CN108318773B - 一种输电导线断股检测方法及系统 - Google Patents

一种输电导线断股检测方法及系统 Download PDF

Info

Publication number
CN108318773B
CN108318773B CN201711382756.7A CN201711382756A CN108318773B CN 108318773 B CN108318773 B CN 108318773B CN 201711382756 A CN201711382756 A CN 201711382756A CN 108318773 B CN108318773 B CN 108318773B
Authority
CN
China
Prior art keywords
image
line segment
strand breakage
wire
detecting
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
Application number
CN201711382756.7A
Other languages
English (en)
Other versions
CN108318773A (zh
Inventor
陈诚
李泊
吴鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Nanjing Agricultural University
State Grid Tianjin Electric Power Co Ltd
Global Energy Interconnection Research Institute
Original Assignee
State Grid Corp of China SGCC
Nanjing Agricultural University
State Grid Tianjin Electric Power Co Ltd
Global Energy Interconnection Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Nanjing Agricultural University, State Grid Tianjin Electric Power Co Ltd, Global Energy Interconnection Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN201711382756.7A priority Critical patent/CN108318773B/zh
Publication of CN108318773A publication Critical patent/CN108318773A/zh
Application granted granted Critical
Publication of CN108318773B publication Critical patent/CN108318773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Abstract

本发明提供了一种输电导线断股检测方法及系统，该输电导线断股检测方法包括：采集视频采集设备拍摄的待检测图像；采用直线段检测算法检测待检测图像，生成备选线段集合图像；根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像，生成导线线段集合图像；对导线线段集合图像进行二值化，生成二值化图像；利用预设的导线断股轮廓模板检测二值化图像，确定二值化图像中的导线断股位置。通过实施本发明，对输电导线断股进行检测的耗时缩短，且易于实现，满足了实际工程应用的要求，并且提高了输电导线断股检测的准确性和稳定性，实现了在巡线监控中断股导线的实时检测功能。

Description

一种输电导线断股检测方法及系统
技术领域
本发明涉及输电导线检测领域，具体涉及一种输电导线断股检测方法及系统。
背景技术
在智能巡线系统中，视频监控系统可以用来感知输电线路和采集相关的线路信息和数据。随着飞行器技术和电力产业的发展，越来越多的图像数据通过各种巡线飞行器收集起来。但随着数据和任务的急剧增加，传统的人工监控已经远远无法满足巡线监控任务的需要。因此，实现可以代替人眼的智能自动监控功能，并将其应用于实际巡线系统中，成为视频监控和智能电力巡线领域共同研究的目标。
输电导线断股作为输电线路的一项重要的检测内容，是电力巡线任务的重点关注对象。输电导线断股自动检测系统可以广泛应用于野外巡线过程中的输电线路故障监控任务之中。而在航拍视频监控系统的应用中，摄像机搭载在飞行器之上，其拍摄场景和视野较为广阔，因此输电线目标并不十分明显，导线断股处则更为模糊。同时飞行器的飞行姿态也会带来的拍摄角度的不确定。而且考虑到监控场景中可能存在的复杂背景和多变的天气、光照等外界环境，如何自动地在巡线视频监控系统抓拍的图像中准确检测出输电导线断股位置成为工程实践中亟待解决的问题。
现有输电导线断股检测方法均分为两步即导线检测和断股检测。从导线检测方向来看，现有对于导线的检测都是基于霍夫变换方法识别图像中直线线段，然后辅以导线之间存在的位置关系如平行关系等来实现非导线线段去除。该类检测方法没有考虑到野外环境下拍摄的导线图像存在随意性的问题，监控场景可能会受到复杂的背景、多变的天气、光照等外界环境的影响，检测精度和稳定性无法保证，并且整个检测方法的约束条件较多，耗时长，实施起来较为复杂，无法实现实时检测的功能，因而并不适合在实际工程中应用。
发明内容
本发明要解决的技术问题在于克服现有技术中对野外环境下航拍图片进行断股导线的检测方法易收到监控场景复杂多变的影响，从而无法保证检测的精度和稳定性，并且现有检测方法约束条件多，实施过程复杂，检测耗时长，无法实现实时检测不能满足实际工程应用的问题。
根据第一方面，本发明实施例提供了一种输电导线断股检测方法，包括：采集视频采集设备拍摄的待检测图像；采用直线段检测算法检测所述待检测图像，生成备选线段集合图像；根据预设的线段长度阈值及像素平均灰度值筛选所述备选线段集合图像，生成导线线段集合图像；对所述导线线段集合图像进行二值化，生成二值化图像；利用预设的导线断股轮廓模板检测所述二值化图像，确定所述二值化图像中的导线断股位置。
可选地，在采集视频采集设备拍摄的待检测图像之后、采用直线段检测算法检测所述待检测图像之前，所述输电导线断股检测方法还包括：将所述待检测图像转换为灰度图像，并对所述灰度图像进行去噪。
可选地，通过以下步骤确定所述导线断股轮廓模板：选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从所述训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
可选地，所述根据预设的线段长度阈值及像素平均灰度值筛选所述备选线段集合图像包括：通过以下条件筛选所述导线线段集合图像：
Figure BDA0001515967210000031
其中，和为所述备选线段集合图像中备选线段的长度和所属图像区域像素平均灰度值，为所述备选线段集合图像中备选线段的个数，和分别为设定的线段长度阈值和线段所属图像区域像素平均灰度阈值。
可选地，通过以下公式得到所述备选线段li的长度LNi及所属图像区域像素平均灰度值GVi：
Figure BDA0001515967210000032
其中，
Figure BDA0001515967210000033
和
Figure BDA0001515967210000034
为所述备选线段li在所述待检测图像中首尾端点的坐标值；
Figure BDA0001515967210000035
其中，pij为所述备选线段li上的像素，gvij为像素pij的灰度值，Ni为所述备选线段li所包含的像素数量。
根据第二方面，本发明实施例提供了一种输电导线断股检测系统，包括：待测图像采集模块，用于采集视频采集设备拍摄的待检测图像；备选线段集合图像构建模块，用于采用LSD直线段检测算法检测所述待检测图像，生成备选线段集合图像；导线线段集合图像构建模块，用于根据预设的线段长度阈值及像素平均灰度值筛选所述备选线段集合图像，生成导线线段集合图像；二值化图像构建模块，用于对所述导线线段集合图像进行二值化，生成二值化图像；导线断股位置检测模块，用于利用预设的导线断股轮廓模板检测所述二值化图像，确定所述二值化图像中的导线断股位置。
可选地，所述输电导线断股检测系统还包括：预处理模块，用于将所述待检测图像转换为灰度图像，并对所述灰度图像进行去噪。
可选地，通过以下步骤确定所述导线断股轮廓模板：选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从所述训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
根据第三方面，本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的输电导线断股检测方法。
根据第四方面，本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的输电导线断股检测方法。
本发明技术方案，具有如下优点：
通过采用直线段检测算法确保了在线性时间内完成导线线段的检测，从而缩短了直线段检测耗时，并提高了导线线段段检测的稳定性；通过利用断股导线所属线段的固有排列方式，采用与导线断股轮廓模板进行特征匹配的检测方式，避免了监控场景复杂多变对检测结果的影响，提高了断股导线检测的准确性，并且实现了在巡线监控中断股导线实时检测的功能，满足了实际工程应用的要求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例1中输电导线断股检测方法的流程图；
图2为本发明实施例1中输电导线断股检测方法的另一流程图；
图3为本发明实施例1中采用LSD算法得到备选线段集合图像的二值化图片示意图；
图4为本发明实施例1中进行备线线段过滤后二值化图示意图；
图5A为本发明实施例1中作为训练样本的六幅导线断股二值化图片示意图；
图5B为本发明实施例1中导线断股处轮廓模板示意图；
图6为本发明实施例1中导线断股检测结果示意图；
图7为本发明实施例2中输电导线断股检测系统的结构示意图；
图8为本发明实施例2中输电导线断股检测系统的另一结构示意图；
图9为本发明实施例4中电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种输电导线断股检测方法，如图1所示，该输电导线断股检测方法包括：
步骤S1：采集视频采集设备拍摄的待检测图像；
步骤S2：采用直线段检测算法检测待检测图像，生成备选线段集合图像；
步骤S3：根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像，生成导线线段集合图像；
步骤S4：对导线线段集合图像进行二值化，生成二值化图像；
步骤S5：利用预设的导线断股轮廓模板检测二值化图像，确定二值化图像中的导线断股位置。
本发明实施例通过采用直线段检测算法确保了在线性时间内完成导线线段的检测，从而缩短了导线线段的检测耗时，并提高了导线线段检测的稳定性；通过利用断股导线所属线段的固有排列方式，采用与导线断股轮廓模板进行特征匹配的检测方式，避免了监控场景复杂多变对检测结果的影响，提高了断股导线检测的准确性，并且实现了在巡线监控中断股导线实时检测的功能，满足了实际工程应用的要求。
在一较佳实施例中，如图2所示，上述在采集视频采集设备拍摄的待检测图像之后、采用直线段检测算法检测待检测图像之前，输电导线断股检测方法还包括：
步骤S6：将待检测图像转换为灰度图像，并对灰度图像进行去噪。
具体地，在一实施例中，上述将待检测图像转换为灰度图像，并对灰度图像进行去噪可以采用OpenCV(Intel开源计算机视觉库)中的功能函数进行图片读取，并把监控摄像机抓拍的监控场景图像读入计算机然后通过调用功能函数实现彩色图像转为灰度图像、去除图像噪声(比如可使用高斯滤波器对图像进行去噪)等预处理操作
具体地，在一实施例中，上述步骤S2中，是使用发表于PAMI2010的LSD直线段检测算法，确保在线性时间内得到亚像素级准确度的直线段检测。通过LSD方法检测的直线线段形成备选的输电线线段集合图像，由于野外背景复杂，检测出的线段数目较大，备选线段集合图像的二值化图像如图3所示。需要说明的是，上述采用LSD直线段检测算法仅为举例说明，其他能够实现在线性时间内得到亚像素级准确度的直线段检测算法也可用于在步骤S2中进行直线段检测，本发明并不以此为限。
在一较佳实施例中，上述的步骤S3，根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像包括：通过以下条件筛选导线线段集合图像：
Figure BDA0001515967210000081
其中，LNi和GVi为备选线段集合图像中备选线段li,(1≤i≤k)的长度和所属图像区域像素平均灰度值，k为备选线段集合图像中备选线段的个数，δLN和
Figure BDA0001515967210000086
分别为设定的线段长度阈值和线段所属图像区域像素平均灰度阈值。根据预设条件利用线段长度LNi和线段所属图像区域像素平均灰度值GVi来实现非导线线段的过滤。
在一较佳实施例中，可以通过以下公式得到备选线段li的长度LNi及所属图像区域像素平均灰度值GVi：
Figure BDA0001515967210000082
其中，
Figure BDA0001515967210000083
和
Figure BDA0001515967210000084
为备选线段li在待检测图像中首尾端点的坐标值；
Figure BDA0001515967210000085
其中，pij为备选线段li上的像素，gvij为像素pij的灰度值，Ni为备选线段li所包含的像素数量。通过计算备选线段长度和所属像素平均灰度值特征，并据此挑选得到导线线段。
具体地，上述步骤S4中，对导线线段集合图像进行二值化，生成二值化图像的具体过程为将属于导线线段位置的像素值设置为1，非导线线段位置的像素值设置为0。对备选线段集合图像的过滤及二值化后得到的二值化图像如图4所示。
在一较佳实施例中，可以通过以下步骤确定导线断股轮廓模板：选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
具体地，在一实施例中，上述步骤S5中所述的预设的导线断股轮廓模板通过以下过程建立：
如图5A所示，在图像数据库中提取一定数量的(例如是6张)导线断股二值化图片作为训练样本。如图5B所示，通过共享轮廓算法提取得到导线断股处轮廓模板。
具体地，在一实施例中，上述步骤S5中所述的利用预设的导线断股轮廓模板检测二值化图像，确定二值化图像中的导线断股位置的具体过程如下：估计所选取的6张导线断股样本图片对轮廓模板的得分均值作为检测窗口得分阈值。设置检测目标大小为160*340，并将断股处轮廓分为两个上下部分进行轮廓提取减轻拍摄角度带来的形变影响。对图4所示的图像利用检测窗口切割整幅图像，并评估目标存在于每个检测窗口的可能性。检测窗口要设置的大于检测目标大小，本发明实施例中设置为180*350。根据横向50，纵向100的步长扫描整张图片，并给出每个检测窗口存在目标的可能性，以得分形式呈现。在得到所有检测窗口的分数之后通过非极大值抑制算法避免检测目标雷同，并对结果排序将分数超过检测窗口得分阈值的检测窗口作为最终的导线断股目标，从而得出断股导线的位置，最终的检测结果如图6所示，图6中方框所标示的位置为检测到的断股导线所在位置。
实施例2
本发明实施例提供一种输电导线断股检测系统，如图7所示，该系统包括：待测图像采集模块1，用于采集视频采集设备拍摄的待检测图像，详细内容请参见上述步骤S1所述；备选线段集合图像构建模块2，用于采用直线段检测算法检测待检测图像，生成备选线段集合图像，详细内容请参见上述步骤S2所述；导线线段集合图像构建模块3，用于根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像，生成导线线段集合图像，详细内容请参见上述步骤S3所述；二值化图像构建模块4，用于对导线线段集合图像进行二值化，生成二值化图像，详细内容请参见上述步骤S4所述；导线断股位置检测模块5，用于利用预设的导线断股轮廓模板检测二值化图像，确定二值化图像中的导线断股位置，详细内容请参见上述步骤S5所述。
在一较佳实施例中，如图8所示，该输电导线断股检测系统还包括：预处理模块6，用于将待检测图像转换为灰度图像，并对灰度图像进行去噪。
在一较佳实施例中，可以通过以下步骤确定导线断股轮廓模板：选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
具体地，根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像，具体可参见实施例1中的相关描述。
本发明实施例通过备选线段集合图像构建模块2设置，利用直线段检测算法导线线段的检测，确保了在线性时间内完成导线线段的检测，从而缩短了导线线段检测的耗时，并提高了导线段检测的稳定性；通过导线断股位置检测模块5的设置，利用断股导线所属线段的固有排列方式，采用与导线断股轮廓模板进行特征匹配的检测方式，避免了监控场景复杂多变对检测结果的影响，提高了断股导线检测的准确性，并且实现了在巡线监控中断股导线实时检测的功能，满足了实际工程应用的要求。
实施例3
本发明实施例提供一种非暂态计算机存储介质，该计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意实施例1中的输电导线断股检测方法。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；该存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
实施例4
本发明实施例提供一种输电导线断股检测方法的电子设备，其结构示意图如图9所示，该设备包括：一个或多个处理器410以及存储器420，图9中以一个处理器410为例。
执行输电导线断股检测方法的电子设备还可以包括：输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的输电导线断股检测方法对应的程序指令/模块，处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的输电导线断股检测方法。
存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据芯片追踪调试的处理装置的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至输电导线断股检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可接收输入的数字或字符信息，以及产生与输电导线断股检测操作的处理装置有关的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
一个或者多个模块存储在存储器420中，当被一个或者多个处理器410执行时，执行如图1-6所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节，具体可参见如图1-6所示的实施例中的相关描述。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。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。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种输电导线断股检测方法，其特征在于，包括：
采集视频采集设备拍摄的待检测图像；
采用直线段检测算法检测所述待检测图像，生成备选线段集合图像；
根据预设的线段长度阈值及像素平均灰度阈值筛选所述备选线段集合图像，生成导线线段集合图像；
对所述导线线段集合图像进行二值化，生成二值化图像；
利用预设的导线断股轮廓模板检测所述二值化图像，确定所述二值化图像中的导线断股位置。
2.根据权利要求1所述的输电导线断股检测方法，其特征在于，在采集视频采集设备拍摄的待检测图像之后、采用直线段检测算法检测所述待检测图像之前，所述输电导线断股检测方法还包括：
将所述待检测图像转换为灰度图像，并对所述灰度图像进行去噪。
3.根据权利要求1所述的输电导线断股检测方法，其特征在于，通过以下步骤确定所述导线断股轮廓模板：
选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从所述训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
4.根据权利要求1所述的输电导线断股检测方法，其特征在于，所述根据预设的线段长度阈值及像素平均灰度阈值筛选所述备选线段集合图像，生成导线线段集合图像，包括：通过以下条件筛选得到所述导线线段集合图像：
其中，LNi和GVi为所述备选线段集合图像中备选线段li的长度和所属图像区域像素平均灰度值，其中1≤i≤k，k为所述备选线段集合图像中备选线段的个数，δLN和
Figure FDA0002316495590000026
分别为设定的线段长度阈值和线段所属图像区域像素平均灰度阈值。
5.根据权利要求4所述的输电导线断股检测方法，其特征在于，通过以下公式得到所述备选线段li的长度LNi及所属图像区域像素平均灰度值GVi：
Figure FDA0002316495590000022
其中，和
Figure FDA0002316495590000024
为所述备选线段li在所述待检测图像中首尾端点的坐标值；
Figure FDA0002316495590000025
其中，pij为所述备选线段li上的像素，gvij为像素pij的灰度值，Ni为所述备选线段li所包含的像素数量。
6.一种输电导线断股检测系统，其特征在于，包括：
待测图像采集模块(1)，用于采集视频采集设备拍摄的待检测图像；
备选线段集合图像构建模块(2)，用于采用直线段检测算法检测所述待检测图像，生成备选线段集合图像；
导线线段集合图像构建模块(3)，用于根据预设的线段长度阈值及像素平均灰度阈值筛选所述备选线段集合图像，生成导线线段集合图像；
二值化图像构建模块(4)，用于对所述导线线段集合图像进行二值化，生成二值化图像；
导线断股位置检测模块(5)，用于利用预设的导线断股轮廓模板检测所述二值化图像，确定所述二值化图像中的导线断股位置。
7.根据权利要求6所述的输电导线断股检测系统，其特征在于，所述输电导线断股检测系统还包括：
预处理模块(6)，用于将所述待检测图像转换为灰度图像，并对所述灰度图像进行去噪。
8.根据权利要求6所述的输电导线断股检测系统，其特征在于，通过以下步骤确定所述导线断股轮廓模板：
选取图像库中若干个导线断股二值化图像作为训练样本，采用共享轮廓算法从所述训练样本中提取若干个Gabor小波元素生成导线断股轮廓模板。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现如权利要求1-5任一项所述的输电导线断股检测方法。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-5中任一项所述的输电导线断股检测方法。
CN201711382756.7A 2017-12-20 2017-12-20 一种输电导线断股检测方法及系统 Active CN108318773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711382756.7A CN108318773B (zh) 2017-12-20 2017-12-20 一种输电导线断股检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711382756.7A CN108318773B (zh) 2017-12-20 2017-12-20 一种输电导线断股检测方法及系统

Publications (2)

Publication Number Publication Date
CN108318773A CN108318773A (zh) 2018-07-24
CN108318773B true CN108318773B (zh) 2020-02-21

Family

ID=62892491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711382756.7A Active CN108318773B (zh) 2017-12-20 2017-12-20 一种输电导线断股检测方法及系统

Country Status (1)

Country Link
CN (1) CN108318773B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018389B (zh) * 2019-02-21 2021-11-12 国网山东省电力公司临沂供电公司 一种输电线路在线故障监测方法及系统
CN110111309B (zh) * 2019-04-12 2022-08-19 国网江苏省电力有限公司电力科学研究院 碳纤维复合芯导线射线图像处理、缺陷检测以及存储介质
CN111024705A (zh) * 2019-10-17 2020-04-17 广东电网有限责任公司清远供电局 一种电力线断股的检测方法、装置、设备及存储介质
CN111260631B (zh) * 2020-01-16 2023-05-05 成都地铁运营有限公司 一种高效刚性接触线结构光光条提取方法
CN113421266B (zh) * 2021-08-25 2021-11-16 南通电博士自动化设备有限公司 一种基于人工智能的输电线断股检测方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718842B (zh) * 2014-12-02 2018-12-07 中国科学院沈阳自动化研究所 一种输电线断股故障的机器视觉检测方法
CN105931259A (zh) * 2016-06-21 2016-09-07 国网重庆市电力公司电力科学研究院 一种基于形态学处理的高压输电线提取方法及装置
CN106525859A (zh) * 2016-09-23 2017-03-22 广东工业大学 一种无人机实时检测高压输电导线断股缺陷的方法
CN106600580B (zh) * 2016-11-30 2020-01-21 浙江大学 一种基于霍夫变换的电力线异常识别方法及其系统
CN106960438A (zh) * 2017-03-25 2017-07-18 安徽继远软件有限公司 基于霍夫直线变换对输电线路的异物识别方法

Also Published As

Publication number Publication date
CN108318773A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
CN108318773B (zh) 一种输电导线断股检测方法及系统
CN110060237B (zh) 一种故障检测方法、装置、设备及系统
CN109613002B (zh) 一种玻璃缺陷检测方法、装置和存储介质
CN110321933B (zh) 一种基于深度学习的故障识别方法和装置
CN111340787A (zh) 输电线路的导线缺陷检测识别方法、装置及计算机设备
WO2020125057A1 (zh) 牲畜个数的识别方法及装置
WO2021139197A1 (zh) 一种图像处理方法及装置
CN109344864B (zh) 用于密集物体的图像处理方法及装置
CN111598889B (zh) 均压环倾斜故障的识别方法、装置、计算机设备
CN110263680B (zh) 图像处理方法、装置和系统及存储介质
CN111445459A (zh) 一种基于深度孪生网络的图像缺陷检测方法及系统
CN110675425B (zh) 一种视频边框识别方法、装置、设备及介质
CN111435437A (zh) 一种pcb行人重识别模型训练方法及pcb行人重识别方法
CN112561879A (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN111598913A (zh) 一种基于机器人视觉的图像分割方法和系统
CN113705380B (zh) 雾天的目标检测方法、装置、电子设备以及存储介质
CN112418089A (zh) 一种手势识别方法、装置及终端
CN112686122A (zh) 人体及影子的检测方法、装置、电子设备、存储介质
CN112101323B (zh) 标题列表的识别方法、系统、电子设备及存储介质
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN114298992A (zh) 一种视频帧去重方法、装置、电子设备及存储介质
CN112967321A (zh) 运动目标的检测方法、装置、终端设备及存储介质
CN112183359A (zh) 视频中的暴力内容检测方法、装置及设备
CN111932470A (zh) 基于视觉选择融合的图像复原方法、装置、设备和介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 102209 18 Riverside Avenue, Changping District science and Technology City, Beijing

Applicant after: Global energy Internet Institute, Inc.

Applicant after: State Grid Tianjin Electric Power Company

Applicant after: Nanjing Agricultural University

Applicant after: State Grid Corporation of China

Address before: 102209 18 Riverside Avenue, Changping District science and Technology City, Beijing

Applicant before: Global energy Internet Institute, Inc.

Applicant before: State Grid Tianjin Electric Power Company

Applicant before: Nanjing Agricultural University

Applicant before: State Grid Corporation of China

GR01 Patent grant
GR01 Patent grant