CN109596224A - 一种导线接续点的故障分析方法、装置、设备及存储介质 - Google Patents
一种导线接续点的故障分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109596224A CN109596224A CN201811583800.5A CN201811583800A CN109596224A CN 109596224 A CN109596224 A CN 109596224A CN 201811583800 A CN201811583800 A CN 201811583800A CN 109596224 A CN109596224 A CN 109596224A
- Authority
- CN
- China
- Prior art keywords
- point
- feature point
- wire
- infrared light
- light image
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0066—Radiation pyrometry, e.g. infrared or optical thermometry for hot spots detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/03—Arrangements for indicating or recording specially adapted for radiation pyrometers
-
- 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
- G01R31/58—Testing of lines, cables or conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请公开了一种导线接续点的故障分析方法,通过获取包括有多个导线接续点的可见光图像和红外光图像;通过计算机程序利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点;然后利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点,从而不仅避免了通过技术人员根据红外光图像进行观察分析以进行故障分析的过程造成的人力资源的消耗,而且能够进一步确定出故障导线接续点,从而进一步提高对导线接续点的故障分析的准确度。本申请还公开了一种导线接续点的故障分析装置、设备及计算机可读存储介质,均具有上述有益效果。
Description
技术领域
本发明涉及电力设备领域,特别涉及一种导线接续点的故障分析方法、装置、设备及计算机可读存储介质。
背景技术
随着电网规模的快速发展,输电线路作为电力系统的重要组成部分,对电力的传输过程有着重要影响。在高压、特高压的输电线路中,导线接续点如紧夹件、裸露部分的线头、耐张线夹、焊接点、隔离开关的刀口以及避雷器内部阀块等容易出现故障,从而使输电线路的安全性、稳定性得不到保证。由于各种导线接续点在发生故障前都有一个明显的共同特征,即发热现象,因此可以通过对导线接续点的温度数据进行故障分析,以得出输电线路的运行状况。
现有技术中对导线接续点的故障分析方法,是通过技术人员对获取到的导线接续点的红外光图像进行分析,根据经验知识观察判断出红外光图像中是否存在温度异常的特征点,从而确定当前是否存在温度异常的故障导线接续点。显然,现有技术中的方法,不仅需要消耗大量的人力资源,而且仅能够判断出当前存在温度异常的导线接续点,而无法确定出具体是哪个导线接续点出现故障,因此对后续的故障修复工作带来很大的困扰。
因此,如何在能够节省人力资源的基础上,提高对导线接续点的故障分析的精准度是本领域技术人员目前需要解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种导线接续点的故障分析方法,在能够节省人力资源的基础上,提高对导线接续点的故障分析的精准度;本发明的另一目的是提供一种导线接续点的故障分析装置、设备及计算机可读存储介质,均具有上述有益效果。
为解决上述技术问题,本发明提供一种导线接续点的故障分析方法,包括:
获取包括有多个导线接续点的可见光图像和红外光图像;
利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点;
利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点。
优选地,所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点具体包括:
确定出所述红外光图像中与异常温度数据对应的目标第二特征点;
根据所述第一特征点和所述第二特征点的映射关系,在所述可见光图像中获取与所述目标第二特征点相对应的目标第一特征点;
根据所述目标第一特征点确定出所述故障导线接续点。
优选地,所述异常温度数据具体为:
与其他任意所述温度数据的第一差值超过第一差值范围的所述温度数据。
优选地,当所述可见光图像和所述红外光图像为在同一角度拍摄得出的图像时,在所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
利用所述第一特征点和所述第二特征点将所述可见光图像与所述红外光图像叠加。
优选地,在所述利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点之前,进一步包括:
对所述可见光图像和所述红外光图像分别进行预处理操作。
优选地,所述预处理操作包括:
图像去噪和/或图像去雾和/或图像去抖和/或图像增强。
优选地,在所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
在预设的知识库中查找与所述故障导线接续点对应的解决方案;
将所述解决方案发送给目标设备。
为解决上述技术问题,本发明还提供一种导线接续点的故障分析装置,包括:
图像获取模块,用于获取包括有多个导线接续点的可见光图像和红外光图像;
特征提取模块,用于利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点;
匹配分析模块,用于利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点。
为解决上述技术问题,本发明还提供一种导线接续点的故障分析设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种导线接续点的故障分析方法的步骤。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种导线接续点的故障分析方法的步骤。
本发明提供的导线接续点的故障分析方法,通过获取包括有多个导线接续点的可见光图像和红外光图像;通过计算机程序利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点;然后利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点,从而不仅避免了通过技术人员根据红外光图像进行观察分析以进行故障分析的过程造成的人力资源的消耗,并且本方法在通过红外光图像得出当前存在温度异常的导线接续点的情况下,进一步通过第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,利用多种图像的冗余和互补信息,不仅能判断出当前存在有故障的导线接续点,而且能够进一步确定出故障导线接续点,从而进一步提高对导线接续点的故障分析的准确度。
为解决上述技术问题,本发明还提供了一种导线接续点的故障分析装置、设备及计算机可读存储介质,均具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种导线接续点的故障分析方法的流程图;
图2为本发明实施例提供的一种导线接续点的故障分析装置的结构图;
图3为本发明实施例提供的一种导线接续点的故障分析设备的结构图。
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。
本发明实施例的核心是提供一种导线接续点的故障分析方法,能够高效准确地获取导线接续点的故障情况;本发明的另一核心是提供一种导线接续点的故障分析装置、设备及计算机可读存储介质,均具有上述有益效果。
为了使本领域技术人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种导线接续点的故障分析方法的流程图。如图1所示,一种导线接续点的故障分析方法包括:
S10:获取包括有多个导线接续点的可见光图像和红外光图像。
具体的,为了对输电线路上的导线接续点进行故障分析,在本实施例中,首先是需要获取处于同一杆塔的多个导线接续点的可见光图像和红外光图像。导线接续点指的是输电线路接续部分的零部件,如紧夹件、裸露部分的线头、耐张线夹、焊接点、隔离开关的刀口以及避雷器内部阀块等。其中,耐张线夹是一种用于固定输电线,以承受输电线的张力,并将输电线挂至耐张串组或杆塔上的金具。
具体的,可以通过可见光拍摄装置采集可见光图像,通过红外光拍摄装置采集红外光图像,拍摄装置可以是固定设置的相机、摄像头等,也可以是设置在无人机或者其他遥测设备上的拍摄装置,本实施例对此不做限定。
在具体实施中,一般使用能够防水、防尘、抗电磁干扰的可见光拍摄装置和红外光拍摄装置,从而能够避免天气环境对拍摄装置的影响。为了使得拍摄得出的图像信息更加清晰,有效特征更加明显,尽量减少图像的模糊、重影等情况的发生,还可以在目标拍摄装置或红外光拍摄装置上设置云台,通过光学防抖、陀螺仪等防抖技术使得在拍摄目标导线接续点时更加平衡与稳定。
S20:利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点。
在本步骤中,在获取到可见光图像和红外光图像之后,利用预先存储的提取算法分别提取可见光图像中的第一特征点和红外光图像中的第二特征点。特征提取是通过映射或者变换的方法,把高维的特征信息变成低维的特征信息,并从提取的特征信息中选出对分类贡献较大的、最能反映分类本质的特征点;也就是说,特征点指的是图像中具有鲜明特性并能够有效反映图像本质特征、能够标识图像中目标物体的点。本实施例中,为了便于表述与区分,是将可见光图像的特征点称为第一特征点,将红外光图像中的特征点称为第二特征点。
具体的,用于特征提取的提取算法包括线性特征提取方法和非线性特征提取方法,具体如HOG算法(Histogram of Oriented Gradient,方向梯度直方图)和DOG算法(Difference of Gaussian,高斯函数的差分)、基于PCA的图像特征提取,基于ICA的图像特征提取等,根据实际需求进行选择调用,本实施例对此不做限定。
S30:利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点。
具体的,在利用预先存储的提取算法分别提取出可见光图像中的第一特征点和红外光图像中的第二特征点之后,利用第一特征和第二特征的映射关系将可见光图像与红外光图像进行匹配,根据匹配结果分析确定出故障导线接续点。
可以理解的是,特征匹配也就是比较得出可见光图像的第一特征点和红外光图像的第二特征点中相同的特征点,然后将可见光图像和红外光图像中的相同的特征点进行一一对应。特征匹配算法包括SIFT算法(Scale-invariant features transform,尺度不变特征变换)、SURF(Speeded Up Robust Features,加速稳健特征)算法等。SIFT算法是一种检测局部特征的算法,该算法通过求可见光图像中的特征点(interest points,or cornerpoints)及其有关scale和orientation的描述子得到特征并进行图像特征点匹配;SIFT特征不只具有尺度不变性,即使改变旋转角度,图像亮度或拍摄视角,仍然能够得到好的检测效果;SURF算法是对SIFT算法的改进,其基本结构、步骤与SIFT相近,但具体实现的过程有所不同,SURF算法是一个稳健的图像识别和描述算法,其优点是速度远快于SIFT且稳定性好。在具体实施中,根据实际需求进行选择对应的特征匹配算法,本实施例对此不做限定。
可以理解的是,可见光图像中展现的是导线接续点的结构特征信息,红外光图像中记录的是导线接续点发射的热辐射能而形成的图像。本步骤根据匹配结果得出各导线接续点的温度数据,进而得出温度数据异常的故障导线接续点。
本发明实施例提供的导线接续点的故障分析方法,通过获取包括有多个导线接续点的可见光图像和红外光图像;通过计算机程序利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点;然后利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点,从而不仅避免了通过技术人员根据红外光图像进行观察分析以进行故障分析的过程造成的人力资源的消耗,并且本方法在通过红外光图像得出当前存在温度异常的导线接续点的情况下,进一步通过第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,利用多种图像的冗余和互补信息,不仅能判断出当前存在有故障的导线接续点,而且能够进一步确定出故障导线接续点,从而进一步提高对导线接续点的故障分析的准确度。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点具体包括:
确定出红外光图像中与异常温度数据对应的目标第二特征点;
根据第一特征点和第二特征点的映射关系,在可见光图像中获取与目标第二特征点相对应的目标第一特征点;
根据目标第一特征点确定出故障导线接续点。
具体的,本实施例中,首先是根据红外光图像中的红外辐射信息确定出红外光图像中各第二特征点中表示异常温度数据的目标第二特征点,然后根据第一特征点和第二特征点的映射关系,在可见光图像中获取与目标第二特征点相对应的目标第一特征点;根据各目标第一特征点所表示的导线接续点的结构信息,进而确定出故障导线接续点。可见,通过先在红外光图像中确定出异常温度数据,再在可见光图像中对应确定出故障导线接续点,而不需要将所有的导线接续点的温度数据一一确定出来,再根据各导线接续点的温度数据确定出故障导线接续点,从而减少了计算量,提高故障分析的效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,异常温度数据具体为:
与其他任意温度数据的第一差值超过第一差值范围的温度数据。
也就是说,本实施例中确定温度数据为异常温度数据的方法是在相同的电网数据、环境数据下,利用由红外光图像得出的各温度数据进行相互比较,将与其他任意温度数据的第一差值超过第一差值范围的温度数据确定为异常温度数据。例如,假设当前的可见光图像中共有8个导线接续点,当某个导线接续点的温度数据与其他任意导线接续点的温度数据的第一差值超过第一差值范围,也即该导线接续点的温度明显高于其他的导线接续点的温度,则将该导线接续点的温度数据确定为异常温度数据,对应的该导线接续点为故障导线接续点。
本方法通过将各导线接续点的温度数据进行相互比较从而确定出异常温度数据,进而确定出故障导线接续点,相较于预先设置标准温度阈值,利于各温度数据与标准阈值进行比较的方式,准确度更高。
在上述实施例的基础上,当可见光图像和红外光图像为在同一角度拍摄得出的图像时,在利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
利用第一特征点和第二特征点将可见光图像与红外光图像叠加。
具体的,当可见光图像和红外光图像为在同一角度拍摄得出的图像时,则可以进一步将可见光图像和红外光图像进行叠加。由于可见光图像和红外光图像为在同一角度拍摄得出的图像,因此,首先得出第一特征点和第二特征中相同的特征点,利用第一特征点与第二特征点中相同的特征点的对应关系,将可见光图像和红外光图像进行叠加,从而得出既显示有各导线接续点的结构部位的信息,又显示有表征温度数据的红外辐射信息的图像,进而更便于技术人员通过查看叠加的图像,分析故障导线接续点的具体故障情况。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,在利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点之前,进一步包括:
对可见光图像和红外光图像分别进行预处理操作。
可以理解的是,在获取可见光图像和红外光图像的过程中,可能存在多种外界因素的影响导致图像不同程度的模糊、失真等问题,例如大雾天气的影响将导致获取到的图像信息比较模糊,或者镜头抖动、镜头的精度不高等因素将导致获取到的图像信息失真。因此,在本实施例中,在对可见光图像和红外光图像进行特征提取之前,进一步分别对可见光图像和红外光图像进行预处理操作。
作为优选的实施方式,预处理操作包括:
图像去噪和/或图像去雾和/或图像去抖和/或图像增强。
具体的,图像去噪的具体方法有邻域平均法、空域低通滤波法和中值滤波法等。其中,中值滤波是一种空间域非线性滤波方法,由于它在实际运算过程中并不需要图像的统计特性,所以计算简单快捷,并且能够在一定的条件下克服线性滤波器所带来的图像细节模糊,而且对滤除脉冲干扰及部分图像噪声最为有效。
图像去雾包括调整图像的颜色、增强图像的对比度和增强图像中的边缘。用于图像去雾的算法主要有基于图像增强和基于图像复原两大类:基于图像增强的去雾算法通过提高带雾图像的对比度来减小雾对图像的影响,使去雾后图像更加便于识别,去雾算法包括基于直方图均衡化的去雾算法和基于Retinex理论的去雾算法等;基于图像复原的去雾算法通过利用大气散射模型来恢复无雾图像,大气散射模型分为基于单幅输入图像的模型和基于多幅输入图像的模型。
具体的,可以预先在拍摄装置上安装云台,引入光学防抖、陀螺仪补偿防抖等方式减少在拍摄图像过程中的抖动问题。此外,还可以采用特征法和光流法来实现图像去抖。其中,光流法对存在移动目标的图像,可以获得每个像素的运动矢量,去抖效果优于特征法,但有时需要结合视频分割来实现运动目标的全局估计。特征法的效果很大程度上取决于特征匹配的精度,因此该方法的应用存在限制。
压缩感知CS理论框架是一种较前沿的图像重构方法,通过求解稀疏约束最优化问题,就能够从低维观测中精确或高概率精确地重构原始信号,从而实现可见光图像质量增强。
需要说明的是,图像去噪、图像去雾、图像去抖和图像增强的方法均有多种方式,在具体实施中,根据实际需求进行选择,本实例对此不做限定。
可见,通过分别对可见光图像和红外光图像进行预处理操作,能够使得可见光图像和红外光图像的特征信息更加明显,从而使得特征提取和特征匹配等操作更加便捷、准确。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,在利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
在预设的知识库中查找与故障导线接续点对应的解决方案;
将解决方案发送给目标设备。
具体的,预先根据故障导线接续点的故障情况以及对应的解决方案设置知识库,在确定出故障导线接续点之后,根据对应的故障情况在预设的知识库中查找与该故障情况对应的解决方案,然后将查找到的解决方案发送给目标设备。具体的,目标设备指的是能够与技术人员进行交互的设备,通过将解决方案发送给目标设备,使得技术人员能够获取该信息,以采取对应的措施。知识库可以是以表格的形式设置,也可以是以数据库的方式设置,在具体实施中根据知识库的容量和查找方式进行选择设置,本实施例对此不做限定。另外,还可以将知识库设置于云盘,由多方共同维护该知识库,实现知识共享,提高能够获取到与故障情况对应的解决方案的可能性。
可以理解的是,当知识库中不存在与当前的故障情况对应的解决方案时,可以响应技术人员的输入操作,获取由技术人员输入的对应的解决方案,并将该故障情况以及对应的解决方案存储至该知识库中,以便能够不断完善知识库,能够为多种可能存在的故障情况提供解决方案,为其他技术人员的维修工作带来便利。
在其他的实施例中,还可以进一步向目标设备发送获取到的可见光图像和红外光图像,以便于技术人员能够根据自身的经验进一步分析得出故障导线接续点,进一步提高对导线接续点的故障分析的准确度。
上文对于本发明提供的一种导线接续点的故障分析方法的实施例进行了详细的描述,本发明还提供了一种与该方法对应的导线接续点的故障分析装置、设备及计算机可读存储介质,由于装置、设备及计算机可读存储介质部分的实施例与方法部分的实施例相互照应,因此装置、设备及计算机可读存储介质部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
图2为本发明实施例提供的一种导线接续点的故障分析装置的结构图,如图2所示,一种导线接续点的故障分析装置包括:
图像获取模块21,用于获取包括有多个导线接续点的可见光图像和红外光图像;
特征提取模块22,用于利用预先存储的提取算法分别提取可见光图像的第一特征点和红外光图像的第二特征点;
匹配分析模块23,用于利用第一特征点和第二特征点将可见光图像和红外光图像进行特征匹配,确定出故障导线接续点。
本发明实施例提供的导线接续点的故障分析装置,具有上述导线接续点的故障分析方法的有益效果。
图3为本发明实施例提供的一种导线接续点的故障分析设备的结构图,如图3所示,一种导线接续点的故障分析设备包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序时实现如上述导线接续点的故障分析方法的步骤。
本发明实施例提供的导线接续点的故障分析设备,具有上述导线接续点的故障分析方法的有益效果。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述导线接续点的故障分析方法的步骤。
本发明实施例提供的计算机可读存储介质,具有上述导线接续点的故障分析方法的有益效果。
以上对本发明所提供的导线接续点的故障分析方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体实施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。应当指出,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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
Claims (10)
1.一种导线接续点的故障分析方法,其特征在于,包括:
获取包括有多个导线接续点的可见光图像和红外光图像;
利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点;
利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点。
2.根据权利要求1所述的方法,其特征在于,所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点具体包括:
确定出所述红外光图像中与异常温度数据对应的目标第二特征点;
根据所述第一特征点和所述第二特征点的映射关系,在所述可见光图像中获取与所述目标第二特征点相对应的目标第一特征点;
根据所述目标第一特征点确定出所述故障导线接续点。
3.根据权利要求2所述的方法,其特征在于,所述异常温度数据具体为:
与其他任意所述温度数据的第一差值超过第一差值范围的所述温度数据。
4.根据权利要求3所述的方法,其特征在于,当所述可见光图像和所述红外光图像为在同一角度拍摄得出的图像时,在所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
利用所述第一特征点和所述第二特征点将所述可见光图像与所述红外光图像叠加。
5.根据权利要求1至4任一项所述的方法,其特征在于,在所述利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点之前,进一步包括:
对所述可见光图像和所述红外光图像分别进行预处理操作。
6.根据权利要求5所述的方法,其特征在于,所述预处理操作包括:
图像去噪和/或图像去雾和/或图像去抖和/或图像增强。
7.根据权利要求5所述的方法,其特征在于,在所述利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点之后,进一步包括:
在预设的知识库中查找与所述故障导线接续点对应的解决方案;
将所述解决方案发送给目标设备。
8.一种导线接续点的故障分析装置,其特征在于,包括:
图像获取模块,用于获取包括有多个导线接续点的可见光图像和红外光图像;
特征提取模块,用于利用预先存储的提取算法分别提取所述可见光图像的第一特征点和所述红外光图像的第二特征点;
匹配分析模块,用于利用所述第一特征点和所述第二特征点将所述可见光图像和所述红外光图像进行特征匹配,确定出故障导线接续点。
9.一种导线接续点的故障分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的导线接续点的故障分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的导线接续点的故障分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583800.5A CN109596224A (zh) | 2018-12-24 | 2018-12-24 | 一种导线接续点的故障分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583800.5A CN109596224A (zh) | 2018-12-24 | 2018-12-24 | 一种导线接续点的故障分析方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109596224A true CN109596224A (zh) | 2019-04-09 |
Family
ID=65964362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811583800.5A Pending CN109596224A (zh) | 2018-12-24 | 2018-12-24 | 一种导线接续点的故障分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109596224A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661799A (zh) * | 2012-05-16 | 2012-09-12 | 广东电网公司珠海供电局 | 故障定位方法与系统 |
CN105301427A (zh) * | 2015-10-26 | 2016-02-03 | 新疆金风科技股份有限公司 | 电缆接头的故障诊断方法及装置 |
CN107643125A (zh) * | 2017-08-14 | 2018-01-30 | 中车青岛四方机车车辆股份有限公司 | 设备故障的确定方法和装置 |
CN107907775A (zh) * | 2017-09-30 | 2018-04-13 | 中车青岛四方机车车辆股份有限公司 | 接线检测方法及接线检测装置 |
-
2018
- 2018-12-24 CN CN201811583800.5A patent/CN109596224A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661799A (zh) * | 2012-05-16 | 2012-09-12 | 广东电网公司珠海供电局 | 故障定位方法与系统 |
CN105301427A (zh) * | 2015-10-26 | 2016-02-03 | 新疆金风科技股份有限公司 | 电缆接头的故障诊断方法及装置 |
CN107643125A (zh) * | 2017-08-14 | 2018-01-30 | 中车青岛四方机车车辆股份有限公司 | 设备故障的确定方法和装置 |
CN107907775A (zh) * | 2017-09-30 | 2018-04-13 | 中车青岛四方机车车辆股份有限公司 | 接线检测方法及接线检测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
CN112131936B (zh) * | 2020-08-13 | 2023-07-21 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN111325051B (zh) | 一种基于人脸图像roi选取的人脸识别方法及装置 | |
US20190294863A9 (en) | Method and apparatus for face classification | |
CN111381579A (zh) | 一种云台故障检测方法、装置、计算机设备及存储介质 | |
CN109472193A (zh) | 人脸检测方法及装置 | |
CN112396116A (zh) | 一种雷电检测方法、装置、计算机设备及可读介质 | |
CN109829859A (zh) | 图像处理方法及终端设备 | |
CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
KR20210012012A (ko) | 물체 추적 방법들 및 장치들, 전자 디바이스들 및 저장 매체 | |
CN111797733A (zh) | 一种基于图像的行为识别方法、装置、设备和存储介质 | |
CN114666473A (zh) | 耕地保护用视频监控方法、系统、终端及存储介质 | |
CN111226226A (zh) | 基于运动的对象检测方法及其对象检测装置和电子设备 | |
CN105554354A (zh) | 一种高清摄像头 | |
CN108174198B (zh) | 一种视频图像质量诊断分析检测设备及应用系统 | |
CN111104917A (zh) | 基于人脸的活体检测方法、装置、电子设备及介质 | |
CN113256570A (zh) | 基于人工智能的视觉信息处理方法、装置、设备及介质 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
CN109905670A (zh) | 一种多级平台监控系统 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN109596224A (zh) | 一种导线接续点的故障分析方法、装置、设备及存储介质 | |
CN109525781A (zh) | 一种导线接续点的图像拍摄方法、装置、设备及存储介质 | |
CN115410240A (zh) | 智能人脸的痘痘和色斑分析方法、装置及存储介质 | |
CN109580005A (zh) | 一种导线接续点的故障分析方法、装置、设备及存储介质 | |
CN111738043A (zh) | 一种行人重识别方法及装置 |
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: 20190409 |
|
RJ01 | Rejection of invention patent application after publication |