CN108921844A - 一种绝缘子缺陷检测方法与装置 - Google Patents
一种绝缘子缺陷检测方法与装置 Download PDFInfo
- Publication number
- CN108921844A CN108921844A CN201810739725.0A CN201810739725A CN108921844A CN 108921844 A CN108921844 A CN 108921844A CN 201810739725 A CN201810739725 A CN 201810739725A CN 108921844 A CN108921844 A CN 108921844A
- Authority
- CN
- China
- Prior art keywords
- insulator
- image
- insulator chain
- defects
- detection method
- 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及一种绝缘子缺陷检测方法与装置,通过获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。本发明能够对大量航拍的绝缘子图像进行快速筛选,提高了绝缘子隐患的识别效率,减少了人工工作量,降低人工成本。
Description
技术领域
本发明属于图像分析技术领域,具体涉及一种绝缘子缺陷检测方法与装置。
背景技术
中国到2020年输电线路总里程增加到159万公里,面对如此巨大规模的输电网、线路走廊、各级变电站设备及发电并网的管理需求,提高巡视、维护、检修的高效率技术应用水平,使输电网安全稳定运行关系到国家安全和社会的国计民生问题,其工作性质具有极其重要的国家战略意义。
传统人工巡检作业强度大、周期长,对于一些地形复杂甚至危险的地区,难以开展巡线工作。随着无人机及其相应载荷技术逐渐成熟,国网公司和南网公司对无人机电力巡检进行试点和逐步推广。但在无人机对杆塔进行单塔精细化巡检和故障巡检后,仍需要依靠人工目视从海量巡检图片中筛选出有故障缺陷的照片,工作量极其巨大。
现有技术中,作者单成等人在2010年12月第21卷第4期的《中国计量学院学报》中发表论文《图像处理中的绝缘子缺陷检测方法》,该方法结合了基于形态学的特征检测和基于BP神经网络的缺陷分类检测,在一定程度上起到了效果,但其缺点在于,该方法对绝缘子图像的质量要求较高,当绝缘子图像的拍摄质量不高时,该方法的检测误差较大。
发明内容
本发明的目的是提供一种绝缘子缺陷检测方法与装置,用于解决现有技术在绝缘子图像质量不高时绝缘子缺陷检测误差大、效率低的问题。
为解决上述技术问题,本发明提出一种绝缘子缺陷检测方法,包括以下步骤:
1)获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;
2)检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。
本发明通过对图像中绝缘子串的轮廓曲线进行小波变换,检测小波系数中的奇异点,进而判断存在缺陷的绝缘子串。本发明的原理简单,且在绝缘子图像的拍摄质量不高时,仍能够准确的检测出绝缘子串是否存在缺陷。
作为对获取绝缘子串的轮廓曲线的进一步限定,采用以下步骤获取绝缘子串的轮廓曲线:
(1)获取图像中绝缘子串轮廓的像素点;
(2)获取绝缘子串的中心轴直线,以中心轴直线作为坐标轴计算绝缘子串轮廓的像素点坐标;
(3)拟合绝缘子串轮廓的像素点坐标,得到绝缘子串的轮廓曲线。
进一步,提取二值图像中绝缘子串的轮廓曲线之前,获取电力输电线路中绝缘子串的图像后,还包括对所述图像进行灰度化处理,获取绝缘子串的二值图像。
进一步,利用梯度检测方法获取图像中绝缘子串轮廓的像素点。
为了降低多个绝缘子串间的相互干扰,进一步,当绝缘子串的图像为两个以上绝缘子串的图像时,还包括对图像进行分割获取各绝缘子串的图像。
进一步,利用单尺度离散小波变换获取所述小波系数。
进一步,检测小波系数中的模极大值,当该模极大值大于设定值时,判定小波系数中存在奇异点。
进一步,还包括以下步骤:当检测奇异点时,记录存在奇异点的绝缘子的缺陷位置信息。
为解决上述技术问题,本发明还提出一种绝缘子缺陷检测装置,包括处理器,用于执行实现以下步骤的指令:
1)获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;
2)检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。
进一步,采用以下步骤获取绝缘子串的轮廓曲线:
(1)获取图像中绝缘子串轮廓的像素点;
(2)获取绝缘子串的中心轴直线,以中心轴直线作为坐标轴计算绝缘子串轮廓的像素点坐标;
(3)拟合绝缘子串轮廓的像素点坐标,得到绝缘子串的轮廓曲线。
进一步,提取二值图像中绝缘子串的轮廓曲线之前,获取电力输电线路中绝缘子串的图像后,还包括对所述图像进行灰度化处理,获取绝缘子串的二值图像。
进一步,利用梯度检测方法获取图像中绝缘子串轮廓的像素点。
进一步,当绝缘子串的图像为两个以上绝缘子串的图像时,还包括对图像进行分割获取各绝缘子串的图像。
进一步,利用单尺度离散小波变换获取所述小波系数。
进一步,检测小波系数中的模极大值,当该模极大值大于设定值时,判定小波系数中存在奇异点。
进一步,还包括以下步骤:当检测奇异点时,记录存在奇异点的绝缘子的缺陷位置信息。
附图说明
图1是一种绝缘子缺陷检测方法流程图;
图2是两个绝缘子串的二值图;
图3(a)是局部绝缘子的二值图;
图3(b)是局部绝缘子的轮廓曲线图;
图4(a)是第一串绝缘子上轮廓曲线的分析结果示意图;
图4(b)是第二串绝缘子上轮廓曲线的分析结果示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
本发明的一种绝缘子缺陷检测方法的实施例,包括以下步骤:
首先,对巡检中获取的大量可见光图像进行分类,获得含绝缘子串的目标图像及其相应的GPS坐标;
其次,采用OpenCV图像分割方法对绝缘子串图像进行灰度化处理,基于灰度处理结果,进一步从图像中分割出绝缘子串的二值图像;
再次,提取绝缘子串图像轮廓,对其进行曲线采样与拟合,获取绝缘子串轮廓曲线;
然后,对绝缘子串轮廓曲线进行单尺度小波变换,获得高频段小波系数,对高频小波系数进行模极大值检测,如果存在极大值且大于小波系数模平均值的1.73倍,那么该点对应的绝缘子存在破损或缺陷;否则,该部分绝缘子完整;
最后,对存在破损或缺陷的绝缘子图像进行标注。
本发明通过筛选含有绝缘子串的目标图像,在目标图像的基础上通过OpenCV的图像处理方法和基于小波变换的数学分析方法实现对绝缘子串的缺陷检测。本发明只需提供采集的绝缘子串图像,即可对绝缘子串缺陷进行标注,无需通过人工目视对海量巡检图像进行逐一审查,极大的减少了人工工作量,降低了人工成本。
如图1所示的绝缘子缺陷检测方法流程,包括以下步骤:
步骤1:采集电力输电线路中绝缘子串图像与相应的GPS坐标信息。
步骤2:采用OpenCV图像分割方法对图片中每个像素点进行灰度化处理,将采集的绝缘子图片变换为灰度图像,然后从灰度图像中分割出绝缘子串,得到绝缘子串的二值图像。如图2所示,二值图像由黑白两种颜色表示,其中绝缘子及连接部分为白色,背景部分为黑色。
步骤3:利用梯度检测方法对绝缘子图像轮廓进行提取。以像素为单位进行遍历,计算各个方向的梯度。当梯度值发生变化不为0时,说明像素点为绝缘子图像轮廓的边缘点。
为了降低多个绝缘子串间的相互干扰,对具有连续图像轮廓的绝缘子图像进行分割,分别提取各条绝缘子串到新图像中进行进一步处理。
步骤4:对绝缘子串的二值图像进行直线拟合,依次对直线上各点进行顺序标号,并将得到的各点连接,将连接后的中心直线作为坐标轴线,计算图像轮廓各像素点的相对坐标。
图像轮廓像素点的相对坐标计算方法如下:首先针对原始图像各像素点建立参考坐标轴,以图像下侧为x轴,左侧为y轴,像素点间的距离为单位距离,得到图像各个像素点在参考坐标系下的坐标(x,y)。其次,对绝缘子串的二值图像进行直线拟合,得到横坐标轴x’,表达式为kx-y+c=0,直线与图像左侧边界交点为原点o’,沿垂线方向过原点o’为纵坐标y’,表达式为x+ky-kc=0。其中,k为直线拟合后所获得的斜率,c为点o’到x轴的距离。最后计算绝缘子串轮廓曲线像素点到坐标轴y’的距离a和到坐标轴x’的距离b。像素点(x0,y0)到直线的距离采用下式计算:
即像素点的相对坐标为(a,b),依次计算绝缘子串轮廓像各素点相对坐标,即可完成绝缘子图像轮廓的像素点采样。
绝缘子轮廓曲线的提取包括上轮廓曲线和下轮廓曲线,对采集到的轮廓像素点进行曲线拟合,并对每条曲线进行单独分析。
对绝缘子图像轮廓曲线进行分析前,对坐标轴进行校正,使绝缘子的中心轴直线为参考坐标轴。
步骤5:对获取的曲线进行单尺度离散小波变换,获得小波高频系数,并对高频系数进行模极大值检测,当小波系数存在模极大值且大于模平均值的1.7倍时,则表明绝缘子存在破损和缺失,结合GPS坐标对绝缘子缺陷进行标记;否则绝缘子为完好。
上述小波变换分析方法适用于分析检测曲线的奇异点,当绝缘子完好无损时,其表面轮廓曲线光滑且无奇异点,经小波变换后,所有轮廓曲线的小波系数均接近于零。当绝缘子破损或缺失,会在相应位置产生凹陷,导致其轮廓曲线产生奇异点,经小波变换后,在相应缺陷的位置处,小波系数呈现极大值点。此外,为了排除曲线采样过程中引入噪声的影响,设定阈值为小波系数模平均值的1.73倍。
小波变换的关键参数包括分解尺度和小波函数。对于本发明所需的奇异性检测而言,分解尺度以单尺度最优,小波函数以具有正则性和紧支性的db系小波函数效果较好。本发明以db20小波函数进行分析说明,图4(a)和图4(b)所示为小波变换的分析结果。其中,图4(a)为第一串绝缘子上轮廓曲线的分析结果,可以看到高频小波系数存在两处模极大值,且大于小波系数模平均值的1.73倍,即第一串绝缘子存在破损缺陷。图4(b)为第二串绝缘子上轮廓曲线的分析结果,可以看到高频小波系数几乎为零,不存在模极大值和奇异点,因而第二串绝缘子完好。
对应上述方法,本发明还提出了一种绝缘子缺陷检测装置,包括处理器,用于执行实现以下步骤的指令:
1)获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;
2)检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。
上述实施例中所指的绝缘子缺陷检测装置,实际上是基于本发明方法流程的一种计算机解决方案,即一种软件构架,可以应用到计算机中,上述装置即为与方法流程相对应的处理进程。由于对上述方法的介绍已经足够清楚完整,故不再详细进行描述。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种绝缘子缺陷检测方法,其特征在于,包括以下步骤:
1)获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;
2)检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。
2.根据权利要求1所述的绝缘子缺陷检测方法,其特征在于,采用以下步骤获取绝缘子串的轮廓曲线:
(1)获取图像中绝缘子串轮廓的像素点;
(2)获取绝缘子串的中心轴直线,以中心轴直线作为坐标轴计算绝缘子串轮廓的像素点坐标;
(3)拟合绝缘子串轮廓的像素点坐标,得到绝缘子串的轮廓曲线。
3.根据权利要求1或2所述的绝缘子缺陷检测方法,其特征在于,提取二值图像中绝缘子串的轮廓曲线之前,获取电力输电线路中绝缘子串的图像后,还包括对所述图像进行灰度化处理,获取绝缘子串的二值图像。
4.根据权利要求2所述的绝缘子缺陷检测方法,其特征在于,利用梯度检测方法获取图像中绝缘子串轮廓的像素点。
5.根据权利要求1所述的绝缘子缺陷检测方法,其特征在于,当绝缘子串的图像为两个以上绝缘子串的图像时,还包括对图像进行分割获取各绝缘子串的图像。
6.根据权利要求1所述的绝缘子缺陷检测方法,其特征在于,利用单尺度离散小波变换获取所述小波系数。
7.根据权利要求6所述的绝缘子缺陷检测方法,其特征在于,检测小波系数中的模极大值,当该模极大值大于设定值时,判定小波系数中存在奇异点。
8.根据权利要求1或7所述的绝缘子缺陷检测方法,其特征在于,还包括以下步骤:当检测奇异点时,记录存在奇异点的绝缘子的缺陷位置信息。
9.一种绝缘子缺陷检测装置,其特征在于,包括处理器,用于执行实现以下步骤的指令:
1)获取电力输电线路中绝缘子串的图像,对图像中绝缘子串的轮廓曲线进行小波变换,小波变换后得到小波系数;
2)检测小波系数中的奇异点,当检测到奇异点时,判定存在奇异点的绝缘子串存在缺陷。
10.根据权利要求9所述的绝缘子缺陷检测装置,其特征在于,采用以下步骤获取绝缘子串的轮廓曲线:
(1)获取图像中绝缘子串轮廓的像素点;
(2)获取绝缘子串的中心轴直线,以中心轴直线作为坐标轴计算绝缘子串轮廓的像素点坐标;
(3)拟合绝缘子串轮廓的像素点坐标,得到绝缘子串的轮廓曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810739725.0A CN108921844A (zh) | 2018-07-06 | 2018-07-06 | 一种绝缘子缺陷检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810739725.0A CN108921844A (zh) | 2018-07-06 | 2018-07-06 | 一种绝缘子缺陷检测方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921844A true CN108921844A (zh) | 2018-11-30 |
Family
ID=64425582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810739725.0A Pending CN108921844A (zh) | 2018-07-06 | 2018-07-06 | 一种绝缘子缺陷检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921844A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807765A (zh) * | 2019-09-27 | 2020-02-18 | 许昌许继软件技术有限公司 | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 |
CN112070715A (zh) * | 2020-07-30 | 2020-12-11 | 许继集团有限公司 | 一种基于改进ssd模型的输电线路小尺寸金具缺陷检测方法 |
CN112414409A (zh) * | 2020-11-16 | 2021-02-26 | 天津航天中为数据系统科技有限公司 | 一种基于串结构的自主巡检路径规划方法及飞行器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076338A (zh) * | 2012-05-31 | 2013-05-01 | 西南交通大学 | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 |
CN103247044A (zh) * | 2013-04-16 | 2013-08-14 | 西南交通大学 | 基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法 |
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 |
US20170263139A1 (en) * | 2014-08-01 | 2017-09-14 | Shenzhen Cimc-Tianda Airport Support Ltd. | Machine vision-based method and system for aircraft docking guidance and aircraft type identification |
CN107886096A (zh) * | 2016-09-29 | 2018-04-06 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
-
2018
- 2018-07-06 CN CN201810739725.0A patent/CN108921844A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076338A (zh) * | 2012-05-31 | 2013-05-01 | 西南交通大学 | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 |
CN103247044A (zh) * | 2013-04-16 | 2013-08-14 | 西南交通大学 | 基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法 |
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 |
US20170263139A1 (en) * | 2014-08-01 | 2017-09-14 | Shenzhen Cimc-Tianda Airport Support Ltd. | Machine vision-based method and system for aircraft docking guidance and aircraft type identification |
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 |
CN107886096A (zh) * | 2016-09-29 | 2018-04-06 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807765A (zh) * | 2019-09-27 | 2020-02-18 | 许昌许继软件技术有限公司 | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 |
CN110807765B (zh) * | 2019-09-27 | 2023-05-02 | 许昌许继软件技术有限公司 | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 |
CN112070715A (zh) * | 2020-07-30 | 2020-12-11 | 许继集团有限公司 | 一种基于改进ssd模型的输电线路小尺寸金具缺陷检测方法 |
CN112414409A (zh) * | 2020-11-16 | 2021-02-26 | 天津航天中为数据系统科技有限公司 | 一种基于串结构的自主巡检路径规划方法及飞行器 |
CN112414409B (zh) * | 2020-11-16 | 2022-08-02 | 天津航天中为数据系统科技有限公司 | 一种基于串结构的自主巡检路径规划方法及飞行器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
US20180357788A1 (en) | UAV Inspection Method for Power Line Based on Human Visual System | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN108921844A (zh) | 一种绝缘子缺陷检测方法与装置 | |
Schmugge et al. | Crack segmentation by leveraging multiple frames of varying illumination | |
CN107341470B (zh) | 一种基于航拍图像的输电线检测方法 | |
CN111768417B (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
CN107610092B (zh) | 基于视频流的路面裂缝动态检测方法 | |
CN105261006A (zh) | 基于傅里叶变换的医学图像分割算法 | |
CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
CN111105398A (zh) | 一种基于可见光图像数据的输电线路部件裂纹检测方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN111667473A (zh) | 基于改进Canny算法的绝缘子憎水性等级判断方法 | |
Wang et al. | Study on edge extraction methods for image-based icing on-line monitoring on overhead transmission lines | |
CN117268416A (zh) | 一种猪舍环境下的栅栏过道导航路径提取方法 | |
CN110853058B (zh) | 基于视觉显著性检测的高分辨率遥感影像道路提取方法 | |
Lu et al. | An image recognition algorithm based on thickness of ice cover of transmission line | |
Cao et al. | Power line detection based on symmetric partial derivative distribution prior | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN114764795A (zh) | 一种基于无人机视觉的起重机缺陷检测方法 | |
CN114283157A (zh) | 一种基于椭圆拟合的椭圆形物体分割方法 | |
CN110969081B (zh) | 基于多模块划分的kl散度的输电线路外力破坏检测方法 | |
Zhang et al. | Research on Fault Detection Method of Catenary Equipment Based on Deep Learning | |
CN113205543A (zh) | 一种基于机器学习的激光雷达点云树干提取方法 | |
CN106875378B (zh) | 一种电力线异物检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |
|
RJ01 | Rejection of invention patent application after publication |