CN107016408A - 一种基于变电站巡检机器人的挂空异物巡检方法 - Google Patents
一种基于变电站巡检机器人的挂空异物巡检方法 Download PDFInfo
- Publication number
- CN107016408A CN107016408A CN201710161058.8A CN201710161058A CN107016408A CN 107016408 A CN107016408 A CN 107016408A CN 201710161058 A CN201710161058 A CN 201710161058A CN 107016408 A CN107016408 A CN 107016408A
- Authority
- CN
- China
- Prior art keywords
- palace lattice
- foreign matter
- image scene
- characteristic point
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于变电站巡检机器人的挂空异物巡检方法,其包括以下步骤:1).巡检机器人预先存储参考图像;2).控制巡检机器人采集所该巡检点架空线的现场图像并存储;3).将现场图像分割成N个宫格,并将每个宫格进行二值化处理后得到每个宫格的识别特征点并存储特征点的数据;4).对每个宫格进行权重配置,并设定图像异常的比例阈值F;5)将现场图像每个宫格的特征点数据与参考图像相对应宫格的特征点数据进行一一对比,并得到N个宫格的加权系数;6)计算出现场图像的加权值f,将加权值f代入式(1)中,即可得到现场图像的异常比例F'。本发明能够实现对变电站的挂空异物自动化识别巡检,提高了变电站挂空异物巡检的自动化程度。
Description
技术领域
本发明涉及一种基于变电站巡检机器人的挂空异物巡检方法。
背景技术
变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设施,它通过其变压器将各级电压的电网联系起来。变电站一般建设在空旷的室外,因此变电站一般都会周围的物体或设施阻隔起来,一方面便于变电站的维护,另一方面可避免外界物体进入到变电站内对变电站设备造成安全运行隐患。虽然上述情况中变电站都得到了很好的防护,但是由于变电站的大部分设备处于露天环境,变电站容易受到挂空异物的入侵,挂空异物的入侵不仅会影响到变电站的外观,而且也对变电站设备造成安全运行隐患。
对于变电站挂空异物巡检,往往是通过人工来实现。就目前智能化较高的巡检机器人而言,也仅是将图像采集后,由人工进行判别是否存在挂空异物。然而目前大多变电站都为无人值守站,所以在架空线或设备表面有悬挂异物时,不能及时被发现,容易对设备产生损害或对居民用电造成影响。
有鉴于此,确有必要提供一种基于变电站巡检机器人的挂空异物巡检方法。
发明内容
本发明的目的是提供一种基于变电站巡检机器人的挂空异物巡检方法,以实现对变电站的挂空异物自动化识别巡检,提高了变电站挂空异物巡检的自动化程度。
为实现上述目的,本发明采取的技术方案是:
一种基于变电站巡检机器人的挂空异物巡检方法,其包括以下步骤:
1).巡检机器人将变电站架空线的巡检点在没有挂空异物状态下的图像预先存储并作为参考图像;
2).控制巡检机器人移动至巡检点后,调整巡机器人的云台角度、相机变倍及焦距值,
采集所该巡检点架空线的现场图像并存储;
3).将现场图像分割成N个宫格,并将每个宫格进行二值化处理后得到每个宫格的识别特征点并存储特征点的数据;
4).对每个宫格进行权重配置,N个宫格的权重分别为A1、A2、A3…AN,并设定图像异常的比例阈值F,当现场图像宫格的特征点数据与参考图像相对应宫格的特征点数据之间的相似度小于95%时,则标记该宫格的加权系数B为1,反之则该宫格的加权系数B为0;
5)将现场图像和参考图像进行对比,具体是,将现场图像每个宫格的特征点数据与参考图像相对应宫格的特征点数据进行一一对比,并得到N个宫格的加权系数分别为B1、B2、B3…BN;
6)将N个宫格的权重与加权系数分别相乘后累加从而得到现场图像的加权值f=A1B1+A2B2+A3B3…ANBN,将加权值f代入式(1)中,即可得到现场图像的异常比例F':
F'=f/(A1+A2+A3…AN) (1)
当异常比例F'大于比例阈值F时,则判定该巡检点存在异常,发出异常警告;否则该巡检点不存挂空异物。
本发明方法通过图像识别特征点来实现挂空异物识别的,将图像分割成N个宫格,对每个宫格进行权重配置,然后根据现场图像宫格的特征点数据与参考图像相对应宫格的特征点数据之间的相似度来判断每个宫格的加权系数,从而实现对图像进行二次判定,使得挂空异物的识别能够用数值进行量化,从而令图像的异常识别更为准确可靠;同时能够实现对变电站的挂空异物自动化识别巡检,提高了变电站挂空异物巡检的自动化程度。
作为本发明的一种改进,所述比例阈值F的数值为15%。
进一步地,所述宫格的数量为9个,9个宫格的权重分别为A1、A2、A3…A9,A1、A2、A3…A9相对应的数值分别为5、23、5、8、32、11、0、16、0。
与现有技术相比,本发明具有以下优点:
本发明实现对图像进行二次判定,使得挂空异物的识别能够用数值进行量化,从而令图像的异常识别更为准确可靠;同时能够实现对变电站的挂空异物自动化识别巡检,提高了变电站挂空异物巡检的自动化程度。
附图说明
图1为本发明基于变电站巡检机器人的挂空异物巡检方法的流程图;
图2为本发明实施例现场图像宫格的权重分布图;
图3为本发明实施例现场图像宫格的加权系数分布图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例
请参照图1,一种基于变电站巡检机器人的挂空异物巡检方法,其包括以下步骤:
1).巡检机器人将变电站架空线的巡检点在没有挂空异物状态下的图像预先存储并作为参考图像。
2).控制巡检机器人移动至巡检点后,调整巡机器人的云台角度、相机变倍及焦距值,
采集所该巡检点架空线的现场图像并存储。
3).将现场图像分割成9个宫格,并将每个宫格进行二值化处理后得到每个宫格的识别特征点并存储特征点的数据。
4).对每个宫格进行权重配置,9个宫格的权重分别为A1、A2、A3…AN,并设定图像异常的比例阈值F,当现场图像宫格的特征点数据与参考图像相对应宫格的特征点数据之间的相似度小于95%时,则标记该宫格的加权系数B为1,反之则该宫格的加权系数B为0;其中比例阈值F的数值为15%,9个宫格的权重分别为A1、A2、A3…A9,A1、A2、A3…A9相对应的数值分别为5、23、5、8、32、11、0、16、0。
5)将现场图像和参考图像进行对比,具体是,将现场图像每个宫格的特征点数据与参考图像相对应宫格的特征点数据进行一一对比,并得到9个宫格的加权系数分别为B1、B2、B3…B9。
6)将N个宫格的权重与加权系数分别相乘后累加从而得到现场图像的加权值f=A1B1+A2B2+A3B3…A9B9,将加权值f代入式(1)中,即可得到现场图像的异常比例F':
F'=f/(A1+A2+A3…A9) (1)
当异常比例F'大于比例阈值F时,则判定该巡检点存在异常,发出异常警告;否则该巡检点不存挂空异物。
如图2所示,为本实施例现场图像9个宫格的权重分布图,9个宫格的权重分别为A1、A2、A3…A9,A1、A2、A3…A9相对应的数值分别为5、23、5、8、32、11、0、16、0。如图3所示,为本实施例现场图像9个宫格的加权系数分布图,将现场图像每个宫格的特征点数据与参考图像相对应宫格的特征点数据进行一一对比,并得到9个宫格的加权系数,B1、B2、B3…B9对应的数值分别为0、0、0、0、0、0、0、1、0。则将f=A1B1+A2B2+A3B3…A9B9代入式(1)中,可得到现场图像的异常比例F':
F'=(5×0+23×0+8×0+32×0+11×0+0×0+16×0+0×0+)/(5+23+5+8+32+11+0+16+0)=16%
因此,异常比例F'超出了比例阈值F的15%,所以判定此巡检点存在异常。
本发明方法通过图像识别特征点来实现挂空异物识别的,将图像分割成9个宫格,对每个宫格进行权重配置,然后根据现场图像宫格的特征点数据与参考图像相对应宫格的特征点数据之间的相似度来判断每个宫格的加权系数,从而实现对图像进行二次判定,使得挂空异物的识别能够用数值进行量化,从而令图像的异常识别更为准确可靠;同时能够实现对变电站的挂空异物自动化识别巡检,提高了变电站挂空异物巡检的自动化程度。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (3)
1.一种基于变电站巡检机器人的挂空异物巡检方法,其特征在于包括以下步骤:
1).巡检机器人将变电站架空线的巡检点在没有挂空异物状态下的图像预先存储并作为参考图像;
2).控制巡检机器人移动至巡检点后,调整巡机器人的云台角度、相机变倍及焦距值,
采集所该巡检点架空线的现场图像并存储;
3).将现场图像分割成N个宫格,并将每个宫格进行二值化处理后得到每个宫格的识别特征点并存储特征点的数据;
4).对每个宫格进行权重配置,N个宫格的权重分别为A1、A2、A3…AN,并设定图像异常的比例阈值F,当现场图像宫格的特征点数据与参考图像相对应宫格的特征点数据之间的相似度小于95%时,则标记该宫格的加权系数B为1,反之则该宫格的加权系数B为0;
5)将现场图像和参考图像进行对比,具体是,将现场图像每个宫格的特征点数据与参考图像相对应宫格的特征点数据进行一一对比,并得到N个宫格的加权系数分别为B1、B2、B3…BN;
6)将N个宫格的权重与加权系数分别相乘后累加从而得到现场图像的加权值f=A1B1+A2B2+A3B3…ANBN,将加权值f代入式(1)中,即可得到现场图像的异常比例F':
F'=f/(A1+A2+A3…AN) (1)
当异常比例F'大于比例阈值F时,则判定该巡检点存在异常,发出异常警告;否则该巡检点不存挂空异物。
2.根据权利要求1所述的基于变电站巡检机器人的挂空异物巡检方法,其特征在于:所述比例阈值F的数值为15%。
3.根据权利要求1所述的基于变电站巡检机器人的挂空异物巡检方法,其特征在于:所述宫格的数量为9个,9个宫格的权重分别为A1、A2、A3…A9,A1、A2、A3…A9相对应的数值分别为5、23、5、8、32、11、0、16、0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710161058.8A CN107016408A (zh) | 2017-03-17 | 2017-03-17 | 一种基于变电站巡检机器人的挂空异物巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710161058.8A CN107016408A (zh) | 2017-03-17 | 2017-03-17 | 一种基于变电站巡检机器人的挂空异物巡检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107016408A true CN107016408A (zh) | 2017-08-04 |
Family
ID=59439595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710161058.8A Pending CN107016408A (zh) | 2017-03-17 | 2017-03-17 | 一种基于变电站巡检机器人的挂空异物巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016408A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843792A (zh) * | 2017-11-09 | 2018-03-27 | 南通盛洋电气有限公司 | 基于噪声和温度的变压器实时评估装置 |
CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
CN112380985A (zh) * | 2020-11-13 | 2021-02-19 | 广东电力信息科技有限公司 | 变电站入侵异物实时检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控系统 |
CN103984961A (zh) * | 2014-05-30 | 2014-08-13 | 成都西物信安智能系统有限公司 | 一种用于检测车底异物的图像检测方法 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105989600A (zh) * | 2015-11-13 | 2016-10-05 | 云南电网有限责任公司昭通供电局 | 基于特征点分布统计的配电网设备外观检测方法及系统 |
CN106125744A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 基于视觉伺服的变电站巡检机器人云台控制方法 |
-
2017
- 2017-03-17 CN CN201710161058.8A patent/CN107016408A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控系统 |
CN103984961A (zh) * | 2014-05-30 | 2014-08-13 | 成都西物信安智能系统有限公司 | 一种用于检测车底异物的图像检测方法 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105989600A (zh) * | 2015-11-13 | 2016-10-05 | 云南电网有限责任公司昭通供电局 | 基于特征点分布统计的配电网设备外观检测方法及系统 |
CN106125744A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 基于视觉伺服的变电站巡检机器人云台控制方法 |
Non-Patent Citations (1)
Title |
---|
李春利 等: "基于改进LBP算子的纹理图像分类方法", 《计算机工程与设计》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843792A (zh) * | 2017-11-09 | 2018-03-27 | 南通盛洋电气有限公司 | 基于噪声和温度的变压器实时评估装置 |
CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
CN108107444B (zh) * | 2017-12-28 | 2021-12-14 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
CN112380985A (zh) * | 2020-11-13 | 2021-02-19 | 广东电力信息科技有限公司 | 变电站入侵异物实时检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016408A (zh) | 一种基于变电站巡检机器人的挂空异物巡检方法 | |
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 | |
CN206031396U (zh) | 高速铁路牵引所亭智能巡测系统 | |
CN108846418A (zh) | 一种电缆设备温度异常定位与识别方法 | |
CN105187769B (zh) | 高压输电线路状态监测系统 | |
CN114241730B (zh) | 一种基于数据采集的变电设备监测预警系统 | |
CN103234465A (zh) | 一种输电线路覆冰厚度检测方法及系统 | |
CN106570947A (zh) | 电力设施智能巡检系统及方法 | |
CN113345019A (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
CN103196380A (zh) | 输电线路图像采集装置及输电线路覆冰厚度检测系统 | |
CN111340843A (zh) | 基于环境自适应和小样本学习的电力场景视频检测方法 | |
Jiang et al. | Visible image recognition of power transformer equipment based on mask R-CNN | |
CN107133592B (zh) | 电力变电站采用红外热成像及可见光成像技术融合的人体目标特征检测算法 | |
CN109271872A (zh) | 一种高压隔离开关分合状态判断与故障诊断装置及方法 | |
CN110941228B (zh) | 智慧铁路牵引变电所管控系统 | |
CN114387558B (zh) | 一种基于多维视频的变电站监控方法及系统 | |
CN109858636A (zh) | 基于混合现实的电力线路带电作业方法及设备 | |
CN103196799A (zh) | Rtv憎水性测试装置 | |
CN104936019B (zh) | 基于用户观看距离调整电视画面尺寸的方法 | |
Han et al. | Transformer defects detection method based on visible and infrared fusion images | |
Zhen et al. | Transmission tower protection system based on Internet of Things in smart grid | |
CN110045242A (zh) | 一种开关柜内弧光监测方法、系统、介质及设备 | |
CN112543272B (zh) | 一种具有光线调节的变电站巡检摄像装置及方法 | |
CN203190947U (zh) | 输电线路图像采集装置及输电线路覆冰厚度检测系统 | |
CN111444857B (zh) | 无人机巡检数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170804 |