CN111986201B - 一种绝缘子的表面藻类密度的测算方法和装置 - Google Patents
一种绝缘子的表面藻类密度的测算方法和装置 Download PDFInfo
- Publication number
- CN111986201B CN111986201B CN202011039696.0A CN202011039696A CN111986201B CN 111986201 B CN111986201 B CN 111986201B CN 202011039696 A CN202011039696 A CN 202011039696A CN 111986201 B CN111986201 B CN 111986201B
- Authority
- CN
- China
- Prior art keywords
- algae
- insulator
- density
- green value
- calculating
- 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
Links
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 361
- 239000012212 insulator Substances 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 51
- 229920002379 silicone rubber Polymers 0.000 claims abstract description 133
- 239000004945 silicone rubber Substances 0.000 claims abstract description 110
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims description 52
- 239000007788 liquid Substances 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 18
- 239000003086 colorant Substances 0.000 claims description 16
- 239000011248 coating agent Substances 0.000 claims description 8
- 238000000576 coating method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 description 80
- 238000012512 characterization method Methods 0.000 description 9
- 230000005791 algae growth Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000005995 Aluminium silicate Substances 0.000 description 2
- 241000195649 Chlorella <Chlorellales> Species 0.000 description 2
- 235000012211 aluminium silicate Nutrition 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 230000002209 hydrophobic effect Effects 0.000 description 2
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种绝缘子的表面藻类密度的测算方法，包括：根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；获取所述待测绝缘子表面图像；计算所述待测绝缘子表面图像中藻类区域的特征绿值；根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。本发明还公开了相应的测算装置，采用本发明实施例，通过读取待测绝缘子的图像中的特征绿值，以计算得到待测绝缘子表面的藻类密度，能够快速简便地获取绝缘子表面的藻类密度，实现无接触无损测算藻类密度。
Description
技术领域
本发明涉及电力设备检测技术领域，尤其涉及一种绝缘子的表面藻类密度的测算方法和装置。
背景技术
绝缘子是电力系统的重要组成部分。硅橡胶材料凭借其突出的憎水性能和憎水迁移性能，成为广泛应用的有机绝缘材料。在温暖湿润地区，一些绝缘子硅橡胶表面会有藻类生长。研究发现，绝缘子表面附生藻类会对绝缘子的性能造成影响，例如导致绝缘子表面憎水性能下降、污闪电压降低等，藻类甚至会渗入硅橡胶内部，损伤硅橡胶的结构，严重威胁着电力系统的安全可靠运行。
绝缘子表面藻类的种类因地区不同而有差异，且藻类的生长情况也受到绝缘子的运行环境影响，一般与当地的气候环境、绝缘子的表面电场、绝缘子表面的积污情况有关。对绝缘子表面的藻类生长情况进行表征，有益于电力部门针对藻类的生长及其对绝缘子电气性能的影响采取防范措施，提高供电稳定性。
在现有技术中，检测绝缘子表面藻类密度通常采用细胞计数法，即采用刮刀将绝缘子表面单位面积内藻类污秽完全刮下，经过稀释后，滴在血球计数板上计数，根据稀释倍数换算原始藻细胞数量。然而，在实施本发明过程中，发明人发现现有技术至少存在如下问题：采用细胞计数法进行藻类密度的测算，需要从绝缘子表面取样，也即需要对电力设备进行断电操作。另外，取样时容易因藻类与硅橡胶紧密结合的原因难以充分取样，且工作量较大，也存在部分设备难以取样的问题。
发明内容
本发明实施例的目的是提供一种绝缘子的表面藻类密度的测算方法和装置，通过读取待测绝缘子的图像中的特征绿值，以计算得到待测绝缘子表面的藻类密度，能够快速简便地获取绝缘子表面的藻类密度，实现无接触无损测算藻类密度。
为实现上述目的，本发明实施例提供了一种绝缘子的表面藻类密度的测算方法，包括：
根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；
获取所述待测绝缘子表面图像；
计算所述待测绝缘子表面图像中藻类区域的特征绿值；
根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。
作为上述方案的改进，所述计算所述待测绝缘子表面图像中藻类区域的特征绿值，具体包括：
根据所述待测绝缘子表面图像，选取所述图像中包含藻类的区域，得到藻类区域图像；
计算所述藻类区域图像中每一像素点的超绿指数；
获取大于预设的超绿指数阈值的每一所述超绿指数对应的像素点，作为含藻像素点；
计算每一所述含藻像素点的特征绿值，并根据每一所述含藻像素点的特征绿值，计算得到所述藻类区域的特征绿值。
作为上述方案的改进，在所述计算所述待测绝缘子表面图像中藻类区域的特征绿值之后，还包括：
根据所述待测绝缘子的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定所述待测绝缘子的原始特征绿值；
根据所述待测绝缘子的原始特征绿值，对所述待测绝缘子表面图像中藻类区域的特征绿值进行修正，得到所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值；
则，所述根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度，具体为：
根据所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。
作为上述方案的改进，所述绝缘子的表面藻类密度的测算方法还包括：预先构建所述藻类密度计算公式；
所述构建所述藻类密度计算公式，具体包括：
获取不同颜色的若干个硅橡胶样品；
设置由不同直径的藻细胞制成的预设藻液浓度的藻液；
根据预设的多个藻细胞密度等级和预设的多个灰密等级，在若干个所述硅橡胶样品的表面涂覆相应体积的藻液和相应体积的灰分，以得到若干个处理后的硅橡胶样品，作为训练样品；
获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值；
根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，得到所述藻类密度计算公式。
作为上述方案的改进，所述获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值之后，还包括：
根据每一所述训练样品的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定每一所述训练样品的原始特征绿值；
根据所述训练样品的原始特征绿值，对所述训练样品的图像的特征绿值进行修正，得到每一所述训练样品的修正后的特征绿值；
则，所述根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，具体为：
根据每一所述训练样品的修正后的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式。
作为上述方案的改进，所述硅橡胶颜色与原始特征绿值的映射关系的构建方法，具体为：
获取不同颜色的硅橡胶样品的图像；
根据所述硅橡胶样品的图像，计算所述硅橡胶样品的图像的特征绿值，作为原始特征绿值；
根据所述硅橡胶样品的颜色、对应颜色的硅橡胶样品的图像的特征绿值，构建所述硅橡胶颜色与原始特征绿值的映射关系。
本发明实施例还提供了一种绝缘子的表面藻类密度的测算装置，包括：
参数获取模块，用于根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；
图像获取模块，用于获取所述待测绝缘子表面图像；
特征绿值计算模块，用于计算所述待测绝缘子表面图像中藻类区域的特征绿值；
藻类密度计算模块，用于根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。
本发明实施例还提供了一种绝缘子的表面藻类密度的测算装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的绝缘子的表面藻类密度的测算方法。
与现有技术相比，本发明公开的一种绝缘子的表面藻类密度的测算方法和装置，预先通过设置若干个硅橡胶样品，用于对绝缘子表面藻类的生长情况进行表征，拟合出一个藻类密度计算公式。在对待测绝缘子的表面藻类密度的测算应用中，根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；根据所述待测绝缘子表面图像，计算所述待测绝缘子表面图像中藻类区域的特征绿值，从而基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。采用本发明实施例，能够快速简便地获取绝缘子表面的藻类密度，免除了从待测绝缘子表面取藻的过程，从而减少在绝缘子表面取样过程带来的误差和对电力系统运行带来的不便，实现无接触无损测算藻类密度。同时，本发明实施例在拟合所述藻类密度计算公式的过程中，考虑了藻类在绝缘子表面生长时其他污秽的积累情况对其表征效果的影响，也考虑了不同地区生长的藻细胞直径差异带来的表征误差，使该方法适用于不同地区、不同硅橡胶颜色的绝缘子表面藻类生长程度的表征，满足工程上便捷安全检测、测算精度高的要求。
附图说明
图1是本发明实施例中一种绝缘子的表面藻类密度的测算方法的步骤示意图；
图2是本发明实施例中构建藻类密度计算公式的步骤流程示意图；
图3是本发明实施例中一种绝缘子的表面藻类密度的测算装置的结构示意图；
图4是本发明实施例中另一种绝缘子的表面藻类密度的测算装置的结构示意图。
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他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例中一种绝缘子的表面藻类密度的测算方法的步骤示意图。本发明实施例提供的一种绝缘子的表面藻类密度的测算方法，通过步骤S11至S14执行：
S11、根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径。
具体地，所述待测绝缘子为某一地区的电力设备上运行的绝缘子。
需要说明的是，同一地区或相邻地区的电力设备绝缘子表面覆盖的藻细胞种类相同或相近，因此，通过预先确定每一电力设备所在地区的藻细胞生长情况，即可确定该地区的藻细胞种类，进而可以确定相应的藻细胞直径。当藻细胞均匀生长在一定面积的绝缘子硅橡胶表面上时，完全覆盖藻细胞所需要的藻细胞数量和藻细胞直径的平方成反比，因此，通过不同直径的藻细胞映射不同种类的藻细胞，使得本发明实施例的测算方法的适用范围能够推广到各类藻细胞中。
绝缘子表面积累的灰密与绝缘子所在地区的电网污秽等级有关，也和绝缘子的种类和运行时间有关。在本发明实施例中，认为同一地区同一类型的绝缘子上相同时间积累的灰密相同。因此，通过预先获取每一电力设备所在地区中，每一种类绝缘子在不同运行时间下所积累的灰密，建立数据库并进行存储，进而可以根据所述待测绝缘子的类型和所述待测绝缘子所在地区，即可确定所述待测绝缘子的表面积累的灰密。
S12、获取所述待测绝缘子表面图像。
具体地，对所述待测绝缘子的表面进行拍照，拍照的方法为：对数码相机预设白平衡，采用相机在标准光源下对所述待测绝缘子的表面进行拍照，拍照角度为90°，进而获取得到所述待测绝缘子表面图像，进行后续对所述待测绝缘子的表面藻类密度的测算。
S13、计算所述待测绝缘子表面图像中藻类区域的特征绿值。
具体地，所述步骤S13通过步骤S131至S134执行：
S131、根据所述待测绝缘子表面图像，选取所述图像中包含藻类的区域，得到藻类区域图像。
具体地，根据所述待测绝缘子表面图像，先对包含藻类的区域进行识别，从而将藻类区域外的背景设置为黑色，减少对绝缘子表面图像进行处理过程中的噪声。
作为优选的实施方式，在得到所述藻类区域图像之后，还需要对所述藻类区域图像进行预处理，采用高斯低通滤波器对所述藻类区域图像进行滤波，以去除图像中的噪声信号。
S132、计算所述藻类区域图像中每一像素点的超绿指数。
对预处理后的藻类区域图像，根据图像中的每一像素的RGB分量，计算每一像素点的超绿指数EXG。所述超绿指数的计算公式为：
EXG＝2G-R-B；
其中，R、G、B分别表示图像中每一像素点的红色分量、绿色分量和蓝色分量。
S133、获取大于预设的超绿指数阈值的每一所述超绿指数对应的像素点，作为含藻像素点。
预先设置一个超绿指数阈值T1，用于判断所述藻类区域图像中每一像素点是否为含藻像素点。通过将每一所述藻类区域图像中每一像素点的超绿指数EXG与所述超绿指数阈值T1进行比较，当任一像素点的超绿指数满足EXG>T1，则将该像素点判定为含藻像素点。
所述超绿指数阈值T1的值可以根据实际情况而设定。在本发明实施例中，将所述超绿指数阈值T1设置为0。
S134、计算每一所述含藻像素点的特征绿值，并根据每一所述含藻像素点的特征绿值，计算得到所述藻类区域的特征绿值。
根据每一含藻像素点的RGB分量，通过以下计算公式，计算每一所述含藻像素点的特征绿值：
根据每一所述含藻像素点的特征绿值，通过以下计算公式，计算得到所述藻类区域的特征绿值：
其中，Wi为第i个含藻像素点的特征绿值，M为所述藻类区域图像中含藻像素点的个数，W为所述藻类区域的特征绿值；R、G、B分别表示所述含藻像素点的红色分量、绿色分量和蓝色分量。
S14、根据所述待测绝缘子表面图像中的藻类区域的特征绿值W、表面积累的灰密ρ、藻细胞直径d以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式W＝f(D,d,ρ)，计算所述待测绝缘子的表面藻类密度D。
需要说明的是，所述藻类密度计算公式为预先构建的基于同一硅橡胶颜色下，关于待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密和藻细胞直径之间的拟合关系式，通过获取若干个绝缘子硅橡胶样品的相关参数信息训练而成，不同的硅橡胶颜色的绝缘子具有对应的藻类密度计算公式W＝f(D,d,ρ)。
因此，在获得所述待测绝缘子的表面积累的灰密ρ、表面的藻细胞直径d、待测绝缘子的硅橡胶颜色和计算得到所述待测绝缘子表面图像中的藻类区域的特征绿值W之后，选取所述硅橡胶颜色对应的藻类密度计算公式，并代入相应的灰密ρ、藻细胞直径d等参数，即可计算得到所述待测绝缘子的表面藻类密度D。
在一种优选的实施方式下，由于绝缘子表面图像的特征绿值与绝缘子的硅橡胶颜色存在一定的关系，因此，为了避免绝缘子的硅橡胶颜色对特征绿值的影响，导致计算得到的绝缘子的表面藻类密度的结果不准确，需要对所述待测绝缘子表面图像的藻类区域的特征绿值进行修正。
具体地，在所述步骤S13，也即计算所述待测绝缘子表面图像中藻类区域的特征绿值之后，还包括步骤S15和S16：
S15、根据所述待测绝缘子的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定所述待测绝缘子的原始特征绿值W0。
S16、根据所述待测绝缘子的原始特征绿值W0，对所述待测绝缘子表面图像中藻类区域的特征绿值W进行修正，得到所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值W′：
W′＝|W-W0|.
在本发明实施例中，所述硅橡胶颜色与原始特征绿值的映射关系的构建方法，具体包括步骤S21至S23：
S21、获取不同颜色的硅橡胶样品的图像；
S22、根据所述硅橡胶样品的图像，计算所述硅橡胶样品的图像的特征绿值，作为原始特征绿值；
S23、根据所述硅橡胶样品的颜色、对应颜色的硅橡胶样品的图像的特征绿值，构建所述硅橡胶颜色与原始特征绿值的映射关系。
在本发明实施例中，获取不同颜色的硅橡胶样品，例如有灰色、红色等多种颜色，并对其进行拍照。拍照的方法为：对数码相机预设白平衡，采用相机在标准光源箱中对硅橡胶样品拍照；试验中保持环境湿度为80％，拍照角度为90°，从而获得不同颜色的硅橡胶样品的图像。接着，根据所述硅橡胶样品的图像中每一像素点的RGB分量，计算所述硅橡胶样品的图像的特征绿值，即可得到同一颜色下的硅橡胶样品的图像的所述原始特征绿值，以建立硅橡胶颜色与原始特征绿值的映射关系。在后续应用中，可以根据待测绝缘子的硅橡胶颜色以及所述映射关系，获取对应的原始特征绿植对所述待测绝缘子表面图像的特征绿值进行修正。
在此基础上，本发明实施例中步骤S14具体为：
根据所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值W′、表面积累的灰密ρ、藻细胞直径d以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式W′＝f(D,d,ρ)，计算所述待测绝缘子的表面藻类密度D。
优选地，在本发明实施例中，所述绝缘子的表面藻类密度的测算方法还包括：预先构建所述藻类密度计算公式。参见图2，是本发明实施例中构建藻类密度计算公式的步骤流程示意图。所述构建所述藻类密度计算公式，具体包括步骤S31至S35：
S31、获取不同颜色的若干个硅橡胶样品。
S32、设置由不同直径的藻细胞制成的预设藻液浓度的藻液。
S33、根据预设的多个藻细胞密度等级和预设的多个灰密等级，在若干个所述硅橡胶样品的表面涂覆相应体积的藻液和相应体积的灰分，以得到若干个处理后的硅橡胶样品，作为训练样品。
S34、获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值。
S35、根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，得到所述藻类密度计算公式。
在本发明实施例中，通过预先获取若干个硅橡胶样品，这些硅橡胶样品的颜色不完全相同，例如有灰色、红色等多种颜色。并在这些硅橡胶的表面涂覆不同体积的藻液和灰分，以模拟绝缘子在运行过程中硅橡胶材料表面的覆藻情况和灰密情况。通过控制变量法，对不同的参数的数值进行设定，从而拟合出硅橡胶颜色、特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式。
具体地，参考现场调研的结果，设置不同数值的灰密，从而计算得到每一硅橡胶样品表面所要涂覆的灰分。作为举例，在本发明实施例中，用高岭土模拟灰分，预设的多个灰密等级分别为：0、1、2、3、4mg/cm2，根据预设的灰密，计算得到每一硅橡胶样品需要涂覆的灰分体积，并分别在每一所述硅橡胶样品表面涂覆不同的灰分。
进一步地，待硅橡胶样品表面的高岭土干燥之后，再在表面涂覆藻液。设置不同直径的藻细胞制成的预设藻液浓度N的藻液，用于对若干个硅橡胶样品表面进行涂覆。参考现场调研的结果，设置不同等级的藻细胞密度D，从而计算得到每一硅橡胶样品所要涂覆的藻液体积V。具体计算公式为：
其中，V表示藻液体积，D表示预先设定的不同的藻细胞密度，A表示预先获取的硅橡胶样品的面积，N表示预设藻液浓度。
作为举例，在本发明实施例中，分别采用四川和云南的绝缘子上所生长的藻种虚幻球藻和小球藻两种藻细胞分别试验。且预设的多个藻细胞密度等级分别为：0、0.1、0.2、0.3、0.4、0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0(×108cells/cm2)，根据预设的藻细胞密度，以及上述藻液体积的计算公式，计算得到每一个硅橡胶样品需要涂覆的藻液体积。
再进一步地，对每一处理完毕后的硅橡胶样品按照上述拍照方法进行拍照，从而获得每一硅橡胶样品的图像，以根据图像中每一像素点的RGB分量，计算每一所述训练样品的图像的特征绿值W。
本发明实施例通过对所述硅橡胶样品的颜色、涂覆的灰密、藻细胞密度、藻细胞直径等参数进行设定，保证每一种组合至少试验一次并记录，进而根据记录了参数数值，拟合得到所述藻类密度计算公式W＝f(D,d,ρ)。
需要说明的是，以上涉及的场景和数值仅作为举例，在实际应用中，可以根据实际现场考察结果或历史经验，设置不同的藻细胞密度值和灰密值，均不影响本发明取得的有益效果。所述预设藻液浓度N也可以根据实际情况设定为一个或多个值，并根据实际情况设定相应的数值，所述硅橡胶样品的面积A和藻细胞种类也可以根据实际情况设定，在此不做具体限定。
作为优选的实施方式，同样为了避免绝缘子的硅橡胶颜色对特征绿值的影响，需要对所述硅橡胶样品的图像的特征绿值进行修正。
具体地，在所述步骤S34，也即所述获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值之后，还包括步骤S36和S37：
S36、根据每一所述训练样品的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定每一所述训练样品的原始特征绿值W0。
S37、根据所述训练样品的原始特征绿值W0，对所述训练样品的图像的特征绿值W进行修正，得到每一所述训练样品的修正后的特征绿值W′：
W′＝|W-W0|.
在本发明实施例中，预设的硅橡胶颜色与原始特征绿值的映射关系的构建方法同上述实施例，在此不再赘述。
在此基础上，本发明实施例的步骤S35，具体为：
根据每一所述训练样品的修正后的特征绿值W′、表面藻细胞密度D、藻细胞直径d、表面灰密ρ和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，也即得到所述藻类密度计算公式W′＝f(D,d,ρ)。
作为举例，在本发明实施例中，针对一种硅橡胶颜色下的所述藻类密度计算公式具体为：
其中，W′表示修正后的特征绿值，D表示藻细胞密度，单位为108cells/cm2，d表示藻细胞直径，单位为μm，ρ表示灰密，单位为mg/cm2。
在实际应用中，在对待测绝缘子进行表面藻细胞密度的测算过程中，根据所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值W′、表面积累的灰密ρ、藻细胞直径d以及所述待测绝缘子的硅橡胶颜色，基于上述藻类密度计算公式W′＝f(D,d,ρ)，即可计算所述待测绝缘子的表面藻类密度D。
本发明实施例提供了一种绝缘子的表面藻类密度的测算方法，预先通过设置若干个硅橡胶样品，用于对绝缘子表面藻类的生长情况进行表征，拟合出一个藻类密度计算公式。在对待测绝缘子的表面藻类密度的测算应用中，根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；根据所述待测绝缘子表面图像，计算所述待测绝缘子表面图像中藻类区域的特征绿值，从而基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。采用本发明实施例，能够快速简便地获取绝缘子表面的藻类密度，免除了从待测绝缘子表面取藻的过程，从而减少在绝缘子表面取样过程带来的误差和对电力系统运行带来的不便，实现无接触无损测算藻类密度。同时，本发明实施例在拟合所述藻类密度计算公式的过程中，考虑了藻类在绝缘子表面生长时其他污秽的积累情况对其表征效果的影响，也考虑了不同地区生长的藻细胞直径差异带来的表征误差，使该方法适用于不同地区、不同硅橡胶颜色的绝缘子表面藻类生长程度的表征，满足工程上便捷安全检测、测算精度高的要求。
参见图3，是本发明实施例中一种绝缘子的表面藻类密度的测算装置的结构示意图。本发明实施例提供了一种绝缘子的表面藻类密度的测算装置40，包括：参数获取模块41、图像获取模块42、特征绿值计算模块43和藻类密度计算模块44；其中，
所述参数获取模块41，用于根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；
所述图像获取模块42，用于获取所述待测绝缘子表面图像；
所述特征绿值计算模块43，用于计算所述待测绝缘子表面图像中藻类区域的特征绿值；
所述藻类密度计算模块44，用于根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。
作为优选的实施方式，所述特征绿值计算模块43，具体用于：
根据所述待测绝缘子表面图像，选取所述图像中包含藻类的区域，得到藻类区域图像；计算所述藻类区域图像中每一像素点的超绿指数；获取大于预设的超绿指数阈值的每一所述超绿指数对应的像素点，作为含藻像素点；计算每一所述含藻像素点的特征绿值，并根据每一所述含藻像素点的特征绿值，计算得到所述藻类区域的特征绿值。
以及，根据所述待测绝缘子的硅橡胶颜色，和预设的硅橡胶颜色与原始特征绿值的映射关系，确定所述待测绝缘子的原始特征绿值；根据所述待测绝缘子的原始特征绿值，对所述待测绝缘子表面图像中藻类区域的特征绿值进行修正，得到所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值。
作为优选的实施方式，所述绝缘子的表面藻类密度的测算装置40还包括：密度计算公式构建模块45，具体用于：
获取不同颜色的若干个硅橡胶样品；
设置由不同直径的藻细胞制成的预设藻液浓度的藻液；
根据预设的多个藻细胞密度等级和预设的多个灰密等级，在若干个所述硅橡胶样品的表面涂覆相应体积的藻液和相应体积的灰分，以得到若干个处理后的硅橡胶样品，作为训练样品；
获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值；
根据每一所述训练样品的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定每一所述训练样品的原始特征绿值；
根据所述训练样品的原始特征绿值，对所述训练样品的图像的特征绿值进行修正，得到每一所述训练样品的修正后的特征绿值；
根据每一所述训练样品的的修正后的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，得到所述藻类密度计算公式。
需要说明的是，本发明实施例提供的一种绝缘子的表面藻类密度的测算装置用于执行上述实施例的一种绝缘子的表面藻类密度的测算方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
本发明实施例提供了一种绝缘子的表面藻类密度的测算装置，由密度计算公式构建模块通过设置若干个具有不同参数的硅橡胶样品，对绝缘子表面藻类的生长情况进行表征，拟合出一个藻类密度计算公式。在对待测绝缘子的表面藻类密度的测算应用中，参数获取模块根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；图像获取模块获取所述待测绝缘子表面图像，以使特征绿值计算模块计算所述待测绝缘子表面图像中藻类区域的特征绿值，从而使得藻类密度计算模块基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。采用本发明实施例，能够快速简便地获取绝缘子表面的藻类密度，免除了从待测绝缘子表面取藻的过程，从而减少在绝缘子表面取样过程带来的误差和对电力系统运行带来的不便，实现无接触无损测算藻类密度。同时，本发明实施例在拟合所述藻类密度计算公式的过程中，考虑了藻类在绝缘子表面生长时其他污秽的积累情况对其表征效果的影响，也考虑了不同地区生长的藻细胞直径差异带来的表征误差，使该方法适用于不同地区、不同硅橡胶颜色的绝缘子表面藻类生长程度的表征，满足工程上便捷安全检测、测算精度高的要求。
参见图4，是本发明实施例中另一种绝缘子的表面藻类密度的测算装置的结构示意图。本发明实施例提供了另一种绝缘子的表面藻类密度的测算装置50，包括处理器51、存储器52以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例所述的绝缘子的表面藻类密度的测算方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种绝缘子的表面藻类密度的测算方法，其特征在于，包括：
根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；
获取所述待测绝缘子表面图像；
计算所述待测绝缘子表面图像中藻类区域的特征绿值；
根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度；
所述计算所述待测绝缘子表面图像中藻类区域的特征绿值，具体包括：
根据所述待测绝缘子表面图像，选取所述图像中包含藻类的区域，得到藻类区域图像；
计算所述藻类区域图像中每一像素点的超绿指数；
获取大于预设的超绿指数阈值的每一所述超绿指数对应的像素点，作为含藻像素点；
计算每一所述含藻像素点的特征绿值，并根据每一所述含藻像素点的特征绿值，计算得到所述藻类区域的特征绿值；
所述绝缘子的表面藻类密度的测算方法还包括：预先构建所述藻类密度计算公式；
所述构建所述藻类密度计算公式，具体包括：
获取不同颜色的若干个硅橡胶样品；
设置由不同直径的藻细胞制成的预设藻液浓度的藻液；
根据预设的多个藻细胞密度等级和预设的多个灰密等级，在若干个所述硅橡胶样品的表面涂覆相应体积的藻液和相应体积的灰分，以得到若干个处理后的硅橡胶样品，作为训练样品；
获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值；
根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，得到所述藻类密度计算公式。
2.如权利要求1所述的绝缘子的表面藻类密度的测算方法，其特征在于，在所述计算所述待测绝缘子表面图像中藻类区域的特征绿值之后，还包括：
根据所述待测绝缘子的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定所述待测绝缘子的原始特征绿值；
根据所述待测绝缘子的原始特征绿值，对所述待测绝缘子表面图像中藻类区域的特征绿值进行修正，得到所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值；
则，所述根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度，具体为：
根据所述待测绝缘子表面图像中的藻类区域的修正后的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度。
3.如权利要求1所述的绝缘子的表面藻类密度的测算方法，其特征在于，所述获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值之后，还包括：
根据每一所述训练样品的硅橡胶颜色，以及预设的硅橡胶颜色与原始特征绿值的映射关系，确定每一所述训练样品的原始特征绿值；
根据所述训练样品的原始特征绿值，对所述训练样品的图像的特征绿值进行修正，得到每一所述训练样品的修正后的特征绿值；
则，所述根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，具体为：
根据每一所述训练样品的修正后的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式。
4.如权利要求2或3所述的绝缘子的表面藻类密度的测算方法，其特征在于，所述硅橡胶颜色与原始特征绿值的映射关系的构建方法，具体为：
获取不同颜色的硅橡胶样品的图像；
根据所述硅橡胶样品的图像，计算所述硅橡胶样品的图像的特征绿值，作为原始特征绿值；
根据所述硅橡胶样品的颜色、对应颜色的硅橡胶样品的图像的特征绿值，构建所述硅橡胶颜色与原始特征绿值的映射关系。
5.一种绝缘子的表面藻类密度的测算装置，其特征在于，包括：
参数获取模块，用于根据待测绝缘子所在地区，确定所述待测绝缘子的表面积累的灰密和藻细胞直径；
图像获取模块，用于获取所述待测绝缘子表面图像；
特征绿值计算模块，用于计算所述待测绝缘子表面图像中藻类区域的特征绿值；
藻类密度计算模块，用于根据所述待测绝缘子表面图像中的藻类区域的特征绿值、表面积累的灰密、藻细胞直径以及所述待测绝缘子的硅橡胶颜色，基于预先构建的藻类密度计算公式，计算所述待测绝缘子的表面藻类密度；
所述特征绿值计算模块，具体用于：
根据所述待测绝缘子表面图像，选取所述图像中包含藻类的区域，得到藻类区域图像；
计算所述藻类区域图像中每一像素点的超绿指数；
获取大于预设的超绿指数阈值的每一所述超绿指数对应的像素点，作为含藻像素点；
计算每一所述含藻像素点的特征绿值，并根据每一所述含藻像素点的特征绿值，计算得到所述藻类区域的特征绿值；
所述装置还包括：密度计算公式构建模块，具体用于：
获取不同颜色的若干个硅橡胶样品；
设置由不同直径的藻细胞制成的预设藻液浓度的藻液；
根据预设的多个藻细胞密度等级和预设的多个灰密等级，在若干个所述硅橡胶样品的表面涂覆相应体积的藻液和相应体积的灰分，以得到若干个处理后的硅橡胶样品，作为训练样品；
获取每一所述训练样品的图像，计算每一所述训练样品的图像的特征绿值；
根据每一所述训练样品的特征绿值、表面藻细胞密度、藻细胞直径、表面灰密和硅橡胶颜色，拟合得到同一硅橡胶颜色下关于特征绿值、藻细胞密度、藻细胞直径和灰密之间的函数关系式，得到所述藻类密度计算公式。
6.一种绝缘子的表面藻类密度的测算装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的绝缘子的表面藻类密度的测算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011039696.0A CN111986201B (zh) | 2020-09-28 | 2020-09-28 | 一种绝缘子的表面藻类密度的测算方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011039696.0A CN111986201B (zh) | 2020-09-28 | 2020-09-28 | 一种绝缘子的表面藻类密度的测算方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111986201A CN111986201A (zh) | 2020-11-24 |
| CN111986201B true CN111986201B (zh) | 2023-12-22 |
Family
ID=73449561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011039696.0A Active CN111986201B (zh) | 2020-09-28 | 2020-09-28 | 一种绝缘子的表面藻类密度的测算方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986201B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610768A (zh) * | 2021-07-14 | 2021-11-05 | 南方电网科学研究院有限责任公司 | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 |
| CN114166705B (zh) * | 2021-12-06 | 2024-06-28 | 南方电网科学研究院有限责任公司 | 一种硅橡胶微观结构评价方法 |
| CN115311657B (zh) * | 2022-09-02 | 2024-01-05 | 澳门科技大学 | 多源藻类图像目标检测方法、系统、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102809568A (zh) * | 2012-08-28 | 2012-12-05 | 广东电网公司佛山供电局 | 绝缘子污秽分布监测方法和系统 |
| JP2013188157A (ja) * | 2012-03-13 | 2013-09-26 | Nippon Telegr & Teleph Corp <Ntt> | 微細藻類濃度決定方法および装置 |
| CN105738364A (zh) * | 2015-12-28 | 2016-07-06 | 清华大学深圳研究生院 | 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置 |
| JP2017003475A (ja) * | 2015-06-11 | 2017-01-05 | 日本電信電話株式会社 | 微細藻類成分量測定方法およびその装置 |
| JP2019158618A (ja) * | 2018-03-13 | 2019-09-19 | 一般財団法人電力中央研究所 | 藻類の付着測定装置 |
| CN110823863A (zh) * | 2019-10-31 | 2020-02-21 | 中国南方电网有限责任公司电网技术研究中心 | 一种绝缘材料表面的藻类检测方法、装置和设备 |
| CN111626326A (zh) * | 2020-04-13 | 2020-09-04 | 广州博进信息技术有限公司 | 一种复杂背景下大区域多目标硅藻提取与识别方法 |
-
2020
- 2020-09-28 CN CN202011039696.0A patent/CN111986201B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013188157A (ja) * | 2012-03-13 | 2013-09-26 | Nippon Telegr & Teleph Corp <Ntt> | 微細藻類濃度決定方法および装置 |
| CN102809568A (zh) * | 2012-08-28 | 2012-12-05 | 广东电网公司佛山供电局 | 绝缘子污秽分布监测方法和系统 |
| JP2017003475A (ja) * | 2015-06-11 | 2017-01-05 | 日本電信電話株式会社 | 微細藻類成分量測定方法およびその装置 |
| CN105738364A (zh) * | 2015-12-28 | 2016-07-06 | 清华大学深圳研究生院 | 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置 |
| JP2019158618A (ja) * | 2018-03-13 | 2019-09-19 | 一般財団法人電力中央研究所 | 藻類の付着測定装置 |
| CN110823863A (zh) * | 2019-10-31 | 2020-02-21 | 中国南方电网有限责任公司电网技术研究中心 | 一种绝缘材料表面的藻类检测方法、装置和设备 |
| CN111626326A (zh) * | 2020-04-13 | 2020-09-04 | 广州博进信息技术有限公司 | 一种复杂背景下大区域多目标硅藻提取与识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111986201A (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986201B (zh) | 一种绝缘子的表面藻类密度的测算方法和装置 | |
| Zhang et al. | Determining digital hemispherical photograph exposure for leaf area index estimation | |
| Guo et al. | Biomass and vegetation coverage survey in the Mu Us sandy land-based on unmanned aerial vehicle RGB images | |
| Mohamed et al. | An evaluation of inexpensive methods for root image acquisition when using rhizotrons | |
| CN102331244B (zh) | 利用普通数码相机获取水稻冠层叶面积指数的方法 | |
| CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
| CN113393460B (zh) | 基于图像处理的烟丝质量参数检测方法及系统 | |
| CN110376214B (zh) | 基于高光谱技术的绝缘子污秽度非接触检测方法 | |
| CN115372551B (zh) | 一种监测天麻蜜环菌菌种质量系统 | |
| CN108776106A (zh) | 一种基于无人机低空遥感的作物长势监测方法及系统 | |
| CN115936532B (zh) | 基于bp神经网络的盐碱地稳定性评估方法及系统 | |
| CN114140691A (zh) | 基于无人机可见光图像预测作物倒伏角度和形态的方法 | |
| CN109030755A (zh) | 基于图像处理技术的粮食水分、千粒重以及容重的检测装置及方法 | |
| JP5534300B2 (ja) | リモートセンシングの検量線の作成方法 | |
| CN117557806A (zh) | 硅棒生长视觉监测方法、装置、设备及存储介质 | |
| Barman et al. | Predication of soil pH using K mean segmentation and HSV color image processing | |
| CN108490150A (zh) | 土壤水分传感器的室内高精度绝对定标方法 | |
| Patterson et al. | Effects of photographic distance on tree crown attributes calculated using UrbanCrowns image analysis software | |
| CN115508288A (zh) | 一种基于掩码正态拟合的茶汤混浊度测定方法 | |
| CN114399669A (zh) | 目标检测方法和装置 | |
| Smika et al. | Surface Area Measurement of Corn Root Systems 1 | |
| CN111257854B (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
| Rozenbergar et al. | Comparison of four methods for estimating relative solar radiation in managed and old-growth silver fir-beech forest | |
| CN113343464A (zh) | 一种基于果径无损观测的番茄果实糖分高效预测改进方法 | |
| CN110554406B (zh) | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210918 Address after: No. 11, Kexiang Road, Science City, Huangpu District, Guangzhou City, Guangdong Province Applicant after: China South Power Grid International Co.,Ltd. Applicant after: Tsinghua Shenzhen International Graduate School Applicant after: MAINTENANCE & TEST CENTRE, CSG EHV POWER TRANSMISSION Co. Address before: No. 11, Kexiang Road, Science City, Huangpu District, Guangzhou City, Guangdong Province Applicant before: China South Power Grid International Co.,Ltd. Applicant before: Tsinghua Shenzhen International Graduate School |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |