算法具体为：
S301、提取所述红外图像中的红外目标得到红外目标区域图像，将所述红外目标区域图像与超声可见光图像融合得到红外目标图像；
S302、对所述超声可见光图像、红外目标图像和紫外图像进行图像增强；
S303、对增强后的图像进行图像配准；
S304、对配准后的图像进行融合。
在一个实施例中，如图5所示，步骤S301中，提取所述红外图像中的红外目标的具体方式为：
S311、利用连续多帧红外图像之间的相关性，计算出红外图像的背景；
S312、将当前帧红外图像与所述红外图像的背景作差实现对红外目标提取。
在本实施例中所述热红外图像中，成像热信号的灰度值通常要比周围背景的灰度值要大，表现为目标更亮一些。基于这一特性，将红外视频序列中一组图像每个像素点位置对应的像素值提取出来，采用阈值分割方法对直方图进行操作，高于阈值T的视为红外目标，低于阈值T的视为背景。采用背景减除法实现红外目标的提取，将当前帧红外图像与建立的背景图像相减，如果差值大于或等于设定的阈值T1，那么就认为该像素点是目标点。建立一个二元掩膜图Imask，目标区域用1值表示，否则用0值表示，实现对红外目标的提取。
在一个实施例中，所述步骤S302中所述的图像增强所采用的方法包括中值滤波、均值滤波或其它空间域增强方法。本实施例根据不同的情况对不同的图像采用不同的图像增强方法，一种图像增强方法的优劣不是绝对的。由于具体应用的目的和要求不同，所需要的增强技术也大不相同，因此从根本上讲，并没有图像增强的通用标准，观察者才是某种增强方法优劣的最终判断者。增强算法处理的效果，除与算法本身有一定关系外，还与图像的数据特征直接相关。实际应用中应当根据图像数据特征和处理要求来选择合适的方法。
在一个实施例中，如图6所示，所述步骤S303具体包括以下步骤：
S331、提取增强后的超声可见光图像、红外目标图像和紫外图像中的目标轮廓；
S332、利用不变矩和链码表示对步骤S331中提取的轮廓进行匹配得到匹配轮廓对；
S333、将匹配轮廓对中的开轮廓对转化为闭合轮廓对；
S334、去除轮廓匹配过程中产生的误匹配轮廓对；
S335、根据匹配的闭合轮廓的质心和长轴估计配准参数并基于放射变换来实现图像配准。
本实施例所述的紫外、红外与超声波图像是从不同类型传感器获得的多源图像，尽管它们的灰度分布特性之间有很大差异，但物体的一些明显目标轮廓在图像中均能得到较好的保持，这些目标轮廓特征可用来进行图像配准。以未配准的紫外、红外与超声波图像为例，通过提取输入图像中的显著目标轮廓，可以发现三幅图像中有许多相似的目标轮廓，这些相似的目标轮廓是进行图像配准的依据。在依据这些目标轮廓进行配准之前，先要采用一定的算法对这些目标轮廓进行匹配，在这些匹配的目标轮廓对中包括匹配的闭合目标轮廓对和匹配的开目标轮廓对，对于匹配的闭合目标轮廓可以求出其质心和长轴。
DaiX.L.和KhorramS.根据匹配后的闭合目标轮廓的质心求取配准参数，但在实际配准图像中很难从输入图像提取足够的闭合目标轮廓，而且匹配的闭合目标轮廓对的数量会影响配准参数估计的精度，如果不能从输入图像中提取到匹配的闭合目标轮廓对，则这种配准算法将不能适用。为克服以上算法的缺点，本发明提出依据闭合目标轮廓的质心和长轴的方向来进行图像配准，这就涉及到如何利用匹配的开目标轮廓对提供的信息进行配准，如何定义其质心和长轴方向，本文做法是将匹配的开目标轮廓的三个端点用直线段连接以构成闭合目标轮廓，然后再求取该闭合目标轮廓的质心和长轴方向。如果两幅图像之间的坐标变换关系为刚体变换，那么图像之间的旋转量可以根据匹配的闭合目标轮廓的长轴之间的夹角来求得，图像之间的平移量可以根据匹配的闭合目标轮廓的质心之间的位置关系来求得。
在一个实施例中，如图7所示，所述步骤S304具体包括以下步骤：
S341、对实现图像配准后的超声可见光图像、红外目标图像和紫外图像进行多尺度分解；
S342、对相同尺度的超声可见光图像、红外目标图像和紫外图像基于所述闭合轮廓利用基于区域的融合算法进行图像融合得到多尺度融合图像；
S343、将所述多尺度融合图像转换到相同的尺度，进行叠加得到最终的融合图像。
在本实施例中，在对三个源序列图像进行合成时，首先进行对预处理后的序列图像进行目标轮廓的提取，以获得场景中的目标信息,并用来指导后续的融合处理；接着对各序列图像逐帧进行多尺度分解；最后根据运动目标检测获得的目标信息,采用基于多尺度分解的融合算法逐帧进行基于区域的图像融合。
Claims (9)
1.一种基于多源图像融合的局部放电检测方法，其特征在于，包括以下步骤：
S100、利用超声传感器阵列、摄像头、红外热像仪、紫外成像仪分别同步采集被测设备的超声波信号、可见光图像、红外图像和紫外图像；
S200、基于所采集的超声波信号和可见光图像获得超声可见光图像：
S300、利用图像融合算法将所述超声可见光图像、红外图像、紫外图像融合后作为局部放电检测结果，并显示。
2.根据权利要求1所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S100中，超声传感器阵列由16只摆放在不同位置的超声传感器组成；
16只所述超声传感器具体摆放位置为：每四个超声传感器构成一组线型阵，形成上、下、左、右四组线型阵，组成二维方形阵。
3.根据权利要求2所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S200具体为：
S201、利用超声传感器阵列采集的超声信号估计超声源位置；
S202、基于所述超声源位置，生成二维矩阵；
S203、将所述可见光图像作为背景、所述二维矩阵作为前景，合成得到超声可见光图像，并显示。
4.根据权利要求3所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S201具体为：
S211、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号；
S212、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算：
CTB(n)＝ΣST(t+n)·SB(t)
CLR(n)＝ΣSL(t+n)·SR(t)
其中，CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数，ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号；
S213、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标。
5.根据权利要求4所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S202具体为：
以所述超声源位置为中心，CTB(n)和CLR(n)的最大值为幅值，生成二维高斯函数，形成二维矩阵。
6.根据权利要求1所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S300中，图像融合算法具体为：
S301、提取所述红外图像中的红外目标得到红外目标区域图像，将所述红外目标区域图像与超声可见光图像融合得到红外目标图像；
S302、对所述超声可见光图像、红外目标图像和紫外图像进行图像增强；
S303、对增强后的图像进行图像配准；
S304、对配准后的图像进行融合。
7.根据权利要求6所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S301中，提取所述红外图像中的红外目标的具体方式为：
S311、利用连续多帧红外图像之间的相关性，计算出红外图像的背景；
S312、将当前帧红外图像与所述红外图像的背景作差实现对红外目标提取。
8.根据权利要求7所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S303具体包括以下步骤：
S331、提取增强后的超声可见光图像、红外目标图像和紫外图像中的轮廓；
S332、利用不变矩和链码表示对步骤S331中提取的轮廓进行匹配得到匹配轮廓对；
S333、将匹配轮廓对中的开轮廓对转化为闭合轮廓对；
S334、去除轮廓匹配过程中产生的误匹配轮廓对；
S335、根据匹配的闭合轮廓的质心和长轴估计配准参数并基于放射变换来实现图像配准。
9.根据权利要求8所述的基于多源图像融合的局部放电检测方法，其特征在于，所述步骤S304具体包括以下步骤：
S341、对实现图像配准后的超声可见光图像、红外目标图像和紫外图像进行多尺度分解；
S342、对相同尺度的超声可见光图像、红外目标图像和紫外图像基于所述闭合轮廓利用基于区域的融合算法进行图像融合得到多尺度融合图像；
S343、将所述多尺度融合图像转换到相同的尺度，进行叠加得到最终的融合图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610051713.XA CN105738779A (zh) | 2016-01-26 | 2016-01-26 | 一种基于多源图像融合的局部放电检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610051713.XA CN105738779A (zh) | 2016-01-26 | 2016-01-26 | 一种基于多源图像融合的局部放电检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105738779A true CN105738779A (zh) | 2016-07-06 |
Family
ID=56247241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610051713.XA Pending CN105738779A (zh) | 2016-01-26 | 2016-01-26 | 一种基于多源图像融合的局部放电检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105738779A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106597235A (zh) * | 2016-12-12 | 2017-04-26 | 国网北京市电力公司 | 局部放电检测装置和方法 |
| CN106802384A (zh) * | 2016-11-30 | 2017-06-06 | 同济大学 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
| CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
| CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
| 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 |
| CN107192924A (zh) * | 2017-03-21 | 2017-09-22 | 华北电力大学（保定） | 一种非共光轴紫外成像仪放电点定位矫正方法 |
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
| CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
| CN110514975A (zh) * | 2019-10-14 | 2019-11-29 | 云南电网有限责任公司电力科学研究院 | 一种gis设备的局部放电类型分类方法 |
| CN110888027A (zh) * | 2019-12-03 | 2020-03-17 | 深圳供电局有限公司 | 用于检测环网柜放电的传感器 |
| CN111289860A (zh) * | 2020-03-23 | 2020-06-16 | 云南电网有限责任公司电力科学研究院 | 一种电气设备局部放电位置的检测方法 |
| CN111413597A (zh) * | 2020-03-31 | 2020-07-14 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
| CN111736050A (zh) * | 2020-08-28 | 2020-10-02 | 杭州兆华电子有限公司 | 局部放电故障监测和评估装置及方法 |
| CN112558778A (zh) * | 2020-12-18 | 2021-03-26 | 珠海格力电器股份有限公司 | 多终端环境下用户动作识别控制方法、装置及用户终端 |
| CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
| CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及系统 |
| CN113628255A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
| CN114629784A (zh) * | 2021-11-16 | 2022-06-14 | 西安交通大学 | 一种高压电器视频流故障可视化方法 |
| CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
| CN117523605A (zh) * | 2023-11-03 | 2024-02-06 | 广东工业大学 | 基于多传感器信息融合的变电站动物入侵检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622594A (zh) * | 2012-03-07 | 2012-08-01 | 华南理工大学 | 一种基于红外和帧差的近距离目标提取方法 |
| CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
| KR101332676B1 (ko) * | 2013-08-19 | 2013-11-26 | 한국 전기안전공사 | 전력설비 방전 검출용 자외선 코로나 카메라 |
| CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
| CN103969561A (zh) * | 2014-05-28 | 2014-08-06 | 上海艾飞能源科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测方法 |
| CN103969560A (zh) * | 2014-05-28 | 2014-08-06 | 北达正视(北京)科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测系统 |
| CN204761607U (zh) * | 2015-07-15 | 2015-11-11 | 淮阴师范学院 | 一种实时多源视频图像融合系统 |
| CN204795370U (zh) * | 2014-04-18 | 2015-11-18 | 菲力尔系统公司 | 监测系统及包含其的交通工具 |
-
2016
- 2016-01-26 CN CN201610051713.XA patent/CN105738779A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622594A (zh) * | 2012-03-07 | 2012-08-01 | 华南理工大学 | 一种基于红外和帧差的近距离目标提取方法 |
| CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
| KR101332676B1 (ko) * | 2013-08-19 | 2013-11-26 | 한국 전기안전공사 | 전력설비 방전 검출용 자외선 코로나 카메라 |
| CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
| CN204795370U (zh) * | 2014-04-18 | 2015-11-18 | 菲力尔系统公司 | 监测系统及包含其的交通工具 |
| CN103969561A (zh) * | 2014-05-28 | 2014-08-06 | 上海艾飞能源科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测方法 |
| CN103969560A (zh) * | 2014-05-28 | 2014-08-06 | 北达正视(北京)科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测系统 |
| CN204761607U (zh) * | 2015-07-15 | 2015-11-11 | 淮阴师范学院 | 一种实时多源视频图像融合系统 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106802384B (zh) * | 2016-11-30 | 2020-01-31 | 同济大学 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
| CN106802384A (zh) * | 2016-11-30 | 2017-06-06 | 同济大学 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
| CN106597235A (zh) * | 2016-12-12 | 2017-04-26 | 国网北京市电力公司 | 局部放电检测装置和方法 |
| CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
| CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
| CN107192924A (zh) * | 2017-03-21 | 2017-09-22 | 华北电力大学（保定） | 一种非共光轴紫外成像仪放电点定位矫正方法 |
| 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 |
| CN109345586A (zh) * | 2018-11-02 | 2019-02-15 | 国网湖南省电力有限公司 | 基于紫外成像技术的电气设备放电特征提取方法 |
| CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
| CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
| CN110275094B (zh) * | 2019-05-05 | 2021-06-08 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
| CN110514975A (zh) * | 2019-10-14 | 2019-11-29 | 云南电网有限责任公司电力科学研究院 | 一种gis设备的局部放电类型分类方法 |
| CN110514975B (zh) * | 2019-10-14 | 2021-04-30 | 云南电网有限责任公司电力科学研究院 | 一种gis设备的局部放电类型分类方法 |
| CN110888027A (zh) * | 2019-12-03 | 2020-03-17 | 深圳供电局有限公司 | 用于检测环网柜放电的传感器 |
| CN111289860A (zh) * | 2020-03-23 | 2020-06-16 | 云南电网有限责任公司电力科学研究院 | 一种电气设备局部放电位置的检测方法 |
| CN111413597B (zh) * | 2020-03-31 | 2022-02-15 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
| CN111413597A (zh) * | 2020-03-31 | 2020-07-14 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
| CN111736050A (zh) * | 2020-08-28 | 2020-10-02 | 杭州兆华电子有限公司 | 局部放电故障监测和评估装置及方法 |
| CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
| CN112558778A (zh) * | 2020-12-18 | 2021-03-26 | 珠海格力电器股份有限公司 | 多终端环境下用户动作识别控制方法、装置及用户终端 |
| CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及系统 |
| CN113628255A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
| CN113628255B (zh) * | 2021-07-28 | 2024-03-12 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
| CN114629784A (zh) * | 2021-11-16 | 2022-06-14 | 西安交通大学 | 一种高压电器视频流故障可视化方法 |
| CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
| CN116482501B (zh) * | 2023-06-14 | 2023-08-29 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
| CN117523605A (zh) * | 2023-11-03 | 2024-02-06 | 广东工业大学 | 基于多传感器信息融合的变电站动物入侵检测方法 |
| CN117523605B (zh) * | 2023-11-03 | 2024-06-11 | 广东工业大学 | 基于多传感器信息融合的变电站动物入侵检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105738779A (zh) | 一种基于多源图像融合的局部放电检测方法 | |
| KR101948852B1 (ko) | 비접촉식 균열 평가를 위한 이종영상 스캐닝 방법 및 장치 | |
| CN105486751A (zh) | 一种设备缺陷综合检测系统 | |
| US20190216435A1 (en) | Sensor coordinate calibration in an ultrasound system | |
| CN105510787A (zh) | 基于图像合成技术的便携式超声、红外、紫外检测仪 | |
| CN111383285B (zh) | 一种基于毫米波雷达与摄像机传感器融合标定方法及系统 | |
| CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
| CN102389361B (zh) | 一种基于计算机视觉的盲人户外支援系统 | |
| CN205507005U (zh) | 一种便携式超声、红外、紫外检测仪 | |
| KR101522996B1 (ko) | 비파괴 검사용 복합 영상 출력장치 | |
| KR20110013026A (ko) | 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법 | |
| CN101692971B (zh) | 非接触式光学断层成像方法 | |
| Karkoub et al. | Gas pipeline inspection using autonomous robots with omni-directional cameras | |
| KR20190142626A (ko) | Uav 탑재용 하이브리드 이미지 스캐닝에 기반한 자동화 구조물 균열 평가 시스템 및 그 방법 | |
| CN105147311A (zh) | 用于ct系统中的可视化设备辅助扫描定位方法和系统 | |
| CN111544035B (zh) | 一种基于增强现实的超声辅助扫查系统及方法 | |
| CN104013424A (zh) | 一种基于深度信息的超声宽景成像方法 | |
| JP2008249431A (ja) | ３次元画像補正方法及びその装置 | |
| Cao et al. | Multi-sensor spatial augmented reality for visualizing the invisible thermal information of 3D objects | |
| CN115953377A (zh) | 消化道超声内窥镜图像融合方法和系统 | |
| AU2018301579B2 (en) | Imaging method for obtaining human skeleton | |
| Ning et al. | Spatial position estimation method for 3d ultrasound reconstruction based on hybrid transfomers | |
| CN114066795A (zh) | Df-sas高低频声呐图像精细配准融合方法 | |
| Ben-Hamadou et al. | Construction of extended 3D field of views of the internal bladder wall surface: A proof of concept | |
| Lurie et al. | Registration of free-hand OCT daughter endoscopy to 3D organ reconstruction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160706 |
|
| RJ01 | Rejection of invention patent application after publication |