CN110852986A - 双串绝缘子自爆的检测方法、装置、设备及存储介质 - Google Patents

双串绝缘子自爆的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110852986A
CN110852986A CN201910902956.3A CN201910902956A CN110852986A CN 110852986 A CN110852986 A CN 110852986A CN 201910902956 A CN201910902956 A CN 201910902956A CN 110852986 A CN110852986 A CN 110852986A
Authority
CN
China
Prior art keywords
detected
template
double
image
string insulator
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
Application number
CN201910902956.3A
Other languages
English (en)
Inventor
陈松波
苏超
邝振星
欧阳业
龚翔
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.)
Qingyuan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Qingyuan Power Supply Bureau of Guangdong Power Grid 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 Qingyuan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Qingyuan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN201910902956.3A priority Critical patent/CN110852986A/zh
Publication of CN110852986A publication Critical patent/CN110852986A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于人工智能领域，提供一种双串绝缘子自爆的检测方法、装置、计算机设备及存储介质，其中，所述方法包括：获取待检测双串绝缘子的待检测图像；根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域；计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；计算所述两条待检测线间的特征差值，并判断所述特征差值是否大于预先设定的差值阈值；若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。本发明提高了双串绝缘子自爆检测的效率。

Description

双串绝缘子自爆的检测方法、装置、设备及存储介质
技术领域
本发明属于人工智能技术领域，尤其涉及一种双串绝缘子自爆的检测方法、装置、设备及存储介质。
背景技术
电力在当今社会是一个非常重要的资源，电力传输的稳定性至关重要。输电线路中的电力部件长期暴露在空气中，容易受外界环境的影响，电网人员需要定期对输电线路进行巡检。绝缘子是一种电力器件，在输电线路中起到绝缘、支撑的作用，绝缘子多用于偏远地带的高压输电线路中，绝缘子在外部环境影响下常产生自爆现象。
传统上，绝缘子自爆位置检测常采用人工检测方法，随着无人机技术的发展，现已使用无人机对绝缘子进行巡检，可以在恶劣天气如雷击后及时对输电线路进行特巡，获取到绝缘子的图像后进行自爆检测，大大提升电力安全性。双串绝缘子是由两串绝缘子组成电力器件，由于双串绝缘子规格多样，损坏部位不确定，需要工作人员对获取到的绝缘子图像进行大量的确认工作，导致双串绝缘子自爆检测的效率不高。
发明内容
本发明实施例提供一种双串绝缘子自爆的检测方法，旨在解决现有的双串绝缘子自爆检测的效率不高的问题。
本发明实施例是这样实现的，提供一种双串绝缘子自爆的检测方法，包括步骤：
获取待检测双串绝缘子的待检测图像；
根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域，其中，所述模板图像包括模板特征区域，所述模板特征区域包括模板双串绝缘子的两条模板线；
计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；
基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；
计算所述两条待检测线间的特征差值；
若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
更进一步的，所述根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域的步骤具体包括：
根据所述模板特征区域的大小，确定检测窗口的大小；
移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
根据所述像素相似度，确定所述待检测特征区域。
更进一步的，所述根据所述像素相似度，确定所述待检测特征区域的步骤具体包括：
将所述像素相似度与预设的相似度阈值进行比较，若相似度大于所述相似度阈值则记录所述检测窗口的位置，得到多个检测窗口位置；
选取所述多个检测窗口位置中，相似度最大的检测窗口位置；
基于所述相似度最大的检测窗口位置确定所述待检测特征区域。
更进一步的，所述模板图像的设置步骤包括：
获取符合模板条件的双串绝缘子图像；
设置所述双串绝缘子图像的模板特征区域；
设置所述双串绝缘子图像中，每串绝缘子轴线到绝缘子外边缘线的中线为模板线。
更进一步的，所述计算所述两条待检测线间的特征差值的步骤包括：
计算所述两条待检测线在所述待检测图像中的一维灰度分布值信号；
计算所述两条待检测线的一维灰度分布值信号的信号差值，得到所述特征差值。
更进一步的，所述若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆的步骤包括：
若所述特征差值大于预先设定的差值阈值，则提取对应的所述两条待检测线对应的检测位置；
判断所述检测位置间的距离是否超过预先设定的距离阈值；
若所述检测位置间的距离超过预先设定的距离阈值，则判断所述检测位置出现自爆。
本发明还提供一种双串绝缘子自爆的检测装置，所述装置包括：
第一获取模块，用于获取待检测双串绝缘子的待检测图像；
匹配模块，用于根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域，其中，所述模板图像包括模板特征区域，所述模板特征区域包括模板双串绝缘子的两条模板线；
第一计算模块，用于计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；
投影模块，用于基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；
第二计算模块，用于计算所述两条待检测线间的特征差值；
判断模块，用于若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
更进一步的，所述匹配模块包括：
第一确定单元，用于根据所述模板特征区域的大小，确定检测窗口的大小；
第一计算单元，用于移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
第二确定单元，用于根据所述像素相似度，确定所述待检测特征区域。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本发明实施例中任一项所述的双串绝缘子自爆的检测方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例中任一项所述的双串绝缘子自爆的检测方法的步骤。
本发明实现的有益效果：本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
附图说明
图1是本发明可以应用于其中的示例性系统架构图；
图2是本发明实施例提供的双串绝缘子自爆的检测方法的一个实施例的流程图；
图3是图2中步骤S202的具体流程示意图；
图4是本发明实施例提供的一种模板图像的设置步骤的具体流程示意图；
图5是图2中步骤S205的一种特征差值计算的具体流程示意图；
图6是图2中步骤S206的一种双串绝缘子自爆判断的具体流程示意图；
图7是本发明实施例提供的一种双串绝缘子自爆的检测装置的结构示意图；
图8是本发明实施例提供的一种匹配模块702的结构示意图；
图9是本发明实施例提供的一种第二确定单元7023的结构示意图；
图10是本发明实施例提供的另一种双串绝缘子自爆的检测装置的结构示意图；
图11是本发明实施例提供的一种第二计算模块705的结构示意图；
图12是本发明实施例提供的一种判断模块706的结构示意图；
图13是本发明实施例的计算机设备的一个实施例的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
现有双串绝缘子是由两串绝缘子组成电力器件，由于双串绝缘子规格多样，损坏部位不确定，需要工作人员对获取到的绝缘子图像进行大量的确认工作，导致双串绝缘子自爆检测的效率不高。本发明由于通过模板图像中的模板特征区域匹配出待检测特征区域，将模板特征区域中的两条模板线投影到待检测特征区域中，得到两条检测线，根据检测线判断待检测图像中的双串绝缘子是否出现自爆，可以提高双串绝缘子自爆检测的效率。
如图1所示，为更好的理解本发明的创造意图，提出一种可选的系统架构100，系统架构包括飞行平台101与地面站系统102，上述的地面站系统，用于对飞行平台进行控制和管理，监控飞行平台的飞行状况，并对飞行平台进行遥控操作，并且，还可以对飞行平台拍摄回传的画面进行界面显示。需要说明的是，上述的飞行平台也可以称为无人机或无人机平台或拍摄平台等。上述的飞行平台可以由无人机机体、无人机动力系统、无人机起落架等组成，上述的飞行平台还搭载有飞控系统1011、图像采集系统1012以及图像识别系统1013。其中，上述的图像采集系统1012设置在飞行平台101下方，上述的图像采集系统1012包括云台及摄像头(也称图像采集设备、相机、摄像机等)。通过接收飞控系统1011的相关指令来执行拍摄任务，用于获取外界的环境图像信息并发送给图像识别系统1013。图像识别系统1013，可以由一个基于FPGA(可编程门阵列)的人工智能计算平台加一个树莓派微型电脑组成，该系统可以满足轻载荷、低功耗的要求，能很好的集成在无人机平台内。飞控系统接受到云台控制参数，随后发送给云台，以控制云台的转动，使绝缘子能够位于图像的中心位置。
如图2所示，为根据本申请的一种双串绝缘子自爆的检测方法所提供的一个实施例的流程图。上述的一种双串绝缘子自爆的检测方法，包括步骤：
S201，获取所述待检测双串绝缘子的待检测图像。
在本实施例中，上述待检测图像的获取可以是通过飞行平台拍摄回传的图像，具体的，是通过搭载在上述飞行平台中的图像采集系统采集到的图像，上述的待检测图像可以包括电力件特征，上述的电力件特征可以是双串绝缘子，比如玻璃双串绝缘子、陶瓷双串绝缘子等。
上述的待检测图像可以是2D图像，也可以是3D图像，上述的2D图像可以是通过2D的图像采集系统采集到的图像，比如，通过图像采集系统中的2D摄像头采集到的图像；上述的3D图像可以是通过3D的图像采集系统采集到的图像，比如，通过图像采集系统中的3D摄像头采集到的图像。上述的摄像头也可以称为图像采集设备、相机、摄像机等。
在一种可能的实施例中，上述的图像采集系统可以同时搭载2D摄像头以及3D摄像头。
在一种可能的实施例中，获取到的待检测图像为一张或多张，当获取到的待检测图像为多张时，则可以对多张待检测图像进行质量评价算法，以得到图像质量最高的一张待检测图像，保证图像识别的精准度。
在一种可能的实施例中，无人机根据已规划的路径进行巡航，到达杆塔所在位置，对双串绝缘子进行定点拍摄，得到待检测图像。可以要求无人机的相机的拍摄条件为坐标位置和角度，比如要求无人机的相机GPS定位误差小于300mm，相机指向角度小于5°。上述已规划的路径可以是在获取模板图像时进行规划制定。
S202，根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域。
其中，上述模板图像包括模板特征区域，上述模板特征区域包括模板双串绝缘子的两条模板线。
上述的模板图像可以是无人机根据已规划的路径进行巡航，到达杆塔所在位置，对双串绝缘子进行定点拍摄，得到对应的双串绝缘子模板图像。可以要求无人机的相机的拍摄条件为坐标位置和角度，比如要求无人机的相机GPS定位误差小于300mm，相机指向角度小于5°。上述已规划的路径可以是在预先进行规划制定的。
在本实施例中，上述模板图像的获取可以是通过飞行平台拍摄回传的图像，具体的，是通过搭载在上述飞行平台中的图像采集系统采集到的图像，上述的模板图像可以是双串绝缘子图像，双串绝缘子可以是玻璃双串绝缘子、陶瓷双串绝缘子等。
上述的模板图像可以是2D图像，也可以是3D图像，上述的2D图像可以是通过2D的图像采集系统采集到的图像，比如，通过图像采集系统中的2D摄像头采集到的图像；上述的3D图像可以是通过3D的图像采集系统采集到的图像，比如，通过图像采集系统中的3D摄像头采集到的图像。上述的摄像头也可以称为图像采集设备、相机、摄像机等。
在一种可能的实施例中，上述的图像采集系统可以同时搭载2D摄像头以及3D摄像头。
在一种可能的实施例中，获取到的模板图像为一张或多张，当获取到的模板图像为多张时，则可以对多张模板图像进行质量评价算法，以得到图像质量最高的一张模板图像，保证图像识别的精准度。
上述的模板特征区域可以是通过图像分割得到，也可以是进行人工标注得到。
上述的两条模板线对应于双串绝缘子，每串绝缘子对应一条模板线。
在一种可能的实施例中，可以通过预先训练好的模板图像模型对模板图像进行处理，以得到模板图像中的模板特征区域以及模板线。
在获取待检测图像后，会先匹配对应的模板图像，根据模板图像中的特征区域，匹配待检测图像中的待检测特征区域。
匹配待检测图像中的待检测特征区域可以是根据模板特征区域匹配，比如，匹配待检测图像中与模板特征区域相似度最高的一个区域作为待检测特征区域。
需要说明的是，模板图像与待检测图像的拍摄参数是相同的，以得到相同大小模板图像与待检测图像，上述的拍摄参数包括尺寸大小、分辨率等。
S203，计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵。
在本发明实施例中，上述的待检测特征区域可以理解为待检测特征矩阵，上述的模板特征区域可以理解为模板特征矩阵，上述的基础矩阵可以将待检测特征矩阵与模板特征矩阵的像素坐标系关联起来。
通过基础矩阵，可以将模板特征区域中的模板线投影关联到待检测特征区域中。
可以通过归一化8点法对待检测特征区域与模板特征区域的基础矩阵进行计算。具体的，基础矩阵计算法方法如下：
对于给定的n≥8组对应点
Figure BDA0002212394400000084
(xi和x'i是两幅图像的任意一对匹配点)，确定基础矩阵F使得x'iFxi＝0。更具体流程如下：
(1)归一化：根据
Figure BDA0002212394400000081
变换图像坐标，其中T和T'是由平移和缩放组成的归一化变换。
(2)求解对应匹配的基础矩阵
Figure BDA0002212394400000082
第一步求解线性解。由于每组点的匹配提供了用于计算F系数的线性方程，所以当给定至少7个点(3×3的齐次矩阵减一个尺度和一个秩为2的约束)，该等式便可以计算出未知的基础矩阵
Figure BDA0002212394400000083
记点的坐标为x＝(x,y,1)T，x′＝(x′,y′,1)T，则对应的方程为：
Figure BDA0002212394400000091
展开得：
x'xf11+x'yf12+x'f13+y'xf21+y'yf22+y'f23+xf31+yf32+f33
把矩阵F写成列向量的形式，则有：
[x'x x'y x' y'x y'y y' x y 1]f＝0
给定n组点的结合，由如下方程：
Figure BDA0002212394400000092
若存在确定的(非零)解，则系数矩阵A的秩最多为8，由于
Figure BDA0002212394400000093
是齐次矩阵，如果矩阵A的秩为8，那么在一个比例因子的情况下，答案是唯一的，因此可以通过线性算法直接求解。
如果由于点坐标存在噪声，那么矩阵A的秩可能大于8(即等于9，由于A是n×9的矩阵)。在这一点上，需要求解最小二乘解，使用SVD来求解，f的解就是系数矩阵A最小奇异值指向的右奇异向量，即最小解
Figure BDA0002212394400000094
对求出的线性解添加奇异性约束，由于基础矩阵有一个重要的特点就是奇异性，
Figure BDA0002212394400000095
矩阵的秩是2。如果基础矩阵是非奇异的，那么计算的对极线将不重合。所以在需要增加一个奇异性约束，可以是修正第一步中求得的
Figure BDA0002212394400000096
用最小化Frobenius范数(二范数)||F-F′||的解F'代替最后解除归一化，即令
Figure BDA0002212394400000098
矩阵F就是数据
Figure BDA0002212394400000099
对应的基础矩阵。
S204，基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线。
上述的基础矩阵由步骤S203得到，上述的投影是通过基础矩阵将模板线的坐标映射为待检测图像中的坐标，得到对应的两条待检测线。
S205，计算所述两条待检测线间的特征差值，并判断所述特征差值是否大于预先设定的差值阈值。
上述的特征差值可以是两条待检测线像素分布值信号，比如像素分布直方图信号。通过特征差值超过差值阈值时，说明对应位置像素分布区别较大，即存在较为不同的地方，可以说明双串绝缘子中有一串绝缘子自爆。
S206，若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
上述的特征差值为步骤S205中计算得到特征差值，上述的差值阈值与上述的特征差值为同一类型的值，比如，特征差值为像素信号值，则差值阈值也为像素信号值，特征差值为灰度信号值，则差值阈值也为灰度信号值。当特征差值大于预先设定的差值阈值，说明检测线之间差别较大，可以认为双串绝缘子出现自爆。
本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
进一步地，如图3所示，所述根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域的步骤具体包括：
S301，根据所述模板特征区域的大小，确定检测窗口的大小；
S302，移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
S303，根据所述像素相似度，确定所述待检测特征区域。
可以采用灰度模板特征区域对待检测特征区域进行匹配，具体的，匹配过程如下：
分别对模板图像和待检测图像进行灰度归一化，方法如下：
fg=(f-)/σ
其中f表示像素点的灰度值，μ表示窗口内所有像素平均值，σ表示窗口内所有像素值的标准方差。
在对模板图像和待检测图像进行灰度归一化后，计算灰度模板特征值：
根据模板图像中模板特征区域M_ROI大小，在待检测图像上从左到右，从上到下移动窗口，计算每移动一个像素之后检测窗口内像素的与模板特征区域M_ROI中像素的相似度值V：
Figure BDA0002212394400000111
其中，n表示模板特征区域M_ROI的像素总数量。
将各个检测窗口的相似度值V与预先设置的相似度阈值比较，当有检测窗口的相似度大于相似度阈值则记录该检测窗口在待检测图像中的位置。
在对检测窗口检测完待检测图像时，选取在待检测图像中相似度值V最大检测窗口对应的位置，即得到双串绝缘子在待检测图像中的待检测特征区域T_ROI。
本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
进一步地，如图4所示，所述模板图像的设置步骤包括：
S401，获取符合模板条件的双串绝缘子图像；
S402，设置所述双串绝缘子图像的模板特征区域；
S403，设置所述双串绝缘子图像中，每串绝缘子轴线到绝缘子外边缘线的中线为模板线。
其中，上述的模板条件包括拍摄参数以及规划的拍摄路径，使无人机根据已规划的路径进行巡航，到达杆塔所在位置，对双串绝缘子进行定点拍摄，得到对应的双串绝缘子模板图像。
在一种可能的实施例中，获取到的模板图像为一张或多张，当获取到的模板图像为多张时，则可以对多张模板图像进行质量评价算法，以得到图像质量最高的一张模板图像，保证图像识别的精准度。
上述的设置双串绝缘子图像的模板特征区域可以是通过图像分割得到，也可以是进行人工标注得到。
上述的两条模板线对应于双串绝缘子，每串绝缘子对应一条模板线。
上述的模板线的设置可以是，以每串绝缘子轴线到绝缘子外边缘线的中线为模板线。每串绝缘子均有两条边缘线，双串绝缘子则有四条边缘线，上述的外边缘线指双串绝缘子中距离最大的两条边缘线。
在一种可能的实施例中，可以通过预先训练好的模板图像模型对模板图像进行处理，以得到模板图像中的模板特征区域以及模板线。
本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
进一步地，如图5所示，所述计算所述两条待检测线间的特征差值的步骤包括：
S501，计算所述两条待检测线在所述待检测图像中的一维灰度分布值信号；
S502，计算所述两条待检测线的一维灰度分布值信号的信号差值，得到所述特征差值。
在本实施例中，利用基础矩阵F，投影计算两条模板线M_L1和M_L2在待检测图像中的线位置，投影计算得到对应的两条待检测线T_L1和T_L2。沿两条待检测线T_L1和T_L2，获取待检测图像中两条待检测线的灰度值，得到两条待检测线的一维灰度分布值信号；计算两条待检测线的一维灰度分布值信号的差值。
本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
进一步地，如图6所示，所述若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆的步骤包括：
S601，若所述特征差值大于预先设定的差值阈值，则提取对应的所述两条待检测线对应的检测位置；
S601，判断所述检测位置间的距离是否超过预先设定的距离阈值；
S601，若所述检测位置间的距离超过预先设定的距离阈值，则判断所述检测位置出现自爆。
在本发明实施例中，上述的特征差值为两条待检测线的一维灰度分布值信号的差值，通过比较两条待检测线的一维灰度分布值信号的差值，记录两条待检测线的一维灰度分布值信号的差值大于差值阈值的位置，并判断该位置处，两条待检测线的距离，当该位置处，两条待检测线的距离超过预先设定的距离阈值时，说明该位置距离异常，进一步判断该位置出现自爆情况。
本发明由于将模块图像中模板特征区域匹配出待检测图像中的待检测特征区域，并将模板特征区域中的模板线投影到待检测特征区域中，得到两条检测线，当两条检测线的特征差值大于差值阈值时，则可以判断双串绝缘子图像中出现出现自爆，提高了双串绝缘子自爆检测的效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图7所示，为本实施例所提供的一种双串绝缘子自爆的检测装置的结构示意图，上述装置700包括：
第一获取模块701，用于获取所述待检测双串绝缘子的待检测图像；
匹配模块702，用于根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域，其中，所述模板图像包括模板特征区域，所述模板特征区域包括模板双串绝缘子的两条模板线；
第一计算模块703，用于计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；
投影模块704，用于基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；
第二计算模块705，用于计算所述两条待检测线间的特征差值；
判断模块706，用于若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
进一步地，如图8所示，所述匹配模块702包括：
第一确定单元7021，用于根据所述模板特征区域的大小，确定检测窗口的大小；
第一计算单元7022，用于移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
第二确定单元7023，用于根据所述像素相似度，确定所述待检测特征区域。
进一步地，如图9所示，所述第二确定单元7023包括：
比较子单元70231，用于将所述像素相似度与预设的相似度阈值进行比较，若相似度大于所述相似度阈值则记录所述检测窗口的位置，得到多个检测窗口位置；
选取子单元70232，用于选取所述多个检测窗口位置中，相似度最大的检测窗口位置；
确定子单元70233，用于基于所述相似度最大的检测窗口位置确定所述待检测特征区域。
进一步地，如图10所示，所述装置700还包括：
第二获取模块707，用于获取符合模板条件的双串绝缘子图像；
第一设置模块708，用于设置所述双串绝缘子图像的模板特征区域；
第二设置模块709，用于设置所述双串绝缘子图像中，每串绝缘子轴线到绝缘子外边缘线的中线为模板线。
进一步地，如图11所示，所述第二计算模块705包括：
第二计算单元7051，用于计算所述两条待检测线在所述待检测图像中的一维灰度分布值信号；
第三计算单元7052，用于计算所述两条待检测线的一维灰度分布值信号的信号差值，得到所述特征差值。
进一步地，如图12所示，所述判断模块706包括：
提取单元7061，用于若所述特征差值大于预先设定的差值阈值，则提取对应的所述两条待检测线对应的检测位置；
第一判断单元7062，用于判断所述检测位置间的距离是否超过预先设定的距离阈值；
第二判断单元7063，用于若所述检测位置间的距离超过预先设定的距离阈值，则判断所述检测位置出现自爆。
本申请实施例提供的一种双串绝缘子自爆的检测装置能够实现图2至图6的方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图13，图13为本实施例计算机设备基本结构框图。
计算机设备13包括通过系统总线相互通信连接存储器131、处理器132、网络接口133。需要指出的是，图中仅示出了具有组件131-133的计算机设备13，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器131至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器131可以是计算机设备13的内部存储单元，例如该计算机设备13的硬盘或内存。在另一些实施例中，存储器131也可以是计算机设备13的外部存储设备，例如该计算机设备13上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。当然，存储器131还可以既包括计算机设备13的内部存储单元也包括其外部存储设备。本实施例中，存储器131通常用于存储安装于计算机设备13的操作系统和各类应用软件，例如一种双串绝缘子自爆的检测方法的程序代码等。此外，存储器131还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器132在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器132通常用于控制计算机设备13的总体操作。本实施例中，处理器132用于运行存储器131中存储的程序代码或者处理数据，例如运行一种双串绝缘子自爆的检测方法的程序代码。
网络接口133可包括无线网络接口或有线网络接口，该网络接口133通常用于在计算机设备13与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，计算机可读存储介质存储有一种双串绝缘子自爆的检测程序，上述一种双串绝缘子自爆的检测程序可被至少一个处理器执行，以使至少一个处理器执行如上述的一种双串绝缘子自爆的检测方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例的一种双串绝缘子自爆的检测方法。
本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种双串绝缘子自爆的检测方法，其特征在于，包括步骤：
获取待检测双串绝缘子的待检测图像；
根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域，其中，所述模板图像包括模板特征区域，所述模板特征区域包括模板双串绝缘子的两条模板线；
计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；
基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；
计算所述两条待检测线间的特征差值，并判断所述特征差值是否大于预先设定的差值阈值；
若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
2.根据权利要求1所述的双串绝缘子自爆的检测方法，其特征在于，所述根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域的步骤具体包括：
根据所述模板特征区域的大小，确定检测窗口的大小；
移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
根据所述像素相似度，确定所述待检测特征区域。
3.根据权利要求2所述的双串绝缘子自爆的检测方法，其特征在于，所述根据所述像素相似度，确定所述待检测特征区域的步骤具体包括：
将所述像素相似度与预设的相似度阈值进行比较，若相似度大于所述相似度阈值则记录所述检测窗口的位置，得到多个检测窗口位置；
选取所述多个检测窗口位置中，相似度最大的检测窗口位置；
基于所述相似度最大的检测窗口位置确定所述待检测特征区域。
4.根据权利要求1所述的双串绝缘子自爆的检测方法，其特征在于，所述模板图像的设置步骤包括：
获取符合模板条件的双串绝缘子图像；
设置所述双串绝缘子图像的模板特征区域；
设置所述双串绝缘子图像中，每串绝缘子轴线到绝缘子外边缘线的中线为模板线。
5.根据权利要求1所述的双串绝缘子自爆的检测方法，其特征在于，所述计算所述两条待检测线间的特征差值的步骤包括：
计算所述两条待检测线在所述待检测图像中的一维灰度分布值信号；
计算所述两条待检测线的一维灰度分布值信号的信号差值，得到所述特征差值。
6.根据权利要求1所述的双串绝缘子自爆的检测方法，其特征在于，所述若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆的步骤包括：
若所述特征差值大于预先设定的差值阈值，则提取对应的所述两条待检测线对应的检测位置；
判断所述检测位置间的距离是否超过预先设定的距离阈值；
若所述检测位置间的距离超过预先设定的距离阈值，则判断所述检测位置出现自爆。
7.一种双串绝缘子自爆的检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取待检测双串绝缘子的待检测图像；
匹配模块，用于根据预先设置的模板图像，匹配所述待检测图像中的待检测特征区域，其中，所述模板图像包括模板特征区域，所述模板特征区域包括模板双串绝缘子的两条模板线；
第一计算模块，用于计算所述待检测特征区域与所述将所述模板特征区域的基础矩阵；
投影模块，用于基于所述基础矩阵将所述两条模板线投影到所述待检测图像中，得到所述待检测双串绝缘子的两条待检测线；
第二计算模块，用于计算所述两条待检测线间的特征差值；
判断模块，用于若所述特征差值大于预先设定的差值阈值，则判断所述待检测双串绝缘子出现自爆。
8.根据权利要求7所述的双串绝缘子自爆的检测装置，其特征在于，所述匹配模块包括：
第一确定单元，用于根据所述模板特征区域的大小，确定检测窗口的大小；
第一计算单元，用于移动所述检测窗口，并实时计算所述检测窗口与所述模板特征区域的像素相似度；
第二确定单元，用于根据所述像素相似度，确定所述待检测特征区域。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的双串绝缘子自爆的检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的双串绝缘子自爆的检测方法的步骤。
CN201910902956.3A 2019-09-24 2019-09-24 双串绝缘子自爆的检测方法、装置、设备及存储介质 Pending CN110852986A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910902956.3A CN110852986A (zh) 2019-09-24 2019-09-24 双串绝缘子自爆的检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910902956.3A CN110852986A (zh) 2019-09-24 2019-09-24 双串绝缘子自爆的检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110852986A true CN110852986A (zh) 2020-02-28

Family

ID=69596022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910902956.3A Pending CN110852986A (zh) 2019-09-24 2019-09-24 双串绝缘子自爆的检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110852986A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809732A (zh) * 2015-05-07 2015-07-29 山东鲁能智能技术有限公司 一种基于图像比对的电力设备外观异常检测方法
WO2018051738A1 (ja) * 2016-09-13 2018-03-22 株式会社 明電舎 碍子検出装置及び碍子検出方法
CN108460727A (zh) * 2018-03-28 2018-08-28 中南大学 一种基于投影几何与sift特征的图像拼接方法
CN108537170A (zh) * 2018-04-09 2018-09-14 电子科技大学 一种电力设备固件无人机巡检销钉缺失检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809732A (zh) * 2015-05-07 2015-07-29 山东鲁能智能技术有限公司 一种基于图像比对的电力设备外观异常检测方法
WO2018051738A1 (ja) * 2016-09-13 2018-03-22 株式会社 明電舎 碍子検出装置及び碍子検出方法
CN108460727A (zh) * 2018-03-28 2018-08-28 中南大学 一种基于投影几何与sift特征的图像拼接方法
CN108537170A (zh) * 2018-04-09 2018-09-14 电子科技大学 一种电力设备固件无人机巡检销钉缺失检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吕易航: "航拍图像中绝缘子串检测、分割与自爆故障识别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Similar Documents

Publication Publication Date Title
CN108764048B (zh) 人脸关键点检测方法及装置
EP3581890B1 (en) Method and device for positioning
CN108960211B (zh) 一种多目标人体姿态检测方法以及系统
CN110633629A (zh) 基于人工智能的电网巡检方法、装置、设备及存储介质
CN111428748A (zh) 一种基于hog特征和svm的红外图像绝缘子识别检测方法
CN110866497B (zh) 基于点线特征融合的机器人定位与建图方法和装置
CN110969145B (zh) 一种遥感图像匹配优化方法、装置、电子设备及存储介质
CN112529827A (zh) 遥感图像融合模型的训练方法及装置
WO2021174539A1 (zh) 物体检测方法、可移动平台、设备和存储介质
CN109785444A (zh) 图像中现实平面的识别方法、装置及移动终端
CN116844124A (zh) 三维目标检测框标注方法、装置、电子设备和存储介质
CN113899367B (zh) 无人机降落的定位方法、装置、计算机设备及存储介质
CN113920447A (zh) 船舶入港检测方法、装置、计算机设备及存储介质
CN113673288B (zh) 空闲车位检测方法、装置、计算机设备及存储介质
CN116524382A (zh) 一种桥梁转体合拢准确性检验方法系统、设备
CN109816709B (zh) 基于单目摄像头的深度估计方法、装置及设备
CN113721240B (zh) 一种目标关联方法、装置、电子设备及存储介质
CN110852986A (zh) 双串绝缘子自爆的检测方法、装置、设备及存储介质
CN115376026A (zh) 关键区域定位方法、装置、设备及存储介质
EP4068210A1 (en) System and method for automated estimation of 3d orientation of a physical asset
CN115131433A (zh) 一种非合作目标位姿的处理方法、装置及电子设备
CN110852988A (zh) 一种绝缘子串自爆的检测方法、装置、设备及存储介质
US20240135685A1 (en) Information processing apparatus and method
US20240104880A1 (en) Information processing apparatus and method
US20190347852A1 (en) Method of processing full motion video data for photogrammetric reconstruction

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228