CN111311597B - 一种缺陷绝缘子的无人机巡检方法与系统 - Google Patents
一种缺陷绝缘子的无人机巡检方法与系统 Download PDFInfo
- Publication number
- CN111311597B CN111311597B CN202010229060.6A CN202010229060A CN111311597B CN 111311597 B CN111311597 B CN 111311597B CN 202010229060 A CN202010229060 A CN 202010229060A CN 111311597 B CN111311597 B CN 111311597B
- Authority
- CN
- China
- Prior art keywords
- insulator
- aerial vehicle
- unmanned aerial
- image
- defective
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种缺陷绝缘子的无人机巡检方法与系统,通过无人机巡检获取绝缘子图像,对图像进行分割与识别,识别出图像中是否存在绝缘子,最后通过构造特征达到检测绝缘子故障。基于无人机获取的绝缘子图像、GPS坐标定位信息与分析结果,通过上位机管理操作平台进行显示,即可完成自动标识,检修人员可以直观地分析缺陷绝缘子所处的地理位置以便故障的排查。本发明所述的基于Faster R‑CNN的绝缘子缺陷识别算法,具备快速的绝缘子缺陷特征的抽取能力,通过深度训练网络达到较高的判别准确率。本发明的实施,能够减少巡视人员工作量,提高运维效率,快速定位缺陷。
Description
技术领域
本发明涉及电力设备巡检技术领域,更具体地说,涉及一种缺陷绝缘子的无人机巡检方法,以及一种缺陷绝缘子的无人机巡检系统。
背景技术
绝缘子是输电线路中起机械支撑和电气绝缘作用的部件,用量及其庞大。由于绝缘子终年暴露在野外,易遭受自然天气、自然灾害、机械负荷以及人为因素的损害,成为故障多发的元件之一。据统计,高压输电线路因绝缘子故障如污秽、破损和闪络等引起的停运时间占总故障时间的50%以上,严重威胁电网安全。因此,针对绝缘子的缺陷早期判别是保障电网安全运行不可或缺的手段。
目前,应用于实际巡检的方案包括如下几种:
(1)人工定期巡检(如地面观察法、登杆观测法);
(2)带电接触检测(分布电压检测、泄漏电流检测);
(3)非接触式不带电测量方式(红外热成像温差法、超声波检测法等)
(4)无人机巡检获取绝缘子图像,人工查看图片信息排查故障。
上述的现有技术分别存在如下特点与不足:
(1)人工定期巡检:输电线路大多分布在崇山峻岭之间,常常跨越交通死区;如果使用传统的人工定期巡检,准确度不高,而且巡检难度大、周期长,存在人员安全隐患、耗费大量人力;
(2)带电接触检测:虽然直观、准确度高,但存在安全隐患、工作量大、效率低等问题
(3)非接触式不带电测量方式:能够降低触电风险,但需要额外昂贵的辅助设备,而且容易受到外界因素影响而发生误判;
(4)无人机巡检获取绝缘子图像,人工查看图片信息排查故障:能够降低人工巡检时的安全风险并节省了人力成本,但是采集的图像仍需人工查看,巨量的图片、影像资料信息造成巨大的阅读工作量,且由于工作人员自身专业水平的差异化、视觉疲劳和精力不足,容易导致故障遗漏。
发明内容
本发明的目的在于克服现有技术的不足,提供一种缺陷绝缘子的无人机巡检方法与系统,减少巡视人员工作量,提高运维效率,快速定位缺陷,实现减员增效。
本发明的技术方案如下:
一种缺陷绝缘子的无人机巡检方法,通过无人机获取输电线路绝缘子图像,以及无人机获取绝缘子图像时的GPS坐标定位信息,将绝缘子图像与GPS坐标定位信息进行关联;通过绝缘子缺陷辨识算法,实时检测所获取的绝缘子图像,分析绝缘子图像存在绝缘子缺陷的信赖度分值,如果所述的信赖度分值大于预设的缺陷阈值,则判定绝缘子图像对应的绝缘子为缺陷绝缘子,完成缺陷绝缘子的检测与定位。
作为优选,基于Faster R-CNN的绝缘子缺陷辨识算法,先对绝缘子图像进行数据集制作,接着将数据集输入Faster R-CNN算法模型中进行特征提取、获得候选区域、通过感兴趣区域池化层输出区域候选特征图、利用softmax实现目标分类并采用soft-NMS算法获得候选特征图的信赖度分值实现边界框回归,最终实现绝缘子缺陷的辨识。
作为优选,无人机通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至数据存储中心,进行存储。
作为优选,无人机通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至上位机管理操作平台,上位机管理操作平台对缺陷绝缘子进一步分析。
作为优选,上位机管理操作平台对缺陷绝缘子进行缺陷分析、损坏程度分析。
作为优选,上位机管理操作平台将接收的绝缘子图像、GPS坐标定位信息与分析结果,在地图上进行显示与自动标识。
作为优选,对缺陷绝缘子所在的地埋位置情况进行分析,并在地图上进行显示与自动标识。
作为优选,通过地面控制站规划无人机的巡检线路,地面控制站将巡检线路发送至无人机,地面控制站控制无人机启动并以规则的巡检线路进行飞行与拍摄。
作为优选,当无人机的摄像头获取图像后,执行绝缘子缺陷辨识算法,实时监控无人机的摄像头获取的图像,当获取的图像存在绝缘子,则抓取对应的绝缘子图像;然后通过绝缘子缺陷辨识算法进行分析;如果当前的绝缘子图像中的绝缘子判定为缺陷绝缘子,则通过GPS定位模块获取当前的GPS坐标定位信息,并与当前的绝缘子图像进行关联。
一种缺陷绝缘子的无人机巡检系统,包括无人机、地面控制站、数据存储中心、上位机管理操作平台,地面控制站用于控制无人机进行飞行,数据存储中心用于存储绝缘子图像、GPS坐标定位信息与分析结果,上位机管理操作平台用于对缺陷绝缘子进一步分析、显示与自动标识;基于所述的缺陷绝缘子的无人机巡检方法进行缺陷绝缘子的无人机巡检;无人机包括摄像头、定位模块、算法模块,摄像头用于获取图像,定位模块用于获取GPS坐标定位信息,算法模块用于执行绝缘子缺陷辨识算法。
本发明的有益效果如下:
本发明所述的缺陷绝缘子的无人机巡检方法与系统,通过无人机巡检获取绝缘子图像,对图像进行分割与识别,识别出图像中是否存在绝缘子,最后通过构造特征达到检测绝缘子故障。基于无人机获取的绝缘子图像、GPS坐标定位信息与分析结果,通过上位机管理操作平台进行显示,即可完成自动标识,检修人员可以直观地分析缺陷绝缘子所处的地理位置以便故障的排查。本发明所述的基于Faster R-CNN的绝缘子缺陷识别算法,具备快速的绝缘子缺陷特征的抽取能力,通过深度训练网络达到较高的判别准确率。
本发明的实施,能够减少巡视人员工作量,提高运维效率,快速定位缺陷,实现减员增效;相对于传统的人工巡查模式,本发明可及时发现绝缘子是否存在安全隐患,减少设备因故障停运造成的经济损失;相对于传统的无人机巡查模式,本发明可实时对航拍图像进行绝缘子缺陷检测,提高了检测效率;同时,本发明可保留离线分析的模式,用于对绝缘子图像进行进一步分析。
附图说明
图1是本发明的无人机巡检方法的流程示意图;
图2是绝缘子缺陷识别算法的流程示意图;
图3是本发明的无人机巡检系统的原理框图;
图4是本发明的无人机的原理框图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明为了解决现有技术存在的高成本、高风险、低效率、低精度等不足,提供一种缺陷绝缘子的无人机巡检方法以及一种缺陷绝缘子的无人机巡检系统,利用无人机基于绝缘子缺陷识别算法,对绝缘子进行实时分析,并可快速定位,并在后台完成自动标识,不仅提高效率与精度,降低安全风险,而且检修人员可以直观地分析缺陷绝缘子所处的地理位置以便故障的排查。
本发明所述的缺陷绝缘子的无人机巡检方法,如图1所示,通过无人机获取输电线路绝缘子图像,以及无人机获取绝缘子图像时的GPS坐标定位信息,将绝缘子图像与GPS坐标定位信息进行关联;通过绝缘子缺陷辨识算法,实时检测所获取的绝缘子图像,分析绝缘子图像存在绝缘子缺陷的信赖度分值,如果所述的信赖度分值大于预设的缺陷阈值,则判定绝缘子图像对应的绝缘子为缺陷绝缘子,完成缺陷绝缘子的检测与定位。
其中,所述的绝缘子缺陷辨识算法基于Faster R-CNN算法,如图2所示,先对绝缘子图像进行数据集制作,接着将数据集输入Faster R-CNN算法模型中进行特征提取、获得候选区域、通过感兴趣区域池化层输出区域候选特征图、利用softmax实现目标分类并采用soft-NMS算法获得候选特征图的信赖度分值实现边界框回归,最终实现绝缘子缺陷的辨识。信赖度分值为判断绝缘子是否存在缺陷的可靠程度,基于信赖度分值,可直观地判断绝缘子是否存在缺陷,且判断结果的可靠度高。
本实施例中,当无人机的摄像头获取图像后,执行绝缘子缺陷辨识算法,实时监控无人机的摄像头获取的图像,当获取的图像存在绝缘子,则抓取对应的绝缘子图像;具体地,基于深度学习的绝缘子目标定位算法,对含有绝缘子的图像进行匹配、定位、分割,达到将绝缘子与背景信息剥离的目的,即获取绝缘子图像。然后通过绝缘子缺陷辨识算法进行分析;如果当前的绝缘子图像中的绝缘子判定为缺陷绝缘子,则通过GPS定位模块获取当前的GPS坐标定位信息,并与当前的绝缘子图像进行关联。
本实施例中,无人机通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至数据存储中心,进行存储。具体实施时,通信模块可选用4G通信机制或5G通信机制;当实施为5G通信机制时,进一步地,可利用5G通信机制进行边缘计算,以减轻无人机执行绝缘子缺陷辨识算法的硬件要求,并可保证数据的低时延。
无人机还通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至上位机管理操作平台,上位机管理操作平台对缺陷绝缘子进一步分析,包括缺陷分析、损坏程度分析。或者,数据存储中心在接收到无人机发送的绝缘子图像、GPS坐标定位信息与分析结果后,再转发至上位机管理操作平台。数据存储中心主要是对接收的绝缘子图像、GPS坐标定位信息与分析结果进行存储,同时将数据发送给上位机管理操作平台进行分析,进而,数据存储中心需要具备较高的传输效率和扩展性能、数据备份能力、数据安全保护能力。
上位机管理操作平台同时还可以对于存储在数据存储中心的缺陷绝缘子的数据集进行调用分析(历史分析、统计);另一方面,上位机管理操作平台将接收的绝缘子图像、GPS坐标定位信息与分析结果,在地图上进行显示与自动标识;并可进一步地对缺陷绝缘子所在的地埋位置情况进行分析,并在地图上进行显示与自动标识,方便检修人员可以直观地分析缺陷绝缘子所处的地理位置,以便进行故障排查。
为了对无人机进行更好地控制,本发明中,以地面控制站作为无人机的控制设备,通过地面控制站规划无人机的巡检线路,地面控制站将巡检线路发送至无人机,地面控制站控制无人机启动并以规则的巡检线路进行飞行与拍摄。基于规划完善的巡检线路,无人机可对应于每个绝缘子进行悬停与拍摄,以得到更清晰的绝缘子图像、更精确的分析结果与更精准的GPS坐标定位信息。其中,地面控制站需具备稳定的控制性能、精准的线路规划能力;无人机需具备较强的续航能力、拍摄获取较高像素的巡查图像。
基于所述的缺陷绝缘子的无人机巡检方法,本发明还提供一种缺陷绝缘子的无人机巡检系统,如图3所示,包括无人机、地面控制站、数据存储中心、上位机管理操作平台,地面控制站用于控制无人机进行飞行,数据存储中心用于存储绝缘子图像、GPS坐标定位信息与分析结果,上位机管理操作平台用于对缺陷绝缘子进一步分析、显示与自动标识;基于所述的缺陷绝缘子的无人机巡检方法进行缺陷绝缘子的无人机巡检;无人机包括摄像头、定位模块、算法模块,摄像头用于获取图像,定位模块用于获取GPS坐标定位信息,算法模块用于执行绝缘子缺陷辨识算法。进一步地,算法模块还集成绝缘子目标定位算法,即用于检测无人机拍摄的图像中是否存在绝缘子,进而在识别出绝缘子后,即可执行绝缘子缺陷辨识算法,提高执行效率。
如图4所示,无人机主要包括机载控制部分与硬件装备部分。机载控制部分包括算法模块、飞行控制模块、通信模块,硬件装备部分包括负责拍摄图像的工业级摄像头、GPS定位模块、飞行控制平台、载物平台、磁减震脚架、陀螺仪及其它传感器。其中,工业级摄像头能够获取巡检过程中输电线路的图像。算法模块负责对图像信息进行处理,一方面向飞行控制模块反馈线路情况以便对于巡检线路微调,另一方面通过内部对于绝缘子目标定位算法抓取巡检线路上的绝缘子图像,并通过绝缘子缺陷辨识算法对绝缘子进行缺陷判别。GPS定位模块是为了获取绝缘子图像时无人机的GPS坐标定位信息。飞行控制模块、飞行控制平台、磁减震脚架、陀螺仪以及其它传感器是控制与调整无人机的飞行姿态,保证无人机能按照规划的巡检线路安全地完成巡检;载物平台可以运载某些功能模块以及物品。
基于本发明所述的缺陷绝缘子的无人机巡检方法与系统,本发明具体的工作过程如图1所示,具体如下:
1)地面控制站规划无人机的巡检路线,控制启用无人机进行航拍;
2)无人机接收操作指令,按规划的巡检线路进行巡检、拍照,自动获取输电线路的绝缘子图像;
3)获取绝缘子图像后,算法模块执行绝缘子缺陷辨识算法,实时检测绝缘子并分析存在绝缘子缺陷的信赖度分值,对于信赖度分值大于预设的缺陷阈值的绝缘子图像,判定绝缘子图像对应的绝缘子为缺陷绝缘子;同时获取对应的GPS坐标定位信息,向通信模块发送传输指令;
4)通信模块收到传输指令,将绝缘子图像、GPS坐标定位信息与分析结果,发送至数据存储中心;数据存储中心的通信模块接收到绝缘子图像、GPS坐标定位信息与分析结果后,保存至数据库,同时将绝缘子图像、GPS坐标定位信息与分析结果发送至上位机管理操作平台;
5)上位机管理操作平台基于接收到绝缘子图像,对缺陷绝缘子进一步分析(缺陷分析、损坏程度分析);并将对应的缺陷绝缘的GPS坐标定位信息在地图上进行显示,并对地理位置情况进行分析与显示,完成自动标识。
上述实施例仅是用来说明本发明,而并非用作对本发明的限定。只要是依据本发明的技术实质,对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。
Claims (7)
1.一种缺陷绝缘子的无人机巡检方法,其特征在于,通过无人机获取输电线路绝缘子图像,以及无人机获取绝缘子图像时的GPS坐标定位信息,将绝缘子图像与GPS坐标定位信息进行关联;通过绝缘子缺陷辨识算法,实时检测所获取的绝缘子图像,分析绝缘子图像存在绝缘子缺陷的信赖度分值,如果所述的信赖度分值大于预设的缺陷阈值,则判定绝缘子图像对应的绝缘子为缺陷绝缘子,完成缺陷绝缘子的检测与定位;
基于Faster R-CNN的绝缘子缺陷辨识算法,先对绝缘子图像进行数据集制作,接着将数据集输入Faster R-CNN算法模型中进行特征提取、获得候选区域、通过感兴趣区域池化层输出区域候选特征图、利用softmax实现目标分类并采用soft-NMS算法获得候选特征图的信赖度分值实现边界框回归,最终实现绝缘子缺陷的辨识;
通过地面控制站规划无人机的巡检线路,地面控制站将巡检线路发送至无人机,地面控制站控制无人机启动并以规则的巡检线路进行飞行与拍摄;
当无人机的摄像头获取图像后,执行绝缘子缺陷辨识算法,实时监控无人机的摄像头获取的图像,当获取的图像存在绝缘子,则抓取对应的绝缘子图像;然后通过绝缘子缺陷辨识算法进行分析;如果当前的绝缘子图像中的绝缘子判定为缺陷绝缘子,则通过GPS定位模块获取当前的GPS坐标定位信息,并与当前的绝缘子图像进行关联;
当无人机的摄像头获取图像后,执行绝缘子缺陷辨识算法,实时监控无人机的摄像头获取的图像,当获取的图像存在绝缘子,则抓取对应的绝缘子图像;具体地,基于深度学习的绝缘子目标定位算法,对含有绝缘子的图像进行匹配、定位、分割,达到将绝缘子与背景信息剥离的目的,即获取绝缘子图像。
2.根据权利要求1所述的缺陷绝缘子的无人机巡检方法,其特征在于,无人机通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至数据存储中心,进行存储。
3.根据权利要求1所述的缺陷绝缘子的无人机巡检方法,其特征在于,无人机通过通信模块将绝缘子图像、GPS坐标定位信息与分析结果发送至上位机管理操作平台,上位机管理操作平台对缺陷绝缘子进一步分析。
4.根据权利要求3所述的缺陷绝缘子的无人机巡检方法,其特征在于,上位机管理操作平台对缺陷绝缘子进行缺陷分析、损坏程度分析。
5.根据权利要求3所述的缺陷绝缘子的无人机巡检方法,其特征在于,上位机管理操作平台将接收的绝缘子图像、GPS坐标定位信息与分析结果,在地图上进行显示与自动标识。
6.根据权利要求5所述的缺陷绝缘子的无人机巡检方法,其特征在于,对缺陷绝缘子所在的地埋位置情况进行分析,并在地图上进行显示与自动标识。
7.一种缺陷绝缘子的无人机巡检系统,其特征在于,包括无人机、地面控制站、数据存储中心、上位机管理操作平台,地面控制站用于控制无人机进行飞行,数据存储中心用于存储绝缘子图像、GPS坐标定位信息与分析结果,上位机管理操作平台用于对缺陷绝缘子进一步分析、显示与自动标识;
基于权利要求1至6任一项所述的缺陷绝缘子的无人机巡检方法进行缺陷绝缘子的无人机巡检;无人机包括摄像头、定位模块、算法模块,摄像头用于获取图像,定位模块用于获取GPS坐标定位信息,算法模块用于执行绝缘子缺陷辨识算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010229060.6A CN111311597B (zh) | 2020-03-27 | 2020-03-27 | 一种缺陷绝缘子的无人机巡检方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010229060.6A CN111311597B (zh) | 2020-03-27 | 2020-03-27 | 一种缺陷绝缘子的无人机巡检方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311597A CN111311597A (zh) | 2020-06-19 |
CN111311597B true CN111311597B (zh) | 2023-04-18 |
Family
ID=71160842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010229060.6A Active CN111311597B (zh) | 2020-03-27 | 2020-03-27 | 一种缺陷绝缘子的无人机巡检方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311597B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214029A (zh) * | 2020-09-10 | 2021-01-12 | 江苏久飞智能科技有限公司 | 一种电力巡检无人机机载soa型任务管理计算控制系统 |
CN112595936A (zh) * | 2020-11-06 | 2021-04-02 | 广西电网有限责任公司崇左供电局 | 基于无人机巡检的输电线复合绝缘子智能检测系统 |
CN112839213A (zh) * | 2021-02-08 | 2021-05-25 | 上海电力大学 | 一种基于5g通信的架空线路绝缘子故障监测系统 |
CN112837305A (zh) * | 2021-02-08 | 2021-05-25 | 上海电力大学 | 一种基于北斗短报文的架空线路绝缘子故障监测系统 |
CN113052104A (zh) * | 2021-03-31 | 2021-06-29 | 广东电网有限责任公司 | 基于图像识别的绝缘子定位识别方法及系统 |
CN113312991A (zh) * | 2021-05-14 | 2021-08-27 | 华能阜新风力发电有限责任公司 | 一种基于无人机的前端智能识别系统 |
CN113359823A (zh) * | 2021-05-31 | 2021-09-07 | 国网山东省电力公司滨州供电公司 | 基于图像识别的无人机通信光缆巡检方法 |
CN113835004B (zh) * | 2021-09-06 | 2024-02-09 | 太仓阿尔法数字科技有限公司 | 一种在役绝缘子远程探伤方法 |
CN113888483A (zh) * | 2021-09-18 | 2022-01-04 | 珠高电气检测有限公司 | 绝缘子损坏检测方法、系统及介质 |
CN114022432B (zh) * | 2021-10-28 | 2024-04-30 | 湖北工业大学 | 基于改进的yolov5的绝缘子缺陷检测方法 |
CN115393347B (zh) * | 2022-10-11 | 2023-12-29 | 中关村科学城城市大脑股份有限公司 | 一种基于城市大脑的电网智能巡检方法及系统 |
CN115436384A (zh) * | 2022-11-07 | 2022-12-06 | 国网山东省电力公司荣成市供电公司 | 一种基于无人机图像的配电箱表面缺陷检测系统及方法 |
CN116188470B (zh) * | 2023-04-28 | 2023-07-04 | 成都航空职业技术学院 | 一种基于无人机航拍识别的故障定位方法和系统 |
CN116432089A (zh) * | 2023-05-15 | 2023-07-14 | 厦门星拉科技有限公司 | 一种电力物联网巡检系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108648169A (zh) * | 2018-03-20 | 2018-10-12 | 中国科学院自动化研究所 | 高压输电塔绝缘子缺陷自动识别的方法及装置 |
-
2020
- 2020-03-27 CN CN202010229060.6A patent/CN111311597B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
CN108648169A (zh) * | 2018-03-20 | 2018-10-12 | 中国科学院自动化研究所 | 高压输电塔绝缘子缺陷自动识别的方法及装置 |
Non-Patent Citations (1)
Title |
---|
无人机辅助巡视及绝缘子缺陷图像识别研究;王淼等;《电子测量与仪器学报》;20151215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111311597A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311597B (zh) | 一种缺陷绝缘子的无人机巡检方法与系统 | |
CN108872781B (zh) | 基于电力设施智能巡检的分析方法及装置 | |
CN108957240A (zh) | 电网故障远程定位方法及系统 | |
CN109325520B (zh) | 一种石油泄漏的检查方法、装置及系统 | |
CN211979511U (zh) | 一种自动标识缺陷绝缘子串的无人机巡检系统 | |
CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 | |
CN112953383A (zh) | 检测光伏板的方法、设备及无人机 | |
CN111311967A (zh) | 基于无人机的电力线路巡检系统及方法 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
CN112270267B (zh) | 可自动抓拍线路故障的摄像识别系统 | |
CN205375192U (zh) | 一种基于红外影像技术的无人机配电网巡检系统 | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
CN112083000B (zh) | 一种变电站设备外观缺陷的智能识别方法及系统 | |
CN112751414A (zh) | 基于5g链路的输电线路巡检系统和方法 | |
CN113900436B (zh) | 巡检控制方法、装置、设备和存储介质 | |
CN115933746A (zh) | 一种电力配网自动巡检方法及装置 | |
CN110750107A (zh) | 一种基于光学标识的光伏电站无人机巡检方法 | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检系统 | |
CN113111714A (zh) | 一种应用于输电现场作业的风险防控系统 | |
CN117293697A (zh) | 变电站漂浮物处理方法、装置、电子设备及存储介质 | |
CN115617080B (zh) | 一种变电站无人机巡检系统及方法 | |
CN114167245B (zh) | 输变电设备表面局放智能检测方法及无人机融合紫外系统 | |
CN115265486A (zh) | 基于台风监测系统的无人机风灾后输电线路自主勘测方法 |
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 |