CN111309945A - 一种无人机巡检图片精确分类方法及系统 - Google Patents

一种无人机巡检图片精确分类方法及系统 Download PDF

Info

Publication number
CN111309945A
CN111309945A CN202010059529.6A CN202010059529A CN111309945A CN 111309945 A CN111309945 A CN 111309945A CN 202010059529 A CN202010059529 A CN 202010059529A CN 111309945 A CN111309945 A CN 111309945A
Authority
CN
China
Prior art keywords
tower
picture
phase sequence
aerial vehicle
unmanned aerial
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.)
Granted
Application number
CN202010059529.6A
Other languages
English (en)
Other versions
CN111309945B (zh
Inventor
王永昆
杜宏刚
邹和东
李波
孙兴国
田资
孙永杰
王栋
王善军
程小亮
张川
肖德健
张经纬
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
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Qingdao Power Supply Co of State Grid Shandong 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, Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010059529.6A priority Critical patent/CN111309945B/zh
Publication of CN111309945A publication Critical patent/CN111309945A/zh
Application granted granted Critical
Publication of CN111309945B publication Critical patent/CN111309945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Processing Or Creating Images (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本公开提供了一种无人机巡检图片精确分类方法及系统，从无人机巡检照片的数据信息中解析提取GPS位置；计算照片GPS数据与预先存储的线路台账数据中杆塔坐标的距离最小值来得到图片所属杆塔；进行坐标系的转换，根据杆塔类型和回路数，明确图片的相序和运行杆塔，对不同相序信息的图片进行分类存储。

Description

一种无人机巡检图片精确分类方法及系统
技术领域
本公开属于无人机巡检数据处理技术领域，涉及一种无人机巡检图片精确分类方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
目前无人机广泛应用于输电线路巡检中，使用多旋翼无人机进行杆塔精细化巡检时需要对杆塔金具及挂点处拍照，每基杆塔拍摄照片10-30张，每天按10基杆塔计，一天拍摄照片在100张以上。拍摄完成后，需要对图片按线路名称和杆塔分类，目前飞手依靠记忆巡检时拍摄的杆塔顺序来完成，图片分类耗时较长，记忆稍有疏忽图片分类就会出现错误。专利201711344862.6利用图片中无人机GPS和云台参数信息和杆塔台账信息，方法是云台拍摄视线的射线与杆塔包围盒面相交来实现图片分类，可以实现单回杆塔图片分类，但对图片所属相序的判断并未明确方法。
发明内容
本公开为了解决上述问题，提出了一种无人机巡检图片精确分类方法及系统，本公开解决了目前无人机巡检图片不易分类的问题，不但能够对单回杆塔准确分类，还能对同塔架设双回杆塔准确分类，同时还能区分出耐张杆塔的大小号侧。
根据一些实施例，本公开采用如下技术方案：
一种无人机巡检图片精确分类方法，包括以下步骤：
从无人机巡检照片的数据信息中解析提取GPS位置；
计算照片GPS数据与预先存储的线路台账数据中杆塔坐标的距离最小值来得到图片所属杆塔；
进行坐标系的转换，根据杆塔类型和回路数，明确图片的相序和运行杆塔，对不同相序信息的图片进行分类存储。
作为可选择的实施方式，提前构建线路台账数据，具体包括但不限于电压等级、线路名称、杆号、经纬度、直线/耐张、单回/双回、相序、导线排列方式和同塔位置。
作为可选择的实施方式，计算照片GPS数据与杆塔坐标的距离时，通过先模糊计算、后精确计算确定图片所属杆塔。
作为进一步的限定，通过设定模糊筛选距离d，如果图片GPS位置和某杆塔之间的距离超过模糊筛选距离，则该图片不属于相应的杆塔；否则，则该图片属于杆塔相应的杆塔。
当模糊计算的结果确定的杆塔数超过两个时，进行精确计算，确定距离最小值来为图片所属杆塔。
作为可选择的实施方式，如果确定的杆塔为物理杆塔，需要确定图片位于杆塔的左侧或者右侧，进而明确图片的相序和运行杆塔。
作为进一步的限定，当图片所属杆塔A为直线双回塔时，若转换坐标后的图片GPS的坐标(X′c，Y′c)中，X′c>0，则该图片在A塔的右侧；若X′c<0，则该图片在A塔的左侧，与杆塔台账中位置信息比较，若一致则该运行杆塔为图片所属运行杆塔；
2)当A为直线单回塔时，若X′c>0且
Figure BDA0002373988650000031
则该图片是A塔的右相；若X′c<0且
Figure BDA0002373988650000032
则该图片是A塔的左相；若
Figure BDA0002373988650000033
则该图片是A塔中相；通过杆塔台账中相序信息，得出图片对应的相序；
3)当A塔为耐张塔时，若X′c>0且Y′c>0，则该图片是A塔的右线大号侧；若X′c>0且Y′c<0，则该图片是A塔的右线小号侧；若X′c<0且Y′c>0，则该图片是A塔的左线大号侧；若X′c<0且Y′c<0，则该图片是A塔的左线小号侧；若杆塔回路数为2，与杆塔台账中位置信息比较，一致则该运行杆塔为图片所属杆塔；若杆塔回路数为1，根据杆塔台账中相序信息，得出图片对应的相序。
作为进一步的限定，若杆塔为双回路，识别出运行杆塔后，需根据图片GPS信息中高度数据和杆塔台账中相序信息进一步判断相序；连续两张图片GPS高度数据相差不超过设定值，则属于同一相序组，否则属于不同相序组。
根据图片高度数据由低至高相序组分别为下相-中相-上相-地线，或由高至低相序组为地线-上相-中相-下相，进而根据杆塔台账中相序信息明确具体相序。
一种无人机巡检图片精确分类系统，包括：
GPS信息提取单元，被配置为从无人机巡检照片的数据信息中解析提取GPS位置；
坐标比对单元，被配置为计算照片GPS数据与预先存储的线路台账数据中杆塔坐标的距离最小值来得到图片所属杆塔；
相序确定单元，进行坐标系的转换，根据杆塔类型和回路数，明确图片的相序和运行杆塔；
图片分类单元，被配置为对不同相序信息的图片进行分类存储。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种无人机巡检图片精确分类方法的步骤。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种无人机巡检图片精确分类方法的步骤。
与现有技术相比，本公开的有益效果为：
本公开解决了目前无人机巡检图片不易分类的问题，不但能够对单回杆塔准确分类，还能对同塔架设双回杆塔准确分类，同时还能区分出耐张杆塔的大小号侧。本公开通过无人机拍摄图片中GPS信息和线路杆塔台账信息完成无人机巡检图片的准确分类。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是图片与杆塔位置示意图；
图2是本公开的流程示意图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
首先进行术语解释：物理杆塔是实际中存在的杆塔，运行杆塔是运行人员方便识别线路而定义的名称。单回架设线路，物理杆塔与运行杆塔一对一；多回架设线路，物理杆塔与运行杆塔一对多。本公开无人机巡检图片精确分类方法简单易编程实现，解决了目前无人机巡检图片不易分类的问题，不但能够对单回杆塔准确分类，还能对同塔架设双回杆塔准确分类，同时还能区分出耐张杆塔的大小号侧。本公开通过无人机拍摄图片中GPS信息和线路杆塔台账信息完成无人机巡检图片的准确分类,系统由线路台账数据单元、图片GPS信息提取单元、坐标对比单元、相序确定单元、图片分类单元组成。
本公开在建立图片所属杆塔和大号侧杆塔为纵坐标轴的平面坐标系，通过图片坐标在新坐标系中的位置准确判断图片所属运行杆塔和相序。对于双回杆塔，还需根据不同电压等级的相序分组方法将不同GPS高度数据的图片分成不同相序组，进而明确图片相序。
如图1，A(xa，ya)是图片所属杆塔，B(xb，yb)是A杆塔的大号侧杆塔，C(xc，yc)是图片GPS位置。
S0.线路台账数据单元
线路台账数据单元包括电压等级、线路名称、杆号、经纬度、直线/耐张、单回/双回、相序、导线排列方式、同塔位置等基础信息。
A B C D E F G H I J K
序号 电压等级 线路名称 杆号 经度 纬度 杆塔类型 回路数 相序 排列方式 位置
1
S1.图片GPS信息提取单元
从无人机巡检照片的EXIF元数据信息中解析提取GPS位置，包括经度、纬度和高度。
S2.坐标比对单元
坐标比对单元通过计算照片GPS数据与台账数据单元中杆塔坐标的距离最小值来得到图片所属杆塔。为减少程序计算时间，通过模糊计算和精确计算两种方法确定图片所属杆塔。
模糊计算：地球半径R＝6371393米，因此任意经度周长为L＝2*pi*r＝40032642米，1米约等于：360/L＝0.000008993度，50米等于0.00004496度。通过设定模糊筛选距离d，例如d＝50米，
若|xa-xc|或|ya-yc|大于0.00004496，则该图片不属于A杆塔。若|xa-xc|且|ya-yc|小于等于0.00004496，则图片可能属于A杆塔。模糊筛选距离一般取10～50，通过模糊筛选基本可确定出图片所属杆塔。
精确计算：通过模糊计算确定的杆塔数如果大于2，则需要进行精确计算。地球上A、C两点间距离公式为D＝θπR/180，其中θ是AC两点的夹角，单位为度，因此θ越小，A、C两点距离越小，距离图片坐标C最小的杆塔即图片所属杆塔。θ的计算公式如下：
Figure BDA0002373988650000071
S3.相序确定单元
①通过坐标比对单元确定的杆塔为物理杆塔，如需明确运行杆塔还需要通过相序确定单元完成。相序确定单元用于确定图片位于杆塔的左侧或者右侧，进而明确图片的相序(单回塔)和运行杆塔(双回塔)。如图1，A(xa，ya)是图片所属杆塔，B(xb，yb)是A杆塔的大号侧杆塔，C(xc，yc)是图片GPS位置。建立以
Figure BDA0002373988650000075
为纵坐标轴的坐标系，C在AB坐标系中的新坐标为C’(X′c，Y′c),计算公式为：
Figure BDA0002373988650000072
其中
Figure BDA0002373988650000073
Figure BDA0002373988650000074
通过对C’(X′c，Y′c)分析可得到C’的位置。
根据杆塔台账中A杆塔的杆塔类型(列G)和回路数(列H)，判断图片的相序如下：
1)当A为直线双回塔时，若X′c>0，则该图片在A塔的右侧；若X′c<0，则该图片在A塔的左侧；与杆塔台账中位置信息(列K)比较，若一致则该运行杆塔为图片所属运行杆塔。
2)当A为直线单回塔时，若X′c>0且
Figure BDA0002373988650000081
则该图片是A塔的右相；若X′c<0且
Figure BDA0002373988650000082
则该图片是A塔的左相；若
Figure BDA0002373988650000083
则该图片是A塔中相；通过杆塔台账中相序信息(列I)，得出图片对应的相序；
3)当A塔为耐张塔时，若X′c>0且Y′c>0，则该图片是A塔的右线大号侧；若X′c>0且Y′c<0，则该图片是A塔的右线小号侧；若X′c<0且Y′c>0，则该图片是A塔的左线大号侧；若X′c<0且Y′c<0，则该图片是A塔的左线小号侧；若杆塔回路数为2，与杆塔台账中位置信息(列K)比较，一致则该运行杆塔为图片所属杆塔；若杆塔回路数为1，根据杆塔台账中相序信息(列I)，得出图片对应的相序。
表1图片所属运行杆塔或相序判断依据表
Figure BDA0002373988650000084
Figure BDA0002373988650000091
②若杆塔为双回路，通过上述方法识别出运行杆塔后，需根据图片GPS信息中高度数据和杆塔台账中相序信息(列I)进一步判断相序。连续两张图片GPS高度数据相差不超过3米(220kV为3米，110kV为1.5米)，则属于同一相序组，超过3米(220kV为3米，110kV为1.5米)则属于不同相序组。根据图片高度数据由低至高相序组分别为下相-中相-上相-地线，或由高至低相序组为地线-上相-中相-下相，进而根据杆塔台账中相序信息(列I)明确具体相序。
S4.图片分类单元
根据相序确定单元结果，按照层级建立线路名称-杆号-相序文件夹，并将图片移动至杆号文件夹。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种无人机巡检图片精确分类方法，其特征是：包括以下步骤：
从无人机巡检照片的数据信息中解析提取GPS位置；
计算照片GPS数据与预先存储的线路台账数据中杆塔坐标的距离最小值来得到图片所属杆塔；
进行坐标系的转换，根据杆塔类型和回路数，明确图片的相序和运行杆塔，对不同相序信息的图片进行分类存储。
2.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：提前构建线路台账数据，具体包括但不限于电压等级、线路名称、杆号、经纬度、直线/耐张、单回/双回、相序、导线排列方式和同塔位置。
3.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：计算照片GPS数据与杆塔坐标的距离时，通过先模糊计算、后精确计算确定图片所属杆塔。
4.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：通过设定模糊筛选距离d，如果图片GPS位置和某杆塔之间的距离超过模糊筛选距离，则该图片不属于相应的杆塔；否则，则该图片属于杆塔相应的杆塔；
当模糊计算的结果确定的杆塔数超过两个时，进行精确计算，确定距离最小值来为图片所属杆塔。
5.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：如果确定的杆塔为物理杆塔，需要确定图片位于杆塔的左侧或者右侧，进而明确图片的相序和运行杆塔。
6.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：当图片所属杆塔A为直线双回塔时，若转换坐标后的图片GPS的坐标(X′c，Y′c)中，X′c>0，则该图片在A塔的右侧；若X′c<0，则该图片在A塔的左侧，与杆塔台账中位置信息比较，若一致则该运行杆塔为图片所属运行杆塔；
2)当A为直线单回塔时，若X′c>0且
Figure FDA0002373988640000021
则该图片是A塔的右相；若X′c<0且
Figure FDA0002373988640000022
则该图片是A塔的左相；若
Figure FDA0002373988640000023
则该图片是A塔中相；通过杆塔台账中相序信息，得出图片对应的相序；
3)当A塔为耐张塔时，若X′c>0且Y′c>0，则该图片是A塔的右线大号侧；若X＇c>0且Y′c<0，则该图片是A塔的右线小号侧；若X′c<0且Y′c>0，则该图片是A塔的左线大号侧；若X′c<0且Y′c<0，则该图片是A塔的左线小号侧；若杆塔回路数为2，与杆塔台账中位置信息比较，一致则该运行杆塔为图片所属杆塔；若杆塔回路数为1，根据杆塔台账中相序信息，得出图片对应的相序。
7.如权利要求1所述的一种无人机巡检图片精确分类方法，其特征是：若杆塔为双回路，识别出运行杆塔后，需根据图片GPS信息中高度数据和杆塔台账中相序信息进一步判断相序；连续两张图片GPS高度数据相差不超过设定值，则属于同一相序组，否则属于不同相序组；
或，
根据图片高度数据由低至高相序组分别为下相-中相-上相-地线，或由高至低相序组为地线-上相-中相-下相，进而根据杆塔台账中相序信息明确具体相序。
8.一种无人机巡检图片精确分类系统，其特征是：包括：
GPS信息提取单元，被配置为从无人机巡检照片的数据信息中解析提取GPS位置；
坐标比对单元，被配置为计算照片GPS数据与预先存储的线路台账数据中杆塔坐标的距离最小值来得到图片所属杆塔；
相序确定单元，进行坐标系的转换，根据杆塔类型和回路数，明确图片的相序和运行杆塔；
图片分类单元，被配置为对不同相序信息的图片进行分类存储。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种无人机巡检图片精确分类方法的步骤。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种无人机巡检图片精确分类方法的步骤。
CN202010059529.6A 2020-01-19 2020-01-19 一种无人机巡检图片精确分类方法及系统 Active CN111309945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010059529.6A CN111309945B (zh) 2020-01-19 2020-01-19 一种无人机巡检图片精确分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010059529.6A CN111309945B (zh) 2020-01-19 2020-01-19 一种无人机巡检图片精确分类方法及系统

Publications (2)

Publication Number Publication Date
CN111309945A true CN111309945A (zh) 2020-06-19
CN111309945B CN111309945B (zh) 2022-03-01

Family

ID=71144906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010059529.6A Active CN111309945B (zh) 2020-01-19 2020-01-19 一种无人机巡检图片精确分类方法及系统

Country Status (1)

Country Link
CN (1) CN111309945B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111797332A (zh) * 2020-07-31 2020-10-20 国网北京市电力公司 图像的显示方法及装置、系统
CN113448979A (zh) * 2021-05-14 2021-09-28 国网福建省电力有限公司 配电网设备台账匹配方法及计算机可读存储介质
CN114782947A (zh) * 2022-06-22 2022-07-22 韶关市擎能设计有限公司 输配电线路点云匹配方法、点云匹配系统及存储介质
CN117312606A (zh) * 2023-09-18 2023-12-29 上海云箔科技有限公司 项目数据管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1946262A2 (en) * 2005-10-27 2008-07-23 Peer Medical Inc. Use of a mobile communications device to direct medical workflow and as a repository of medical information
CN106408439A (zh) * 2015-11-18 2017-02-15 国家电网公司 一种线路巡视等级综合评价方法
CN106547814A (zh) * 2016-09-23 2017-03-29 广西电网有限责任公司电力科学研究院 一种输电线路无人机巡检图像的结构化自动归档方法
CN107977453A (zh) * 2017-12-15 2018-05-01 深圳供电局有限公司 一种无人机巡视图片分类方法以及系统
CN109298825A (zh) * 2018-09-30 2019-02-01 广东电网有限责任公司 图像归类方法、装置及电子终端
CN109502038A (zh) * 2018-09-11 2019-03-22 成都优艾维智能科技有限责任公司 一种针对交流单回耐张塔的无人机自主巡检方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1946262A2 (en) * 2005-10-27 2008-07-23 Peer Medical Inc. Use of a mobile communications device to direct medical workflow and as a repository of medical information
CN106408439A (zh) * 2015-11-18 2017-02-15 国家电网公司 一种线路巡视等级综合评价方法
CN106547814A (zh) * 2016-09-23 2017-03-29 广西电网有限责任公司电力科学研究院 一种输电线路无人机巡检图像的结构化自动归档方法
CN107977453A (zh) * 2017-12-15 2018-05-01 深圳供电局有限公司 一种无人机巡视图片分类方法以及系统
CN109502038A (zh) * 2018-09-11 2019-03-22 成都优艾维智能科技有限责任公司 一种针对交流单回耐张塔的无人机自主巡检方法
CN109298825A (zh) * 2018-09-30 2019-02-01 广东电网有限责任公司 图像归类方法、装置及电子终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SAMPEDRO,CARLOS等: "A Supervised Approach to Electric Tower Detection and Classification for Power Line Inspection", 《PROCEEDINGS OF THE 2014 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 *
张广辉: "基于Android系统的移动GIS技术应用研究与开发", 《中国优秀硕士学位论文全文数据库(电子期刊)》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111797332A (zh) * 2020-07-31 2020-10-20 国网北京市电力公司 图像的显示方法及装置、系统
CN113448979A (zh) * 2021-05-14 2021-09-28 国网福建省电力有限公司 配电网设备台账匹配方法及计算机可读存储介质
CN113448979B (zh) * 2021-05-14 2022-05-10 国网福建省电力有限公司 配电网设备台账匹配方法及计算机可读存储介质
CN114782947A (zh) * 2022-06-22 2022-07-22 韶关市擎能设计有限公司 输配电线路点云匹配方法、点云匹配系统及存储介质
CN114782947B (zh) * 2022-06-22 2022-10-04 韶关市擎能设计有限公司 输配电线路点云匹配方法、点云匹配系统及存储介质
CN117312606A (zh) * 2023-09-18 2023-12-29 上海云箔科技有限公司 项目数据管理系统
CN117312606B (zh) * 2023-09-18 2024-03-12 上海云箔科技有限公司 项目数据管理系统

Also Published As

Publication number Publication date
CN111309945B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN111309945B (zh) 一种无人机巡检图片精确分类方法及系统
CN111914813B (zh) 基于图像分类的输电线路巡检图像命名方法及系统
CN112183667B (zh) 一种协同深度学习的绝缘子故障检测方法
CN110245644A (zh) 一种基于深度学习的无人机图像输电杆塔倒伏识别的方法
CN109376768B (zh) 一种基于深度学习的航拍图像杆塔标识牌故障诊断方法
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
CN111709361B (zh) 一种输电线路无人机巡检数据处理方法
CN110992349A (zh) 一种基于深度学习的地下管道异常自动化定位与识别方法
CN107316007A (zh) 一种基于深度学习的监控图像多类物体检测与识别方法
CN111428558A (zh) 一种基于改进YOLOv3方法的车辆检测方法
CN113592822A (zh) 一种电力巡检图像的绝缘子缺陷定位方法
CN113239764B (zh) 输电线路无人机巡检图像预处理方法
CN107103640A (zh) 一种城市地下管线的三维建模方法及系统
CN110992307A (zh) 基于yolo的绝缘子定位识别方法及装置
CN110910440A (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN114511718A (zh) 一种建筑施工用物料智能管理方法及系统
CN111241905A (zh) 基于改进ssd算法的输电线路鸟窝检测方法
CN110851577A (zh) 一种电力领域的知识图谱扩充方法及装置
CN110991442A (zh) 一种高速公路车牌云端高精准识别方法
CN112627538B (zh) 基于计算机视觉的钢筋网扎丝绑扎质量智能验收方法
CN108693441B (zh) 一种输电线路绝缘子识别方法及系统
CN111652102B (zh) 一种输电通道目标物辨识方法及系统
CN115310505A (zh) 一种用于互感器二次回路接线端子的自动识别方法及系统
CN118378103B (zh) 一种基于人工智能的地理信息系统数据匹配管理方法
CN115170970B (zh) 一种用于检测城市街道景观破损的方法

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
GR01 Patent grant
GR01 Patent grant