CN107766801B - 一种基于红外热点追踪的绝缘子识别方法及装置 - Google Patents
一种基于红外热点追踪的绝缘子识别方法及装置 Download PDFInfo
- Publication number
- CN107766801B CN107766801B CN201710901407.5A CN201710901407A CN107766801B CN 107766801 B CN107766801 B CN 107766801B CN 201710901407 A CN201710901407 A CN 201710901407A CN 107766801 B CN107766801 B CN 107766801B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- temperature
- insulator
- infrared
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Abstract
一种基于红外热点追踪的绝缘子识别方法及装置,该方法包括:分析红外相机采集到的红外图像的所有温度值,并判断所述红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;如果所述红外图像的所有温度值中存在所述目标温度值,确定所述红外图像中包含高温目标;判断所述高温目标是否位于所述红外图像的中心区域,如果位于所述红外图像的中心区域,提取所述红外图像的方向梯度直方图特征;利用AdaBoost分类器根据所述红外图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子;如果识别出所述高温目标中包含所述绝缘子,输出绝缘子识别结果。实施本发明实施例,能够对高温绝缘子进行实时识别,提高输电线路巡检的效率及准确率。
Description
技术领域
本发明涉及电力巡检技术领域,具体涉及一种基于红外热点追踪的绝缘子识别方法及装置。
背景技术
自20世纪50年代以来,欧美一些发达国家已经率先展开对架空输电线路巡检的航空作业;我国从20世纪80年代以来也展开对直升机电力巡检的研究,到目前为止,南方电网、华中电网、华北电网等公司相继开展了直升机巡检的尝试,并取得了良好的巡检效果,为架空输电线路巡检技术的发展积攒了宝贵的经验,因此,“直升机巡检为主,人工巡视为辅”的电力巡检方式已经成为我国高压、超高压输电线路巡检的主要发展方向。
高压、超高压输电线路巡检的一项重要内容是识别输电线路中出现异常发热的高温绝缘子。绝缘子是架空高压输电线路的重要组成部分,常用的绝缘子主要包括陶瓷、钢化玻璃和复合材料三种。一方面,绝缘子可以进行电气隔离,防止在绝缘子顶端的导线和在绝缘子尾端的塔杆形成电气通路,避免发生安全事故;另一方面,绝缘子作为导线和塔杆的连接设备,可以承受导线的自重和导线在各种自然环境下的拉力。可见,绝缘子对于电力系统的正常运行起着非常关键的作用。
然而,在实践中发现,在直升机巡检过程中对高温绝缘子的识别主要依靠巡检人员的人工识别,巡检人员的工作量较大,而且比较依赖巡检人员的工作经验,从而降低了输电线路巡检的效率和准确率。
发明内容
本发明实施例公开了一种基于红外热点追踪的绝缘子识别方法及装置,能够对高温绝缘子进行实时识别,提高输电线路巡检的效率及准确率。
本发明实施例第一方面公开一种基于红外热点追踪的绝缘子识别方法,所述方法包括:
分析红外相机采集到的红外图像的所有温度值,并判断所述红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;
如果所述红外图像的所有温度值中存在所述目标温度值,确定所述红外图像中包含高温目标;
判断所述高温目标是否位于所述红外图像的中心区域,如果位于所述红外图像的中心区域,提取所述红外图像的方向梯度直方图特征;
利用AdaBoost分类器根据所述红外图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子;
如果识别出所述高温目标中包含所述绝缘子,输出绝缘子识别结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述方法还包括:
如果所述高温目标未位于所述红外图像的中心区域,将所述高温目标在所述红外图像中的位置坐标反馈给吊舱,以调整所述吊舱的姿态,使所述高温目标处于所述红外相机的成像区域的中心区域;
控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像;
提取所述目标图像的方向梯度直方图特征,并利用所述AdaBoost分类器根据所述目标图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子,如果识别出所述高温目标中包含所述绝缘子,输出绝缘子识别结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,所述方法还包括:
对所述目标图像进行中值滤波,得到所述目标图像滤波后的滤波图像;
以及,所述提取所述目标图像的方向梯度直方图特征,包括:
提取所述滤波图像的方向梯度直方图特征,作为所述目标图像的方向梯度直方图特征。
作为一种可选的实施方式,在本发明实施例第一方面中,在识别出所述高温目标中包含所述绝缘子之后,所述方法还包括:
根据预设的绝缘子轮廓特征,对从所述高温目标中识别出的所述绝缘子进行筛选,得到筛选后的识别结果;
将所述筛选后的识别结果确定为绝缘子识别结果,并执行所述的输出绝缘子识别结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,所述方法还包括:
调整可见光相机的视场大小,并控制所述可见光相机针对所述高温目标执行拍摄操作,得到可见光图像;
将所述可见光图像输出至显示屏,供巡检人员查看。
本发明实施例第二方面公开一种基于红外热点追踪的绝缘子识别装置,包括:
第一判断单元,用于分析红外相机采集到的红外图像的所有温度值,并判断所述红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;
确定单元,用于在所述第一判断单元判断出所述红外图像的所有温度值中存在所述目标温度值之后,确定所述红外图像中包含高温目标;
第二判断单元,用于判断所述高温目标是否位于所述红外图像的中心区域;
提取单元,用于在所述第二判断单元判断出所述高温目标位于所述红外图像的中心区域之后,提取所述红外图像的方向梯度直方图特征;
识别单元,用于利用AdaBoost分类器根据所述红外图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子;
第一输出单元,用于在所述识别单元识别出所述高温目标中包含所述绝缘子之后,输出绝缘子识别结果。
作为一种可选的实施方式,在本发明实施例第二方面中,还包括:
反馈单元,用于在所述第二判断单元判断出所述高温目标未位于所述红外图像的中心区域之后,将所述高温目标在所述红外图像中的位置坐标反馈给吊舱,以调整所述吊舱的姿态,使所述高温目标处于所述红外相机的成像区域的中心区域;
控制单元,用于控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像;
所述提取单元,还用于提取所述目标图像的方向梯度直方图特征;
所述识别单元,还用于利用所述AdaBoost分类器根据所述目标图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子。
作为一种可选的实施方式,在本发明实施例第二方面中,还包括:
滤波单元,用于在所述控制单元控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,对所述目标图像进行中值滤波,得到所述目标图像滤波后的滤波图像;
以及,所述提取单元提取所述目标图像的方向梯度直方图特征的方式具体为:
所述提取单元提取所述滤波图像的方向梯度直方图特征,作为所述目标图像的方向梯度直方图特征。
作为一种可选的实施方式,在本发明实施例第二方面中,还包括:
筛选单元,用于在所述识别单元识别出所述高温目标中包含所述绝缘子之后,根据预设的绝缘子轮廓特征,对从所述高温目标中识别出的所述绝缘子进行筛选,得到筛选后的识别结果;
所述确定单元,还用于将所述筛选后的识别结果确定为绝缘子识别结果,并触发所述第一输出单元执行所述的输出绝缘子识别结果。
作为一种可选的实施方式,在本发明实施例第二方面中,还包括:
调整单元,用于在所述控制单元控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,调整可见光相机的视场大小,并控制所述可见光相机针对所述高温目标执行拍摄操作,得到可见光图像;
第二输出单元,用于将所述可见光图像输出至显示屏,供巡检人员查看。
本发明实施例第三方面公开一种基于红外热点追踪的绝缘子识别装置,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面中任一项所述的基于红外热点追踪的绝缘子识别方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面中任一项所述的基于红外热点追踪的绝缘子识别方法。
与现有技术相比,本发明实施例具有以下有益效果:
通过分析红外相机采集到的红外图像的所有温度值,可以判断红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值,从而可以确定红外图像中是否包含高温目标,可以对红外图像拍摄到的输电线路上出现异常发热情况的目标进行自动识别;如果判断出输电线路上存在高温目标并且该高温目标处于红外图像的中心区域,提取红外图像的方向梯度直方图特征,并利用AdaBoost分类器根据该方向梯度直方图特征识别高温目标中是否包含绝缘子;如果包含,输出绝缘子识别结果,从而可以在判断出输电线路上存在高温目标的情况下进一步识别该高温目标中是否包含绝缘子,并且在该高温目标包含绝缘子的情况下输出对绝缘子的识别结果,该识别结果可以是绝缘子在该红外图像中的位置坐标,也可以是根据上述的位置坐标以及实时GPS信息计算得出的绝缘子的GPS位置信息等。可见,在本发明实施例中,可以实时、自动地实现对高温绝缘子的识别,整个过程无需巡检人员干预,从而可以提高输电线路巡检的效率及准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于红外热点追踪的绝缘子识别方法的流程示意图;
图2是本发明实施例公开的一种AdaBoost分类器的自适应训练过程的示意图;
图3是本发明实施例公开的一种绝缘子识别结果的输出现场效果图;
图4是本发明实施例公开的另一种基于红外热点追踪的绝缘子识别方法的流程示意图;
图5是本发明实施例公开的一种绝缘子初步识别结果的示例图;
图6是本发明实施例公开的一种基于红外热点追踪的绝缘子识别装置的结构示意图;
图7是本发明实施例公开的另一种基于红外热点追踪的绝缘子识别装置的结构示意图;
图8是本发明实施例公开的另一种基于红外热点追踪的绝缘子识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于红外热点追踪的绝缘子识别方法及装置,能够对高温绝缘子进行实时识别,提高输电线路巡检的效率及准确率。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于红外热点追踪的绝缘子识别方法的流程示意图。图1所描述的方法可以适用于输电线路的巡检设备。如图1所示,该基于红外热点追踪的绝缘子识别方法可以包括以下步骤:
101、巡检设备分析红外相机采集到的红外图像的所有温度值,并判断红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值,如果是,执行步骤102,如果否,结束本流程。
本发明实施例中,红外相机的硬件内部已经集成测温算法,可以在拍摄红外图像时直接得到红外图像中每个像素点的温度值,实时性能较好。预设的温度阈值可以根据绝缘子正常工作时的温度为参考设置,当出现破损或者炸裂等异常情况时,绝缘子的温度通常会远高于正常工作时的温度,因此当红外图像的所有温度值中存在高于预设的温度阈值的目标温度值时,可以认为该红外图像所拍摄到的输电线路上存在异常发热的高温目标,该高温目标可能包含绝缘子,也可能是输电线路上除绝缘子以外的其他部件,因此需要对该高温目标进行进一步的识别。
102、巡检设备确定红外图像中包含高温目标。
103、巡检设备判断高温目标是否位于红外图像的中心区域,如果是,执行步骤104,如果否,结束本流程。
104、巡检设备提取红外图像的方向梯度直方图特征。
本发明实施例中,方向梯度直方图(Histogram of Oriented Gradient,简称HOG)特征是计算机视觉和图像处理中用于物体检测的特征描述子,HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。
具体地,巡检设备提取红外图像的方向梯度直方图特征的方式可以为:
1、将红外图像转化为灰度图像,并采用Gamma校正法对转化后的灰度图像进行颜色空间的标准化(归一化),其中,Gamma校正的方式可以表示为:
I(x,y)=I(x,y)Γ; (1-1)
2、根据标准化后的图像中任一像素点(x,y)在x方向的水平梯度以及在y方向的垂直梯度计算该像素点(x,y)的梯度幅值和梯度方向;
其中,该像素点(x,y)在x方向的水平梯度的计算方式为:
Gx(x,y)=I(x+1,y)-I(x-1,y); (1-2)
该像素点(x,y)在y方向的垂直梯度的计算方式为:
Gy(x,y)=I(x,y+1)-I(x,y-1); (1-3)
该像素点(x,y)的梯度幅值的计算方式为:
该像素点(x,y)的梯度方向的计算方式为:
3、将进行颜色空间标准化后的灰度图像划分成若干个块(block),每个块分割成若干个像素单元(cell),每个像素单元中包含多个像素点,以该像素单元中每个像素点的梯度幅值为权重,利用预设数量的方向角度对该像素单元中所有像素点的梯度信息进行直方图加权投票;
举例来说,每个块中可以包含4个像素单元,每个像素单元中可以包含8×8个像素点,梯度范围可以划分为9个方向角度,以8×8个像素点中每个像素点的梯度幅值为权重,利用9个方向角度对8×8个像素点的梯度信息进行直方图加权投票;
4、对每个块进行块内归一化;其中,计算特征向量的L2范数的方式可以表示为:
式(1-6)中,v为归一化前的特征向量,v的最大值限定为0.2,e为一个很小的标量以防止分母为0。
5、收集该红外图像的HOG特征;其中,该红外图像的梯度方向向量数是由图像大小、每个像素单元的大小和每个像素单元选取的梯度维数等共同决定的:
式(1-7)中,Dc表示像素单元维数,Sb表示块大小,Sc表示像素单元大小,lb表示块移动步长(如8个像素),w与h分别表示图像的宽与高。
在本发明实施例中,HOG特征计算和统计图像局部区域的梯度方向直方图可以描述局部图像边缘的结构特征,可以代表局部的形状信息;利用梯度信息表征局部特征在一定程度上可以抑制图像平移和旋转带来的影响,并且通过颜色空间的标准化可以降低局部阴影和光照变化的影响;因此提取红外图像的HOG特征作为红外图像的特征描述子可以提高目标识别的准确率。
105、巡检设备利用AdaBoost分类器根据红外图像的方向梯度直方图特征识别高温目标中是否包含绝缘子,如果包含,执行步骤106,如果不包含,结束本流程。
本发明实施例中,AdaBoost分类器是针对同一个训练集训练不同的弱分类器并把这些弱分类器集合起来,最终构成的一个强分类器。AdaBoost分类器所采用的算法本身是通过改变数据分布实现的,根据每次训练时同一个训练集中每个样本的分类是否正确,以及上次的总体分类准确率来确定每个样本的权值,再将更新权值后的新数据集送给下层弱分类器进行训练,最后将每次训练得到的所有弱分类器集合起来,作为最后的决策分类器。
请一并参阅图2,图2所示的是一种AdaBoost分类器的自适应训练过程。
具体地,AdaBoost分类器的自适应训练过程可以表示如下:
给定训练样本集S={(x1,y1),…,(xM,yM)},分配并初始化样本权值D1(i)=1/M;对于第k个弱分类器,k=1,2,…,K。
2、计算影响因子αk:
3、更新训练样本的权值分布Dk+1(i):
4、集成分类器H(x):
本发明实施例中,可以采用包含绝缘子的灰度图片作为正样本以及不包含绝缘子的灰度图片作为负样本进行训练,生成AdaBoost分类器,比如说,可以选取1200张大小统一调整为40×20像素、包含绝缘子的灰度图片作为正样本,同时挑选2500张大小统一调整为48×24像素、不含绝缘子的灰度图片作为负样本,生成若干个弱分类器,再将弱分类器级联集成AdaBoost分类器。最终集成的AdaBoost分类器H(x)可以根据输入的红外图像HOG特征对红外图像中包含绝缘子的局部图像和不包含绝缘子的局部图像进行区分,因此可以识别红外图像中是否包含绝缘子,并且在红外图像包含绝缘子的情况下识别出绝缘子在红外图像中的具体位置。使用AdaBoost分类器可以排除一些不必要的训练数据特征,可以将训练的重点放在关键的训练数据上面,通过不断的训练,可以提高AdaBoost分类器的分类能力。
106、巡检设备输出绝缘子识别结果。
本发明实施例中,如果识别出高温目标中包含绝缘子,可以将该高温发热的绝缘子在红外图像中圈示出来,并将圈示出绝缘子的红外图像作为绝缘子识别结果输出至显示屏以供巡检人员查看。进一步地,还可以在红外图像中叠加绝缘子的温度信息。请一并参阅图3,图3所示的是一种绝缘子识别结果的输出现场效果图。此外,巡检设备还可以在识别出高温目标中包含绝缘子后,记录该绝缘子的温度、经纬度坐标以及缺陷级别等信息,生成该绝缘子的缺陷报告,并以文件形式存储,本发明实施例不做限定。
可见,在图1所描述的方法中,巡检设备可以通过分析红外相机拍摄到的红外图像中是否存在温度值高于温度阈值的目标温度值,从而判断红外图像中是否存在高温目标,并且在判断出红外图像中存在高温目标,并且该高温目标处于红外图像的中心区域时,提取红外图像的HOG特征,利用AdaBoost分类器根据HOG特征识别出高温目标中的绝缘子,并输出绝缘子识别结果,从而可以自动实现高温绝缘子的实时识别,无需人工干预,提高了输电线路检测的效率和准确率。
实施例二
请参阅图4,图4是本发明实施例公开的另一种基于红外热点追踪的绝缘子识别方法的流程示意图。如图4所示,该基于红外热点追踪的绝缘子识别方法可以包括以下步骤:
其中,步骤201~步骤202与步骤101~步骤102相同,以下内容不再赘述。
203、巡检设备判断高温目标是否位于红外图像的中心区域,如果是,执行步骤204,如果否,执行步骤205~步骤207。
204、巡检设备提取红外图像的方向梯度直方图特征,并利用AdaBoost分类器根据红外图像的方向梯度直方图特征识别高温目标中是否包含绝缘子,如果包含,执行步骤208,如果不包含,结束本流程。
205、巡检设备将高温目标在红外图像中的位置坐标反馈给吊舱,以调整吊舱的姿态,使高温目标处于红外相机的成像区域的中心区域。
本发明实施例中,红外相机设于吊舱上,因此红外相机的姿态能够随着吊舱姿态的调整而改变,从而可以调整红外相机的取景目标。通过不断调整吊舱的位置,可以使高温目标处于红外相机成像区域的中心区域,从而使红外图像尽可能包含高温目标的所有特征,降低因为红外图像中目标不完整而导致识别失败的概率。可选的,当高温目标处于红外相机成像区域的中心区域之后,巡检设备还可以控制吊舱锁定,从而可以在检测过程中降低因吊舱自身运动而导致拍摄到的图像中高温目标发生偏移,提高目标识别的准确率。
206、巡检设备控制红外相机以高温目标为中心进行自动对焦并执行成像操作,得到高温目标处于中心区域且以高温目标为焦点的目标图像。
本发明实施例中,以高温目标为中心进行自动对焦,并执行成像操作,可以使执行成像操作得到的红外图像中高温目标的细节特征更加清晰,从而可以进一步提高目标识别的准确率。
作为一种可选的实施方式,在本发明实施例中,巡检设备在执行步骤206之后,还可以执行以下步骤:
巡检设备调整可见光相机的视场大小,并控制可见光相机针对高温目标执行拍摄操作,得到可见光图像;
巡检设备将可见光图像输出至显示屏,供巡检人员查看。
其中,实施上述的实施方式,巡检人员可以在显示屏中实时查看到与红外图像同步的可见光图像,从而可以采用可见光图像作为辅助证据,人工辅助绝缘子的识别,提高绝缘子识别的准确率。
207、巡检设备提取目标图像的方向梯度直方图特征,并利用AdaBoost分类器根据目标图像的方向梯度直方图特征识别高温目标中是否包含绝缘子,如果包含,执行步骤208,如果不包含,结束本流程。
作为一种可选的实施方式,在本发明实施例中,巡检设备在执行步骤206之后,以及在执行步骤207之前,还可以执行以下步骤:
巡检设备对目标图像进行中值滤波,得到目标图像滤波后的滤波图像。
以及,在该实施方式中,巡检设备执行步骤207时,提取目标图像的方向梯度直方图特征的方式具体可以为:
巡检设备提取滤波图像的方向梯度直方图特征,作为目标图像的方向梯度直方图特征。
其中,在上述的实施方式中,采用中值滤波器对目标图像进行中值滤波可以抑制目标图像中的脉冲噪声,同时,对比线性滤波器(如均值滤波器),中值滤波器可以在去除噪声的同时减少因滤波而造成的图像细节模糊,能够较好地保护目标图像的边缘细节信息,有利于后续根据目标图像的梯度信息提取目标图像的HOG特征。
一般来说,中值滤波采用的滑动窗口(即滤波模板)通常含有奇数个像素点,比如说滑动窗口大小通常设置为3×3,5×5,7×7等。对于给定窗口内按从小到大排列的n个像素值{z1,z2,…,zn},根据n值的奇偶性,有两种不同的取值方式:
当n为奇数时,中值即为位于这n个像素值中间位置的值;
当n为偶数时,中值为位于这n个像素值中间位置的两个像素值的平均值;
上述的两种取值方式均可记作med{z1,z2,…,zn}。
对于目标图像中的任一像素点(x,y),中值滤波后该像素点的像素值被设置为该点所处的滑动窗口S内所有像素点像素值的中值,即:
此外,中值滤波的滤波效果较大程度地受到来自滑动窗口形状和窗口尺寸的影响,常见的滑动窗口有线性、圆形、十字形、方形和菱形等形状,方形或圆形的滑动窗口比较适用于于包含轮廓线较长物体的图像,十字形的滑动窗口比较适用于包含尖顶角物体的图像。因此,可以根据不同的绝缘子识别要求选择不同的滑动窗口形状和窗口尺寸,本发明实施例不做限定。
208、巡检设备根据预设的绝缘子轮廓特征,对从高温目标中识别出的绝缘子进行筛选,得到筛选后的识别结果。
本发明实施例中,巡检设备执行步骤207后得到的初步识别结果可能存在误判,比如说把部分杆塔误识别成绝缘子。请一并参阅图5,图5为一种绝缘子初步识别结果的示例图,其中,图5的(1)和(2)为部分杆塔,是错误的初步识别结果,(3)和(4)是绝缘子,是正确的初步识别结果。从图5的(3)和(4)中不难看出,绝缘子的轮廓特征中像素值为1的连通闭合区域较多,而从图5的(1)和(2)中可以看出,对于部分杆塔而言,轮廓特征中像素值为0的连通闭合区域较多,且对比图5的(1)和(2)中像素值为1的连通闭合区域数量和图5的(3)和(4)中像素值为0的连通闭合区域数量,可以看出像素值为0的连通闭合区域数量明显少于像素值为1的连通闭合区域数量。因此,针对初步识别结果,可以根据连通闭合区域的面积大小或者连通闭合区域数量等绝缘子的轮廓特征对初步识别结果进行进一步的筛选,从而降低误判的概率,提高绝缘子识别的准确率。
209、巡检设备将筛选后的识别结果确定为绝缘子识别结果,并输出该绝缘子识别结果。
可见,在图4所描述的方法中,巡检设备通过分析红外图像的温度值,发现高温目标之后,可以在高温目标处于红外图像的中心区域时,直接提取红外图像的HOG特征,并利用AdaBoost分类器根据红外图像的HOG特征进行绝缘子的识别;也可以在高温目标未处于红外图像的中心区域时,先根据高温目标在红外图像中的位置坐标调整吊舱姿态,并以高温目标为中心进行自动对焦,得到高温目标处于中心区域并且以高温目标为焦点的目标图像,再提取目标图像的HOG特征,利用AdaBoost分类器根据目标图像的HOG特征进行绝缘子的识别,从而可以提高高温目标细节特征的清晰度,并且降低因为红外图像中目标不完整而导致识别失败的概率。此外,当高温目标处于红外相机成像区域的中心区域之后,锁定吊舱,再执行成像操作,可以减少因吊舱自身运动而导致拍摄到的图像中高温目标发生偏移的可能性。进一步地,在图4所描述的方法中,巡检设备在获得目标图像之后,可以先对目标图像进行中值滤波,再提取目标图像的HOG特征,从而可以降低脉冲噪声的影响。以及,巡检设备在获得目标图像之后,还可以在调整可见光相机的视场大小之后,控制可见光相机针对高温目标执行拍摄操作,将拍摄得到的可见光图像输出至显示屏以供巡检人员查看,可以使巡检人员利用可见光图像作为辅助证据,人工辅助识别绝缘子。更进一步地,在图4所描述的方法中,巡检设备从高温目标中识别出绝缘子,得到初步识别结果之后,还可以根据绝缘子的轮廓特征对初步识别结果进行进一步筛选,从而可以提高绝缘子识别的准确率。
实施例三
请参阅图6,图6是本发明实施例公开一种基于红外热点追踪的绝缘子识别装置。该基于红外热点追踪的绝缘子识别装置可以应用于输电线路的巡检设备。如图6所示,该基于红外热点追踪的绝缘子识别装置可以包括:
第一判断单元601,用于分析红外相机采集到的红外图像的所有温度值,并判断红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;
确定单元602,用于在第一判断单元601判断出红外图像的所有温度值中存在目标温度值之后,确定红外图像中包含高温目标;
本发明实施例中,确定单元602确定出红外图像中包含高温目标之后,可以触发启动第二判断单元603;
第二判断单元603,用于在确定单元602确定出红外图像中包含高温目标之后,判断高温目标是否位于红外图像的中心区域;
提取单元604,用于在第二判断单元603判断出高温目标位于红外图像的中心区域之后,提取红外图像的方向梯度直方图特征;
识别单元605,用于利用AdaBoost分类器根据提取单元604提取出的红外图像的方向梯度直方图特征识别高温目标中是否包含绝缘子;
第一输出单元606,用于在识别单元605识别出高温目标中包含绝缘子之后,输出绝缘子识别结果。
其中,实施图6所示的基于红外热点追踪的绝缘子识别装置,可以通过分析红外相机拍摄到的红外图像中是否存在温度值高于温度阈值的目标温度值,从而判断红外图像中是否存在高温目标,并且在判断出红外图像中存在高温目标,并且该高温目标处于红外图像的中心区域时,提取红外图像的HOG特征,利用AdaBoost分类器根据HOG特征识别出高温目标中的绝缘子,并输出绝缘子识别结果,从而可以自动实现高温绝缘子的实时识别,无需人工干预,提高了输电线路检测的效率和准确率。
实施例四
请参阅图7,图7是本发明实施例公开另一种基于红外热点追踪的绝缘子识别装置。其中,图7所示的基于红外热点追踪的绝缘子识别装置是由图6所示的基于红外热点追踪的绝缘子识别装置进行优化得到的。与图6所示的基于红外热点追踪的绝缘子识别装置相比较,在图7所示的基于红外热点追踪的绝缘子识别装置还可以包括:
反馈单元607,用于在第二判断单元603判断出高温目标未位于红外图像的中心区域之后,将高温目标在红外图像中的位置坐标反馈给吊舱,以调整吊舱的姿态,使高温目标处于红外相机的成像区域的中心区域;
本发明实施例中,反馈单元607将高温目标在红外图像中的位置坐标反馈给吊舱之后,还可以触发启动控制单元608;
控制单元608,用于在反馈单元607将高温目标在红外图像中的位置坐标反馈给吊舱之后,控制红外相机以高温目标为中心进行自动对焦并执行成像操作,得到高温目标处于中心区域且以高温目标为焦点的目标图像;
上述的提取单元604,还用于提取控制单元608得到的目标图像的方向梯度直方图特征;
上述的识别单元605,还用于利用AdaBoost分类器根据提取单元604提取出的目标图像的方向梯度直方图特征识别高温目标中是否包含绝缘子,并在识别出高温目标中包含绝缘子之后,触发启动第一输出单元606输出绝缘子识别结果。
可选的,图7所示的基于红外热点追踪的绝缘子识别装置中还可以包括:
滤波单元609,用于在控制单元608控制红外相机以高温目标为中心进行自动对焦并执行成像操作,得到高温目标处于中心区域且以高温目标为焦点的目标图像之后,对目标图像进行中值滤波,得到目标图像滤波后的子图像;
本发明实施例中,滤波单元609在对目标图像进行中值滤波,得到目标图像滤波后的子图像之后,还可以触发启动提取单元604提取目标图像的方向梯度直方图特征;
上述的提取单元604在滤波单元609得到目标图像滤波后的子图像之后,提取目标图像的方向梯度直方图特征的方式具体为:
提取单元604提取滤波单元609得到的子图像的方向梯度直方图特征,作为目标图像的方向梯度直方图特征。
进一步可选的,图7所示的基于红外热点追踪的绝缘子识别装置中还可以包括:
筛选单元610,用于在识别单元605识别出高温目标中包含绝缘子之后,根据预设的绝缘子轮廓特征,对识别单元605从高温目标中识别出的绝缘子进行筛选,得到筛选后的识别结果;
本发明实施例中,筛选单元610在根据预设的绝缘子轮廓特征,对识别单元605从高温目标中识别出的绝缘子进行筛选,得到筛选后的识别结果之后,还可以触发启动确定单元602;
上述的确定单元602,还用于将筛选单元610筛选后的识别结果确定为绝缘子识别结果,并触发启动第一输出单元606输出绝缘子识别结果。
再进一步可选的,图7所示的基于红外热点追踪的绝缘子识别装置中还可以包括:
调整单元611,用于在控制单元608控制红外相机以高温目标为中心进行自动对焦并执行成像操作,得到高温目标处于中心区域且以高温目标为焦点的目标图像之后,调整可见光相机的视场大小,并控制可见光相机针对高温目标执行拍摄操作,得到可见光图像;
本发明实施例中,具体的,控制单元608控制红外相机以高温目标为中心进行自动对焦并执行成像操作,得到高温目标处于中心区域且以高温目标为焦点的目标图像之后,还可以触发启动调整单元611;
第二输出单元612,用于将调整单元611得到的可见光图像输出至显示屏,供巡检人员查看。
其中,实施图7所示的基于红外热点追踪的绝缘子识别装置,通过分析红外图像的温度值,发现高温目标之后,可以在高温目标处于红外图像的中心区域时,直接提取红外图像的HOG特征,并利用AdaBoost分类器根据红外图像的HOG特征进行绝缘子的识别;也可以在高温目标未处于红外图像的中心区域时,先根据高温目标在红外图像中的位置坐标调整吊舱姿态,并以高温目标为中心进行自动对焦,得到高温目标处于中心区域并且以高温目标为焦点的目标图像,再提取目标图像的HOG特征,利用AdaBoost分类器根据目标图像的HOG特征进行绝缘子的识别,从而可以提高高温目标细节特征的清晰度,并且降低因为红外图像中目标不完整而导致识别失败的概率。进一步地,实施图7所示的基于红外热点追踪的绝缘子识别装置,在获得目标图像之后,可以先对目标图像进行中值滤波,再提取目标图像的HOG特征,从而可以降低脉冲噪声的影响。更进一步地,实施图7所示的基于红外热点追踪的绝缘子识别装置,从高温目标中识别出绝缘子,得到初步识别结果之后,还可以根据绝缘子的轮廓特征对初步识别结果进行进一步筛选,从而可以提高绝缘子识别的准确率。再进一步地,实施图7所示的基于红外热点追踪的绝缘子识别装置,在获得目标图像之后,还可以在调整可见光相机的视场大小之后,控制可见光相机针对高温目标执行拍摄操作,将拍摄得到的可见光图像输出至显示屏以供巡检人员查看,可以使巡检人员利用可见光图像作为辅助证据,人工辅助识别绝缘子。
实施例五
请参阅图8,图8是本发明实施例公开的另一种基于红外热点追踪的绝缘子识别装置的结构示意图。如图8所示,该基于红外热点追踪的绝缘子识别装置还可以包括:
存储有可执行程序代码的存储器801;
与存储器801耦合的处理器802;
其中,处理器802调用存储器801中存储的可执行程序代码,执行图1或图4所示的基于红外热点追踪的绝缘子识别方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1或图4所示的基于红外热点追踪的绝缘子识别方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于红外热点追踪的绝缘子识别方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于红外热点追踪的绝缘子识别方法,其特征在于,所述方法包括:
分析红外相机采集到的红外图像的所有温度值,并判断所述红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;
如果所述红外图像的所有温度值中存在所述目标温度值,确定所述红外图像中包含高温目标;
判断所述高温目标是否位于所述红外图像的中心区域;
如果所述高温目标位于所述红外图像的中心区域,提取所述红外图像的方向梯度直方图特征;利用AdaBoost分类器根据所述红外图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子;如果识别出所述高温目标中包含所述绝缘子,输出绝缘子识别结果;
如果所述高温目标未位于所述红外图像的中心区域,将所述高温目标在所述红外图像中的位置坐标反馈给吊舱,以调整所述吊舱的姿态,使所述高温目标处于所述红外相机的成像区域的中心区域;控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像;提取所述目标图像的方向梯度直方图特征,并利用所述AdaBoost分类器根据所述目标图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子,如果识别出所述高温目标中包含所述绝缘子,输出绝缘子识别结果。
2.根据权利要求1所述的基于红外热点追踪的绝缘子识别方法,其特征在于,所述控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,所述方法还包括:
对所述目标图像进行中值滤波,得到所述目标图像滤波后的滤波图像;
以及,所述提取所述目标图像的方向梯度直方图特征,包括:
提取所述滤波图像的方向梯度直方图特征,作为所述目标图像的方向梯度直方图特征。
3.根据权利要求2所述的基于红外热点追踪的绝缘子识别方法,其特征在于,在识别出所述高温目标中包含所述绝缘子之后,所述方法还包括:
根据预设的绝缘子轮廓特征,对从所述高温目标中识别出的所述绝缘子进行筛选,得到筛选后的识别结果;
将所述筛选后的识别结果确定为绝缘子识别结果,并执行所述的输出绝缘子识别结果。
4.根据权利要求1~3任一项所述的基于红外热点追踪的绝缘子识别方法,其特征在于,所述控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,所述方法还包括:
调整可见光相机的视场大小,并控制所述可见光相机针对所述高温目标执行拍摄操作,得到可见光图像;
将所述可见光图像输出至显示屏,供巡检人员查看。
5.一种基于红外热点追踪的绝缘子识别装置,其特征在于,包括:
第一判断单元,用于分析红外相机采集到的红外图像的所有温度值,并判断所述红外图像的所有温度值中是否存在高于预设的温度阈值的目标温度值;
确定单元,用于在所述第一判断单元判断出所述红外图像的所有温度值中存在所述目标温度值之后,确定所述红外图像中包含高温目标;
第二判断单元,用于判断所述高温目标是否位于所述红外图像的中心区域;
提取单元,用于在所述第二判断单元判断出所述高温目标位于所述红外图像的中心区域之后,提取所述红外图像的方向梯度直方图特征;
识别单元,用于利用AdaBoost分类器根据所述红外图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子;
第一输出单元,用于在所述识别单元识别出所述高温目标中包含所述绝缘子之后,输出绝缘子识别结果;
反馈单元,用于在所述第二判断单元判断出所述高温目标未位于所述红外图像的中心区域之后,将所述高温目标在所述红外图像中的位置坐标反馈给吊舱,以调整所述吊舱的姿态,使所述高温目标处于所述红外相机的成像区域的中心区域;
控制单元,用于控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像;
所述提取单元,还用于提取所述目标图像的方向梯度直方图特征;
所述识别单元,还用于利用所述AdaBoost分类器根据所述目标图像的方向梯度直方图特征识别所述高温目标中是否包含绝缘子。
6.根据权利要求5所述的基于红外热点追踪的绝缘子识别装置,其特征在于,还包括:
滤波单元,用于在所述控制单元控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,对所述目标图像进行中值滤波,得到所述目标图像滤波后的滤波图像;
以及,所述提取单元提取所述目标图像的方向梯度直方图特征的方式具体为:
所述提取单元提取所述滤波图像的方向梯度直方图特征,作为所述目标图像的方向梯度直方图特征。
7.根据权利要求6所述的基于红外热点追踪的绝缘子识别装置,其特征在于,还包括:
筛选单元,用于在所述识别单元识别出所述高温目标中包含所述绝缘子之后,根据预设的绝缘子轮廓特征,对从所述高温目标中识别出的所述绝缘子进行筛选,得到筛选后的识别结果;
所述确定单元,还用于将所述筛选后的识别结果确定为绝缘子识别结果,并触发所述第一输出单元执行所述的输出绝缘子识别结果。
8.根据权利要求5~7任一项所述的基于红外热点追踪的绝缘子识别装置,其特征在于,还包括:
调整单元,用于在所述控制单元控制所述红外相机以所述高温目标为中心进行自动对焦并执行成像操作,得到所述高温目标处于中心区域且以所述高温目标为焦点的目标图像之后,调整可见光相机的视场大小,并控制所述可见光相机针对所述高温目标执行拍摄操作,得到可见光图像;
第二输出单元,用于将所述可见光图像输出至显示屏,供巡检人员查看。
9.一种基于红外热点追踪的绝缘子识别装置,其特征在于,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行权利要求1~4任一项所述的基于红外热点追踪的绝缘子识别方法。
10.一种计算机可读存储介质,其特征在于,其存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1~4任一项所述的基于红外热点追踪的绝缘子识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901407.5A CN107766801B (zh) | 2017-09-28 | 2017-09-28 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901407.5A CN107766801B (zh) | 2017-09-28 | 2017-09-28 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766801A CN107766801A (zh) | 2018-03-06 |
CN107766801B true CN107766801B (zh) | 2021-02-05 |
Family
ID=61267736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710901407.5A Active CN107766801B (zh) | 2017-09-28 | 2017-09-28 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766801B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110411570B (zh) * | 2019-06-28 | 2020-08-28 | 武汉高德智感科技有限公司 | 基于人体检测和人体跟踪技术的红外人体温度筛查方法 |
CN110780164B (zh) * | 2019-11-04 | 2022-03-25 | 华北电力大学(保定) | 基于yolo的绝缘子红外故障定位诊断方法及装置 |
CN111998949B (zh) * | 2020-05-21 | 2022-04-01 | 中国地质大学(北京) | 基于红外传感器与图像识别的近程温度识别装置 |
CN112595730A (zh) * | 2020-11-13 | 2021-04-02 | 深圳供电局有限公司 | 电缆破损识别方法、装置和计算机设备 |
CN112989910A (zh) * | 2020-12-12 | 2021-06-18 | 南方电网调峰调频发电有限公司 | 电力目标检测方法、装置、计算机设备和存储介质 |
CN115421006A (zh) * | 2022-08-17 | 2022-12-02 | 广州科易光电技术有限公司 | 绝缘子串缺陷检测方法、设备终端及存储介质 |
CN116228778B (zh) * | 2023-05-10 | 2023-09-08 | 国网山东省电力公司菏泽供电公司 | 一种基于多模态信息融合的绝缘子破裂的检测方法及系统 |
CN116543354A (zh) * | 2023-06-27 | 2023-08-04 | 南方电网数字电网研究院有限公司 | 红外图像线夹过热识别方法、装置和计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202172233U (zh) * | 2011-08-10 | 2012-03-21 | 国网通用航空有限公司 | 一种高压输电线自动巡检系统 |
CN102565625A (zh) * | 2011-05-25 | 2012-07-11 | 上海大学 | 基于红外图像智能诊断高压输电线路热缺陷的方法 |
CN103792238A (zh) * | 2014-02-07 | 2014-05-14 | 国家电网公司 | 一种瓷质悬式绝缘子缺陷诊断方法 |
CN104571140A (zh) * | 2014-11-20 | 2015-04-29 | 中国建材检验认证集团股份有限公司 | 一种光伏组件巡检拍照控制系统 |
CN204992418U (zh) * | 2015-09-22 | 2016-01-20 | 南方电网科学研究院有限责任公司 | 一种无人机输电线路缺陷自动巡检装置 |
CN106099763A (zh) * | 2016-08-18 | 2016-11-09 | 天津中翔腾航科技股份有限公司 | 一种输电线路无人机巡检装置 |
CN106124949A (zh) * | 2016-08-30 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于热红外成像技术对绝缘子故障在线监测方法 |
CN106570863A (zh) * | 2016-10-25 | 2017-04-19 | 南方电网科学研究院有限责任公司 | 一种输电线路的检测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413139B (zh) * | 2013-06-28 | 2015-05-20 | 广东电网公司电力科学研究院 | 基于电力巡线红外巡检视频数据的电力设备异常发热检测方法 |
CN104021394B (zh) * | 2014-06-05 | 2017-12-01 | 华北电力大学(保定) | 基于AdaBoost算法的绝缘子图像识别方法 |
CN104713901B (zh) * | 2015-01-23 | 2017-08-25 | 国家电网公司 | 基于红外精确测温的复合绝缘子绝缘缺陷检测方法 |
CN104764748B (zh) * | 2015-05-04 | 2017-08-11 | 成都唐源电气有限责任公司 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
CN105354589A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 |
CN105404872A (zh) * | 2015-11-26 | 2016-03-16 | 华北电力大学(保定) | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 |
CN106960178B (zh) * | 2017-02-23 | 2020-02-07 | 中国科学院自动化研究所 | 绝缘子识别模型的训练方法以及绝缘子的识别与定位方法 |
-
2017
- 2017-09-28 CN CN201710901407.5A patent/CN107766801B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565625A (zh) * | 2011-05-25 | 2012-07-11 | 上海大学 | 基于红外图像智能诊断高压输电线路热缺陷的方法 |
CN202172233U (zh) * | 2011-08-10 | 2012-03-21 | 国网通用航空有限公司 | 一种高压输电线自动巡检系统 |
CN103792238A (zh) * | 2014-02-07 | 2014-05-14 | 国家电网公司 | 一种瓷质悬式绝缘子缺陷诊断方法 |
CN104571140A (zh) * | 2014-11-20 | 2015-04-29 | 中国建材检验认证集团股份有限公司 | 一种光伏组件巡检拍照控制系统 |
CN204992418U (zh) * | 2015-09-22 | 2016-01-20 | 南方电网科学研究院有限责任公司 | 一种无人机输电线路缺陷自动巡检装置 |
CN106099763A (zh) * | 2016-08-18 | 2016-11-09 | 天津中翔腾航科技股份有限公司 | 一种输电线路无人机巡检装置 |
CN106124949A (zh) * | 2016-08-30 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于热红外成像技术对绝缘子故障在线监测方法 |
CN106570863A (zh) * | 2016-10-25 | 2017-04-19 | 南方电网科学研究院有限责任公司 | 一种输电线路的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107766801A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766801B (zh) | 一种基于红外热点追踪的绝缘子识别方法及装置 | |
CN111428748B (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
US9619708B2 (en) | Method of detecting a main subject in an image | |
US20150363670A1 (en) | Image recognition method and camera system | |
CN109492577B (zh) | 一种手势识别方法、装置及电子设备 | |
JP6482195B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
CN109145803B (zh) | 手势识别方法及装置、电子设备、计算机可读存储介质 | |
CN108664840A (zh) | 图像识别方法及装置 | |
JP2005228042A (ja) | 顔識別装置、顔識別方法及び顔識別プログラム | |
CN109413411B (zh) | 一种监控线路的黑屏识别方法、装置及服务器 | |
CN109448022B (zh) | 用于导引系统的红外抗遮挡跟踪方法 | |
US11170486B2 (en) | Image analysis device, image analysis method and image analysis program | |
US20150161785A1 (en) | Methods and systems for characterizing angle closure glaucoma for risk assessment or screening | |
CN111368758A (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
CN114943923B (zh) | 基于深度学习的视频识别炮弹爆炸火光烟雾方法及系统 | |
CN109492647A (zh) | 一种电网机器人障碍物识别方法 | |
JP5361576B2 (ja) | 駐車場における車両の検知システムおよび検知方法 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN110245592A (zh) | 一种用于提升监控场景的行人重识别率的方法 | |
CN111310899B (zh) | 基于共生关系和小样本学习的电力缺陷识别方法 | |
CN117197700A (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN108090473A (zh) | 多相机下人脸识别的方法及装置 | |
US20200074612A1 (en) | Image analysis apparatus, image analysis method, and recording medium | |
CN116977931A (zh) | 一种基于深度学习的高空抛物识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |