CN111950558A - 高压油浸式变压器油液液位图像识别方法 - Google Patents
高压油浸式变压器油液液位图像识别方法 Download PDFInfo
- Publication number
- CN111950558A CN111950558A CN202010869512.7A CN202010869512A CN111950558A CN 111950558 A CN111950558 A CN 111950558A CN 202010869512 A CN202010869512 A CN 202010869512A CN 111950558 A CN111950558 A CN 111950558A
- Authority
- CN
- China
- Prior art keywords
- liquid level
- image
- gray
- value
- area
- 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.)
- Granted
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 241001270131 Agaricus moelleri Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
- Image Analysis (AREA)
Abstract
一种高压油浸式变压器油液液位图像识别方法,涉及电力系统技术领域,所解决的是识别变压器油液位的技术问题。该方法先采集变压器油液位观察窗的监视图像,并在监视图像设定一个矩形的液位识别区域,并以液位标尺为界线在液位识别区域中划定两个标定区域,再对液位识别区域的图像实施多值灰度处理及灰度拟合计算后,得到两个标定区域的像素点灰度平均拟合值,再根据两个标定区域的像素点灰度平均拟合值计算出一个液位识别系数,再利用液位识别系数对液位识别区域的实时图像进行识别。本发明提供的方法,适用于配置有高压油浸式变压器的变电所。
Description
技术领域
本发明涉及电力系统的技术,特别是涉及一种高压油浸式变压器油液液位图像识别方法的技术。
背景技术
高压油浸式变压器是变电所最主要的一次设备,承担变电所电源的电压等级转变,其安全运行关系到变电所能否提供足够的供电能力,高压油浸式变压器在运行过程中,由于铜耗和铁耗存在,需要由变压器油进行热量交换,避免变压器温度过高,变压器油的液位可通过带有刻度的液位观察窗口查看,液位所在水平面为不同颜色的指示尺,从外可以观察到液位指示尺的高度,液位过高表明可能存在过负荷、三相不平衡、油路管道堵塞等情况,液位过低则表明可能存在漏油情况,准确掌握高压变压器液位状态就显得尤为重要。
在变电所辅助监控系统中,通常通过视频图像对变压器液位进行识别,以辅助判断变压器油是否足够在安全位置,这种对图像中的变压器液位进行识别能提高监控可靠性和事故分析水平。
大多数图像识别需要大量的训练样本,以满足非线性识别技术的多维度要求。这对刚刚投入使用的变电所或者改造的变电所,过长的训练时间和不足的样本图片将影响图像识别准确率,在故障发生时,难以实时发出警报。
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无需大量样本训练即可实现变压器油液位识别,并且识别准确度高的高压油浸式变压器油液液位图像识别方法。
为了解决上述技术问题,本发明所提供的一种高压油浸式变压器油液液位图像识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所内油浸式变压器的变压器油液位观察窗,并在变压器油液位观察窗的监视图像中设定一个矩形的液位识别区域,并且液位识别区域的上边缘高于变压器油液位观察窗的上边缘,液位识别区域的下边缘低于变压器油液位观察窗的下边缘,液位识别区域的左边缘位于变压器油液位观察窗的左边缘右侧,液位识别区域的右边缘位于变压器油液位观察窗的右边缘左侧,并且液位识别区域与变压器油液位观察窗的重叠面积大于80%;
并在液位识别区域中划定两个标定区域,位于液位标尺下方的区域划定为标定区域A,位于液位标尺上方的区域划定为标定区域B,其中的标定区域A内填充满变压器油,标定区域B内无变压器油;
2)获取液位识别区域的图像,并对所获取的液位识别区域图像实施多值灰度处理,得到液位识别区域图像的灰度图;
图像的多值灰度处理公式为:
Fti=Gri+2×Ggi+Gbi
Gri=(ri+gi+bi)/3
Ggi=fabs(gi-g0)/3
Gbi=fabs(bi-b0)/3
1≤i≤m
其中,Fti为图像中的第i个像素点的灰度值,ri为图像中的第i个像素点的红色色值,gi为图像中的第i个像素点的黄色色值,bi为图像中的第i个像素点的蓝色色值,g0为图像中的液位标尺的所有像素点的黄色平均色值,b0为图像中的液位标尺的所有像素点的蓝色平均色值,fabs为求绝对值函数,m为图像中的像素点总数;
3)从液位识别区域图像的灰度图中截取两个标定区域的灰度图,并对所截取的两个标定区域灰度图分别实施灰度拟合计算,得到两个标定区域的像素点灰度平均拟合值SFgA、SFgB;
其中,SFgA为标定区域A的像素点灰度平均拟合值,SFgB为标定区域B的像素点灰度平均拟合值;
标定区域灰度图的灰度拟合计算公式为:
如果Fti=Ftmin,则令Fgi=0;
如果Ftmin<Fti<Ftmax,则令Fgi=(Fti-Ftmin)×80/(Ftmax-Ftmin);
如果Fti=Ftmax,则令Fgi=100;
其中,SFg为标定区域的像素点灰度平均拟合值,n为标定区域中的像素点总数,Fgi为标定区域中的第i个像素点的Fg值,Ftmin为标定区域中的所有像素点的最小灰度值,Ftmax为标定区域中的所有像素点的最大灰度值;
4)计算液位识别系数,计算公式为:
d=(1-L)×SFgA/SFgB/L
L=C/M
其中,d为液位识别系数,C为液位标尺在液位识别区域图像中的高度,M为液位满刻度在液位识别区域图像中的高度;
5)利用液位识别系数d对液位识别区域中的实时图像进行识别,识别方法为:
采集液位识别区域的实时图像,并采用步骤2)的多值灰度处理公式对所采集的实时图像实施多值灰度处理后得到实时图像灰度图;
再从实时图像灰度图中截取两个标定区域的灰度图,并采用步骤3)的灰度拟合计算公式对所截取的两个标定区域的灰度图分别实施灰度拟合计算,得到实时图像的两个标定区域的像素点灰度平均拟合值SFgA,t、SFgB,t;其中的SFgA,t为实时图像中的标定区域A的像素点灰度平均拟合值,SFgB,t为实时图像中的标定区域B的像素点灰度平均拟合值;
再计算实时图像中的油液液位百分比值,计算公式为:
rt=1/(1+d×SFgB,t/SFgA,t)×100%
其中,rt为实时图像中的油液液位百分比值。
本发明提供的高压油浸式变压器油液液位图像识别方法,先计算一张参考图像中的变压器油液位,并根据该参考图像计算出液位识别系数,再根据液位识别系数来识别后续实时图像中的变压器油液位,并且采用多值灰度算法及非线性拟合计算来提高平均值的拟合值,可以把变压器油液位灰度值加大识别差异值,无需大量样本训练即可实现变压器油液位识别,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高压油浸式变压器油液液位图像识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所内油浸式变压器的变压器油液位观察窗,并在变压器油液位观察窗的监视图像中设定一个矩形的液位识别区域,并且液位识别区域的上边缘高于变压器油液位观察窗的上边缘,液位识别区域的下边缘低于变压器油液位观察窗的下边缘,液位识别区域的左边缘位于变压器油液位观察窗的左边缘右侧,液位识别区域的右边缘位于变压器油液位观察窗的右边缘左侧,并且液位识别区域与变压器油液位观察窗的重叠面积大于80%;
并在液位识别区域中划定两个标定区域,位于液位标尺下方的区域划定为标定区域A,位于液位标尺上方的区域划定为标定区域B,其中的标定区域A内填充满变压器油,标定区域B内无变压器油;
2)获取液位识别区域的图像,并对所获取的液位识别区域图像实施多值灰度处理,得到液位识别区域图像的灰度图;
图像的多值灰度处理公式为:
Fti=Gri+2×Ggi+Gbi
Gri=(ri+gi+bi)/3
Ggi=fabs(gi-g0)/3
Gbi=fabs(bi-b0)/3
1≤i≤m
其中,Fti为图像中的第i个像素点的灰度值,ri为图像中的第i个像素点的红色色值,gi为图像中的第i个像素点的黄色色值,bi为图像中的第i个像素点的蓝色色值,g0为图像中的液位标尺的所有像素点的黄色平均色值,b0为图像中的液位标尺的所有像素点的蓝色平均色值,fabs为求绝对值函数,m为图像中的像素点总数;
3)从液位识别区域图像的灰度图中截取两个标定区域的灰度图,并对所截取的两个标定区域灰度图分别实施灰度拟合计算,得到两个标定区域的像素点灰度平均拟合值SFgA、SFgB;
其中,SFgA为标定区域A的像素点灰度平均拟合值,SFgB为标定区域B的像素点灰度平均拟合值;
标定区域灰度图的灰度拟合计算公式为:
如果Fti=Ftmin,则令Fgi=0;
如果Ftmin<Fti<Ftmax,则令Fgi=(Fti-Ftmin)×80/(Ftmax-Ftmin);
如果Fti=Ftmax,则令Fgi=100;
其中,SFg为标定区域的像素点灰度平均拟合值,n为标定区域中的像素点总数,Fgi为标定区域中的第i个像素点的Fg值,Ftmin为标定区域中的所有像素点的最小灰度值,Ftmax为标定区域中的所有像素点的最大灰度值;
4)计算液位识别系数,计算公式为:
d=(1-L)×SFgA/SFgB/L
L=C/M
其中,d为液位识别系数,C为液位标尺在液位识别区域图像中的高度,M为液位满刻度在液位识别区域图像中的高度;
5)利用液位识别系数d对液位识别区域中的实时图像进行识别,识别方法为:
采集液位识别区域的实时图像,并采用步骤2)的多值灰度处理公式对所采集的实时图像实施多值灰度处理后得到实时图像灰度图;
再从实时图像灰度图中截取两个标定区域的灰度图,并采用步骤3)的灰度拟合计算公式对所截取的两个标定区域的灰度图分别实施灰度拟合计算,得到实时图像的两个标定区域的像素点灰度平均拟合值SFgA,t、SFgB,t;其中的SFgA,t为实时图像中的标定区域A的像素点灰度平均拟合值,SFgB,t为实时图像中的标定区域B的像素点灰度平均拟合值;
再计算实时图像中的油液液位百分比值,计算公式为:
rt=1/(1+d×SFgB,t/SFgA,t)×100%
其中,rt为实时图像中的油液液位百分比值。
Claims (1)
1.一种高压油浸式变压器油液液位图像识别方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电所内油浸式变压器的变压器油液位观察窗,并在变压器油液位观察窗的监视图像中设定一个矩形的液位识别区域,并且液位识别区域的上边缘高于变压器油液位观察窗的上边缘,液位识别区域的下边缘低于变压器油液位观察窗的下边缘,液位识别区域的左边缘位于变压器油液位观察窗的左边缘右侧,液位识别区域的右边缘位于变压器油液位观察窗的右边缘左侧,并且液位识别区域与变压器油液位观察窗的重叠面积大于80%;
并在液位识别区域中划定两个标定区域,位于液位标尺下方的区域划定为标定区域A,位于液位标尺上方的区域划定为标定区域B,其中的标定区域A内填充满变压器油,标定区域B内无变压器油;
2)获取液位识别区域的图像,并对所获取的液位识别区域图像实施多值灰度处理,得到液位识别区域图像的灰度图;
图像的多值灰度处理公式为:
Fti=Gri+2×Ggi+Gbi
Gri=(ri+gi+bi)/3
Ggi=fabs(gi-g0)/3
Gbi=fabs(bi-b0)/3
1≤i≤m
其中,Fti为图像中的第i个像素点的灰度值,ri为图像中的第i个像素点的红色色值,gi为图像中的第i个像素点的黄色色值,bi为图像中的第i个像素点的蓝色色值,g0为图像中的液位标尺的所有像素点的黄色平均色值,b0为图像中的液位标尺的所有像素点的蓝色平均色值,fabs为求绝对值函数,m为图像中的像素点总数;
3)从液位识别区域图像的灰度图中截取两个标定区域的灰度图,并对所截取的两个标定区域灰度图分别实施灰度拟合计算,得到两个标定区域的像素点灰度平均拟合值SFgA、SFgB;
其中,SFgA为标定区域A的像素点灰度平均拟合值,SFgB为标定区域B的像素点灰度平均拟合值;
标定区域灰度图的灰度拟合计算公式为:
如果Fti=Ftmin,则令Fgi=0;
如果Ftmin<Fti<Ftmax,则令Fgi=(Fti-Ftmin)×80/(Ftmax-Ftmin);
如果Fti=Ftmax,则令Fgi=100;
其中,SFg为标定区域的像素点灰度平均拟合值,n为标定区域中的像素点总数,Fgi为标定区域中的第i个像素点的Fg值,Ftmin为标定区域中的所有像素点的最小灰度值,Ftmax为标定区域中的所有像素点的最大灰度值;
4)计算液位识别系数,计算公式为:
d=(1-L)×SFgA/SFgB/L
L=C/M
其中,d为液位识别系数,C为液位标尺在液位识别区域图像中的高度,M为液位满刻度在液位识别区域图像中的高度;
5)利用液位识别系数d对液位识别区域中的实时图像进行识别,识别方法为:
采集液位识别区域的实时图像,并采用步骤2)的多值灰度处理公式对所采集的实时图像实施多值灰度处理后得到实时图像灰度图;
再从实时图像灰度图中截取两个标定区域的灰度图,并采用步骤3)的灰度拟合计算公式对所截取的两个标定区域的灰度图分别实施灰度拟合计算,得到实时图像的两个标定区域的像素点灰度平均拟合值SFgA,t、SFgB,t;其中的SFgA,t为实时图像中的标定区域A的像素点灰度平均拟合值,SFgB,t为实时图像中的标定区域B的像素点灰度平均拟合值;
再计算实时图像中的油液液位百分比值,计算公式为:
rt=1/(1+d×SFgB,t/SFgA,t)×100%
其中,rt为实时图像中的油液液位百分比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010869512.7A CN111950558B (zh) | 2020-08-26 | 2020-08-26 | 高压油浸式变压器油液液位图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010869512.7A CN111950558B (zh) | 2020-08-26 | 2020-08-26 | 高压油浸式变压器油液液位图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950558A true CN111950558A (zh) | 2020-11-17 |
CN111950558B CN111950558B (zh) | 2024-02-09 |
Family
ID=73366737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010869512.7A Active CN111950558B (zh) | 2020-08-26 | 2020-08-26 | 高压油浸式变压器油液液位图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950558B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539843A (en) * | 1987-11-20 | 1996-07-23 | Hitachi, Ltd. | Image processing system |
CN1219709A (zh) * | 1997-08-06 | 1999-06-16 | 日本电信电话株式会社 | 图象中图形提取、识别和异常判定方法及程序的存储介质 |
JPH11208033A (ja) * | 1998-01-27 | 1999-08-03 | Konica Corp | 多値階調記録方法及び画像形成方法 |
JP2006194915A (ja) * | 2005-01-11 | 2006-07-27 | Konica Minolta Medical & Graphic Inc | 2値面積階調画像の画像形成装置、画像形成方法 |
JP2007048006A (ja) * | 2005-08-09 | 2007-02-22 | Olympus Corp | 画像処理装置および画像処理プログラム |
US20070126689A1 (en) * | 2005-12-06 | 2007-06-07 | Nec Corporation | Digital-to-analog converter, data driver and display device using same |
WO2014114126A1 (zh) * | 2013-01-23 | 2014-07-31 | 腾讯科技(深圳)有限公司 | 图像亮度调节方法和装置 |
CN106643965A (zh) * | 2016-12-23 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用模板匹配精确识别液位的方法 |
DE102017210222A1 (de) * | 2017-06-20 | 2018-12-20 | Sirona Dental Systems Gmbh | Verfahren zur Erzeugung eines zweidimensionalen Gesamtbilds |
CN114022670A (zh) * | 2021-11-04 | 2022-02-08 | 许继集团有限公司 | 一种液位型变压器油位计识别方法及系统 |
CN114862761A (zh) * | 2022-04-08 | 2022-08-05 | 珠海优特电力科技股份有限公司 | 电力变压器液位检测方法、装置、设备及存储介质 |
-
2020
- 2020-08-26 CN CN202010869512.7A patent/CN111950558B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539843A (en) * | 1987-11-20 | 1996-07-23 | Hitachi, Ltd. | Image processing system |
CN1219709A (zh) * | 1997-08-06 | 1999-06-16 | 日本电信电话株式会社 | 图象中图形提取、识别和异常判定方法及程序的存储介质 |
JPH11208033A (ja) * | 1998-01-27 | 1999-08-03 | Konica Corp | 多値階調記録方法及び画像形成方法 |
JP2006194915A (ja) * | 2005-01-11 | 2006-07-27 | Konica Minolta Medical & Graphic Inc | 2値面積階調画像の画像形成装置、画像形成方法 |
JP2007048006A (ja) * | 2005-08-09 | 2007-02-22 | Olympus Corp | 画像処理装置および画像処理プログラム |
US20070126689A1 (en) * | 2005-12-06 | 2007-06-07 | Nec Corporation | Digital-to-analog converter, data driver and display device using same |
WO2014114126A1 (zh) * | 2013-01-23 | 2014-07-31 | 腾讯科技(深圳)有限公司 | 图像亮度调节方法和装置 |
CN106643965A (zh) * | 2016-12-23 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用模板匹配精确识别液位的方法 |
DE102017210222A1 (de) * | 2017-06-20 | 2018-12-20 | Sirona Dental Systems Gmbh | Verfahren zur Erzeugung eines zweidimensionalen Gesamtbilds |
CN114022670A (zh) * | 2021-11-04 | 2022-02-08 | 许继集团有限公司 | 一种液位型变压器油位计识别方法及系统 |
CN114862761A (zh) * | 2022-04-08 | 2022-08-05 | 珠海优特电力科技股份有限公司 | 电力变压器液位检测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
HUANG, S.,等: "Research on Dynamic Water Level Recognition of Cabin Based on Improved Retinex Algorithm: Dynamic Water Level Recognition", 《CSAE 2022: THE 6TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND APPLICATION ENGINEERING 》, pages 43 * |
李俊兵: "基于数学形态学的图像边缘信息分析", 《计算机应用与软件》, no. 12, pages 75 - 77 * |
郭风顺: "基于图像处理技术的指针位置及油液面位置的识别", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》, no. 4, pages 138 - 266 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111950558B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106595551B (zh) | 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法 | |
CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN110458839B (zh) | 一种有效的电线电缆监测系统 | |
CN108573261A (zh) | 一种适用于变电站巡检机器人的数字显示仪表识别方法 | |
CN106600580B (zh) | 一种基于霍夫变换的电力线异常识别方法及其系统 | |
CN108108772A (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
CN112001328A (zh) | 高压双柱式隔离开关开合状态图像识别方法 | |
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 | |
CN116740654B (zh) | 基于图像识别技术的变电站作业防控方法 | |
CN113549958B (zh) | 电解槽故障极板的检测方法 | |
CN111950558A (zh) | 高压油浸式变压器油液液位图像识别方法 | |
He et al. | Detection and fault diagnosis of power transmission line in infrared image | |
CN112508019A (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
CN114088212A (zh) | 基于温度视觉的诊断方法及诊断装置 | |
CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN108180960A (zh) | 一种变压器的油位状态检测方法和装置 | |
CN111950513A (zh) | 高压断路器分合指示灯图像识别方法 | |
CN112634179B (zh) | 一种防摄像头抖动的变电设备图像变化检测方法和系统 | |
CN117172555B (zh) | 一种电网风险预警通知单智能生成系统 | |
CN111950510A (zh) | 高压开关分合指示牌图像识别方法 | |
CN111950512A (zh) | 变电所断路器指示灯分合状态识别方法 | |
CN105163076A (zh) | 采用横向扫描映射的变电站断路器状态视频智能分析算法 | |
CN108573233B (zh) | 一种基于图像处理技术的电网陶瓷绝缘子识别方法 | |
CN113920535B (zh) | 一种基于YOLOv5的电子区域检测方法 | |
CN109492617A (zh) | 基于K-means聚类算法的电力电缆诊断方法 |
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 |