CN110197131A - 一种基于机器视觉远程监测避雷器放电动作次数的方法 - Google Patents
一种基于机器视觉远程监测避雷器放电动作次数的方法 Download PDFInfo
- Publication number
- CN110197131A CN110197131A CN201910389796.7A CN201910389796A CN110197131A CN 110197131 A CN110197131 A CN 110197131A CN 201910389796 A CN201910389796 A CN 201910389796A CN 110197131 A CN110197131 A CN 110197131A
- Authority
- CN
- China
- Prior art keywords
- lightning arrester
- data
- image
- machine vision
- software platform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 230000009471 action Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 abstract description 2
- 230000007306 turnover Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 7
- 230000009184 walking Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 208000025274 Lightning injury Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
一种基于机器视觉远程监测避雷器放电动作次数的方法,包括在避雷器计数器表盘的连接柱上安装摄像头,摄像头进行图像采集。摄像头通过RS485通信模块将采集的图像传输到最小系统板,最小系统板以GPRS/GSM远程通讯方式,将图像传输到上位机的远程系统软件平台。远程系统软件平台调用外部库程序处理采集的原始图像,用OpenCV开发计算机视觉程序。本发明一种基于机器视觉远程监测避雷器放电动作次数的方法,基于机器视觉实现避雷器放电动作计数,可以实时自动或主动记录避雷器动作次数,便于保存比较分析,且节省人工成本。
Description
技术领域
本发明属于人工智能和信息技术领域,具体是一种基于机器视觉远程监测避雷器放电动作次数的方法。
背景技术
电力系统中避雷器众多,通过对避雷器动作次数的记录,以及对应避雷器的编号。可以统计分析相关位置线路或其他设备的运行状况,以及避雷器的检修周期,甚至可以模糊分析雷击点的位置。
但是目前变电站里避雷器主要安装的是机械指针式计数仪表,无通讯接口。均采用人工抄表记录的方式记录避雷器的动作次数。对于数据的比较和保存均不方便,并且因为抄表周期不一,具有较大的滞后性。
发明内容
为解决上述技术问题,本发明提供一种基于机器视觉远程监测避雷器放电动作次数的方法,基于机器视觉实现避雷器放电动作计数,可以实时自动或主动记录避雷器动作次数,便于保存比较分析,且节省人工成本。
本发明采取的技术方案为:
一种基于机器视觉远程监测避雷器放电动作次数的方法,包括以下步骤:
步骤1:在避雷器计数器表盘的连接柱上安装摄像头,摄像头进行图像采集。
步骤2:摄像头通过RS485通信模块将采集的图像传输到最小系统板,最小系统板以GPRS/GSM远程通讯方式,将图像传输到上位机的远程系统软件平台。
步骤3:远程系统软件平台调用外部库程序处理采集的原始图像,用OpenCV开发计算机视觉程序,程序流程包括以下步骤:
3.1、预处理:利用canny算法先对原始图像进行边缘提取,一方面滤掉部分干扰,另一方面将原始图像转换为边缘图后,只剩下主要线条信息;
3.2、找表盘:运用霍夫找圆,滤掉其他有影响的圆,采用所有用霍夫找到的圆中半径最大、且整个圆都在当前图片中的那个圆作为表盘,默认为指针式圆形表盘。
3.3、找线段:判断线段到圆心的距离小于一定的距离才默认为指针,然后对获取求得的线段进行转换定义的斜率表示,不同的斜率即代表不同数字。
,摄像头编号与避雷器编号一一对应,数据按照时间,次数以及避雷器的编号进行保存,通过避雷器编号和时间,能模糊判断避雷器生命周期,雷击点位置,线路及杆塔的运行状态。
所述远程系统软件平台是采用VS-C#开发系统软件平台,该平台采用SQLServer或Oracle工业数据库软件建立基础数据库,远程系统软件平台用于进行图像识别、读数,采集的原图像及识别后数据均保存在所建立的基础数据库中。
所述远程系统软件平台包括:
表示层:作为前台显示界面,其用于用户查看、分类、保存、输出操作;
逻辑层:其用于数据处理,调用外部处理程序进行图像识别和数据筛选;
数据层:其用于建立基础数据库,为逻辑层分析提供基础数据,同时保存历史数据以及分析后数据。
本发明一种基于机器视觉远程监测避雷器放电动作次数的方法,技术效果如下:
1、电力系统对于安全稳定的要求非常高。本发明充分考虑保存现有避雷器的机械计数器,避免安装拆卸造成后期的运行稳定问题。基于现有机械式避雷器计数器进行研究开发,无须拆装现有设备,无安全隐患。且具有通用性,后期可应用于具有同样特征的电力系统设备的监测。
2、以连接柱安装连接柱,固定连接柱与避雷器计数器表盘的相对位置。
3、基于指针式表盘的机器视觉算法,识别避雷器动作计数器表盘,转为数字数据按照时间保存。并且同时保存原有图像,在有需要的时候,可以实现人工比对纠错。
附图说明
图1是实施提出的基于机器视觉远程监测避雷器放电动作次数方法的整体功能框架图。
图2是摄像头安装示意图。
图3是图像采集及传输功能结构示意图。
图4是处理平台系统结构示意图。
图5是计算机机器视觉程序算法流程图。
图6是Canny算法的非极大值抑制示意图。
图7(1)是Canny算法的边缘提取示意图一;
图7(2)是Canny算法的边缘提取示意图一;
图7(3)是Canny算法的边缘提取示意图三。
图8是霍夫找圆示意图。
具体实施方式
一种基于机器视觉远程监测避雷器放电动作次数的方法,包括以下步骤:
步骤1:充分考虑不改变现有计数装置的条件下,实现远程状态监测,并且充分体现人机互动。目前现有的避雷器动作计数机械仪表,该仪表盘为指针式,且不带通讯扩展接口。出于施工安全和后期运行安全的考虑,在避雷器计数器表盘1的连接柱2上安装摄像头3,摄像头3进行图像采集,安装方式如图2所示。
步骤2:摄像头3通过RS485通信模块4将采集的图像传输到最小系统板5,最小系统板5以GPRS/GSM远程通讯方式,将图像传输到上位机6的远程系统软件平台。
摄像头3采用带wifi或RS485通讯的小微型通用摄像头,有效距离10M。
最小系统板5采用通用型最小系统板,集成有ARM9模块、存储模块、RJ45模块、WiFi模块、RS485通信模块。
步骤3:远程系统软件平台调用外部库程序处理采集的原始图像,用OpenCV开发计算机视觉程序,如图5所示,程序流程包括以下步骤:
步骤3.1、由于一张图片中包含的圆圈和直线的信息量较大,直接进行霍夫处理要浪费大量的运算量,而且也不利于去除各种干扰。
预处理:利用canny算法先对原始图像进行边缘提取,一方面滤掉部分干扰,另一方面将原始图像转换为边缘图后,只剩下主要线条信息,有利于加快处理。
Canny边缘检测算法的主要流程如下:
1、使用高斯滤波器平滑图像,滤除噪声;
为了尽可能减少噪声对边缘检测结果的影响,所以必须滤除噪声以防止由噪声引起的错误检测。为了平滑图像,使用高斯滤波器与图像进行卷积,该步骤将平滑图像,以减少边缘检测器上明显的噪声影响。大小为(2k+1)X(2k+1)的高斯滤波器核的生成方程式由下式(3-1)给出:
2、计算图像中每个像素点的梯度强度和方向;
图像中的边缘可以指向各个方向,因此Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘。边缘检测的算子,如Roberts,Prewitt,Sobel等;返回水平Gx和垂直Gy方向的一阶导数值,由此便可以确定像素点的梯度G和方向theta。
3、应用非极大值抑制,以消除边缘检测带来的杂散响应。
非极大值抑制是一种边缘稀疏技术,非极大值抑制的作用在于“瘦”边。非极大值抑制可以帮助将局部最大值之外的所有梯度值抑制为0,对梯度图像中每个像素进行非极大值抑制的算法是:
1):将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较。
2):如果当前像素的梯度强度与另外两个像素相比最大,则该像素点保留为边缘点,否则该像素点将被抑制。如图6所示,将梯度分为8个方向,分别为E、NE、N、NW、W、SW、S、SE,其中0代表0°~45°,1代表45°~90°,2代表-90°~45°,3代表-45°~0°。像素点P的梯度方向为theta,则像素点P1和P2的梯度线性插值为:
tan(θ)=Gy/Gx
Gp1=(1-tan(θ))×E+tan(θ)×NE
Gp2=(1-tan(θ))×W+tan(θ)×SW
3):应用双阈值检测来确定真实的和潜在的边缘。然而,仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些杂散响应,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现。双阈值检测的伪代码描写如下:
4):通过抑制孤立的弱边缘最终完成边缘检测,。然而,对于弱边缘像素,将会有一些争论,因为这些像素可以从真实边缘提取也可以是因噪声或颜色变化引起的。为了获得准确的结果,应该抑制由后者引起的弱边缘。通常,由真实边缘引起的弱边缘像素将连接到强边缘像素,而噪声响应未连接。为了跟踪边缘连接,通过查看弱边缘像素及其8个邻域像素,只要其中一个为强边缘像素,则该弱边缘点就可以保留为真实的边缘。抑制孤立边缘点的伪代码描述如下:
通过以上5个步骤,即可完成基于Canny算法的边缘提取,图7(1)、图7(2)、图7(3)是该算法的检测效果图。
步骤3.2、找表盘:运用霍夫找圆,滤掉其他有影响的圆,采用所有用霍夫找到的圆中半径最大、且整个圆都在当前图片中的那个圆作为表盘,默认为指针式圆形表盘。
霍夫找圆包括下部方案:
Hough变换的原理就是利用图像全局特征将边缘像素连接起来组成区域封闭边界,它将图像空间转换到参数空间,在参数空间对点进行描述,达到检测图像边缘的目的。具体操作步骤如下:
S1:对输入图像进行边缘检测,获取边界点,即前景点。
S2:假如图像中存在圆形,那么其轮廓必定属于前景点。
S3:坐标变换,由x-y坐标系转换到a-b坐标系,将圆形的一般性方程写成如下形式(a-x)2+(b-y)2=r2那么x-y坐标系中圆形边界上的一点对应到a-b坐标系中即为一个圆。
S4:假设r确定,此时点(x,y)又已知,根据(a-x)2+(b-y)2=r2则(a,b)的轨迹在几何上则变成了以(x,y)为圆心,r为半径的圆;而r不确定时,(a,b,r)的轨迹变成了以(x,y)为顶点的一个圆锥。则(ai,bi,ri)(aj,bj,rj)(ak,bk,rk)的圆为图8中圆锥面的角点A。这样通过检测这一点可以得到圆的参数,相应的圆也可求得了。
S5:找到灰度图后进行双边滤波,利用houghcircle检测圆,再利用circle将圆显示出来。在对指针式仪表盘利用Canny算法进行图像二值化、形态学处理和边缘检测预处理的基础下,利用Hough变换检测仪表中的指针,计算得到的指针方向和定位圆形,实现指针式仪表的智能识别。
仪表读数识别步骤:
(1)仪表圆心的定位指的是:利用Hough变换法,检测指针式仪表中的指针,主要思想将直角坐标系中的直线转换到参数空间。p1=x cosθ1+y sinθ1,p2=x cosθ2+y sinθ2。
仪表圆心的坐标(x0-y0)如下式所示:
(2)指针方向判断指的是:在确定仪表盘圆心的基础上,由零刻度线和圆心建立直角坐标系。Hough变换得到的指针的起始点和结束点以及建立的直角坐标系,即可确定指针方向。
(3)最大量程的设定指的是:设给出需要智能读书的指针式仪表的最大量程R和最大量程多对应的夹角为,则此时指针式仪表的读书r为:
步骤3.3:哪个图里除了指针外一定还存在其他线段,而这些线段会对指针识别造成影响。运用霍夫找线段:判断线段到圆心的距离小于一定的距离才默认为指针,然后对获取求得的线段进行转换定义的斜率表示,不同的斜率即代表不同数字。
距离判断包括以下部分:
霍夫变换是一种非常有效的识别数字图像中的直线方法,但由于其是一种穷举法,具有很大的时间和空间复杂度,因此不能应用在高实时要求的系统上。所以采用最小距离法,在最小二乘法上进行了修正的一种对直线拟合的方法,利用其具有对称性的拟合处理方法。设n个刻度线上的点(xi,yi),i=1,…n,设第i个刻度线上的点(xi,yi)到直线y=kx+b的距离为因此n个刻度点到直线y=kx+b垂直距离平方和为:
显然,D(k,b)=Q(k,b)/1+k2。如果存在kdbd使得则称kd,bd为k,b的最小距离估计。
对线段进行转换定义的斜率表示:利用matlab平均斜率:求拟合。
方法:p=polyfit(x,y,1),其中p的第一个数就是斜率。
摄像头编号与避雷器编号一一对应,数据按照时间,次数以及避雷器的编号进行保存,通过避雷器编号和时间,能模糊判断避雷器生命周期,雷击点位置,线路及杆塔的运行状态。模糊判断避雷器生命周期指的是:通过计算建设工程的年预计雷击次数,是进行防雷风险等级评估的主要内容之一,故借助年预计雷击次数的计算方法,N=Ng·(K1A1P1+K2A2P2+…+KnAnPn)对比摄像头统计的雷击次数,模糊判断评价避雷器生命周期。
雷击点位置指的是:借助“三位定一点”的雷击故障点排查方法,基于机器视觉远程监测系统,在以雷击点为原点O的基础上,引入空间Y:雷电定位系统显示的雷电数据即雷电信息,地点X:杆塔的GPS经纬度坐标即杆塔信息,时间Z:调度SCADA实时监控系统跳闸GPS时钟数据即时间信息,为相互关联三方数据,通过数据的内在联系,最终确定雷击点,从而快速查找到雷击故障杆塔。
线路及杆塔的运行状态指的是:基于机器视觉远程监测系统,结合图像技术的广泛应用可以解决许多人工巡线时不能完成或很难完成的任务。借助图像测量技术对杆塔状况进行监测,可以提高输电线路的运行安全的可靠性。根据远程视频和图像采集技术为手段,实现对输电线路的监视,可以减轻巡线劳动强度,消除巡线间隔隐患,提高线路运行安全。此系统对巡检中输电线路监测起到很大作用,提高了巡线和检修的效率,避免了线路巡视和检修间隔隐患的发生,大大提高了线路运行的安全性,为电网的杆塔安全监测打下了良好的基础。
所述远程系统软件平台是采用VS-C#开发系统软件平台,该平台采用SQLServer或Oracle工业数据库软件建立基础数据库,远程系统软件平台用于进行图像识别、读数,采集的原图像及识别后数据均保存在所建立的基础数据库中。便于后期的人工纠错,数据比较分析和输出。具体功能框架及流程如图4所示。
所述远程系统软件平台包括:
表示层:作为前台显示界面,其用于用户查看、分类、保存、输出操作;
逻辑层:其用于数据处理,调用外部处理程序进行图像识别和数据筛选;
数据层:其用于建立基础数据库,为逻辑层分析提供基础数据,同时保存历史数据以及分析后数据。
Claims (4)
1.一种基于机器视觉远程监测避雷器放电动作次数的方法,其特征在于包括以下步骤:
步骤1:在避雷器计数器表盘(1)的连接柱(2)上安装摄像头(3),摄像头(3)进行图像采集;
步骤2:摄像头(3)通过RS485通信模块(4)将采集的图像传输到最小系统板(5),最小系统板(5)以GPRS/GSM远程通讯方式,将图像传输到上位机(6)的远程系统软件平台;
步骤3:远程系统软件平台调用外部库程序处理采集的原始图像,用OpenCV开发计算机视觉程序,程序流程包括以下步骤:
3.1、预处理:利用canny算法先对原始图像进行边缘提取,一方面滤掉部分干扰,另一方面将原始图像转换为边缘图后,只剩下主要线条信息;
3.2、找表盘:运用霍夫找圆,滤掉其他有影响的圆,采用所有用霍夫找到的圆中半径最大、且整个圆都在当前图片中的那个圆作为表盘,默认为指针式圆形表盘;
3.3、找线段:判断线段到圆心的距离小于一定的距离才默认为指针,然后对获取求得的线段进行转换定义的斜率表示,不同的斜率即代表不同数字。
2.根据权利要求1所述一种基于机器视觉远程监测避雷器放电动作次数的方法,其特征在于:摄像头编号与避雷器编号一一对应,数据按照时间,次数以及避雷器的编号进行保存,通过避雷器编号和时间,能模糊判断避雷器生命周期,雷击点位置,线路及杆塔的运行状态。
3.根据权利要求1所述一种基于机器视觉远程监测避雷器放电动作次数的方法,其特征在于:所述远程系统软件平台是采用VS-C#开发系统软件平台,该平台采用SQLServer或Oracle工业数据库软件建立基础数据库,远程系统软件平台用于进行图像识别、读数,采集的原图像及识别后数据均保存在所建立的基础数据库中。
4.根据权利要求1所述一种基于机器视觉远程监测避雷器放电动作次数的方法,其特征在于:所述远程系统软件平台包括:
表示层:作为前台显示界面,其用于用户查看、分类、保存、输出操作;
逻辑层:其用于数据处理,调用外部处理程序进行图像识别和数据筛选;
数据层:其用于建立基础数据库,为逻辑层分析提供基础数据,同时保存历史数据以及分析后数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910389796.7A CN110197131A (zh) | 2019-05-10 | 2019-05-10 | 一种基于机器视觉远程监测避雷器放电动作次数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910389796.7A CN110197131A (zh) | 2019-05-10 | 2019-05-10 | 一种基于机器视觉远程监测避雷器放电动作次数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110197131A true CN110197131A (zh) | 2019-09-03 |
Family
ID=67752578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910389796.7A Pending CN110197131A (zh) | 2019-05-10 | 2019-05-10 | 一种基于机器视觉远程监测避雷器放电动作次数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197131A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783727A (zh) * | 2020-07-15 | 2020-10-16 | 深圳航天智慧城市系统技术研究院有限公司 | 基于机器视觉与边缘计算技术的自动化抄表方法与系统 |
CN113297408A (zh) * | 2021-06-09 | 2021-08-24 | 上海电机学院 | 基于Sift算法的图像匹配以及场景识别系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN106526345A (zh) * | 2015-09-11 | 2017-03-22 | 张大堃 | 一种线路避雷器在线监测仪的远程状态监测系统 |
-
2019
- 2019-05-10 CN CN201910389796.7A patent/CN110197131A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN106526345A (zh) * | 2015-09-11 | 2017-03-22 | 张大堃 | 一种线路避雷器在线监测仪的远程状态监测系统 |
Non-Patent Citations (7)
Title |
---|
SAS???: "《如何识别一个指针式的时钟的时间》", 《BLOG.CSDN.NET/WEIXIN_33906657/ARTICLE/DETAILS/90160465》 * |
博客园: "《边缘检测之Canny》", 《HTTPS://WWW.CNBLOGS.COM/TECHYAN1990/P/7291771.HTML》 * |
施滢 等: "《指针式仪表读数的机器视觉智能识别方法》", 《传感器与微系统》 * |
范红星: "《‘三位一体’雷击故障排查方式的研究》" * |
谢斌 等: "《输电线路雷击故障点快速排查法》" * |
谢斌: "《缩短输电线路雷击点查找时间的方法研究》" * |
顾思妍: "《机器视觉的直线检测技术及应用研究》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783727A (zh) * | 2020-07-15 | 2020-10-16 | 深圳航天智慧城市系统技术研究院有限公司 | 基于机器视觉与边缘计算技术的自动化抄表方法与系统 |
CN111783727B (zh) * | 2020-07-15 | 2023-12-26 | 深圳航天智慧城市系统技术研究院有限公司 | 基于机器视觉与边缘计算技术的自动化抄表方法与系统 |
CN113297408A (zh) * | 2021-06-09 | 2021-08-24 | 上海电机学院 | 基于Sift算法的图像匹配以及场景识别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN102768022B (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
CN108256524A (zh) | 一种多表盘指针式仪表的自动读数方法 | |
CN103065494B (zh) | 一种基于计算机视觉的空闲停车位检测方法 | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN105160682B (zh) | 图像边缘检测方法及装置 | |
CN111402247A (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN102831393A (zh) | 电力杆塔轮廓的快速图像识别方法 | |
CN104006834A (zh) | 变电站机械式表计数据采集及诊断系统 | |
CN110197131A (zh) | 一种基于机器视觉远程监测避雷器放电动作次数的方法 | |
CN204758083U (zh) | 一种基于图像处理的河道水位报警装置 | |
CN103063166A (zh) | 悬式复合绝缘子串风偏角的检测方法及装置 | |
CN202444572U (zh) | 一种无参考的视频监控图像模糊质量检测装置 | |
CN103942551A (zh) | 基于图像的换流站用避雷器泄漏电流的识别方法以及系统 | |
CN117274722A (zh) | 基于红外图像的配电箱智能检测方法 | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN114663672A (zh) | 一种输电线路塔钢构件腐蚀检测方法及系统 | |
CN109948629A (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN116363411A (zh) | 一种基于事件相机的隔离开关分合闸状态判别的方法及装置 | |
CN110188786B (zh) | 一种用于罐式避雷器泄漏电流的机器人图像识别算法 | |
Wu et al. | Intelligent instrument recognition scheme based on unattended substation inspection | |
CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测系统 | |
CN110207783A (zh) | 一种基于视频识别的检测水位方法 |
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: 20190903 |
|
RJ01 | Rejection of invention patent application after publication |