CN109977962A - 一种光缆故障隐患自动识别方法与系统 - Google Patents

一种光缆故障隐患自动识别方法与系统 Download PDF

Info

Publication number
CN109977962A
CN109977962A CN201910216568.XA CN201910216568A CN109977962A CN 109977962 A CN109977962 A CN 109977962A CN 201910216568 A CN201910216568 A CN 201910216568A CN 109977962 A CN109977962 A CN 109977962A
Authority
CN
China
Prior art keywords
optical cable
cable
image
hidden danger
difference
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
Application number
CN201910216568.XA
Other languages
English (en)
Other versions
CN109977962B (zh
Inventor
付振霄
王振坤
张�浩
李菁竹
毕晓伟
孔德秋
牛华忠
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
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
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, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910216568.XA priority Critical patent/CN109977962B/zh
Publication of CN109977962A publication Critical patent/CN109977962A/zh
Application granted granted Critical
Publication of CN109977962B publication Critical patent/CN109977962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/20Scenes; Scene-specific elements in augmented reality scenes

Abstract

本发明提供了一种光缆故障隐患自动识别方法与系统,本发明基于图像处理算法,对光缆图像进行灰度二值化处理,并与正常状态下的二值化图像进行差分,并通过差分图中黑色部分像素点的数量以及平均欧式距离来判定电缆故障为何种类型,从而由计算机自动识别隐患位置,准确率高,人工成本低,解决了现有技术中对光缆的维护依靠人工巡检所造成的人工成本高以及效率低的问题,并及时向相关人员发出信号,无需人员值守,并且能够及时接收隐患信息,对隐患作出相应处理,在降低成本的同时提高了光缆隐患治理效率。

Description

一种光缆故障隐患自动识别方法与系统
技术领域
本发明涉及光缆故障监测技术领域,特别是一种光缆故障隐患自动识别方法与系统。
背景技术
光缆线路是信息传输网络的核心组成部分,用以传输数据、音频以及视频等业务,在通信、电力等行业发挥着不可替代的作用,光缆如果发生中断,则会导致数据丢失,甚至网络瘫痪,造成严重的不良影响。
目前,光缆线路的故障监测以及维护主要依靠人工定期巡检,人工成本高,并且存在人员安全隐患,巡检周期间隔较长,部分故障隐患不能及时被排查发现。部分线路已经开始尝试使用无人机进行巡检,但是此种方式的巡检成本较高;另外部分重点线路配置摄像头,对光缆线路进行监控,能够及时发现故障隐患,但是隐患的识别需要依靠人工来进行判定,需要保证有工作人员对监控视频保持值守,人员利用率低,且人工成本仍然很高。
因此,急需一种光缆故障隐患自动识别方法,以解决上述问题,来提高隐患治理效率,降低成本。
发明内容
本发明的目的是提供一种光缆故障隐患自动识别方法与系统,旨在解决现有技术中对光缆的维护依靠人工巡检所造成的人工成本高以及效率低的问题,实现在降低成本的同时提高光缆隐患治理效率。
为达到上述技术目的,本发明提供了一种光缆故障隐患自动识别方法,所述方法包括以下步骤:
S1、对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
S2、将二值化的后的图像与光缆正常状态下的二值化图像进行差分,获得差分图;
S3、当差分图中黑色部分像素点数量大于M时,则判定光缆有异常;
S4、计算差分图黑色部分像素点的平均欧氏距离,当平均欧氏距离大于设定阈值N时,则判定光缆为断股或断裂,否则执行下一步骤;
S5、将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图,若黑色像素点数量大于M时,为鸟类接触光缆,否则为光缆上筑有鸟巢。
优选地,所述平均欧氏距离的计算具体为以下操作步骤:
将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
优选地,所述拍照的间隔时间为10分钟。
优选地,所述方法还包括:
当判定光缆出现故障时,向工作人员发送维护信号,并拍摄图像。
本发明还提供了一种光缆故障隐患自动识别系统,所述系统包括:
图像二值化模块,用于对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
图像差分模块,用于将二值化的后的图像与光缆正常状态下的二值化图像进行差分或者将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图;
平均欧氏距离计算模块,用于计算差分图黑色部分像素点的平均欧氏距离;
故障判断模块,用于根据差分图中黑色部分像素点数量以及平均欧氏距离判断光缆故障。
优选地,所述平均欧氏距离的计算具体为:
将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
优选地,所述拍照的间隔时间为10分钟。
优选地,所述系统还包括:
维护信号发送模块,用于当判定光缆出现故障时,向工作人员发送维护信号,并拍摄图像。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明基于图像处理算法,对光缆图像进行灰度二值化处理,并与正常状态下的二值化图像进行差分,并通过差分图中黑色部分像素点的数量以及平均欧式距离来判定电缆故障为何种类型,从而由计算机自动识别隐患位置,准确率高,人工成本低,解决了现有技术中对光缆的维护依靠人工巡检所造成的人工成本高以及效率低的问题,并及时向相关人员发出信号,无需人员值守,并且能够及时接收隐患信息,对隐患作出相应处理,在降低成本的同时提高了光缆隐患治理效率。
附图说明
图1为本发明实施例中所提供的一种光缆故障隐患自动识别方法流程图;
图2为本发明实施例中所提供的一种正常状态下光缆图像以及处理后的图像;
图3为本发明实施例中所提供的一种在断股状态下光缆图像以及二值化处理后的图像;
图4为本发明实施例中所提供的一种筑有鸟巢状态下光缆图像以及二值化处理后的图像;
图5为本发明实施例中所提供的一种正常光缆与断股光缆二值化差分图;
图6为本发明实施例中所提供的一种正常光缆与筑有鸟巢光缆二值化差分图;
图7为本发明实施例中所提供的一种光缆故障隐患自动识别系统结构框图。
具体实施方式
为了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。
下面结合附图对本发明实施例所提供的一种光缆故障隐患自动识别方法与系统进行详细说明。
如图1所示,本发明实施例公开了一种光缆故障隐患自动识别方法,所述方法包括以下步骤:
S1、对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
S2、将二值化的后的图像与光缆正常状态下的二值化图像进行差分,获得差分图;
S3、当差分图中黑色部分像素点数量大于M时,则判定光缆有异常;
S4、计算差分图黑色部分像素点的平均欧氏距离,当平均欧氏距离大于设定阈值N时,则判定光缆为断股或断裂,否则执行下一步骤;
S5、将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图,若黑色像素点数量大于M时,为鸟类接触光缆,否则为光缆上筑有鸟巢。
利用摄像头每隔10分钟进行一次拍照,根据需要,摄像头可为普通摄像头或者红外摄像头,对拍摄图像数据进行图像灰度处理,将灰度照片进行图像二值化,如图2-4所示,并将二值化图像与正常状态下的二值化图像进行差分,得到差分图,如图5、6所示,黑色部分表示两图的不同之处。
设定黑色部分像素点大于一定数量时,例如数量设定为M,则认定光缆有异常。
光缆故障主要表现为光缆断股、断裂,光缆有鸟巢或光缆有鸟啄等,通过计算,得到故障发生原因,具体操作如下:
计算图像的离散程度。
计算黑色部分的中心点位置:将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
当平均欧氏距离大于预先设定的阈值N时,则判定光缆为断股或断裂,向相关工作人员发出抢修信号并拍摄图像;
当平均欧氏距离小于预先设定的阈值N时,与前一次拍摄图像进行差分处理,由于如果是有鸟接触光缆,在一段时间内,鸟是活动的,当与前一次拍摄图像进行差分处理时,其差分图类似鸟的形状,其黑色部分像素点数量自然就多;而当如果是鸟巢时,由于鸟巢是静态的,其差分图中黑色部分像素点很少甚至没有,因此,可通过黑色部分像素点数量的多少来判定光缆故障。
若黑色部分像素点数量大于M时,则判定为鸟类接触光缆,有鸟啄风险,向相关工作人员发出预警信号及拍摄图像;若黑色部分像素点数量小于M,则判定为鸟巢筑在光缆上,需要及时清理,向工作人员发出清理信号并拍摄图像。
本发明实施例基于图像处理算法,对光缆图像进行灰度二值化处理,并与正常状态下的二值化图像进行差分,并通过差分图中黑色部分像素点的数量以及平均欧式距离来判定电缆故障为何种类型,从而由计算机自动识别隐患位置,准确率高,人工成本低,解决了现有技术中对光缆的维护依靠人工巡检所造成的人工成本高以及效率低的问题,并及时向相关人员发出信号,无需人员值守,并且能够及时接收隐患信息,对隐患作出相应处理,在降低成本的同时提高了光缆隐患治理效率。
如图7所示,本发明实施例还公开了一种光缆故障隐患自动识别系统,所述系统包括:
图像二值化模块,用于对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
图像差分模块,用于将二值化的后的图像与光缆正常状态下的二值化图像进行差分或者将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图;
平均欧氏距离计算模块,用于计算差分图黑色部分像素点的平均欧氏距离;
故障判断模块,用于根据差分图中黑色部分像素点数量以及平均欧氏距离判断光缆故障。
利用摄像头每隔10分钟进行一次拍照,根据需要,摄像头可为普通摄像头或者红外摄像头,对拍摄图像数据进行图像灰度处理,将灰度照片进行图像二值化,并将二值化图像与正常状态下的二值化图像进行差分,得到差分图,黑色部分表示两图的不同之处。
设定黑色部分像素点大于一定数量时,例如数量设定为M,则认定光缆有异常。
光缆故障主要表现为光缆断股、断裂,光缆有鸟巢或光缆有鸟啄等,通过计算,得到故障发生原因,具体操作如下:
计算图像的离散程度。
计算黑色部分的中心点位置:将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
当平均欧氏距离大于预先设定的阈值N时,则判定光缆为断股或断裂;
当平均欧氏距离小于预先设定的阈值N时,与前一次拍摄图像进行差分处理,由于如果是有鸟接触光缆,在一段时间内,鸟是活动的,当与前一次拍摄图像进行差分处理时,其差分图类似鸟的形状,其黑色部分像素点数量自然就多;而当如果是鸟巢时,由于鸟巢是静态的,其差分图中黑色部分像素点很少甚至没有,因此,可通过黑色部分像素点数量的多少来判定光缆故障。
若黑色部分像素点数量大于M时,则判定为鸟类接触光缆,有鸟啄风险;若黑色部分像素点数量小于M,则判定为鸟巢筑在光缆上,需要及时清理。
所述系统还包括:
维护信号发送模块,用于当判定光缆出现故障时,向工作人员发送维护信号,并拍摄图像。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种光缆故障隐患自动识别方法,其特征在于,所述方法包括以下步骤:
S1、对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
S2、将二值化的后的图像与光缆正常状态下的二值化图像进行差分,获得差分图;
S3、当差分图中黑色部分像素点数量大于M时,则判定光缆有异常;
S4、计算差分图黑色部分像素点的平均欧氏距离,当平均欧氏距离大于设定阈值N时,则判定光缆为断股或断裂,否则执行下一步骤;
S5、将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图,若黑色像素点数量大于M时,为鸟类接触光缆,否则为光缆上筑有鸟巢。
2.根据权利要求1所述的一种光缆故障隐患自动识别方法,其特征在于,所述平均欧氏距离的计算具体为以下操作步骤:
将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
3.根据权利要求1所述的一种光缆故障隐患自动识别方法,其特征在于,所述拍照的间隔时间为10分钟。
4.根据权利要求1-3任意一项所述的一种光缆故障隐患自动识别方法,其特征在于,所述方法还包括:
当判定光缆出现故障时,向工作人员发送维护信号,并拍摄图像。
5.一种光缆故障隐患自动识别系统,其特征在于,所述系统包括:
图像二值化模块,用于对光缆每隔一段时间进行一次拍照,对拍摄图像进行图像灰度二值化处理;
图像差分模块,用于将二值化的后的图像与光缆正常状态下的二值化图像进行差分或者将本次二值化图像与前一次拍摄图像的二值化图像进行差分,获得差分图;
平均欧氏距离计算模块,用于计算差分图黑色部分像素点的平均欧氏距离;
故障判断模块,用于根据差分图中黑色部分像素点数量以及平均欧氏距离判断光缆故障。
6.根据权利要求5所述的一种光缆故障隐患自动识别系统,其特征在于,所述平均欧氏距离的计算具体为:
将所有像素点为黑色的横坐标以及纵坐标分别相加,再分别取平均值,将其作为中心点坐标,然后分别计算每一个黑色像素点与中心点的欧氏距离,最后计算平均欧氏距离。
7.根据权利要求5所述的一种光缆故障隐患自动识别系统,其特征在于,所述拍照的间隔时间为10分钟。
8.根据权利要求5-7任意一项所述的一种光缆故障隐患自动识别系统,其特征在于,所述系统还包括:
维护信号发送模块,用于当判定光缆出现故障时,向工作人员发送维护信号,并拍摄图像。
CN201910216568.XA 2019-03-21 2019-03-21 一种光缆故障隐患自动识别方法与系统 Active CN109977962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910216568.XA CN109977962B (zh) 2019-03-21 2019-03-21 一种光缆故障隐患自动识别方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910216568.XA CN109977962B (zh) 2019-03-21 2019-03-21 一种光缆故障隐患自动识别方法与系统

Publications (2)

Publication Number Publication Date
CN109977962A true CN109977962A (zh) 2019-07-05
CN109977962B CN109977962B (zh) 2022-03-15

Family

ID=67079959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910216568.XA Active CN109977962B (zh) 2019-03-21 2019-03-21 一种光缆故障隐患自动识别方法与系统

Country Status (1)

Country Link
CN (1) CN109977962B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233095A (zh) * 2020-10-16 2021-01-15 哈尔滨市科佳通用机电股份有限公司 一种铁路货车锁紧板装置多种故障形态检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105957073A (zh) * 2015-04-29 2016-09-21 国网河南省电力公司电力科学研究院 输电线路散股故障检测方法
CN106600580A (zh) * 2016-11-30 2017-04-26 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
CN107680097A (zh) * 2017-10-31 2018-02-09 湖北中海盛达电力器材有限公司 一种输电线路杆塔识别鸟巢的方法
CN108307146A (zh) * 2017-12-12 2018-07-20 张宝泽 一种高压输电线路安全隐患检测系统及方法
WO2018211891A1 (ja) * 2017-05-18 2018-11-22 住友電気工業株式会社 異変検出装置及び異変検出方法
CN109389152A (zh) * 2018-08-30 2019-02-26 广东工业大学 一种输电线路垂坠物的精细化识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105957073A (zh) * 2015-04-29 2016-09-21 国网河南省电力公司电力科学研究院 输电线路散股故障检测方法
CN106600580A (zh) * 2016-11-30 2017-04-26 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
WO2018211891A1 (ja) * 2017-05-18 2018-11-22 住友電気工業株式会社 異変検出装置及び異変検出方法
CN107680097A (zh) * 2017-10-31 2018-02-09 湖北中海盛达电力器材有限公司 一种输电线路杆塔识别鸟巢的方法
CN108307146A (zh) * 2017-12-12 2018-07-20 张宝泽 一种高压输电线路安全隐患检测系统及方法
CN109389152A (zh) * 2018-08-30 2019-02-26 广东工业大学 一种输电线路垂坠物的精细化识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233095A (zh) * 2020-10-16 2021-01-15 哈尔滨市科佳通用机电股份有限公司 一种铁路货车锁紧板装置多种故障形态检测方法
CN112233095B (zh) * 2020-10-16 2021-05-28 哈尔滨市科佳通用机电股份有限公司 一种铁路货车锁紧板装置多种故障形态检测方法

Also Published As

Publication number Publication date
CN109977962B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN103067740B (zh) 视频监控设备故障智能检测方法及其检测系统
WO2020057159A1 (zh) 一种高校餐厅食品加工违规行为视频分析系统及方法
CN104899936B (zh) 一种基于图像识别的光伏组件故障提示方法及系统
CN202773015U (zh) 一种用于视频监控系统图像质量诊断装置
CN102025975A (zh) 自动监控方法和系统
CN107272637B (zh) 一种视频监控系统故障自检自恢复控制系统及方法
CN102868110A (zh) 户外环网柜视频监控方法、装置及系统
CN104394361A (zh) 行人越界智能监控装置与检测方法
CN103957387A (zh) 一种安防通道杂物检测方法及检测系统
CN110705472A (zh) 一种基于视频图像识别脱岗的方法及系统
CN109977962A (zh) 一种光缆故障隐患自动识别方法与系统
CN110807460A (zh) 一种基于图像识别的变电站智能巡视系统及其应用方法
CN104363414A (zh) 一种智能视频的分析方法
CN108073854A (zh) 一种现场巡检的检测方法及装置
CN109151463B (zh) 一种视频质量诊断系统及视频质量分析方法
CN113343841A (zh) 电力隧道异常情况的确定方法和装置
CN111932709A (zh) 一种基于ai识别实现加油站巡检作业违规安全监管的方法
CN111836019A (zh) 一种用于海上安保的视频监控系统及其应用
CN107613250B (zh) 一种安防监控系统的数据筛选方法
CN110781735A (zh) 一种用于识别人员在岗状态的报警方法及系统
CN110853287A (zh) 一种基于物联网分布式架构的火焰实时监控系统及方法
CN110191322A (zh) 一种共享预警的视频监控方法及系统
CN205157811U (zh) 一种基于网络的安检智能管理系统
CN106803795B (zh) 基于检测帧的视频监控系统故障识别、定位及告警系统及其方法
CN103517063A (zh) 一种视频质量诊断系统

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