CN111797332A - 图像的显示方法及装置、系统 - Google Patents
图像的显示方法及装置、系统 Download PDFInfo
- Publication number
- CN111797332A CN111797332A CN202010761992.5A CN202010761992A CN111797332A CN 111797332 A CN111797332 A CN 111797332A CN 202010761992 A CN202010761992 A CN 202010761992A CN 111797332 A CN111797332 A CN 111797332A
- Authority
- CN
- China
- Prior art keywords
- iron tower
- image
- transmission line
- power transmission
- information
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像的显示方法及装置、系统。其中,该方法包括:获取拍摄图像时的位置信息;依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。本申请解决了现有的输电线路巡检拍照流程方案存在人工操作流程较多,步骤繁琐,自动化程度低,巡检效率低的技术问题。
Description
技术领域
本申请涉及输电线路巡线领域,具体而言,涉及一种图像的显示方法及装置、系统。
背景技术
输电线路巡视是电力生产中一个非常重要的工作。线路巡视人员在巡检时,需沿着输电线路,针对线路的每一个铁塔,检查铁塔各个部位是否正常,并进行拍照留存。按照巡检要求,在所拍摄的铁塔照片中,需要同步将一些基础信息(例如拍照日期时间、拍照地理位置坐标等等)嵌入到照片中。
目前现有巡检流程中没有一个针对巡检拍照及铁塔照片进行自动化处理的方案。目前流程中主要依靠巡检人员先手动操作相机拍照,手动选择线路名称,手动标注所拍照的铁塔部位等,然后巡检完成后需要回单位再手动将巡检照片导出,然后人工进行归档。该过程步骤繁琐,自动化程度低。
现有的巡检拍照流程方案存在人工操作流程较多,步骤繁琐,自动化程度低,巡检效率低等问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种图像的显示方法及装置、系统,以至少解决现有的输电线路巡检拍照流程方案存在人工操作流程较多,步骤繁琐,自动化程度低,巡检效率低的技术问题。
根据本申请实施例的一个方面,提供了一种图像的显示方法,包括:获取拍摄图像时的位置信息;依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
可选地,依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,包括:将位置信息与数据库中的预存数据进行匹配计算,其中,预存数据为铁塔的GIS数据。
可选地,将位置信息与数据库中的预存数据进行匹配计算,包括:分别计算位置信息与位于至少一条输电线路上的每个铁塔的距离;确定与位置信息距离最短的铁塔为当前拍摄的铁塔;返回当前拍摄的铁塔的编号及当前拍摄的铁塔所属的输电线路的信息。
可选地,在依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称之前,方法还包括:数据集包括如下至少之一:铁塔的整体、铁塔的基础部位、铁塔的标识牌、铁塔的塔头、铁塔的小号侧通道、铁塔的大号侧通道及上述铁塔部位的名称;基于数据集对机器学习模型进行训练,得到训练好的模型。
可选地,依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称,包括:提取图像的特征数据,其中,特征数据包括如下至少之一:铁塔的整体、铁塔的基础部位、铁塔的标识牌、铁塔的塔头、铁塔的小号侧通道、铁塔的大号侧通道;将特征数据输入训练好的模型进行识别;得到特征数据对应的铁塔部位的名称。
可选地,位置信息包括:经度信息和/或纬度信息。
可选地,在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称之后,方法还包括:在图像的拍摄装置上存储图像,并将图像发送至服务器;在服务器上对图像分类存储。
根据本申请实施例的另一方面,还提供了一种图像的显示装置,包括:获取模块,用于获取拍摄图像时的位置信息及拍摄时间;确定模块,用于依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;识别模块,用于依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;显示模块,用于在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
根据本申请实施例的另一方面,还提供了一种图像的显示系统,包括:图像采集装置,用于拍摄并存储图像;定位装置,用于获取拍摄图像时的位置信息,并将位置信息发送至处理器;处理器,与图像采集装置和定位装置通信,用于依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称;服务器,与处理器通信,用于对图像分类存储。
根据本申请实施例的再一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序运行时控制存储介质所在的设备执行以上的图像的显示方法。
根据本申请实施例的再一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时控制存储介质所在的设备执行以上的图像的显示方法。
在本申请实施例中,采用获取拍摄图像时的位置信息;依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称的方式,利用拍摄铁塔照片时的拍摄位置信息与数据库中的输电线路铁塔GIS数据匹配计算获取铁塔的编号及该铁塔所在输电线路的名称;然后利用机器学习模型对铁塔的照片进行识别,得到铁塔的部位名称,最后将上述信息及拍摄日期与拍摄的铁塔照片合成新的照片,从而实现了减少输电线路巡检拍照人工操作的流程及步骤,提高了电线路巡检拍照的自动化流程和巡检效率的技术效果,进而解决了现有的输电线路巡检拍照流程方案存在人工操作流程较多,步骤繁琐,自动化程度低,巡检效率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种图像的显示方法的流程图;
图2是根据本申请实施例的一种自动匹配输电线路的示意图;
图3是根据本申请实施例的一种像识别的方法的流程图;
图4是根据本申请实施例的一种铁塔照片合成的示意图;
图5是根据本申请实施例一种图像的显示装置的结构图;
图6是根据本申请实施例的一种图像的显示系统的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种图像的显示方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种图像的显示方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取拍摄图像时的位置信息。
根据本申请的一个可选的实施例,执行步骤S102时可以调用手持设备GPS模块获取当前拍照位置信息,包括拍照位置的地理经纬度坐标。
步骤S104,依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路。
将当前拍照的位置信息与数据库中的输电线路铁塔GIS数据进行匹配,自动识别当前的拍照的线路名称。需要说明的是,配电网包括多个输电线路,其中,一条输电线路中包括至少一个铁塔。为了便于管理,为每条输电线路和每个铁塔分别编号。
步骤S106,依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称。
根据本申请的一个可选的实施例,在执行步骤S106时,将拍摄的图像输入机器学习模型进行识别,识别拍摄的图像中的铁塔部位的名称。
步骤S108,在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
通过上述步骤,利用拍摄铁塔照片时的拍摄位置信息与数据库中的输电线路铁塔GIS数据匹配计算获取铁塔的编号及该铁塔所在输电线路的名称;然后利用机器学习模型对铁塔的照片进行识别,得到铁塔的部位名称,最后将上述信息及拍摄日期与拍摄的铁塔照片合成新的照片。可以实现减少输电线路巡检拍照人工操作的流程及步骤,提高了电线路巡检拍照的自动化流程和巡检效率的技术效果
在本申请的一些可选的实施例中,步骤S104通过以下方法实现:将位置信息与数据库中的预存数据进行匹配计算,其中,预存数据为铁塔的GIS数据。
在获取拍照位置的位置信息后,将当前拍照位置的经纬度坐标与数据库的输电线路GIS数据进行匹配,可以自动识别当前的拍照的线路名称。
需要说明的是,GIS是地理信息系统的简称,能够提供存储、显示、分析地理数据功能,它以地理空间为基础,采用地理模型分析方法,实时提供多种空间和动态的地理信息,是一种为地理研究和地理决策服务的计算机技术系统。从GIS系统中可以查看输电线路名称和地理位置信息的对应关系。
根据本申请的一个可选的实施例,将位置信息与数据库中的预存数据进行匹配计算,包括:分别计算位置信息与位于至少一条输电线路上的每个铁塔的距离;确定与位置信息距离最短的铁塔为当前拍摄的铁塔;返回当前拍摄的铁塔的编号及当前拍摄的铁塔所属的输电线路的信息。
图2是根据本申请实施例的一种自动匹配输电线路的示意图,如图2所示,巡检人员拍摄铁塔照片时系统自动从手持设备的GPS模块获取当前拍摄位置的地理坐标(x0,y0),然后系统自动将该坐标与数据库中输电铁塔的GIS数据进行匹配计算,分别计算当前位置距离某条输电线路各个铁塔的距离,找出距离最近且在有效范围内的铁塔为当前铁塔。同理,计算当前位置距离其他输电线路最近的铁塔的距离。在所有的这些距离各个输电线路最近的铁塔中,找到距离最小的那个铁塔,即为当前拍摄的铁塔,返回铁塔名称及其所在线路的名称。
例如,图2中某条输电线路L包含的铁塔A、B、C的地理位置坐标分别为(x1,y1)、(x2,y2)和(x3,y3),则可以计算出当前巡检人员拍摄位置(x0,y0)与各个铁塔的距离s1、s2和s3。比较s2最小且在有效距离内,则铁塔B为线路L中距拍摄者最近的铁塔。同理计算找出其他线路距拍摄者最近的铁塔,在这些铁塔中铁塔B距巡检人员的距离最短,当前拍摄的铁塔为B,返回铁塔B及其所在线路名称。
根据本申请的一个可选的实施例,在执行步骤S106之前,还需要获取训练数据集,其中,数据集包括如下至少之一:铁塔的整体、铁塔的基础部位、铁塔的标识牌、铁塔的塔头、铁塔的小号侧通道、铁塔的大号侧通道及上述铁塔部位的名称;基于数据集对机器学习模型进行训练,得到训练好的模型。
在本申请的一些可选的实施例中,铁塔检测主要包线下模型训练过程和线上检测过程两部分,利用图像识别的相关技术,预先针对铁塔的各个部位训练识别模型,利用模型在对铁塔拍照时自动检测识别出所拍摄的是铁塔的哪一个部位。
上述步骤提供了一种机器学习模型的训练方法,线下模型训练过程的目的是预先利用已有的巡检照片提取训练样本,然后利用图像处理及机器学习技术对样本进行特征提取与计算,最后训练生成用于识别的机器学习模型。常用的模型有SVM,神经网络,深度学习模型等。样本按照巡检所需要的铁塔部位分为全塔、基础、标识牌、塔头、小号侧通道及大号侧通道等几类。
图3是根据本申请实施例的一种像识别的方法的流程图,如图3所示,该方法包括以下步骤:
步骤S302,提取图像的特征数据,其中,特征数据包括如下至少之一:铁塔的整体、铁塔的基础部位、铁塔的标识牌、铁塔的塔头、铁塔的小号侧通道、铁塔的大号侧通道。
步骤S304,将特征数据输入训练好的模型进行识别。
步骤S306,得到特征数据对应的铁塔部位的名称。
步骤S302至步骤S306提供了一种利用机器学习模型对图像进行识别的方法,从获取的图像中提取能够表征铁塔部位的特征数据输入机器学习模型进行识别,机器学习模型输出铁塔部位对应的名称。
具体的,线上检测过程将当前相机取景所得的图像首先进行特征计算,然后送入训练过程中已经训练好的机器学习模型中进行识别检测,自动检测当前拍摄的是铁塔的哪一类部位。如果成功识别,则在相机界面上自动标注铁塔部位,省去了人工选择步骤。
根据本申请的一个可选的实施例,位置信息包括:经度信息和/或纬度信息。
图4是根据本申请实施例的一种铁塔照片合成的示意图,如图4所示,将前述步骤中所获取的与巡检相关的信息元素与铁塔照片合成形成一张完整的巡检照片。合成的照片中展示的元素有:巡检拍摄日期、拍摄地经度、拍摄地纬度、线路名称及铁塔编号以及所拍摄的铁塔部位描述等。
在本申请的一些可选的实施例中,步骤S108执行完成之后,上述方法还包括:在图像的拍摄装置上存储图像,并将图像发送至服务器;在服务器上对图像分类存储。
需要说明的是,照片合成后,除手持设备本地保存外,将巡检铁塔照片回传服务器,服务器根据照片携带的线路名称、铁塔部位等基础信息对照片自动归档保存,以便日后检索。通过该步骤可以解决照片需要手动导出手动归档的问题。
图5是根据本申请实施例一种图像的显示装置的结构图,如图5所示,该装置包括:
获取模块50,用于获取拍摄图像时的位置信息及拍摄时间。
确定模块52,用于依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路。
识别模块54,用于依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称。
显示模块56,用于在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
需要说明的是,图5所示实施例的优选实施方式可以参见图1所示实施例的相关描述,此处不再赘述。
图6是根据本申请实施例的一种图像的显示系统的结构图,如图6所示,该系统包括:
图像采集装置60,用于拍摄并存储图像。图像采集装置60包括但不限于照相机。
定位装置62,用于获取拍摄图像时的位置信息,并将位置信息发送至处理器64。
根据本申请的一个可选的实施例,定位装置62可以是带有GPS定位功能的手持设备。
处理器64,与图像采集装置60和定位装置62通信,用于依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
需要说明的是,处理器64可以是单独的具有通信功能的处理器设备,接收图像采集装置60拍摄的照片,以及定位装置62获取的拍摄照片时的位置信息。也可以是集成在图像采集装置60上的处理器模块。
服务器66,与处理器64通信,用于对图像分类存储。服务器66包括但不限于云端服务器。
需要说明的是,图6所示实施例的优选实施方式可以参见图1所实施例的相关描述,此处不再赘述。
根据本申请实施例的再一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序运行时控制存储介质所在的设备执行以上的图像的显示方法。
存储介质用于存储执行以下功能的程序:获取拍摄图像时的位置信息;依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
根据本申请实施例的再一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时控制存储介质所在的设备执行以上的图像的显示方法。
处理器用于运行执行以下功能的程序:获取拍摄图像时的位置信息;依据位置信息确定图像中的铁塔的编号,及铁塔所属的输电线路的信息,其中,铁塔用于支撑输电线路;依据预先训练好的模型对图像进行识别,识别图像中的铁塔部位的名称;在图像上显示如下至少之一:位置信息、图像的拍摄时间、铁塔的编号、输电线路的信息、铁塔部位的名称。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种图像的显示方法,其特征在于,包括:
获取拍摄图像时的位置信息;
依据所述位置信息确定所述图像中的铁塔的编号,及所述铁塔所属的输电线路的信息,其中,所述铁塔用于支撑所述输电线路;
依据预先训练好的模型对所述图像进行识别,识别所述图像中的铁塔部位的名称;
在所述图像上显示如下至少之一:所述位置信息、所述图像的拍摄时间、所述铁塔的编号、所述输电线路的信息、所述铁塔部位的名称。
2.根据权利要求1所述的方法,其特征在于,依据所述位置信息确定所述图像中的铁塔的编号,及所述铁塔所属的输电线路的信息,包括:
将所述位置信息与数据库中的预存数据进行匹配计算,其中,所述预存数据为所述铁塔的GIS数据。
3.根据权利要求2所述的方法,其特征在于,将所述位置信息与数据库中的预存数据进行匹配计算,包括:
分别计算所述位置信息与位于至少一条所述输电线路上的每个所述铁塔的距离;
确定与所述位置信息距离最短的所述铁塔为当前拍摄的铁塔;
返回所述当前拍摄的铁塔的编号及所述当前拍摄的铁塔所属的输电线路的信息。
4.根据权利要求1所述的方法,其特征在于,在依据预先训练好的模型对所述图像进行识别,识别所述图像中的铁塔部位的名称之前,所述方法还包括:
获取训练数据集,其中,所述数据集包括如下至少之一:所述铁塔的整体、所述铁塔的基础部位、所述铁塔的标识牌、所述铁塔的塔头、所述铁塔的小号侧通道、所述铁塔的大号侧通道及上述铁塔部位的名称;
基于所述数据集对机器学习模型进行训练,得到训练好的模型。
5.根据权利要求4所述的方法,其特征在于,依据预先训练好的模型对所述图像进行识别,识别所述图像中的铁塔部位的名称,包括:
提取所述图像的特征数据,其中,所述特征数据包括如下至少之一:所述铁塔的整体、所述铁塔的基础部位、所述铁塔的标识牌、所述铁塔的塔头、所述铁塔的小号侧通道、所述铁塔的大号侧通道;
将所述特征数据输入所述训练好的模型进行识别;
得到所述特征数据对应的所述铁塔部位的名称。
6.根据权利要求1所述的方法,其特征在于,所述位置信息包括:经度信息和/或纬度信息。
7.根据权利要求1所述的方法,其特征在于,在所述图像上显示如下至少之一:所述位置信息、所述图像的拍摄时间、所述铁塔的编号、所述输电线路的信息、所述铁塔部位的名称之后,所述方法还包括:
在所述图像的拍摄装置上存储所述图像,并将所述图像发送至服务器;
在所述服务器上对所述图像分类存储。
8.一种图像的显示装置,其特征在于,包括:
获取模块,用于获取拍摄图像时的位置信息及拍摄时间;
确定模块,用于依据所述位置信息确定所述图像中的铁塔的编号,及所述铁塔所属的输电线路的信息,其中,所述铁塔用于支撑所述输电线路;
识别模块,用于依据预先训练好的模型对所述图像进行识别,识别所述图像中的铁塔部位的名称;
显示模块,用于在所述图像上显示如下至少之一:所述位置信息、所述图像的拍摄时间、所述铁塔的编号、所述输电线路的信息、所述铁塔部位的名称。
9.一种图像的显示系统,其特征在于,包括:
图像采集装置,用于拍摄并存储图像;
定位装置,用于获取拍摄所述图像时的位置信息,并将所述位置信息发送至处理器;
所述处理器,与所述图像采集装置和所述定位装置通信,用于依据所述位置信息确定所述图像中的铁塔的编号,及所述铁塔所属的输电线路的信息,其中,所述铁塔用于支撑所述输电线路;依据预先训练好的模型对所述图像进行识别,识别所述图像中的铁塔部位的名称;在所述图像上显示如下至少之一:所述位置信息、所述图像的拍摄时间、所述铁塔的编号、所述输电线路的信息、所述铁塔部位的名称;
服务器,与所述处理器通信,用于对所述图像分类存储。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时控制存储介质所在的设备执行权利要求1至7中任意一项所述的图像的显示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761992.5A CN111797332A (zh) | 2020-07-31 | 2020-07-31 | 图像的显示方法及装置、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761992.5A CN111797332A (zh) | 2020-07-31 | 2020-07-31 | 图像的显示方法及装置、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797332A true CN111797332A (zh) | 2020-10-20 |
Family
ID=72827860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010761992.5A Pending CN111797332A (zh) | 2020-07-31 | 2020-07-31 | 图像的显示方法及装置、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797332A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108022235A (zh) * | 2017-11-23 | 2018-05-11 | 中国科学院自动化研究所 | 高压输电铁塔关键部件缺陷识别方法 |
CN108258613A (zh) * | 2017-12-28 | 2018-07-06 | 中国科学院西安光学精密机械研究所 | 智能巡线光电吊舱及实现巡线的方法 |
CN110865654A (zh) * | 2019-12-06 | 2020-03-06 | 河南送变电建设有限公司 | 一种电网无人机巡检缺陷处理方法 |
CN111309945A (zh) * | 2020-01-19 | 2020-06-19 | 国网山东省电力公司青岛供电公司 | 一种无人机巡检图片精确分类方法及系统 |
CN111339347A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 一种巡检照片的管理方法及装置 |
-
2020
- 2020-07-31 CN CN202010761992.5A patent/CN111797332A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108022235A (zh) * | 2017-11-23 | 2018-05-11 | 中国科学院自动化研究所 | 高压输电铁塔关键部件缺陷识别方法 |
CN108258613A (zh) * | 2017-12-28 | 2018-07-06 | 中国科学院西安光学精密机械研究所 | 智能巡线光电吊舱及实现巡线的方法 |
CN110865654A (zh) * | 2019-12-06 | 2020-03-06 | 河南送变电建设有限公司 | 一种电网无人机巡检缺陷处理方法 |
CN111309945A (zh) * | 2020-01-19 | 2020-06-19 | 国网山东省电力公司青岛供电公司 | 一种无人机巡检图片精确分类方法及系统 |
CN111339347A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 一种巡检照片的管理方法及装置 |
Non-Patent Citations (1)
Title |
---|
涂洁 等: "小型无人机在电力线路巡检中的应用分析", 《电气时代》, no. 11, pages 75 - 77 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11321583B2 (en) | Image annotating method and electronic device | |
CN103955694B (zh) | 图像识别抄表系统及方法 | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
US10832037B2 (en) | Method and apparatus for detecting image type | |
CN109753928B (zh) | 违章建筑物识别方法和装置 | |
CN109325429A (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN103942811A (zh) | 分布式并行确定特征目标运动轨迹的方法与系统 | |
CN110798709B (zh) | 视频处理方法和装置、存储介质及电子装置 | |
CN106846304B (zh) | 基于红外检测的电气设备检测方法及装置 | |
CN109873979A (zh) | 一种基于摄像头的静态图像差异比对方法及装置 | |
CN113807342A (zh) | 基于图像获取设备信息的方法及相关装置 | |
CN110532886A (zh) | 一种基于孪生神经网络的目标检测算法 | |
CN111723656A (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN107316131A (zh) | 一种基于图像识别的电能计量装置安装工艺质量检测系统 | |
CN114612897A (zh) | 一种智能果蔬称重打票方法、装置、电子设备及存储介质 | |
CN110324589A (zh) | 一种旅游景区的监控系统与方法 | |
CN117237925B (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
CN109448193A (zh) | 身份信息识别方法及装置 | |
CN108960861B (zh) | 产品保真验证方法及装置、存储介质、处理器 | |
CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 | |
CN111797332A (zh) | 图像的显示方法及装置、系统 | |
CN110909188A (zh) | 检查图片确定方法及装置 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及系统 | |
CN111339939B (zh) | 基于图像识别的考勤方法及装置 | |
CN110460770B (zh) | 一种图像处理方法和系统 |
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 |