CN110782411B - 一种基于图像处理的防震锤滑移识别方法 - Google Patents
一种基于图像处理的防震锤滑移识别方法 Download PDFInfo
- Publication number
- CN110782411B CN110782411B CN201911030749.XA CN201911030749A CN110782411B CN 110782411 B CN110782411 B CN 110782411B CN 201911030749 A CN201911030749 A CN 201911030749A CN 110782411 B CN110782411 B CN 110782411B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- skeleton
- straight line
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 239000000725 suspension Substances 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 239000004020 conductor Substances 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的防震锤滑移识别方法,通过摄像机获取输电线路防震锤图像I1,进行图像预处理、sobel边缘检测及图像分割得到防震锤前景图像I4,对其进行骨架提取得到粗略骨架图像I5,在去除图像I5上的伪分支后的实际骨架图像I6上标记四叉分支点,并进行直线拟合得到直线l,找到位于l上的三叉分支点P(x,y)即为悬垂线夹中心,以P(x,y)的横坐标所在垂线为界将实际骨架图I6分成左图I7和右图I8,分别对两个部分进行直线hough变换并标记各自区域中的最长线段lL和lR,分别计算位于lL和lR上的三叉点PL3(xn,yn)和PR3(xn,yn)到点P(x,y)的距离L,最后将LP与K进行比较判断故障情况。本发明识别方法,原理简单、直观易行,能实时且智能化监测防震锤位置状态情况。
Description
技术领域
本发明属于输电线路故障检测以及图像处理技术领域,具体涉及一种基于图像处理的防震锤滑移识别方法。
背景技术
输电线路是电力系统的血管,遍布全国各地。长期架设在野外的输电导线在垂直面内频繁受到风速稳定于0.5~10m/s的微风作用,使得圆柱型的导线产生上下垂直于风向的正谐周期性运动,即导线的微风振动。风振不仅会加速导线的磨损,还可能引发断线事故。为了避免导线谐振进一步引发输电线路故障,我国通常在导线上安装金属防震锤,用以吸收或减弱振动能量,改变线路摇摆频率,达到削弱导线振动的目的。随着时间的推移,恶劣的户外环境使得防震锤线夹因螺栓锈蚀、自转等因素失去牢靠的牵制力,出现松动现象,进而演变成防震锤滑移故障,最终导致防震锤失去抑制谐振的能力,引发断线倒塔事故。因此,对防震锤滑移故障识别的研究意义重大。
随着数字智能化的发展和图像处理技术的成熟,采用各种图像处理算法进行故障识别检测已经成为主流趋势,其在检测速度和检测准确率等方面均优于依靠人眼进行故障排查的传统方法。由于防震锤通常安装在临近杆塔的输电导线区段,因此,可直接通过架设在杆塔上的云台摄像机采集高清的防震锤图像。
目前,通过改进导线形状、升级固定方式等方法防止防震锤发生滑移的研究已经硕果累累,但利用图像处理算法对防震锤进行识别并检测滑移故障的成果寥寥无几。
发明内容
本发明的目的是一种基于图像处理的防震锤滑移识别方法,该方法能够精确识别防震锤的位置并检测其滑移距离,提高线路巡检的效率,保障电力系统的安全稳定运行。
本发明所采用的技术方案是,一种基于图像处理的防震锤滑移识别方法,具体按照以下步骤实施:
步骤1、利用架设在杆塔上的云台摄像机采集输电线路上的防震锤图像I1,然后对其依次进行图像灰度化、图像增强及图像滤波处理,去除干扰噪声,增强图像对比度,以突出防震锤,再通过Sobel边缘检测,获取包含防震锤、导线及绝缘子悬垂线夹的前景部分边缘图I2;
步骤2、通过形态学膨胀操作,连接前景边部分缘图I2中的非连续边缘得到连续边缘图I3,然后分割图I3的前景部分作为防震锤图像I1的前景图像I4;
步骤3、对步骤2提取的前景图像I4进行骨架提取,得到前景区域的粗略骨架图像I5,在去除图像I5中的伪分叉后,得到实际骨架图I6;
步骤4、搜索并标记步骤3中实际骨架图I6的所有四叉分支点P4(xn,yn),进行直线拟合,得到悬垂线夹中轴线l;
步骤5、标记位于步骤4中拟合直线l上的三叉分支点,该点即为悬垂线夹的中心P(x,y),以该点为界,从水平方向将实际骨架图像I6分成左右两个区域,分别为左区域图像I7和右区域图像I8两个部分;
步骤6、对步骤5中的左区域图像I7和右区域图像I8进行直线Hough变换,分别标记两个部分中最长线段所在直线lL:y=kLx+bL及直线lR:y=kRx+bR,这两条线段即为导线;
其中,kL和bL分别为直线lL的斜率和截距,kR和bR分别为直线lR的斜率和截距;
步骤7、分别标记位于步骤6中直线lL和直线lR上的三叉分支点PL3(xn,yn)和三叉分支点PR3(xn,yn),根据相机标定将标记点到悬垂线夹中心P(x,y)的距离L转化为世界坐标距离LP,将LP与该线路防震锤的实际安装距离K相比较判断该防震锤是否出现滑移故障。
本发明的特点还在于,
步骤4具体按照以下步骤实施:
步骤4.1、因为图像骨架是单像素宽度的,并且骨架处的值为1,非骨架处的值为0,所以仅需遍历实际骨架图I6上所有值为1的骨架点G(x,y),并对G(x,y)的八邻域求和,就能筛选出其中的四叉分支点P4(xn,yn),当骨架点G(x,y)的八邻域和S=4时,该骨架点G(x,y)即为四叉分支点P4(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
其中,k为拟合直线l的斜率,b为拟合直线l的截距,(xn,yn)为进行拟合的点的坐标,n为拟合点的个数。
步骤5具体按照以下步骤实施:
步骤5.1、依次访问骨架点G(x,y)并对其八邻域求和,当骨架点G(x,y)的八邻域和S=3时,该骨架点G(x,y)即为三叉分支点P3(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
步骤5.2、将步骤5.1中所有三叉分支点P3(xn,yn)代入步骤4.2中拟合直线l,找到位于l上的点P(x,y),即为悬垂线夹中心;
步骤5.3、在悬垂线夹的左右两侧都有输电导线及防震锤,因此,为了方便对两侧的导线及防震锤进行定位标记,以悬垂线夹中心P(x,y)为基准,以其横坐标所在垂线为分界线,从水平方向将实际骨架图像I6分成左区域图像I7和右区域图像I8两个部分。
步骤7具体按照以下步骤实施:
步骤7.1、将在步骤5.1中已经找出了实际骨架图像I6中的所有三叉分支点P3(xn,yn)中横坐标小于悬垂线夹中心P(x,y)的横坐标的点代入步骤6中的标记直线lL,其余代入步骤6中的标记直线lR,并分别标记这些三叉分支点P3(xn,yn)中位于直线lL上的点PL3(xn,yn)及位于直线lR上的点PR3(xn,yn),即可对位于导线上的防震锤进行定位,被标记的点PL3(xn,yn)和PR3(xn,yn)即为防震锤夹板中心;
步骤7.2、计算标记点PL3(xn,yn)和PR3(xn,yn)到悬垂线夹中心P(x,y)的距离L;最后根据相机标定,将L转化世界坐标中的实际长度LP;
当|LP-K|>α时,该防震锤出现滑移故障;当|LP-K|≤α时,该防震锤正常,其中α为防震锤安装距离的最大允许偏差。
步骤7.2中,α=30mm。
本发明的有益效果是,
(1)与现有的防震锤滑移检测的方法相比,本发明基于图像处理的防震锤滑移识别方法的后期处理对象为单像素宽度的骨架图像,大大减少了识别过程中的计算量,有效提高了算法的运行速度;
(2)本发明基于图像处理的防震锤滑移识别方法,以悬垂线夹为参考对象,利用骨架支点进行防震锤定位,可便于计算一个或多个防震锤的滑移量,该方法原理简单、直观易行,为输电线路的安全稳定运行提供了一种新的检测思路。
附图说明
图1是本发明一种基于图像处理的防震锤滑移识别方法的流程图;
图2是本发明一种基于图像处理的防震锤滑移识别方法中涉及的前景图像示意图;
图3是本发明一种基于图像处理的防震锤滑移识别方法中涉及的前景区域粗略骨架示意图;
图4是本发明一种基于图像处理的防震锤滑移识别方法中涉及的前景区域实际骨架示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于图像处理的防震锤滑移识别方法,如图1-4所示,其流程如图1所示,具体按照以下步骤实施:
步骤1、利用架设在杆塔上的云台摄像机采集输电线路上的防震锤图像I1,然后对其依次进行图像灰度化、图像增强及图像滤波处理,去除干扰噪声,增强图像对比度,以突出防震锤,再通过Sobel边缘检测,获取包含防震锤、导线及绝缘子悬垂线夹的前景部分边缘图I2;
步骤2、通过形态学膨胀操作,连接前景边部分缘图I2中的非连续边缘得到连续边缘图I3,然后分割图I3的前景部分作为防震锤图像I1的前景图像I4,如图2所示;
步骤3、对步骤2提取的前景图像I4进行骨架提取,得到前景区域的粗略骨架图像I5,如图3所示,在去除图像I5中的伪分叉后,得到实际骨架图I6,如图4所示;
步骤4、搜索并标记步骤3中实际骨架图I6的所有四叉分支点P4(xn,yn),进行直线拟合,得到悬垂线夹中轴线l;
步骤4具体按照以下步骤实施:
步骤4.1、因为图像骨架是单像素宽度的,并且骨架处的值为1,非骨架处的值为0,所以仅需遍历实际骨架图I6上所有值为1的骨架点G(x,y),并对G(x,y)的八邻域求和,就能筛选出其中的四叉分支点P4(xn,yn),当骨架点G(x,y)的八邻域和S=4时,该骨架点G(x,y)即为四叉分支点P4(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
其中,k为拟合直线l的斜率,b为拟合直线l的截距,(xn,yn)为进行拟合的点的坐标,n为拟合点的个数。
步骤5、标记位于步骤4中拟合直线l上的三叉分支点,该点即为悬垂线夹的中心P(x,y),以该点为界,从水平方向将实际骨架图像I6分成左右两个区域,分别为左区域图像I7和右区域图像I8两个部分;
步骤5具体按照以下步骤实施:
步骤5.1、与步骤4.1同理,依次访问骨架点G(x,y)并对其八邻域求和,当骨架点G(x,y)的八邻域和S=3时,该骨架点G(x,y)即为三叉分支点P3(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
步骤5.2、将步骤5.1中所有三叉分支点P3(xn,yn)代入步骤4.2中拟合直线l,找到位于l上的点P(x,y),即为悬垂线夹中心;
步骤5.3、在悬垂线夹的左右两侧都有输电导线及防震锤,因此,为了方便对两侧的导线及防震锤进行定位标记,以悬垂线夹中心P(x,y)为基准,以其横坐标所在垂线为分界线,从水平方向将实际骨架图像I6分成左区域图像I7和右区域图像I8两个部分。
步骤6、根据实际骨架图像I6的特征可知,悬垂线夹两侧导线的骨架为直线,并且比图中其他部分骨架线更长,基于此,对步骤5中的左区域图像I7和右区域图像I8进行直线Hough变换,在利用Hough变换分别对左区域图像I7和右区域图像I8进行直线检测后,标记左区域图像I7中最长直线lL:y=kLx+bL和右区域图像I8中的最长直线lR:y=kRx+bR,这两条线段即为实际骨架图像I6中的导线;
其中,kL和bL分别为直线lL的斜率和截距,kR和bR分别为直线lR的斜率和截距;
步骤7、根据防震锤安装规范,对于悬垂线夹,防震锤的安装距离为线夹中心到防震锤夹板中心的距离,并且各线路防震锤的实际安装距离K因气候、档距等因素的影响,而有所差距;分别标记位于步骤6中直线lL和直线lR上的三叉分支点PL3(xn,yn)和三叉分支点PR3(xn,yn),根据相机标定将标记点到悬垂线夹中心P(x,y)的距离L转化为世界坐标距离LP,将LP与该线路防震锤的实际安装距离K相比较判断该防震锤是否出现滑移故障;
步骤7具体按照以下步骤实施:
步骤7.1、将在步骤5.1中已经找出了实际骨架图像I6中的所有三叉分支点P3(xn,yn)中横坐标小于悬垂线夹中心P(x,y)的横坐标的点代入步骤6中的标记直线lL,其余代入步骤6中的标记直线lR,并分别标记这些三叉分支点P3(xn,yn)中位于直线lL上的点PL3(xn,yn)及位于直线lR上的点PR3(xn,yn),即可对位于导线上的防震锤进行定位,被标记的点PL3(xn,yn)和PR3(xn,yn)即为防震锤夹板中心;
步骤7.2、计算标记点PL3(xn,yn)和PR3(xn,yn)到悬垂线夹中心P(x,y)的距离L;最后根据相机标定,将L转化世界坐标中的实际长度LP;
因为防震锤安装距离的最大允许偏差α=30mm,所以,当|LP-K|>α时,该防震锤出现滑移故障;当|LP-K|≤α时,该防震锤正常。
Claims (5)
1.一种基于图像处理的防震锤滑移识别方法,其特征在于,具体按照以下步骤实施:
步骤1、利用架设在杆塔上的云台摄像机采集输电线路上的防震锤图像I1,然后对其依次进行图像灰度化、图像增强及图像滤波处理,去除干扰噪声,增强图像对比度,以突出防震锤,再通过Sobel边缘检测,获取包含防震锤、导线及绝缘子悬垂线夹的前景部分边缘图I2;
步骤2、通过形态学膨胀操作,连接前景边部分缘图I2中的非连续边缘得到连续边缘图I3,然后分割图I3的前景部分作为防震锤图像I1的前景图像I4;
步骤3、对步骤2提取的前景图像I4进行骨架提取,得到前景区域的粗略骨架图像I5,在去除图像I5中的伪分叉后,得到实际骨架图I6;
步骤4、搜索并标记步骤3中实际骨架图I6的所有四叉分支点P4(xn,yn),进行直线拟合,得到悬垂线夹中轴线l;
步骤5、标记位于步骤4中拟合直线l上的三叉分支点,该点即为悬垂线夹的中心P(x,y),以该点为界,从水平方向将实际骨架图像I6分成左右两个区域,分别为左区域图像I7和右区域图像I8两个部分;
步骤6、对步骤5中的左区域图像I7和右区域图像I8进行直线Hough变换,分别标记两个部分中最长线段所在直线lL:y=kLx+bL及直线lR:y=kRx+bR,这两条线段即为导线;
其中,kL和bL分别为直线lL的斜率和截距,kR和bR分别为直线lR的斜率和截距;
步骤7、分别标记位于步骤6中直线lL和直线lR上的三叉分支点PL3(xn,yn)和三叉分支点PR3(xn,yn),根据相机标定将标记点到悬垂线夹中心P(x,y)的距离L转化为世界坐标距离LP,将LP与该线路防震锤的实际安装距离K相比较判断该防震锤是否出现滑移故障。
2.根据权利要求书1所述的一种基于图像处理的防震锤滑移识别方法,其特征在于,所述步骤4具体按照以下步骤实施:
步骤4.1、因为图像骨架是单像素宽度的,并且骨架处的值为1,非骨架处的值为0,所以仅需遍历实际骨架图I6上所有值为1的骨架点G(x,y),并对G(x,y)的八邻域求和,就能筛选出其中的四叉分支点P4(xn,yn),当骨架点G(x,y)的八邻域和S=4时,该骨架点G(x,y)即为四叉分支点P4(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
其中,k为拟合直线l的斜率,b为拟合直线l的截距,(xn,yn)为进行拟合的点的坐标,n为拟合点的个数。
3.根据权利要求2所述的一种基于图像处理的防震锤滑移识别方法,其特征在于,所述步骤5具体按照以下步骤实施:
步骤5.1、依次访问骨架点G(x,y)并对其八邻域求和,当骨架点G(x,y)的八邻域和S=3时,该骨架点G(x,y)即为三叉分支点P3(xn,yn),各骨架点G(x,y)处的八邻域和S表达式为:
步骤5.2、将步骤5.1中所有三叉分支点P3(xn,yn)代入步骤4.2中拟合直线l,找到位于l上的点P(x,y),即为悬垂线夹中心;
步骤5.3、在悬垂线夹的左右两侧都有输电导线及防震锤,因此,为了方便对两侧的导线及防震锤进行定位标记,以悬垂线夹中心P(x,y)为基准,以其横坐标所在垂线为分界线,从水平方向将实际骨架图像I6分成左区域图像I7和右区域图像I8两个部分。
4.根据权利要求1所述的一种基于图像处理的防震锤滑移识别方法,其特征在于,所述步骤7具体按照以下步骤实施:
步骤7.1、将在步骤5.1中已经找出了实际骨架图像I6中的所有三叉分支点P3(xn,yn)中横坐标小于悬垂线夹中心P(x,y)的横坐标的点代入步骤6中的标记直线lL,其余代入步骤6中的标记直线lR,并分别标记这些三叉分支点P3(xn,yn)中位于直线lL上的点PL3(xn,yn)及位于直线lR上的点PR3(xn,yn),即可对位于导线上的防震锤进行定位,被标记的点PL3(xn,yn)和PR3(xn,yn)即为防震锤夹板中心;
步骤7.2、计算标记点PL3(xn,yn)和PR3(xn,yn)到悬垂线夹中心P(x,y)的距离L;最后根据相机标定,将L转化世界坐标中的实际长度LP;
当|LP-K|>α时,该防震锤出现滑移故障;当|LP-K|≤α时,该防震锤正常,其中α为防震锤安装距离的最大允许偏差。
5.根据权利要求4所述的一种基于图像处理的防震锤滑移识别方法,其特征在于,步骤7.2中,α=30mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030749.XA CN110782411B (zh) | 2019-10-28 | 2019-10-28 | 一种基于图像处理的防震锤滑移识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030749.XA CN110782411B (zh) | 2019-10-28 | 2019-10-28 | 一种基于图像处理的防震锤滑移识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110782411A CN110782411A (zh) | 2020-02-11 |
CN110782411B true CN110782411B (zh) | 2023-03-14 |
Family
ID=69386975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911030749.XA Active CN110782411B (zh) | 2019-10-28 | 2019-10-28 | 一种基于图像处理的防震锤滑移识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782411B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014688B (zh) * | 2020-09-01 | 2022-09-02 | 云南电网有限责任公司电力科学研究院 | 一种防振锤滑移故障检测方法及装置 |
CN114170131A (zh) * | 2021-10-20 | 2022-03-11 | 国网福建省电力有限公司信息通信分公司 | 一种输电线路设备缺陷检测方法及系统 |
CN116573366B (zh) * | 2023-07-07 | 2023-11-21 | 江西小马机器人有限公司 | 基于视觉的皮带跑偏检测方法、系统、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5371015B2 (ja) * | 2010-04-08 | 2013-12-18 | 独立行政法人産業技術総合研究所 | クロスマーク検出装置及び方法、並びにプログラム |
CN108596883B (zh) * | 2018-04-12 | 2021-07-13 | 福州大学 | 一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法 |
CN110363749B (zh) * | 2019-06-21 | 2021-07-27 | 西安工程大学 | 基于图像处理的防震锤锈蚀程度评价方法 |
-
2019
- 2019-10-28 CN CN201911030749.XA patent/CN110782411B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110782411A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782411B (zh) | 一种基于图像处理的防震锤滑移识别方法 | |
CN108734689B (zh) | 一种基于区域生长的导线散股检测方法 | |
CN105976368B (zh) | 一种绝缘子定位方法 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN106705866B (zh) | 一种基于可见光图像的输电线路覆冰检测方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN104764748A (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
CN107179479B (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN110852320B (zh) | 基于深度学习的输电通道异物入侵检测方法 | |
CN111462045B (zh) | 一种悬链支撑组件缺陷的检测方法 | |
CN104318582A (zh) | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN105158257A (zh) | 滑板测量方法及装置 | |
CN105718964B (zh) | 一种输电线防振锤的视觉检测方法 | |
CN110910443A (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
CN110288571B (zh) | 一种基于图像处理的高铁接触网绝缘子异常检测方法 | |
CN111242923A (zh) | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 | |
CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
CN105528790A (zh) | 一种输电线路小型部件识别方法 | |
CN114842367A (zh) | 一种复杂环境下的红外绝缘子与钢帽的识别与分割方法 | |
CN112288674A (zh) | 车载式接触网部件缺陷在线识别方法 | |
Wang et al. | Study on edge extraction methods for image-based icing on-line monitoring on overhead transmission lines | |
CN113409303A (zh) | 一种高速铁路接触网目标检测与跟踪方法 | |
CN110807766A (zh) | 一种基于可见光图像的双防震锤位移识别方法 | |
CN116758423A (zh) | 一种基于白点率法的输电线路异物检测方法 | |
CN113643234B (zh) | 一种复合绝缘子破损检测方法、终端设备及可读存储介质 |
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 |