CN108307146B - 一种高压输电线路安全隐患检测系统及方法 - Google Patents
一种高压输电线路安全隐患检测系统及方法 Download PDFInfo
- Publication number
- CN108307146B CN108307146B CN201711315944.8A CN201711315944A CN108307146B CN 108307146 B CN108307146 B CN 108307146B CN 201711315944 A CN201711315944 A CN 201711315944A CN 108307146 B CN108307146 B CN 108307146B
- Authority
- CN
- China
- Prior art keywords
- image
- transmission line
- detected
- processing
- area
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G7/00—Overhead installations of electric lines or cables
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种高压输电线路安全隐患检测系统及方法,系统包括:图像采集装置,用于对输电线路下方的警戒区域进行图像采样;远程视频监控系统,用于对获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;监控客户端,用于接收远程视频监控系统发送的预警信号,并指导输电线路维护人员到达现场进行安全隐患排除。本发明根据图像采集装置采集的输电线路下方的警戒区域的图像进行安全检测,一旦在警戒区域中检测到安全隐患,远程视频监控系统就产生预警信号,并发送警报至远程监控客户端以提醒输电线路维护人员到达现场进行安全隐患排除,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
Description
技术领域
本发明涉及输电网安全检测技术领域,具体地说是一种高压输电线路安全隐患检测系统及方法。
背景技术
随着国民经济不断发展和我国的电力需求的不断增长,220kV及以上输电线路的电网得到了长足的发展。然而,同时电力传输的安全问题也越来越突出。
输电线路所受的外力入侵及破坏呈逐年上升趋势,各种人为和自然事故导致的断电造成的损失也越来越大,严重影响电力系统等公共基础设施正常的运行和维护,对国民经济和社会稳定造成重大威胁。例如,输变电线路的外力入侵给线路运行维护、电网安全运行带来最严重的损失和隐患。影响输电线路(电网)安全和稳定的主要因素之一就是在输电线路附近存在的多种外力入侵破坏隐患。输电线路下方的警戒区域可以是包含被监测的输电线路下方的一个目标区域,警戒区域也可以包含被监测的外力入侵异物等。
因此,如何提早发现、处理和预防危害输电线路的自然灾害及意外事故,时刻保障电力正常供应,成为人们关注的焦点。
发明内容
针对现有技术的不足,本发明提出了一种高压输电线路安全隐患检测系统及方法,其能够对输电线路下方的警戒区域安全实现自动检测,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
本发明解决其技术问题采取的技术方案是:
一方面,本发明实施例提供的一种高压输电线路安全隐患检测系统包括:
图像采集装置,设置在输电线路杆塔上,用于对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统,设置在电力系统监控中心,用于对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;
监控客户端,用于接收远程视频监控系统发送的预警信号,并指导输电线路维护人员到达现场进行安全隐患排除。
作为本实施例一种可能的实现方式,所述图像采集装置包括摄像头、中央处理器、无线通信模块、太阳能电池板、充放电管理电路、可充电电池和电源管理电路,所述摄像头的输出端与中央处理器的输入端相连,所述中央处理器的数据端与无线通信模块相连,所述充放电管理电路分别与太阳能电池板和可充电电池连接,所述的太阳能电池板和可充电电池分别与电源管理电路的输入端连接,所述电源管理电路的输出端分别与中央处理器和无线通信模块连接;所述无线通信模块包括窄带物联网模块、SIM-CARD连接器、天线和SIM卡,所述窄带物联网模块分别与中央处理器、SIM-CARD连接器、天线和电源管理电路相连,所述S IM卡设置在SIM-CARD连接器中。
作为本实施例一种可能的实现方式,所述充放电管理电路用于对可充电电池进行充放电管理,在充电的同时给电源管理电路进行供电,可充电电池完全处于充电状态,充电过程中实时检测可充电电池充电状态,充满后停止为可充电电池充电;待外部电源的太阳能电池板掉电后,充放电管理电路控制可充电电池给电源管理电路进行供电,待可充电电池电量降至预置电压后停止可充电电池给电源管理电路进行供电,使电池进行保护状态。
作为本实施例一种可能的实现方式,所述电源管理电路包括TPS61099电源管理电路和TPS77033电源管理电路,所述TPS61099电源管理电路的输入端与可充电电池连接,输出端分别与3.8V接线端和TPS77033电源管理电路的输入端连接,所述TPS77033电源管理电路的输出端与3.3V接线端连接。
作为本实施例一种可能的实现方式,所述远程视频监控系统包括:
数据接收模块,用于接收图像采集装置采集的警戒区域图像并发送给图像处理分析模块;
图像处理分析模块,用于对警戒区域图像进行分析处理识别出警戒区域的安全隐患,并将安全隐患信息发送给预警模块;
预警模块,用于将安全隐患信息发送给监控客户端。
作为本实施例一种可能的实现方式,所述图像处理分析模块包括:
地面隐患分析模块,用于对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;
工程车辆分析模块,用于对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;
高空作业机械分析模块,用于对警戒区域内高空作业机械进行分析处理,检测输电线路线附近是否存在高空作业机械。
作为本实施例一种可能的实现方式,所述地面隐患分析模块对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警;
所述工程车辆分析模块对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测;
所述高空作业机械分析模块对警戒区域内高空作业机械进行分析处理的具体过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
作为本实施例一种可能的实现方式,所述图像处理分析模块还包括:
图像异常判断模块,用于对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障。
作为本实施例一种可能的实现方式,所述图像异常判断模块对警戒区域图像进行图像异常判断的具体过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常。
另一方面,本发明实施例提供的一种高压输电线路安全隐患检测方法包括以下过程:
通过设置在输电线路杆塔上的图像采集装置对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;
监控客户端接收远程视频监控系统发送的预警信号,并呈现给输电线路维护人员以指导其到达现场进行安全隐患排除。
作为本实施例一种可能的实现方式,所述对从图像采集装置获取的图像信息进行处理的过程包括以下过程:
1)对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;
所述对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警;
2)对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;
所述对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测;
3)对警戒区域内高空作业机械进行分析处理,检测输电线路线附近是否存在高空作业机械;
所述对警戒区域内高空作业机械进行分析处理的过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
作为本实施例一种可能的实现方式,所述对从图像采集装置获取的图像信息进行处理的过程还包括以下过程:
4)对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障;
所述对警戒区域图像进行图像异常判断的过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常。
本发明实施例的技术方案可以具有的有益效果如下:
一方面,本发明实施例技术方案的一种高压输电线路安全隐患检测系统包括:图像采集装置,设置在输电线路杆塔上,用于对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;远程视频监控系统,设置在电力系统监控中心,用于对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;监控客户端,用于接收远程视频监控系统发送的预警信号,并指导输电线路维护人员到达现场进行安全隐患排除。本发明实施例技术方案根据图像采集装置采集的输电线路下方的警戒区域的图像进行安全检测,一旦在警戒区域中检测到安全隐患,远程视频监控系统就产生预警信号,并发送警报至远程监控客户端以提醒输电线路维护人员到达现场进行安全隐患排除,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
另一方面,本发明实施例技术方案的一种高压输电线路安全隐患检测方法包括以下过程:通过设置在输电线路杆塔上的图像采集装置对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;远程视频监控系统对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;监控客户端接收远程视频监控系统发送的预警信号,并呈现给输电线路维护人员以指导其到达现场进行安全隐患排除。本发明实施例技术方案根据图像采集装置采集的输电线路下方的警戒区域的图像进行安全检测,一旦在警戒区域中检测到安全隐患,远程视频监控系统就产生预警信号,并发送警报至远程监控客户端以提醒输电线路维护人员到达现场进行安全隐患排除,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
附图说明
图1是根据一示例性实施例示出的一种高压输电线路安全隐患检测系统的原理图;
图2是根据一示例性实施例示出的一种图像采集装置的原理图;
图3是根据一示例性实施例示出的一种无线通信模块的电路图;
图4是根据一示例性实施例示出的一种电源管理电路的电路图;
图5是根据一示例性实施例示出的一种远程视频监控系统的原理图;
图6是根据一示例性实施例示出的一种高压输电线路安全隐患检测方法的流程图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
图1是根据一示例性实施例示出的一种高压输电线路安全隐患检测系统的原理图。如图1所示,本发明实施例提供的一种高压输电线路安全隐患检测系统包括:
图像采集装置,设置在输电线路杆塔上,用于对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统,设置在电力系统监控中心,用于对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;
监控客户端,用于接收远程视频监控系统发送的预警信号,并指导输电线路维护人员到达现场进行安全隐患排除。
本实施例根据图像采集装置采集的输电线路下方的警戒区域的图像进行安全检测,一旦在警戒区域中检测到安全隐患,远程视频监控系统就产生预警信号,并发送警报至远程监控客户端以提醒输电线路维护人员到达现场进行安全隐患排除,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
图2是根据一示例性实施例示出的一种图像采集装置的原理图。如图2所示,在一种可能的实现方式中,所述图像采集装置包括摄像头、中央处理器、无线通信模块、太阳能电池板、充放电管理电路、可充电电池和电源管理电路,所述摄像头的输出端与中央处理器的输入端相连,所述中央处理器的数据端与无线通信模块相连,所述充放电管理电路分别与太阳能电池板和可充电电池连接,所述的太阳能电池板和可充电电池分别与电源管理电路的输入端连接,所述电源管理电路的输出端分别与中央处理器和无线通信模块连接。如图3所示,所述无线通信模块包括窄带物联网模块、SIM-CARD连接器、天线和SIM卡,所述窄带物联网模块分别与中央处理器、SIM-CARD连接器、天线和电源管理电路相连,所述SIM卡设置在SIM-CARD连接器中。图像采集装置通过摄像头实时采集现场图像数据,并通过无线通信模块把图像传输至远程视频监控系统,实现了数据的远程采集传输;该图像采集装置可以进行微型化设计,体积小巧,便于现场的安装和维护;该图像采集装置采用最新物联网通讯技术,太阳能自供电技术,充电电池和低功耗微控制器等,特别适用于野外工程。
在一种可能的实现方式中,所述充放电管理电路用于对可充电电池进行充放电管理,在充电的同时给电源管理电路进行供电,可充电电池完全处于充电状态,充电过程中实时检测可充电电池充电状态,充满后停止为可充电电池充电;待外部电源的太阳能电池板掉电后,充放电管理电路控制可充电电池给电源管理电路进行供电,待可充电电池电量降至预置电压后停止可充电电池给电源管理电路进行供电,使电池进行保护状态。在需要持续工作的装置应用场合,如何延长电池使用寿命尤其显得非常重要,因此,充放电管理电路通过对可充电电池的充放电管理,减少了可充电电池的充放电次数,有效延长其使用寿命。
图4是根据一示例性实施例示出的一种电源管理电路的电路图。如图4所示,在一种可能的实现方式中,所述电源管理电路包括TPS61099电源管理电路和TPS77033电源管理电路,所述TPS61099电源管理电路的输入端与可充电电池连接,输出端分别与3.8V接线端和TPS77033电源管理电路的输入端连接,所述TPS77033电源管理电路的输出端与3.3V接线端连接。TPS61099电源管理电路用于把可充电电池或太阳能电池板的电压稳压在3.8V,TPS77033电源管理电路用于将3.8V进行转换输出3.3V,给系统供电。
图5是根据一示例性实施例示出的一种远程视频监控系统的原理图。如图5所示,在一种可能的实现方式中,所述远程视频监控系统包括:
数据接收模块,用于接收图像采集装置采集的警戒区域图像并发送给图像处理分析模块;
图像处理分析模块,用于对警戒区域图像进行分析处理识别出警戒区域的安全隐患,并将安全隐患信息发送给预警模块;
预警模块,用于将安全隐患信息发送给监控客户端。
在一种可能的实现方式中,所述图像处理分析模块包括:
地面隐患分析模块,用于对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;
工程车辆分析模块,用于对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;
高空作业机械分析模块,用于对警戒区域内高空作业机械进行分析处理,检测输电线路线附近是否存在高空作业机械。
在一种可能的实现方式中,所述地面隐患分析模块对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警。
所述地面隐患分析模块首先对图像进行相关预处理:将彩色图像转化为灰度图并对图像进行核大小为5*5的中值滤波消除噪声且保留边缘信息,利用Sobel算子进行边缘检测以及利用大津法求得二值化的自适应阈值T,将小于该阈值的像素置0,大于阈值的像素不变;然后利用边缘检测获得其边缘图像:对边缘图像的连通域进行分析,取面积最大且重心位置最靠上的无边缘区域作为天空区域,除去天空区域外的最大连通区域即为地面区域,并将分割出地面区域范围的边缘图像中对应非地面区域的像素值置0;再根据边缘图像分割出图像中的地面区域:选择当前待检测图像的前一张图像作为对比图像,并对对比图像做图像进行预处理以及边缘检测得到其边缘图像,将当前待检测图像和对比图像转化到HSV和YUV颜色空间,在色调H、色差U和色差V三个分量上进行差分处理,使用大津法对差分结果进行二值化处理并将二值化后的图像作或运算合并得到最终的差分结果,遍历差分结果图像,提取其中的连通区域,去除像素数少于200的区域,以剩余的每个连通区域的外接矩形作为变化区域。在检测时,对于每一张新的图像,都与同摄像头拍摄的前一张图像作对比,在HSV和YUV颜色空间的多个分量上进行差分,融合差分结果得到该图像中发生变化的区域,然后统计该摄像头拍摄的最近10张图像的变化区域信息,挑选出现频率高且位置集中的区域作为有隐患的区域,进行报警,通过检测出输电线路线下的外力破坏事故隐患,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
所述工程车辆分析模块对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测。
工程车辆主要包括吊车、铲车和挖掘机等,当其出现在场景中时,通常意味着场景中出现了施工工地,应该引起工作人员的注意。而且其本身对输电线路具备较大的威胁,所以工程车辆是一种相对危险的安全隐患。由于输电线路场景非常复杂,地面上的目标数量及种类繁多,阴影、光照等各种干扰因素也对识别带来困难,所以使用传统模式识别的方法人工提取特征并设计分类器来识别工程车辆非常困难。所以,工程车辆分析模块首先训练一个用于识别工程车辆的卷积神经网络模型:寻找工程车和非工程车图像样本,等比例地选择其中80%的图片作为训练集,剩余20%的图片作为验证集,对训练样本图片进行规定化,统一为64*64像素的三通道彩色图像,计算训练样本图像红绿蓝3个颜色通道的均值,将训练样本每个通道的值减去对应均值以实现0均值归一化处理,对处理后的训练样本图像进行训练,得到训练好的卷积神经网络网络模型及参数;其次在检测图片中的工程车辆时通过图像差分得到候选检测区域:将图像缩放至800*600像素的尺寸,将图像转化到HSV和YUV颜色空间,在色调H、色差U和色差V三个分量上进行差分处理,使用大津法对差分结果进行二值化,将二值化后的图像作或运算进行合并得到最终的差分结果,遍历差分结果图像中的所有区域,去除面积小于阈值T的无效区域,剩余区域作为有效的候选区域;然后在超像素分割的基础上对候选检测区域进行合并生长,得到最终的候选检测区域:利用SLIC方法对图像进行超像素分割,利用颜色直方图表示每个超像素块的颜色特征,使用SIFT特征提取算法计算每个超像素块的纹理特征,并计算相邻超像素的颜色特征及纹理特征的相似性,以每个候选区域内的超像素块为种子,根据步骤32求得的颜色特征及纹理特征的相似性进行区域合并,将每个合并后的超像素提取出来,以其外接矩形作为新的候选区域,得到最终的候选区域,最后将候选区域输入训练好的神经网络进行分类,并将分类为工程车辆的区域进行标记示警:将每个候选区域映射回原始尺寸图像中,再将原始图像中的这些候选区域规定化至64*64像素,并进行0均值归一化处理,将处理后的候选区域输入训练好的网络模型进行分类,得到每个候选区域的分类结果及置信度,将分类结果为工程车且置信度大于0.6的候选区域认为是工程车,在结果图像中对这些区域进行标记示警。通过自动检测输电线路场景图片中发生运动的工程车辆,通过将卷积神经网络用于工程车辆的识别中,能够较好地检测出图片中的工程车辆,提醒人们关注周围是否有违章施工,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
所述高空作业机械分析模块对警戒区域内高空作业机械进行分析处理的具体过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
输电线路场景中的超高施工机械主要包括塔吊和吊车等,由于其本身高度较高,在操作不当时很可能会碰触高压输电线,造成断电,所以是一种危险较大的隐患,需要通过监控及时掌握其动态,并提醒操作人员注意。由于天空环境不像地面环境那样复杂,检测与识别都相对简单,但也受到一些其他因素的影响和干扰,主要的干扰因素有:电线晃动、云彩、山脉和建筑受天气变化时隐时现、树梢晃动等。这些干扰因素各自具备不同的特点,需要针对性地设计算法进行消除。所以,高空作业机械分析模块首先对图像进行相关预处理,然后利用边缘检测获得其边缘图像,再根据边缘图像分割出图像中的天空区域;在检测时,利用边缘图像进行差分,得到候选检测区域,利用背景模型去除候选区域中假的隐患区域,例如山脉、建筑、电线及树梢等目标,再利用颜色信息和边缘曲率信息去除不符合规定特征的目标,最终剩余候选区域中的目标将被视为高空作业机械,进行报警。通过结合背景模型、颜色信息及边缘纹理信息对图像进行分析,能够较好地检测出图片中天际线以上的作业机械,提醒人们关注这些目标,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
在一种可能的实现方式中,所述图像处理分析模块还包括:
图像异常判断模块,用于对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障。
在一种可能的实现方式中,所述图像异常判断模块对警戒区域图像进行图像异常判断的具体过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常。
对于天气状况不佳、雾化等异常情况,随着时间和天气情况的变化,异常现象会得到改观;但是对于塑料袋遮挡、摄像头掉电或者内部质量问题等异常现象,如果不能及时发现图像采集装置的工作异常情况,将导致高压输电线路安全隐患的发生。因此,图像异常判断模块首先通过调整图像大小并将图像灰度化,计算图像均值判断图像亮度是否存在异常,其次利用LBP和方差获得图像的纹理等细节信息,二值化LBP图像,计算图像的上1/2中灰度值不为0的像素点在上1/2图像占的比例,并根据结果判断图像是否存在异常。这样既能有效地减少图像处理分析模块的计算量,又能够简化异常故障检测,提高了算法的运算速率,避免了传统方法中计算量大且视频质量要求较高的问题,从而大大提升了摄像头图像异常现象的检测效果,具有很好的应用价值。图像异常判断模块利用单张图像的灰度信息来判断图像是否异常,从而避免了图像匹配的过程,降低了算法的运算时间,能够有效的完成摄像头采集图像的异常自动判断。
图6是根据一示例性实施例示出的一种高压输电线路安全隐患检测方法的流程图。如图6所示,本发明实施例提供的一种高压输电线路安全隐患检测方法包括以下过程:
通过设置在输电线路杆塔上的图像采集装置对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;
监控客户端接收远程视频监控系统发送的预警信号,并呈现给输电线路维护人员以指导其到达现场进行安全隐患排除。
本实施例根据图像采集装置采集的输电线路下方的警戒区域的图像进行安全检测,一旦在警戒区域中检测到安全隐患,远程视频监控系统就产生预警信号,并发送警报至远程监控客户端以提醒输电线路维护人员到达现场进行安全隐患排除,为预防输电线路断电事故提供了科学依据,具备较大的实用价值。
在一种可能的实现方式中,所述对从图像采集装置获取的图像信息进行处理的过程包括以下过程:
1)对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;
所述对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警;
2)对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;
所述对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测;
3)对警戒区域内高空作业机械进行分析处理,检测输电线路线附近是否存在高空作业机械;
所述对警戒区域内高空作业机械进行分析处理的过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
在一种可能的实现方式中,所述对从图像采集装置获取的图像信息进行处理的过程还包括以下过程:
4)对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障;
所述对警戒区域图像进行图像异常判断的过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (7)
1.一种高压输电线路安全隐患检测系统,其特征是,包括:
图像采集装置,设置在输电线路杆塔上,用于对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统,设置在电力系统监控中心,用于对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;
监控客户端,用于接收远程视频监控系统发送的预警信号,并指导输电线路维护人员到达现场进行安全隐患排除;
所述远程视频监控系统包括:
数据接收模块,用于接收图像采集装置采集的警戒区域图像并发送给图像处理分析模块;
图像处理分析模块,用于对警戒区域图像进行分析处理识别出警戒区域的安全隐患,并将安全隐患信息发送给预警模块;
预警模块,用于将安全隐患信息发送给监控客户端;
所述图像处理分析模块包括:
地面隐患分析模块,用于对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;
工程车辆分析模块,用于对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;
高空作业机械分析模块,用于对警戒区域内高空作业机械进行分析处2理,检测输电线路线附近是否存在高空作业机械;
所述地面隐患分析模块对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警;
所述工程车辆分析模块对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测;
所述高空作业机械分析模块对警戒区域内高空作业机械进行分析处理的具体过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
2.如权利要求1所述的一种高压输电线路安全隐患检测系统,其特征是,所述图像采集装置包括摄像头、中央处理器、无线通信模块、太阳能电池板、充放电管理电路、可充电电池和电源管理电路,所述摄像头的输出端与中央处理器的输入端相连,所述中央处理器的数据端与无线通信模块相连,所述充放电管理电路分别与太阳能电池板和可充电电池连接,所述的太阳能电池板和可充电电池分别与电源管理电路的输入端连接,所述电源管理电路的输出端分别与中央处理器和无线通信模块连接;所述无线通信模块包括窄带物联网模块、SIM-CARD连接器、天线和SIM卡,所述窄带物联网模块分别与中央处理器、SIM-CARD连接器、天线和电源管理电路相连,所述SIM卡设置在SIM-CARD连接器中。
3.如权利要求2所述的一种高压输电线路安全隐患检测系统,其特征是,所述充放电管理电路用于对可充电电池进行充放电管理,在充电的同时给电源管理电路进行供电,可充电电池完全处于充电状态,充电过程中实时检测可充电电池充电状态,充满后停止为可充电电池充电;待外部电源的太阳能电池板掉电后,充放电管理电路控制可充电电池给电源管理电路进行供电,待可充电电池电量降至预置电压后停止可充电电池给电源管理电路进行供电,使电池进行保护状态。
4.如权利要求2所述的一种高压输电线路安全隐患检测系统,其特征是,所述电源管理电路包括TPS61099电源管理电路和TPS77033电源管理电路,所述TPS61099电源管理电路的输入端与可充电电池连接,输出端分别与3.8V接线端和TPS77033电源管理电路的输入端连接,所述TPS77033电源管理电路的输出端与3.3V接线端连接。
5.如权利要求1-4任意一项所述的一种高压输电线路安全隐患检测系统,其特征是,所述图像处理分析模块还包括:
图像异常判断模块,用于对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障。
6.如权利要求5所述的一种高压输电线路安全隐患检测系统,其特征是,所述图像异常判断模块对警戒区域图像进行图像异常判断的具体过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常。
7.一种高压输电线路安全隐患检测方法,其特征是,包括以下过程:
通过设置在输电线路杆塔上的图像采集装置对输电线路下方的警戒区域进行图像采样,并通过无线通信方式发送给远程视频监控系统;
远程视频监控系统对从图像采集装置获取的图像信息进行处理,并根据处理结果向监控客户端发送预警信号;所述对从图像采集装置获取的图像信息进行处理的过程包括以下过程:1)对警戒区域内地面隐患进行分析处理,检测输电线路线下方是否存在外力破坏事故隐患;2)对警戒区域内工程车辆进行分析处理,检测输电线路线附近是否存在工程车辆;3)对警戒区域内高空作业机械进行分析处理,检测输电线路线附近是否存在高空作业机械;4)对警戒区域图像进行图像异常判断,以确定图像采集装置是否发生故障;
监控客户端接收远程视频监控系统发送的预警信号,并呈现给输电线路维护人员以指导其到达现场进行安全隐患排除;
所述对警戒区域图像进行图像异常判断的过程包括以下步骤:将图像缩放到固定大小并将图像进行灰度化处理;计算整幅图像的灰度均值,根据灰度均值判断图像是否存在异常;利用LBP算子计算图像的纹理信息;计算图像方差,根据图像方差判断图像是否存在异常;对图像进行二值化处理;计算二值化后的上1/2图像中灰度值不为0的像素在上1/2图像中的比例,根据比例判断图像是否存在异常;统计连续发生问题的图像数目,如果达到一定数目则判断为图像异常;
所述地面隐患分析模块对警戒区域内地面隐患进行分析处理的具体过程为:首先对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;其次利用边缘图像分割出地面区域范围,并将非地面区域的像素值置0;然后选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定当前待检测图像中的变化区域;最后统计当前待检测图像前后N张图像的变化区域信息,将出现频率高且位置集中的变化区域挑选出来作为有隐患的区域,并进行报警;
所述工程车辆分析模块对警戒区域内工程车辆进行分析处理的具体过程为:首先对训练样本进行预处理,将其输入设计好的卷积神经网络进行训练,得到训练好的网络模型及参数;其次选择当前待检测图像的前一张图像作为对比图像,对当前待检测图像与对比图像进行差分处理,并根据差分结果确定候选区域;然后对当前待检测图像进行超像素分割,以候选区域内的超像素块为种子进行区域合并及划分,得到最终的候选区域;最后将每个候选区域图像输入训练好的网络模型,得到对应的分类结果及置信度,据此确定该区域是否是工程车辆来完成工程车辆的检测;
所述对警戒区域内高空作业机械进行分析处理的具体过程包括以下步骤:对当前待检测图像做图像预处理,并进行边缘检测得到其边缘图像;利用边缘图像分割出天空区域;选择当前待检测图像的前一张图像作为对比图像,对对比图像做图像预处理并进行边缘检测得到其边缘图像,利用当前待检测图像和对比图像的边缘图像进行差分处理,并根据差分结果确定候选区域;将每个候选区域与单高斯背景模型进行匹配,将与单高斯背景模型匹配成功的区域去除,同时更新单高斯背景模型;计算当前图像每个候选区域中物体边缘附近的平均亮度值,去除亮度过大的区域以消除云彩的影响;计算当前图像每个候选区域中物体边缘的曲率信息,并据此消除其中剩余的树梢及云彩目标;将剩余区域视为存在的高空作业机械,并在图像上进行标记示警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711315944.8A CN108307146B (zh) | 2017-12-12 | 2017-12-12 | 一种高压输电线路安全隐患检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711315944.8A CN108307146B (zh) | 2017-12-12 | 2017-12-12 | 一种高压输电线路安全隐患检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108307146A CN108307146A (zh) | 2018-07-20 |
CN108307146B true CN108307146B (zh) | 2020-05-12 |
Family
ID=62869988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711315944.8A Expired - Fee Related CN108307146B (zh) | 2017-12-12 | 2017-12-12 | 一种高压输电线路安全隐患检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108307146B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102036A (zh) * | 2018-09-26 | 2018-12-28 | 云南电网有限责任公司电力科学研究院 | 一种用于输电线路故障识别的图像标记方法及装置 |
CN109088656A (zh) * | 2018-09-30 | 2018-12-25 | 浙江瑞能通信科技股份有限公司 | 高压传输电线安全监控方法 |
CN109541411A (zh) * | 2018-12-05 | 2019-03-29 | 国网江西省电力有限公司电力科学研究院 | 架空输电线路隐患放电监测预警系统 |
CN110008845B (zh) * | 2019-03-12 | 2020-01-24 | 北京市燃气集团有限责任公司 | 燃气管线隐患点的检测方法和装置 |
CN109977962B (zh) * | 2019-03-21 | 2022-03-15 | 国网山东省电力公司经济技术研究院 | 一种光缆故障隐患自动识别方法与系统 |
CN110187233A (zh) * | 2019-05-23 | 2019-08-30 | 国家电网有限公司 | 全息传感器、输电线路故障处置方法及终端设备 |
CN110225067B (zh) * | 2019-07-24 | 2021-08-24 | 上海戎磐网络科技有限公司 | 一种物联网安全预警系统 |
CN110705414A (zh) * | 2019-09-24 | 2020-01-17 | 智洋创新科技股份有限公司 | 基于深度学习的输电线路施工机械隐患检测方法 |
CN110853307B (zh) * | 2019-10-18 | 2022-01-04 | 深圳供电局有限公司 | 输电通道外破环境激光监测方法及监测装置 |
CN111079642B (zh) * | 2019-12-13 | 2023-11-14 | 国网浙江余姚市供电有限公司 | 线路可移动监控方法及装置及计算机可读介质 |
CN111273136A (zh) * | 2020-02-20 | 2020-06-12 | 山东万腾智能科技有限公司 | 一种基于图像处理的在线接触网拉弧检测系统及方法 |
CN111832557A (zh) * | 2020-06-04 | 2020-10-27 | 北京百度网讯科技有限公司 | 电网巡检方法、装置、电子设备及存储介质 |
CN113014773B (zh) * | 2021-03-02 | 2023-08-01 | 山东鲁软数字科技有限公司智慧能源分公司 | 一种架空线路视频可视化监拍系统及方法 |
CN113065673A (zh) * | 2021-04-09 | 2021-07-02 | 南方电网电力科技股份有限公司 | 一种电力系统防外力破坏的系统及方法 |
CN113128402A (zh) * | 2021-04-19 | 2021-07-16 | 国网江苏电动汽车服务有限公司 | 一种识别充换电设备安全状态的系统和方法 |
CN113382204A (zh) * | 2021-05-22 | 2021-09-10 | 特斯联科技集团有限公司 | 一种消防隐患智能处理方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011222053A (ja) * | 2011-08-11 | 2011-11-04 | Chugoku Electric Power Co Inc:The | 活線接近警報用の保安具及び活線接近警報方法 |
US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0997260A (ja) * | 1995-09-29 | 1997-04-08 | Sumitomo Electric Ind Ltd | 送電線監視装置 |
TW201241794A (en) * | 2011-04-08 | 2012-10-16 | Hon Hai Prec Ind Co Ltd | System and method for detecting damages of image capturing device |
CN104537788B (zh) * | 2015-01-16 | 2017-02-22 | 南京理工大学 | 一种高压输电线路防外破智能图像预警系统及方法 |
CN105744232B (zh) * | 2016-03-25 | 2017-12-12 | 南京第五十五所技术开发有限公司 | 一种基于行为分析技术的输电线路视频防外破的方法 |
CN107369291A (zh) * | 2017-07-13 | 2017-11-21 | 南京理工大学 | 基于深度学习的高压线路防外力破坏预警系统及方法 |
-
2017
- 2017-12-12 CN CN201711315944.8A patent/CN108307146B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011222053A (ja) * | 2011-08-11 | 2011-11-04 | Chugoku Electric Power Co Inc:The | 活線接近警報用の保安具及び活線接近警報方法 |
US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
Non-Patent Citations (1)
Title |
---|
输电线路防外力破坏预警系统设计与研究;杜金桥;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108307146A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN109631848B (zh) | 输电线路异物入侵检测系统和检测方法 | |
CN106326808B (zh) | 基于无人机图像的检测输电线路杆塔上鸟窝的方法 | |
CN107742301B (zh) | 基于图像分类的复杂背景下输电线路图像处理方法 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN103442209A (zh) | 一种输电线路的视频监控方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN104463904A (zh) | 一种高压线异物入侵目标检测方法 | |
CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
CN107563263A (zh) | 基于仪表的视频图像识别方法及系统 | |
CN107179479B (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN112819784A (zh) | 一种配电线路导线断股散股检测方法及系统 | |
CN103945197A (zh) | 基于视频运动检测技术的电力设施防外破预警方案 | |
CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
CN115311585A (zh) | 用于电网架空线路异物的识别检测系统 | |
CN104573650A (zh) | 一种基于滤波响应的电线检测分类方法 | |
CN112016641A (zh) | 一种异物导致线路短路故障告警方法及装置 | |
CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测系统 | |
CN107609556B (zh) | 一种输电线路环境中高空作业机械的检测方法 | |
CN115761644A (zh) | 基于深度学习和帧差法的输电导线异物检测方法 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN113538434B (zh) | 一种电力设备缺陷识别方法、系统和可读存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200512 Termination date: 20201212 |
|
CF01 | Termination of patent right due to non-payment of annual fee |