CN110940421A - 一种分布式多点测量的无人机检测系统 - Google Patents

一种分布式多点测量的无人机检测系统 Download PDF

Info

Publication number
CN110940421A
CN110940421A CN201911119436.1A CN201911119436A CN110940421A CN 110940421 A CN110940421 A CN 110940421A CN 201911119436 A CN201911119436 A CN 201911119436A CN 110940421 A CN110940421 A CN 110940421A
Authority
CN
China
Prior art keywords
data
value
unmanned aerial
aerial vehicle
risk value
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
CN201911119436.1A
Other languages
English (en)
Inventor
赵罡
白建军
张宏嘉
赵发平
叶晓壮
郭富红
贠飞龙
王祥正
朱明昊
王凯明
贺鑫
武强
杨明现
乔荣波
高远
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.)
State Grid Corp of China SGCC
Luoyang Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Luoyang Power Supply Co of State Grid Henan Electric Power 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 State Grid Corp of China SGCC, Luoyang Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911119436.1A priority Critical patent/CN110940421A/zh
Publication of CN110940421A publication Critical patent/CN110940421A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radiation Pyrometers (AREA)

Abstract

针对现有技术中的仅仅通过温度阈值判断故障的问题，本发明提供一种分布式多点测量的无人机检测系统，无人机对供电设备进行多点红外图像采集后，根据无人机的拍摄位置对红外图像一一命名，再将该红外图像数据转换为温度数据；同时，将温度数据发送数据处理模块，数据模块将温度数据进行分析后，得出风险值；根据拍摄位置与风险值较高的数据进行二次分类，将故障率较高的位置与风险值较高的数据进行结合，获得异常等级，然后将异常等级发送至人机交互设备，进行人工复检；本发明引入了阈值范围，经过阈值范围确定拍摄位置的风险值，然后将该拍摄位置的风险值与故障率结合，判断异常等级，提升了判断的准确率。

Description

一种分布式多点测量的无人机检测系统
技术领域
本发明属于无人机应用领域，尤其涉及一种应用分布式多点测量的无人机检测系统。
背景技术
当下是一个全球无人机迅猛发展的黄金时代，在输电线路检测方面也广有应用。我国输电线路分布面积大，设施距离远，环境与自然条件复杂多变。为提高输电线路维护和检修的质量和效率，可采用已经逐渐成熟的无人机输电线路巡检技术。
现有的，无人机通常采用红外摄影技术拍摄照片后，然后通过该红外图像确定拍摄位置的温度，然后根据该温度与设定阈值直接比较，判断拍摄处是否有故障。这种方式简单有效，应用较为广泛。
但是，通过上述判断方法，由于仅仅通过一个阈值判断，并未考虑其他因素，参数较少，在最终确定的最高级别的警报时容易出现判断不准的问题。
发明内容
针对现有技术中的仅仅通过温度阈值判断故障的问题，本发明提供一种分布式多点测量的无人机检测系统，采用温度阈值范围，通过分析获得风险值，而后再结合故障率等参数，提升最终结果的准确性。
本发明为了解决上述技术问题而采用的技术方案是：一种分布式多点测量的无人机检测系统，其特征在于，无人机对供电设备进行多点红外图像采集后，根据无人机的拍摄位置对红外图像一一命名，再将该红外图像数据转换为温度数据；同时，将温度数据发送数据处理模块，数据模块将温度数据进行分析后，得出风险值；根据拍摄位置与风险值较高的数据进行二次分类，将故障率较高的位置与风险值较高的数据进行结合，获得异常等级，然后将异常等级发送至人机交互设备，进行人工复检；
其中，所述的风险值的获得步骤是：
s101.从标准数据库中获得阈值范围，且设定阈值范围【a，b】；其中a值为检测处最适合的值；b值为异常临界值；s102.设无人机采集的数据为x，a<x<b；风险值D＝(x-a)-(b-x)；如果，D为正值则为较高风险值；如果D为零或负值则为较低风险值。
具体的，一种分布式多点测量的无人机检测系统，包括以下步骤：
S1.无人机采集红外图像数据；
S2.将S1步骤获得红外图像根据拍摄位置对红外图像进行命名，然后通过数据转换将红外图像转换为温度数据，形成拍摄位置与温度数据对应的数据表；
S3.将S2步骤获得的温度数据与标准数据库中的阈值范围进行风险值分析；
S4.将温度数据中高风险值的数据和风险较低的数据进行分类；仅仅选出高风险值的部分，并根据拍摄位置的故障率进行分配，结合拍摄位置进行分类，进行二次分类，选择风险值较高的同时故障率较高的位置，作为紧急情况进行处理；
S5.将S4获得的风险值较高的同时故障率较高的位置发送至人机交互界面，进行人工复检。
进一步的，S4步骤中，将拍摄位置的故障率进行统计，将故障率最高的位置确定为数值3，故障率最低的位置为1，故障率位于中间区域的确定为2；然后在选取的高风险值的部分选择故障率数值为3的作为紧急处理；然后在选取的高风险值的部分选择故障率数值为2的作为严重处理；最后在选取的高风险值的部分选择故障率数值为1的作为一般情况处理。
进一步的，标准数据库设置在云服务端，通过无线通信与无人机交换数据；且该云服务端接收人工复检的结果，根据人工复检结果对云服务端内的数据进行更新。
有益效果：本发明引入了阈值范围，经过阈值范围确定拍摄位置的风险值，然后将该拍摄位置的风险值与故障率结合，判断异常等级，提升了判断的准确率。
附图说明
图1为本发明的流程图。
图2为单回直线塔图像采集方法。
图3为双回直线塔图像采集方法。
图4为单回耐张塔图像采集方法。
图5为双回耐张塔图像采集方法。
需要明确的是：图2～5中的箭头方向指的是无人机的飞行方向；数字代表无人机拍摄位置的先后顺序。
具体实施方式
下面结合附图对本发明进行进一步的说明。
如图1，一种分布式多点测量的无人机检测系统，其特征在于，包括以下步骤：
S1.无人机采集红外图像数据；
在采集时，遵循一处多采的原则，便于获得清晰的图像。如面向杆塔大号侧，左侧小号侧为A点、左侧大号侧为B点、右侧大号侧为C点、右侧小号侧为D点。
1、直线塔拍摄原则：
⑴单回直线塔的顶部拍摄采集图像：
如图2为单回直线塔俯视图，A点拍摄：左相-中相-右相
B点拍摄：左相-中相-右相
C点拍摄：右相-中相-左相
D点拍摄：右相-中相-左相
⑵双回直线塔：
如图3，A点拍摄：1左回上相-右回上相
2左回中相-右回中相
3左回下相-右回下相
B点拍摄：4左回下相-右回下相
5左回中相-右回中相
6左回上相-右回上相
C点拍摄：7右回上相-左回上相
8右回中相-左回中相
9右回下相-左回下相
D点拍摄：10右回下相-左回下相
11右回中相-左回中相
12右回上相-左回上相
2、耐张塔拍摄原则
⑴单回耐张塔：
如图4，A点拍摄：左相小号侧-中相小号侧
B点拍摄：左相大号侧-中相大号侧
C点拍摄：右相大号侧-中相大号侧
D点拍摄：右相小号侧-中相小号侧
⑵双回耐张塔：
如图5，A点拍摄：左回上相小号侧-左回中相小号侧-左回下相小号侧
B点拍摄：左回下相大号侧-左回中相大号侧-左回上相大号侧
C点拍摄：右回上相大号侧-右回中相大号侧-右回下相大号侧
D点拍摄：右回下相小号侧-右回中相小号侧-右回上相小号侧。
S2.将S1步骤获得红外图像根据拍摄位置对红外图像进行命名，然后通过数据转换将红外图像转换为温度数据，形成拍摄位置与温度数据对应的数据表；
数据表I：
位置 温度
左相小号侧 53摄氏度
S3.将S2步骤获得的温度数据与标准数据库中的阈值范围进行风险值分析；从标准数据库中获得阈值范围，且设定阈值范围【a，b】；其中a值为检测处最适合的值；b值为异常临界值；设无人机采集的数据为x，a<x<b；风险值D＝(x-a)-(b-x)；如果，D为正值则为较高风险值；如果D为零或负值则为较低风险值，然后更新数据表。
更新后的数据表II：
位置 温度 D
左相小号侧 53摄氏度 -1
S4.将温度数据中高风险值的数据和风险较低的数据进行分类；仅仅选出高风险值的部分，并根据拍摄位置的故障率进行分配，结合拍摄位置进行分类，进行二次分类，形成最终数据表III，选择风险值较高的同时故障率较高的位置，作为紧急情况进行处理；
最终数据表III：
Figure BDA0002275022530000061
此时，将拍摄位置的故障率进行统计，将故障率最高的位置确定为数值3，故障率最低的位置为1，故障率位于中间区域的确定为2；然后在选取的高风险值的部分选择故障率数值为3的作为紧急处理；然后在选取的高风险值的部分选择故障率数值为2的作为严重处理；最后在选取的高风险值的部分选择故障率数值为1的作为一般情况处理。或者将拍摄位置的故障率上传至云服务器中，在使用时通过无线网络读取。
如果此时右相小号侧的故障率统计显示最高，此时，确定右相小号侧位置的高温为最高等级的异常等级，标记为紧急情况。
S5.将S4获得的右相小号侧的故障发送至人机交互界面，进行人工复检。
其中，S5处的人机交互界面可以是控制室的电脑或者便携设备如平板电脑。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易变化或替换，都属于本发明的保护范围之内。因此本发明的保护范围所述以权利要求的保护范围为准。

Claims (4)

1.一种分布式多点测量的无人机检测系统，其特征在于，无人机对供电设备进行多点红外图像采集后，根据无人机的拍摄位置对红外图像一一命名，再将该红外图像数据转换为温度数据；同时，将温度数据发送数据处理模块，数据模块将温度数据进行分析后，得出风险值；根据拍摄位置与风险值较高的数据进行二次分类，将故障率较高的位置与风险值较高的数据进行结合，获得异常等级，然后将异常等级发送至人机交互设备，进行人工复检；
其中，所述的风险值的获得步骤是：
s101.从标准数据库中获得阈值范围，且设定阈值范围【a，b】；其中a值为检测处最适合的值；b值为异常临界值；s102.设无人机采集的数据为x，a<x<b；风险值D＝(x-a)-(b-x)；如果，D为正值则为较高风险值；如果D为零或负值则为较低风险值。
2.根据权利要求1所述的一种分布式多点测量的无人机检测系统，其特征在于，包括以下步骤：
S1.无人机采集红外图像数据；
S2.将S1步骤获得红外图像根据拍摄位置对红外图像进行命名，然后通过数据转换将红外图像转换为温度数据，形成拍摄位置与温度数据对应的数据表；
S3.将S2步骤获得的温度数据与标准数据库中的阈值范围进行风险值分析；
S4.将温度数据中高风险值的数据和风险较低的数据进行分类；仅仅选出高风险值的部分，并根据拍摄位置的故障率进行分配，结合拍摄位置进行分类，进行二次分类，选择风险值较高的同时故障率较高的位置，作为紧急情况进行处理；
S5.将S4获得的风险值较高的同时故障率较高的位置发送至人机交互界面，进行人工复检。
3.根据权利要求2所述的一种分布式多点测量的无人机检测系统，其特征在于，S4步骤中，将拍摄位置的故障率进行统计，将故障率最高的位置确定为数值3，故障率最低的位置为1，故障率位于中间区域的确定为2；然后在选取的高风险值的部分选择故障率数值为3的作为紧急处理；然后在选取的高风险值的部分选择故障率数值为2的作为严重处理；最后在选取的高风险值的部分选择故障率数值为1的作为一般情况处理。
4.根据权利要求1所述的一种分布式多点测量的无人机检测系统，其特征在于，标准数据库设置在云服务端，通过无线通信与无人机交换数据；且该云服务端接收人工复检的结果，根据人工复检结果对云服务端内的数据进行更新。
CN201911119436.1A 2019-11-15 2019-11-15 一种分布式多点测量的无人机检测系统 Pending CN110940421A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911119436.1A CN110940421A (zh) 2019-11-15 2019-11-15 一种分布式多点测量的无人机检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911119436.1A CN110940421A (zh) 2019-11-15 2019-11-15 一种分布式多点测量的无人机检测系统

Publications (1)

Publication Number Publication Date
CN110940421A true CN110940421A (zh) 2020-03-31

Family

ID=69906671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911119436.1A Pending CN110940421A (zh) 2019-11-15 2019-11-15 一种分布式多点测量的无人机检测系统

Country Status (1)

Country Link
CN (1) CN110940421A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098565A (zh) * 2022-07-22 2022-09-23 广东电网有限责任公司 输电线路红外巡检数据处理的方法，装置、设备和介质
CN115661468A (zh) * 2022-12-29 2023-01-31 广东信通通信有限公司 一种基于颜色空间的输变电设备故障图像分割方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102280005A (zh) * 2011-06-09 2011-12-14 广州飒特电力红外技术有限公司 基于红外热成像技术的森林防火预警系统及方法
CN103427367A (zh) * 2013-08-14 2013-12-04 广东电网公司清远供电局 一种输电线路检修方法
KR101539734B1 (ko) * 2015-02-24 2015-08-07 정재훈 배전선로 장애 자동추적 시스템
CN107014827A (zh) * 2017-04-24 2017-08-04 国家电网公司 基于影像处理的输电线路缺陷分析方法、装置和系统
CN107357313A (zh) * 2017-08-15 2017-11-17 成都优艾维智能科技有限责任公司 一种基于无人机巡检图像的输电线路故障维护系统及方法
CN109782803A (zh) * 2019-01-30 2019-05-21 云南电网有限责任公司电力科学研究院 一种无人机输电导线巡线系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102280005A (zh) * 2011-06-09 2011-12-14 广州飒特电力红外技术有限公司 基于红外热成像技术的森林防火预警系统及方法
CN103427367A (zh) * 2013-08-14 2013-12-04 广东电网公司清远供电局 一种输电线路检修方法
KR101539734B1 (ko) * 2015-02-24 2015-08-07 정재훈 배전선로 장애 자동추적 시스템
CN107014827A (zh) * 2017-04-24 2017-08-04 国家电网公司 基于影像处理的输电线路缺陷分析方法、装置和系统
CN107357313A (zh) * 2017-08-15 2017-11-17 成都优艾维智能科技有限责任公司 一种基于无人机巡检图像的输电线路故障维护系统及方法
CN109782803A (zh) * 2019-01-30 2019-05-21 云南电网有限责任公司电力科学研究院 一种无人机输电导线巡线系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098565A (zh) * 2022-07-22 2022-09-23 广东电网有限责任公司 输电线路红外巡检数据处理的方法，装置、设备和介质
CN115661468A (zh) * 2022-12-29 2023-01-31 广东信通通信有限公司 一种基于颜色空间的输变电设备故障图像分割方法

Similar Documents

Publication Publication Date Title
CN106595551B (zh) 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法
CN100390565C (zh) 无人机航空摄影遥感森林计测方法
CN108734143A (zh) 一种巡检机器人的基于双目视觉的输电线路在线检测方法
CN110033453A (zh) 基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法
CN110514298B (zh) 一种基于地基云图的太阳辐照强度计算方法
AU2017261849A1 (en) &#34;Solar power forecasting&#34;
CN110070530A (zh) 一种基于深度神经网络的输电线路覆冰检测方法
CN110940421A (zh) 一种分布式多点测量的无人机检测系统
WO2017193172A1 (en) &#34;solar power forecasting&#34;
CN113589837A (zh) 一种基于边缘云的电力实时巡检方法
CN115620239B (zh) 一种点云和视频结合的输电线路在线监测方法和系统
CN104573713A (zh) 一种基于图像纹理特征的互感器红外图像识别方法
CN113095189B (zh) 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统
CN112326039A (zh) 一种光伏电站巡检辅助系统
CN115664006B (zh) 一种增量配电网智能管控一体化平台
CN114697212A (zh) 设备参数处理方法、设备、系统及介质
CN111309945A (zh) 一种无人机巡检图片精确分类方法及系统
CN112066977A (zh) 一种光电测量网络多目标匹配与编目方法
CN116046796A (zh) 一种基于无人机的光伏组件热斑检测方法及系统
CN110334820A (zh) 一种配电网智能巡检系统
CN116664861A (zh) 一种输电线路覆冰状态分析方法及系统
CN116600528A (zh) 一种基于温度分布场的通信机房制冷监控方法及系统
CN116029440A (zh) 光伏电站超短期功率预测方法和装置
CN115761265A (zh) 一种用于提取激光雷达点云中变电站设备的方法及装置
CN115241980A (zh) 基于无人机前端识别的配网台区供电半径核查系统及方法

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

Application publication date: 20200331

RJ01 Rejection of invention patent application after publication