CN112584095A - 一种基于3d卷积技术的智能杆塔防外破监控方法 - Google Patents

一种基于3d卷积技术的智能杆塔防外破监控方法 Download PDF

Info

Publication number
CN112584095A
CN112584095A CN202011333891.4A CN202011333891A CN112584095A CN 112584095 A CN112584095 A CN 112584095A CN 202011333891 A CN202011333891 A CN 202011333891A CN 112584095 A CN112584095 A CN 112584095A
Authority
CN
China
Prior art keywords
point
interval time
feature point
characteristic
scanning
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
Application number
CN202011333891.4A
Other languages
English (en)
Inventor
杨冬
章耀辉
张忠
张宿新
唐磊
陈谷雨
沈留杨
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.)
MaAnshan Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
MaAnshan Power Supply Co of State Grid Anhui 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, MaAnshan Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011333891.4A priority Critical patent/CN112584095A/zh
Publication of CN112584095A publication Critical patent/CN112584095A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras
    • H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Power Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于3D卷积技术的智能杆塔防外破监控方法，涉及3D卷积识别技术领域。该基于3D卷积技术的智能杆塔防外破监控方法通过AI智能图像分析技术实现外破危险因素监测识别，通过3D双目识别技术实现危险情况的监测距离自识别和预判，并基于边缘计算技术实现现场海量视频数据的前端计算分析，再将分析结果实时传回指挥中心。智能杆塔防外破监控系统可通过样本训练识别树木倾倒、吊车扬臂、异物悬浮等诸多外破因素，并通过3D卷积目标检测技术自动识别监测距离预判危险。在节省大量人力的同时，有效提高防外破工作的监控效率和精度，增强主动预警能力。

Description

一种基于3D卷积技术的智能杆塔防外破监控方法
技术领域
本发明涉及3D卷积识别技术领域，具体为一种基于3D卷积技术的智能杆塔防外破监控方法。
背景技术
树木倾倒、吊车泵车违章施工作业、风筝挂载输电线等外破行为会严重影响杆塔及输电线路的安全稳定运行，但依靠人工视频监控的传统防外破工作模式主要存在以下几个问题：1、需要人工24小时连续监控作业，但大部分时间均无外破行为发生，人工劳动强度大却效率低下；2、严重依赖工作人员的工作状态；3、安全隐患点众多、全面覆盖需投入的人力资源巨大；4、实际运行情况往往是视频监控预警的实时性差，监控视频资料主要用于事后调查取证。因此，为了保障电网的安全运行，必将通过自动化的图像分析技术替代人工进行视频监控分析工作，解决实效性、稳定性、工作效率等问题。
智能杆塔防外破监控系统可广泛应用于电力杆塔和输电线路中外力破坏监控和预警环节，对外力破坏电力设施而引起的事故和故障起到根本性的预警作用。当系统监测到危险情况时自动生成告警信息和分析报告，并可通过灵活的组网方式以各种消息形式向后端监控分析中心和值班人员推送告警数据，提示相关人员进行处理，同时也可通过IP高音喇叭播放语言的形式制止现场危险作业。
应用智能杆塔防外破监控系统可取得可观的经济效益和社会效益：对于巡视人员不易到达的地区，可极大地减少巡视次数；系统的长期运行，能够有效减少由于外力破坏等因素引起的电力事故，提高输电网持久稳定运行的可靠性；由于提高了运行可靠性，实现了少停电、多供电，增加了整体经济效益。
国内外现有的输电线路杆塔状态智能监控的方法主要有：
(1)基于传感器信息融合的检测方法：监测终端杆塔部件的机械形变和结构破损情况。这种方法的缺点是只能对杆塔受损状态进行监控，不能对外物的违禁行为提前做出预警，不能做到防患于未然；
(2)基于视频流的传统目标检测算法：通过从视频流中隔帧抽取图片，采用传统算法对图像中是否出现外物进行监控。这种方法的缺点是检测结果不够精确，在雨雾天气及阴暗光照下检测效果极差，且不能对运动物体的连续行为进行判断；
(3)基于普通摄像头的二维图像检测。这种方法的缺点是图像没有深度信息，无法对外物的立体位置进行计算，若外物与杆塔发生平面上的重叠，无法判断外物的位置；
(4)智能辅助和人工结合的方式。即应用前述方法结合人工巡检复核的方式。这种方法的缺点是智能化程度依旧偏低、实时性差，仍需大量人力，无法完全实现自动监控。
目前技术领域虽然存在众多计算机视觉和卷积深度神经网络方面的识别算法，但如何有效结合电力系统的特征和3D视觉技术，通过软硬件结合的方式实现电力系统的智能防外破监控，这方面的研究成果比较少。
于是，本申请人秉持多年该相关行业丰富的设计开发及实际制作的经验，针对现有的结构及缺失予以研究改良，提供一种基于3D卷积技术的智能杆塔防外破监控方法，以期达到更具有更加实用价值性的目的。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于3D卷积技术的智能杆塔防外破监控方法，解决了现有的3D视觉技术算法中没有有效结合电力系统特征的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于3D卷积技术的智能杆塔防外破监控方法，包括电缆塔、系统检测主机、双目摄像机、云台、语音播报喇叭和太阳能蓄电池供电模块，所述系统检测主机包括边缘计算服务器，所述双目摄像机与系统检测主机电性连接，所述双目摄像机通过云台安装在电缆塔上，所述系统检测主机与语音播报喇叭电性连接，所述电缆塔上安装有语音播报喇叭，所述太阳能蓄电池供电模块安装在电缆塔上，所述太阳能蓄电池供电模块与系统检测主机电性连接，还包括如下步骤：
步骤一：双目摄像机将30m范围内的物体采集扫描点,第一次扫描点集合
为A＝{(X1，Y1，Z1)}；
步骤二：双目摄像机在采集一次扫描点后间隔一段时间再采集扫描点，第二次扫描点集合为B＝{(X2，Y2，Z2)}；
步骤三：边缘计算服务器将第二次扫描点集合和第一次扫描点集合进行相减得到第一特征点集合C＝{(XN，YN，ZN)}；
步骤四：双目摄像机在采集第二次扫描点后间隔一段时间再采集扫描点，第三次扫描点集合为D＝{(X3，Y3，Z3)}；
步骤五：边缘计算服务器将第三次扫描点和第二次扫描点进相减得到第二特征点集合E＝{(XT，YT，ZT)}；
步骤六：以XY平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XY平面内所移动的距离；
步骤七：以XZ平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XZ平面内所移动的距离；
步骤八：结合步骤六和步骤七中第一特征点在间隔时间内到第二特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第一特征点在XYZ空间中的移动距离和移动方向；
步骤九：将第一特征点在XYZ空间中的移动距离除以间隔时间得到第一特征点的移动速度；
步骤十：结合第一特征点的移动速度和移动方向预算出从第二特征点采集后的下一间隔时间未来5分钟后第二特征点所在位置；
步骤十一：双目摄像机在采集第三次扫描点后间隔一段时间再采集扫描点，第四次扫描点集合为F＝{(X4，Y4，Z4)}；
步骤十二：边缘计算服务器将第四次扫描点和第三次扫描点进相减得到第三特征点集合E＝{(XY，YY，ZY)}；
步骤十三：以XY平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XY 平面内所移动的距离；
步骤十四：以XZ平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XZ 平面内所移动的距离；
步骤十五：结合步骤十三和步骤十四中第二特征点在间隔时间内到第三特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第二特征点在XYZ空间中的移动距离和移动方向；
步骤十六：将第二特征点在XYZ空间中的移动距离除以间隔时间得到第二特征点的移动速度；
步骤十七：结合第二特征点的移动速度和移动方向预算出从第三特征点采集后的下一间隔时间和未来5分钟后第三特征点所在位置；
步骤十八：将第二特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第二特征点的加速度和步骤十七中预算的第三特征点采集后的下一间隔时间后的所在位置结合分析第三特征点在未来的一个间隔时间后所在位置。
步骤十九：将第一特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第一特征点的加速度和步骤十中预算的第二特征点采集后的下一间隔时间后的所在位置结合分析第二特征点在未来的一个间隔时间后所在位置。
步骤二十：将电缆塔的扫描点植入系统检测主机，当系统检测主机预算到特征点可能会接触电缆塔时通过语音播报喇叭发出警报；
步骤二十一：当系统检测主机检测到特征点距离电缆塔10m时，系统检测主机发出警报。
优选的，所述步骤十八和步骤十九中的加速度从X方向和Y方向分解后进行分析。
优选的，所述扫描密度为每平方毫米双目摄像机光感传感器2500个点。
优选的，所述间隔时间为1秒。
(三)有益效果
本发明提供了一种基于3D卷积技术的智能杆塔防外破监控方法。具备以下有益效果：
该基于3D卷积技术的智能杆塔防外破监控方法通过AI智能图像分析技术实现外破危险因素监测识别，通过3D双目识别技术实现危险情况的监测距离自识别和预判，并基于边缘计算技术实现现场海量视频数据的前端计算分析，再将分析结果实时传回指挥中心。智能杆塔防外破监控系统可通过样本训练识别树木倾倒、吊车扬臂、异物悬浮等诸多外破因素，并通过3D卷积目标检测技术自动识别监测距离预判危险。在节省大量人力的同时，有效提高防外破工作的监控效率和精度，增强主动预警能力。
具体实施方式
下面将结合本发明实施例，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做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。
本发明提供一种技术方案：一种基于3D卷积技术的智能杆塔防外破监控方法，包括电缆塔、系统检测主机、双目摄像机、云台、语音播报喇叭和太阳能蓄电池供电模块，系统检测主机包括边缘计算服务器，双目摄像机与系统检测主机电性连接，双目摄像机通过云台安装在电缆塔上，系统检测主机与语音播报喇叭电性连接，电缆塔上安装有语音播报喇叭，太阳能蓄电池供电模块安装在电缆塔上，太阳能蓄电池供电模块与系统检测主机电性连接，还包括如下步骤：
步骤一：双目摄像机将30m范围内的物体采集扫描点,第一次扫描点集合为A＝{(X1，Y1，Z1)}；
步骤二：双目摄像机在采集一次扫描点后间隔一段时间再采集扫描点，第二次扫描点集合为B＝{(X2，Y2，Z2)}；
步骤三：边缘计算服务器将第二次扫描点集合和第一次扫描点集合进行相减得到第一特征点集合C＝{(XN，YN，ZN)}；
步骤四：双目摄像机在采集第二次扫描点后间隔一段时间再采集扫描点，第三次扫描点集合为D＝{(X3，Y3，Z3)}；
步骤五：边缘计算服务器将第三次扫描点和第二次扫描点进相减得到第二特征点集合E＝{(XT，YT，ZT)}；
步骤六：以XY平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XY平面内所移动的距离；
步骤七：以XZ平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XZ平面内所移动的距离；
步骤八：结合步骤六和步骤七中第一特征点在间隔时间内到第二特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第一特征点在XYZ空间中的移动距离和移动方向；
步骤九：将第一特征点在XYZ空间中的移动距离除以间隔时间得到第一特征点的移动速度；
步骤十：结合第一特征点的移动速度和移动方向预算出从第二特征点采集后的下一间隔时间未来5分钟后第二特征点所在位置；
步骤十一：双目摄像机在采集第三次扫描点后间隔一段时间再采集扫描点，第四次扫描点集合为F＝{(X4，Y4，Z4)}；
步骤十二：边缘计算服务器将第四次扫描点和第三次扫描点进相减得到第三特征点集合E＝{(XY，YY，ZY)}；
步骤十三：以XY平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XY 平面内所移动的距离；
步骤十四：以XZ平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XZ 平面内所移动的距离；
步骤十五：结合步骤十三和步骤十四中第二特征点在间隔时间内到第三特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第二特征点在XYZ空间中的移动距离和移动方向；
步骤十六：将第二特征点在XYZ空间中的移动距离除以间隔时间得到第二特征点的移动速度；
步骤十七：结合第二特征点的移动速度和移动方向预算出从第三特征点采集后的下一间隔时间和未来5分钟后第三特征点所在位置；
步骤十八：将第二特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第二特征点的加速度和步骤十七中预算的第三特征点采集后的下一间隔时间后的所在位置结合分析第三特征点在未来的一个间隔时间后所在位置。
步骤十九：将第一特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第一特征点的加速度和步骤十中预算的第二特征点采集后的下一间隔时间后的所在位置结合分析第二特征点在未来的一个间隔时间后所在位置。
步骤二十：将电缆塔的扫描点植入系统检测主机，当系统检测主机预算到特征点可能会接触电缆塔时通过语音播报喇叭发出警报；
步骤二十一：当系统检测主机检测到特征点距离电缆塔10m时，系统检测主机发出警报；
步骤十八和步骤十九中的加速度从X方向和Y方向分解后进行分析，扫描密度为每平方毫米双目摄像机光感传感器2500个点，间隔时间为1秒。
综上所述，该基于3D卷积技术的智能杆塔防外破监控方法通过AI智能图像分析技术实现外破危险因素监测识别，通过3D双目识别技术实现危险情况的监测距离自识别和预判，并基于边缘计算技术实现现场海量视频数据的前端计算分析，再将分析结果实时传回指挥中心。智能杆塔防外破监控系统可通过样本训练识别树木倾倒、吊车扬臂、异物悬浮等诸多外破因素，并通过3D卷积目标检测技术自动识别监测距离预判危险。在节省大量人力的同时，有效提高防外破工作的监控效率和精度，增强主动预警能力。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种基于3D卷积技术的智能杆塔防外破监控方法，包括电缆塔、系统检测主机、双目摄像机、云台、语音播报喇叭和太阳能蓄电池供电模块，所述系统检测主机包括边缘计算服务器，所述双目摄像机与系统检测主机电性连接，所述双目摄像机通过云台安装在电缆塔上，所述系统检测主机与语音播报喇叭电性连接，所述电缆塔上安装有语音播报喇叭，所述太阳能蓄电池供电模块安装在电缆塔上，所述太阳能蓄电池供电模块与系统检测主机电性连接，其特征在于：包括如下步骤：
步骤一：双目摄像机将30m范围内的物体采集扫描点,第一次扫描点集合为A＝{(X1，Y1，Z1)}；
步骤二：双目摄像机在采集一次扫描点后间隔一段时间再采集扫描点，第二次扫描点集合为B＝{(X2，Y2，Z2)}；
步骤三：边缘计算服务器将第二次扫描点集合和第一次扫描点集合进行相减得到第一特征点集合C＝{(XN，YN，ZN)}；
步骤四：双目摄像机在采集第二次扫描点后间隔一段时间再采集扫描点，
第三次扫描点集合为D＝{(X3，Y3，Z3)}；
步骤五：边缘计算服务器将第三次扫描点和第二次扫描点进相减得到第二特征点集合E＝{(XT，YT，ZT)}；
步骤六：以XY平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XY平面内所移动的距离；
步骤七：以XZ平面作为基准平面，对比第二特征点集合和第一特征点集合的区别并整合计算第一特征点在间隔时间内到第二特征集合点在XZ平面内所移动的距离；
步骤八：结合步骤六和步骤七中第一特征点在间隔时间内到第二特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第一特征点在XYZ空间中的移动距离和移动方向；
步骤九：将第一特征点在XYZ空间中的移动距离除以间隔时间得到第一特征点的移动速度；
步骤十：结合第一特征点的移动速度和移动方向预算出从第二特征点采集后的下一间隔时间未来5分钟后第二特征点所在位置；
步骤十一：双目摄像机在采集第三次扫描点后间隔一段时间再采集扫描点，第四次扫描点集合为F＝{(X4，Y4，Z4)}；
步骤十二：边缘计算服务器将第四次扫描点和第三次扫描点进相减得到第三特征点集合E＝{(XY，YY，ZY)}；
步骤十三：以XY平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XY平面内所移动的距离；
步骤十四：以XZ平面作为基准平面，对比第三特征点集合和第二特征点集合的区别并整合计算第二特征点在间隔时间内到第三特征集合点在XZ平面内所移动的距离；
步骤十五：结合步骤十三和步骤十四中第二特征点在间隔时间内到第三特征集合点分别在XY平面内所移动的距离、XZ平面内所移动的距离来计算出第二特征点在XYZ空间中的移动距离和移动方向；
步骤十六：将第二特征点在XYZ空间中的移动距离除以间隔时间得到第二特征点的移动速度；
步骤十七：结合第二特征点的移动速度和移动方向预算出从第三特征点采集后的下一间隔时间和未来5分钟后第三特征点所在位置；
步骤十八：将第二特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第二特征点的加速度和步骤十七中预算的第三特征点采集后的下一间隔时间后的所在位置结合分析第三特征点在未来的一个间隔时间后所在位置。
步骤十九：将第一特征点在XYZ空间中的移动距离对间隔时间进行两次求导得到第一特征点的加速度和步骤十中预算的第二特征点采集后的下一间隔时间后的所在位置结合分析第二特征点在未来的一个间隔时间后所在位置。
步骤二十：将电缆塔的扫描点植入系统检测主机，当系统检测主机预算到特征点可能会接触电缆塔时通过语音播报喇叭发出警报；
步骤二十一：当系统检测主机检测到特征点距离电缆塔10m时，系统检测主机发出警报。
2.根据权利要求1所述的一种基于3D卷积技术的智能杆塔防外破监控方法，其特征在于：所述步骤十八和步骤十九中的加速度从X方向和Y方向分解后进行分析。
3.根据权利要求1所述的一种基于3D卷积技术的智能杆塔防外破监控方法，其特征在于：所述扫描密度为每平方毫米双目摄像机光感传感器2500个点。
4.根据权利要求1所述的一种基于3D卷积技术的智能杆塔防外破监控方法，其特征在于：所述间隔时间为1秒。
CN202011333891.4A 2020-11-25 2020-11-25 一种基于3d卷积技术的智能杆塔防外破监控方法 Pending CN112584095A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011333891.4A CN112584095A (zh) 2020-11-25 2020-11-25 一种基于3d卷积技术的智能杆塔防外破监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011333891.4A CN112584095A (zh) 2020-11-25 2020-11-25 一种基于3d卷积技术的智能杆塔防外破监控方法

Publications (1)

Publication Number Publication Date
CN112584095A true CN112584095A (zh) 2021-03-30

Family

ID=75123400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011333891.4A Pending CN112584095A (zh) 2020-11-25 2020-11-25 一种基于3d卷积技术的智能杆塔防外破监控方法

Country Status (1)

Country Link
CN (1) CN112584095A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115297304A (zh) * 2022-10-08 2022-11-04 合肥中科类脑智能技术有限公司 一种输电线路的视觉监测系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105744232A (zh) * 2016-03-25 2016-07-06 南京第五十五所技术开发有限公司 一种基于行为分析技术的输电线路视频防外破的方法
CN107729807A (zh) * 2017-09-05 2018-02-23 南京理工大学 一体化防外破目标识别与智能预警系统
CN109257576A (zh) * 2018-11-19 2019-01-22 国网四川省电力公司成都供电公司 基于人工智能技术的输电线路防外破监控系统及方法
CN110827435A (zh) * 2019-10-28 2020-02-21 国网四川省电力公司成都供电公司 基于智能警示柱的外破监测方法、系统及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105744232A (zh) * 2016-03-25 2016-07-06 南京第五十五所技术开发有限公司 一种基于行为分析技术的输电线路视频防外破的方法
CN107729807A (zh) * 2017-09-05 2018-02-23 南京理工大学 一体化防外破目标识别与智能预警系统
CN109257576A (zh) * 2018-11-19 2019-01-22 国网四川省电力公司成都供电公司 基于人工智能技术的输电线路防外破监控系统及方法
CN110827435A (zh) * 2019-10-28 2020-02-21 国网四川省电力公司成都供电公司 基于智能警示柱的外破监测方法、系统及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115297304A (zh) * 2022-10-08 2022-11-04 合肥中科类脑智能技术有限公司 一种输电线路的视觉监测系统及方法

Similar Documents

Publication Publication Date Title
CN111342391B (zh) 一种输电线路绝缘子和线路故障巡视方法及巡视体系
CN114373245B (zh) 基于数字化电厂的智能巡检系统
CN102446390A (zh) 一种对输电线路附近监控区域进行安全检测、预警的方法和系统
CN108416294A (zh) 一种基于深度学习的风机叶片故障智能识别方法
CN111428617A (zh) 一种基于视频图像的配网违规检修行为的识别方法和系统
CN104077872A (zh) 一种基于图像识别的输电线路防外力监控预警方法
CN110766685A (zh) 一种基于遥感数据云检测的输电线路山火监测方法及系统
CN201803956U (zh) 一种变电站设备外观异常检测系统
CN107179479A (zh) 基于可见光图像的输电导线散股缺陷检测方法
CN114594490A (zh) 一种电力线路激光防外破方法和装置
CN107657260B (zh) 一种输电线路周边环境中地面隐患的检测方法
CN112584095A (zh) 一种基于3d卷积技术的智能杆塔防外破监控方法
CN110728212B (zh) 一种基于计算机视觉的道路井盖监控装置及监控方法
CN116152202A (zh) 基于图像识别技术和红外热成像技术的设备外观检测系统
CN114792405A (zh) 一种架空线路防异物入侵监测方法
CN108776453B (zh) 一种基于计算机的建筑安全监控系统
CN113177475A (zh) 一种基于深度学习目标检测的工地配电箱开关状态的识别方法
CN113179389A (zh) 一种输电线路危险车辆吊车扬臂识别系统及识别方法
CN112351247A (zh) 一种基于图像处理的水电厂内电光闪光检测方法
CN107609556B (zh) 一种输电线路环境中高空作业机械的检测方法
CN108573233B (zh) 一种基于图像处理技术的电网陶瓷绝缘子识别方法
CN212785620U (zh) 一种用于输电网络的监测系统
CN114442658A (zh) 输配电线路无人机自动巡检系统及其运行方法
CN115187880A (zh) 基于图像识别的通信光缆缺陷检测方法、系统及存储介质
CN113657621A (zh) 一种隐患监测方法和系统

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
TA01 Transfer of patent application right

Effective date of registration: 20220602

Address after: 243000 No.7 Huayu Road, Ma'anshan City, Anhui Province

Applicant after: STATE GRID ANHUI ELECTRIC POWER CO.,LTD. MAANSHAN POWER SUPPLY CO.

Address before: 100000 West Chang'an Avenue, Xicheng District, Xicheng District, Beijing

Applicant before: STATE GRID CORPORATION OF CHINA

Applicant before: STATE GRID ANHUI ELECTRIC POWER CO.,LTD. MAANSHAN POWER SUPPLY CO.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20210330

RJ01 Rejection of invention patent application after publication