CN111136664A - 基于紫外图像检测的巡检机器人及其检测方法 - Google Patents

基于紫外图像检测的巡检机器人及其检测方法 Download PDF

Info

Publication number
CN111136664A
CN111136664A CN201911176423.8A CN201911176423A CN111136664A CN 111136664 A CN111136664 A CN 111136664A CN 201911176423 A CN201911176423 A CN 201911176423A CN 111136664 A CN111136664 A CN 111136664A
Authority
CN
China
Prior art keywords
ultraviolet
image
positioning
fault
environment
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
CN201911176423.8A
Other languages
English (en)
Inventor
吴甜
刘海朋
刘洋
蒲廷燕
邢玉庆
张鹏和
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.)
Beijing Ruiying Zhituo Technology Development Co ltd
Original Assignee
Beijing Ruiying Zhituo Technology Development 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 Beijing Ruiying Zhituo Technology Development Co ltd filed Critical Beijing Ruiying Zhituo Technology Development Co ltd
Priority to CN201911176423.8A priority Critical patent/CN111136664A/zh
Publication of CN111136664A publication Critical patent/CN111136664A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Manipulator (AREA)

Abstract

本发明提供一种基于紫外图像检测的巡检机器人及其检测方法。所述巡检机器人包括巡检机器人本体，所述检机器人本体上设置有：紫外成像仪，用于将拍摄并输出待检测设备的紫外图像；检测单元，用于根据所述紫外图像对待检测设备进行故障检测；定位单元，用于获取定位数据并根据所述定位数据实现巡检机器人的定位与导航。本发明能够实现在无人值守的情况下完全自主地完成整个变电站的缺陷检测工作。

Description

基于紫外图像检测的巡检机器人及其检测方法
技术领域
本发明涉及图像检测技术领域，尤其涉及一种基于紫外图像检测的巡检机器人及其检测方法。
背景技术
高压设备投入运行后，由于表面粗糙不均、污秽、结构缺陷、导体接触不良等原因，会引起设备场强分布不均，造成电晕、电弧等放电现象。电晕、电弧放电时会伴随有电、光、热、声波、化合物等产生。因此需要对其进行检测。
发明内容
有鉴于此，本发明的目的在于提出一种基于紫外图像检测的巡检机器人及其检测方法，以解决高压电力设备缺陷检测的问题。
基于上述目的，本发明提供了一种基于紫外图像检测的巡检机器人，包括巡检机器人本体，所述检机器人本体上设置有：
紫外成像仪，用于将拍摄并输出待检测设备的紫外图像；
检测单元，用于根据所述紫外图像对待检测设备进行故障检测；
定位单元，用于获取定位数据并根据所述定位数据实现巡检机器人的定位与导航。
可选的，所述定位单元包括：
激光雷达，用于对巡检环境的地形与环境进行扫描获取地形与环境的扫描数据；
惯性测量单元，用于测量巡检机器人本体的加速度与角速度；
编码器，用于将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得定位数据实现巡检机器人的定位与导航。
可选的，所述紫外成像仪包括紫外镜头、紫外相机、紫外CCD。
本发明还提供一种基于紫外图像检测方法，包括：
获取待检测设备的紫外图像；
将所述紫外图像输入卷积神经网络模型，所述卷积神经网络模型基于多个设备缺陷图像训练而成；
根据所述卷积神经网络模型的计算结果判断所述紫外图像中的待检测设备是否具有故障；
若是，获取故障信息，并基于定位数据获取所述缺陷信息对应的待检测设备的定位信息；
根据所述故障信息以及定位信息获取故障判定结果。
可选的，所述多个设备故障图像包括不同设备的故障紫外图像以及不同类别的故障紫外图像。
可选的，所述缺陷判定结果包括故障类别以及故障等级。
可选的，所述获取待检测设备的紫外图像之前，还包括：
采集整个待检测环境的点云、影像数据；
将点云分为复杂物体和简单物体两类，并对每个站点进行点云拼接，整合成为完整的变电站点云；
将点云数据导入到点云处理软件中，提取出简单线框模型和复杂线框模型后；
在三维建模软件中打开线框模型，参照点云和影像修改线框模型的错误，开始三维建模并对影像进行预处理；
将单个模型从整体三维场景模型中分离，并将其展平，找到对应影像，进行UV纹理贴图，获得三维待检测环境的模型。
可选的，所述对影像进行预处理包括：进行色阶、饱和度、对比、锐化的处理。
可选的，所述导航数据获取包括：
获取巡检环境的地形与环境的扫描数据；
获取检机器人本体的加速度与角速度；
将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得导航数据。
可选的，所述紫外图像的获取包括：紫外通道光信号经透镜成像后由后端光电阴极成像，将可见光图像转变为电子图像，然后由三级MCP进行信号放大，然后经荧光屏将信号将电子图像转变为可见光图像，利用光纤锥将该图像耦合到后端CCD上得到所述紫外图像。
从上面所述可以看出，本发明提供的基于紫外图像检测的巡检机器人及其检测方法，巡检机器人能在无人值守的情况下完全自主地完成整个变电站的巡检工作，具备实现自动规避检修区域的激光导航规划技术的实践基础。通过实现自动规避检修区域，可完全避免机器人因部分设备区域检修或障碍物而无法正常巡检的情况出现，真正提高机器人巡检效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于紫外图像检测的巡检机器人的结构示意图；
图2为本发明实施例基于紫外图像检测方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本发明实施例提供一种基于紫外图像检测的巡检机器人，包括巡检机器人本体1，如图1所示，所述检机器人本体1上设置有：
紫外成像仪11，用于将拍摄并输出待检测设备的紫外图像；
检测单元12，用于根据所述紫外图像对待检测设备进行故障检测；
定位单元13，用于获取定位数据并根据所述定位数据实现巡检机器人的定位与导航。
巡检机器人能在无人值守的情况下完全自主地完成整个变电站的巡检工作，具备实现自动规避检修区域的激光导航规划技术的实践基础。通过实现自动规避检修区域，可完全避免机器人因部分设备区域检修或障碍物而无法正常巡检的情况出现，真正提高机器人巡检效率。
可选的，所述定位单元包括：
激光雷达，用于对巡检环境的地形与环境进行扫描获取地形与环境的扫描数据；
惯性测量单元，用于测量巡检机器人本体的加速度与角速度；
编码器，用于将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得定位数据实现巡检机器人的定位与导航。
可选的，所述紫外成像仪包括紫外镜头、紫外相机、紫外CCD。
本发明实施例还提供一种基于紫外图像检测方法，包括：
步骤101，获取待检测设备的紫外图像；
步骤102，将所述紫外图像输入卷积神经网络模型，所述卷积神经网络模型基于多个设备缺陷图像训练而成；
步骤103，根据所述卷积神经网络模型的计算结果判断所述紫外图像中的待检测设备是否具有故障；
步骤104，若是，获取故障信息，并基于定位数据获取所述缺陷信息对应的待检测设备的定位信息；
步骤105，根据所述故障信息以及定位信息获取故障判定结果。
本发明在高压试验大厅和环境气候实验室开展劣化高压设备典型放电紫外成像检测真型试验，结合现场实际测试，获得不同电压等级和不同位置处的低值和零值绝缘子缺陷放电紫外图谱、人工涂污的绝缘子在不同温度和湿度环境下的放电紫外图谱、RTV涂料失效和复合绝缘子不同位置不同程度缺陷放电的紫外图谱、不同缺陷导线和金具放电紫外图谱等多个设备缺陷图像；建立基于紫外图像参数表征的场路结合高压设备外绝缘沿面闪络放电模型；提出基于深度学习的紫外图像诊断方法，利用卷积神经网络开发了前端仪器诊断与后台专家智能诊断相结合故障分析预警系统，具备高压设备缺陷诊断和放电预警功能，实现紫外检测图像诊断分析的实时化、本地化，解决现场巡检中缺陷误判、漏判等问题。
可选的，所述多个设备故障图像包括不同设备的故障紫外图像以及不同类别的故障紫外图像。
可选的，所述缺陷判定结果包括故障类别以及故障等级。
可选的，所述获取待检测设备的紫外图像之前，还包括：
采集整个待检测环境的点云、影像数据；
将点云分为复杂物体和简单物体两类，并对每个站点进行点云拼接，整合成为完整的变电站点云；
将点云数据导入到点云处理软件中，提取出简单线框模型和复杂线框模型后；
在三维建模软件中打开线框模型，参照点云和影像修改线框模型的错误，开始三维建模并对影像进行预处理；
将单个模型从整体三维场景模型中分离，并将其展平，找到对应影像，进行UV纹理贴图，获得三维待检测环境的模型。
可选的，所述对影像进行预处理包括：进行色阶、饱和度、对比、锐化的处理。
可选的，所述导航数据获取包括：
获取巡检环境的地形与环境的扫描数据；
获取检机器人本体的加速度与角速度；
将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得导航数据。
可选的，所述紫外图像的获取包括：紫外通道光信号经透镜成像后由后端光电阴极成像，将可见光图像转变为电子图像，然后由三级MCP进行信号放大，然后经荧光屏将信号将电子图像转变为可见光图像，利用光纤锥将该图像耦合到后端CCD上得到所述紫外图像。
需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于紫外图像检测的巡检机器人，其特征在于，包括巡检机器人本体，所述检机器人本体上设置有：
紫外成像仪，用于将拍摄并输出待检测设备的紫外图像；
检测单元，用于根据所述紫外图像对待检测设备进行故障检测；
定位单元，用于获取定位数据并根据所述定位数据实现巡检机器人的定位与导航。
2.根据权利要求1所述的巡检机器人，其特征在于，所述定位单元包括：
激光雷达，用于对巡检环境的地形与环境进行扫描获取地形与环境的扫描数据；
惯性测量单元，用于测量巡检机器人本体的加速度与角速度；
编码器，用于将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得定位数据实现巡检机器人的定位与导航。
3.根据权利要求1所述的巡检机器人，其特征在于，所述紫外成像仪包括紫外镜头、紫外相机、紫外CCD。
4.一种基于紫外图像检测方法，其特征在于，包括：
获取待检测设备的紫外图像；
将所述紫外图像输入卷积神经网络模型，所述卷积神经网络模型基于多个设备缺陷图像训练而成；
根据所述卷积神经网络模型的计算结果判断所述紫外图像中的待检测设备是否具有故障；
若是，获取故障信息，并基于定位数据获取所述缺陷信息对应的待检测设备的定位信息；
根据所述故障信息以及定位信息获取故障判定结果。
5.根据权利要求4所述的方法，其特征在于，所述多个设备故障图像包括不同设备的故障紫外图像以及不同类别的故障紫外图像。
6.根据权利要求5所述的方法，其特征在于，所述缺陷判定结果包括故障类别以及故障等级。
7.根据权利要求4所述的方法，其特征在于，所述获取待检测设备的紫外图像之前，还包括：
采集整个待检测环境的点云、影像数据；
将点云分为复杂物体和简单物体两类，并对每个站点进行点云拼接，整合成为完整的变电站点云；
将点云数据导入到点云处理软件中，提取出简单线框模型和复杂线框模型后；
在三维建模软件中打开线框模型，参照点云和影像修改线框模型的错误，开始三维建模并对影像进行预处理；
将单个模型从整体三维场景模型中分离，并将其展平，找到对应影像，进行UV纹理贴图，获得三维待检测环境的模型。
8.根据权利要求7所述的方法，其特征在于，所述对影像进行预处理包括：进行色阶、饱和度、对比、锐化的处理。
9.根据权利要求4所述的方法，其特征在于，所述导航数据获取包括：
获取巡检环境的地形与环境的扫描数据；
获取检机器人本体的加速度与角速度；
将地形与环境的扫描数据以及巡检机器人本体的加速度与角速度进行融合，获得导航数据。
10.根据权利要求4所述的方法，其特征在于，所述紫外图像的获取包括：紫外通道光信号经透镜成像后由后端光电阴极成像，将可见光图像转变为电子图像，然后由三级MCP进行信号放大，然后经荧光屏将信号将电子图像转变为可见光图像，利用光纤锥将该图像耦合到后端CCD上得到所述紫外图像。
CN201911176423.8A 2019-11-26 2019-11-26 基于紫外图像检测的巡检机器人及其检测方法 Pending CN111136664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911176423.8A CN111136664A (zh) 2019-11-26 2019-11-26 基于紫外图像检测的巡检机器人及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911176423.8A CN111136664A (zh) 2019-11-26 2019-11-26 基于紫外图像检测的巡检机器人及其检测方法

Publications (1)

Publication Number Publication Date
CN111136664A true CN111136664A (zh) 2020-05-12

Family

ID=70516681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911176423.8A Pending CN111136664A (zh) 2019-11-26 2019-11-26 基于紫外图像检测的巡检机器人及其检测方法

Country Status (1)

Country Link
CN (1) CN111136664A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111941388A (zh) * 2020-07-01 2020-11-17 中国南方电网有限责任公司超高压输电公司广州局 阀厅设备巡检机器人的通信控制方法、电子设备及系统
CN114034646A (zh) * 2021-10-25 2022-02-11 太初环塑科技(浙江)有限公司 一种回收塑料瓶识别系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111941388A (zh) * 2020-07-01 2020-11-17 中国南方电网有限责任公司超高压输电公司广州局 阀厅设备巡检机器人的通信控制方法、电子设备及系统
CN114034646A (zh) * 2021-10-25 2022-02-11 太初环塑科技(浙江)有限公司 一种回收塑料瓶识别系统

Similar Documents

Publication Publication Date Title
CN109872323A (zh) 输电线路的绝缘子缺陷检测方法及装置
Zhang et al. A recognition technology of transmission lines conductor break and surface damage based on aerial image
CN113205116B (zh) 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法
CN115184726B (zh) 一种智能电网故障实时监测定位系统及方法
CN111553194B (zh) 基于双光源的gis设备内部的异物的检测方法及系统
CN111136664A (zh) 基于紫外图像检测的巡检机器人及其检测方法
CN111241615A (zh) 一种高度真实感的变电站多源融合三维建模方法
CN112101138A (zh) 基于深度学习的桥梁拉索表面缺陷实时识别系统及方法
CN113767409A (zh) 输配电设备诊断方法、装置、系统、计算设备、介质以及产品
CN114627021A (zh) 基于点云与深度学习的缺陷检测方法和系统
KR102174424B1 (ko) 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치
CN116681979A (zh) 一种复杂环境下的电力设备目标检测方法
CN115753809A (zh) 一种绝缘子污损检测方法、装置、设备及存储介质
CN115147591A (zh) 一种变电设备红外图像电压致热型缺陷诊断方法及系统
CN117498225B (zh) 一种无人机智能电力线路巡检系统
CN113269744A (zh) 一种应用于输电线路设备缺陷的红外智能识别方法及系统
CN211785898U (zh) 一种紫外告警红外热像仪
KR101743595B1 (ko) 부분 방전 진단 방법 및 시스템, 이를 이용한 몰드 변압기 열화 모니터링 시스템.
CN117031223A (zh) 一种对于开关柜局部放电缺陷的诊断方法
CN107194923B (zh) 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法
CN113139955B (zh) 一种基于双光图像的光伏组件故障识别方法及系统
KR102210571B1 (ko) Gps 좌표와 이동통신시스템을 이용한 교량과 터널의 안전진단 원격감시 경보방법
CN115861162A (zh) 定位目标区域的方法、装置及计算机可读存储介质
Wu et al. Detection method based on improved faster R-CNN for pin defect in transmission lines
Jalil et al. To identify hot spots in power lines using infrared and visible sensors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200512

WD01 Invention patent application deemed withdrawn after publication