CN111476971A - 一种输电线路近距离山火监测装置 - Google Patents
一种输电线路近距离山火监测装置 Download PDFInfo
- Publication number
- CN111476971A CN111476971A CN202010276062.0A CN202010276062A CN111476971A CN 111476971 A CN111476971 A CN 111476971A CN 202010276062 A CN202010276062 A CN 202010276062A CN 111476971 A CN111476971 A CN 111476971A
- Authority
- CN
- China
- Prior art keywords
- fire
- monitoring
- image
- transmission line
- center
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 18
- 238000012806 monitoring device Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 230000008033 biological extinction Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010191 image analysis Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 239000000779 smoke Substances 0.000 description 14
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Abstract
本发明公开了一种输电线路近距离山火监测装置,涉及技术领域。本发明包括数据采集端、交换机、监控中心和数据库中心,数据采集端通过交换机分别与监控中心和数据库中心连接,数据采集端包括火情检测端和气象检测端,火情检测端包括用于采集图像信息的摄像头、用于采集红外辐射信息的红外探火雷达;监控中心用于处理采集的数据信息和发出警报信息。本发明智能图像分析和多光谱红外雷达探火技术相结合解决了红外辐射会受自然环境尤其是水蒸气影响产生消光作用,遇到地形障碍或者是树叶遮挡也会限制其发挥作用,对森林下端或山背后等有遮挡情况下的初发火情就无法有效监测和识别的问题。
Description
技术领域
本发明属于技术领域,特别是涉及一种输电线路近距离山火监测装置。
背景技术
由于人文、气候特点,每年国庆节后至春耕期间是各地山火高发期。春、秋季天气干燥,加上清明、中元祭祖时节,极易因为烧香、点炮仗等引发山火事故,对输电线路的安全运行构成极大威胁。因山火的不可预知性和地域广泛性等特点,山火引发的线路跳闸对电网安全运行危害极大,容易酿成大面积停电事故。及时发现火情、及时采取应对措施,是防范山火引发线路跳闸的最有效措施。
目前,输电线路防山火主要通过以下几个方面:
1)人工巡视,
人工巡护是由运维人员在山火高发期的进行线路特巡。这种方法受人工因素、气候因素、巡护路线的分布与巡护密度等因素的影响。
2)利用卫星遥感数据
林火卫星监测就是利用人造卫星空间平台上的光电光谱或微波传感器,对地球地物遥测的信息源,通过地面接收站接收及图像、数据处理系统的增强处理,发现火点并跟踪探测,达到从宏观上比较准确、及时地提供林火信息,以利于对森林火灾控制及扑灭的专业实用性的航天遥感技术。
目前电力部门就是利用森林防火网遥感卫星监测数据,获取山火监测信息。卫星林火监测可用于宏观的林火早期发现。在我国一些大的林区一般采用气象卫星进行林火监测,与陆地卫星相比,虽然它对线性地物分辨率较低,但对温度分辨率却较高,能分辨0.1hm2大小的火点。但是,对小面积的区域性山火而言,采用卫星林火监测方法尚存在以下几个问题:一是林火报警精度问题,0.1公顷范围的火点对于小面积的区域性山区而言,当通过这种方式发现火情时,火势往往己经难以控制。二是时效性问题,每天可获取有效过境卫星遥感图像仅达到4-14次,而获取的遥感图像必须经过处理后才能提供给最终用户,因此最终用户获取火点信息至少有2一3个小时的延迟。
综上所述,传统的人工巡视已远远无法满足现代智能电网防范山火灾害的监测需要;而在森林防火以及气象监测广泛使用的卫星遥感技术,由于投入成本较高、难以识别小面积山火等原因,难以在电力系统普及。因此,采用现代高科技手段,研制和在现场安装实时在线的山火综合监测报警装置,是适合输电线路山火监测的实际发展方向,必将具有广阔的应用前景和使用价值。
发明内容
本发明的目的在于提供一种输电线路近距离山火监测装置,通过智能图像分析和多光谱红外雷达探火技术相结合,解决了红外辐射会受自然环境尤其是水蒸气影响产生消光作用,遇到地形障碍或者是树叶遮挡也会限制其发挥作用,对森林下端或山背后等有遮挡情况下的初发火情就无法有效监测和识别的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种输电线路近距离山火监测装置,包括数据采集端、交换机、监控中心和数据库中心,所述数据采集端通过交换机分别与监控中心和数据库中心连接,所述监控中心与数据库中心之间通过无线网络进行数据交互,所述数据采集端包括火情检测端和气象检测端,所述火情检测端包括用于采集图像信息的摄像头、用于采集红外辐射信息的红外探火雷达;所述气象检测端包括温度传感器、湿度传感器、风速传感器、风向传感器;所述监控中心用于处理采集的数据信息和发出警报信息。
进一步地,所述监控中心火灾图像识别方法,步骤如下:
步骤一,基于视觉颜色模型的火灾图像分割,提取目标图像的红色分量及轮廓;
步骤二,利用图像处理中的灰度化、二值化、滤波、膨胀和腐蚀,分析火焰图像的形态特征;
步骤三,将步骤二中的处理结构作为神经网络的输入信号,利用BP神经网络对火焰图像和干扰图像进行识别确认。
进一步地,所述摄像头安装于电线塔的平台上,摄像头进行360°旋转。
进一步地,所述红外探火雷达检测红外辐射波长范围为3-5μm,红外探火雷达安装于电线塔的制高点上。
进一步地,所述红外探火雷达在水平360°,垂直180°,距离3-5公里半径内逐点逐行进行搜索。
与现有技术相比,本发明提供了一种输电线路近距离山火监测装置,具备以下有益效果:
1、本发明采用的智能图像分析和多光谱红外雷达探火技术相结合解决了红外辐射会受自然环境尤其是水蒸气影响产生消光作用,遇到地形障碍或者是树叶遮挡也会限制其发挥作用,对森林下端或山背后等有遮挡情况下的初发火情就无法有效监测和识别的问题。
2、本发明通过探火雷达可以将因衰减而淹没在噪声中的火焰信息检出,从而极大地提高了探测器的探测距离和灵敏度,探火雷达装在处于相对制高点输电线路杆塔上,可及时发现没有全部遮挡的明火和暗火。
3、本发明通过摄像头上安装的可以360度移动方位,无视觉盲区。
4、本发明通过摄像头结合烟雾或明火的动态特征和静态特征从而对烟雾或明火进行识别,对火灾异常进行快速识别。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的系统结构示意图;
图2为本发明的图形处理流程是示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种输电线路近距离山火监测装置,包括数据采集端、交换机、监控中心和数据库中心,数据采集端通过交换机分别与监控中心和数据库中心连接,监控中心与数据库中心之间通过无线网络进行数据交互,
数据采集端包括火情检测端和气象检测端,
火情检测端包括用于采集图像信息的摄像头、用于采集红外辐射信息的红外探火雷达;气象检测端包括温度传感器、湿度传感器、风速传感器、风向传感器;
摄像头安装于电线塔的平台上,摄像头进行360°旋转,图像预处理,烟雾明火颜色检测,烟雾明火模糊度计算,烟雾明火识别等模块构成。其中颜色检测是利用烟雾或明火在RGB颜色空间的颜色聚类性检测烟雾或明火颜色,烟雾明火模糊度计算是根据烟雾或明火在频域高频中的特性对烟雾或明火与背景进行区分,而烟雾明火识别是结合烟雾或明火的动态特征和静态特征从而对烟雾或明火进行识别;如果发现上述异常现象,能够标示出烟雾或明火发生的区域,触发报警;
多光谱红外探火雷达采用探测3-5μm中红外辐射的探测器,除了以林火典型红外辐射光谱作为探测目标外,还同时鉴别其他高温红外辐射源和背景辐射的窄波段。通过对以上波段频谱特征进行算法分析,就可以将林火和其他红外辐射源(如强阳光)区分开来。而且,即使这些辐射源的辐射信号因空气的吸收而发生衰减,其辐射强度之间的数学关系却并不随信号的衰减而发生变化,采用数字相关技术对接收到的信号进行分析,就可以将因衰减而淹没在噪声中的火焰信息检出,从而极大地提高了探测器的探测距离和灵敏度。探火雷达装在处于相对制高点输电线路杆塔上,在水平360°,垂直180°,距离3~5公里半径内逐点逐行进行搜索,可及时发现没有全部遮挡的明火和暗火;
监控中心用于处理采集的数据信息和发出警报信息,若红外探火雷达、摄像头任意一设备采集的数据中发现异常数据,则发出报警信息;
监控中心根据气象检测端检测的数据信息,通过主站实时显示出小气象环境中各种气象要素的曲线和发展趋势,作为系统预警预报的辅助参数。
如图2所示,基于视觉颜色模型的火灾图像分割方法如下:
步骤一,摄像头采集的图像量化;
步骤二,将图像的颜色空间从RGB转换到HIS;
步骤三,扫描图像选择基准点A,基准点A归一化,求其HIS值;
步骤四,扫描图像的下一个像素点,并对该像素点归一化,求其HIS值,步骤四进行重复;
步骤五,计算基准点A与像素点之间的距离D,若D≤0.2,则与基准点颜色相似保留,反之则与基准点颜色不同置为白点;滤除干扰噪声得到分割后的图片。
监控中心火灾图像识别方法,步骤如下:
步骤一,基于视觉颜色模型的火灾图像分割,提取目标图像的红色分量及轮廓;
步骤二,利用图像处理中的灰度化、二值化、滤波、膨胀和腐蚀,分析火焰图像的形态特征;
步骤三,将步骤二中的处理结构作为神经网络的输入信号,利用BP神经网络对火焰图像和干扰图像进行识别确认。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种输电线路近距离山火监测装置,包括数据采集端、交换机、监控中心和数据库中心,所述数据采集端通过交换机分别与监控中心和数据库中心连接,所述监控中心与数据库中心之间通过无线网络进行数据交互,其特征在于:
所述数据采集端包括火情检测端和气象检测端,
所述火情检测端包括用于采集图像信息的摄像头、用于采集红外辐射信息的红外探火雷达;所述气象检测端包括温度传感器、湿度传感器、风速传感器、风向传感器;
所述监控中心用于处理采集的数据信息和发出警报信息。
2.根据权利要求1所述的一种输电线路近距离山火监测装置,其特征在于,所述监控中心火灾图像识别方法,步骤如下:
步骤一,基于视觉颜色模型的火灾图像分割,提取目标图像的红色分量及轮廓;
步骤二,利用图像处理中的灰度化、二值化、滤波、膨胀和腐蚀,分析火焰图像的形态特征;
步骤三,将步骤二中的处理结构作为神经网络的输入信号,利用BP神经网络对火焰图像和干扰图像进行识别确认。
3.根据权利要求1或2所述的一种输电线路近距离山火监测装置,其特征在于,所述摄像头安装于电线塔的平台上,摄像头进行360°旋转。
4.根据权利要求1所述的一种输电线路近距离山火监测装置,其特征在于,所述红外探火雷达检测红外辐射波长范围为3-5μm,红外探火雷达安装于电线塔的制高点上。
5.根据权利要求4所述的一种输电线路近距离山火监测装置,其特征在于,所述红外探火雷达在水平360°,垂直180°,距离3-5公里半径内逐点逐行进行搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276062.0A CN111476971A (zh) | 2020-04-09 | 2020-04-09 | 一种输电线路近距离山火监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276062.0A CN111476971A (zh) | 2020-04-09 | 2020-04-09 | 一种输电线路近距离山火监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111476971A true CN111476971A (zh) | 2020-07-31 |
Family
ID=71751627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010276062.0A Pending CN111476971A (zh) | 2020-04-09 | 2020-04-09 | 一种输电线路近距离山火监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476971A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083102A (zh) * | 2022-05-12 | 2022-09-20 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315667A (zh) * | 2008-07-04 | 2008-12-03 | 南京航空航天大学 | 室外早期火灾多种特征综合识别方法 |
CN104851231A (zh) * | 2015-06-05 | 2015-08-19 | 安徽罗伯特科技股份有限公司 | 一种输电线路附近环境的监测装置 |
WO2015194141A1 (ja) * | 2014-06-19 | 2015-12-23 | 日本電気株式会社 | 情報提示装置、情報提示システム、情報提示方法、および、記憶媒体 |
CN107657619A (zh) * | 2017-10-13 | 2018-02-02 | 西安科技大学 | 一种低照度林火图像分割方法 |
CN110135347A (zh) * | 2019-05-16 | 2019-08-16 | 中国船舶重工集团公司第七0三研究所 | 一种基于视频图像的火焰识别方法 |
CN110415208A (zh) * | 2019-06-10 | 2019-11-05 | 西安电子科技大学 | 一种自适应目标检测方法及其装置、设备、存储介质 |
-
2020
- 2020-04-09 CN CN202010276062.0A patent/CN111476971A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315667A (zh) * | 2008-07-04 | 2008-12-03 | 南京航空航天大学 | 室外早期火灾多种特征综合识别方法 |
WO2015194141A1 (ja) * | 2014-06-19 | 2015-12-23 | 日本電気株式会社 | 情報提示装置、情報提示システム、情報提示方法、および、記憶媒体 |
CN104851231A (zh) * | 2015-06-05 | 2015-08-19 | 安徽罗伯特科技股份有限公司 | 一种输电线路附近环境的监测装置 |
CN107657619A (zh) * | 2017-10-13 | 2018-02-02 | 西安科技大学 | 一种低照度林火图像分割方法 |
CN110135347A (zh) * | 2019-05-16 | 2019-08-16 | 中国船舶重工集团公司第七0三研究所 | 一种基于视频图像的火焰识别方法 |
CN110415208A (zh) * | 2019-06-10 | 2019-11-05 | 西安电子科技大学 | 一种自适应目标检测方法及其装置、设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
蒲体信等: "《遥感技术在土地利用调查与监测中的应用》", 30 June 2005 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083102A (zh) * | 2022-05-12 | 2022-09-20 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
CN115083102B (zh) * | 2022-05-12 | 2024-03-19 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646457B (zh) | 基于微波的人员行为检测方法与装置 | |
CN201629019U (zh) | 一种森林火灾探测系统 | |
CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
CN114373245B (zh) | 基于数字化电厂的智能巡检系统 | |
CN104269012B (zh) | 基于modis数据的输电线路附近山火监测方法 | |
CN103337123B (zh) | 基于视频图像的油田联合站火灾预警方法 | |
CN205582179U (zh) | 基于卫星遥感图像的森林火灾远程监测系统 | |
CN102446390A (zh) | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 | |
CN105931411A (zh) | 一种多层建筑消防远程监控预警平台及其实现方法 | |
CN101673448A (zh) | 一种森林火灾探测方法及系统 | |
CN102881109B (zh) | 一种基于非制冷红外温度探测器的林火预警系统 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN103259206A (zh) | 基于计算机视觉定位技术的变电站作业安全管控系统 | |
CN110009031B (zh) | 一种基于多源遥感数据的卫星山火火点二次筛选方法 | |
CN105575034A (zh) | 一种双波段森林防火智能监控软件图像处理分析方法 | |
CN104851231A (zh) | 一种输电线路附近环境的监测装置 | |
CN112216052A (zh) | 森林防火监测预警方法和装置及设备、存储介质 | |
CN111008599B (zh) | 一种基于时间尺度特征评估的山火同步卫星监测预警方法及系统 | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
Liang et al. | Monitoring and risk assessment of wildfires in the corridors of high-voltage transmission lines | |
CN106157178A (zh) | 一种输电线路走廊周边山火发展趋势预测方法 | |
CN111476971A (zh) | 一种输电线路近距离山火监测装置 | |
CN110827496A (zh) | 基于组网监控的变电站周界侵的智能识别系统及方法 | |
CN113899930A (zh) | 一种山火灾害的监测系统 | |
CN106909918B (zh) | 基于输电线路沿线卫星图像的山火危险性辨识方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200731 |