CN110503029A - 一种输电线路玻璃绝缘子状态的检测方法 - Google Patents
一种输电线路玻璃绝缘子状态的检测方法 Download PDFInfo
- Publication number
- CN110503029A CN110503029A CN201910773419.3A CN201910773419A CN110503029A CN 110503029 A CN110503029 A CN 110503029A CN 201910773419 A CN201910773419 A CN 201910773419A CN 110503029 A CN110503029 A CN 110503029A
- Authority
- CN
- China
- Prior art keywords
- glass insulator
- insulator
- glass
- image data
- transmission line
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 191
- 239000011521 glass Substances 0.000 title claims abstract description 171
- 230000005540 biological transmission Effects 0.000 title claims abstract description 42
- 230000005611 electricity Effects 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000007547 defect Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000003628 erosive effect Effects 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 6
- 230000009194 climbing Effects 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010292 electrical insulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Insulators (AREA)
Abstract
本申请提供的输电线路玻璃绝缘子状态的检测方法，基于多光谱或高光谱的遥感卫星技术，对获取的绝缘子影像数据进行处理，通过最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线，将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较判断绝缘子的正常或者缺陷状态，从而判断出绝缘子串的状态。本申请中提供的方法由于采用多光谱或高光谱的遥感卫星技术能够大面积、短周期内对绝缘子自爆情况进行评估，不需要大量的人员参与输电线路玻璃绝缘子自爆巡检，极大的提高了输电线路巡检效率，解决了传统方法中无论是采用的人工爬杆塔观察绝缘子状态或通过无人机拍绝缘子均存在的安全问题。
Description
技术领域
本申请涉及电力系统输电线路技术领域，具体涉及一种输电线路玻璃绝缘子状态的检测方法。
背景技术
绝缘子因其具有优异的电气绝缘性能、稳定的机械性能，被广泛应用于输电线路中。在实际应用过程中，使用最多的为玻璃绝缘子，因其具有“零值自爆”的特性，方便线路运维人员简单、快速的确定绝缘子缺陷位置。绝缘子的异常很可能引起线路跳闸，导致整个线路不能正常供电，用户出现停电现象，会影响居民以及工厂的正常生活和生产，甚至有可能危及生命。因此，快速、有效的获取绝缘子状态信息对电网安全稳定运行起到至关重要的作用。
目前，关于获取绝缘子状态信息的主要方法有，采用无人机自动检测输电线路玻璃绝缘子自爆缺陷，具体为：利用无人机自动巡检输电线路绝缘子自爆缺陷，通过影像能够识别绝缘子自爆情况。
但是，就现有技术而言，无人机有其固有缺陷，即巡检范围小，需要有专门的飞行人员进行操作，受电池容量的限制，目前无人机只能连续飞行3个小时，极大地限制了运维工作效率，因此，不能满足正常的使用需求。
发明内容
本申请提供了一种输电线路玻璃绝缘子状态的检测方法，能够大面积、短周期内对绝缘子自爆情况进行评估，不需要大量的人员参与输电线路玻璃绝缘子缺陷巡检，极大的提高了输电线路巡检效率。
本申请解决上述技术问题所采取的技术方案如下：
一种输电线路玻璃绝缘子状态的检测方法，包括如下步骤：
基于多光谱或高光谱的遥感卫星拍摄地物，获取卫星影像数据；
在所述卫星影像数据中筛选并定位出含有玻璃绝缘子位置信息的影像数据；
对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的玻璃绝缘子影像数据；
遍历所述背景因素干扰去除后的玻璃绝缘子影像数据，采用最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线；
将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷。
可选的，所述多光谱或高光谱的遥感卫星的分辨率大于0.5m。
可选的，所述在所述卫星影像数据中筛选并定位出含有玻璃绝缘子位置信息的影像数据，包括：
建立输电线路玻璃绝缘子特征向量库，利用所述特征向量库，采用分类器对所述特征向量库进行初始训练，训练出分类面，然后将巡线过程采集到的图片的图像特征通过分类面进行分类判断，通过计算机自动识别玻璃绝缘子，并给出玻璃绝缘子经纬度坐标，并对玻璃绝缘子位置信息进行自动标定，从而筛选并定位出含有玻璃绝缘子位置信息的影像数据。
可选的，所述输电线路玻璃绝缘子特征向量库包含LXY-70、LXY-100、LXY-120、LXY3-160、LXHY4-70、LXHY-70、LXHY4-100、FC70P/146型号规格的玻璃绝缘子。
可选的，所述对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的影像数据，包括：
依次采用灰度空间分割技术、最大类间方差阈值分割、形态学腐蚀算法对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理。
可选的，所述最大类间方差阈值分割中的分割阈值为30-60。
可选的，所述遍历所述背景因素干扰去除后的玻璃绝缘子影像数据，采用最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线，包括：
遍历背景因素干扰去除后的玻璃绝缘子影像数据，将绝缘子的像素值对应的图像坐标点(x,y)进行存储，作为直线拟合的采样点，基于获取得到的采样点，根据最小二乘法原理，得到根据玻璃绝缘子串拟合的直线。
可选的，所述将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷，包括：
根据玻璃绝缘子串拟合的直线，将玻璃绝缘子的像素点与整个直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷。
可选的，所述阈值为0.7。
本申请提供的技术方案包括以下有益技术效果：
本申请提供的一种输电线路玻璃绝缘子状态的检测方法，基于多光谱或高光谱的遥感卫星技术，对获取的绝缘子影像数据进行处理，通过最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线，将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较判断绝缘子的正常或者缺陷状态，从而判断出绝缘子串的状态。本申请中提供的方法由于采用多光谱或高光谱的遥感卫星技术能够大面积、短周期内对绝缘子自爆情况进行评估，不需要大量的人员参与输电线路玻璃绝缘子自爆巡检，极大的提高了输电线路巡检效率，不仅解决了传统方法中无论是采用的人工爬杆塔观察绝缘子状态或通过无人机拍绝缘子均存在的安全问题，还使得整个输电线路巡检的效率大大提高。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的输电线路玻璃绝缘子状态检测方法的流程示意图；
图2为本申请实施例提供的输电线路玻璃绝缘子结构示意图；
图3为本申请实施例提供的玻璃绝缘子正常状态下的示意图；
图4为本申请实施例提供的玻璃绝缘子缺陷状态下的示意图。
附图标记说明：
1-杆塔、2-玻璃绝缘子串、3-架空导线、4-玻璃绝缘子。
具体实施方式
为了使本领域技术人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对申请实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
如图1所示为本申请实施例提供的输电线路玻璃绝缘子4状态的检测方法，包括如下步骤：
S1：基于多光谱或高光谱的遥感卫星拍摄地物，获取卫星影像数据。
本申请中实施例中基于遥感卫星技术，获取地物的卫星影像数据，能够实现大面积的获取整个全国范围内的卫星影像数据，其中多光谱或高光谱的遥感卫星包含600nm-700nm和2500nm-3000nm的波谱段，卫星拍摄的重访周期小于4天，目的在于缩短巡视周期，可以实现短期对玻璃绝缘子4进行重访。
S2：在所述卫星影像数据中筛选并定位出含有玻璃绝缘子4位置信息的影像数据。
通过对获取到的卫星影像数据进行筛选定位，得出含有玻璃绝缘子4位置信息的影像数据，便于后续对含有玻璃绝缘子4位置信息的影像数据进行精确处理。
S3：对所述含有玻璃绝缘子4位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的玻璃绝缘子4影像数据。
背景因素的存在会对后续的影像处理产生影响，因此需要提前去除干扰因素。
S4：遍历所述背景因素干扰去除后的玻璃绝缘子4影像数据，采用最小二乘法直线拟合玻璃绝缘子4影像数据，得到根据玻璃绝缘子串2拟合的直线。
玻璃绝缘子串2是由若干玻璃绝缘子4连接在一起组成的，如图2所示，为本申请实施例提供的输电线路玻璃绝缘子4结构示意图，玻璃绝缘子串2设置在杆塔1上，玻璃绝缘子串2之间通过架空导线3连接。本申请实施例中通过玻璃绝缘子4的影像数据，采用最小二乘法直线拟合，得到根据玻璃绝缘子串2拟合的直线。
S5：将玻璃绝缘子4的像素点与玻璃绝缘子串2拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子4状态正常，反之则认为玻璃绝缘子4存在缺陷。
通过卫星遥感影像获取玻璃绝缘子4与玻璃绝缘子串2拟合的直线的像素点，并将其进行比值，通过比值与阈值的大小判断玻璃绝缘子4的状态。
本申请实施例提供的输电线路玻璃绝缘子4状态的检测方法，基于多光谱或高光谱的遥感卫星技术，对获取的绝缘子影像数据进行处理，通过最小二乘法直线拟合玻璃绝缘子4影像数据，得到根据玻璃绝缘子串2拟合的直线，将玻璃绝缘子4的像素点与玻璃绝缘子串2拟合的直线的像素点进行比值，比值与阈值进行比较判断绝缘子的正常或者缺陷状态，从而判断出绝缘子串的状态。
可选的，所述多光谱或高光谱的遥感卫星的分辨率大于0.5m，在此分辨率下能够清楚的辨识出玻璃绝缘子4。
可选的，所述在所述卫星影像数据中筛选并定位出含有玻璃绝缘子4位置信息的影像数据，包括：
建立输电线路玻璃绝缘子4特征向量库，利用所述特征向量库，采用分类器对所述特征向量库进行初始训练，训练出分类面，然后将巡线过程采集到的图片的图像特征通过分类面进行分类判断，通过计算机自动识别玻璃绝缘子4，并给出玻璃绝缘子4经纬度坐标，并对玻璃绝缘子4位置信息进行自动标定，从而筛选并定位出含有玻璃绝缘子4位置信息的影像数据。
其中，输电线路玻璃绝缘子4特征向量库包含LXY-70、LXY-100、LXY-120、LXY3-160、LXHY4-70、LXHY-70、LXHY4-100、FC70P/146型号规格的玻璃绝缘子4，这就包括了目前电力系统中常用的不同的型号对应的尺寸、不同材质的玻璃绝缘子4型号。
可选的，所述对所述含有玻璃绝缘子4位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的影像数据，包括：
依次采用灰度空间分割技术、最大类间方差阈值分割、形态学腐蚀算法对所述含有玻璃绝缘子4位置信息的影像数据进行去除背景因素干扰的处理。
最大类间方差法是去除背景因素的影响
利用灰度空间分割技术对卫星影像数据进行粗处理，主要是通过算法的方式，对影像数据进行光谱特征处理，将与玻璃绝缘子4光谱特征差异大的认为是背景干扰；
采用最大类间方差阈值分割对影像进行精处理，依据一定准则自动寻找最优阈值进行分割，利用现有的最大类间差分阈值算法对影像进行处理，以便去除影像中的的背景干扰因素；
利用形态学腐蚀算法去除较小的干扰因素，主要指的是背景噪音，主要是通过前期对玻璃绝缘子4形状特征的算法训练，根据绝缘子本身形状特点，对结构外的背景噪音直接剔除。
可选的，所述最大类间方差阈值分割中的分割阈值为30-60，30-60为长期筛选影像数据得到较好的阈值，能够初步的识别玻璃绝缘子4，并消除部分背景干扰。
可选的，所述遍历所述背景因素干扰去除后的玻璃绝缘子4影像数据，采用最小二乘法直线拟合玻璃绝缘子4影像数据，得到根据玻璃绝缘子串2拟合的直线，包括：
遍历背景因素干扰去除后的玻璃绝缘子4影像数据，将绝缘子的像素值对应的图像坐标点(x,y)进行存储，作为直线拟合的采样点，基于获取得到的采样点，根据最小二乘法原理，得到根据玻璃绝缘子串2拟合的直线。
可选的，所述将玻璃绝缘子4的像素点与玻璃绝缘子串2拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子4状态正常，反之则认为玻璃绝缘子4存在缺陷，包括：
根据玻璃绝缘子串2拟合的直线，将玻璃绝缘子4的像素点与整个直线的像素点进行比值，如下公式所示，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子4状态正常，反之则认为玻璃绝缘子4存在缺陷：
可选的，所述阈值为0.7。
根据玻璃绝缘子4的状态从而判定出玻璃绝缘子串2的状态，如图3与图4所示，分别为本申请实施例提供的玻璃绝缘子4在正常和缺陷状态下的示意图。
本申请实施例提供的输电线路玻璃绝缘子4状态的检测方法，基于多光谱或高光谱的遥感卫星技术，对获取的绝缘子影像数据进行处理，通过最小二乘法直线拟合玻璃绝缘子4影像数据，得到根据玻璃绝缘子串2拟合的直线，将玻璃绝缘子4的像素点与玻璃绝缘子串2拟合的直线的像素点进行比值，比值与阈值进行比较判断绝缘子的正常或者缺陷状态，从而判断出绝缘子串的状态。本申请中提供的方法由于采用多光谱或高光谱的遥感卫星技术能够大面积、短周期内对绝缘子自爆情况进行评估，不需要大量的人员参与输电线路玻璃绝缘子4自爆巡检，极大的提高了输电线路巡检效率，不仅解决了传统方法中无论是采用的人工爬杆塔1观察绝缘子状态或通过无人机拍绝缘子均存在的安全问题，还使得整个输电线路巡检的效率大大提高。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的内容，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种输电线路玻璃绝缘子状态的检测方法，其特征在于，包括如下步骤：
基于多光谱或高光谱的遥感卫星拍摄地物，获取卫星影像数据；
在所述卫星影像数据中筛选并定位出含有玻璃绝缘子位置信息的影像数据；
对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的玻璃绝缘子影像数据；
遍历所述背景因素干扰去除后的玻璃绝缘子影像数据，采用最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线；
将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷。
2.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述多光谱或高光谱的遥感卫星的分辨率大于0.5m。
3.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述在所述卫星影像数据中筛选并定位出含有玻璃绝缘子位置信息的影像数据，包括：
建立输电线路玻璃绝缘子特征向量库，利用所述特征向量库，采用分类器对所述特征向量库进行初始训练，训练出分类面，然后将巡线过程采集到的图片的图像特征通过分类面进行分类判断，通过计算机自动识别玻璃绝缘子，并给出玻璃绝缘子经纬度坐标，并对玻璃绝缘子位置信息进行自动标定，从而筛选并定位出含有玻璃绝缘子位置信息的影像数据。
4.根据权利要求3所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述输电线路玻璃绝缘子特征向量库包含LXY-70、LXY-100、LXY-120、LXY3-160、LXHY4-70、LXHY-70、LXHY4-100、FC70P/146型号规格的玻璃绝缘子。
5.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理，得到背景因素干扰去除后的影像数据，包括：
依次采用灰度空间分割技术、最大类间方差阈值分割、形态学腐蚀算法对所述含有玻璃绝缘子位置信息的影像数据进行去除背景因素干扰的处理。
6.根据权利要求5所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述最大类间方差阈值分割中的分割阈值为30-60。
7.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述遍历所述背景因素干扰去除后的玻璃绝缘子影像数据，采用最小二乘法直线拟合玻璃绝缘子影像数据，得到根据玻璃绝缘子串拟合的直线，包括：
遍历背景因素干扰去除后的玻璃绝缘子影像数据，将绝缘子的像素值对应的图像坐标点(x,y)进行存储，作为直线拟合的采样点，基于获取得到的采样点，根据最小二乘法原理，得到根据玻璃绝缘子串拟合的直线。
8.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述将玻璃绝缘子的像素点与玻璃绝缘子串拟合的直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷，包括：
根据玻璃绝缘子串拟合的直线，将玻璃绝缘子的像素点与整个直线的像素点进行比值，比值与阈值进行比较，比值大于阈值则认为玻璃绝缘子状态正常，反之则认为玻璃绝缘子存在缺陷。
9.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，所述阈值为0.7。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910773419.3A CN110503029A (zh) | 2019-08-21 | 2019-08-21 | 一种输电线路玻璃绝缘子状态的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910773419.3A CN110503029A (zh) | 2019-08-21 | 2019-08-21 | 一种输电线路玻璃绝缘子状态的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110503029A true CN110503029A (zh) | 2019-11-26 |
Family
ID=68588509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910773419.3A Pending CN110503029A (zh) | 2019-08-21 | 2019-08-21 | 一种输电线路玻璃绝缘子状态的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503029A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
| CN116297497A (zh) * | 2023-05-23 | 2023-06-23 | 武汉大学 | 一种基于高光谱遥感的手机面板质量检测方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102118021A (zh) * | 2010-01-05 | 2011-07-06 | 华北电力科学研究院有限责任公司 | 一种基于输电线路三维全景模型的故障处理方法及系统 |
| CN103260016A (zh) * | 2013-06-04 | 2013-08-21 | 成都思晗科技有限公司 | 一种输电线路远程智能巡线方法 |
| US20130236086A1 (en) * | 2012-03-09 | 2013-09-12 | National Applied Research Laboratories | Method of Inspecting Chip Defects |
| 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 |
| CN104978580A (zh) * | 2015-06-15 | 2015-10-14 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检输电线路的绝缘子识别方法 |
| CN105158628A (zh) * | 2015-08-26 | 2015-12-16 | 芜湖市凯鑫避雷器有限责任公司 | 输电线路绝缘子污秽在线监测系统 |
| BR102016016197A2 (pt) * | 2016-07-12 | 2018-02-06 | Instituto Federal De Educação, Ciência E Tecnologia Do Ceará | Sistema sinalizador de falhas de isoladores em estruturas de média e alta tensão utilizando ultrassom. |
| CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
| CN109615611A (zh) * | 2018-11-19 | 2019-04-12 | 国家电网有限公司 | 一种基于巡检影像的绝缘子自爆缺陷检测方法 |
-
2019
- 2019-08-21 CN CN201910773419.3A patent/CN110503029A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102118021A (zh) * | 2010-01-05 | 2011-07-06 | 华北电力科学研究院有限责任公司 | 一种基于输电线路三维全景模型的故障处理方法及系统 |
| US20130236086A1 (en) * | 2012-03-09 | 2013-09-12 | National Applied Research Laboratories | Method of Inspecting Chip Defects |
| CN103260016A (zh) * | 2013-06-04 | 2013-08-21 | 成都思晗科技有限公司 | 一种输电线路远程智能巡线方法 |
| 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 |
| CN104978580A (zh) * | 2015-06-15 | 2015-10-14 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检输电线路的绝缘子识别方法 |
| CN105158628A (zh) * | 2015-08-26 | 2015-12-16 | 芜湖市凯鑫避雷器有限责任公司 | 输电线路绝缘子污秽在线监测系统 |
| BR102016016197A2 (pt) * | 2016-07-12 | 2018-02-06 | Instituto Federal De Educação, Ciência E Tecnologia Do Ceará | Sistema sinalizador de falhas de isoladores em estruturas de média e alta tensão utilizando ultrassom. |
| CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
| CN109615611A (zh) * | 2018-11-19 | 2019-04-12 | 国家电网有限公司 | 一种基于巡检影像的绝缘子自爆缺陷检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| BIN YAN等: "Insulator detection and recognition of explosion based on convolutional neural networks", 《INTERNATIONAL JOURNAL OF WAVELETS, MULTIRESOLUTION AND INFORMATION PROCESSING》 * |
| 周锦宏: "基于卫星图像输电线路综合故障识别系统的研究", 《万方在线》 * |
| 王银立: "输电线路导线断股及绝缘子自爆的图像识别算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 荀子扬: "基于无人机视觉的绝缘子缺陷识别检测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 陈文浩等: "无人机电网巡检中的绝缘子缺陷检测与定位", 《计算机应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
| CN111342391B (zh) * | 2020-03-06 | 2021-05-14 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
| CN116297497A (zh) * | 2023-05-23 | 2023-06-23 | 武汉大学 | 一种基于高光谱遥感的手机面板质量检测方法 |
| CN116297497B (zh) * | 2023-05-23 | 2023-08-15 | 武汉大学 | 一种基于高光谱遥感的手机面板质量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111342391B (zh) | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 | |
| Wang et al. | Recognition and drop-off detection of insulator based on aerial image | |
| CN106326808A (zh) | 基于无人机图像的检测输电线路杆塔鸟窝的方法 | |
| CN112435208B (zh) | 显著性边缘引导的绝缘子区域检测方法 | |
| CN110503029A (zh) | 一种输电线路玻璃绝缘子状态的检测方法 | |
| Adou et al. | Insulator faults detection based on deep learning | |
| CN111754465A (zh) | 一种绝缘子定位与掉串检测方法 | |
| CN104849287A (zh) | 一种复合绝缘子污秽程度非接触检测方法 | |
| CN104239899A (zh) | 一种用于无人机巡检的输电线路间隔棒识别方法 | |
| CN103090946B (zh) | 果树单树产量测量的方法和系统 | |
| CN105261011B (zh) | 一种无人机巡检航拍复杂背景影像中绝缘子的提取方法 | |
| Li et al. | The future application of transmission line automatic monitoring and deep learning technology based on vision | |
| Wang et al. | Pointer meter recognition in UAV inspection of overhead transmission lines | |
| CN115809986A (zh) | 一种多传感器融合的输电走廊智能外破检测方法 | |
| CN105528790A (zh) | 一种输电线路小型部件识别方法 | |
| CN115546664A (zh) | 一种基于级联网络的绝缘子自爆检测方法及系统 | |
| CN111507189A (zh) | 一种基于图像处理技术的绝缘子串缺陷快速检测方法 | |
| CN112270234B (zh) | 一种基于航拍图像的输电线路绝缘子目标识别方法 | |
| CN110490261A (zh) | 一种输电线路巡检图像绝缘子的定位方法 | |
| CN106228172A (zh) | 基于聚类分析的破损绝缘子图像提取方法 | |
| Zhang et al. | Defect detection of anti-vibration hammer based on improved faster R-CNN | |
| Qi et al. | Intelligent recognition of transmission line inspection image based on deep learning | |
| Huang et al. | Fault Detection of insulator in distribution network Based on YOLOv5s Neural Network | |
| Zhou | A lightweight improvement of YOLOv5 for insulator fault detection | |
| Chang et al. | Learning insulators segmentation from synthetic samples |
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: 20191126 |
|
| RJ01 | Rejection of invention patent application after publication |