CN110909669A - 基于图像检测的地下电缆故障确定方法和装置 - Google Patents
基于图像检测的地下电缆故障确定方法和装置 Download PDFInfo
- Publication number
- CN110909669A CN110909669A CN201911144838.7A CN201911144838A CN110909669A CN 110909669 A CN110909669 A CN 110909669A CN 201911144838 A CN201911144838 A CN 201911144838A CN 110909669 A CN110909669 A CN 110909669A
- Authority
- CN
- China
- Prior art keywords
- underground cable
- image
- value
- fault
- features
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于图像检测的地下电缆故障确定方法和装置。所述方法包括:接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。采用本方法能够提高效率和准确性。
Description
技术领域
本申请涉及地下电缆检测技术领域,特别是涉及一种基于图像检测的地下电缆故障确定方法和装置。
背景技术
埋设于地下的电缆,在电力传输过程中,往往会由于电缆本身的温度升高发生爆炸;又或者,由于地下铺设管道进水,导致电缆发生损坏,进而影响电缆的正常传输。
传统技术中,为了对地下电缆进行监测,需要人工对电缆进行逐个排查,从而降低了监测的效率。
发明内容
基于此,有必要针对上述技术问题,提供一种基于图像检测的地下电缆故障确定方法和装置。
一种基于图像检测的地下电缆故障确定方法,所述方法包括:
接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;
提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;
若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;
若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
在其中一个实施例中,所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
在其中一个实施例中,所述第一阈值的调整方式包括:
获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
在其中一个实施例中,所述第二阈值的调整方式包括:
获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
在其中一个实施例中,所述输出所述地下电缆故障的检测结果,包括:
获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;
将所述报警信息发送至与所述位置对应的负责人终端。
一种基于图像检测的地下电缆故障确定装置,所述装置包括:
接收模块,用于接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;
第一比较模块,用于提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;
第二比较模块,用于若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;
输出模块,用于若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
在其中一个实施例中,所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
在其中一个实施例中,所述装置还包括:
第一提取模块,用于获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
第一差异值获取模块,用于将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
第一调整模块,用于根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其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上述一项所述的方法的步骤。
上述基于图像检测的地下电缆故障确定方法和装置,在拍摄到图像后,首先与故障的地下电缆的标准特征进行比较,若低于第一阈值,则继续与非故障的地下电缆的标准特征进行比较,若低于第二阈值,则输出地下电缆故障的检测结果,这样通过与故障的地下电缆和非故障的地下电缆的标准特征进行比较,可以更为准确地确定地下电缆是否故障,提高检测效率的同时提高检测的准确性。
附图说明
图1为一个实施例中基于图像检测的地下电缆故障确定方法的应用场景图;
图2为一个实施例中基于图像检测的地下电缆故障确定方法的流程示意图;
图3为一个实施例中基于图像检测的地下电缆故障确定装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于图像检测的地下电缆故障确定方法,可以应用于如图1所示的应用环境中。其中,机器人102与服务器104通过网络进行通信。机器人102在电缆沟中拍摄电缆的图像,并将所拍摄的电缆的图像发送给服务器104,服务器104接收到图像后,提取图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较,若是所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较,且若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果,这样通过与故障的地下电缆和非故障的地下电缆的标准特征进行比较,可以更为准确地确定地下电缆是否故障,提高检测效率的同时提高检测的准确性。其中,机器人102可以但不限于是各种携带有摄像有的可移动的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于图像检测的地下电缆故障确定方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202:接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的。
具体地,工作人员将机器人放在电缆沟中,并向机器人发送指令,以便于机器人进行行走和拍摄,例如机器人可以接收到监控终端发送的行走指令和拍摄指令,从而可以根据该行走指令对应的方向以及速度进行行走,并根据拍摄指令进行拍摄,且可选地可以通过红外摄像头进行拍摄,或者是开启灯光通过自然光摄像头进行拍摄。
S204:提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较。
具体地,服务器可以提取图像的特征,其中提取的时候可以提取图像的热度值,也就是说图像的特征为图像的热度值,所述标准特征为图像的热度值,即首先将图像进行尺度变化得到多个尺度的图像,例如将原图像变为四分之一尺度的、十六分之一尺度的。服务器然后通过卷积神经网络提取每个尺度的图像的热度值特征,然后将多个尺度的热度值特征进行拼接得到图像的特征。
其中故障的地下电缆的标准特征是根据故障的地下电缆的类型进行分类的,每一类型的故障的地下电缆都设置有一标准特征,该标准特征可以是根据历史故障的地下电缆所生成的,例如根据历史故障的地下电缆的图像生成的,其也是提取故障的地下电缆的图像的多尺度特征所得到的,其中需要注意的是机器人所采集的图像与故障的地下电缆的图像的原始尺寸要一致,这样经过尺度变化后的多尺度图像也都是对应大小的。
服务器将所提取的特征与故障的地下电缆的标准特征进行比较,例如计算两者的相似度,其中可以分别计算每个尺度的相似度,然后再计算相似度的平均值作为最后的相似度。
S206:若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较。
具体地,服务器如果判定所提取的特征与故障的地下电缆的标准特征的相似度大于等于第一阈值,则说明机器人所采集的图像对应的地下电缆故障,则服务器可以根据图像所在的视频的视频流中的顺序,以及对应的机器人的移动速度,计算得到图像对应的地下电缆的位置,从而可以输出该位置,以便于工人确定修复位置。
其中,非故障的地下电缆的标准特征也是根据正常的地下电缆所生成的,其也可以计算多个尺度,然后根据多个尺度进行拼接得到该非故障的地下电缆的标准特征。其中,可选地,故障的地下电缆的标准特征以及非故障的地下电缆的标准特征都可以是根据与对应位置处的地下电缆的图像所生成的。
当服务器判定所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则服务器继续将所提取的特征与非故障的地下电缆的标准特征进行比较,即计算所提取的特征与非故障的地下电缆的标准特征的相似度,其中计算方式可以采用上文中的计算方式。
S208:若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
具体地,服务器判定所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出地下电缆故障的检测结果。如果大于等于第二阈值,则也说明地下电缆没有故障。
具体地,在实际应用中,可以以一段地下电缆视频来判断该段地下电缆是否故障:
具体地,服务器在判断地下电缆是否为故障地下电缆的时候,可以首先将机器人所采集的视频根据时间划分为多个视频段,一个视频段对应一个段地下电缆,也即根据机器人的速度以及机器人的位移确定时间段,然后根据时间段划分多个视频段,然后对每个视频段中的视频帧进行抽样得到关键帧,然后分别将每段地下电缆对应的关键帧分别输入至故障电缆识别模型中,以判断该地下电缆是否为故障地下电缆。
其中,一段地下电缆是否为故障地下电缆的判断方式可以包括以下步骤:服务器根据故障地下电缆识别模型计算所抽取的关键帧的热度值与历史故障地下电缆的第一热度值的第一相似度,当第一相似度大于等于第一阈值时,则判定所述关键帧为故障真,从而输出与所述关键帧对应的地下电缆为故障地下电缆。当第一相似度小于等于第一阈值时,则继续根据故障地下电缆识别模型计算关键帧的热度值与非故障的故障地下电缆的第二热度值的第二相似度,当第二相似度小于第二阈值时,则判定所述关键帧为异常帧,从而输出与所述关键帧对应的地下电缆为故障地下电缆,否则判定所述关键帧为正常帧,且当一段地下电缆对应的所有的关键帧均为正常帧时,则该地下电缆为非故障地下电缆。例如,其中一段地下电缆A对应的关键帧包括1秒视频帧、2秒视频帧、3秒视频帧、4秒视频帧以及5秒视频帧,在判断的时候,如果判断出1秒视频帧、2秒视频帧、3秒视频帧、4秒视频帧以及5秒视频帧的其中一帧为异常帧,则不比再继续判断下一关键帧,而是直接输出地下电缆为故障地下电缆,否则继续判断下一关键帧是否为异常帧,如果判断完成,所有的关键帧均是正常帧,则该地下电缆为非故障地下电缆。
上述基于图像检测的地下电缆故障确定方法,在拍摄到图像后,首先与故障的地下电缆的标准特征进行比较,若低于第一阈值,则继续与非故障的地下电缆的标准特征进行比较,若低于第二阈值,则输出地下电缆故障的检测结果,这样通过与故障的地下电缆和非故障的地下电缆的标准特征进行比较,可以更为准确地确定地下电缆是否故障,提高检测效率的同时提高检测的准确性。
在其中一个实施例中,所述第一阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
在其中一个实施例中,所述第二阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
上述第一阈值和/或第二阈值均是可调的,其中第一阈值与下文中的差异值成负相关,第二阈值与下文中的差异值成正相关。
具体地,服务器首先获取到故障的地下电缆对应的图像,并获取所述图像的异常热度值,判断该异常热度值与正常热度值的差异,如果差异值大,则第一阈值相应调小,如果差异值小,则可以第一阈值相应调大。同样地,对于第二阈值的调整,服务器首先获取到故障的地下电缆对应的图像,并获取所述图像的异常热度值,判断该异常热度值与正常热度值的差异,如果差异值大,则第一阈值相应调大,如果差异值小,则可以第一阈值相应调小。
在其中一个实施例中,所述输出所述地下电缆故障的检测结果,包括:获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;将所述报警信息发送至与所述位置对应的负责人终端。
具体地,服务器可以根据地下电缆的位置生成报警信息,以便于负责人及时赶到,且服务器可以根据该位置选择一个负责人终端,例如,服务器在选择的时候,首先选取最近的一个,然后判断该最近的一个是否正在执行任务,若是,则获取到次近的一个,直至所获取到的责任人终端没有在执行任务。
具体地,服务器在确认了责任人终端后,则将地下电缆的位置信息发送给责任人终端。且可选地,服务器还可以根据责任人终端的位置以及故障的地下电缆的位置信息进行路线规划,并将所规划的路线发送给责任人终端,以便于责任人可以及时赶到现场。
应该理解的是,虽然图2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,这些步骤可以以其它的顺序执行。而且,图2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,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它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。
在一个实施例中,如图3所示,提供了一种基于图像检测的地下电缆故障确定装置,包括:
接收模块100,用于接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;
第一比较模块200,用于提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;
第二比较模块300,用于若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;
输出模块400,用于若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
在其中一个实施例中,所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
在其中一个实施例中,所述装置还包括:
第一提取模块,用于获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
第一差异值获取模块,用于将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
第一调整模块,用于根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
在其中一个实施例中,所述装置还包括:
第二提取模块,用于获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
第二差异值获取模块,用于将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
第二调整模块,用于根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
在其中一个实施例中,上述输出模块可以包括:
位置获取单元,用于获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;
发送单元,用于将所述报警信息发送至与所述位置对应的负责人终端。
关于基于图像检测的地下电缆故障确定装置的具体限定可以参见上文中对于基于图像检测的地下电缆故障确定方法的限定,在此不再赘述。上述基于图像检测的地下电缆故障确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图像检测的地下电缆故障确定方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
在一个实施例中,处理器执行计算机程序时所涉及的所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
在一个实施例中,处理器执行计算机程序时所涉及的所述第一阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
在一个实施例中,处理器执行计算机程序时所涉及的所述第二阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
在一个实施例中,处理器执行计算机程序时所实现的所述输出所述地下电缆故障的检测结果,包括:获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;将所述报警信息发送至与所述位置对应的负责人终端。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
在一个实施例中,计算机程序被处理器执行时所涉及的所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
在一个实施例中,计算机程序被处理器执行时所涉及的所述第一阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
在一个实施例中,计算机程序被处理器执行时所涉及的所述第二阈值的调整方式包括:获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
在一个实施例中,计算机程序被处理器执行时所实现的所述输出所述地下电缆故障的检测结果,包括:获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;将所述报警信息发送至与所述位置对应的负责人终端。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于图像检测的地下电缆故障确定方法,所述方法包括:
接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;
提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;
若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;
若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
3.根据权利要求1所述的方法,其特征在于,所述第一阈值的调整方式包括:
获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
4.根据权利要求1所述的方法,其特征在于,所述第二阈值的调整方式包括:
获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越大。
5.根据权利要求1所述的方法,其特征在于,所述输出所述地下电缆故障的检测结果,包括:
获取所述地下电缆的位置,并根据所述地下电缆的位置生成报警信息;
将所述报警信息发送至与所述位置对应的负责人终端。
6.一种基于图像检测的地下电缆故障确定装置,其特征在于,所述装置包括:
接收模块,用于接收机器人返回的图像,所述图像是所述机器人在电缆沟中拍摄得到的;
第一比较模块,用于提取所述图像的特征,并将所提取的特征与故障的地下电缆的标准特征进行比较;
第二比较模块,用于若所提取的特征与故障的地下电缆的标准特征的相似度低于第一阈值,则将所提取的特征与非故障的地下电缆的标准特征进行比较;
输出模块,用于若所提取的特征与非故障的地下电缆的标准特征的相似度低于第二阈值,则输出所述地下电缆故障的检测结果。
7.根据权利要求6所述的装置,其特征在于,所述图像的特征为图像的热度值,所述标准特征为图像的热度值。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第一提取模块,用于获取故障的地下电缆的图像,并提取所述故障的地下电缆的图像的异常热度值;
第一差异值获取模块,用于将所述异常热度值与正常图像对应的正常热度值进行比较得到差异值;
第一调整模块,用于根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越小。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911144838.7A CN110909669A (zh) | 2019-11-19 | 2019-11-19 | 基于图像检测的地下电缆故障确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911144838.7A CN110909669A (zh) | 2019-11-19 | 2019-11-19 | 基于图像检测的地下电缆故障确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110909669A true CN110909669A (zh) | 2020-03-24 |
Family
ID=69817996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911144838.7A Pending CN110909669A (zh) | 2019-11-19 | 2019-11-19 | 基于图像检测的地下电缆故障确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909669A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743235A (zh) * | 2021-08-11 | 2021-12-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于边缘计算的电力巡检图像处理方法、装置和设备 |
CN114704438A (zh) * | 2022-06-02 | 2022-07-05 | 深圳众城卓越科技有限公司 | 风电机组故障监控方法及装置 |
WO2022222519A1 (zh) * | 2021-04-20 | 2022-10-27 | 华为云计算技术有限公司 | 故障图像生成方法与装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469305A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 电网视频监控设备的故障检测方法和装置 |
US20160188181A1 (en) * | 2011-08-05 | 2016-06-30 | P4tents1, LLC | User interface system, method, and computer program product |
CN108180935A (zh) * | 2018-01-31 | 2018-06-19 | 深圳春沐源控股有限公司 | 传感器的故障检测方法及装置 |
CN109948629A (zh) * | 2019-03-18 | 2019-06-28 | 贵州电网有限责任公司 | 一种基于sift特征的gis设备x射线图像故障检测方法 |
CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测系统 |
-
2019
- 2019-11-19 CN CN201911144838.7A patent/CN110909669A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160188181A1 (en) * | 2011-08-05 | 2016-06-30 | P4tents1, LLC | User interface system, method, and computer program product |
CN104469305A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 电网视频监控设备的故障检测方法和装置 |
CN108180935A (zh) * | 2018-01-31 | 2018-06-19 | 深圳春沐源控股有限公司 | 传感器的故障检测方法及装置 |
CN109948629A (zh) * | 2019-03-18 | 2019-06-28 | 贵州电网有限责任公司 | 一种基于sift特征的gis设备x射线图像故障检测方法 |
CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022222519A1 (zh) * | 2021-04-20 | 2022-10-27 | 华为云计算技术有限公司 | 故障图像生成方法与装置 |
CN113743235A (zh) * | 2021-08-11 | 2021-12-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于边缘计算的电力巡检图像处理方法、装置和设备 |
CN113743235B (zh) * | 2021-08-11 | 2024-04-05 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于边缘计算的电力巡检图像处理方法、装置和设备 |
CN114704438A (zh) * | 2022-06-02 | 2022-07-05 | 深圳众城卓越科技有限公司 | 风电机组故障监控方法及装置 |
CN114704438B (zh) * | 2022-06-02 | 2022-09-20 | 深圳众城卓越科技有限公司 | 风电机组故障监控方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909669A (zh) | 基于图像检测的地下电缆故障确定方法和装置 | |
CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
CN112272288B (zh) | 核电作业监控方法、装置、计算机设备和存储介质 | |
CN110798245B (zh) | 基于单模型的地下电缆故障预警方法和装置 | |
LU502731B1 (en) | Method for monitoring abnormality of power production, apparatus, computer device, and storage medium therefor | |
CN110955226B (zh) | 设备故障预测方法、装置、计算机设备和存储介质 | |
CN105205394B (zh) | 用于入侵检测的数据检测方法和装置 | |
CN110850233A (zh) | 电缆故障定位方法和装置 | |
CN111240984A (zh) | 异常页面识别方法、装置、计算机设备和存储介质 | |
CN110837956A (zh) | 地下电缆巡检任务分配方法和装置 | |
CN111161202A (zh) | 车辆行为信息获取方法、装置、计算机设备和存储介质 | |
CN112714040B (zh) | 全息报文检测方法、装置、设备及存储介质 | |
CN110866634A (zh) | 基于模型选择的地下电缆故障预警方法和装置 | |
CN110956288A (zh) | 基于三维建模的地下电缆故障预警方法和装置 | |
CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
CN111491204A (zh) | 视频修复方法、装置、电子设备和计算机可读存储介质 | |
CN110910360A (zh) | 电网图像的定位方法和图像定位模型的训练方法 | |
CN108200087B (zh) | web入侵检测方法、装置、计算机设备和存储介质 | |
CN112287721A (zh) | 坠落物追踪的方法、装置、计算机设备和存储介质 | |
CN110852461A (zh) | 故障地下电缆定位方法和装置 | |
CN110823355B (zh) | 基于位移数据的地下电缆故障判断方法和装置 | |
CN110838940B (zh) | 地下电缆巡检任务配置方法和装置 | |
CN116958604A (zh) | 基于输电线路图像匹配方法、装置、介质及设备 | |
CN110889357B (zh) | 基于标注区域的地下电缆故障检测方法和装置 | |
CN116645530A (zh) | 基于图像比对的施工检测方法、装置、设备及存储介质 |
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 |