CN111754465B - 一种绝缘子定位与掉串检测方法 - Google Patents

一种绝缘子定位与掉串检测方法 Download PDF

Info

Publication number
CN111754465B
CN111754465B CN202010500685.1A CN202010500685A CN111754465B CN 111754465 B CN111754465 B CN 111754465B CN 202010500685 A CN202010500685 A CN 202010500685A CN 111754465 B CN111754465 B CN 111754465B
Authority
CN
China
Prior art keywords
insulator
image
string
distance
straight line
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
Application number
CN202010500685.1A
Other languages
English (en)
Other versions
CN111754465A (zh
Inventor
钟俊
杜小燕
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN202010500685.1A priority Critical patent/CN111754465B/zh
Publication of CN111754465A publication Critical patent/CN111754465A/zh
Application granted granted Critical
Publication of CN111754465B publication Critical patent/CN111754465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Insulators (AREA)

Abstract

本发明公开一种绝缘子定位与掉串检测方法，通过获取采集的无人机拍摄图像的二值图像来获得骨架图像，并通过直线检测算法检测骨架图像中的直线段截取多幅疑似绝缘子图像；再根据自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向，获得绝缘子掉串检测结果。本发明能够根据绝缘子串周期性特征和自相关算法抗干扰性强的特点进行绝缘子定位与掉串检测，解决现有绝缘子定位与掉串检测算法的抗干扰性能差的问题，能够有效在复杂的背景环境中准确的检测出绝缘子的掉串情况。

Description

一种绝缘子定位与掉串检测方法
技术领域
本发明属于绝缘子故障检测技术领域，特别是涉及一种绝缘子定位与掉串检测方法。
背景技术
绝缘子应用于架空输电线路中，起着电气绝缘和机械支撑等关键作用。绝缘子所处工作环境恶劣，受冰雪、风暴等自然气候和工作电压与雷电造成的过电压作用的影响，经常出现伞裙破裂和掉串等故障。绝缘子一旦出现故障，极易发生供电中断，进一步导致大面积的停电，不仅给用户带来不便，同时造成巨大的经济损失。因此需对绝缘子进行定期巡检，以及时排除故障绝缘子，确保稳定的电力供应。无人机巡检利用无人机航拍获取待检设备图像，再利用图像处理技术实现设备故障的检测。无人机巡检具有成本低、效率高和安全性高等优势，是未来输电线路主流巡检方式。
目前存在利用图像处理来进行绝缘子定位与故障检测的方法大多利用了绝缘子的纹理特征或形状特征，但这些方法要求绝缘子图像纹理特征或形状特征要求较高，抗干扰性较低，在复杂背景或绝缘子出现掉串等情况下效果不佳。
发明内容
为了解决上述问题，本发明提出了一种绝缘子定位与掉串检测方法，能够进行绝缘子定位与掉串检测，具有较高的抗干扰性能，准确检测出绝缘子的掉串情况。
为达到上述目的，本发明采用的技术方案是：一种绝缘子定位与掉串检测方法，包括步骤：
步骤1：对无人机采集到的绝缘子图像进行灰度化处理，获得灰度图像；
步骤2：对所述灰度图像通过图像分割算法进行分割，获取二值图像；
步骤3：对所述二值图像通过骨架提取算法进行骨架提取，获得骨架图像；并通过直线检测算法检测骨架图像中的直线段，根据所述直线段截取多幅疑似绝缘子图像；
步骤4：对所述的多幅疑似绝缘子图像分别进行二维自相关处理，得到各自的自相关系数；根据所述自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向；
步骤5：根据所述绝缘子伞裙间距和绝缘子主轴方向信息获得绝缘子掉串检测结果。
进一步的是，在所述步骤1中，所述无人机采集到的彩色绝缘子图像转化成灰度图像的方法采用加权平均法进行灰度化处理，获得灰度图像。
进一步的是，在所述步骤2中，所述图像分割算法采用基于单位链接脉冲耦合神经网络。
进一步的是，在所述步骤3中，所述骨架提取算法采用基于模板匹配的骨架提取算法，所述骨架图像的直线检测算法采用霍夫变换算法。
进一步的是，在所述步骤4中，据所述自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向，包括步骤：
步骤41：由所获得的自相关系数构成二维自相关系数矩阵；
步骤42：检测二维自相关系数矩阵的5个峰值，若峰值数目少于5个则该疑似绝缘子图像不是绝缘子图像；
步骤43：根据峰值拟合直线，计算5个峰值点到所拟合直线距离的均方误差；计算相邻两峰值点距离，并计算相邻两峰值点距离的均值和均方误差；
步骤44：通过步骤43中所获取的结果提取绝缘子图像：若峰值点到拟合直线距离的均方误差小于预设阈值或者相邻两峰值点距离的均方误差小于预设阈值，则该疑似绝缘子图像不是绝缘子图像；反之，则为绝缘子图像；根据绝缘子图像定位绝缘子；
步骤45：根据所获得的绝缘子图像，得到绝缘子伞裙间距和绝缘子主轴方向；所述绝缘子伞裙间距为相邻两峰值点距离的均值，所述绝缘子主轴方向为拟合直线方向。
进一步的是，在步骤5中，根据所述绝缘子伞裙间距和绝缘子主轴方向信息获得绝缘子掉串检测结果，包括步骤：
步骤51：对根据所获得的绝缘子图像所定位的绝缘子进行掉串处理，以绝缘子半个周期为单位，沿着绝缘子主轴方向滑动，获得每个单位内绝缘子的像素和作为绝缘子的面积；
步骤52：根据绝缘子每个伞裙大小及相邻伞裙的间距基本相等的特点，将所求的绝缘子面积进行拟合成曲线图；
步骤53：根据所获得的曲线图进行掉串判断：若得到的曲线图也具有周期性，并且峰值大致相等，则绝缘子无掉串；若得到的曲线图在某两个相邻峰值中存在掉串预设阈值差异，则绝缘子存在掉串；从而检测出绝缘子掉串现象。
采用本技术方案的有益效果：
本发明通过获取采集的拍摄图像的二值图像来获得骨架图像，并通过直线检测算法检测骨架图像中的直线段截取多幅疑似绝缘子图像；再根据自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向，获得绝缘子掉串检测结果。本发明能够根据绝缘子串周期性特征和自相关算法抗干扰性强的特点进行绝缘子定位与掉串检测，解决现有绝缘子定位与掉串检测算法的抗干扰性能差的问题，能够有效在复杂的背景环境中准确的检测出绝缘子的掉串情况。
附图说明
图1为本发明的一种绝缘子定位与掉串检测方法的流程示意图；
图2为本发明实施例中绝缘子二值图像；
图3为本发明实施例中绝缘子伞裙区域的面积曲线图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1-图3所示，本发明提出了一种绝缘子定位与掉串检测方法，包括步骤：
步骤1：对无人机采集到的绝缘子图像进行灰度化处理，获得灰度图像；
步骤2：对所述灰度图像通过图像分割算法进行分割，获取二值图像；
步骤3：对所述二值图像通过骨架提取算法进行骨架提取，获得骨架图像；并通过直线检测算法检测骨架图像中的直线段，根据所述直线段截取多幅疑似绝缘子图像；
步骤4：对所述的多幅疑似绝缘子图像分别进行二维自相关处理，得到各自的自相关系数；根据所述自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向；
步骤5：根据所述绝缘子伞裙间距和绝缘子主轴方向信息获得绝缘子掉串检测结果。
作为上述实施例的优化方案，在所述步骤1中，所述无人机采集到的彩色绝缘子图像转化成灰度图像的方法采用加权平均法进行灰度化处理，获得灰度图像。
作为上述实施例的优化方案，在所述步骤2中，所述图像分割算法采用基于单位链接脉冲耦合神经网络。
作为上述实施例的优化方案，在所述步骤3中，所述骨架提取算法采用基于模板匹配的骨架提取算法，所述骨架图像的直线检测算法采用霍夫变换算法。
作为上述实施例的优化方案，在所述步骤4中，据所述自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向，包括步骤：
步骤41：由所获得的自相关系数构成二维自相关系数矩阵；
步骤42：检测二维自相关系数矩阵的5个峰值，若峰值数目少于5个则该疑似绝缘子图像不是绝缘子图像；
步骤43：根据峰值拟合直线，计算5个峰值点到所拟合直线距离的均方误差；计算相邻两峰值点距离，并计算相邻两峰值点距离的均值和均方误差；
步骤44：通过步骤43中所获取的结果提取绝缘子图像：若峰值点到拟合直线距离的均方误差小于预设阈值或者相邻两峰值点距离的均方误差小于预设阈值，则该疑似绝缘子图像不是绝缘子图像；反之，则为绝缘子图像；根据绝缘子图像定位绝缘子；
步骤45：根据所获得的绝缘子图像，得到绝缘子伞裙间距和绝缘子主轴方向；所述绝缘子伞裙间距为相邻两峰值点距离的均值，所述绝缘子主轴方向为拟合直线方向。
作为上述实施例的优化方案，在步骤5中，根据所述绝缘子伞裙间距和绝缘子主轴方向信息获得绝缘子掉串检测结果，包括步骤：
步骤51：对根据所获得的绝缘子图像所定位的绝缘子进行掉串处理，以绝缘子半个周期为单位，沿着绝缘子主轴方向滑动，获得每个单位内绝缘子的像素和作为绝缘子的面积；
步骤52：根据绝缘子每个伞裙大小及相邻伞裙的间距基本相等的特点，将所求的绝缘子面积进行拟合成曲线图，如图3所示；
步骤53：根据所获得的曲线图进行掉串判断：若得到的曲线图也具有周期性，并且峰值大致相等，则绝缘子无掉串；若得到的曲线图在某两个相邻峰值中存在掉串预设阈值差异，则绝缘子存在掉串；从而检测出绝缘子掉串现象。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种绝缘子定位与掉串检测方法，其特征在于，包括步骤：
步骤1：对无人机采集到的绝缘子图像进行灰度化处理，获得灰度图像；
步骤2：对所述灰度图像通过图像分割算法进行分割，获取二值图像；
步骤3：对所述二值图像通过骨架提取算法进行骨架提取，获得骨架图像；并通过直线检测算法检测骨架图像中的直线段，根据所述直线段截取多幅疑似绝缘子图像；
步骤4：对所述的多幅疑似绝缘子图像分别进行二维自相关处理，得到各自的自相关系数；根据所述自相关系数从疑似绝缘子图像中提取绝缘子图像，实现绝缘子定位，同时得到绝缘子伞裙间距和绝缘子主轴方向；包括步骤：
步骤41：由所获得的自相关系数构成二维自相关系数矩阵；
步骤42：检测二维自相关系数矩阵的5个峰值，若峰值数目少于5个则该疑似绝缘子图像不是绝缘子图像；
步骤43：根据峰值拟合直线，计算5个峰值点到所拟合直线距离的均方误差；计算相邻两峰值点距离，并计算相邻两峰值点距离的均值和均方误差；
步骤44：通过步骤43中所获取的结果提取绝缘子图像：若峰值点到拟合直线距离的均方误差小于预设阈值或者相邻两峰值点距离的均方误差小于预设阈值，则该疑似绝缘子图像不是绝缘子图像；反之，则为绝缘子图像；根据绝缘子图像定位绝缘子；
步骤45：根据所获得的绝缘子图像，得到绝缘子伞裙间距和绝缘子主轴方向；所述绝缘子伞裙间距为相邻两峰值点距离的均值，所述绝缘子主轴方向为拟合直线方向；
步骤5：根据所述绝缘子伞裙间距和绝缘子主轴方向信息获得绝缘子掉串检测结果；包括步骤：
步骤51：对根据所获得的绝缘子图像所定位的绝缘子进行掉串处理，以绝缘子半个周期为单位，沿着绝缘子主轴方向滑动，获得每个单位内绝缘子的像素和作为绝缘子的面积；
步骤52：根据绝缘子每个伞裙大小及相邻伞裙的间距基本相等的特点，将所求的绝缘子面积进行拟合成曲线图；
步骤53：根据所获得的曲线图进行掉串判断：若得到的曲线图也具有周期性，并且峰值大致相等，则绝缘子无掉串；若得到的曲线图在某两个相邻峰值中存在掉串预设阈值差异，则绝缘子存在掉串；从而检测出绝缘子掉串现象。
2.根据权利要求1所述的一种绝缘子定位与掉串检测方法，其特征在于，在所述步骤1中，所述无人机采集到的彩色绝缘子图像转化成灰度图像的方法采用加权平均法进行灰度化处理，获得灰度图像。
3.根据权利要求1所述的一种绝缘子定位与掉串检测方法，其特征在于，在所述步骤2中，所述图像分割算法采用基于单位链接脉冲耦合神经网络。
4.根据权利要求1所述的一种绝缘子定位与掉串检测方法，其特征在于，在所述步骤3中，所述骨架提取算法采用基于模板匹配的骨架提取算法，所述骨架图像的直线检测算法采用霍夫变换算法。
CN202010500685.1A 2020-06-04 2020-06-04 一种绝缘子定位与掉串检测方法 Active CN111754465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010500685.1A CN111754465B (zh) 2020-06-04 2020-06-04 一种绝缘子定位与掉串检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010500685.1A CN111754465B (zh) 2020-06-04 2020-06-04 一种绝缘子定位与掉串检测方法

Publications (2)

Publication Number Publication Date
CN111754465A CN111754465A (zh) 2020-10-09
CN111754465B true CN111754465B (zh) 2023-06-09

Family

ID=72674664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010500685.1A Active CN111754465B (zh) 2020-06-04 2020-06-04 一种绝缘子定位与掉串检测方法

Country Status (1)

Country Link
CN (1) CN111754465B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444522B (zh) * 2020-11-16 2021-09-28 中国科学院沈阳自动化研究所 一种电力系统绝缘子串缺陷检测方法
CN112494063B (zh) * 2021-02-08 2021-06-01 四川大学 一种基于注意力机制神经网络的腹部淋巴结分区方法
CN113009416B (zh) * 2021-04-08 2024-03-12 国网江苏省电力有限公司检修分公司 一种基于激光传感器阵列的绝缘子检测定位方法
CN113327287A (zh) * 2021-05-12 2021-08-31 中国地质大学（武汉） 一种基于深度水平直方图的绝缘子伞裙精定位方法
CN115512252B (zh) * 2022-11-18 2023-02-21 东北电力大学 基于无人机的电网巡检自动化方法及系统
CN115588139B (zh) * 2022-11-22 2023-02-28 东北电力大学 一种电网安全智能巡航检测方法
CN115661943B (zh) * 2022-12-22 2023-03-31 电子科技大学 一种基于轻量级姿态评估网络的跌倒检测方法
CN116596908B (zh) * 2023-05-30 2024-02-06 南京亦鑫同电气有限责任公司 基于数据处理的电线电缆安全状态评估方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938021A (zh) * 2012-11-02 2013-02-20 云南大学 一种输电线路覆冰负荷定量估计及预测方法
CN105740548A (zh) * 2016-02-01 2016-07-06 西安交通大学 一种随机风载荷下输电线路风振计算方法
CN106504247A (zh) * 2016-11-09 2017-03-15 广东电网有限责任公司电力科学研究院 一种基于可见光图像的绝缘子串爆片自动检测方法及装置
CN106778734A (zh) * 2016-11-10 2017-05-31 华北电力大学（保定） 一种基于稀疏表示的绝缘子掉串缺陷检测方法
CN107944396A (zh) * 2017-11-27 2018-04-20 国网安徽省电力有限公司经济技术研究院 一种基于改进深度学习的刀闸状态识别方法
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
CN109712112A (zh) * 2018-11-22 2019-05-03 中北大学 基于局部特征的航拍绝缘子图像的定位方法
CN110223346A (zh) * 2019-05-30 2019-09-10 河海大学常州校区 基于形状先验的多绝缘子定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938021A (zh) * 2012-11-02 2013-02-20 云南大学 一种输电线路覆冰负荷定量估计及预测方法
CN105740548A (zh) * 2016-02-01 2016-07-06 西安交通大学 一种随机风载荷下输电线路风振计算方法
CN106504247A (zh) * 2016-11-09 2017-03-15 广东电网有限责任公司电力科学研究院 一种基于可见光图像的绝缘子串爆片自动检测方法及装置
CN106778734A (zh) * 2016-11-10 2017-05-31 华北电力大学（保定） 一种基于稀疏表示的绝缘子掉串缺陷检测方法
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
CN107944396A (zh) * 2017-11-27 2018-04-20 国网安徽省电力有限公司经济技术研究院 一种基于改进深度学习的刀闸状态识别方法
CN109712112A (zh) * 2018-11-22 2019-05-03 中北大学 基于局部特征的航拍绝缘子图像的定位方法
CN110223346A (zh) * 2019-05-30 2019-09-10 河海大学常州校区 基于形状先验的多绝缘子定位方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
J C Wang 等.Static and dynamic mechanical characteristic comparison research of v-type insulator string under gale condition.IOP Conference Series: Earth and Environmental Science.2017,第61卷1-7. *
刘永姣 等.基于相关滤波的绝缘子跟踪与测距算法.科学技术与工程.2017,第17(第26期),262-267. *
危双丰 等.基于航拍影像的输电线路绝缘子识别及缺陷检测.工程勘察.2020,第48卷(第04期),39-43+71. *
翟永杰 等.基于目标建议与结构搜索的绝缘子识别方法.华北电力大学学报(自然科学版).2016,第43卷(第04期),66-71+78. *
翟永杰 等.基于空域形态一致性特征的绝缘子串定位方法.中国电机工程学报.2017,第37卷(第05期),1568-1578. *

Also Published As

Publication number Publication date
CN111754465A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111754465B (zh) 一种绝缘子定位与掉串检测方法
CN106023185B (zh) 一种输电设备故障诊断方法
CN109389180A (zh) 一款基于深度学习的电力设备图像识别方法及巡查机器人
CN102072992B (zh) 基于精细地形数据的输电线路绕击防雷性能评估方法
CN102520286B (zh) 基于高光谱的复合绝缘子运行状态分类方法
CN108986104B (zh) 基于距离变换和标记分水岭算法的绝缘子图像分割方法
CN101487866B (zh) 基于红外热像交流输电线路瓷质零值绝缘子在线检测方法
CN111428748A (zh) 一种基于hog特征和svm的红外图像绝缘子识别检测方法
CN107358259B (zh) 基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法
CN107341470B (zh) 一种基于航拍图像的输电线检测方法
CN102519846B (zh) 基于高光谱的复合绝缘子憎水性检测方法
CN109342909B (zh) 一种基于slle的电缆附件局部放电模式识别方法
CN105023014A (zh) 一种无人机巡检输电线路图像内的杆塔目标提取方法
CN103940824A (zh) 一种空中输电线路绝缘子检测方法
CN103063166A (zh) 悬式复合绝缘子串风偏角的检测方法及装置
CN107179479A (zh) 基于可见光图像的输电导线散股缺陷检测方法
CN109523543A (zh) 一种基于边缘距离的导线断股检测方法
CN112150412A (zh) 一种基于投影曲线分析的绝缘子自爆缺陷检测方法
Tao et al. Electric insulator detection of UAV images based on depth learning
CN109325956A (zh) 一种基于图像处理的输电导线覆冰截面特征提取方法
CN112150495B (zh) 一种基于扣分法则的绝缘子冰闪风险预测方法
CN112651337A (zh) 应用于训练线路异物目标检测模型的样本集构建方法
WANG et al. Visual Tracking Inspection Method of Transmission Line based on Infrared Thermal Imaging.
CN114581405A (zh) 一种基于纹理特征的电力设备外观异常检测方法
CN110223346B (zh) 基于形状先验的多绝缘子定位方法

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