CN111950511A - 变电所户外柱形设备倾斜识别方法 - Google Patents
变电所户外柱形设备倾斜识别方法 Download PDFInfo
- Publication number
- CN111950511A CN111950511A CN202010868144.4A CN202010868144A CN111950511A CN 111950511 A CN111950511 A CN 111950511A CN 202010868144 A CN202010868144 A CN 202010868144A CN 111950511 A CN111950511 A CN 111950511A
- Authority
- CN
- China
- Prior art keywords
- image
- outdoor
- target image
- sequence
- inclination
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种变电所户外柱形设备倾斜识别方法,涉及电力系统技术领域,所解决的是识别户外立柱倾斜的技术问题。该方法利用摄像头拍摄变电所的户外立柱,并在监视图像中设定一个矩形的倾斜识别区域,使得户外立柱有一段柱体位于倾斜识别区域内;然后在户外立柱处于正常状态下,截取倾斜识别区域的图像作为基准图像;通过二值灰度处理,再将像素点分组后,计算出户外立柱的倾斜度;再利用基准图像的户外立柱倾斜度对倾斜识别区域中的实时图像进行识别。本发明提供的方法,适用于设置有户外立柱的变电所。
Description
技术领域
本发明涉及电力系统的技术,特别是涉及一种变电所户外柱形设备倾斜识别方法的技术。
背景技术
变电所户外线路、母线需要众多的支柱支撑,这些支柱在长期使用后,有时会由于地质环境的变化而产生倾斜,支柱的倾斜达到一定程度时,会危及变电设备的安全运行,如能及时发现这些支柱倾斜情况,将有助于维护人员制定合理检修计划。但是由于支柱的倾斜是缓慢变化的,在无人值守的变电所对这些支柱长期有效的监视其倾斜程度,目前还没有行之有效的方法。
发明内容
针对上述现有技术中存在的缺陷,本发明所要解决的技术问题是提供一种能识别变电所户外柱形设备的倾斜程度,并且识别准确度高的变电所户外柱形设备倾斜识别方法。
为了解决上述技术问题,本发明所提供的一种变电所户外柱形设备倾斜识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所的户外立柱,并在监视图像中为户外立柱设定一个矩形的倾斜识别区域,使得户外立柱有一段柱体位于倾斜识别区域内;
2)在户外立柱处于正常状态下,截取倾斜识别区域的图像,并将该图像定义为基准图像;
3)将基准图像设定为目标图像,对目标图像实施二值灰度处理,得到目标图像的灰度图;
目标图像的二值灰度处理公式为:
如果fabs(ri-r0)>l,则令Fti=0;
如果fabs(ri-r0)≤l,则令Fti=1;
其中,1≤i≤m,m为目标图像中的像素点总数,Fti为目标图像中的第i个像素点的灰度值,ri为目标图像中的第i个像素点的红色色值,r0为目标图像中的户外立柱部位的所有像素点的红色平均色值,l为误差阈值,l的取值为10%;
4)将目标图像灰度图中的像素点分为三个像素序列,第一个像素序列定义为Fg1序列,第二个像素序列定义为Fg2序列,第三个像素序列定义为Fg3序列;
其中,灰度值为1的像素点归入Fg2序列,位于目标图像灰度图的左半部并且灰度值为0的像素点归入Fg1序列,位于目标图像灰度图的右半部并且灰度值为0的像素点归入Fg3序列;
5)计算目标图像中的户外立柱的倾斜度,计算公式为:
tgθ=(Ny/2-F)/Ex
如果NFg1-NFg3>0,则令F=(N-NFg2-NFg3)/Nx;
如果NFg1-NFg3≤0,则令F=(N-NFg2-NFg1)/Nx;
其中,tgθ为目标图像中的户外立柱的倾斜度,Ex为目标图像的中心像素点所在的位置与地面之间的间距,Nx为倾斜识别区域的竖向宽度,Ny为倾斜识别区域的横向宽度,N为目标图像中的像素点总数,NFg1为Fg1序列中的像素点总数,NFg2为Fg2序列中的像素点总数,NFg3为Fg3序列中的像素点总数;
6)利用基准图像的户外立柱倾斜度对倾斜识别区域中的实时图像进行识别,识别方法为:
采集倾斜识别区域的实时图像,并将所采集的实时图像设定为新的目标图像,再采用步骤3)的二值灰度处理公式对新的目标图像实施二值灰度处理,然后再采用步骤4)至步骤5)的方法计算出新的目标图像中的户外立柱的倾斜度;
如果B-A>0,则判定户外立柱向右倾斜,如果B-A<0,则判定户外立柱向左倾斜,如果B-A=0,则判定户外立柱未产生倾斜;
其中,A为基准图像中的户外立柱的倾斜度,B为新的目标图像中的户外立柱的倾斜度。
本发明提供的变电所户外柱形设备倾斜识别方法,以户外立柱在正常状态下的图像为基准,通过计算图像中的户外立柱的倾斜度来识别户外立柱的倾斜度,该方法无需大量样本训练,分别对区域采用二值灰度算法及非线性的拟合计算,可以把立柱倾斜状况实时识别出,具有实现成本低,识别准确度高的特点。
具体实施方式
以下结合具体实施例对本发明的技术方案作进一步详细描述,但本实施例并不用于限制本发明,凡是采用本发明的相似结构及N其相似变化,均应列入本发明的保护范围,本发明中的顿号均表示和的关系,本发明中的英文字母区分大小写。
本发明实施例所提供的一种变电所户外柱形设备倾斜识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所的户外立柱,并在监视图像中为户外立柱设定一个矩形的倾斜识别区域,使得户外立柱有一段柱体位于倾斜识别区域内;
2)在户外立柱处于正常状态下,截取倾斜识别区域的图像,并将该图像定义为基准图像;
户外立柱处于正常状态下是指,户外立柱与水平面之间的夹角大于等于89度并且小于等于90度;
3)将基准图像设定为目标图像,对目标图像实施二值灰度处理,得到目标图像的灰度图;
目标图像的二值灰度处理公式为:
如果fabs(ri-r0)>l,则令Fti=0;
如果fabs(ri-r0)≤l,则令Fti=1;
其中,1≤i≤m,m为目标图像中的像素点总数,Fti为目标图像中的第i个像素点的灰度值,ri为目标图像中的第i个像素点的红色色值,r0为目标图像中的户外立柱部位的所有像素点的红色平均色值,l为误差阈值,l的取值为10%;
4)将目标图像灰度图中的像素点分为三个像素序列,第一个像素序列定义为Fg1序列,第二个像素序列定义为Fg2序列,第三个像素序列定义为Fg3序列;
其中,灰度值为1的像素点归入Fg2序列,位于目标图像灰度图的左半部并且灰度值为0的像素点归入Fg1序列,位于目标图像灰度图的右半部并且灰度值为0的像素点归入Fg3序列;
5)计算目标图像中的户外立柱的倾斜度,计算公式为:
tgθ=(Ny/2-F)/Ex
如果NFg1-NFg3>0,则令F=(N-NFg2-NFg3)/Nx;
如果NFg1-NFg3≤0,则令F=(N-NFg2-NFg1)/Nx;
其中,tgθ为目标图像中的户外立柱的倾斜度,Ex为目标图像的中心像素点所在的位置与地面之间的间距,Nx为倾斜识别区域的竖向宽度(即:倾斜识别区域上下两边缘之间的间距),Ny为倾斜识别区域的横向宽度(即:倾斜识别区域左右两边缘之间的间距),N为目标图像中的像素点总数,NFg1为Fg1序列中的像素点总数,NFg2为Fg2序列中的像素点总数,NFg3为Fg3序列中的像素点总数;
6)利用基准图像的户外立柱倾斜度对倾斜识别区域中的实时图像进行识别,识别方法为:
采集倾斜识别区域的实时图像,并将所采集的实时图像设定为新的目标图像,再采用步骤3)的二值灰度处理公式对新的目标图像实施二值灰度处理,然后再采用步骤4)至步骤5)的方法计算出新的目标图像中的户外立柱的倾斜度;
如果B-A>0,则判定户外立柱向右倾斜,如果B-A<0,则判定户外立柱向左倾斜,如果B-A=0,则判定户外立柱未产生倾斜;
其中,A为基准图像中的户外立柱的倾斜度,B为新的目标图像中的户外立柱的倾斜度。
Claims (1)
1.一种变电所户外柱形设备倾斜识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所的户外立柱,并在监视图像中为户外立柱设定一个矩形的倾斜识别区域,使得户外立柱有一段柱体位于倾斜识别区域内;
2)在户外立柱处于正常状态下,截取倾斜识别区域的图像,并将该图像定义为基准图像;
3)将基准图像设定为目标图像,对目标图像实施二值灰度处理,得到目标图像的灰度图;
目标图像的二值灰度处理公式为:
如果fabs(ri-r0)>l,则令Fti=0;
如果fabs(ri-r0)≤l,则令Fti=1;
其中,1≤i≤m,m为目标图像中的像素点总数,Fti为目标图像中的第i个像素点的灰度值,ri为目标图像中的第i个像素点的红色色值,r0为目标图像中的户外立柱部位的所有像素点的红色平均色值,l为误差阈值,l的取值为10%;
4)将目标图像灰度图中的像素点分为三个像素序列,第一个像素序列定义为Fg1序列,第二个像素序列定义为Fg2序列,第三个像素序列定义为Fg3序列;
其中,灰度值为1的像素点归入Fg2序列,位于目标图像灰度图的左半部并且灰度值为0的像素点归入Fg1序列,位于目标图像灰度图的右半部并且灰度值为0的像素点归入Fg3序列;
5)计算目标图像中的户外立柱的倾斜度,计算公式为:
tgθ=(Ny/2-F)/Ex
如果NFg1-NFg3>0,则令F=(N-NFg2-NFg3)/Nx;
如果NFg1-NFg3≤0,则令F=(N-NFg2-NFg1)/Nx;
其中,tgθ为目标图像中的户外立柱的倾斜度,Ex为目标图像的中心像素点所在的位置与地面之间的间距,Nx为倾斜识别区域的竖向宽度,Ny为倾斜识别区域的横向宽度,N为目标图像中的像素点总数,NFg1为Fg1序列中的像素点总数,NFg2为Fg2序列中的像素点总数,NFg3为Fg3序列中的像素点总数;
6)利用基准图像的户外立柱倾斜度对倾斜识别区域中的实时图像进行识别,识别方法为:
采集倾斜识别区域的实时图像,并将所采集的实时图像设定为新的目标图像,再采用步骤3)的二值灰度处理公式对新的目标图像实施二值灰度处理,然后再采用步骤4)至步骤5)的方法计算出新的目标图像中的户外立柱的倾斜度;
如果B-A>0,则判定户外立柱向右倾斜,如果B-A<0,则判定户外立柱向左倾斜,如果B-A=0,则判定户外立柱未产生倾斜;
其中,A为基准图像中的户外立柱的倾斜度,B为新的目标图像中的户外立柱的倾斜度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868144.4A CN111950511A (zh) | 2020-08-26 | 2020-08-26 | 变电所户外柱形设备倾斜识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868144.4A CN111950511A (zh) | 2020-08-26 | 2020-08-26 | 变电所户外柱形设备倾斜识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111950511A true CN111950511A (zh) | 2020-11-17 |
Family
ID=73367468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010868144.4A Withdrawn CN111950511A (zh) | 2020-08-26 | 2020-08-26 | 变电所户外柱形设备倾斜识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950511A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950509A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所扇形指针仪表图像识别方法 |
CN111950510A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
CN113343917A (zh) * | 2021-06-30 | 2021-09-03 | 上海申瑞继保电气有限公司 | 基于直方图的变电站设备识别方法 |
CN113421249A (zh) * | 2021-06-30 | 2021-09-21 | 上海申瑞继保电气有限公司 | 变电站设备可变尺度图像数值处理方法 |
CN113421248A (zh) * | 2021-06-30 | 2021-09-21 | 上海申瑞继保电气有限公司 | 变电站设备旋转图像数值处理方法 |
-
2020
- 2020-08-26 CN CN202010868144.4A patent/CN111950511A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950509A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所扇形指针仪表图像识别方法 |
CN111950510A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
CN111950510B (zh) * | 2020-08-26 | 2023-10-03 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
CN113343917A (zh) * | 2021-06-30 | 2021-09-03 | 上海申瑞继保电气有限公司 | 基于直方图的变电站设备识别方法 |
CN113421249A (zh) * | 2021-06-30 | 2021-09-21 | 上海申瑞继保电气有限公司 | 变电站设备可变尺度图像数值处理方法 |
CN113421248A (zh) * | 2021-06-30 | 2021-09-21 | 上海申瑞继保电气有限公司 | 变电站设备旋转图像数值处理方法 |
CN113421249B (zh) * | 2021-06-30 | 2024-02-06 | 上海申瑞继保电气有限公司 | 变电站设备可变尺度图像数值处理方法 |
CN113421248B (zh) * | 2021-06-30 | 2024-02-09 | 上海申瑞继保电气有限公司 | 变电站设备旋转图像数值处理方法 |
CN113343917B (zh) * | 2021-06-30 | 2024-05-31 | 上海申瑞继保电气有限公司 | 基于直方图的变电站设备识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950511A (zh) | 变电所户外柱形设备倾斜识别方法 | |
CN110222683A (zh) | 一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法 | |
CN107843818B (zh) | 基于异源图像温升与局部放电特征高压绝缘故障诊断方法 | |
CN104537367B (zh) | 一种vin码的校验方法 | |
CN109308448A (zh) | 一种采用图像处理技术来防止变配电误操作的方法 | |
CN114782770A (zh) | 一种基于深度学习的车牌检测与车牌识别方法及系统 | |
CN111563896A (zh) | 一种用于接触网异常检测的图像处理方法 | |
Nassu et al. | A computer vision system for monitoring disconnect switches in distribution substations | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN113780119B (zh) | 基于静止摄像机应用场景的高精度运动目标检测方法 | |
CN118328881A (zh) | 一种基于视觉识别的桥梁变形监测方法及系统 | |
CN117746341A (zh) | 一种基于人工智能的桥梁施工工地安全智能管理系统 | |
KR102261870B1 (ko) | 영상 처리에 기초한 수위 산출 장치 및 방법 | |
CN114235815A (zh) | 基于场景过滤的换流站户外电气设备表面缺陷检测方法 | |
CN117877011A (zh) | 一种基于神经网络的仪表动态追踪与识别方法和系统 | |
CN113311507A (zh) | 一种台风路径的识别方法及装置 | |
CN112001964A (zh) | 一种基于深度学习的洪水演进过程淹没范围测量方法 | |
CN109584217B (zh) | 一种监控摄像机镜头污染自动判别方法 | |
CN116347381A (zh) | 一种基于形变检测的输电线路杆塔地质灾害监测分析方法及系统 | |
CN112686254B (zh) | 一种基于红外卫星云图的台风中心定位方法 | |
CN115661743A (zh) | 基于ai技术的水库高中低立体视频监控系统及监控方法 | |
CN115359393A (zh) | 一种基于弱监督学习的图像花屏异常识别方法 | |
Li et al. | A fog level detection method based on grayscale features | |
CN110211096B (zh) | 一种雾霾图像的检测方法 | |
CN112036393A (zh) | 一种基于页岩气田生产单指针仪表读数的识别方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201117 |