CN112541455B - 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 - Google Patents

一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 Download PDF

Info

Publication number
CN112541455B
CN112541455B CN202011516369.XA CN202011516369A CN112541455B CN 112541455 B CN112541455 B CN 112541455B CN 202011516369 A CN202011516369 A CN 202011516369A CN 112541455 B CN112541455 B CN 112541455B
Authority
CN
China
Prior art keywords
electric pole
pole
aerial vehicle
unmanned aerial
image
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
CN202011516369.XA
Other languages
English (en)
Other versions
CN112541455A (zh
Inventor
徐恒博
王磊
彭磊
孙芊
戚建军
罗松涛
唐欣
牛荣泽
李宗峰
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.)
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Henan Electric Power Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011516369.XA priority Critical patent/CN112541455B/zh
Publication of CN112541455A publication Critical patent/CN112541455A/zh
Application granted granted Critical
Publication of CN112541455B publication Critical patent/CN112541455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法，属于电力输送系统配网安全运行与维护技术领域，包含以下步骤：S1：获取电杆GPS数据；S2：电杆编号；S3：巡检路径规划；S4：无人机图像获取；S5：图像预处理；S6：权重赋值；S7：倒断杆概率计算及事故预测；S8：给出应对措施；S9：建立配网电杆数据库。本发明通过定航巡检无人机对配网线路定期进行检查，对混凝土电杆的在役运行状态参数特征：位置、外观、周围环境、埋深、回路形式等进行提取，并结合服役时间和当地气象数据，对电杆倒断杆事故进行预测，然后采取应对措施，以提高配网运行的安全性和可靠性。

Description

一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法
技术领域
本发明涉及电力输送系统配网安全运行与维护技术领域，具体涉及一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法。
背景技术
配电网是连接输电网和各类用户的最后一段，而在配电网中大多采用的是混凝土电杆，保证电杆正常稳定工作对生产生活意义重大，因此需对电杆进行定期巡检。目前，在电杆状况勘探过程中，常见的方法主要是以人工现场检测为主，人工巡检具有效率低、劳动强度大、危险系数高等缺点，在山区高原等地势复杂的情况下，更是使得巡检任务变得异常艰难。
公开号为CN110929646A的专利文献公开了一种基于无人机航拍图像的配电杆塔倒断信息快速识别方法，包括以下步骤：步骤S1：对无人机航拍图像的配电杆塔信息进行人工标注，将配电杆塔划分为正常和倒断两类，生成XML格式文件并进行预处理；步骤S2：对标注框进行聚类分析确定4个锚定框；步骤S3：建立配电杆塔倒断信息快速识别模型并设计损失函数进行误差反向传播的训练，得到最优权重；步骤S4：将最优权重应用于配电杆塔倒断信息快速识别模型，最终获得正常和倒断配电杆塔的位置信息，完成倒断信息的快速识别。该方法具有快速、轻量的特点，用于实时处理海量的无人机航拍图像数据，适用于移动端或设备端，并促进未来无人机航拍配电杆塔图像处理的智能化，但是不能对电杆倒断事故进行预测。
公开号为CN110245644A的专利文献公开了一种基于深度学习的无人机图像输电杆塔倒伏识别的方法，首先制作训练数据集和验证数据集，数据集包括两种类别的无人机图像，分别是不同背景下的直立杆塔以及倒伏杆塔；然后建立深度学习模型，分别以ResNet为基础的Faster R-CNN网络和以Darknet-53为基础的Yolov3网络作为深度学习目标检测的基础网络结构；接着进行数据增强，并对深度学习模型进行训练，然后固化与测试检测模型，并进行模型融合，最后利用融合后的模型对杆塔图像进行识别。该方法利用深度学习目标检测方法，实现了巡检过程中对输电杆塔的识别及故障检测，但是不能对电杆倒断事故进行预测。
发明内容
有鉴于此，本发明提供了一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法。
为解决上述技术问题，本发明所采取的技术方案是：
一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法，包含以下步骤：
S1：获取电杆GPS数据：依靠GPS定位仪获取待测电杆的具体位置坐标；
S2：电杆编号：将获取到具体位置的电杆依序编制成号；
S3：巡检路径规划：依托定航巡检无人机，按照编制好的电杆序号位置设定无人机巡检路线；
S4：无人机图像获取：通过无人机摄像头实时获取电杆现场的图像并传输到处理设备上；
S5：图像预处理：将采集到的图像进行分析处理；
S6：权重赋值：根据各因素对电杆倒断杆实际影响的大小，对各因素赋予不同的权重；
S7：倒断杆概率计算及事故预测：根据各项影响倒断杆因素所占权重，并结合历史气象数据、电杆服役年限、当地土质条件，对电杆倒断杆概率进行计算并预测事故；
S8：给出应对措施：分析倒断杆事故的原因，总结出应对措施；
S9：建立配网电杆数据库：将数据储存在数据库中，运用大数据技术及对比各杆实际中的倾覆情况，对上述分配的权重进行修正。
进一步的，所述步骤S5中，图像预处理包括对图像进行噪声处理、图像增强处理。
进一步的，所述步骤S6中，通过图像对电杆周围环境特征进行提取、对电杆埋深进行建模计算、对电杆的倾斜度进行判定、对电杆外观特征进行识别，并结合当地的影响倒断杆因素进行权重分配。
进一步的，所述步骤S6中，影响倒断杆因素包括历史气象数据、电杆服役年限、当地土质条件。
进一步的，所述步骤S9中，数据库存储的数据包括电杆的GPS数据、电杆编号、无人机探测数据、影响倒断杆因素、权重分配、历史倒断杆情况。
随着电网规模的不断扩大，对电力线路的安全运行和供电可靠性的要求越来越高，输电线路的运维检修成为了电力部门重要的工作内容。混凝土电杆分布于全国各地，支撑起架空导线的正常运行，由于所涉地形环境复杂，免不了遭受地质条件、恶劣气候、工程施工等各种因素的影响，电杆地基就会出现不稳定状态，出现倾斜、断裂等现象，长期得不到有效解决，将会严重影响电网的安全运行。本领域的技术人员的常规思路是对电杆进行监控，比如，公开号为CN204514385U的专利公开了一种输电杆塔倾斜监控系统，属于输电杆塔在线监测领域；提供一种能够实时、高精度测量输电杆塔状态的装置；采用的技术方案是：一种输电杆塔倾斜监控系统，包括：设置在电力监控中心的监控中心计算机和多个安装在输电杆塔上的倾斜监控终端，所述倾斜监控终端通过无线通讯网络与监控中心计算机相连进行通讯，所述倾斜监控终端之间通过无线通讯网络相连进行通讯。再如，公开号为CN107909769A的专利文献公开了一种电杆的倾斜检测装置和防倾斜设备，电杆的倾斜检测装置，包括：倾斜传感器检测电杆相对于重力方向倾斜的当前角度，将当前角度发送给控制器；控制器将当前角度与预设角度进行比对，如果当前角度大于预设角度，则向报警装置发送报警信息；GPRS定位装置将电杆的位置信息发送给用户终端；防倾斜设备包括电杆的倾斜检测装置，还包括底座，底座的底部两端分别设置有第一限位装置和第二限位装置，底座中部设置有凹槽，凹槽内设置有支撑部；支撑部内设置有内转轴，内转轴上设置有套筒，套筒内的侧壁上设置有螺旋槽，以及插入套筒内并与螺旋槽相匹配的支撑轴，可以通过倾斜传感器及时检测电杆倾斜情况，防倾斜设备支撑电杆，防止电杆倾斜。这些装置和方法都是对电杆的倾斜度进行检测，而不能对电杆倒断进行预测。
本发明的有益效果是：
本发明的目的是解决倒断杆给供电抢修带来的困难以及给生产生活带来的不便，预先对电杆可靠性进行预测，及时采取有针对性的预防措施，同时解决工程上依靠工人对电杆巡检的不足而提供的一种加强安全性，降低人员工作危险程度，提高检测效率的方法。
使用定航巡检无人机实时采集现场电杆图像，通过图像处理等方法对电杆外观、周围环境、回路形式、埋深等特征参数进行分析识别，对巡检路线上的电杆进行编号和影响倒杆的参数赋予不同的权重，结合电杆运行状态参数和当地气象历史数据，计算出每个电杆倒杆的概率及获取倒杆概率最大电杆的编号及位置，便于运维人员及时做出检修策略，同时搭建专项数据库，运用大数据等技术对权重进行修正和对电杆可靠性进行预测评估。
本发明是依托具有定航巡检功能的无人机，运用机器视觉和大数据等技术，对电杆倒断杆事故做出预测，便于及时采取有针对性的预防措施，同时解决了电杆倒杆常规检测安全性和复杂性的问题，提高了工作效率，同时保证了对电杆倒杆几率预估的客观性，节省了大量人力物力，使得结果数据更加客观准确、便于查询。
附图说明
下面结合附图对本发明作进一步的详细说明。
图1是本发明基于机器视觉的配网混凝土电杆倒断杆事故预测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图1，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法，包含以下步骤：
S1：获取电杆GPS数据：依靠GPS定位仪获取待测电杆的具体位置坐标；
S2：电杆编号：指的是根据GPS定位仪获取的位置，将待检测的电杆依序编制成号，便于将事故电杆与编号对应起来；
S3：巡检路径规划：依托定航巡检无人机，按照编制好的电杆序号位置设定无人机巡检路线；每次执行任务前，新建本次无人机的航线，将各个电杆的位置记录为航点及设定好无人机的朝向，然后控制无人机飞到起始点按照记录的航点开始进行巡检；
S4：无人机图像获取：通过无人机摄像头实时获取电杆现场的图像，将采集到图像通过网络协议或者硬盘设备传输到电脑端，对采集到的图像进行分析处理；
S5：图像预处理：无人机在采集现场时，由于天气或者周围环境等因素，会造成图像出现噪声或者抖动等，对后续的分析处理造成一定的困难，因此，在图像分析处理前，应首先对图像进行图像去噪、图像增强等预处理；
S6：权重赋值：通过图像对电杆周围环境特征进行提取、对电杆埋深进行建模计算、对电杆的倾斜度进行判定、对电杆外观特征进行识别，并结合当地的历史气象数据、电杆服役年限、土质条件等影响倒断杆因素进行权重分配，各权重之和为1，对倒杆影响大的权重大，影响小的权重就小；
S7：倒断杆概率计算及事故预测：根据图像处理和深度学习等技术，对电杆附近的水坑、大树等环境特征进行提取，利用双目视觉对电杆进行建模并得到地面电杆高度，根据国家标准电杆长度，算出电杆地下埋深长度，同时对电杆外观、倾斜度和回路形式进行判定，然后综合影响当地历史气象数据、土质条件和电杆服役年限及各项分配的权重，对电杆进行一个可靠性分析，计算出各杆倒断杆的概率，对事故进行提前预测、指导运行维护人员及时做出相应的检修策略；
将气象数据、电杆服役年限、地质条件、环境特征、电杆埋深、电杆倾斜度、电杆外观及电杆回路形式进行分级、并按照对应的级别进行影响倒杆概率赋值，设为Nij，i对应上述八项影响倒杆主要因素，j对应各杆在该因素所占的级别，再结合各因素的权重
Figure DEST_PATH_IMAGE002
，最后倒杆概率的计算方法为/>
Figure DEST_PATH_IMAGE004
；
S8：给出应对措施：根据预测的结果，对倒断杆进行分析，得出各因素对倒断杆造成的影响，总结出应对措施；
预测结果分为以下几种：
①电杆基础不牢固，造成电杆倾倒。
应对措施：电杆基础应根据当地的运行经验、材料来源、地质情况等条件进行设计，必要时应安装底盘、卡盘或浇筑混凝土进行固定。
②电杆安装位置不合适，如安装在松软土地、水田里、低洼地段等土质松软的地方造成电杆倾倒。
应对措施：不得随意违反线路设计规程规定，将电杆安装在水田、水沟等地，如必须安装在此路段时，则应采取相应的措施进行加固、防护。在雨季到来之前，把电杆基础填高加固，制定有针对性的排水、防汛措施，对可能被水冲的电杆应及时加打围桩或拉线,准备好相应的备品备件，当发现电杆腐蚀后，应及时涂刷防腐油膏，防止锈蚀进一步扩大。
③电杆埋深深度不够，造成电杆倾倒。
应对措施：电杆埋深应根据电杆的荷载、抗弯强度和土壤的特性综合考虑。在电杆埋设过程中，必须严格执行架空配电线路施工及验收标准，严把施工质量，确保架空配电线路安全稳定运行。
④恶劣气候环境频发，造成电杆倾倒。
应对措施：提升导线设备耐振性能，降低导线震动能量，加强线路的检修与维护。
S9：建立配网电杆数据库：将电杆的GPS数据、电杆编号、无人机探测数据、影响倒断杆因素、权重分配、历史倒断杆情况等关键数据储存到数据库中，一方面有利用数据增删改查，另一方面也便于绘制统计表格等；同时当人为给影响倒杆各项因素分配的权重和实际权重有差入时，依靠倒杆配网电杆数据库中的数据，运用大数据技术及对比各杆实际中的倾覆情况，还可分配的权重进行修正，使其与实际情况保持一致。
本发明基于机器视觉技术对电杆状态参数进行提取，包括电杆的位置、外观、周围环境、埋深、回路形式等；
电杆倒断杆的预估方法，综合考虑上述不同因素，分别进行权重赋值，结合电杆当地地质条件和历史气象数据，算出各个电杆的倒断杆几率，得出最大几率倒杆的编号及位置，便于运行维护人员及时采取相应的措施进行维护，避免倒杆带来的损失；
权重修正，依靠倒杆配网电杆数据库中的数据，运用数据挖掘技术对人为给定的权重进行修正。
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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法，其特征在于：包含以下步骤：
S1：获取电杆GPS数据：依靠GPS定位仪获取待测电杆的具体位置坐标；
S2：电杆编号：指的是根据GPS定位仪获取的位置，将待检测的电杆依序编制成号，便于将事故电杆与编号对应起来；
S3：巡检路径规划：依托定航巡检无人机，按照编制好的电杆序号位置设定无人机巡检路线；每次执行任务前，新建本次无人机的航线，将各个电杆的位置记录为航点及设定好无人机的朝向，然后控制无人机飞到起始点按照记录的航点开始进行巡检；
S4：无人机图像获取：通过无人机摄像头实时获取电杆现场的图像，将采集到图像通过网络协议或者硬盘设备传输到电脑端，对采集到的图像进行分析处理；
S5：图像预处理：无人机在采集现场时，由于天气或者周围环境因素，会造成图像出现噪声或者抖动，对后续的分析处理造成困难，因此，在图像分析处理前，应首先对图像进行图像去噪、图像增强预处理；
S6：权重赋值：通过图像对电杆周围环境特征进行提取、对电杆埋深进行建模计算、对电杆的倾斜度进行判定、对电杆外观特征进行识别，并结合当地的历史气象数据、电杆服役年限、土质条件，影响倒断杆因素进行权重分配，各权重之和为1，对倒杆影响大的权重大，影响小的权重就小；
S7：倒断杆概率计算及事故预测：根据图像处理和深度学习技术，对电杆附近的水坑、大树环境特征进行提取，利用双目视觉对电杆进行建模并得到地面电杆高度，根据国家标准电杆长度，算出电杆地下埋深长度，同时对电杆外观、倾斜度和回路形式进行判定，然后综合影响当地历史气象数据、土质条件和电杆服役年限及各项分配的权重，对电杆进行一个可靠性分析，计算出各杆倒断杆的概率，对事故进行提前预测、指导运行维护人员及时做出相应的检修策略；
将气象数据、电杆服役年限、地质条件、环境特征、电杆埋深、电杆倾斜度、电杆外观及电杆回路形式进行分级、并按照对应的级别进行影响倒杆概率赋值，设为Nij，i对应上述八项影响倒杆主要因素，j对应各杆在该因素所占的级别，再结合各因素的权重ωi，最后倒杆概率的计算方法为P=Nij*ωi；
S8：给出应对措施：根据预测的结果，对倒断杆进行分析，得出各因素对倒断杆造成的影响，总结出应对措施；
预测结果分为以下几种：
①电杆基础不牢固，造成电杆倾倒；
应对措施：电杆基础应根据当地的运行经验、材料来源、地质情况条件进行设计，应安装底盘、卡盘或浇筑混凝土进行固定；
②电杆安装位置不合适，安装在松软土地、水田里、低洼地土质松软的地方造成电杆倾倒；
应对措施：不得随意违反线路设计规程规定，将电杆安装在水田、水沟地路段时，则应采取相应的措施进行加固、防护；在雨季到来之前，把电杆基础填高加固，制定有针对性的排水、防汛措施，对被水冲的电杆应及时加打围桩或拉线,准备好相应的备品备件，当发现电杆腐蚀后，应及时涂刷防腐油膏，防止锈蚀进一步扩大；
③电杆埋深深度不够，造成电杆倾倒；
应对措施：电杆埋深应根据电杆的荷载、抗弯强度和土壤的特性综合考虑；在电杆埋设过程中，必须严格执行架空配电线路施工及验收标准，严把施工质量，确保架空配电线路安全稳定运行；
④恶劣气候环境频发，造成电杆倾倒；
应对措施：提升导线设备耐振性能，降低导线震动能量，加强线路的检修与维护；
S9：建立配网电杆数据库：将电杆的GPS数据、电杆编号、无人机探测数据、影响倒断杆因素、权重分配、历史倒断杆情况关键数据储存到数据库中，一方面有利用数据增删改查，另一方面也便于绘制统计表格；同时当人为给影响倒杆各项因素分配的权重和实际权重有差入时，依靠倒杆配网电杆数据库中的数据，运用大数据技术及对比各杆实际中的倾覆情况，还可分配的权重进行修正，使其与实际情况保持一致。
CN202011516369.XA 2020-12-21 2020-12-21 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 Active CN112541455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011516369.XA CN112541455B (zh) 2020-12-21 2020-12-21 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011516369.XA CN112541455B (zh) 2020-12-21 2020-12-21 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法

Publications (2)

Publication Number Publication Date
CN112541455A CN112541455A (zh) 2021-03-23
CN112541455B true CN112541455B (zh) 2023-07-07

Family

ID=75019285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011516369.XA Active CN112541455B (zh) 2020-12-21 2020-12-21 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法

Country Status (1)

Country Link
CN (1) CN112541455B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537119B (zh) * 2021-07-28 2022-08-30 国网河南省电力公司电力科学研究院 基于改进Yolov4-tiny的输电线路连接部件检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203479298U (zh) * 2013-09-26 2014-03-12 云南电网公司临沧供电局 一种高压输电杆塔监测系统
CN105091857A (zh) * 2015-07-16 2015-11-25 通号通信信息集团有限公司 铁塔状态检测的方法及系统
CN105333861A (zh) * 2015-12-02 2016-02-17 中国测绘科学研究院 基于激光点云的杆塔倾斜检测的方法及装置
CN108413936A (zh) * 2018-02-02 2018-08-17 武汉烽火技术服务有限公司 一种基于数据分析的塔体倾斜监测管理方法及系统
KR20200009310A (ko) * 2018-07-18 2020-01-30 한국전력공사 전력설비 감시 장치 및 방법
CN110929646A (zh) * 2019-11-22 2020-03-27 国网福建省电力有限公司 一种基于无人机航拍图像的配电杆塔倒断信息快速识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106199657B (zh) * 2016-09-07 2019-03-19 国网辽宁省电力有限公司辽阳供电公司 一种输电线路杆塔北斗gps双模定位导航系统
CN106355580B (zh) * 2016-09-22 2020-07-14 云南电网有限责任公司电力科学研究院 一种杆塔倾倒的检测方法及装置
CN106679625B (zh) * 2016-12-05 2019-06-21 安徽继远软件有限公司 基于北斗系统的广域范围电力铁塔高精度形变监测方法
CN109407128A (zh) * 2018-10-18 2019-03-01 国网福建省电力有限公司 一种输电线路杆塔位移监测系统及方法
CN111274880A (zh) * 2020-01-10 2020-06-12 丽水正阳电力建设有限公司 一种视频智能分析辅助巡检与异常告警方法
CN111262341B (zh) * 2020-01-19 2020-12-11 广东卓维网络有限公司 一种杆塔监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203479298U (zh) * 2013-09-26 2014-03-12 云南电网公司临沧供电局 一种高压输电杆塔监测系统
CN105091857A (zh) * 2015-07-16 2015-11-25 通号通信信息集团有限公司 铁塔状态检测的方法及系统
CN105333861A (zh) * 2015-12-02 2016-02-17 中国测绘科学研究院 基于激光点云的杆塔倾斜检测的方法及装置
CN108413936A (zh) * 2018-02-02 2018-08-17 武汉烽火技术服务有限公司 一种基于数据分析的塔体倾斜监测管理方法及系统
KR20200009310A (ko) * 2018-07-18 2020-01-30 한국전력공사 전력설비 감시 장치 및 방법
CN110929646A (zh) * 2019-11-22 2020-03-27 国网福建省电力有限公司 一种基于无人机航拍图像的配电杆塔倒断信息快速识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于卡尔曼滤波的电力杆塔倾斜监测系统研究;王涛;王锬;;信息技术与信息化(第10期);第118-122页 *

Also Published As

Publication number Publication date
CN112541455A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
US10818003B2 (en) High-precision intelligent detection method for bridge diseases based on spatial position
KR102112046B1 (ko) 시설물 안전진단 및 유지관리 방법
WO2017043276A1 (ja) 損傷情報抽出装置、損傷情報抽出方法および損傷情報抽出プログラム
CN106056247B (zh) 一种用于城市内涝情境下最优交通路径的选取方法
JP6454790B2 (ja) 健全度判定装置、健全度判定方法および健全度判定プログラム
CN110858334A (zh) 道路安全评估方法、装置及道路安全预警系统
CN106679625A (zh) 基于北斗系统的广域范围电力铁塔高精度形变监测方法
CN103779808A (zh) 基于LiDAR的输电线路智能巡检系统
CN112541455B (zh) 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法
CN117994462B (zh) 数字化矿山地形模型建立方法
JP6705036B1 (ja) 鋼管柱劣化予測システム
CN116597604A (zh) 装配式智慧工地安全预警系统、方法、设备和介质
CN116993163A (zh) 一种水利水电工程施工安全监管系统及方法
CN110173305B (zh) 断层处隧道结构全寿命监测预警方法
CN115096268A (zh) 基于无人机航拍及超声波探测的桥梁损伤深度检测方法
CN114998197A (zh) 一种基于无人机的变电站土建结构健康监测系统
CN114663840A (zh) 隧道环境的巡检设备监控方法及系统
CN111062084A (zh) 一种市政桥梁工程施工监理用系统
CN114359137A (zh) 一种星地融合的输电线路外破监测方法及装置
CN112084553B (zh) 一种用于隧道规划的勘测方法
CN108027949A (zh) 修复计划制定支援系统、方法及程序
CN115496399B (zh) 基于无人机的基坑勘测任务即时更新分配方法及系统
CN116629613A (zh) 一种深基坑三级梯次联合支护施工技术的风险评估方法
CN115937539A (zh) 一种基于多信号决策的电缆井监测预警方法及系统
CN107916678B (zh) 基于bim的沉管施工系统及方法

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