CN110533642A - 一种绝缘子损伤的检测方法 - Google Patents

一种绝缘子损伤的检测方法 Download PDF

Info

Publication number
CN110533642A
CN110533642A CN201910772644.5A CN201910772644A CN110533642A CN 110533642 A CN110533642 A CN 110533642A CN 201910772644 A CN201910772644 A CN 201910772644A CN 110533642 A CN110533642 A CN 110533642A
Authority
CN
China
Prior art keywords
insulator
data
dimensional
analysis
defects
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.)
Withdrawn
Application number
CN201910772644.5A
Other languages
English (en)
Inventor
贾晓刚
宁卓宇
关镜新
刘榜
曾松
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.)
Shenzhen Xinshida Video Engineering Co ltd
Original Assignee
Shenzhen Xinshida Video Engineering 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 Shenzhen Xinshida Video Engineering Co ltd filed Critical Shenzhen Xinshida Video Engineering Co ltd
Priority to CN201910772644.5A priority Critical patent/CN110533642A/zh
Publication of CN110533642A publication Critical patent/CN110533642A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Insulators (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种绝缘子损伤的检测方法，适用于电气线路的绝缘子损伤检测，解决现有技术对绝缘子损伤的检测存在漏区、检测分析结果不够准确的问题。本发明一种绝缘子损伤的检测方法包含图像采集系统，绝缘子三维模型构建系统，基于三维模型的绝缘子缺陷分析系统，绝缘子图像及缺陷分析数据库系统；其处理步骤如下：1.利用摄像设备，采集电线路绝缘子三维建模所需要的影像数据；2.基于倾斜摄影三维建模原理，完成所拍摄绝缘子地理空间区域的三维建模任务；3.以三维点云坐标数据和点云像素特征数据为依据结合主分量分析法(PCA)，对三维模型中的绝缘子目标进行检测和边缘定位；4.将分析结果与缺陷数据库系统进行分析比对后得出检测结果并进行保存。

Description

一种绝缘子损伤的检测方法
技术领域
一种绝缘子损伤的检测方法，适用于电气线路的绝缘子损伤检测。
背景技术
绝缘子作为电气输电线路的重要零件，在电气线路架设当中起着重要作用且所需使用的数量大；由于伞裙老化、机械断裂等原因，复合绝缘子常出现许多缺陷，这些缺陷的存在会极大的降低复合绝缘子的电气性能，并最终导致污闪等重大事故的产生。
现有的一类技术是基于椭圆检测的绝缘子识别方法，他们通过Hough变换检测图像中的椭圆，进而根据绝缘子盘片的并排特性得到绝缘子所在的区域。但是绝缘子在成像过程中由于各个盘片相互遮挡，所得的绝缘子盘片呈现的椭圆缺失太多，给椭圆检测带来了很大的困难。 另外一类技术是通过统计绝缘子的颜色范围定位出绝缘子大致区域，然后针对该区域采用经典的图像分割方法如最大类间方差法、最大熵阈值法、边缘链码等进行分割，最后对绝缘子进行均匀分块的直方图匹配检测绝缘子缺陷。由于绝缘子在不同的光照条件下可能出现不同的颜色特性，很难完全准确的统计出不同光照下绝缘子的颜色范围，而且绝缘子图像中通常包括树木、山川、河流、道路、杆塔等复杂背景，完全可能包含有与绝缘子颜色相近的物体，给这类方法提出了巨大的挑战。
总的来说现有对绝缘子损伤的检测技术对绝缘子损伤的检测存在漏区、检测分析结果不够准确的问题。
发明内容
针对现有对绝缘子损伤的检测技术对绝缘子损伤的检测存在漏区、检测分析结果不够准确的问题；本发明提出了一种解决方案。
一种绝缘子损伤的检测方法，其包含图像采集系统，绝缘子三维模型构建系统，基于三维模型的绝缘子缺陷分析系统，绝缘子图像及缺陷分析数据库系统；其处理步骤如下：
1.利用专用倾斜摄像设备，多角度采集架空输电线路绝缘子三维建模所需要的影像数据；
2.基于倾斜摄影三维建模原理，完成所拍摄绝缘子地理空间区域的三维建模任务；
3.以三维点云坐标数据和点云像素特征数据为依据，基于三维精密测量原理，对三维模型中的绝缘子目标进行检测和边缘定位，基于深度图像三维目标识别主分量分析法(PCA)对绝缘子缺陷进行分析计算；
4.将分析结果与缺陷数据库系统进行分析比对后得出检测结果并以可视化方式和文本进行保存。
优选的，所述图像采集系统为标定角度的倾斜式图像采集系统，其处理过程如下：依据绝缘子三维建模所需的影像数据把绝缘子划分横、纵两个拍摄圆周，把两个拍摄圆周划为每次拍摄为N度的等分，专用倾斜式拍摄设备依据标定的角度N分别绕绝缘子的横轴和纵向分割线依次顺序进行每次间隔N度的正、侧拍摄。
优选的，所述绝缘子三维模型构建系统为基于图形运算单元GPU的快速三维场景运算软件。
优选的，基于三维模型的绝缘子缺陷分析系统为三维点云坐标数据和点云像素特征数据与三维目标识别主分量分析法(PCA)结合的绝缘子缺陷分析系统，其数据处理步骤如下：利用三维点云坐标数据对三维模型中的绝缘子目标进行位置尺寸确定和边缘定位，利用点云像素特征数据配合三维目标识别主分量分析法(PCA)进行数据优化、简化后作出绝缘子表面色差的标定。
优选的，绝缘子图像及缺陷分析数据库系统为自学习的绝缘子图像及缺陷分析系统，其数据处理步骤如下：把基于三维模型的绝缘子缺陷分析系统分析得出的绝缘子位置尺寸数据、表面色差数据与绝缘子图像及缺陷分析数据库系统中已储存的质量良好的绝缘子数据进行比对得出现有绝缘子的缺陷数据，再把分析得出的缺陷数据与绝缘子图像及缺陷分析数据库系统中已储存的绝缘子缺陷数据进行匹配后以可视化的数据进行显示，技术人员可以对显示的结果进行确认或修正，系统会把修正后的参数存入数据库为下次的结果分析使用。
有益效果：本发明一种绝缘子损伤的检测方法采用了标定角度的倾斜式图像采集系统，绝缘子在成像过程中避免了各个盘片相互遮挡；在三维建模后绝缘子的各个部分均能显示出来，使对绝缘子的损伤检测不存在漏区。本发明的绝缘子三维模型构建系统为基于图形运算单元GPU的快速三维场景运算软件使绝缘子的三维建模模型更准确，且基于三维模型的绝缘子缺陷分析系统为三维点云坐标数据和点云像素特征数据与三维目标识别主分量分析法(PCA)结合的绝缘子缺陷分析系统，在进行数据分析时进行了数据优化、简化，避免了绝缘子在不同的光照条件下可能出现不同的颜色特性，很难完全准确的统计出不同光照下绝缘子的颜色范围的问题出现；这样就使系统对所拍摄的绝缘子的图像成像的色差更接近真实值，是检测的结构更准确。本发明的绝缘子图像及缺陷分析数据库系统为自学习的绝缘子图像及缺陷分析系统，分析得出的缺陷数据与绝缘子图像及缺陷分析数据库系统中已储存的绝缘子缺陷数据进行匹配后以可视化的数据进行显示，技术人员可以对显示的结果进行确认或修正，系统会把修正后的参数存入数据库为下次的结果分析使用；这就使得技术人员对缺陷的分析更简便，更准确。
附图说明
图1是本发明一种绝缘子损伤的检测方法的图像采集原理示意图。
图2是本发明一种绝缘子损伤的检测方法的数据处理流程图。
具体实施例
一种绝缘子损伤的检测方法，其包含图像采集系统，绝缘子三维模型构建系统，基于三维模型的绝缘子缺陷分析系统，绝缘子图像及缺陷分析数据库系统；其处理步骤如下：
1.利用专用倾斜摄像设备，多角度采集架空输电线路绝缘子三维建模所需要的影像数据；
2.基于倾斜摄影三维建模原理，完成所拍摄绝缘子地理空间区域的三维建模任务；
3.以三维点云坐标数据和点云像素特征数据为依据，基于三维精密测量原理，对三维模型中的绝缘子目标进行检测和边缘定位，基于深度图像三维目标识别主分量分析法(PCA)对绝缘子缺陷进行分析计算；
4.将分析结果与缺陷数据库系统进行分析比对后得出检测结果并以可视化方式和文本进行保存。
所述图像采集系统为标定角度的倾斜式图像采集系统，采用无人机搭载倾斜式摄像机为监控平台。其处理过程如下：无人机升空后先对绝缘子进行初步的拍摄确定绝缘子的外形尺寸，然后依据绝缘子三维建模所需的影像数据把绝缘子划分横、纵两个拍摄圆周。把两个拍摄圆周划为每次拍摄为N度的等分，无人机搭载倾斜式拍摄设备依据标定的角度N分别绕绝缘子的横轴和纵向分割线依次顺序进行每次间隔N度的正、侧拍摄。
所述绝缘子三维模型构建系统为基于图形运算单元GPU的快速三维场景运算软件（如TOSCA、EON等）。利用此类软件对所拍摄的图像建模速度快、图像的噪音处理好、鲁棒性好；建模后的模型准确清晰。
基于三维模型的绝缘子缺陷分析系统为三维点云坐标数据和点云像素特征数据与三维目标识别主分量分析法(PCA)结合的绝缘子缺陷分析系统，其数据处理步骤如下：利用三维点云坐标数据对三维模型中的绝缘子目标进行位置尺寸确定和边缘定位，利用点云像素特征数据配合三维目标识别主分量分析法(PCA)进行数据优化、简化后作出绝缘子表面色差的标定。主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映对象的信息方面尽可能保持原有的信息；这就避免了在不同的光照条件下可能出现不同的颜色特性，图像中树木、山川、河流、道路、杆塔等复杂背景对成像的干扰。
绝缘子图像及缺陷分析数据库系统为自学习的绝缘子图像及缺陷分析系统，其数据处理步骤如下：把基于三维模型的绝缘子缺陷分析系统分析得出的绝缘子位置尺寸数据、表面色差数据与绝缘子图像及缺陷分析数据库系统中已储存的质量良好的绝缘子数据进行比对得出现有绝缘子的缺陷数据，再把分析得出的缺陷数据与绝缘子图像及缺陷分析数据库系统中已储存的绝缘子缺陷数据进行匹配后以可视化的数据进行显示，技术人员可以对显示的结果进行确认或修正，系统会把修正后的参数存入数据库为下次的结果分析使用。

Claims (5)

1.一种绝缘子损伤的检测方法，其特征在于：其包含图像采集系统，绝缘子三维模型构建系统，基于三维模型的绝缘子缺陷分析系统，绝缘子图像及缺陷分析数据库系统；其处理步骤如下：
1）.利用专用倾斜摄像设备，多角度采集架空输电线路绝缘子三维建模所需要的影像数据；
2）.基于倾斜摄影三维建模原理，完成所拍摄绝缘子地理空间区域的三维建模任务；
3）.以三维点云坐标数据和点云像素特征数据为依据，基于三维精密测量原理，对三维模型中的绝缘子目标进行检测和边缘定位，基于深度图像三维目标识别主分量分析法(PCA)对绝缘子缺陷进行分析计算；
4）.将分析结果与缺陷数据库系统进行分析比对后得出检测结果并以可视化方式和文本进行保存。
2.根据权利要求1所述一种绝缘子损伤的检测方法，其特征在于：所述图像采集系统为标定角度的倾斜式图像采集系统，其处理过程如下：依据绝缘子三维建模所需的影像数据把绝缘子划分横、纵两个拍摄圆周，把两个拍摄圆周划为每次拍摄为N度的等分，专用倾斜式拍摄设备依据标定的角度N分别绕绝缘子的横轴和纵向分割线依次顺序进行每次间隔N度的正、侧拍摄。
3.根据权利要求1所述一种绝缘子损伤的检测方法，其特征在于：所述绝缘子三维模型构建系统为基于图形运算单元GPU的快速三维场景运算软件。
4.根据权利要求1所述一种绝缘子损伤的检测方法，其特征在于：基于三维模型的绝缘子缺陷分析系统为三维点云坐标数据和点云像素特征数据与三维目标识别主分量分析法(PCA)结合的绝缘子缺陷分析系统，其数据处理步骤如下：利用三维点云坐标数据对三维模型中的绝缘子目标进行位置尺寸确定和边缘定位，利用点云像素特征数据配合三维目标识别主分量分析法(PCA)进行数据优化、简化后作出绝缘子表面色差的标定。
5.根据权利要求1或4所述一种绝缘子损伤的检测方法，其特征在于：绝缘子图像及缺陷分析数据库系统为自学习的绝缘子图像及缺陷分析系统，其数据处理步骤如下：把基于三维模型的绝缘子缺陷分析系统分析得出的绝缘子位置尺寸数据、表面色差数据与绝缘子图像及缺陷分析数据库系统中已储存的质量良好的绝缘子数据进行比对得出现有绝缘子的缺陷数据，再把分析得出的缺陷数据与绝缘子图像及缺陷分析数据库系统中已储存的绝缘子缺陷数据进行匹配后以可视化的数据进行显示，技术人员可以对显示的结果进行确认或修正，系统会把修正后的参数存入数据库为下次的结果分析使用。
CN201910772644.5A 2019-08-21 2019-08-21 一种绝缘子损伤的检测方法 Withdrawn CN110533642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910772644.5A CN110533642A (zh) 2019-08-21 2019-08-21 一种绝缘子损伤的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910772644.5A CN110533642A (zh) 2019-08-21 2019-08-21 一种绝缘子损伤的检测方法

Publications (1)

Publication Number Publication Date
CN110533642A true CN110533642A (zh) 2019-12-03

Family

ID=68662306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910772644.5A Withdrawn CN110533642A (zh) 2019-08-21 2019-08-21 一种绝缘子损伤的检测方法

Country Status (1)

Country Link
CN (1) CN110533642A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110926947A (zh) * 2019-12-12 2020-03-27 江西省萍乡电瓷电器厂 一种柱式绝缘子检测设备
CN111402215A (zh) * 2020-03-07 2020-07-10 西南交通大学 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法
CN113066070A (zh) * 2021-03-31 2021-07-02 广东电网有限责任公司 三维场景中多源数据融合交互方法
CN113362276A (zh) * 2021-04-26 2021-09-07 广东大自然家居科技研究有限公司 板材视觉检测方法及系统
CN113536969A (zh) * 2021-06-25 2021-10-22 国网电力科学研究院武汉南瑞有限责任公司 一种高压电抗器缺陷诊断方法及系统
CN113780401A (zh) * 2021-09-06 2021-12-10 国网山东省电力公司电力科学研究院 基于主成分分析法的复合绝缘子故障检测方法及系统
CN117557564A (zh) * 2024-01-11 2024-02-13 广东贝洛新材料科技有限公司 连接器的接口参数检测方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504748A (zh) * 2014-12-03 2015-04-08 中国科学院遥感与数字地球研究所 一种无人机倾斜摄影红外三维成像系统及建模方法
CN109872397A (zh) * 2019-02-18 2019-06-11 北京工业大学 一种基于多目立体视觉的飞机零件的三维重建方法
CN109872323A (zh) * 2019-02-28 2019-06-11 北京国网富达科技发展有限责任公司 输电线路的绝缘子缺陷检测方法及装置
CN110133440A (zh) * 2019-05-27 2019-08-16 国电南瑞科技股份有限公司 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504748A (zh) * 2014-12-03 2015-04-08 中国科学院遥感与数字地球研究所 一种无人机倾斜摄影红外三维成像系统及建模方法
CN109872397A (zh) * 2019-02-18 2019-06-11 北京工业大学 一种基于多目立体视觉的飞机零件的三维重建方法
CN109872323A (zh) * 2019-02-28 2019-06-11 北京国网富达科技发展有限责任公司 输电线路的绝缘子缺陷检测方法及装置
CN110133440A (zh) * 2019-05-27 2019-08-16 国电南瑞科技股份有限公司 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘洋: "无人机倾斜摄影测量影像处理与三维建模的研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
张梁: "倾斜摄影生成实景模型在三维设计中的应用", 《中国建设信息化》 *
杜永亮 等: "基于某工程的倾斜摄影和激光雷达在三维建模中的应用研究", 《2018年江西省电机工程学会年会论文集》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110926947A (zh) * 2019-12-12 2020-03-27 江西省萍乡电瓷电器厂 一种柱式绝缘子检测设备
CN111402215A (zh) * 2020-03-07 2020-07-10 西南交通大学 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法
CN111402215B (zh) * 2020-03-07 2022-04-29 西南交通大学 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法
CN113066070A (zh) * 2021-03-31 2021-07-02 广东电网有限责任公司 三维场景中多源数据融合交互方法
CN113362276A (zh) * 2021-04-26 2021-09-07 广东大自然家居科技研究有限公司 板材视觉检测方法及系统
CN113362276B (zh) * 2021-04-26 2024-05-10 广东大自然家居科技研究有限公司 板材视觉检测方法及系统
CN113536969A (zh) * 2021-06-25 2021-10-22 国网电力科学研究院武汉南瑞有限责任公司 一种高压电抗器缺陷诊断方法及系统
CN113780401A (zh) * 2021-09-06 2021-12-10 国网山东省电力公司电力科学研究院 基于主成分分析法的复合绝缘子故障检测方法及系统
CN117557564A (zh) * 2024-01-11 2024-02-13 广东贝洛新材料科技有限公司 连接器的接口参数检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110533642A (zh) 一种绝缘子损伤的检测方法
KR102121958B1 (ko) 콘크리트 구조물 결함 분석 서비스 제공 방법, 시스템 및 컴퓨터 프로그램
US11361547B2 (en) Object detection apparatus, prediction model generation apparatus, object detection method, and program
CN108597053A (zh) 基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法
CN111639530B (zh) 一种输电线路的输电塔和绝缘子的检测和识别方法及系统
CN112101138B (zh) 基于深度学习的桥梁拉索表面缺陷实时识别系统及方法
CN112528979B (zh) 变电站巡检机器人障碍物判别方法及系统
CN111241615A (zh) 一种高度真实感的变电站多源融合三维建模方法
CN109389160A (zh) 基于深度学习的电力绝缘端子缺陷检测方法
CN111951284A (zh) 一种基于深度学习的光学遥感卫星图像精细化云检测方法
Rao et al. Wind turbine blade inspection based on unmanned aerial vehicle (UAV) visual systems
CN114627021A (zh) 基于点云与深度学习的缺陷检测方法和系统
CN105023270A (zh) 用于地下基础设施结构监测的主动式3d立体全景视觉传感器
CN107330440B (zh) 基于图像识别的海洋状态计算方法
CN116152697A (zh) 一种混凝土结构裂缝的三维模型测量方法及相关装置
CN110751124A (zh) 一种视频检测比对系统
CN113295142B (zh) 一种基于faro扫描仪和点云的地形扫描分析方法和装置
CN112613437B (zh) 一种违章建筑识别方法
CN113567451A (zh) 一种电缆线缺陷检测以及直径测量方法
CN114252859A (zh) 目标区域的确定方法、装置、计算机设备和存储介质
CN116893685A (zh) 一种无人机航线规划方法及系统
CN112184903A (zh) 高压线行树障风险点的检测方法、装置、设备及介质
CN116778357A (zh) 利用可见光缺陷识别的电力线路无人机巡检方法和系统
CN115937086A (zh) 一种基于无人机图像识别技术的特高压输电线路缺陷检测方法
CN110910379B (zh) 一种残缺检测方法及装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191203