CN113030638A - 一种架空线路图像可视化监拍系统及方法 - Google Patents

一种架空线路图像可视化监拍系统及方法 Download PDF

Info

Publication number
CN113030638A
CN113030638A CN202110229768.6A CN202110229768A CN113030638A CN 113030638 A CN113030638 A CN 113030638A CN 202110229768 A CN202110229768 A CN 202110229768A CN 113030638 A CN113030638 A CN 113030638A
Authority
CN
China
Prior art keywords
power supply
overhead line
line image
supply module
module
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
Application number
CN202110229768.6A
Other languages
English (en)
Other versions
CN113030638B (zh
Inventor
刘强
李巨宁
冯鑫
孙晓斌
黄振宁
杨波
李程启
冯飞
傅晓
姜涛
张年文
焦之明
巩方波
纪洪伟
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.)
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Intelligent Electrical Branch of Shandong Luneng Software Technology Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Intelligent Electrical Branch of Shandong Luneng Software Technology 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 Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, Intelligent Electrical Branch of Shandong Luneng Software Technology Co Ltd filed Critical Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN202110229768.6A priority Critical patent/CN113030638B/zh
Publication of CN113030638A publication Critical patent/CN113030638A/zh
Application granted granted Critical
Publication of CN113030638B publication Critical patent/CN113030638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • 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
    • G06T5/73—
    • G06T5/77—
    • 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

Abstract

本发明公开了一种架空线路图像可视化监拍系统及方法，其中该系统包括监拍装置、供电模块、声音采集模块和微控制器；所述供电模块和声音采集模块分别与微控制器连接；监拍装置，被配置为获取架空线路图像，对雾霾天气下的架空线路图像去雾，确定透视率图并利用预设引导图对滤波后得到优化后的透视率图；基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；基于设定阈值距离点来判断是否存在隐患物体；微控制器被配置为根据未来设定时间段内的气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略；根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制。

Description

一种架空线路图像可视化监拍系统及方法
技术领域
本发明属于架空线路可视化监拍技术领域，尤其涉及一种架空线路图像可视化监拍系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
架空输电线路巡检系统在不良天气下的巡检质量越来越受用户关注，比如雨雪天气、雾霾天气等，这种低可见度的天气情况对于巡检系统的识别精度和准确率造成了严重影响。
但是，发明人发现，现有可视化监拍系统存在以下问题：
(1)要实现目标物的距离测算需要使用双目摄像头，但对于架空输电线路巡检系统而言，基于成本考虑，不会大面积覆盖安装双目摄像头，大多数地方使用单目摄像头，但是仅使用单目摄像头难以进行距离测算，无法保证测算的准确性。
(2)随着可视化监拍系统应用范围越来越广，遇到的气象环境越来越复杂，例如南方梅雨季节长时间的阴雨天气、四川盆地的多雾天气、东北冬季的低日照时长，使得输电线路可视化监拍系统受外界气象数据的影响较大，持续工作稳定性差。
(3)目前的可视化监拍系统拍照的时间的间隔是固定的，如果拍摄时间间隔太长，则实时性很差，无法对现场情况有一个连续的了解；如果拍摄时间间隔太短，则系统功耗会高很多，这样只靠图像采集不能实时获取输电线路现场的突发情况。
发明内容
为克服上述现有技术的不足，本发明提供了一种架空线路图像可视化监拍系统及方法，实现了雾霾天监拍时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了输电巡检系统在特殊天气的巡检质量；而且充分考虑气象数据对于电源供电策略的影响，实现了能量与可视化监拍数据转换的均衡控制；同时，根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制，提高架空线路监控效率。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
一种架空线路图像可视化监拍系统，包括监拍装置、供电模块、声音采集模块和微控制器；所述供电模块和声音采集模块分别与微控制器连接；
所述监拍装置，被配置为获取架空线路图像，对雾霾天气下的架空线路图像去雾，确定透视率图并利用预设引导图对滤波后得到优化后的透视率图；基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；基于设定阈值距离点来判断是否存在隐患物体；
所述微控制器，被配置为根据未来设定时间段内的气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略；根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制。
作为一种实施方式，在所述监拍装置中，利用预设引导图对对透视率图滤波的具体过程包括：利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，得到优化的透视率图。
作为一种实施方式，在所述监拍装置中，基于去雾图像确定隐患物的坐标值的过程为：对去雾图像进行图像识别的具体过程包括：利用训练好的YOLOv3模型识别预定类型的外破隐患源：将去雾图输入到模型中进行分析，得到若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是隐患物的左上角和右下角坐标，将一组(x1,y1)和(x2,y2)记作隐患物的坐标数组。
作为一种实施方式，在所述监拍装置中，根据隐患物坐标值，进行位置关联的过程包括：根据隐患物坐标，截取透视率二维矩阵，对于每个透视率矩阵，以设定大小的方格取均值，形成透视率均值矩阵。
作为一种实施方式，在所述监拍装置中，判断距离点图中是否有低于设定阈值的距离点，其过程为：根据透视率均值矩阵中每个透视率值，计算出距离，形成距离点值表，对每个透视率矩阵都做类似处理，得到数个距离点值表，遍历每个距离点值表中的元素值，判断其中是否有距离点低于设定的阈值。
作为一种实施方式，所述气象数据采集模块用于根据采集到的当前天气数据以及从气象数据中心获取的未来设定时间的气象数据，得到对未来数小时或者数天的天气预测数据。
作为一种实施方式，所述供电模块还与太阳能电池板连接，所述供电模块包括：超级电容、电池和备用电源选通电路，所述太阳能电池板分别通过两个充电电路连接超级电容和电池的输入端，超级电容和电池的输出端均连接至备用电源选通电路；所述备用电源选通电路用于控制采用超级电容还是电池为后级电路进行供电。
作为一种实施方式，太阳能电池板与超级电容之间设置有两个并联连接的充电管理芯片，充电管理芯片与微处理器相连，微处理器用于根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
作为一种实施方式，太阳能电池板与电池之间设置有至少两个并联连接的充电管理芯片，且充电管理芯片均连接至微处理器；所述微处理器用于根据太阳能电池板输入电源电压和电池的容量，控制与电池连接的充电管理芯片连通数量；以及根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
作为一种实施方式，所述供电模块还包括充电管理单元，用于获取太阳能电池板的输出电压和当前电池电量，若太阳能电池板的输出电压达到第一预设电压，则为超级电容充电，若当前电池电量未满，则同时为电池充电。
作为一种实施方式，备用电源选通电路在超级电容电压高于第二预设电压时,使用超级电容供电；当超级电容电压低于第三预设电压时，切换为电池供电。
作为一种实施方式，所述备用电源选通电路包括：超级电容的输出端分两路，一路连接迟滞比较器的正输入端，另一路连接至P沟道MOS管D1的漏极；D1的源极连接D2的源极；迟滞比较器的输出端一路连接N沟道MOS管D3的门极，另一路连接N沟道MOS管D6的门极；D3的漏极通过电阻R2连接至D1和D2门极的连通线路上；
电池的输出端连接至P沟道MOS管D4的漏极；D4的源极连接D5的源极；N沟道MOS管D6的漏极一路经由电阻R5连接至P沟道MOS管D4的漏极，另一路连接至N沟道MOS管D7的门极；D7的漏极通过电阻R4连接至D4和D5门极的连通线路上；
P沟道MOS管D2和P沟道MOS管D5的漏极均连接至DC/DC转换器。
作为一种实施方式，D1的源极分三路，一路连接电阻R1，一路连接电容C1，一路连接P沟道MOS管D2的源极；D1的门极分三路，一路连接电阻R1，一路连接电容C1，一路连接D2的门极；P沟道MOS管D4的源极分三路，一路连接电阻R3，一路连接电容C2，一路连接P沟道MOS管D5的源极；D4的门极分三路，一路连接电阻R3，一路连接电容C2，一路连接D5的门极。
作为一种实施方式，微控制器内预存储不同的供电策略，具体包括：
性能模型策略：以采集数据为主，微控制器根据供电模块当前电量所属的电量等级，以及待供电的功能模块的等级，为相应等级的功能模块供电；
时间模型策略：以延长监拍系统的工作时间为主，微控制器根据供电模块当前电量所属的电量等级，以及待供电的功能模块的等级，为相应等级的功能模块供电；
一般模型策略：当供电模块的电量高于设定阈值时，选用性能模型策略；当供电模块的电量低于设定阈值时，自动切换为时间模型策略；
储能模型策略：当供电模块的温度低于设定阈值时，开启加热装置增加供电模块的温度；当供电模块的温度高于设定阈值时，减少供电模块的充电电流。
作为一种实施方式，根据供电模块的温度，确定供电策略是否选择储能模型策略；
结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略。
作为一种实施方式，所述供电模块的上表面与太阳能电池板下表面贴合设置，监拍装置通过支架与供电模块连接；所述供电模块的输出端与监拍装置的多个功能模块分别连接。
作为一种实施方式，所述供电模块设置在壳体内。
作为一种实施方式，所述壳体采用不锈钢材质，进出线接口均采用防水端子。
作为一种实施方式，所述壳体还设有接地端子。
在另一些实施方式中，采用如下技术方案：
一种架空线路图像可视化监拍系统的工作方法，包括：
对架空线路巡检雾霾天气是否存在隐患物体；
根据当前气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略，具体包括：
根据供电模块的温度，确定供电策略是否选择储能模型策略；
结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略；
在供电的前提下，接收声音采集模块传送来的声音信号，来控制监拍装置的监拍方位及监拍开始时刻。
本发明以下有益效果：
(1)创新性提出了单目摄像头雾霾天气隐患物体距离测算方法，使用暗通道先验技术与人工智能识别技术相结合、对雾霾天气采集的图像进行处理、转换和提取，测算出目标物的距离，解决了输电线路可视化监拍系统雾霾天测算隐患物与杆塔距离的问题，实现了雾霾天监拍时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了可视化监拍系统在特殊天气的监拍质量及用户满意度。。
(2)设计了电源负载功耗分级管理技术，根据未来设定时间段内的风力数据及供电模块的当前电量以及功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略，对可视化监拍系统内部功能模块根据重要性和耗能进行分级，结合剩余电量以及风力数据进行充电策略管理，解决了监拍系统功耗大的问题，有效保障了监拍系统核心功能的工作时长。
(3)设计了环境自适应即时联动技术，解决了系统功耗会高只靠图像采集不能实时获取输电线路现场的突发情况的问题，根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制，提高架空线路监控效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明一个或多个实施例中对架空线路巡检雾霾天气是否存在隐患物体的过程图；
图2为本发明一个或多个实施例中距离点值表示意图；
图3为本发明一个或多个实施例中架空线路图像可视化监拍系统框架图；
图4为本发明一个或多个实施例中电源选通电路的电路图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
在一个或多个实施方式中，公开了一种架空线路图像可视化监拍系统，如图3所示，包括：监拍装置、太阳能电池板、供电模块、气象数据采集模块、声音采集模块和微控制器。
其中，所述监拍装置，被配置为：
将雾霾天气下的架空线路图像去雾，计算去雾图像的透射率，确定透视率图并利用预设引导图对滤波，得到优化后的透视率图；
基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；若距离点图中有低于设定阈值的距离点，则判断存在隐患物体。
其中，隐患物可为外破源。
本实施例使用人工智能识别定位透视率图中的隐患目标位置。技术优势：人工智能识别技术可以准确地定位隐患目标，并对隐患目标进行透视率矩阵解析。
对找到的目标透视率矩阵进行距离测量。距离杆塔近的隐患物，由于距离近，透视率就低；反之，距离杆塔远的隐患物，由于距离远，透视率就高；因此，根据透视率可以推测出隐患物距离杆塔的距离。
本实施例使机器人或其他巡检设备在雾霾天气可视化巡检时，可以判断隐患源距离，而且仅仅基于单目图像即可实现，硬件成本低，效果好；可以适用于雾大、雾小的各种情况，适用性好。
具体的，如图1所示，包括以下步骤：
1、利用单目摄像头，在雾霾天气进行拍照，得到原图像；
2、将原图像，使用暗通道先验去雾算法进行去雾，得到暗通道图(过程中产生)、原始透视率图和去雾图像；
具体包括：
根据《Single Image Haze Removal Using Dark Channel Prior》实现去雾和生成透视率图；
暗通道的定义：
Figure BDA0002958641640000081
即取某窗口内RGB值的最小值，作为对应暗通道像素值；窗口是指长宽都为S的矩形；简单来说，暗通道值就是窗口中所有像素部位RGB最小值。
其中，Jdark(x)是指暗通道像素值，值范围是[0,255]，c指通道，可能是R、G或B通道，Jc(y)指图像某一通道像素值，值范围[0,255]。Ω(x)指图中一个中心位于x点的一个窗口，这个窗口中心位于x点，长和宽都是定值(一般为奇数)；y∈Ω(x)指，y点位于窗口内；min(y∈Ω(x))是指，取这个窗口内，某点y处像素值最小值；c∈(r,g,b)指红、绿、蓝中任意一个通道；min(c∈(r,g,b))是指从红、绿、蓝任意通道中取最小值。
暗通道先验是指：除去天空部分的无雾图像的暗通道图中，总会存在暗通道值很接近于0的情况；而有雾图像就很少存在这种情况。
被广泛使用的生成有雾图像公式为
I(x)＝J(x)t(x)+A(1-t(x)) (1)
其中I(x)是有雾图，J(x)是原图，t(x)是透视率，A是全局大气光值。
由这个公式可以推出，J(x)＝I(x)-A(1-t(x))/t(x)，但其中t(x)和A未知，所以接下来要推出这两者的值。
求透视率图t(x)：
首先假设A已知，且局部Ω(x)的透视率是个定值。
式(1)可变为：
Figure BDA0002958641640000091
IC(y)指无雾图某通道(R、G或B)像素值；
Figure BDA0002958641640000092
指无雾图像中某窗口，某通道像素值最小值，t～(x)指某窗口透视率的估值；
Figure BDA0002958641640000093
指有雾图像中某窗口，某通道像素值最小值，Ac指某通道的全局大气光值。
两边同除以Ac得：
Figure BDA0002958641640000094
对于上式，同时取3个通道的最小值，得：
Figure BDA0002958641640000095
根据暗通道先验算法，无雾图的暗通道最小值趋近于0，即：
Figure BDA0002958641640000096
可推算出，近似的透射率：
Figure BDA0002958641640000101
实际中，不会出现绝对无雾的情况，所以加入经验值ω，上式变成：
Figure BDA0002958641640000102
预估全局大气光值A
取暗通道图中前0.1％高亮点，找到这些点对应原图中的亮点，取原图中最亮点值作为A值。
对透视率图优化：步骤(6)中算出的透视率图，十分地粗糙，在物体边缘处有很多矩形，十分影响去雾效果；利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，可得到边缘保持性很好的透视率图，称为优化的透视率图；
导向滤波公式推导：
导向滤波的一个重要假设是输出图像q和引导图像I在滤波窗口wk上存在局部线性关系，关系用下式表示，以描述每个像素点从I到q的映射：
Figure BDA0002958641640000103
经推导，转换系数可表示为：
其中：
Figure BDA0002958641640000104
上式中，wk是一个半径为r的窗口，k:i∈wk，|ω|指窗口中的像素点个数，窗口wk对应的转换系数ak和bk为：
Figure BDA0002958641640000105
Figure BDA0002958641640000106
Ii指引导图像窗口中的点pi指输入图像窗口中的点，μk指引导图像窗口点值的均值，ε为正则化参数，
Figure BDA0002958641640000111
为引导图像在窗口点值的方差，
Figure BDA0002958641640000112
为输入图中窗口wk像素均值，这样由步骤(4)推出的去雾图公式为：
Figure BDA0002958641640000113
其中J(x)是原图，I(x)是有雾图，t(x)是优化后的透视率，t0是人工设定的透视率上限经验值，A是全局大气光值。
利用步骤(6)中的A值、步骤(7)中的t(x)值以及步骤(8)中的公式，对有雾图做处理，可得到优化后的透射率图和去雾图。
3、对去雾图像进行人工智能图像识别，这里我们采用的是已在Tensorflow上训练好的YOLOv3模型，此模型可以识别出特定类型的外破隐患源；将去雾图输入到模型中进行分析，模型会输出若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是隐患物的左上角和右下角坐标，将一组(x1,y1)(x2,y2)记作C，这样就得到隐患物的坐标数组C1、C2…CN；
4、在优化的透视率图上，根据隐患物坐标C1、C2…CN，截取(类似于截图操作)出透视率二维矩阵T1、T2…TN；
5、透视率矩阵T1、T2…TN，对于每个T，以8x8方格取均值(减小运算量)，形成新的透视率均值矩阵T_avg，用T_avg中的每个透视率值算出距离，形成距离点值表DM；对每个透视率矩阵都做类似处理，可以得到数个距离点值表，如图2所示。
6、遍历每个距离点值表DM中的元素值，判断其中是否有距离点低于设定的阈值，有则报警，无则退出。
本实施例使用暗通道先验技术与人工智能识别技术相结合、对雾霾天气采集的图像进行处理、转换和提取，测算出目标物的距离，解决了输电线路可视化监拍系统雾霾天测算隐患物与杆塔距离的问题，实现了雾霾天监拍时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了可视化监拍系统在特殊天气的监拍质量及用户满意度。。
太阳能电池板与供电模块连接，供电模块、气象数据采集模块和声音采集模块分别与微控制器连接；所述供电模块的上表面与太阳能电池板下表面贴合设置，监拍装置通过支架与供电模块连接；所述供电模块的输出端与监拍装置的多个功能模块分别连接；
所述微控制器用于：根据未来设定时间段内的气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略；以及根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制。
具体地，声音采集模块用于采集架空线路上的声音信号并传送至微处理器；
在具体实施中，声音采集模块至少设置两个，分别用于采集位于监控装置前后的架空线路上的声音信息；
微处理器用于根据声音来判断声音方位，进而控制监拍装置开启进行监拍，提高监拍效率。
所述气象数据采集模块根据采集到的当前天气数据以及从气象数据中心获取的未来设定时间的气象数据，得到对未来数小时或者数天的天气预测数据。
供电模块包括：电源、超级电容、电池和备用电源选通电路，所述备用电源选通电路用于控制采用超级电容还是电池进行供电。其中，所述电源的输出端连接两个充电电路：充电电路1和充电电路2，所述充电电路1和充电电路2的输出端分别连接超级电容和电池；超级电容和电池的输出端均连接至备用电源选通电路。备用电源选通电路的输出端经由DC/DC转换器与监拍装置的多个功能模块分别连接。
供电模块还包括充电管理单元，用于获取太阳能电池板的输出电压和当前电池电量，若所述电压达到第一预设电压，则控制充电电路1工作，为超级电容充电和为后级电路供电；若当前电池电量未满，则控制充电电路2同时工作，为电池充电。
供电模块还包括第一电压监测模块、第二电压监测模块和第三电压监测模块，第一电压监测模块、第二电压监测模块和第三电压监测模块的一端分别与太阳能电池板、超级电容和电池连接，用于监测太阳能电池板、超级电容和电池的当前电压，另一端均连接至微处理器。
所述微处理器设于可视化监拍内部，基于监测的电压获取输入电源的电压和电池电量，若所述电压达到第一预设电压，则控制第一充电电路工作，为超级电容充电和为后级电路供电；若当前电池电量未满，则控制第二充电电路同时工作，为电池充电。作为一个示例，当太阳能电池作为输入电源时，因太阳能板的伏安特性，其具有最大功率电压值，第一预设电压设为太阳能板的最大功率电压，当电源输入电压达到第一预设电压时，充电电路工作。
在具体实施中，太阳能电池板与超级电容之间设置有两个并联连接的充电管理芯片，充电管理芯片与微处理器相连，微处理器用于根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
太阳能电池板与电池之间设置有至少两个并联连接的充电管理芯片，且充电管理芯片均连接至微处理器；所述微处理器用于根据太阳能电池板输入电源电压和电池的容量，控制与电池连接的充电管理芯片连通数量；以及根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
进一步地，还可在根据超级电容或电池的容量设定基础上增加充电管理芯片的数量，作为候补，在存在管理芯片异常时启用。
具体地，太阳能电池板与超级电容串联连接的电路作为第一充电电路；
太阳能电池板与电池串联连接的电路作为第二充电电路；
第一充电电路上的充电管理芯片初始数量m＝2；
第二充电电路上的充电管理芯片初始数量n根据电池的容量设定，
Figure BDA0002958641640000141
其中，
Figure BDA0002958641640000142
表示向上取整，1表示增加的后补电源管理芯片。例如，太阳能板额定功率为P，电池的额定电压为6.4V，那么可设置
Figure BDA0002958641640000143
个充电管理芯片，其中1个作为候补，在存在管理芯片异常时启用。
作为一种实施方式，微控制器通过第二电压检测电路实时监测超级电容的电压，通过第三电压检测电路实时监测超级电容的电压，基于超级电容的剩余电量控制第一充电电路上充电管理芯片启动的数量；基于电池的剩余电量控制第二充电电路上充电管理芯片启动的数量。
作为一种实施方式，所述充电管理芯片还与温度传感器相连，所述温度传感器用于实时采集充电管理芯片的工作温度并传送至微控制器。若当前启动的充电管理芯片温度过高时，关闭温度过高的充电管理芯片，启动非工作状态下的充电管理芯片。在大功率充电的时候，防止电路板局部温度过高，本实施例利用温度传感器用于实时采集充电管理芯片的工作温度并传送至微控制器，由微控制器再控制充电管理芯片的启停，实现了分时散热，保障了电源系统的稳定运行。
其中，第一电压检测电路、第二电压检测电路和第三电压检测电路可采用ADC芯片或分压电阻来实现，也可采用电压互感器来实现。
作为一种实施方式，所述充电管理芯片还与温度传感器相连，所述温度传感器用于实时采集充电管理芯片的工作温度并传送至微处理器。在大功率充电的时候，防止电路板局部温度过高，本实施例利用温度传感器用于实时采集充电管理芯片的工作温度并传送至微处理器，由微处理器再控制充电管理芯片的启停，保障了基于太阳能供电的可视化监拍装置的电源系统的稳定运行。
供电方式切换的依据是电容电压跟两个预设电压点的对应关系以及电容电压的变化趋势。备用电源选通电路在超级电容电压高于第二预设电压(可低于蓄电池电压)时优先使用超级电容供电；当超级电容电压低于第三预设电压时，切换为蓄电池供电；该电路将超级电容电压和蓄电池电压升压至设定值，为后级DC/DC提供稳定的输入电压。具体地，
若当前为超级电容供电，且如果当前时刻电池为负载供电，则超级电容电压逐渐升高，当超级电容电压高于7V时，切换为超级电容为负载供电。
超级电容电压高于第二预设电压时，采用超级电容供电，若超级电容电压为下降趋势(即充电电路1处于未工作状态)，当超级电容电压下降至小于第三预设电压时，切换为电池为负载供电；若超级电容电压下降至小于第二预设电压且高于第三预设电压时，电压开始升高(即充电电路1开始工作)，则供电方式不发生切换；
超级电容电压小于第三预设电压时，采用电池供电，若超级电容电压为上升趋势(即充电电路1处于工作状态)，当超级电容电压上升至高于第二预设电压时，切换为电池为负载供电；若超级电容电压上升至小于第二预设电压且高于第三预设电压时，电压不再升高(即充电电路1不工作了)，则供电方式不发生切换。
本实施例中，第二和第三预设电压分别设置为7V和2V。
备用电源选通电路如图4所示，包括：
超级电容的输出端分两路，一路连接迟滞比较器的正输入端，另一路连接至P沟道MOS管D1的漏极(D极)；D1的源极(S极)分三路，一路连接电阻R1，一路连接电容C1，一路连接P沟道MOS管D2的源极(S极)；D1的门极(G极)分三路，一路连接电阻R1，一路连接电容C1，一路连接D2的门极(G极)；迟滞比较器的输出端一路连接N沟道MOS管D3的门极(G极)，另一路连接N沟道MOS管D6的门极；N沟道MOS管D3的漏极(D极)通过电阻R2连接至D1和D2门极的连通线路上；N沟道MOS管D6的漏极(D极)一路经由电阻R5连接至P沟道MOS管D4的漏极，另一路连接至N沟道MOS管D7的门极(G极)；锂电池的输出端连接至P沟道MOS管D4的漏极(D极)；P沟道MOS管D4的源极(S极)分三路，一路连接电阻R3，一路连接电容C2，一路连接P沟道MOS管D5的源极(S极)；D4的门极(G极)分三路，一路连接电阻R3，一路连接电容C2，一路连接D5的门极(G极)；N沟道MOS管D7的漏极(D极)通过电阻R4连接至D4和D5门极的连通线路上；P沟道MOS管D2和P沟道MOS管D5的漏极(D极)均连接至DC/DC转换器。
工作原理如下：比较器UB与电阻R6、R7构成迟滞比较器，参考电压4.5V，配置R6与R7的阻值使迟滞门限为±2.5V，即升压门限7V，降压门限2V。迟滞比较器的正输入连接于超级电容供电通路，当超级电容电压由低升高达到7V时，比较器UB的输出为高电平，使得N沟道MOS管D3、D6导通，对于超级电容供电通路，由于D3的导通拉低了P沟道MOS管D1和D2的门极，使得D1与D2导通；而对于锂电池供电通路，D6的导通导致N沟道MOS管D7的门极被拉到低电平，D7不导通，P沟道MOS管D4的体二极管及电阻R3使得P沟道MOS管D5的门极被拉到高电平，D5不导通，如此一来，仅由超级电容为后级DC/DC供电；当超级电容电压由高到低达到2V时，比较器UB的输出为低电平D3、D6不导通，对于超级电容供电通道，由于P沟道MOS管D1的体二极管与电阻R1使得P沟道MOS管D2的门极被拉到高电平，D2不导通，而对于锂电池供电通路，D6不导通，使得D7的门极被拉到高电平而导通，这样D4与D5导通，如此一来，仅由锂电池为后级DC/DC供电。这样实现了超级电容可以充分放电到2V才切换为锂电池为负载供电，当超级电容被充电且电压足够高时可切换回来为后级负载供电。
DC/DC将前级的稳定电压转换为后级负载或各功能模块需要的工作电压。
可视化监拍系统根据实现的功能划分了若干功能模块，包括图像采集处理模块、后台4G通信模块、声光报警模块、传感器无线通信模块等。
微控制器对各功能模块的供电进行分级管理，分别为电量和功能模块划分等级。
功能模块等级的划分根据功能模块的重要性与功耗，重要低功耗的功能模块等级最高，非重要高功耗的等级最低。本实施例中，将功能模块划分为4级，优先级先后顺序为4级(重要低功耗模块，如后台4G通信模块等)>3级(重要高功耗模块，如图像采集处理模块)>2级(非重要低功耗模块，如传感器无线通信模块)>1级(非重要高功耗模块，如声光报警模块)；本领域技术人员可以理解，功能模块的划分不限于4级，可根据功能模块的数量等因素合理调整。
电量的等级划分根据剩余电量高低情况。本实施例中，划分为4级：高电量(如≥75％)、次高电量(如50％-75％)、次低电量(如25％-50％)和低电量(如<25％)；本领域技术人员可以理解，电量等级的划分不限于4级，可根据功能模块的数量等因素合理增减。
微控制器根据未来设定时间段内的气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略。
微控制器内存储的供电策略包括：
性能模型策略：以采集数据为主，依据功能模块等级和电量的等级调整各功能模块的工作状态，例如：减小拍照的时间间隔，以获取更多监拍信息，并将拍的照片和录的声音存储并立马上传后台，并开启本地图像识别算法，开启声光报警装置等等。
时间模型策略：以延长监拍系统的工作时间为主，依据功能模块等级和电量的等级调整各功能模块的工作状态，例如：通过减少装置或模块的工作来延长使用时间、关闭本地图像识别算法，增加拍照的时间间隔，将不同时间拍的照片单次上传等等。
一般模型策略：是性能时间均衡方案，当供电模块的电量高于设定阈值时，选用性能模型策略；当供电模块的电量低于设定阈值时，自动切换为时间模型策略。
储能模型策略：以延长储能装置的使用寿命为出发点，针对储能装置的特性(主要是温度)，在温度过低时，开启加热模块，提高储能装置的温度以保护其性能和寿命；在温度过高时，减少充电电流；在温度过高或过低且无法有效的调节时，关闭储能装置的充放电。
本实施例中，供电模块当前电量等级与功能模块等级的对应关系如表1所示。
表1当前电量等级与功能模块等级的对应关系
当前电量等级 功能模块等级
高电量 1-4级
次高电量 2-4级
次低电量 3-4级
低电量 4级
结合表1，微控制器获取当前电量后，判断所述当前电量所属的电量等级，根据电量等级获取要供电的功能模块等级，为相应等级的功能模块供电。即，高电量(如≥75％)时，为1-4级功能模块供电；次高电量(如50％-75％)时，为2-4级功能模块供电；次低电量(如25％-50％)时，为3-4级功能模块供电；低电量(如<25％)时，则仅为4级功能模块供电。
本实施例中，根据供电模块的温度，确定供电策略是否选择储能模型策略；储能模型策略的选取跟温度有关系，比如，可以选择温度低于0摄氏度或者高于45摄氏度时采用储能模型。
本实施例中，结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略。
比如，可以根据表2中给出的未来十五天的天气数据与供电模块的电量关系，确定选择何种供电策略。
表2供电策略对应关系
Figure BDA0002958641640000191
本实施例中，微控制器为低功耗型，通过BMS监测蓄电池电量，通过超级电容电压检测其电量。
微控制器可与客户端(个人PC、智能手机等)建立连接，通过客户端修改供电策略，以及电量和功能模块的分级策略。
作为一种实施方式，所述供电模块设置在壳体内。
作为一种具体实施方式，所述壳体采用不锈钢材质，进出线接口均采用防水端子。
作为一种具体实施方式，所述壳体还设有接地端子。
本发明实施例通过对可视化监拍系统内部功能模块根据重要性和耗能进行分级，结合剩余电量以及气象数据进行充电策略管理，有效保障了监拍系统核心功能的工作时长，根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制，有效保障了监拍系统的监控效率。
实施例二
在一个或多个实施方式中，公开了架空线路图像可视化监拍系统的工作方法，包括：
对架空线路巡检雾霾天气是否存在隐患物体；
根据当前气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略，具体包括：
根据供电模块的温度，确定供电策略是否选择储能模型策略；
结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略；
在供电的前提下，接收声音采集模块传送来的声音信号，来控制监拍装置的监拍方位及监拍开始时刻。
其中，对架空线路巡检雾霾天气是否存在隐患物体的过程为：
将雾霾天气下的架空线路图像去雾，计算去雾图像的透射率，确定透视率图并利用预设引导图对滤波，得到优化后的透视率图；
基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；若距离点图中有低于设定阈值的距离点，则判断存在隐患物体。
具体的供电策略划分以及选取原则以及对架空线路巡检雾霾天气是否存在隐患物体的过程在实施例一中已经详细说明，在此不再赘述。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (20)

1.一种架空线路图像可视化监拍系统，其特征在于，包括监拍装置、供电模块、声音采集模块和微控制器；所述供电模块和声音采集模块分别与微控制器连接；
所述监拍装置，被配置为获取架空线路图像，对雾霾天气下的架空线路图像去雾，确定透视率图并利用预设引导图对滤波后得到优化后的透视率图；基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；基于设定阈值距离点来判断是否存在隐患物体；
所述微控制器，被配置为根据未来设定时间段内的气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略；根据声音信号对监拍装置采集架空线路图像的方位及开始时刻进行控制。
2.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，在所述监拍装置中，利用预设引导图对对透视率图滤波的具体过程包括：利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，得到优化的透视率图。
3.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，在所述监拍装置中，基于去雾图像确定隐患物的坐标值的过程为：对去雾图像进行图像识别的具体过程包括：利用训练好的YOLOv3模型识别预定类型的外破隐患源：将去雾图输入到模型中进行分析，得到若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是隐患物的左上角和右下角坐标，将一组(x1,y1)和(x2,y2)记作隐患物的坐标数组。
4.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，在所述监拍装置中，根据隐患物坐标值，进行位置关联的过程包括：根据隐患物坐标，截取透视率二维矩阵，对于每个透视率矩阵，以设定大小的方格取均值，形成透视率均值矩阵。
5.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，在所述监拍装置中，判断距离点图中是否有低于设定阈值的距离点，其过程为：根据透视率均值矩阵中每个透视率值，计算出距离，形成距离点值表，对每个透视率矩阵都做类似处理，得到数个距离点值表，遍历每个距离点值表中的元素值，判断其中是否有距离点低于设定的阈值。
6.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，所述微控制器还与气象数据采集模块相连，所述气象数据采集模块用于根据采集到的当前天气数据以及从气象数据中心获取的未来设定时间的气象数据，得到对未来数小时或者数天的天气预测数据。
7.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，所述供电模块还与太阳能电池板连接，所述供电模块包括：超级电容、电池和备用电源选通电路，所述太阳能电池板分别通过两个充电电路连接超级电容和电池的输入端，超级电容和电池的输出端均连接至备用电源选通电路；所述备用电源选通电路用于控制采用超级电容还是电池为后级电路进行供电。
8.如权利要求7所述的架空线路图像可视化监拍系统，其特征在于，太阳能电池板与超级电容之间设置有两个并联连接的充电管理芯片，充电管理芯片与微处理器相连，微处理器用于根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
9.如权利要求7所述的架空线路图像可视化监拍系统，其特征在于，太阳能电池板与电池之间设置有至少两个并联连接的充电管理芯片，且充电管理芯片均连接至微处理器；所述微处理器用于根据太阳能电池板输入电源电压和电池的容量，控制与电池连接的充电管理芯片连通数量；以及根据充电管理芯片的当前温度来控制充电管理芯片的启停，实现充电管理芯片的分时散热。
10.如权利要求7所述的架空线路图像可视化监拍系统，其特征在于，所述供电模块还包括充电管理单元，用于获取太阳能电池板的输出电压和当前电池电量，若太阳能电池板的输出电压达到第一预设电压，则为超级电容充电，若当前电池电量未满，则同时为电池充电。
11.如权利要求7所述的架空线路图像可视化监拍系统，其特征在于，备用电源选通电路在超级电容电压高于第二预设电压时,使用超级电容供电；当超级电容电压低于第三预设电压时，切换为电池供电。
12.如权利要求11所述的架空线路图像可视化监拍系统，其特征在于，所述备用电源选通电路包括：超级电容的输出端分两路，一路连接迟滞比较器的正输入端，另一路连接至P沟道MOS管D1的漏极；D1的源极连接D2的源极；迟滞比较器的输出端一路连接N沟道MOS管D3的门极，另一路连接N沟道MOS管D6的门极；D3的漏极通过电阻R2连接至D1和D2门极的连通线路上；
电池的输出端连接至P沟道MOS管D4的漏极；D4的源极连接D5的源极；N沟道MOS管D6的漏极一路经由电阻R5连接至P沟道MOS管D4的漏极，另一路连接至N沟道MOS管D7的门极；D7的漏极通过电阻R4连接至D4和D5门极的连通线路上；
P沟道MOS管D2和P沟道MOS管D5的漏极均连接至DC/DC转换器。
13.如权利要求12所述的架空线路图像可视化监拍系统，其特征在于，D1的源极分三路，一路连接电阻R1，一路连接电容C1，一路连接P沟道MOS管D2的源极；D1的门极分三路，一路连接电阻R1，一路连接电容C1，一路连接D2的门极；P沟道MOS管D4的源极分三路，一路连接电阻R3，一路连接电容C2，一路连接P沟道MOS管D5的源极；D4的门极分三路，一路连接电阻R3，一路连接电容C2，一路连接D5的门极。
14.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，微控制器内预存储不同的供电策略，具体包括：
性能模型策略：以采集数据为主，微控制器根据供电模块当前电量所属的电量等级，以及待供电的功能模块的等级，为相应等级的功能模块供电；
时间模型策略：以延长监拍系统的工作时间为主，微控制器根据供电模块当前电量所属的电量等级，以及待供电的功能模块的等级，为相应等级的功能模块供电；
一般模型策略：当供电模块的电量高于设定阈值时，选用性能模型策略；当供电模块的电量低于设定阈值时，自动切换为时间模型策略；
储能模型策略：当供电模块的温度低于设定阈值时，开启加热装置增加供电模块的温度；当供电模块的温度高于设定阈值时，减少供电模块的充电电流。
15.如权利要求14所述的架空线路图像可视化监拍系统，其特征在于，根据供电模块的温度，确定供电策略是否选择储能模型策略；
结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略。
16.如权利要求1所述的架空线路图像可视化监拍系统，其特征在于，所述供电模块的上表面与太阳能电池板下表面贴合设置，监拍装置通过支架与供电模块连接；所述供电模块的输出端与监拍装置的多个功能模块分别连接。
17.如权利要求16所述的架空线路图像可视化监拍系统，其特征在于，所述供电模块设置在壳体内。
18.如权利要求17所述的架空线路图像可视化监拍系统，其特征在于，所述壳体还设有接地端子。
19.一种基于如权利要求1-18中任一项所述的架空线路图像可视化监拍系统的工作方法，其特征在于，包括：
对架空线路巡检雾霾天气是否存在隐患物体；
根据当前气象数据、供电模块的当前电量以及多个功能模块的重要性和所需能耗，控制供电模块选择不同的供电策略，具体包括：
根据供电模块的温度，确定供电策略是否选择储能模型策略；
结合供电模块的电量以及未来设定时间内的气象数据，确定供电策略是否选择性能模型策略、时间模型策略或者一般模型策略；
在供电的前提下，接收声音采集模块传送来的声音信号，来控制监拍装置的监拍方位及监拍开始时刻。
20.如权利要求19所述的架空线路图像可视化监拍系统的工作方法，其特征在于，对架空线路巡检雾霾天气是否存在隐患物体的过程为：
将雾霾天气下的架空线路图像去雾，计算去雾图像的透射率，确定透视率图并利用预设引导图对滤波，得到优化后的透视率图；
基于去雾图像确定隐患物的坐标值与优化后的透视率图进行位置关联，得到距离点图；若距离点图中有低于设定阈值的距离点，则判断存在隐患物体。
CN202110229768.6A 2021-03-02 2021-03-02 一种架空线路图像可视化监拍系统及方法 Active CN113030638B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110229768.6A CN113030638B (zh) 2021-03-02 2021-03-02 一种架空线路图像可视化监拍系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110229768.6A CN113030638B (zh) 2021-03-02 2021-03-02 一种架空线路图像可视化监拍系统及方法

Publications (2)

Publication Number Publication Date
CN113030638A true CN113030638A (zh) 2021-06-25
CN113030638B CN113030638B (zh) 2022-06-14

Family

ID=76465369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110229768.6A Active CN113030638B (zh) 2021-03-02 2021-03-02 一种架空线路图像可视化监拍系统及方法

Country Status (1)

Country Link
CN (1) CN113030638B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024574A (zh) * 2021-12-31 2022-02-08 山东信通电子股份有限公司 一种用于输电线路的隐患状态识别方法及设备
CN114724337A (zh) * 2022-03-31 2022-07-08 旭宇光电（深圳）股份有限公司 基于光伏电池供电的远程智能监测预警系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771814A (zh) * 2009-12-29 2010-07-07 天津市亚安科技电子有限公司 具有声音识别定位功能的云台摄像机
CN102980607A (zh) * 2011-09-07 2013-03-20 辽宁省电力有限公司营口供电公司 一种输电线路图像识别监控系统
CN103426151A (zh) * 2013-08-12 2013-12-04 广东威创视讯科技股份有限公司 一种图像去雾方法及装置
CN104713526A (zh) * 2015-04-01 2015-06-17 无锡桑尼安科技有限公司 输电线路上异物种类检测方法
CN106602691A (zh) * 2017-01-21 2017-04-26 安荣邦 一种能量收集利用系统及方法
CN208171478U (zh) * 2018-05-24 2018-11-30 山东智洋电气股份有限公司 基于智能监拍的导线温度在线监测系统
CN110490121A (zh) * 2019-08-14 2019-11-22 北京国网信通埃森哲信息技术有限公司 一种基于多监拍图像识别的输电线路防外破方法及系统
CN112131936A (zh) * 2020-08-13 2020-12-25 华瑞新智科技（北京）有限公司 一种巡检机器人图像识别方法及巡检机器人

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771814A (zh) * 2009-12-29 2010-07-07 天津市亚安科技电子有限公司 具有声音识别定位功能的云台摄像机
CN102980607A (zh) * 2011-09-07 2013-03-20 辽宁省电力有限公司营口供电公司 一种输电线路图像识别监控系统
CN103426151A (zh) * 2013-08-12 2013-12-04 广东威创视讯科技股份有限公司 一种图像去雾方法及装置
CN104713526A (zh) * 2015-04-01 2015-06-17 无锡桑尼安科技有限公司 输电线路上异物种类检测方法
CN106602691A (zh) * 2017-01-21 2017-04-26 安荣邦 一种能量收集利用系统及方法
CN208171478U (zh) * 2018-05-24 2018-11-30 山东智洋电气股份有限公司 基于智能监拍的导线温度在线监测系统
CN110490121A (zh) * 2019-08-14 2019-11-22 北京国网信通埃森哲信息技术有限公司 一种基于多监拍图像识别的输电线路防外破方法及系统
CN112131936A (zh) * 2020-08-13 2020-12-25 华瑞新智科技（北京）有限公司 一种巡检机器人图像识别方法及巡检机器人

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024574A (zh) * 2021-12-31 2022-02-08 山东信通电子股份有限公司 一种用于输电线路的隐患状态识别方法及设备
CN114024574B (zh) * 2021-12-31 2022-04-01 山东信通电子股份有限公司 一种用于输电线路的隐患状态识别方法及设备
CN114724337A (zh) * 2022-03-31 2022-07-08 旭宇光电（深圳）股份有限公司 基于光伏电池供电的远程智能监测预警系统及方法
CN114724337B (zh) * 2022-03-31 2023-08-22 旭宇光电（深圳）股份有限公司 基于光伏电池供电的远程智能监测预警系统及方法

Also Published As

Publication number Publication date
CN113030638B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN113030638B (zh) 一种架空线路图像可视化监拍系统及方法
KR101658864B1 (ko) 태양전지 조명장치 제어 시스템 및 방법
CN106304490A (zh) 一种锂电型太阳能led路灯的控制系统及方法
US11005287B1 (en) Advanced mobile energy storage device
CN205726590U (zh) 一种智能化充放电功率平衡控制太阳能路灯
CN111654096A (zh) 户外设备控制方法、装置、设备及存储介质
CN108762176B (zh) 智能家装巡检机器人节能调控方法及系统
CN114678855A (zh) 一种输电线路监测设备的供电控制方法、系统及装置
KR101559293B1 (ko) 배터리 잔존용량 측정장치 및 이를 이용하는 배터리 전력 제어장치
CN116799896B (zh) 一种家庭用安全防护智能锂电池系统
CN113014773B (zh) 一种架空线路视频可视化监拍系统及方法
US11444467B2 (en) Smart balancing energy charging control system
CN112864947B (zh) 一种可视化监拍系统及方法
CN112947216B (zh) 架空线路可视化监拍供电气象控制系统及方法
CN112780348B (zh) 一种电缆隧道图像可视化监拍系统及方法
CN113013778B (zh) 一种电缆隧道视频可视化监拍系统及方法
CN212210541U (zh) 一种井场传感器电池稳压模块
CN105704896B (zh) 一种智能化充放电功率平衡控制太阳能路灯及其控制方法
CN117155231B (zh) 一种具有宽电压输入的户外电源太阳能板及其控制方法
CN216146143U (zh) 一种太阳能供电装置
CN213181354U (zh) 一种固定式太阳能无线气体传感器
CN213991094U (zh) 一种低电压输入的蓝牙太阳能路灯控制装置及系统
CN115021299B (zh) 基于光伏发电的电池储能管理系统
CN116320732B (zh) 太阳能摄像头控制方法、装置、太阳能摄像头和存储介质
CN114243869B (zh) 用于输电线路监控的控制方法及装置、监控系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 902, 9 / F, block B, Yinhe building, 2008 Xinluo street, high tech Zone, Jinan City, Shandong Province, 250101

Applicant after: Shandong luruan Digital Technology Co.,Ltd. smart energy branch

Applicant after: State Grid Shandong Electric Power Company Electric Power Research Institute

Address before: Room 902, 9 / F, block B, Yinhe building, 2008 Xinluo street, high tech Zone, Jinan City, Shandong Province, 250101

Applicant before: Shandong Luneng Software Technology Co.,Ltd. intelligent electrical branch

Applicant before: State Grid Shandong Electric Power Company Electric Power Research Institute

GR01 Patent grant
GR01 Patent grant