CN110751648B - 基于图像处理技术的杆塔基础异常检测方法 - Google Patents
基于图像处理技术的杆塔基础异常检测方法 Download PDFInfo
- Publication number
- CN110751648B CN110751648B CN201911037194.1A CN201911037194A CN110751648B CN 110751648 B CN110751648 B CN 110751648B CN 201911037194 A CN201911037194 A CN 201911037194A CN 110751648 B CN110751648 B CN 110751648B
- Authority
- CN
- China
- Prior art keywords
- image
- foundation
- processing technology
- image processing
- convolution kernel
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000007797 corrosion Effects 0.000 claims abstract description 9
- 238000005260 corrosion Methods 0.000 claims abstract description 9
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 4
- 238000005530 etching Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 229910052751 metal Inorganic materials 0.000 claims description 3
- 239000002360 explosive Substances 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 238000009991 scouring Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
基于图像处理技术的杆塔基础异常检测方法，涉及一种图像处理技术，为了解决现有的基于图像处理技术的杆塔巡线检测软件对于杆塔基础故障情况检测效果差的问题。本发明采用图像代数操作的方法，将杆塔基础图像分解为亮度通道、色度通道和饱和度通道；利用饱和度通道与原杆塔基础图像做减法操作；减法操作后图像通过多次腐蚀膨胀形态学操作，再反色后得到检测结果。有益效果为极大的提升了检测的准确率和速度。
Description
技术领域
本发明涉及一种图像处理技术。
背景技术
目前，在电力电信行业，需要以杆塔承载架空线路、承载天线等设备；截止2013年我国仅220kV以上的输电线路长度合计54万多千米，涉及塔架的地方非常多；人工巡检难度大，效率低，准确率也并不好；因此以无人机、有人机为载体搭载摄像机，并使用相应的软件进行自动分析的，基于图像处理技术的杆塔巡线方案，将成为发展的趋势。目前这类软件对于杆塔基础故障的情况检测效果差。
发明内容
本发明的目的是为了解决现有的基于图像处理技术的杆塔巡线检测软件对于杆塔基础故障情况检测效果差的问题，提出了一种基于图像处理技术的杆塔基础异常检测方法。
本发明所述的基于图像处理技术的杆塔基础异常检测方法，该杆塔基础异常检测方法通过以下步骤实现的：
步骤一、采用图像代数操作的方法，将杆塔基础图像分解为亮度通道、色度通道和饱和度通道；
步骤二、利用饱和度通道与原杆塔基础图像做减法操作；
步骤三、将步骤二得到的减法操作后图像通过多次腐蚀膨胀形态学操作，再反色后得到检测结果。
本发明所述的杆塔基础异常检测方法如果基础没有塌陷，则结果不会出现象征塌陷的黑色区域，如果出现黑色区域，则说明基础有塌陷。
本发明的有益效果是该杆塔基础异常检测方法容易掌握，同时也能用于其他的基于图像处理技术的检测领域；该杆塔基础异常检测方法仔细考虑航拍杆塔基础缺陷与正常照片的异常情况，把需要操作人员、设备参与的多个复杂因素，通过本发明方法来简化；极大的提升了检测的准确率和速度；非常方便的应用在其他的输电线路检测软件中。
附图说明
图1为具体实施方式一中的四种杆塔基础典型故障缺陷示意图；其中，a为基础保护范围内坍塌，b为护坡倒塌，c为基础沉降，d为金属基础锈蚀；
图2为具体实施方式一中基础图像二值化分割结果示意图；
图3为具体实施方式一中将杆塔基础图像分解为亮度通道、色度通道和饱和度通道的结果示意图；其中，a为亮度通道，b为色度通道，c为饱和度通道；
图4为具体实施方式一中饱和度通道与原杆塔基础图像做减法操作得到杆塔基础下沉塌陷图像。
具体实施方式
具体实施方式一：结合图1至图4说明本实施方式，本实施方式所述的基于图像处理技术的杆塔基础异常检测方法，其特征在于，该杆塔基础异常检测方法通过以下步骤实现的：
步骤一、采用图像代数操作的方法，将杆塔基础图像分解为亮度通道、色度通道和饱和度通道；
步骤二、利用饱和度通道与原杆塔基础图像做减法操作；
步骤三、将步骤二得到的减法操作后图像通过多次腐蚀膨胀形态学操作，再反色后得到检测结果。
在本实施方式中，由于杆塔基础故障缺陷主要有：破损、沉降、上拔、回填不够、基础保护范围内取土、杂物堆积、易燃易爆物堆积、余土堆积、基础保护范围内冲刷、基础保护范围内坍塌、基础保护范围内滑坡、边坡距离不足、护坡倒塌、防洪设施倒塌、基础立柱淹没、金属基础锈蚀、防碰撞设施损坏；典型的图像如图1所示；
本实施方式所述的杆塔基础异常检测方法主要是用图像处理技术；经分析可知不论采用何种图像分割算法，分割后的结果不是只含有基础，同时还含有杆塔铁架，这为检测基础下沉塌陷带来干扰，因此，必须去除杆塔铁架，只留基础，相当于进一步做感兴趣区域提取，将基础区域与其他图像内容割离；见图2；
在本实施方式中，步骤一为了将杆塔铁架去除，只留基础区域，首先将杆塔基础图像分解为亮度通道、色度通道和饱和度通道，见图3；杆塔基础图像分解为三通道后，利用饱和度通道与原杆塔基础图像做减法操作，减法后通过多次腐蚀膨胀形态学操作，再反色后得到检测结果，例见图4；如果基础没有塌陷，则结果不会出现象征塌陷的黑色区域，如果出现黑色区域，则说明基础有塌陷。
具体实施方式二：本实施方式是对具体实施方式一所述的基于图像处理技术的杆塔基础异常检测方法进一步限定，在本实施方式中，所述的腐蚀膨胀形态学操作包括腐蚀操作和膨胀操作；
腐蚀操作，用于求解减法操作后图像的局部最小值；
膨胀操作，用于求解减法操作后图像的局部最大值。
在本实施方式中，腐蚀操作和膨胀操作不能同时进行，必须以择一的方式进行。
具体实施方式三：本实施方式是对具体实施方式一所述的基于图像处理技术的杆塔基础异常检测方法进一步限定，在本实施方式中，腐蚀操作通过以下步骤实现的：
步骤一一、定义一个卷积核；
卷积核为任何形状和大小且拥有一个单独定义出来的参考点，该参考点为正方形或者圆形；
步骤一二、将步骤一一中定义的卷积核与求解减法操作后图像进行卷积，计算出卷积核覆盖区域的像素点最小值；
步骤一三、将步骤一二中得出的像素点最小值给参考点指定的像素。
在本实施方式中，腐蚀操作使得求解减法操作后图像的高亮区域逐渐减小。
具体实施方式四：本实施方式是对具体实施方式一所述的基于图像处理技术的杆塔基础异常检测方法进一步限定，在本实施方式中，膨胀操作通过以下步骤实现的：
步骤二一、定义一个卷积核；
卷积核为任何形状和大小且拥有一个单独定义出来的参考点，该参考点为正方形或者圆形；
步骤二二、将步骤二一中定义的卷积核与求解减法操作后图像进行卷积，计算出卷积核覆盖区域的像素点最大值；
步骤二三、将步骤二二中得出的像素点最大值给参考点指定的像素。
在本实施方式中，膨胀操作使得求解减法操作后图像的高亮区域逐渐增长。
Claims (4)
1.基于图像处理技术的杆塔基础异常检测方法，其特征在于，该杆塔基础异常检测方法通过以下步骤实现的：
步骤一、采用图像代数操作的方法，将杆塔基础图像分解为亮度通道、色度通道和饱和度通道；
步骤二、利用饱和度通道与原杆塔基础图像做减法操作；
步骤三、将步骤二得到的减法操作后图像通过多次腐蚀膨胀形态学操作，再反色后得到检测结果；
所述杆塔基础异常包括破损、沉降、上拔、回填不够、基础保护范围内取土、杂物堆积、易燃易爆物堆积、余土堆积、基础保护范围内冲刷、基础保护范围内坍塌、基础保护范围内滑坡、边坡距离不足、护坡倒塌、防洪设施倒塌、基础立柱淹没、金属基础锈蚀和防碰撞设施损坏。
2.根据权利要求1所述的基于图像处理技术的杆塔基础异常检测方法，其特征在于，所述的腐蚀膨胀形态学操作包括腐蚀操作和膨胀操作；
腐蚀操作，用于求解减法操作后图像的局部最小值；
膨胀操作，用于求解减法操作后图像的局部最大值。
3.根据权利要求2所述的基于图像处理技术的杆塔基础异常检测方法，其特征在于，腐蚀操作通过以下步骤实现的：
步骤一一、定义一个卷积核；
卷积核为任何形状和大小且拥有一个单独定义出来的参考点，该参考点为正方形或者圆形；
步骤一二、将步骤一一中定义的卷积核与求解减法操作后图像进行卷积，计算出卷积核覆盖区域的像素点最小值；
步骤一三、将步骤一二中得出的像素点最小值给参考点指定的像素。
4.根据权利要求2所述的基于图像处理技术的杆塔基础异常检测方法，其特征在于，膨胀操作通过以下步骤实现的：
步骤二一、定义一个卷积核；
卷积核为任何形状和大小且拥有一个单独定义出来的参考点，该参考点为正方形或者圆形；
步骤二二、将步骤二一中定义的卷积核与求解减法操作后图像进行卷积，计算出卷积核覆盖区域的像素点最大值；
步骤二三、将步骤二二中得出的像素点最大值给参考点指定的像素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911037194.1A CN110751648B (zh) | 2019-10-29 | 2019-10-29 | 基于图像处理技术的杆塔基础异常检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911037194.1A CN110751648B (zh) | 2019-10-29 | 2019-10-29 | 基于图像处理技术的杆塔基础异常检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110751648A CN110751648A (zh) | 2020-02-04 |
| CN110751648B true CN110751648B (zh) | 2023-02-28 |
Family
ID=69280767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911037194.1A Active CN110751648B (zh) | 2019-10-29 | 2019-10-29 | 基于图像处理技术的杆塔基础异常检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110751648B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663358A (zh) * | 2012-03-29 | 2012-09-12 | 山西省电力公司晋中供电分公司 | 变电站二次保护设备运行状态的视频图像识别方法 |
| WO2016198873A1 (en) * | 2015-06-09 | 2016-12-15 | Smith Alexis Hannah | Flood risk mapping and warning system and method |
| CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
| CN108882902A (zh) * | 2016-02-08 | 2018-11-23 | 医默观系统公司 | 用于图像中对象的可视化和表征的系统和方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1777938A1 (en) * | 2005-10-19 | 2007-04-25 | Thomson Licensing | Method, system and device for colour quality control |
| CN106500593A (zh) * | 2016-10-31 | 2017-03-15 | 哈尔滨工业大学 | 航空电连接器插针位置偏差检测方法 |
| CN107103628A (zh) * | 2017-03-22 | 2017-08-29 | 北京安博通科技股份有限公司 | 图像检测方法及装置 |
| CN109712123A (zh) * | 2018-12-14 | 2019-05-03 | 成都安锐格智能科技有限公司 | 一种污渍检测方法 |
-
2019
- 2019-10-29 CN CN201911037194.1A patent/CN110751648B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663358A (zh) * | 2012-03-29 | 2012-09-12 | 山西省电力公司晋中供电分公司 | 变电站二次保护设备运行状态的视频图像识别方法 |
| WO2016198873A1 (en) * | 2015-06-09 | 2016-12-15 | Smith Alexis Hannah | Flood risk mapping and warning system and method |
| CN108882902A (zh) * | 2016-02-08 | 2018-11-23 | 医默观系统公司 | 用于图像中对象的可视化和表征的系统和方法 |
| CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| ZHANG Xu 等.A new method for face detection in colour images for emotional bio-robots.《Science China(Technological Sciences)》.2010,(第11期),2983-2988. * |
| 段林涛 等.一种基于HSV色彩空间的OLED低功耗方法.《光电子·激光》.2013,第24卷(第10期),1878-1883. * |
| 赵航 等.基于色差模型的色觉缺陷图像辅助识别研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2017,(第(2017)03期),I138-4472. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110751648A (zh) | 2020-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pan et al. | Automatic sewer pipe defect semantic segmentation based on improved U-Net | |
| Park et al. | Patch-based crack detection in black box images using convolutional neural networks | |
| CN111062991B (zh) | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 | |
| CN104463097B (zh) | 基于局部自适应阈值分割算法的高压线图像检测方法 | |
| CN110346699B (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
| CN103488988A (zh) | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 | |
| CN109697717B (zh) | 一种基于图像自动搜索的衬砌裂缝识别方法 | |
| CN102520286A (zh) | 基于高光谱的复合绝缘子运行状态分类方法 | |
| CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
| CN105303158A (zh) | 一种变电站隔离开关线段拟合视频智能分析算法 | |
| CN110751648B (zh) | 基于图像处理技术的杆塔基础异常检测方法 | |
| CN116245751A (zh) | 水域无人机高光谱影像耀斑处理方法、设备及存储介质 | |
| CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
| Parrany et al. | A new image processing strategy for surface crack identification in building structures under non‐uniform illumination | |
| CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
| Dang et al. | Lightweight pixel-level semantic segmentation and analysis for sewer defects using deep learning | |
| CN105957027A (zh) | 一种基于所需方向结构特征统计的mrf样图像修复方法 | |
| CN116304624B (zh) | 基于斜线检测和曲线拟合消色散的快速射电暴搜寻方法 | |
| CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
| CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
| CN105163076A (zh) | 采用横向扫描映射的变电站断路器状态视频智能分析算法 | |
| Zhao et al. | Real-time power line segmentation detection based on multi-attention with strong semantic feature extractor | |
| CN103473775A (zh) | Sar图像车辆目标的快速检测与定位方法 | |
| CN105096309A (zh) | 一种基于x光的边缘检测方法及装置 | |
| CN109377483A (zh) | 瓷绝缘子裂纹检测方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |