CN108010019A - 一种基于自适应切割单个绝缘子的缺陷检测方法 - Google Patents
一种基于自适应切割单个绝缘子的缺陷检测方法 Download PDFInfo
- Publication number
- CN108010019A CN108010019A CN201711224586.XA CN201711224586A CN108010019A CN 108010019 A CN108010019 A CN 108010019A CN 201711224586 A CN201711224586 A CN 201711224586A CN 108010019 A CN108010019 A CN 108010019A
- Authority
- CN
- China
- Prior art keywords
- insulator
- defects
- pictures
- detecting system
- detection
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 117
- 230000007547 defect Effects 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000005520 cutting process Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000009413 insulation Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 abstract description 3
- 239000010959 steel Substances 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 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
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Insulators (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于自适应切割单个绝缘子的缺陷检测方法，其包括如下步骤：由无人机拍摄所需检测区域的绝缘子图片，并传输至终端，输入绝缘子缺陷检测系统；绝缘子缺陷检测系统通过预处理方法处理绝缘子图片；绝缘子缺陷检测系统通过根据上下边界缺陷检测方法对预处理后的绝缘子图片进行上下边界缺陷检测；绝缘子缺陷检测系统根据绝缘子排列的先验知识，得到最后的缺陷位置坐标并用标注。本发明的优点在于：其只需一个工作人员控制无人机的飞行轨迹，围绕铁塔区域采集绝缘子图片，然后送入终端，经过绝缘子缺陷检测系统，最终得出缺陷检测位置，操作简单方便，检测效率高。
Description
方法领域
本发明涉及绝缘子缺陷检测技术领域，具体涉及一种基于自适应切割单个绝缘子的缺陷检测方法。
背景方法
随着经济的迅猛发展，生产生活中各个领域对电能的需求大幅提高，而高压和超高压架空电力线是长距离输配电的主要方式，绝缘子作为输电线的关键部件之一，起着支撑和绝缘的作用，因此保留其完整性对安全输电具有重要作用。
因为绝缘子的材料等原因，容易发生老化、自爆等损坏现象，若绝缘子存在损坏或缺失，容易导致停电或电网瘫痪，甚至产生闪络现象，伤害人畜、破坏金属建筑物。目前现有的绝缘子缺陷检测方法主要是人工观察法，此方法检测效率低且受人工干扰强，其他的方法如用超声波检测、红外测温等，这些方法对设备要求高，且操作复杂，成本高，实用性低。
无人机巡检技术在近些年得到广泛的应用，因此可以将无人机飞行技术和图像处理方法结合用于绝缘子缺陷检测。
发明内容
本发明的目的就是要针对现有技术的不足，提供一种基于自适应切割单个绝缘子的缺陷检测方法，其只需一个工作人员控制无人机的飞行轨迹，围绕铁塔区域采集绝缘子图片，然后送入终端，经过绝缘子缺陷检测系统，最终得出缺陷检测位置，操作简单方便，检测效率高。
为实现上述目的，本发明所涉及的一种基于自适应切割单个绝缘子的缺陷检测方法，其包括如下步骤：
步骤1：由无人机拍摄所需检测区域的绝缘子图片，并传输至终端，输入绝缘子缺陷检测系统；
步骤2：所述绝缘子缺陷检测系统通过预处理方法处理绝缘子图片；
步骤3：所述绝缘子缺陷检测系统通过根据上下边界缺陷检测方法对预处理后的绝缘子图片进行上下边界缺陷检测；
步骤4：所述绝缘子缺陷检测系统根据绝缘子排列的先验知识，得到最后的缺陷位置坐标并用标注。
进一步地，所述步骤2中：
所述预处理方法包括如下步骤：
步骤2.1：将绝缘子图片二值化；
步骤2.2：将二值化图片进行形态学操作；
步骤2.3：计算图片的倾斜角度并自动校正，得到水平方向的绝缘子；
步骤2.4：对旋转后的图片进行水平投影，自动检测出水平投影图的有效波峰，波峰位置即对应着绝缘子的主轴位置；
步骤2.5：以主轴位置和水平投影图的起始点作为分界线将待测图片分割成上边界和下边界两部分，对得到的分割图像自适应准确分割出单个绝缘子并计算出每个绝缘子的最小外界矩形。
进一步地，所述步骤3中：
所述上下边界缺陷检测方法包括如下步骤：
步骤3.1：根据最小外界矩形的中心坐标计算出相邻绝缘子之间的间隔；
步骤3.2：以1.5倍绝缘子间隔值作为阈值，最小外界矩形的峰值坐标拟合直线；
步骤3.3：若某最小外界矩形与拟合直线之间距离较大或者相邻绝缘子的距离大于了设定阈值，则说明此区域中含有缺陷绝缘子。
更进一步地，所述步骤4中：
步骤4.1：对单排绝缘子，将上边界和下边界的缺陷检测结果取并，即在同一位置均检测出缺陷才认为该位置上存在缺陷绝缘子；对于双排绝缘子，本文将上边界和下边界的缺陷检测结果取或，即只要在一个位置上存在缺陷则认为该位置上存在缺陷绝缘子；
步骤4.2：所述绝缘子缺陷检测系统将缺陷绝缘子的位置坐标信息输出并标注。
作为优选项，所述步骤2.1中：所述绝缘子图片二值化方法为使用Otsu二值化。
作为优选项，所述步骤2.2中：所述二值化图片的形态学操作为先膨胀后腐蚀的形态学操作。
本发明的优点在于：其针对不同排列、不同形态的绝缘子，研究建立绝缘子缺陷情况的自动检测方法，提高绝缘子缺陷检测的精确性和效率，实现绝缘子缺陷检测的自动化水平。只需一个工作人员控制无人机的飞行轨迹，围绕铁塔区域采集绝缘子图片，然后送入终端，经过绝缘子缺陷检测系统，最终得出缺陷检测位置，操作简单方便，检测效率高。
附图说明
图1为本发明的工作流程图；
图2为图像预处理流程图；
图3为图像切割流程图；
图4为上下边界缺陷检测流程图；
图5为单排绝缘子缺陷检测流程图；
图6为双排绝缘子缺陷检测流程图；
图7为单排绝缘子图；
图8为单排绝缘子二值化图；
图9为单排绝缘子滤波、倾斜矫正图；
图10为单排绝缘子水平投影边缘图峰值检测图；
图11为单排绝缘子主轴检测图；
图12为单排绝缘子上边界单个绝缘子切割图；
图13为单排绝缘子上边界直线拟合、缺陷检测图；
图14为单排绝缘子下边界单个绝缘子切割图；
图15为单排绝缘子直线拟合、缺陷检测图；
图16为单排绝缘子上、下边界取并后缺陷检测结果图；
图17双排绝缘子图；
图18为双排绝缘子二值化图；
图19为双排绝缘子滤波、倾斜矫正图；
图20为双排绝缘子主轴检测图；
图21为双排绝缘子上边界单个绝缘子切割图；
图22为双排绝缘子上边界直线拟合、缺陷检测图；
图23为双排绝缘子下边界单个绝缘子切割图；
图24为双排绝缘子下边界直线拟合、缺陷检测图；
图25为双排绝缘子上、下边界取或后缺陷检测结果图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述：
如图1～6，一种基于自适应切割单个绝缘子的缺陷检测方法，其包括如下步骤：
步骤1：由无人机拍摄所需检测区域的绝缘子图片，并传输至终端，输入绝缘子缺陷检测系统；
步骤2：所述绝缘子缺陷检测系统通过预处理方法处理绝缘子图片：
步骤2.1：将绝缘子图片使用Otsu二值化；
步骤2.2：将二值化图片进行先膨胀后腐蚀的形态学操作；
步骤2.3：计算图片的倾斜角度并自动校正，得到水平方向的绝缘子；
步骤2.4：对旋转后的图片进行水平投影，自动检测出水平投影图的有效波峰，波峰位置即对应着绝缘子的主轴位置；
步骤2.5：以主轴位置和水平投影图的起始点作为分界线将待测图片分割成上边界和下边界两部分，对得到的分割图像自适应准确分割出单个绝缘子并计算出每个绝缘子的最小外界矩形。
步骤3：所述绝缘子缺陷检测系统通过根据上下边界缺陷检测方法对预处理后的绝缘子图片进行上下边界缺陷检测：
步骤3.1：根据最小外界矩形的中心坐标计算出相邻绝缘子之间的间隔；
步骤3.2：以1.5倍绝缘子间隔值作为阈值，最小外界矩形的峰值坐标拟合直线；
步骤3.3：若某最小外界矩形与拟合直线之间距离较大或者相邻绝缘子的距离大于了设定阈值，则说明此区域中含有缺陷绝缘子。
步骤4：所述绝缘子缺陷检测系统根据绝缘子排列的先验知识，得到最后的缺陷位置坐标并用标注：
步骤4.1：对单排绝缘子，将上边界和下边界的缺陷检测结果取并，即在同一位置均检测出缺陷才认为该位置上存在缺陷绝缘子；对于双排绝缘子，本文将上边界和下边界的缺陷检测结果取或，即只要在一个位置上存在缺陷则认为该位置上存在缺陷绝缘子；
步骤4.2：所述绝缘子缺陷检测系统将缺陷绝缘子的位置坐标信息输出并标注。
本发明在实际使用时：
如图7～25，主要采用otsu二值化、闭运算操作减小计算量并大大降低背景干扰，然后进行倾斜矫正，在水平方向上投影得到投影图；将水平投影图利用canny算子进行边缘检测，对边缘图寻找到波峰位置，然后映射到矫正后的二值图中，以水平投影图的起始点和主轴位置将图像分割成上下边界两部分；将输入图像从上到下逐渐递增分割为5部分，检测出每部分的轮廓数，包含最大轮廓数的区域对应着完全分割出单个绝缘子的区域，将此区域的单个绝缘子分割出来并计算出每个绝缘子的最小外界矩形，然后根据最小外界矩形的中心坐标计算出相邻绝缘子之间的间隔，以1.5倍绝缘子间隔值作为阈值，最小外界矩形的峰值坐标拟合直线，若某最小外界矩形与拟合直线之间距离较大或者相邻绝缘子的距离大于了设定阈值，则说明此区域中含有缺陷绝缘子，保存此区域的坐标信息；对单排绝缘子，本文将上边界和下边界的缺陷检测结果取并，即在同一位置均检测出缺陷才认为该位置上存在缺陷，对于双排绝缘子，本文将上边界和下边界的缺陷检测结果取或，即只要在一个位置上存在缺陷则认为该位置上存在缺陷，将缺陷位置坐标信息输出并在图像上标注。
最后，应当指出，以上实施例仅是本发明较有代表性的例子。显然，本发明不限于上述实施例，还可以有许多变形。凡依据本发明的方法实质对以上实施例所做的任何简单修改、等同变化及修饰，均应认为属于本发明的保护范围。
Claims (6)
1.一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：包括如下步骤：
步骤1：由无人机拍摄所需检测区域的绝缘子图片，并传输至终端，输入绝缘子缺陷检测系统；
步骤2：所述绝缘子缺陷检测系统通过预处理方法处理绝缘子图片；
步骤3：所述绝缘子缺陷检测系统通过根据上下边界缺陷检测方法对预处理后的绝缘子图片进行上下边界缺陷检测；
步骤4：所述绝缘子缺陷检测系统根据绝缘子排列的先验知识，得到最后的缺陷位置坐标并用标注。
2.根据权利要求1所述的一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：所述步骤2中：
所述预处理方法包括如下步骤：
步骤2.1：将绝缘子图片二值化；
步骤2.2：将二值化图片进行形态学操作；
步骤2.3：计算图片的倾斜角度并自动校正，得到水平方向的绝缘子；
步骤2.4：对旋转后的图片进行水平投影，自动检测出水平投影图的有效波峰，波峰位置即对应着绝缘子的主轴位置；
步骤2.5：以主轴位置和水平投影图的起始点作为分界线将待测图片分割成上边界和下边界两部分，对得到的分割图像自适应准确分割出单个绝缘子并计算出每个绝缘子的最小外界矩形。
3.根据权利要求2所述的一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：所述步骤3中：
所述上下边界缺陷检测方法包括如下步骤：
步骤3.1：根据最小外界矩形的中心坐标计算出相邻绝缘子之间的间隔；
步骤3.2：以1.5倍绝缘子间隔值作为阈值，最小外界矩形的峰值坐标拟合直线；
步骤3.3：若某最小外界矩形与拟合直线之间距离较大或者相邻绝缘子的距离大于了设定阈值，则说明此区域中含有缺陷绝缘子。
4.根据权利要求1～3中任意一项所述的一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：所述步骤4中：
步骤4.1：对单排绝缘子，将上边界和下边界的缺陷检测结果取并，即在同一位置均检测出缺陷才认为该位置上存在缺陷绝缘子；对于双排绝缘子，本文将上边界和下边界的缺陷检测结果取或，即只要在一个位置上存在缺陷则认为该位置上存在缺陷绝缘子；
步骤4.2：所述绝缘子缺陷检测系统将缺陷绝缘子的位置坐标信息输出并标注。
5.根据权利要求2所述的一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：所述步骤2.1中：所述绝缘子图片二值化方法为使用Otsu二值化。
6.根据权利要求2所述的一种基于自适应切割单个绝缘子的缺陷检测方法，其特征在于：所述步骤2.2中：所述二值化图片的形态学操作为先膨胀后腐蚀的形态学操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711224586.XA CN108010019B (zh) | 2017-11-29 | 2017-11-29 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711224586.XA CN108010019B (zh) | 2017-11-29 | 2017-11-29 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108010019A true CN108010019A (zh) | 2018-05-08 |
| CN108010019B CN108010019B (zh) | 2022-03-25 |
Family
ID=62054563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711224586.XA Active CN108010019B (zh) | 2017-11-29 | 2017-11-29 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108010019B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872808A (zh) * | 2018-06-19 | 2018-11-23 | 三峡大学 | 一种基于多代理的风光互补式无人机绝缘子检测方法 |
| CN110376155A (zh) * | 2019-09-02 | 2019-10-25 | 云南电网有限责任公司电力科学研究院 | 基于红外光谱的复合绝缘子老化检测方法及系统 |
| CN112150412A (zh) * | 2020-08-31 | 2020-12-29 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种基于投影曲线分析的绝缘子自爆缺陷检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03255302A (ja) * | 1990-03-05 | 1991-11-14 | Mitsubishi Electric Corp | パターン検出装置 |
| CN103605981A (zh) * | 2013-12-03 | 2014-02-26 | 国家电网公司 | 基于图像识别的绝缘子缺陷识别方法 |
| CN104764748A (zh) * | 2015-05-04 | 2015-07-08 | 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 |
| CN105976368A (zh) * | 2016-04-28 | 2016-09-28 | 华北电力大学（保定） | 一种绝缘子定位方法 |
| CN106570853A (zh) * | 2015-10-08 | 2017-04-19 | 上海深邃智能科技有限公司 | 一种形状与颜色融合的绝缘子识别与缺陷检测方法 |
| CN107292861A (zh) * | 2016-03-31 | 2017-10-24 | 成都交大光芒科技股份有限公司 | 一种绝缘子破损检测方法 |
-
2017
- 2017-11-29 CN CN201711224586.XA patent/CN108010019B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03255302A (ja) * | 1990-03-05 | 1991-11-14 | Mitsubishi Electric Corp | パターン検出装置 |
| CN103605981A (zh) * | 2013-12-03 | 2014-02-26 | 国家电网公司 | 基于图像识别的绝缘子缺陷识别方法 |
| CN104764748A (zh) * | 2015-05-04 | 2015-07-08 | 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 |
| CN106570853A (zh) * | 2015-10-08 | 2017-04-19 | 上海深邃智能科技有限公司 | 一种形状与颜色融合的绝缘子识别与缺陷检测方法 |
| CN107292861A (zh) * | 2016-03-31 | 2017-10-24 | 成都交大光芒科技股份有限公司 | 一种绝缘子破损检测方法 |
| CN105976368A (zh) * | 2016-04-28 | 2016-09-28 | 华北电力大学（保定） | 一种绝缘子定位方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872808A (zh) * | 2018-06-19 | 2018-11-23 | 三峡大学 | 一种基于多代理的风光互补式无人机绝缘子检测方法 |
| CN110376155A (zh) * | 2019-09-02 | 2019-10-25 | 云南电网有限责任公司电力科学研究院 | 基于红外光谱的复合绝缘子老化检测方法及系统 |
| CN112150412A (zh) * | 2020-08-31 | 2020-12-29 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种基于投影曲线分析的绝缘子自爆缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108010019B (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108010019A (zh) | 一种基于自适应切割单个绝缘子的缺陷检测方法 | |
| CN105654461B (zh) | 一种多分裂导线间隔棒断裂的机器视觉检测方法 | |
| CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
| CN103605981B (zh) | 基于图像识别的绝缘子缺陷识别方法 | |
| CN106290388A (zh) | 一种绝缘子故障自动检测方法 | |
| CN108389256B (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
| CN111798412A (zh) | 一种基于红外图像的变电设备缺陷智能诊断方法及系统 | |
| CN107450590A (zh) | 一种无人机辅助降落方法 | |
| CN102519846B (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
| CN103196372B (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
| KR101789982B1 (ko) | 콘크리트 균열 탐지 장치 및 방법 | |
| CN105718842A (zh) | 一种输电线断股故障的机器视觉检测方法 | |
| CN104849287A (zh) | 一种复合绝缘子污秽程度非接触检测方法 | |
| CN102355569A (zh) | 基于无线机器视觉的飞机蒙皮结构监测方法 | |
| CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
| CN107292861A (zh) | 一种绝缘子破损检测方法 | |
| CN108981924B (zh) | 一种在役大型风力机叶片早期损伤现场检测系统 | |
| CN109523543A (zh) | 一种基于边缘距离的导线断股检测方法 | |
| CN116167999A (zh) | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 | |
| CN109389160A (zh) | 基于深度学习的电力绝缘端子缺陷检测方法 | |
| CN106595593A (zh) | 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法 | |
| CN108180871B (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
| WO2019057174A1 (zh) | 判定覆冰雪类型的方法 | |
| CN108921844A (zh) | 一种绝缘子缺陷检测方法与装置 | |
| CN106134480B (zh) | F1层不完全发育电离层模型及反演方法 |
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 |