CN113221685A - 一种输电线路中微小异物的识别方法、装置、计算机设备 - Google Patents

一种输电线路中微小异物的识别方法、装置、计算机设备 Download PDF

Info

Publication number
CN113221685A
CN113221685A CN202110461734.XA CN202110461734A CN113221685A CN 113221685 A CN113221685 A CN 113221685A CN 202110461734 A CN202110461734 A CN 202110461734A CN 113221685 A CN113221685 A CN 113221685A
Authority
CN
China
Prior art keywords
transmission line
power transmission
image
determining
far
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
CN202110461734.XA
Other languages
English (en)
Inventor
周震震
宋云海
项鹏飞
朱仁勋
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.)
Maintenance and Test Center of Extra High Voltage Power Transmission Co
Original Assignee
Maintenance and Test Center of Extra High Voltage Power Transmission Co
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 Maintenance and Test Center of Extra High Voltage Power Transmission Co filed Critical Maintenance and Test Center of Extra High Voltage Power Transmission Co
Priority to CN202110461734.XA priority Critical patent/CN113221685A/zh
Publication of CN113221685A publication Critical patent/CN113221685A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种输电线路中微小异物的识别方法、装置、计算机设备。所述方法包括：获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；采用所述异物识别阈值，从所述目标输电线路中识别微小异物。采用本方法能够精细识别输电线路中微小异物，通过确定输电线路的远端聚合点位置，增强了输电线路识别的准确程度，且根据像素直径的数值区间获取合适的异物识别阈值，能够有效识别输电线路上存在的极其微小的异物。

Description

一种输电线路中微小异物的识别方法、装置、计算机设备
技术领域
本申请涉及电力输电线路检测技术领域，特别是涉及一种输电线路中微小异物的识别方法、装置、计算机设备和存储介质。
背景技术
由于电力输电线路分布范围广、背景环境复杂，在运行维护过程中发现输电线路有被异物缠绕的情况，特别是一些微小物体具有较强的侵入能力，可以沿着输电线路侵入输电设备，不仅影响电网运行安全，甚至会造成安全事故。因此，及时发现输电线路上的微小异物对于线路安全运行具有重要意义。
现有技术中，通常采用输电线路拍摄照片进行异物检测，但在异物识别过程中存在输电线路识别准确度低，无法精细识别输电线路上微小异物的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决上述问题的一种输电线路中微小异物的识别方法、装置、计算机设备和存储介质。
一种输电线路中微小异物的识别方法，所述方法包括：
获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
在一个实施例中，所述确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线，包括：
获取所述输电线路图像对应的灰度图像；
基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线。
在一个实施例中，所述获取所述输电线路图像对应的灰度图像，包括：
采用灰度函数对所述输电线路图像进行灰度处理，生成灰度图像；所述灰度函数为增加伴随系数和增殖函数的灰度函数，以使生成的灰度图像中输电线路的断裂程度减小。
在一个实施例中，所述基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，包括：
确定所述输电线路图像中输电线路的对齐系数；
根据所述对齐系数确定所述输电线路的远端聚合点位置的高斯分布情况；
基于所述高斯分布情况，得到所述输电线路图像中输电线路的远端聚合点位置。
在一个实施例中，所述根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间，包括：
根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路；
采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间。
在一个实施例中，所述根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路，包括：
将所述远端聚合点位置作为扇形顶点，所述摄像基线的两个端点作为扇弧端点，构建扇形区域；
从所述扇形区域中，确定所述输电线路图像中的目标输电线路。
在一个实施例中，所述采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间，包括：
确定所述摄像基线对应位置的目标输电线路的像素直径，作为像素直径最大值；
确定所述远端聚合点位置的目标输电线路的像素直径，作为像素直径最小值；
根据所述像素直径最大值和所述像素直径最小值，得到所述目标输电线路的像素直径的数值区间。
在一个实施例中，所述根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值，包括：
确定所述像素直径的数值区间的均值，将所述均值作为所述目标输电线路的异物识别阈值。
在一个实施例中，所述目标输电线路包括多个像素点，所述采用所述异物识别阈值，从所述目标输电线路中识别微小异物，包括：
判断所述目标输电线路的多个像素点中是否存在像素直径大于所述异物识别阈值的像素点；
在判定存在像素直径大于所述异物识别阈值的像素点时，确定识别到微小异物。
一种输电线路中微小异物的识别装置，所述装置包括：
图像信息获取模块，用于获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
像素直径区间确定模块，用于根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
异物识别阈值确定模块，用于根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
微小异物识别模块，用于采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的输电线路中微小异物的识别方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的输电线路中微小异物的识别方法的步骤。
上述一种输电线路中微小异物的识别方法、装置、计算机设备和存储介质，通过获取输电线路图像，确定输电线路图像中输电线路的远端聚合点位置，以及输电线路图像的摄像基线，然后根据远端聚合点位置和摄像基线，确定输电线路图像中目标输电线路的像素直径的数值区间，根据像素直径的数值区间，确定目标输电线路的异物识别阈值，进而采用异物识别阈值，从目标输电线路中识别微小异物，实现了精细识别输电线路中微小异物，通过确定输电线路的远端聚合点位置，增强了输电线路识别的准确程度，且根据像素直径的数值区间获取合适的异物识别阈值，能够有效识别输电线路上存在的极其微小的异物。
附图说明
图1为一个实施例中一种输电线路中微小异物的识别方法的流程示意图；
图2为一个实施例中一种灰度图及其对比系数的示意图；
图3为一个实施例中远端聚合点位置得到步骤的流程示意图；
图4为另一个实施例中像素直径区间确定步骤的流程示意图；
图5为一个实施例中一种微小异物识别流程的示意图；
图6为一个实施例中一种输电线路中微小异物的识别装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种输电线路中微小异物的识别方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤101，获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
作为一示例，输电线路图像可以采用航拍监控、爬行机器人、移动摄像机、固定摄像机等设备进行获取，也可以为其它获取方式，本发明对此不作限定，例如，可以将整个视频作为帧序列，每一帧对应一张图像，也可以通过视频截取得到多张图像、或者采用直接拍摄的静态图像，作为输电线路图像进行后续微小异物识别处理。
在识别输电线路中微小异物的过程中，通过获取输电线路图像，可以计算该输电线路图像中输电线路的远端聚合点位置，并可以得到输电线路图像的摄像基线，以进一步根据远端聚合点位置和摄像基线进行识别输电线路中微小异物处理。
具体地，可以获取输电线路图像对应的灰度图像，基于该灰度图像通过对齐系数可以计算出输电线路的远端聚合点位置，并可以获取输电线路图像的基平面以及摄像基线。
步骤102，根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
在获取远端聚合点位置和摄像基线后，可以根据远端聚合点位置和摄像基线确定输电线路图像中目标输电线路，进而可以针对目标输电线路得到像素直径的数值区间。
具体地，基于输电线路图像对应的灰度图像，可以根据远端聚合点位置和摄像基线从该灰度图像中识别输电线路，并可以将已识别的输电线路作为目标输电线路，进而可以进一步针对目标输电线路确定像素直径的数值区间。
步骤103，根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
其中，异物识别阈值可以为针对输电线路中微小异物进行识别的门限值，其可以用于从输电线路中搜索微小异物，例如，在输电线路中搜索到大于门限值的直径奇点时，可以确定识别到微小异物。
在确定像素直径的数值区间后，可以基于该像素直径的数值区间确定一合适的像素直径数值，作为目标输电线路的异物识别阈值，以采用异物识别阈值搜索输电线路中微小异物。
步骤104，采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
在得到异物识别阈值后，可以采用该异物识别阈值从目标输电线路中识别微小异物，例如，可以在目标输电线路中搜索到大于异物识别阈值的直径奇点时，确定识别到微小异物。
在本申请实施例中，通过获取输电线路图像，确定输电线路图像中输电线路的远端聚合点位置，以及输电线路图像的摄像基线，然后根据远端聚合点位置和摄像基线，确定输电线路图像中目标输电线路的像素直径的数值区间，根据像素直径的数值区间，确定目标输电线路的异物识别阈值，进而采用异物识别阈值，从目标输电线路中识别微小异物，实现了精细识别输电线路中微小异物，通过确定输电线路的远端聚合点位置，增强了输电线路识别的准确程度，且根据像素直径的数值区间获取合适的异物识别阈值，能够有效识别输电线路上存在的极其微小的异物。
在一个实施例中，所述确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线，可以包括如下步骤：
获取所述输电线路图像对应的灰度图像；
在实际应用中，可以针对获取的输电线路图像，得到输电线路图像对应的灰度图像，以采用该灰度图像进行后续步骤处理。
基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线。
在获取灰度图像后，可以基于该灰度图像计算输电线路的远端聚合点位置，并可以获取输电线路图像的基平面以及摄像基线。
通过上述实施例获取输电线路图像对应的灰度图像，然后基于灰度图像，确定输电线路图像中输电线路的远端聚合点位置，以及输电线路图像的摄像基线，能够将输电线路彩色图像转换为灰度图像，并结合输电线路的远端聚合点位置和输电线路图像的摄像基线，有助于进一步识别输电线路。
在一个实施例中，所述获取所述输电线路图像对应的灰度图像，可以包括如下步骤：
采用灰度函数对所述输电线路图像进行灰度处理，生成灰度图像；所述灰度函数为增加伴随系数和增殖函数的灰度函数，以使生成的灰度图像中输电线路的断裂程度减小。
在实际应用中，对于获取的输电线路图像，可以采用灰度函数进行灰度运算，该灰度函数可以增加伴随系数和增殖函数，其可以使生成的灰度图像中输电线路的断裂程度减小。
例如，可以通过调整输电线路图像中像素的红、绿、蓝色值，将输电线路彩色图像转换为灰度图像，而对于传统的灰度处理，其采用如下RGB彩色图像灰度转换公式：
I(x)＝0.229R(x)+0.587G(x)+0.114B(x) (1)
其中，R(x)为像素的红色值，G(x)为像素的绿色值，B(x)为像素的蓝色值，该公式中参数相对固定，缺少调节机制，无法灵活地将彩色图像转换为灰度图像。
为了增强调节的灵活性，同时保持转换的整体性，本发明采用增加伴随系数和增殖函数的灰度函数，其可以采用如下公式表示：
I(x)＝0.229R(x)+0.587G(x)+0.114B(x)+ccom*f(R(x),G(x),B(x)) (2)
其中，R(x)为像素的红色值，G(x)为像素的绿色值，B(x)为像素的蓝色值，Ccom为伴随系数，f(R(x),G(x),B(x)为增殖函数，该增殖函数可以为线性函数，其可以采用如下公式表示：
Figure BDA0003042541420000071
其中，R(x)为像素的红色值，G(x)为像素的绿色值，B(x)为像素的蓝色值。
在对输电线路图像进行灰度处理的过程中，由于图像中背景复杂、线路缠绕、设备抖动等原因，会造成转换的灰度图中呈现线路断裂现象，通过本发明采用增加伴随系数和增殖函数的灰度函数进行灰度处理，有效避免了灰度图转换中线路断裂现象，进而基于该输电线路灰度图像可以更容易地识别输电线路。
通过上述实施例采用灰度函数对输电线路图像进行灰度处理，生成灰度图像，灰度函数为增加伴随系数和增殖函数的灰度函数，以使生成的灰度图像中输电线路的断裂程度减小，降低了线路断裂现象的影响，能够更容易地识别输电线路。
在一个实施例中，如图2所示，所述基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，可以包括如下步骤：
步骤201，确定所述输电线路图像中输电线路的对齐系数；
在具体实现中，可以计算输电线路图像中输电线路的对齐系数，其可以用于表征输电线路的断裂程度。
为了衡量输电线路图像中输电线路的断裂情况，可以采用对齐系数表征断裂程度，可以采用如下方式计算对齐系数：
Figure BDA0003042541420000081
其中，i为输电线路编号，li为断裂输电线路的长度，wi为断裂输电线路的宽度。
在一示例中，如图3所示，其表征了根据传统的灰度函数，即公式(1)，以及本发明增加伴随系数和增殖函数的灰度函数，即公式(2)，将彩色图像转换为灰度图像的结果。在输电线路的断裂程度为碎片化情况下，输电线路在同一方向上对齐程度越差，每一断裂线路的对齐系数越小，可以看出，采用本发明灰度函数进行转换的灰度图中对齐系数平均值，明显高于传统灰度函数转换的灰度图中对齐系数平均值，在本发明转换的灰度图中显示出更少的断裂情况、更连续的输电线路。
步骤202，根据所述对齐系数确定所述输电线路的远端聚合点位置的高斯分布情况；
在确定对齐系数后，由于处于实际场景的白噪声环境下，输电线路的拍摄时间为均匀状态，或者拍摄位置在拍摄线路上为均匀分布，则输电线路的远端聚合点位置符合高斯分布，进而可以通过对齐系数得到输电线路的远端聚合点位置的高斯分布情况。
例如，可以采用如下方式确定输电线路的远端聚合点的高斯分布情况：
在输电线路的远端聚合点包含的多条输电线路中，针对其中任意两条输电线路Li、Lj，(i、j为输电线路编号)可以采用如下方式设计高斯函数，其均值可以采用两条输电线路的端点在图像中坐标(eij(x)，eij(y)，即输电线路i和输电线路j的聚合端点的坐标)，由于对齐系数越大，对齐情况越好，则可以将方差σ设计为对齐系数的倒数：
Figure BDA0003042541420000091
其中，βi为对齐系数，k为调节系数，其可以根据结果变动，进而远端聚合点位置的高斯分布可以采用如下方式表示：
Figure BDA0003042541420000092
其中，eij(x)、eij(y)为输电线路图像中两条输电线路Li、Lj端点坐标(如i为1时，j为2，则输电线路1和输电线路2的聚合端点的坐标为e12(x)，e12(y))，σij为方差，i为大于0的整数，N为自然数。
步骤203，基于所述高斯分布情况，得到所述输电线路图像中输电线路的远端聚合点位置。
在得到高斯分布情况后，可以基于该高斯分布情况，得到输电线路图像中输电线路的远端聚合点位置，例如，可以根据最大似然概率计算出远端聚合点位置，其可以采用如下方式表示：
Intersect(x,y)＝argmax|P(x,y)
通过上述实施例确定输电线路图像中输电线路的对齐系数，然后根据对齐系数确定输电线路的远端聚合点位置的高斯分布情况，进而基于高斯分布情况，得到输电线路图像中输电线路的远端聚合点位置，由于输电线路在远端聚合点的位置属于高斯分布，为了更准确地形成连续未断裂的输电线路，较准确地定位远端聚合点，则可以通过引入对齐系数，利用高斯函数构造计算出远端聚合点，进一步提高了输电线路的断裂恢复处理能力，增强了微小异物识别的准确性。
在一个实施例中，如图4所示，所述根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间，可以包括如下步骤：
步骤401，根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路；
在实际应用中，可以根据远端聚合点位置和摄像基线，在输电线路图像中构建一识别区域，进而可以从该识别区域中确定目标输电线路。
为了加快搜索速度，可以不需要针对全图进行像素扫描，根据获取的远端聚合点位置可以划定识别范围，由于输电线路的像素点基本上会落入该范围内，则可以通过限定输电线路的像素范围进一步识别输电线路。
步骤402，采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间。
在确定目标输电线路后，可以获取远端聚合点位置处目标输电线路的像素直径，以及摄像基线对应位置的目标输电线路的像素直径，进而可以得到目标输电线路的像素直径的数值区间。
对比传统方法以摄像基线的像素直径作为门限值，然后在图像搜索过程中，将像素直径大于门限值的像素点均认为属于微小异物的影像，由于摄像基线对应位置的像素直径最大，以此为门限值，将会造成直径比摄像基线对应位置的像素直径小的微小异物未被搜索到。
为了筛选出直径更小的微小异物，采用本发明根据远端聚合点位置与摄像基线之间的输电线路的像素直径确定区间，进而可以基于该区间得到异物识别阈值，从而可以缩小门限值，更精细地识别微小异物。
通过上述实施例根据远端聚合点位置和摄像基线构成的区域，确定输电线路图像中的目标输电线路，进而采用远端聚合点位置和摄像基线对应位置的像素直径，确定目标输电线路的像素直径的数值区间，可以基于数值区间进一步确定合适的异物识别阈值，能够缩小识别的门限值，更精细地搜索微小异物。
在一个实施例中，所述根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路，可以包括如下步骤：
将所述远端聚合点位置作为扇形顶点，所述摄像基线的两个端点作为扇弧端点，构建扇形区域；
在实际应用中，可以将远端聚合点位置作为扇形顶点，摄像基线的两个端点作为扇弧端点，进而可以构建扇形区域，以限定输电线路的像素范围进一步识别输电线路。
从所述扇形区域中，确定所述输电线路图像中的目标输电线路。
在构建扇形区域后，可以从该扇形区域中确定输电线路图像中的目标输电线路。
具体地，由于输电线路在扇形区域内呈现为发射状态的分布情况，为了提高搜索效率，可以保持在每条呈发射状的输电线路上采用一致性的计算方式，例如，可以将角度作为步进搜索对象，该角度的顶点可以为远端聚合点，进而可以将在扇形区域内识别出的输电线路作为输电线路图像中的目标输电线路。
通过上述实施例将远端聚合点位置作为扇形顶点，摄像基线的两个端点作为扇弧端点，构建扇形区域，进而从扇形区域中，确定输电线路图像中的目标输电线路，从而能够小范围内识别输电线路，提高了搜索效率。
在一个实施例中，所述采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间，可以包括如下步骤：
确定所述摄像基线对应位置的目标输电线路的像素直径，作为像素直径最大值；
确定所述远端聚合点位置的目标输电线路的像素直径，作为像素直径最小值；
根据所述像素直径最大值和所述像素直径最小值，得到所述目标输电线路的像素直径的数值区间。
在具体实现中，针对已识别的目标输电线路，可以得到摄像基线对应位置的目标输电线路的像素直径，作为输电线路像素直径的最大值，并可以根据远端聚合点位置计算对应的目标输电线路的像素直径，作为输电线路像素直径的最小值，进而采用最大值和最小值可以得到像素直径的数值区间。
通过上述实施例确定摄像基线对应位置的目标输电线路的像素直径，作为像素直径最大值，并确定远端聚合点位置的目标输电线路的像素直径，作为像素直径最小值，进而根据像素直径最大值和像素直径最小值，得到目标输电线路的像素直径的数值区间，可以基于该区间缩小门限值，更精细地识别微小异物。
在一个实施例中，所述根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值，可以包括如下步骤：
确定所述像素直径的数值区间的均值，将所述均值作为所述目标输电线路的异物识别阈值。
在得到像素直径的数值区间后，可以将该数值区间的均值作为目标输电线路的异物识别阈值，如将该数据区间的均值作为门限值。
由于门限值被缩小到一个均值程度，属于比较合理的门限值，且该门限值应当小于摄像基线对应位置的输电线路的像素直径，则可以筛选出直径更小的微小异物，达到了更精细搜索和识别的效果。
通过上述实施例确定像素直径的数值区间的均值，将均值作为目标输电线路的异物识别阈值，可以筛选出直径更小的微小异物，有效避免了采用摄像基线对应位置的输电线路的像素直径较大而造成的遗漏。
在一个实施例中，目标输电线路可以包括多个像素点，所述采用所述异物识别阈值，从所述目标输电线路中识别微小异物，可以包括如下步骤：
判断所述目标输电线路的多个像素点中是否存在像素直径大于所述异物识别阈值的像素点；
在判定存在像素直径大于所述异物识别阈值的像素点时，确定识别到微小异物。
在实际应用中，目标输电线路可以包括多个像素点，通过判断目标输电线路的多个像素点中是否存在像素直径大于异物识别阈值的像素点，进而可以在判定存在像素直径大于异物识别阈值的像素点时，确定识别到微小异物。
例如，通过在远端聚合点位置与摄像基线之间的目标输电线路中，搜索大于异物识别阈值的直径奇点，可以在识别到直径奇点时，认定输电线路中出现微小异物。
通过上述实施例判断目标输电线路的多个像素点中是否存在像素直径大于异物识别阈值的像素点，进而在判定存在像素直径大于异物识别阈值的像素点时，确定识别到微小异物，可以筛选出直径更小的微小异物，达到更精细地识别效果。
为了使本领域技术人员能够更好地理解上述步骤，以下结合图5通过一个例子对本申请实施例加以示例性说明，但应当理解的是，本发明实施例并不限于此。
1、获取输电线路图像，如采用航拍监控、爬行机器人、移动摄像机、固定摄像机等设备进行获取；
2、对于获取的输电线路图像，可以采用灰度函数进行灰度运算，该灰度函数增加了伴随系数和增殖函数，使得生成的灰度图像中输电线路的断裂程度减小，能够更容易地识别输电线路；
3、在进行灰度运算后生成灰度图像，以从灰度图像上识别输电线路；
4、计算对齐系数，对齐系数可以用于表征输电线路在同一方向上的对齐程度，输电线路在同一方向上对齐程度越差，每一断裂线路的对齐系数越小；
5、通过对齐系数估计输电线路的远端聚合点位置，由于输电线路在远端聚合点的位置属于高斯分布，基于对齐系数，可以利用高斯函数构造计算出远端聚合点，进一步提高了输电线路的断裂恢复处理能力；
6、确定输电线路图像的基平面以及摄像基线，以远端聚合点位置作为扇形顶点，以摄像基线的两个端点作为扇形的扇弧端点构造扇形(即扇形区域)；
7、在构造的扇形内可以通过角度作为步进搜索对象识别输电线路，作为输电线路图像中的目标输电线路；
8、通过已识别的输电线路，可以得到摄像基线对应位置的输电线路的像素直径，作为最大值，并可以根据远端聚合点位置计算对应的输电线路的像素直径，作为最小值，以最大值和最小值形成像素直径的数值区间，并以该数据区间的均值作为门限值(即目标输电线路的异物识别阈值)；
9、在远端聚合点与摄像基线之间搜索是否存在大于门限值的直径奇点，若出现直径奇点，则可以认定为输电线路上出现微小异物。
应该理解的是，虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种输电线路中微小异物的识别装置，包括：
图像信息获取模块601，用于获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
像素直径区间确定模块602，用于根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
异物识别阈值确定模块603，用于根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
微小异物识别模块604，用于采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
在一个实施例中，所述图像信息获取模块601包括：
灰度图像获取子模块，用于获取所述输电线路图像对应的灰度图像；
图像信息获取子模块，用于基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线。
在一个实施例中，所述灰度图像获取子模块包括：
灰度图像获取单元，用于采用灰度函数对所述输电线路图像进行灰度处理，生成灰度图像；所述灰度函数为增加伴随系数和增殖函数的灰度函数，以使生成的灰度图像中输电线路的断裂程度减小。
在一个实施例中，所述图像信息获取子模块包括：
对齐系数确定单元，用于确定所述输电线路图像中输电线路的对齐系数；
高斯分布情况确定单元，用于根据所述对齐系数确定所述输电线路的远端聚合点位置的高斯分布情况；
远端聚合点位置得到单元，用于基于所述高斯分布情况，得到所述输电线路图像中输电线路的远端聚合点位置。
在一个实施例中，所述像素直径区间确定602包括：
目标输电线路确定子模块，用于根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路；
像素直径区间确定子模块，用于采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间。
在一个实施例中，所述目标输电线路确定子模块包括：
扇形区域构建单元，用于将所述远端聚合点位置作为扇形顶点，所述摄像基线的两个端点作为扇弧端点，构建扇形区域；
目标输电线路确定单元，用于从所述扇形区域中，确定所述输电线路图像中的目标输电线路。
在一个实施例中，所述像素直径区间确定子模块包括：
最大值确定单元，用于确定所述摄像基线对应位置的目标输电线路的像素直径，作为像素直径最大值；
最小值确定单元，用于确定所述远端聚合点位置的目标输电线路的像素直径，作为像素直径最小值；
像素直径区间确定单元，用于根据所述像素直径最大值和所述像素直径最小值，得到所述目标输电线路的像素直径的数值区间。
在一个实施例中，所述异物识别阈值确定模块603包括：
均值确定子模块，用于确定所述像素直径的数值区间的均值，将所述均值作为所述目标输电线路的异物识别阈值。
在一个实施例中，所述目标输电线路包括多个像素点，所述微小异物识别模块604包括：
判断子模块，用于判断所述目标输电线路的多个像素点中是否存在像素直径大于所述异物识别阈值的像素点；
判定子模块，用于在判定存在像素直径大于所述异物识别阈值的像素点时，确定识别到微小异物。
在本申请实施例中，通过获取输电线路图像，确定输电线路图像中输电线路的远端聚合点位置，以及输电线路图像的摄像基线，然后根据远端聚合点位置和摄像基线，确定输电线路图像中目标输电线路的像素直径的数值区间，根据像素直径的数值区间，确定目标输电线路的异物识别阈值，进而采用异物识别阈值，从目标输电线路中识别微小异物，实现了精细识别输电线路中微小异物，通过确定输电线路的远端聚合点位置，增强了输电线路识别的准确程度，且根据像素直径的数值区间获取合适的异物识别阈值，能够有效识别输电线路上存在的极其微小的异物。
关于一种输电线路中微小异物的识别装置的具体限定可以参见上文中对于输电线路中微小异物的识别的限定，在此不再赘述。上述输电线路中微小异物的识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储输电线路中微小异物的识别数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输电线路中微小异物的识别方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
在一个实施例中，处理器执行计算机程序时还实现上述其他实施例中的输电线路中微小异物的识别的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的输电线路中微小异物的识别方法的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种输电线路中微小异物的识别方法，其特征在于，所述方法包括：
获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
2.根据权利要求1所述的方法，其特征在于，所述确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线，包括：
获取所述输电线路图像对应的灰度图像；
基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线。
3.根据权利要求2所述的方法，其特征在于，所述获取所述输电线路图像对应的灰度图像，包括：
采用灰度函数对所述输电线路图像进行灰度处理，生成灰度图像；所述灰度函数为增加伴随系数和增殖函数的灰度函数，以使生成的灰度图像中输电线路的断裂程度减小。
4.根据权利要求2所述的方法，其特征在于，所述基于所述灰度图像，确定所述输电线路图像中输电线路的远端聚合点位置，包括：
确定所述输电线路图像中输电线路的对齐系数；
根据所述对齐系数确定所述输电线路的远端聚合点位置的高斯分布情况；
基于所述高斯分布情况，得到所述输电线路图像中输电线路的远端聚合点位置。
5.根据权利要求1或2或3或4所述的方法，其特征在于，所述根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间，包括：
根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路；
采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间。
6.根据权利要求5所述的方法，其特征在于，所述根据所述远端聚合点位置和所述摄像基线构成的区域，确定所述输电线路图像中的目标输电线路，包括：
将所述远端聚合点位置作为扇形顶点，所述摄像基线的两个端点作为扇弧端点，构建扇形区域；
从所述扇形区域中，确定所述输电线路图像中的目标输电线路。
7.根据权利要求5所述的方法，其特征在于，所述采用所述远端聚合点位置和所述摄像基线对应位置的像素直径，确定所述目标输电线路的像素直径的数值区间，包括：
确定所述摄像基线对应位置的目标输电线路的像素直径，作为像素直径最大值；
确定所述远端聚合点位置的目标输电线路的像素直径，作为像素直径最小值；
根据所述像素直径最大值和所述像素直径最小值，得到所述目标输电线路的像素直径的数值区间。
8.根据权利要求1所述的方法，其特征在于，所述根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值，包括：
确定所述像素直径的数值区间的均值，将所述均值作为所述目标输电线路的异物识别阈值。
9.根据权利要求1所述的方法，其特征在于，所述目标输电线路包括多个像素点，所述采用所述异物识别阈值，从所述目标输电线路中识别微小异物，包括：
判断所述目标输电线路的多个像素点中是否存在像素直径大于所述异物识别阈值的像素点；
在判定存在像素直径大于所述异物识别阈值的像素点时，确定识别到微小异物。
10.一种输电线路中微小异物的识别装置，其特征在于，所述装置包括：
图像信息获取模块，用于获取输电线路图像，确定所述输电线路图像中输电线路的远端聚合点位置，以及所述输电线路图像的摄像基线；
像素直径区间确定模块，用于根据所述远端聚合点位置和所述摄像基线，确定所述输电线路图像中目标输电线路的像素直径的数值区间；
异物识别阈值确定模块，用于根据所述像素直径的数值区间，确定所述目标输电线路的异物识别阈值；
微小异物识别模块，用于采用所述异物识别阈值，从所述目标输电线路中识别微小异物。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的输电线路中微小异物的识别方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的输电线路中微小异物的识别方法的步骤。
CN202110461734.XA 2021-04-27 2021-04-27 一种输电线路中微小异物的识别方法、装置、计算机设备 Pending CN113221685A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110461734.XA CN113221685A (zh) 2021-04-27 2021-04-27 一种输电线路中微小异物的识别方法、装置、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110461734.XA CN113221685A (zh) 2021-04-27 2021-04-27 一种输电线路中微小异物的识别方法、装置、计算机设备

Publications (1)

Publication Number Publication Date
CN113221685A true CN113221685A (zh) 2021-08-06

Family

ID=77089434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110461734.XA Pending CN113221685A (zh) 2021-04-27 2021-04-27 一种输电线路中微小异物的识别方法、装置、计算机设备

Country Status (1)

Country Link
CN (1) CN113221685A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH074916A (ja) * 1993-06-15 1995-01-10 Hitachi Cable Ltd 送電線監視装置
CN105654461A (zh) * 2014-12-02 2016-06-08 中国科学院沈阳自动化研究所 一种多分裂导线间隔棒断裂的机器视觉检测方法
CN106407994A (zh) * 2016-09-29 2017-02-15 武汉大学 一种利用Hough变换与函数拟合的导线覆冰厚度图像识别方法
CN109523529A (zh) * 2018-11-12 2019-03-26 西安交通大学 一种基于surf算法的输电线路缺陷识别方法
CN111814686A (zh) * 2020-07-09 2020-10-23 国网山西省电力公司吕梁供电公司 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN112396585A (zh) * 2020-11-19 2021-02-23 中国南方电网有限责任公司超高压输电公司检修试验中心 一种搜索输电线路异物方法及系统
CN112396594A (zh) * 2020-11-27 2021-02-23 广东电网有限责任公司肇庆供电局 变化检测模型获取方法及装置、变化检测方法、计算机设备及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH074916A (ja) * 1993-06-15 1995-01-10 Hitachi Cable Ltd 送電線監視装置
CN105654461A (zh) * 2014-12-02 2016-06-08 中国科学院沈阳自动化研究所 一种多分裂导线间隔棒断裂的机器视觉检测方法
CN106407994A (zh) * 2016-09-29 2017-02-15 武汉大学 一种利用Hough变换与函数拟合的导线覆冰厚度图像识别方法
CN109523529A (zh) * 2018-11-12 2019-03-26 西安交通大学 一种基于surf算法的输电线路缺陷识别方法
CN111814686A (zh) * 2020-07-09 2020-10-23 国网山西省电力公司吕梁供电公司 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN112396585A (zh) * 2020-11-19 2021-02-23 中国南方电网有限责任公司超高压输电公司检修试验中心 一种搜索输电线路异物方法及系统
CN112396594A (zh) * 2020-11-27 2021-02-23 广东电网有限责任公司肇庆供电局 变化检测模型获取方法及装置、变化检测方法、计算机设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
牛育忠;郭元东;黄金柱;: "输电线路监测系统的设计与应用", 电器与能效管理技术, no. 11, 15 June 2017 (2017-06-15) *

Similar Documents

Publication Publication Date Title
CN108038422B (zh) 摄像装置、人脸识别的方法及计算机可读存储介质
CN110232369A (zh) 一种人脸识别方法和电子设备
CN111444555B (zh) 一种测温信息显示方法、装置及终端设备
KR101441947B1 (ko) 카메라 이동 영향을 검출하고 억제하는 감시 카메라 장치및 그 제어 방법
CN110570454A (zh) 一种检测异物入侵的方法及装置
US20220270266A1 (en) Foreground image acquisition method, foreground image acquisition apparatus, and electronic device
US20160125618A1 (en) Method, device, and system for pre-processing a video stream for subsequent motion detection processing
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN111445487B (zh) 图像分割方法、装置、计算机设备和存储介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN111967345A (zh) 一种实时判定摄像头遮挡状态的方法
CN112164086A (zh) 一种精细化的图像边缘信息确定方法、系统及电子设备
CN105357517B (zh) 屏幕的图像检测方法和装置
CN111444758A (zh) 一种基于时空信息的行人重识别方法及装置
CN113222921A (zh) 一种图像处理方法及系统
JP2020504383A (ja) 画像前景の検出装置、検出方法及び電子機器
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
US20130287254A1 (en) Method and Device for Detecting an Object in an Image
CN114429476A (zh) 图像处理方法、装置、计算机设备以及存储介质
CN112883762A (zh) 一种活体检测方法、装置、系统及存储介质
CN117934897A (zh) 一种设备异常检测方法、装置、设备以及存储介质
JP7410323B2 (ja) 異常検出装置、異常検出方法及び異常検出システム
CN113743378A (zh) 一种基于视频的火情监测方法和装置
US9286664B2 (en) System and method for blind image deconvolution
CN113744221A (zh) 拍摄对象计数方法、装置、计算机设备和存储介质

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