CN112931482B - 一种杆塔驱鸟器 - Google Patents

一种杆塔驱鸟器 Download PDF

Info

Publication number
CN112931482B
CN112931482B CN202110056255.XA CN202110056255A CN112931482B CN 112931482 B CN112931482 B CN 112931482B CN 202110056255 A CN202110056255 A CN 202110056255A CN 112931482 B CN112931482 B CN 112931482B
Authority
CN
China
Prior art keywords
bird
value
frequency
tower
pixel point
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
CN202110056255.XA
Other languages
English (en)
Other versions
CN112931482A (zh
Inventor
陈曦
赵建喜
刘学敏
郭景祥
崔艳
周瑞阳
赵源民
侯鹏鹏
马彦博
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.)
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Jincheng Power Supply Co of State Grid Shanxi 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 Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202110056255.XA priority Critical patent/CN112931482B/zh
Publication of CN112931482A publication Critical patent/CN112931482A/zh
Application granted granted Critical
Publication of CN112931482B publication Critical patent/CN112931482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
    • A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
    • A01M29/18—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves using ultrasonic signals
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
    • A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Environmental Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Pest Control & Pesticides (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Insects & Arthropods (AREA)
  • Zoology (AREA)
  • Data Mining & Analysis (AREA)
  • Birds (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明提供了一种杆塔驱鸟器，通过在杆塔上设置具有图像采集模块以及麦克风的杆塔驱鸟器，可以采集杆塔图像和鸟类叫声信号，并对杆塔图像进行处理，根据处理结果判断杆塔附近是否出现鸟类，并在确定有鸟类的情况下，确定出杆塔上鸟类的第一名称；然后对鸟类叫声信号进行处理，当确定鸟类叫声信号是窄频信号时，说明杆塔周围确实存在有鸟类，然后生成驱鸟信号，对杆塔上的鸟类进行驱逐；与相关技术中人工进行杆塔上鸟类的驱赶方式相比，可以自动对杆塔上的鸟类进行驱逐。

Description

一种杆塔驱鸟器
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种杆塔驱鸟器。
背景技术
目前，我国土地分布范围广大，所包含的地质环境复杂多样。10KV、 35KV、或者110KV线路在线路运行过程中，鸟类在杆塔上筑巢是引起线路故障的最大原因。我国自然环境较好，鸟类资源较多，这导致运行杆塔上鸟类筑巢的情况十分普遍，需要对鸟巢进行及时清理，保障线路正常运行。
为了对杆塔上的鸟类进行驱逐，主要采取人工清除鸟巢的方式，但是人工巡视不仅工作量大而且条件艰苦，特别是对山区和跨河线路、夜间巡线检查。所花费时间长、人力成本极高，还有些地区仍然存在巡检项目人工巡查方法无法完成的情况。
发明内容
为解决上述问题，本发明实施例的目的在于提供一种杆塔驱鸟器。
第一方面，本发明实施例提供了一种杆塔驱鸟器，包括：控制器、图像采集模块、麦克风以及超声波发射装置；
所述控制器分别与所述图像采集模块、所述麦克风和所述超声波发射装置连接；所述图像采集模块、所述麦克风和所述超声波发射装置并排安装在杆塔上；其中，所述图像采集模块的图像采集方向与所述超声波发射装置发射超声波的方向、以及所述麦克风的声音采集方向一致；
所述图像采集模块，用于采集杆塔图像，并将采集的杆塔图像发送到所述控制器；
所述麦克风，用于采集鸟类发出的鸟类叫声信号，并将采集的鸟类叫声信号发送到所述控制器；
所述控制器，用于接收所述杆塔图像，对所述杆塔图像进行灰度处理，得到所述杆塔图像的灰度图像，并确定所述灰度图像中各像素点的RGB值和灰度值；
根据得到的各所述像素点的灰度值确定所述灰度图像中各所述像素点的灰度平均值和RGB平均值；
根据所述灰度平均值，确定补偿系数的调整值；
基于所述灰度平均值和所述补偿系数的调整值，计算补偿系数；
基于所述补偿系数和各所述像素点的RGB值，计算各所述像素点的RGB补偿值；
根据确定的所述RGB补偿值和所述RGB平均值，对各所述像素点的RGB值进行修正；
基于修正后的各所述像素点的RGB值，计算各所述像素点在 YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量；
根据各所述像素点在YCrCb颜色空间内的所述亮度分量、所述蓝色分量以及所述红色分量，得到所述灰度图像的YCrCb颜色空间图像，并通过所述YCrCb颜色空间图像确定鸟类检测区域；
对所述鸟类检测区域进行全局阈值分割处理，将从杆塔图像中分离出待确认的鸟图像；
获取鸟类图像数据库中存储的各种鸟类图像，分别对比待确认的鸟图像与所述各种鸟类图像的相似度，并将与所述待确认的鸟图像相似度最大的鸟类图像对应的鸟类名称，确定为所述杆塔图像中的鸟类的第一名称；
对所述鸟类叫声信号进行傅里叶变换，得到傅里叶变换后的鸟类叫声信号，并对所述傅里叶变换后的鸟类叫声信号进行采样，得到所述鸟类叫声信号的频率成分；其中，所述鸟类叫声信号的频率成分，包括：所述鸟类叫声信号的频率范围、所述频率范围内频率点的频率幅值、以及各所述频率点的初始相位；
分别计算各频率点与各所述频率点的相邻频率点之间的频率幅值的差值；
当所述频率点的频率幅值与所述频率点的相邻频率点之间的频率幅值的差值均大于等于频率差值阈值时，将所述频率点对应的鸟类叫声信号确定为窄频信号，以此确定杆塔上确实有鸟类出现；
获取所述鸟类叫声信号的频率成分对应的鸟类的第二名称，当所述鸟类的第二名称与所述鸟类的第一名称相同时，将所述鸟类的第一名称确定为所述鸟类的鸟类名；
获取与所述鸟类名对应的超声波信号频率，并利用所述鸟类名对应的超声波信号频率生成驱鸟信号；
将生成的驱鸟信号发送到超声波发射装置输出，以对杆塔上的鸟类驱逐。
本发明实施例上述第一方面提供的方案中，通过在杆塔上设置具有图像采集模块以及麦克风的杆塔驱鸟器，可以采集杆塔图像和鸟类叫声信号，并对杆塔图像进行处理，根据处理结果判断杆塔附近是否出现鸟类，并在确定有鸟类的情况下，确定出杆塔上鸟类的第一名称；然后对鸟类叫声信号进行处理，当确定鸟类叫声信号是窄频信号时，说明杆塔周围确实存在有鸟类，然后生成驱鸟信号，对杆塔上的鸟类进行驱逐；与相关技术中人工进行杆塔上鸟类的驱赶方式相比，可以自动对杆塔上的鸟类进行驱逐；而且在驱逐鸟类的过程中还对鸟类的鸟类叫声信号进行处理，并在确定鸟类叫声信号是窄频信号时，确定杆塔上确实存在鸟类的情况下，才对杆塔上的鸟类进行驱逐，从而利用鸟类叫声信号对杆塔上是否具有鸟类的情况进行二次校验，避免图像处理结果错误导致的误驱逐情况发生；再者，在杆塔图像处理过程中，对像素点的RGB值进行修正能够对杆塔图像进行光照补偿，可以增强不良天气情况下灰度图像的识别度；确定鸟类检测区域的过程使用了正二值矩阵和负二值矩阵，可以将杆塔图像中的鸟图像从不良天气情况下得到的阴暗的背景图像中分离出来，提高鸟类检测的准确率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种杆塔驱鸟器的结构示意图；
图2a示出了本发明实施例所提供的一种杆塔驱鸟器中，鸟类叫声信号的频率点与频率幅值的对应关系示意图1；
图2b示出了本发明实施例所提供的一种杆塔驱鸟器中，鸟类叫声信号的频率点与频率幅值的对应关系示意图2；
图2c示出了本发明实施例所提供的一种杆塔驱鸟器中，鸟类叫声信号的频率点与频率幅值的对应关系示意图3；
图3示出了本发明实施例所提供的一种杆塔驱鸟器中，鸟类正二值模板相应的正二值矩阵。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请做进一步详细的说明。
实施例
参见图1所示的一种杆塔驱鸟器的结构示意图，本实施例提出一种杆塔驱鸟器，包括：控制器100、图像采集模块102、麦克风104及超声波发射装置106。
所述控制器分别与所述图像采集模块、所述麦克风和所述超声波发射装置连接；所述图像采集模块、所述麦克风和所述超声波发射装置并排安装在杆塔上；其中，所述图像采集模块的图像采集方向与所述超声波发射装置发射超声波的方向、以及所述麦克风的声音采集方向一致。
所述图像采集模块，用于采集杆塔图像，并将采集的杆塔图像发送到所述控制器。
所述麦克风，用于采集鸟类发出的鸟类叫声信号，并将采集的鸟类叫声信号发送到所述控制器。
为了通过杆塔图像确定出杆塔上是否具有鸟类，所述控制器，用于执行以下步骤(1)至步骤(10)：
(1)接收所述杆塔图像，对所述杆塔图像进行灰度处理，得到所述杆塔图像的灰度图像，并确定所述灰度图像中各像素点的RGB值和灰度值；
(2)根据得到的各所述像素点的灰度值确定所述灰度图像中各所述像素点的灰度平均值和RGB平均值；
(3)根据所述灰度平均值，确定补偿系数的调整值；
(4)基于所述灰度平均值和所述补偿系数的调整值，计算补偿系数；
(5)基于所述补偿系数和各所述像素点的RGB值，计算各所述像素点的RGB补偿值；
(6)根据确定的所述RGB补偿值和所述RGB平均值，对各所述像素点的RGB值进行修正；
(7)基于修正后的各所述像素点的RGB值，计算各所述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量；
(8)根据各所述像素点在YCrCb颜色空间内的所述亮度分量、所述蓝色分量以及所述红色分量，得到所述灰度图像的YCrCb颜色空间图像，并通过所述YCrCb颜色空间图像确定鸟类检测区域；
(9)对所述鸟类检测区域进行全局阈值分割处理，将从杆塔图像中分离出待确认的鸟图像；
(10)获取鸟类图像数据库中存储的各种鸟类图像，分别对比待确认的鸟图像与所述各种鸟类图像的相似度，并将与所述待确认的鸟图像相似度最大的鸟类图像对应的鸟类名称，确定为所述杆塔图像中的鸟类的第一名称。
在上述步骤(1)中，在将杆塔图像转换成灰度图像后，控制器可以读取灰度图像中各像素点的灰度值并统计灰度图像中像素点的像素点数量，由于灰度图像中各像素点的红色(RED，R)值、绿色(GREEN， G)值以及蓝色(BLUE，B)值(R值、G值以及B值统称为RGB值) 都和该像素点的灰度值相同，那么通过读取到的灰度图像中各像素点的灰度值后，就可以得到灰度图像中各像素点的RGB值。
比如：像素点的灰度值是200，那么该像素点的R值、G值和B 值均为200。
为了增强天气不佳情况下得到的杆塔图像的灰度图像的识别度，可以继续执行步骤(2)至步骤(6)的流程计算RGB补偿值，并通过计算得到的RGB补偿值对灰度图像进行光照补偿。
在上述步骤(2)中，首先将灰度图像中所有像素点的灰度值累加后得到灰度累加值，然后利用得到的灰度累加值除以灰度图像中的像素点数量，就可以得到灰度图像中各上述像素点的灰度平均值。
而且，由于前面步骤(1)的描述可知，灰度图像中像素点的RGB 值与灰度值相同，所以得到各上述像素点的灰度平均值后，也就直接得到了各像素点的RGB平均值。
这里，上述像素点数量是控制器在得到健身者图像的灰度图像后确定的。
在上述步骤(3)，包括以下具体步骤(31)至步骤(35)：
(31)获取第一灰度阈值和第二灰度阈值；上述第一灰度阈值大于上述第二灰度阈值；
(32)对比上述灰度平均值分别与第一灰度阈值和第二灰度阈值的大小；
(33)当上述灰度平均值大于等于第一灰度阈值时，上述补偿系数的调整值为小于0的常数；
(34)当上述灰度平均值小于等于第二灰度阈值时，上述补偿系数的调整值为大于0的常数；
(35)当上述灰度平均值小于上述第一灰度阈值且大于上述第二灰度阈值时，上述补偿系数的调整值为0。
在上述步骤(31)中，上述第一灰度阈值和上述第二灰度阈值是预先存储在控制器中的，上述第一灰度阈值和上述第二灰度阈值是基于人工统计在强光、正常光、以及弱光等不同光照条件下曝光后得到的图像的灰度图的灰度值阈值。其中，上述第一灰度阈值，用于表示强光曝光得到图像的灰度图的最低灰度平均值；上述第二灰度阈值，用于表示弱光曝光得到图像的灰度图的最高灰度平均值。
在上述步骤(33)中，若上述灰度平均值大于等于第一灰度阈值，说明灰度图像的原图像是在强光曝光下得到的，为了增强灰度图像的识别度，应该稍微减弱灰度图像的灰度值，那么上述补偿系数的调整值为小于0的常数。
在一个实施方式中，当上述灰度平均值大于等于第一灰度阈值时，上述补偿系数的调整值可以为-0.02。
在上述步骤(34)中，若上述灰度平均值小于等于第二灰度阈值，说明灰度图像的原图像是在天气不佳或夜晚条件的弱光曝光下得到的，为了增强灰度图像的识别度，应该稍微增加灰度图像的灰度值，上述补偿系数的调整值为大于0的常数。
在一个实施方式中，当上述灰度平均值小于等于第二灰度阈值时，上述补偿系数的调整值可以为0.02。
在上述步骤(35)中，当上述灰度平均值小于上述第一灰度阈值且大于上述第二灰度阈值时，说明灰度图像的原图像是在正常光曝光下得到的，无需进行光照补偿，那么上述补偿系数的调整值为0。
在上述步骤(4)中，通过以下公式计算补偿系数：
Figure RE-GDA0003060012810000081
其中，μ表示补偿系数，A表示灰度平均值。
在上述步骤(5)中，通过以下公式计算各所述像素点的RGB补偿值：
Figure RE-GDA0003060012810000082
其中，Rb表示各像素点的红色补偿值，Gb各像素点的绿色补偿值， Bb表示各像素点的蓝色补偿值，R表示各像素点的红色值，G表示各像素点的绿色值，B表示各像素点的蓝色值，μ表示补偿系数。
在上述步骤(6)中，通过以下公式对各所述像素点的RGB值进行修正：
Figure RE-GDA0003060012810000091
其中，R’表示调整后的各像素点的红色值、G’表示调整后的各像素点的绿色值、B’表示调整后的各像素点的蓝色值，Rb表示各像素点的红色补偿值，Gb各像素点的绿色补偿值，Bb表示各像素点的蓝色补偿值，
Figure RE-GDA0003060012810000093
表示各像素点的红色平均值、
Figure RE-GDA0003060012810000095
表示各像素点的绿色平均值、
Figure RE-GDA0003060012810000094
表示各像素点的蓝色平均值。
通过以上的步骤(2)至步骤(6)的描述可以看出，先确定上述灰度图像中各像素点的灰度平均值、RGB平均值和补偿系数的调整值，然后基于确定的各像素点的灰度平均值和补偿系数的调整值计算补偿系数，并通过计算得到的补偿系数和各像素点的RGB值得到RGB补偿值，最后根据确定的上述RGB补偿值和上述RGB平均值，对各上述像素点的RGB值进行修正，从而对天气不佳或者夜晚等光照不足情况下拍摄的杆塔图像得到的灰度图像进行光照补偿，增强了灰度图像的识别度。
在上述步骤(7)中，通过以下公式计算上述灰度图像各上述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量：
Figure RE-GDA0003060012810000092
其中，Y表示各所述像素点在YCrCb颜色空间内的亮度分量，Cr 表示各所述像素点在YCrCb颜色空间内的蓝色分量，Cb表示各所述像素点在YCrCb颜色空间内的红色分量，R’表示调整后的各像素点的红色值、G’表示调整后的各像素点的绿色值、B’表示调整后的各像素点的蓝色值，D为常数。
由于鸟类的颜色主要是深颜色的，在天气不佳或者夜晚等光照不足情况下很难与周围图像区分出来，所以，为了将灰度图像中的鸟类检测区域从周围图像中分离出来，上述步骤(8)，可以执行以下步骤 (81)至步骤(86)：
(81)根据各所述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量，得到所述灰度图像的所述YCrCb颜色空间图像；
(82)对所述YCrCb颜色空间图像进行二值化处理，并从二值化处理后的所述YCrCb颜色空间图像中确定出候选鸟类区域；
(83)获取鸟类正二值模板，并根据所述鸟类正二值模板中各像素点的像素值得到所述鸟类正二值模板相应的正二值矩阵，其中，所述正二值矩阵是包括0和1的矩阵；
(84)根据所述鸟类正二值模板相应的正二值矩阵，得到鸟类负二值模板的负二值矩阵，其中，所述负二值矩阵是包括0和-1的矩阵；
(85)计算所述候选鸟类区域与所述鸟类正二值模板和所述鸟类负二值模板的匹配度，其中，通过以下公式计算匹配度：
Figure RE-GDA0003060012810000101
其中，Is(x,y)表示所述候选鸟类区域与所述鸟类正二值模板和所述鸟类负二值模板的匹配度，x表示像素点的横坐标，y表示像素点的纵坐标，I(x,y)表示候选鸟类区域中像素点的像素值，Tem1(x,y)表示正二值矩阵中坐标为(x,y)的像素点的像素值，Tem2(x,y)表示负二值矩阵中坐标为(x,y)的像素点的像素值，n1表示正二值矩阵中1的数量，n2表示负二值矩阵中-1的数量；
(86)将所述匹配度大于匹配度阈值的所述候选鸟类区域确定为鸟类检测区域。
在上述步骤(82)中，将二值化处理后的上述YCrCb颜色空间图像中像素值不为0的连通区域确定为候选鸟类区域。
在上述步骤(83)中，鸟类正二值模板的图像是鸟类区域图像是白色，鸟类区域图像周围的背景颜色是黑色的图像。该鸟类正二值模板相应的正二值矩阵如图3所示。
在上述步骤(84)中，通过以下公式得到相应的鸟类负二值模板：
Tem2＝Tem1-one(m0，n0)
其中，Tem1表示鸟类正二值模板的正二值矩阵，Tem2表示鸟类负二值模板的负二值矩阵，m0表示正二值矩阵的行数，n0表示正二值矩阵的列数，one(m0，n0)表示m0×n0大小的全1矩阵。
这里，上述的鸟类负二值模板Tem2就是把Tem1中的1变成0，0变成-1。
通过上述步骤(81)至步骤(86)的描述可以看出，将灰度图像转换为YCrCb颜色空间图像，通过鸟类正二值模板的正二值矩阵，得到用于表征鸟类负二值模板的负二值矩阵，然后通过正二值矩阵和负二值矩阵对YCrCb颜色空间图像中的候选鸟类区域进行检测，确定鸟类检测区域，从而将灰度图像中的鸟类检测区域从周围图像中分离出来，提高了鸟类检测的准确度。
在上述步骤(9)中，对所述鸟类检测区域进行全局阈值分割处理，将从杆塔图像中分离出待确认的鸟图像的过程是现有技术，具体过程这里不再赘述。
在上述步骤(10)中，所述鸟类图像数据库，设置在所述控制器中。
通过提取图像纹理特征的方式，进行待确认的鸟图像的图像纹理特征与所述各种鸟类图像的图像纹理特征的对比，得到待确认的鸟图像与所述各种鸟类图像的相似度。
过提取图像纹理特征的方式，进行待确认的鸟图像的图像纹理特征与所述各种鸟类图像的图像纹理特征的对比，得到待确认的鸟图像与所述各种鸟类图像的相似度的具体过程是现有技术，这里不再赘述。
然后，控制器继续利用麦克风采集的鸟类叫声信号，对杆塔上是否有鸟类进行校验：所述控制器，还用于：
(101)对所述鸟类叫声信号进行傅里叶变换，得到傅里叶变换后的鸟类叫声信号，并对所述傅里叶变换后的鸟类叫声信号进行采样，得到所述鸟类叫声信号的频率成分；
(102)分别计算各频率点与各所述频率点的相邻频率点之间的频率幅值的差值；
(103)当所述频率点的频率幅值与所述频率点的相邻频率点之间的频率幅值的差值均大于等于频率差值阈值时，将所述频率点对应的鸟类叫声信号确定为窄频信号，以此确定杆塔上确实有鸟类出现；
(104)获取所述鸟类叫声信号的频率成分对应的鸟类的第二名称，当所述鸟类的第二名称与所述鸟类的第一名称相同时，将所述鸟类的第一名称确定为所述鸟类的鸟类名；
(105)获取与所述鸟类名对应的超声波信号频率，并利用所述鸟类名对应的超声波信号频率生成驱鸟信号；
(106)将生成的驱鸟信号发送到超声波发射装置输出，以对杆塔上的鸟类驱逐。
在确定鸟类叫声信号是否为窄频信号时，所述控制器，还可以执行以下的流程：
(201)当所述频率点的频率幅值与位于所述频率点一侧的相邻频率点之间的频率幅值的差值大于等于频率差值阈值且所述频率点的频率幅值与位于所述频率点另一侧的相邻频率点之间的频率幅值的差值小于频率差值阈值时，将位于所述频率点另一侧的相邻频率点作为待检测频率点；
(202)将所述频率点到达所述频率点另一侧的相邻频率点的方向作为检测方向；
(203)计算在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值；
(204)判断在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值是否小于频率差值阈值，如果是，则将在所述检测方向上与所述待检测频率点相邻的频率点作为待检测频率点，并返回所述计算在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值的步骤；如果否，则统计所述待检测频率点的数量；
(205)当所述待检测频率点的数量小于等于数量阈值时，将所述频率点与所述检测方向上的所述待检测频率点的数量指示的待检测频率点之间的鸟类叫声信号确定为窄频信号；
(206)当所述待检测频率点的数量大于数量阈值时，将所述频率点与所述检测方向上的所述待检测频率点的数量指示的待检测频率点之间的鸟类叫声信号确定为宽频信号；
(207)确定所述杆塔在所述麦克风的声音采集方向上并未有鸟类出现。
当确定所述鸟类叫声信号是宽频信号时，说明杆塔周围环境中的发出的声音，并未出现鸟类的叫声，说明杆塔图像的处理出现了错误，从而利用鸟类叫声信号对杆塔上是否具有鸟类的情况进行二次校验，避免图像处理结果错误导致的误驱逐情况发生。
在上述步骤(101)中，对所述噪声信号进行傅里叶变换，得到所述噪声信号的频率成分的具体过程是现有技术，这里不再赘述。
所述噪声信号的频率成分，包括：所述噪声信号的频率范围、所述频率范围内频率点的频率幅值、以及各所述频率点的初始相位。
参见图2a至图2c所示的噪声信号的频率点与频率幅值的对应关系示意图，在进行采样后可以得到如图2a至图2c所示的几种噪声信号的频率点与频率幅值的对应关系。
在上述步骤(103)中，所述频率差值阈值，预先设置在控制器中。
上述步骤(103)描述的情况，就是图2a所示的确定窄频信号的过程。
上述步骤(201)至步骤(205)，就是，就是图2b所示的将所述频率点与所述检测方向上的所述待检测频率点的数量指示的待检测频率点之间的鸟类叫声信号确定为窄频信号的过程。
在上述步骤(105)中，所述控制器中存储有鸟类名与超声波信号频率的对应关系；该对应关系中记录了鸟类名对应鸟类敏感的超声波信号频率。
鸟类名对应鸟类敏感的超声波信号频率，是指向该鸟类名对应鸟类发出对应超声波信号频率的超声波信号时，对该鸟类名对应鸟类的干扰最大，从而有效驱赶鸟类。
鸟类名对应鸟类敏感的超声波信号频率，是通过实验得到的。
所述驱鸟信号，是超声波信号；利用所述鸟类名对应的超声波信号频率生成驱鸟信号的过程是现有技术，这里不再赘述。
通过以上步骤(101)至步骤(103)、以及步骤(201)至步骤(207) 的流程可以看出，通过计算各频率点与各所述频率点的相邻频率点之间的频率幅值的差值，来确定出噪声信号中的窄频信号；而且当频率点的频率幅值与位于频率点一侧的相邻频率点之间的频率幅值的差值大于等于频率差值阈值且所述频率点的频率幅值与位于所述频率点另一侧的相邻频率点之间的频率幅值的差值小于频率差值阈值时，将位于所述频率点另一侧的相邻频率点作为待检测频率点，并将所述频率点到达所述频率点另一侧的相邻频率点的方向作为检测方向的方式，来确定出鸟类叫声信号中的窄频信号，从而可以将检测出鸟类叫声信号的窄频信号作为杆塔上是否出现鸟类的验证条件，与图像检测相结合，提高杆塔上鸟类检测的检测精度。
杆塔驱鸟器还包括与控制器连接的红外线测温装置和移动网络通信模块。针对杆塔上的线路进行实时测温监测，红外测温装置带有温度阀值，当监测线路温度高于温度阀值后，向控制器传递高温预警信号。控制器接收到高温预警信号后生成警报信息，并通过移动网络通信模块发送给管理人员，便于管理人员重视或采取必要措施。
杆塔驱鸟器还包括与控制器连接的水平仪装置，对杆塔倾斜实时检测预警。在设备初次安装到杆塔位置，水平仪可进行人工校准水平位。在检测过程中，水平仪可根据杆塔种类设置不同是倾斜预警角度。当水平仪装置监测到杆塔倾斜角度出现异常后，会将测量异常角度数据传输给控制器。控制器在接收到异常角度数据后会对数据进行存储记录，并向水平仪装置发送指令，使水平仪持续向发送实时检测角度数据。控制器接收由水平仪发送的实时检测角度数据后，对实时检测角度数据进行处理分析。判断杆塔倾斜是由风力等环境影响的暂时性摆动倾斜还是永久性角度倾斜。当判断为永久性角度倾斜后，控制器将预警信号通过移动网络通信模块发送给管理人员，提示管理人员对杆塔倾斜进行检修维护防止倒塔事故的发生。
远程控制数据监控：管理人员可以在远程平台通过移动网络通信模块与杆塔驱鸟器进行交互，移动网络通信模块传递命令控制信号，将命令控制信号传递给控制器，控制器可以根据所发送命令对监控设备进行数据采集、实时监控作用。由管理人员远程平台向杆塔驱鸟器发送命令，控制器在接收到指令后，可以对红外测温装置、水平仪装置、红外监测装置和图像采集模块发送数据回传指令，由红外测温装置、水平仪装置、红外监测装置和图像采集模块向控制器回传实时数据，控制器并将回传数据进行整理，并将数据通过移动网络通信模块实时数据传递给远程平台，可以供相关管理人员对现场是实时化监控和视频监测，有相关工作人员对数据进行分析，或对监控视频进行分析判断，判断杆塔有无鸟窝、损坏、形变；绝缘子有无闪落迹象、破损、污秽；导线有无断股、异物悬挂；杆塔周围环境等内容以及数据的采集与分析。
综上所述，本实施例提出一种杆塔驱鸟器，通过在杆塔上设置具有图像采集模块以及麦克风的杆塔驱鸟器，可以采集杆塔图像和鸟类叫声信号，并对杆塔图像进行处理，根据处理结果判断杆塔附近是否出现鸟类，并在确定有鸟类的情况下，确定出杆塔上鸟类的第一名称；然后对鸟类叫声信号进行处理，当确定鸟类叫声信号是窄频信号时，说明杆塔周围确实存在有鸟类，然后生成驱鸟信号，对杆塔上的鸟类进行驱逐；与相关技术中人工进行杆塔上鸟类的驱赶方式相比，可以自动对杆塔上的鸟类进行驱逐；而且在驱逐鸟类的过程中还对鸟类的鸟类叫声信号进行处理，并在确定鸟类叫声信号是窄频信号时，确定杆塔上确实存在鸟类的情况下，才对杆塔上的鸟类进行驱逐，从而利用鸟类叫声信号对杆塔上是否具有鸟类的情况进行二次校验，避免图像处理结果错误导致的误驱逐情况发生；再者，在杆塔图像处理过程中，对像素点的RGB值进行修正能够对杆塔图像进行光照补偿，可以增强不良天气情况下灰度图像的识别度；确定鸟类检测区域的过程使用了正二值矩阵和负二值矩阵，可以将杆塔图像中的鸟图像从不良天气情况下得到的阴暗的背景图像中分离出来，提高鸟类检测的准确率。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种杆塔驱鸟器，其特征在于，包括：控制器、图像采集模块、麦克风以及超声波发射装置；
所述控制器分别与所述图像采集模块、所述麦克风和所述超声波发射装置连接；所述图像采集模块、所述麦克风和所述超声波发射装置并排安装在杆塔上；其中，所述图像采集模块的图像采集方向与所述超声波发射装置发射超声波的方向、以及所述麦克风的声音采集方向一致；
所述图像采集模块，用于采集杆塔图像，并将采集的杆塔图像发送到所述控制器；
所述麦克风，用于采集鸟类发出的鸟类叫声信号，并将采集的鸟类叫声信号发送到所述控制器；
所述控制器，用于接收所述杆塔图像，对所述杆塔图像进行灰度处理，得到所述杆塔图像的灰度图像，并确定所述灰度图像中各像素点的RGB值和灰度值；
根据得到的各所述像素点的灰度值确定所述灰度图像中各所述像素点的灰度平均值和RGB平均值；
根据所述灰度平均值，确定补偿系数的调整值；
基于所述灰度平均值和所述补偿系数的调整值，计算补偿系数；
基于所述补偿系数和各所述像素点的RGB值，计算各所述像素点的RGB补偿值；
根据确定的所述RGB补偿值和所述RGB平均值，对各所述像素点的RGB值进行修正；
基于修正后的各所述像素点的RGB值，计算各所述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量；
根据各所述像素点在YCrCb颜色空间内的所述亮度分量、所述蓝色分量以及所述红色分量，得到所述灰度图像的YCrCb颜色空间图像，并通过所述YCrCb颜色空间图像确定鸟类检测区域；
对所述鸟类检测区域进行全局阈值分割处理，将从杆塔图像中分离出待确认的鸟图像；
获取鸟类图像数据库中存储的各种鸟类图像，分别对比待确认的鸟图像与所述各种鸟类图像的相似度，并将与所述待确认的鸟图像相似度最大的鸟类图像对应的鸟类名称，确定为所述杆塔图像中的鸟类的第一名称；
对所述鸟类叫声信号进行傅里叶变换，得到傅里叶变换后的鸟类叫声信号，并对所述傅里叶变换后的鸟类叫声信号进行采样，得到所述鸟类叫声信号的频率成分；其中，所述鸟类叫声信号的频率成分，包括：所述鸟类叫声信号的频率范围、所述频率范围内频率点的频率幅值、以及各所述频率点的初始相位；
分别计算各频率点与各所述频率点的相邻频率点之间的频率幅值的差值；
当所述频率点的频率幅值与所述频率点的相邻频率点之间的频率幅值的差值均大于等于频率差值阈值时，将所述频率点对应的鸟类叫声信号确定为窄频信号，以此确定杆塔上确实有鸟类出现；
获取所述鸟类叫声信号的频率成分对应的鸟类的第二名称，当所述鸟类的第二名称与所述鸟类的第一名称相同时，将所述鸟类的第一名称确定为所述鸟类的鸟类名；
获取与所述鸟类名对应的超声波信号频率，并利用所述鸟类名对应的超声波信号频率生成驱鸟信号；
将生成的驱鸟信号发送到超声波发射装置输出，以对杆塔上的鸟类驱逐。
2.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，还用于：
当所述频率点的频率幅值与位于所述频率点一侧的相邻频率点之间的频率幅值的差值大于等于频率差值阈值且所述频率点的频率幅值与位于所述频率点另一侧的相邻频率点之间的频率幅值的差值小于频率差值阈值时，将位于所述频率点另一侧的相邻频率点作为待检测频率点；
将所述频率点到达所述频率点另一侧的相邻频率点的方向作为检测方向；
计算在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值；
判断在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值是否小于频率差值阈值，如果是，则将在所述检测方向上与所述待检测频率点相邻的频率点作为待检测频率点，并返回所述计算在所述检测方向上与所述待检测频率点相邻的频率点的频率幅值和所述待检测频率点的频率幅值的差值的步骤；如果否，则统计所述待检测频率点的数量；
当所述待检测频率点的数量小于等于数量阈值时，将所述频率点与所述检测方向上的所述待检测频率点的数量指示的待检测频率点之间的鸟类叫声信号确定为窄频信号。
3.根据权利要求2所述的杆塔驱鸟器，其特征在于，所述控制器，还用于：
当所述待检测频率点的数量大于数量阈值时，将所述频率点与所述检测方向上的所述待检测频率点的数量指示的待检测频率点之间的鸟类叫声信号确定为宽频信号；
确定所述杆塔在所述麦克风的声音采集方向上并未有鸟类出现。
4.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，用于根据所述灰度平均值，确定补偿系数的调整值，包括：
获取第一灰度阈值和第二灰度阈值；所述第一灰度阈值大于所述第二灰度阈值；
当所述灰度平均值大于等于第一灰度阈值时，所述补偿系数的调整值为小于0的常数；
当所述灰度平均值小于等于第二灰度阈值时，所述补偿系数的调整值为大于0的常数；
当所述灰度平均值小于所述第一灰度阈值且大于所述第二灰度阈值时，所述补偿系数的调整值为0。
5.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，用于基于所述灰度平均值和所述补偿系数的调整值，计算补偿系数，包括：
通过以下公式计算补偿系数：
Figure RE-FDA0003060012800000041
其中，μ表示补偿系数，A表示灰度平均值。
6.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，用于基于所述补偿系数和各所述像素点的RGB值，计算各所述像素点的RGB补偿值，包括：
通过以下公式计算各所述像素点的RGB补偿值：
Figure RE-FDA0003060012800000042
其中，Rb表示各像素点的红色补偿值，Gb各像素点的绿色补偿值，Bb表示各像素点的蓝色补偿值，R表示各像素点的红色值，G表示各像素点的绿色值，B表示各像素点的蓝色值，μ表示补偿系数。
7.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，用于根据确定的所述RGB补偿值和所述RGB平均值，对各所述像素点的RGB值进行修正，包括：
通过以下公式对各所述像素点的RGB值进行修正：
Figure RE-FDA0003060012800000051
其中，R’表示调整后的各像素点的红色值、G’表示调整后的各像素点的绿色值、B’表示调整后的各像素点的蓝色值，Rb表示各像素点的红色补偿值，Gb各像素点的绿色补偿值，Bb表示各像素点的蓝色补偿值，
Figure RE-FDA0003060012800000052
表示各像素点的红色平均值、
Figure RE-FDA0003060012800000053
表示各像素点的绿色平均值、
Figure RE-FDA0003060012800000054
表示各像素点的蓝色平均值。
8.根据权利要求2所述的杆塔驱鸟器，其特征在于，所述控制器，用于基于修正后的各所述像素点的RGB值，计算各所述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量，包括：
通过以下公式计算上述灰度图像各上述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量：
Figure RE-FDA0003060012800000055
其中，Y表示各所述像素点在YCrCb颜色空间内的亮度分量，Cr表示各所述像素点在YCrCb颜色空间内的蓝色分量，Cb表示各所述像素点在YCrCb颜色空间内的红色分量，R’表示调整后的各像素点的红色值、G’表示调整后的各像素点的绿色值、B’表示调整后的各像素点的蓝色值，D为常数。
9.根据权利要求1所述的杆塔驱鸟器，其特征在于，所述控制器，用于根据各所述像素点在YCrCb颜色空间内的所述亮度分量、所述蓝色分量以及所述红色分量，得到所述灰度图像的YCrCb颜色空间图像，并通过所述YCrCb颜色空间图像确定鸟类检测区域，包括：
根据各所述像素点在YCrCb颜色空间内的亮度分量、蓝色分量以及红色分量，得到所述灰度图像的所述YCrCb颜色空间图像；
对所述YCrCb颜色空间图像进行二值化处理，并从二值化处理后的所述YCrCb颜色空间图像中确定出候选鸟类区域；
获取鸟类正二值模板，并根据所述鸟类正二值模板中各像素点的像素值得到所述鸟类正二值模板相应的正二值矩阵，其中，所述正二值矩阵是包括0和1的矩阵；
根据所述鸟类正二值模板相应的正二值矩阵，得到鸟类负二值模板的负二值矩阵，其中，所述负二值矩阵是包括0和-1的矩阵；
计算所述候选鸟类区域与所述鸟类正二值模板和所述鸟类负二值模板的匹配度，其中，通过以下公式计算匹配度：
Figure RE-FDA0003060012800000061
其中，Is(x,y)表示所述候选鸟类区域与所述鸟类正二值模板和所述鸟类负二值模板的匹配度，x表示像素点的横坐标，y表示像素点的纵坐标，I(x,y)表示候选鸟类区域中像素点的像素值，Tem1(x,y)表示正二值矩阵中坐标为(x,y)的像素点的像素值，Tem2(x,y)表示负二值矩阵中坐标为(x,y)的像素点的像素值，n1表示正二值矩阵中1的数量，n2表示负二值矩阵中-1的数量；
将所述匹配度大于匹配度阈值的所述候选鸟类区域确定为鸟类检测区域。
10.根据权利要求9所述的杆塔驱鸟器，其特征在于，所述控制器，用于根据所述鸟类正二值模板中像素点的像素值，得到鸟类负二值模板，包括：
通过以下公式得到相应的鸟类负二值模板：
Tem2＝Tem1-one(m0，n0)
其中，Tem1表示鸟类正二值模板的正二值矩阵，Tem2表示鸟类负二值模板的负二值矩阵，m0表示正二值矩阵的行数，n0表示正二值矩阵的列数，one(m0，n0)表示m0×n0大小的全1矩阵。
CN202110056255.XA 2021-01-15 2021-01-15 一种杆塔驱鸟器 Active CN112931482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110056255.XA CN112931482B (zh) 2021-01-15 2021-01-15 一种杆塔驱鸟器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110056255.XA CN112931482B (zh) 2021-01-15 2021-01-15 一种杆塔驱鸟器

Publications (2)

Publication Number Publication Date
CN112931482A CN112931482A (zh) 2021-06-11
CN112931482B true CN112931482B (zh) 2022-06-07

Family

ID=76235409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110056255.XA Active CN112931482B (zh) 2021-01-15 2021-01-15 一种杆塔驱鸟器

Country Status (1)

Country Link
CN (1) CN112931482B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08256222A (ja) * 1995-03-17 1996-10-01 Toshiba Corp トーン検出装置
JP2004299109A (ja) * 2003-03-28 2004-10-28 Konica Minolta Holdings Inc 画像形成方法及び画像形成装置
CN204496638U (zh) * 2015-04-07 2015-07-22 成都爱可信科技有限公司 一种户外重要设施安全防护装置
CN105528846A (zh) * 2014-10-20 2016-04-27 韩华泰科株式会社 用于产生警报的设备及方法
CN205196824U (zh) * 2015-12-28 2016-05-04 国家电网公司 一种智能化电力输电线路高塔驱鸟系统
CN106259288A (zh) * 2016-08-09 2017-01-04 广州大气候农业科技有限公司 驱赶鸟类的方法、服务器及信息采集装置
CN106972462A (zh) * 2017-03-16 2017-07-21 国网山西省电力公司晋城供电公司 低压配电柜中性线断线保护装置和检测方法
CN206517035U (zh) * 2017-03-16 2017-09-22 国网山西省电力公司晋城供电公司 低压配电柜中性线断线保护装置
CN107969417A (zh) * 2017-12-16 2018-05-01 佛山市神风航空科技有限公司 一种驱鸟系统
CN108090879A (zh) * 2017-12-12 2018-05-29 上海顺久电子科技有限公司 一种对输入的高动态范围图像进行处理的方法和显示设备
CN109924194A (zh) * 2019-03-14 2019-06-25 北京林业大学 一种驱鸟装置及驱鸟方法
CN111491110A (zh) * 2020-04-17 2020-08-04 Oppo广东移动通信有限公司 高动态范围图像处理系统及方法、电子设备和存储介质
CN111627459A (zh) * 2019-09-19 2020-09-04 北京安声浩朗科技有限公司 音频处理方法及装置、计算机可读存储介质及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004193957A (ja) * 2002-12-11 2004-07-08 Konica Minolta Holdings Inc 画像処理装置、画像処理方法、画像処理プログラムおよび画像記録装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08256222A (ja) * 1995-03-17 1996-10-01 Toshiba Corp トーン検出装置
JP2004299109A (ja) * 2003-03-28 2004-10-28 Konica Minolta Holdings Inc 画像形成方法及び画像形成装置
CN105528846A (zh) * 2014-10-20 2016-04-27 韩华泰科株式会社 用于产生警报的设备及方法
CN204496638U (zh) * 2015-04-07 2015-07-22 成都爱可信科技有限公司 一种户外重要设施安全防护装置
CN205196824U (zh) * 2015-12-28 2016-05-04 国家电网公司 一种智能化电力输电线路高塔驱鸟系统
CN106259288A (zh) * 2016-08-09 2017-01-04 广州大气候农业科技有限公司 驱赶鸟类的方法、服务器及信息采集装置
CN106972462A (zh) * 2017-03-16 2017-07-21 国网山西省电力公司晋城供电公司 低压配电柜中性线断线保护装置和检测方法
CN206517035U (zh) * 2017-03-16 2017-09-22 国网山西省电力公司晋城供电公司 低压配电柜中性线断线保护装置
CN108090879A (zh) * 2017-12-12 2018-05-29 上海顺久电子科技有限公司 一种对输入的高动态范围图像进行处理的方法和显示设备
CN107969417A (zh) * 2017-12-16 2018-05-01 佛山市神风航空科技有限公司 一种驱鸟系统
CN109924194A (zh) * 2019-03-14 2019-06-25 北京林业大学 一种驱鸟装置及驱鸟方法
CN111627459A (zh) * 2019-09-19 2020-09-04 北京安声浩朗科技有限公司 音频处理方法及装置、计算机可读存储介质及电子设备
CN111491110A (zh) * 2020-04-17 2020-08-04 Oppo广东移动通信有限公司 高动态范围图像处理系统及方法、电子设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种综合性驱鸟系统的设计与实现;田杰;《电子设计工程》;20180228;第26卷(第4期);第141-144、149页 *
认知无线电网络信道交汇研究综述;刘权;《软件学报》;20140331;第25卷(第3期);第606-630页 *

Also Published As

Publication number Publication date
CN112931482A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN113887412B (zh) 污染排放的检测方法、检测终端、监控系统及存储介质
CN103442209A (zh) 一种输电线路的视频监控方法
CN111342391A (zh) 一种输电线路绝缘子和线路故障巡视方法及巡视体系
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
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
CN116664488A (zh) 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法
CN117365995A (zh) 风机故障远程智能诊断方法
CN116939532A (zh) 一种基于5g的通信塔远程监测系统
CN112329858B (zh) 一种铁路动车防松铁丝折断故障图像识别方法
CN116758060B (zh) 一种电池片立式花篮视觉检测系统
CN114494845A (zh) 一种用于施工项目现场人工智能隐患排查系统及其排查方法
CN112931482B (zh) 一种杆塔驱鸟器
CN115912183B (zh) 高压输电线路生态措施巡视方法、系统及可读存储介质
CN115063427B (zh) 用于新型船舶的污染物排放监控图像处理方法
CN116630259A (zh) 一种信号箱内螺母松动检测方法及装置
CN106803290A (zh) 输配线路巡视记录方法和装置
CN111307267A (zh) 一种基于同心圆检测的导线舞动监测方法
CN116310953A (zh) 一种冷源拦截网的浮筒脱网智能检测方法
CN110782431A (zh) 一种基于深度学习的高压电线结冰区域检测方法
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
CN115877128A (zh) 一种轨道车辆电缆终端的异常检测方法及装置
CN115684853A (zh) 搭载紫外成像仪的无人机输电线路故障检测方法及系统
CN114998194A (zh) 产品缺陷检测方法、系统和存储介质
CN112149579A (zh) 一种基于改进yolo_v3的鸟巢隐患检测方法
CN117686823B (zh) 一种变电站继电保护自动化验收系统

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
GR01 Patent grant
GR01 Patent grant