CN105957081A - 一种玻璃绝缘子掉串故障检测方法 - Google Patents
一种玻璃绝缘子掉串故障检测方法 Download PDFInfo
- Publication number
- CN105957081A CN105957081A CN201610278200.2A CN201610278200A CN105957081A CN 105957081 A CN105957081 A CN 105957081A CN 201610278200 A CN201610278200 A CN 201610278200A CN 105957081 A CN105957081 A CN 105957081A
- Authority
- CN
- China
- Prior art keywords
- connected domain
- glass insulator
- image
- fault detection
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
Abstract
本发明公开了一种玻璃绝缘子掉串故障检测方法,其中方法包括:建立绝缘子的颜色模型,依据此模型来进行绝缘子的初步分割,并对得到的绝缘子二值图像进行形态学闭运算和连通域标记操作,以进行绝缘子方向的校正和位置的确定,然后再通过面积占比来选择结构元素大小,进行形态学闭运算完成最终的分割,在分割的基础上寻找绝缘子区域的缺口,进行最终的掉串标记。本发明所述的玻璃绝缘子掉串检测方法,提高了玻璃绝缘子掉串检测精度,为智能监控系统的成功应用提供了技术保障,大大降低了人工检测带来的人力物力的损耗,具有很强的实用价值和现实意义。
Description
技术领域
本发明涉及目标识别和故障诊断领域,更具体地,涉及一种玻璃绝缘子掉串故障检测方法。
背景技术
绝缘子作为一种防止输电线路带电部件形成接地通道的重要绝缘控件,其状态的实时监测对电力系统的安全稳定运行来说显得尤为重要。由于绝缘子长期处于恶劣的自然环境中,所以经常会出现掉串的现象,此故障会使电网解裂,导致大面积的停电,对电力系统的安全稳定造成极大的危害。近年来,随着计算机视觉技术的迅猛发展,远程监控成为当今社会安全防卫领域的热门,基于计算机视觉技术的绝缘子故障诊断也随之应运而生,其主要是借助于计算机处理技术,对拍摄画面中的数据进行分析,自动检测画面中绝缘子的掉串情况,并及时显示故障位置,以便维修人员及时的维修,避免更大事故的发生。
目前玻璃绝缘子的识别定位的方法主要可以分为两种:基于区域的图像分割方法和基于边缘的分割方法。基于区域的图像分割有灰度图像分割和彩色图像分割,而基于边缘的分割方法主要是采用边缘形状特征来进行绝缘子的提取。单独的颜色特征或形状特征由于信息量的有限性将影响识别的精度,因此颜色信息结合形状、纹理等特征量能够比较全面地描述玻璃绝缘子特征以确定感兴趣区域,但由于纹理等计算的复杂性,因此其在实时系统中很少应用。
目前绝缘子掉串缺陷检测的方法主要是依据绝缘子片颜色、形状和纹理的变化以及绝缘子片之间距离异常等特征。其中颜色和纹理特征主要基于区域内部的像素值,可以方便地统计分析;而形状特征量需要提取连贯的边界,因此在故障诊断时有较大的局限性。目前绝缘子掉串缺陷的检测主要依赖于提取绝缘子完整的边缘,检测每一个绝缘子片并根据绝缘子片间距离来判断是否发生掉串故障,这种方法对于绝缘子片间相互独立、无遮挡、无连接、背景简单的情况下能够取得很好的检测效果。但巡检图像的拍摄距离与拍摄角度均不固定,使得航拍图像中的绝缘子片相互连接、相互遮挡的的情况较多,而目前的掉串故障检测方法并不适用于绝缘子片间相互遮挡、背景复杂的情况。
发明内容
本发明的目的在于提供一种玻璃绝缘子掉串故障检测方法,该方法可以提高玻璃绝缘子掉串检测的精度,降低误检率。
为达到上述目的,本发明采用下述技术方案:
一种玻璃绝缘子掉串故障检测方法,该方法包括如下步骤:
(1)获取玻璃绝缘子串的图像,对所述图像进行颜色分割,得到所述图像的二值图像;
(2)对所述二值图像进行图像处理,获得所述玻璃绝缘子串的连通域;
(3)基于对所述玻璃绝缘子串的连通域的图像处理,确定所述玻璃绝缘子串的掉串位置并对该位置进行标定。
2、根据权利要求1所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤(1)具体包括如下步骤:
基于颜色模型对获取的玻璃绝缘子串的图像进行颜色分割,获得所述图像的二值图像;
其中,R、G、B是玻璃绝缘子的红、绿、蓝颜色分量。
进一步的,步骤(2)具体包括如下步骤:
1)对所述二值图像进行第一次形态学闭运算,获得完整的和去除噪声的玻璃绝缘子串的第一连通域;
2)求取所述第一连通域的最小外接矩形,并得到该外接矩形的面积以及长边和水平方向的夹角;
3)依据步骤2)中获得的夹角值对所述二值图像进行倾斜校正;
4)计算倾斜校正后的二值图像中白色像素的面积占比;
5)基于计算得到的所述面积占比,选择对倾斜校正后的二值图像进行第二次形态学闭运算的结构元素大小;
6)基于选择的所述结构元素大小对倾斜校正后的二值图像进行第二次形态学闭运算,获得完整的和去除噪声的玻璃绝缘子串的第二连通域。
进一步的,所述面积占比m如式(1)所示,
式(1)中,m为面积占比,n为所述二值图像中白色像素的个数,N为所述第一连通域的最小外接矩形的面积。
进一步的,所述结构元素大小包括如下情况:
m为所述面积占比;size括号内表示结构元素的大小。
进一步的,步骤(3)进一步包括:
1)确定所述第二连通域的最小外接矩形,对该最小外接矩形范围内的像素进行取反操作;
2)对取反以后的图像进行连通域标记,计算标记的连通域δt的面积值S(δt)和该连通域最小外接矩形的长宽比值;
3)根据步骤2)中标记的连通域的面积值和该连通域最小外接矩形的长宽比值确定掉串位置,并进行标定。
进一步的,步骤1)所述取反操作如式(2)所示,
其中,img2是取反以后的图像,(i,j)为当前被操作像素点的坐标,img1是原图像。
进一步的,步骤3)所述的根据步骤2)中标记的连通域的面积值和该连通域最小外接矩形的长宽比值确定掉串位置的判定条件如式(3)所示:
其中S(δt)是所述标记的连通域δt的面积;l和h分别是该连通域的最小外接矩形的长和宽;
当所述标记的连通域δt的面积值和该连通域最小外接矩形的长宽比值同时符合式(3)的判定条件时,即认定所述标记的连通域δt为玻璃绝缘子串的掉串位置,对该位置进行标定。本发明的有益效果如下:
本发明方法有效地提升了玻璃绝缘子掉串的检测精度,降低了误检率,为智能监控检测系统的成功应用提供了技术保障,具有很强的实用价值和现实意义。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1是整体方法流程图;
图2是玻璃绝缘子原图像;
图3是依据颜色模型进行颜色分割以后的二值图像;
图4是第一次形态学处理后的图像;
图5是对第一次形态学处理后的图像进行倾斜校正的图像;
图6是以同样的角度对颜色分割以后的二值图像进行倾斜校正的图像;
图7是第二次形态学处理后的图像;
图8是第二连通域最小外接矩形的图像;
图9是对第二连通域最小外接矩形内的像素进行取反以后的图像;
图10是最终的掉串标记图像。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。
本发明方法为基于颜色模型和多重形态学处理的一种玻璃绝缘子掉串检测方法,该方法为建立玻璃绝缘子颜色模型并结合形态学运算方法进行绝缘子串的识别,并对初识别的绝缘子串进行方向的校正和位置的确定,对分割后的绝缘子串进行取反图像连通域标记,最终确定是否存在故障并标记故障位置。
如图1所示,该方法包括如下步骤:
步骤1、拍摄一串玻璃绝缘子串,建立基于RGB颜色空间的颜色模型,模型表示如下:
其中,R、G、B是玻璃绝缘子的红、绿、蓝颜色分量;
步骤2、如图2所示,应用步骤1建立的颜色模型对拍摄获得的玻璃绝缘子串的图像进行颜色检测,将满足颜色模型的像素点赋255值(变成白色像素),否则,赋0值(变成黑色像素),完成对玻璃绝缘子串图像的颜色分割,得到如图3所示的二值图像;
步骤3、如图4所示,选择矩形结构元素对步骤2获得的二值图像进行第一次形态学闭运算,去除二值图像中的非绝缘子连通域,保证玻璃绝缘子串属于一个连通域,该连通域称为第一连通域Q1;
步骤4、如图5所示,求取步骤3中的第一连通域Q1的最小外接矩形,并得到此外接矩形的面积以及长边和水平方向的夹角θ;
步骤5、如图6所示,根据步骤4获得夹角θ,对步骤2中获得的二值图像进行旋转;
步骤6、计算旋转后二值图像中白色像素的的面积占比m,
其中m为面积占比,n为二值图像中白色像素的个数,N为第一连通域的最小外接矩形的面积;
步骤7、根据面积占比m选择进行第二次形态学闭运算的结构元素大小;
结构元素大小共设了6档,如下:
其中m为面积占比;size后面括号内为结构元素的大小;
步骤8、如图7和8所示,以步骤7中的结构元素大小对步骤5中的旋转后的二值图像进行第二次形态学闭运算处理,得到玻璃绝缘子串的第二连通域;
对于图像X及结构元素S,用符号X·S表示结构元素S对图像X作闭运算:
即先对图像进行膨胀再进行腐蚀运算;
步骤9、如图9所示,如式(2)所示,对第二连通域所确定的最小外接矩形区域内的像素点进行取反操作;
其中img2是取反以后的图像,(i,j)为当前被操作像素点的坐标,img1是原图像;
步骤10、如图9所示,对取反以后的图像进行连通域标记,并计算标记的连通域δt的面积值S(δt)和该连通域的最小外接矩形的长宽比值,当标记的连通域的面积值S(δt)和该连通域的最小外接矩形的长宽比值同时符合式(3)的判定条件时,说明该位置发生玻璃绝缘子掉串,对该位置进行标定;
其中S(δt)是连通域δt的面积;l和h分别是连通域δt最小外接矩形的长和宽;t表示图像中连通域的序号;
步骤11、如图10所示,通过连通域标记进行掉串位置的标定。
使用本发明方法,掉片故障的检测率是92.4%,平均耗时是0.525秒。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种玻璃绝缘子掉串故障检测方法,其特征在于,该方法包括如下步骤:
(1)获取玻璃绝缘子串的图像,对所述图像进行颜色分割,得到所述图像的二值图像;
(2)对所述二值图像进行图像处理,获得所述玻璃绝缘子串的连通域;
(3)基于对所述玻璃绝缘子串的连通域的图像处理,确定所述玻璃绝缘子串的掉串位置并对该位置进行标定。
2.根据权利要求1所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤(1)具体包括如下步骤:
基于颜色模型对获取的玻璃绝缘子串的图像进行颜色分割,获得所述图像的二值图像;
所述颜色模型为:
其中,R、G、B是玻璃绝缘子的红、绿、蓝颜色分量。
3.根据权利要求1所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤(2)具体包括如下步骤:
1)对所述二值图像进行第一次形态学闭运算,获得完整的和去除噪声的玻璃绝缘子串的第一连通域;
2)求取所述第一连通域的最小外接矩形,并得到该外接矩形的面积以及长边和水平方向的夹角;
3)依据步骤2)中获得的夹角值对所述二值图像进行倾斜校正;
4)计算倾斜校正后的二值图像中白色像素的面积占比;
5)基于计算得到的所述面积占比,选择对倾斜校正后的二值图像进行第二次形态学闭运算的结构元素大小;
6)基于选择的所述结构元素大小对倾斜校正后的二值图像进行第二次形态学闭运算,获得完整的和去除噪声的玻璃绝缘子串的第二连通域。
4.根据权利要求3所述的玻璃绝缘子掉串故障检测方法,其特征在于,所述面积占比m如式(1)所示,
式(1)中,m为面积占比,n为所述二值图像中白色像素的个数,N为所述第一连通域的最小外接矩形的面积。
5.根据权利要求3所述的玻璃绝缘子掉串故障检测方法,其特征在于,
所述结构元素大小包括如下情况:
m为所述面积占比;size括号内表示结构元素的大小。
6.根据权利要求3所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤(3)进一步包括:
1)确定所述第二连通域的最小外接矩形,对该最小外接矩形范围内的像素进行取反操作;
2)对取反以后的图像进行连通域标记,计算标记的连通域δt的面积值S(δt)和该连通域最小外接矩形的长宽比值;
3)根据步骤2)中标记的连通域的面积值和该连通域最小外接矩形的长宽比值确定掉串位置,并进行标定;
步骤2中t表示标记的连通域的序号。
7.根据权利要求6所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤1)所述取反操作如式(2)所示,
其中,img2是取反以后的图像,(i,j)为当前被操作像素点的坐标,img1是原图像。
8.根据权利要求6所述的玻璃绝缘子掉串故障检测方法,其特征在于,步骤3)所述的根据步骤2)中标记的连通域的面积值和该连通域最小外接矩形的长宽比值确定掉串位置的判定条件如式(3)所示:
其中S(δt)是所述标记的连通域δt的面积;l和h分别是该连通域的最小外接矩形的长和宽;
当所述标记的连通域δt的面积值和该连通域最小外接矩形的长宽比值同时符合式(3)的判定条件时,即认定所述标记的连通域δt为玻璃绝缘子串的掉串位置,对该位置进行标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278200.2A CN105957081B (zh) | 2016-04-28 | 2016-04-28 | 一种玻璃绝缘子掉串故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278200.2A CN105957081B (zh) | 2016-04-28 | 2016-04-28 | 一种玻璃绝缘子掉串故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105957081A true CN105957081A (zh) | 2016-09-21 |
CN105957081B CN105957081B (zh) | 2019-01-08 |
Family
ID=56916577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610278200.2A Expired - Fee Related CN105957081B (zh) | 2016-04-28 | 2016-04-28 | 一种玻璃绝缘子掉串故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957081B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504247A (zh) * | 2016-11-09 | 2017-03-15 | 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 |
CN106778734A (zh) * | 2016-11-10 | 2017-05-31 | 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 |
CN108734709A (zh) * | 2018-05-29 | 2018-11-02 | 西安工程大学 | 一种绝缘子凸缘形状参数识别与破坏检测方法 |
CN108776145A (zh) * | 2018-04-16 | 2018-11-09 | 华北电力大学(保定) | 一种绝缘子掉串故障检测方法及系统 |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
CN110222683A (zh) * | 2019-06-11 | 2019-09-10 | 云南电网有限责任公司曲靖供电局 | 一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法 |
CN116596908A (zh) * | 2023-05-30 | 2023-08-15 | 南京亦鑫同电气有限责任公司 | 基于数据处理的电线电缆安全状态评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867416A (zh) * | 2012-09-13 | 2013-01-09 | 中国科学院自动化研究所 | 一种基于车辆部位特征的车辆检测与跟踪方法 |
CN103714342A (zh) * | 2013-12-20 | 2014-04-09 | 华北电力大学(保定) | 基于二值图像形状特征的航拍绝缘子串自动定位方法 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
-
2016
- 2016-04-28 CN CN201610278200.2A patent/CN105957081B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867416A (zh) * | 2012-09-13 | 2013-01-09 | 中国科学院自动化研究所 | 一种基于车辆部位特征的车辆检测与跟踪方法 |
CN103714342A (zh) * | 2013-12-20 | 2014-04-09 | 华北电力大学(保定) | 基于二值图像形状特征的航拍绝缘子串自动定位方法 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
Non-Patent Citations (2)
Title |
---|
XINYE ZHANG,ET AL.: "A Method of Insulator Fault Detection from Airborne Images", 《2010 SECOND WRI GLOBAL CONGRESS ON INTELLIGENT SYSTEMS》 * |
王银立 等: "基于视觉的绝缘子"掉串"缺陷的检测与定位", 《计算机工程与设计》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504247A (zh) * | 2016-11-09 | 2017-03-15 | 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 |
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 |
CN106778734A (zh) * | 2016-11-10 | 2017-05-31 | 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 |
CN108776145A (zh) * | 2018-04-16 | 2018-11-09 | 华北电力大学(保定) | 一种绝缘子掉串故障检测方法及系统 |
CN108776145B (zh) * | 2018-04-16 | 2021-08-03 | 华北电力大学(保定) | 一种绝缘子掉串故障检测方法及系统 |
CN108734709A (zh) * | 2018-05-29 | 2018-11-02 | 西安工程大学 | 一种绝缘子凸缘形状参数识别与破坏检测方法 |
CN108734709B (zh) * | 2018-05-29 | 2022-03-25 | 西安工程大学 | 一种绝缘子凸缘形状参数识别与破坏检测方法 |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
CN110222683A (zh) * | 2019-06-11 | 2019-09-10 | 云南电网有限责任公司曲靖供电局 | 一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法 |
CN116596908A (zh) * | 2023-05-30 | 2023-08-15 | 南京亦鑫同电气有限责任公司 | 基于数据处理的电线电缆安全状态评估方法及系统 |
CN116596908B (zh) * | 2023-05-30 | 2024-02-06 | 南京亦鑫同电气有限责任公司 | 基于数据处理的电线电缆安全状态评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105957081B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105957081A (zh) | 一种玻璃绝缘子掉串故障检测方法 | |
CN105631880B (zh) | 车道线分割方法和装置 | |
CN109118479B (zh) | 基于胶囊网络的绝缘子缺陷识别定位装置及方法 | |
CN106290388B (zh) | 一种绝缘子故障自动检测方法 | |
CN105894502B (zh) | 基于超图模型的rgbd图像显著性检测方法 | |
CN105844228B (zh) | 一种基于卷积神经网络的遥感图像云检测方法 | |
CN101430195B (zh) | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 | |
CN110188835B (zh) | 基于生成式对抗网络模型的数据增强行人再识别方法 | |
CN109544555A (zh) | 基于生成式对抗网络的细小裂缝分割方法 | |
CN106340009B (zh) | 一种基于平行双目的电力线检测方法及系统 | |
CN108022235A (zh) | 高压输电铁塔关键部件缺陷识别方法 | |
CN107507172A (zh) | 融合红外可见光的特高压线路绝缘子串深度学习识别方法 | |
CN108734689A (zh) | 一种基于区域生长的导线散股检测方法 | |
CN105389556B (zh) | 一种顾及阴影区域的高分辨率遥感影像车辆检测方法 | |
CN113469953B (zh) | 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法 | |
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 | |
CN106680285A (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 | |
CN108734691A (zh) | 一种输电线路缺陷图像识别方法 | |
CN106056619A (zh) | 基于梯度约束Radon变换的无人机视觉电线巡检方法 | |
CN105426825B (zh) | 一种基于航拍图像识别的电网地理接线图绘制方法 | |
CN105445607A (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
CN106767854A (zh) | 移动设备、车库地图形成方法及系统 | |
CN102831393A (zh) | 电力杆塔轮廓的快速图像识别方法 | |
CN106951863B (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN105550710A (zh) | 基于非线性拟合的接触网运行异常状态智能检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Di Yongjie Inventor after: Cheng Haiyan Inventor after: Wang Di Inventor after: Zhang Muliu Inventor before: Wang Di Inventor before: Zhang Muliu Inventor before: Di Yongjie Inventor before: Cheng Haiyan |
|
GR01 | Patent grant | ||
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: 20190108 Termination date: 20200428 |