CN113610768A - 绝缘子表面藻类覆盖率测算方法、装置及存储介质 - Google Patents
绝缘子表面藻类覆盖率测算方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113610768A CN113610768A CN202110796710.XA CN202110796710A CN113610768A CN 113610768 A CN113610768 A CN 113610768A CN 202110796710 A CN202110796710 A CN 202110796710A CN 113610768 A CN113610768 A CN 113610768A
- Authority
- CN
- China
- Prior art keywords
- algae
- image
- insulator
- calculating
- coverage
- 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
Links
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 195
- 239000012212 insulator Substances 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000002310 reflectometry Methods 0.000 claims abstract description 87
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 3
- 230000012010 growth Effects 0.000 abstract description 6
- 238000004140 cleaning Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 229920002379 silicone rubber Polymers 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000009472 formulation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009036 growth inhibition Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000005791 algae growth Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009422 external insulation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种绝缘子表面藻类覆盖率测算方法，包括：通过获取的待测绝缘子表面图像得到藻类覆盖区域图像，并结合获取的黑色参考板图像和白色参考板图像，计算得反射率指数，基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为待测绝缘子的表面藻类覆盖率。本发明还公开了一种绝缘子表面藻类覆盖率测算装置及存储介质。本发明实施例根据获取的实际运行的绝缘子的表面的照片计算绝缘子表面藻类区域的反射率指数，进而测算出藻类覆盖率，实现了绝缘子表面的藻类的覆盖程度的监测，为绝缘子的清扫和维护计划制定提供参考，从而扫除因绝缘子表面藻类生长给电力系统的安全稳定运行带来的隐患。
Description
技术领域
本发明涉及高电压与外绝缘技术领域，尤其涉及一种绝缘子表面藻类覆盖率测算方法、装置及存储介质。
背景技术
在气候温暖湿润的地区，特别是在空气污染程度较低的树林或农田附近，变电站、换流站和输电线路的绝缘子表面均发现了藻类生长的现象。藻类是一种有一定水分保持能力的自然生物污秽，对绝缘子的硅橡胶表面的憎水性有破坏作用，在雨天或较湿润的环境下，覆生在硅橡胶表面的藻类会引起绝缘子表面泄漏电流增加，甚至出现爬电现象，给电力系统的安全稳定运行带来隐患。
区别于无机污秽，藻类在硅橡胶表面生长时会分泌一些以蛋白质、多糖为主要物质的胞外分泌物，增加藻类的附着力，在雨水冲刷下，藻类较不容易流失，因此，需要对绝缘子的表面藻类覆盖程度进行监测以采取措施预防藻类生长或清扫绝缘子，从而扫除因绝缘子表面藻类生长给电力系统的安全稳定运行带来的隐患。但在现有技术中，并没有系统的方法对绝缘子的表面藻类覆盖率进行测量。
发明内容
本发明实施例的目的是提供一种绝缘子的表面藻类覆盖程度的测算方法、装置及存储介质，能够通过计算绝缘子的表面藻类区域的反射率指数，进而测算出藻类的覆盖率。
为实现上述目的，本发明实施例提供了一种绝缘子的表面藻类覆盖程度的测算方法，包括：
获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
根据所述待测绝缘子表面图像得藻类覆盖区域图像；
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
作为上述方案的改进，所述根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数，具体包括：
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
作为上述方案的改进，所述根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数，具体包括：
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像中每一像素点的反射率，满足以下公式：
其中，R[i,j]表示所述藻类覆盖区域图像中像素点(i，j)的反射率，P′[i,j]表示所述藻类覆盖区域图像中像素点(i，j)的像素强度，B[i,j]表示所述黑色参考板图像中像素点(i，j)的像素强度，W[i,j]表示所述白色参考板图像中像素点(i，j)的像素强度，像素点(i，j)表示所述藻类覆盖区域图像中坐标为(i，j)的像素点；
根据所述藻类覆盖区域图像中每一像素点的反射率，计算得所述待测绝缘子的表面藻类区域的反射率指数，满足以下公式：
其中，n表示所述藻类覆盖区域图像中沿爬电方向像素点的数量，m表示所述藻类覆盖区域图像中沿与爬电方向垂直的方向的像素点的数量；i为大于等于1且小于等于n的正整数，j为大于等于1且小于等于m的正整数。
作为上述方案的改进，所述预设的反射率指数与理论覆盖率之间的对应关系，具体为：
其中，所述反射率指数为中心波长位于405nm的波段通道的反射率指数，Cov为所述理论覆盖率。
作为上述方案的改进，所述根据所述待测绝缘子表面图像得藻类覆盖区域图像，具体包括：
根据所述待测绝缘子表面图像计算得所述待测绝缘子表面图像中每一像素点的EXG分量，满足以下公式：
EXG＝2G-R-B，
其中，R、G和B分别是所述待测绝缘子表面图像中像素点的R、G和B分量；
当所述EXG分量大于预设阈值时，判定对应的像素点为藻类覆盖点；
根据所有所述藻类覆盖点得到藻类覆盖区域图像。
作为上述方案的改进，在所述获取待测绝缘子表面图像之后，根据所述待测绝缘子表面图像得藻类覆盖区域图像之前，还包括：
对所述待测绝缘子表面图像进行降噪处理，得到降噪后的待测绝缘子表面图像；
则，所述根据所述待测绝缘子表面图像得藻类覆盖区域图像，具体为：
根据降噪后的待测绝缘子表面图像，得到藻类覆盖区域图像。
作为上述方案的改进，所述获取待测绝缘子表面图像具体为：采用多光谱相机获取待测绝缘子表面图像。
为实现上述目的，本发明实施例还提供了一种绝缘子表面藻类覆盖率测算装置，包括：
原始图像获取模块，用于获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
覆盖图像获取模块，用于根据所述待测绝缘子表面图像得藻类覆盖区域图像；
反射率指数计算模块，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
藻类覆盖率计算模块，用于基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
作为上述方案的改进，所述反射率指数计算模块，具体包括：
反射率计算单元，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
反射率指数计算单元，用于根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
为实现上述目的，本发明实施例还提供了一种存储介质，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的绝缘子表面藻类覆盖率测算方法。
与现有技术相比，本发明实施例公开的绝缘子表面藻类覆盖率测算方法、装置及存储介质，通过获取的待测绝缘子表面图像得到藻类覆盖区域图像，并结合获取的黑色参考板图像和白色参考板图像，计算得所述待测绝缘子的表面藻类区域的反射率指数，基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率，实现了绝缘子表面的藻类的覆盖程度的监测，以应用于后续对绝缘子表面藻类的生长抑制或清除计划的制定，从而扫除因绝缘子表面藻类生长给电力系统的安全稳定运行带来的隐患。
附图说明
图1是本发明实施例提供的一种绝缘子表面藻类覆盖率测算方法的流程图；
图2是本发明实施例提供的一种绝缘子表面藻类覆盖率测算装置的结构示意图；
图3是本发明实施例提供的一种反射率指数计算模块的结构示意图；
图4是本发明实施例提供的另一种绝缘子表面藻类覆盖率测算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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作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。
参见图1，是本发明实施例提供的一种绝缘子表面藻类覆盖率测算方法的流程图，所述绝缘子的表面藻类覆盖程度的测算方法，包括：
S1、获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
S2、根据所述待测绝缘子表面图像得藻类覆盖区域图像；
S3、根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
S4、基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
具体地，在步骤S1中，采用多光谱相机分别获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像。
示例性的，采用单镜头多光谱照相机分别获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；基于棱镜分光原理，采用滤光片对光通道波段进行控制，采集不同波段的光信息。
值得说明的是，在多光谱图像的获取中，需要对绝缘子表面进行拍照，综合考虑绝缘子伞裙间间距和照片表征能力，一般情况下，拍照的角度需要大于45°。
具体地，在步骤S2中，具体包括步骤S21～步骤S23：
S21、根据所述待测绝缘子表面图像计算得所述待测绝缘子表面图像中每一像素点的EXG分量，满足以下公式：
EXG＝2G-R-B，
其中，R、G和B分别是所述待测绝缘子表面图像中像素点的R、G和B分量；
S22、当所述EXG分量大于预设阈值时，判定对应的像素点为藻类覆盖点；
S23、根据所有所述藻类覆盖点得到藻类覆盖区域图像。
示例性的，设定预设阈值为0，设定待测绝缘子表面图像包含像素点A、像素点B和像素点C，像素点A的(R，G，B)为(20，200，10)，像素点B的(R，G，B)为(50，10，20)，像素点C的(R，G，B)为(20，50，10)，则EXG(A)＝370，EXG(B)＝-50，EXG(C)＝70；由于EXG(A)大于0，则像素点A为藻类覆盖点，由于EXG(B)小于0，则像素点B不为藻类覆盖点，由于EXG(C)大于0，则像素点C为藻类覆盖点，像素点A和像素点C构成藻类覆盖区域图像。R、G、B是有给定中心波长的参数，B、G、R为中心波长分别位于470、550和620nm的波段通道。普通的RGB彩色图像里包含R、G、B三个参数，相当于一个彩色图片，可以用一个三维的矩阵来表示，每个像素点都可以用一个三维向量(R，G，B)表征。
值得说明的是，预设阈值并不局限于上述具体数值，可根据实际情况进行设定；待测绝缘子表面图像的像素点数和像素点的RGB值也并不局限于上述具体数值，而是根据实际情况获得像素点数和像素点的RGB数值。
具体地，在步骤S3中，所述根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数，包括步骤S31～S32：
S31、根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
S32、根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
具体地，在步骤S31中，根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像中每一像素点的反射率，满足以下公式：
其中，R[i,j]表示所述藻类覆盖区域图像中像素点(i，j)的反射率，P′[i,j]表示所述藻类覆盖区域图像中像素点(i，j)的像素强度，B[i,j]表示所述黑色参考板图像中像素点(i，j)的像素强度，W[i,j]表示所述白色参考板图像中像素点(i，j)的像素强度，像素点(i，j)表示所述藻类覆盖区域图像中坐标为(i，j)的像素点；
具体地，在步骤S32中，根据所述藻类覆盖区域图像中每一像素点的反射率，计算得所述待测绝缘子的表面藻类区域的反射率指数，满足以下公式：
其中，n表示所述藻类覆盖区域图像中沿爬电方向像素点的数量，m表示所述藻类覆盖区域图像中沿与爬电方向垂直的方向的像素点的数量；i为大于等于1且小于等于n的正整数，j为大于等于1且小于等于m的正整数。
示例性的，如果藻类覆盖区域图像是一个长方形，那么n就是爬电方向上的边的边长(这条边上包含的像素点数量)；m是长方形另一条边的边长，“i”和“j”是藻类覆盖区域中像素点的坐标变量，用来遍历读取藻类覆盖的像素。
具体地，分别测量黑色参考板图像和白色参考板图像的光谱强度并分别根据黑色参考板图像和白色参考板的光谱强度计算得黑色参考板图像和白色参考板图像的像素强度。
进一步地，由于参考板表面有一定的不均匀性，为了减少实验误差，对黑色参考板进行多次旋转后获得多张图像，并进行像素强度的测算后取平均值；对白色参考板进行多次旋转后获得多张图像，并进行像素强度的测算后取平均值。
值得说明的是，为了提高测量的准确性，对待测绝缘子、黑色参考板和白色参考板的拍摄最好保持环境因素一致；但为了提高测量的便捷性，实验中可以在标准照明体C代表的平均日光中拍摄得到黑色参考板和白色参考板的图像光谱。
具体地，黑色参考板为黑色植绒布，白色参考板为由PTFE树脂制成的标准白板。
具体地，所述预设的反射率指数与理论覆盖率之间的对应关系为：
其中，所述反射率指数为中心波长位于405nm的波段通道的反射率指数，Cov为所述理论覆盖率。
示例性的，当计算得的待测绝缘子的表面藻类区域的反射率指数RI为0.3时，基于预设的反射率指数与理论覆盖率之间的对应关系，可得待测绝缘子的表面藻类覆盖率为50％。
值得说明的是，中心波长位于405nm的波段通道的反射率指数的计算结果和藻类覆盖程度之间存在较好的线性关系，因此检测方法中采用405nm的反射率指数，但实际应用中并不局限于上述具体的反射率指数，可根据实际情况进行选择。
进一步地，在步骤S1之后，步骤S2之前，还包括步骤S11：
S11、对所述待测绝缘子表面图像进行降噪处理，得到降噪后的待测绝缘子表面图像；
则，步骤S2具体为：根据降噪后的待测绝缘子表面图像，得到藻类覆盖区域图像。
具体地，步骤S11包括步骤S111～S112：
S111、在暗电流条件下获取待测绝缘子表面的图像，得到待测绝缘子表面暗电流图像，根据待测绝缘子表面图像和待测绝缘子表面暗电流图像得到相对多光谱图像，满足以下公式：
P[i，j]＝S[i，j]-D[i，j]，
其中，P[i，j]、S[i，j]、D[i，j]分别为相对多光谱图像的像素强度、待测绝缘子表面图像的像素强度和待测绝缘子表面暗电流图像的像素强度；
S112、采用高斯低通滤波器对相对多光谱图像进行降噪处理。
具体地，所述高斯低通滤波器的模板尺寸为7×7，其传递函数为
其中，D(u，v)为距傅里叶变换的距离，标准差σ＝0.5。
下面以具体的实验例子对测算过程进行说明：
在硅橡胶样品上涂覆长度不同的藻条，藻类密度为106个/cm2；将硅橡胶样品分别置于不同湿度的环境中培养48h；调整多光谱相机的波段采集通道，同时采集紫外光405nm、蓝光470nm、绿光550nm和红光620nm的波段信号，采集硅橡胶样品的多光谱图像，计算其反射率指数，得到不同覆盖程度的藻类区域的反射率指数范围；根据反射率指数和藻类覆盖程度的对应关系，由绝缘子表面藻类区域的反射率指数，评估藻类沿爬电方向上的覆盖程度，当计算得到的405nm波段的反射率指数小于0.2时，藻类覆盖率大约为75％，当环境湿度较大时，绝缘子表面泄漏电流较大，此时藻类生长对绝缘子电气性能影响较大，应及时采取清扫维护措施，保证绝缘子的安全运行。
参见图2，是本发明实施例提供的一种绝缘子表面藻类覆盖率测算装置10的结构示意图，所述绝缘子表面藻类覆盖率测算装置包括：
原始图像获取模块11，用于获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
覆盖图像获取模块12，用于根据所述待测绝缘子表面图像得藻类覆盖区域图像；
反射率指数计算模块13，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
藻类覆盖率计算模块14，用于基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
具体地，参见图3，所述反射率指数计算模块13包括：
反射率计算单元131，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
反射率指数计算单元132，用于根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
值得说明的是，具体的所述绝缘子表面藻类覆盖率测算装置10的工作过程可参考上述实施例中所述绝缘子表面藻类覆盖率测算方法的工作过程，在此不再赘述。
与现有技术相比，本发明实施例公开的绝缘子表面藻类覆盖率测算方法和装置，通过获取的待测绝缘子表面图像得到藻类覆盖区域图像，并结合获取的黑色参考板图像和白色参考板图像，计算得所述待测绝缘子的表面藻类区域的反射率指数，基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率，实现了绝缘子表面的藻类的覆盖程度的监测，以应用于后续对绝缘子表面藻类的生长抑制或清除计划的制定，为绝缘子的清扫和维护计划制定提供参考，从而扫除因绝缘子表面藻类生长给电力系统的安全稳定运行带来的隐患。
参见图4，图4是本发明实施例提供的一种绝缘子表面藻类覆盖率测算装置20的结构示意图，所述绝缘子表面藻类覆盖率测算装置20包括处理器21、存储器22以及存储在所述存储器22中且被配置为由所述处理器21执行的计算机程序，所述处理器21执行所述计算机程序时实现上述绝缘子表面藻类覆盖率测算方法实施例中的步骤，例如图1中所述的步骤S1～S4，或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如原始图像获取模块11。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述绝缘子表面藻类覆盖率测算装置20中的执行过程。例如，所述计算机程序可以被分割成原始图像获取模块11、覆盖图像获取模块12、反射率指数计算模块13和藻类覆盖率计算模块14，各模块具体功能如下：
原始图像获取模块11，用于获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
覆盖图像获取模块12，用于根据所述待测绝缘子表面图像得藻类覆盖区域图像；
反射率指数计算模块13，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
藻类覆盖率计算模块14，用于基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
各个模块具体的工作过程可参考上述实施例所述的绝缘子表面藻类覆盖率测算装置10的工作过程，在此不再赘述。
所述绝缘子表面藻类覆盖率测算装置20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述绝缘子表面藻类覆盖率测算装置20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是绝缘子表面藻类覆盖率测算装置的示例，并不构成对绝缘子表面藻类覆盖率测算装置20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述绝缘子表面藻类覆盖率测算装置20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述绝缘子表面藻类覆盖率测算装置20的控制中心，利用各种接口和线路连接整个绝缘子表面藻类覆盖率测算装置20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器31通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述绝缘子表面藻类覆盖率测算装置20的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述绝缘子表面藻类覆盖率测算装置20集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种绝缘子表面藻类覆盖率测算方法，其特征在于，包括：
获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
根据所述待测绝缘子表面图像得藻类覆盖区域图像；
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
2.如权利要求1所述的绝缘子表面藻类覆盖率测算方法，其特征在于，所述根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数，具体包括：
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
3.如权利要求2所述的绝缘子表面藻类覆盖率测算方法，其特征在于，所述根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数，具体包括：
根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像中每一像素点的反射率，满足以下公式：
其中，R[i，j]表示所述藻类覆盖区域图像中像素点(i，j)的反射率，P′[i，j]表示所述藻类覆盖区域图像中像素点(i，j)的像素强度，B[i，j]表示所述黑色参考板图像中像素点(i，j)的像素强度，W[i，j]表示所述白色参考板图像中像素点(i，j)的像素强度，像素点(i，j)表示所述藻类覆盖区域图像中坐标为(i，j)的像素点；
根据所述藻类覆盖区域图像中每一像素点的反射率，计算得所述待测绝缘子的表面藻类区域的反射率指数，满足以下公式：
其中，n表示所述藻类覆盖区域图像中沿爬电方向像素点的数量，m表示所述藻类覆盖区域图像中沿与爬电方向垂直的方向的像素点的数量；i为大于等于1且小于等于n的正整数，j为大于等于1且小于等于m的正整数。
4.如权利要求1所述的绝缘子表面藻类覆盖率测算方法，其特征在于，所述预设的反射率指数与理论覆盖率之间的对应关系，具体为：
其中，所述反射率指数为中心波长位于405nm的波段通道的反射率指数，Cov为所述理论覆盖率。
5.如权利要求1所述的绝缘子表面藻类覆盖率测算方法，其特征在于，所述根据所述待测绝缘子表面图像得藻类覆盖区域图像，具体包括：
根据所述待测绝缘子表面图像计算得所述待测绝缘子表面图像中每一像素点的EXG分量，满足以下公式：
EXG＝2G-R-B，
其中，R、G和B分别是所述待测绝缘子表面图像中像素点的R、G和B分量；
当所述EXG分量大于预设阈值时，判定对应的像素点为藻类覆盖点；
根据所有所述藻类覆盖点得到藻类覆盖区域图像。
6.如权利要求1所述的绝缘子表面藻类覆盖率测算方法，其特征在于，在所述获取待测绝缘子表面图像之后，根据所述待测绝缘子表面图像得藻类覆盖区域图像之前，还包括：
对所述待测绝缘子表面图像进行降噪处理，得到降噪后的待测绝缘子表面图像；
则，所述根据所述待测绝缘子表面图像得藻类覆盖区域图像，具体为：
根据降噪后的待测绝缘子表面图像，得到藻类覆盖区域图像。
7.如权利要求1至6所述的绝缘子表面藻类覆盖率测算方法，其特征在于，所述获取待测绝缘子表面图像具体为：
采用多光谱相机获取待测绝缘子表面图像。
8.一种绝缘子表面藻类覆盖率测算装置，其特征在于，包括：
原始图像获取模块，用于获取待测绝缘子表面图像、黑色参考板图像和白色参考板图像；
覆盖图像获取模块，用于根据所述待测绝缘子表面图像得藻类覆盖区域图像；
反射率指数计算模块，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述待测绝缘子的表面藻类区域的反射率指数；
藻类覆盖率计算模块，用于基于预设的反射率指数与理论覆盖率之间的对应关系，获取与所述反射率指数相对应的理论覆盖率，作为所述待测绝缘子的表面藻类覆盖率。
9.如权利要求8所述的绝缘子表面藻类覆盖率测算装置，其特征在于，所述反射率指数计算模块，具体包括：
反射率计算单元，用于根据所述藻类覆盖区域图像、所述黑色参考板图像和所述白色参考板图像计算得所述藻类覆盖区域图像所有像素点的反射率；
反射率指数计算单元，用于根据所有像素点的反射率计算得所述待测绝缘子的表面藻类区域的反射率指数。
10.一种存储介质，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的绝缘子表面藻类覆盖率测算方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110796710.XA CN113610768A (zh) | 2021-07-14 | 2021-07-14 | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 |
| PCT/CN2021/118358 WO2023284104A1 (zh) | 2021-07-14 | 2021-09-14 | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110796710.XA CN113610768A (zh) | 2021-07-14 | 2021-07-14 | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113610768A true CN113610768A (zh) | 2021-11-05 |
Family
ID=78304648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110796710.XA Pending CN113610768A (zh) | 2021-07-14 | 2021-07-14 | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113610768A (zh) |
| WO (1) | WO2023284104A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315322A (zh) * | 2023-08-25 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 一种输电线路隐患检测方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104639914A (zh) * | 2015-02-16 | 2015-05-20 | 国网安徽省电力公司铜陵供电公司 | 一种用于高压线绝缘子成像与污秽检测的装置及方法 |
| CN105021529A (zh) * | 2015-06-11 | 2015-11-04 | 浙江水利水电学院 | 融合光谱和图像信息的作物病虫害识别和区分方法 |
| CN106596579A (zh) * | 2016-11-15 | 2017-04-26 | 同济大学 | 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法 |
| CN107240095A (zh) * | 2017-05-25 | 2017-10-10 | 武汉大学 | 一种基于可见光图像的直流线路绝缘子表面污秽状态识别法 |
| CN110376202A (zh) * | 2019-06-13 | 2019-10-25 | 浙江水利水电学院 | 基于成像高光谱技术的茶树炭疽病病斑识别方法 |
| CN110823863A (zh) * | 2019-10-31 | 2020-02-21 | 中国南方电网有限责任公司电网技术研究中心 | 一种绝缘材料表面的藻类检测方法、装置和设备 |
| CN111986201A (zh) * | 2020-09-28 | 2020-11-24 | 南方电网科学研究院有限责任公司 | 一种绝缘子的表面藻类密度的测算方法和装置 |
| KR20210033264A (ko) * | 2019-09-18 | 2021-03-26 | 한국전력공사 | 자기 애자 열화 판정 방법 |
| CN113008817A (zh) * | 2021-02-24 | 2021-06-22 | 浙江工业大学 | 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105738364B (zh) * | 2015-12-28 | 2018-08-17 | 清华大学深圳研究生院 | 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置 |
| JP6440324B2 (ja) * | 2016-04-14 | 2018-12-19 | 株式会社鈴木エンタープライズ | 積雪検知装置及び積雪検知システム |
| SG10201902705SA (en) * | 2019-03-26 | 2020-10-29 | Nec Asia Pacific Pte Ltd | Method and system for object detection coverage estimation |
| CN111257242A (zh) * | 2020-02-27 | 2020-06-09 | 西安交通大学 | 绝缘子污秽成分高光谱识别方法 |
-
2021
- 2021-07-14 CN CN202110796710.XA patent/CN113610768A/zh active Pending
- 2021-09-14 WO PCT/CN2021/118358 patent/WO2023284104A1/zh unknown
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104639914A (zh) * | 2015-02-16 | 2015-05-20 | 国网安徽省电力公司铜陵供电公司 | 一种用于高压线绝缘子成像与污秽检测的装置及方法 |
| CN105021529A (zh) * | 2015-06-11 | 2015-11-04 | 浙江水利水电学院 | 融合光谱和图像信息的作物病虫害识别和区分方法 |
| CN106596579A (zh) * | 2016-11-15 | 2017-04-26 | 同济大学 | 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法 |
| CN107240095A (zh) * | 2017-05-25 | 2017-10-10 | 武汉大学 | 一种基于可见光图像的直流线路绝缘子表面污秽状态识别法 |
| CN110376202A (zh) * | 2019-06-13 | 2019-10-25 | 浙江水利水电学院 | 基于成像高光谱技术的茶树炭疽病病斑识别方法 |
| KR20210033264A (ko) * | 2019-09-18 | 2021-03-26 | 한국전력공사 | 자기 애자 열화 판정 방법 |
| CN110823863A (zh) * | 2019-10-31 | 2020-02-21 | 中国南方电网有限责任公司电网技术研究中心 | 一种绝缘材料表面的藻类检测方法、装置和设备 |
| CN111986201A (zh) * | 2020-09-28 | 2020-11-24 | 南方电网科学研究院有限责任公司 | 一种绝缘子的表面藻类密度的测算方法和装置 |
| CN113008817A (zh) * | 2021-02-24 | 2021-06-22 | 浙江工业大学 | 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马欢;郭裕钧;张血琴;张晓青;李春茂;吴广宁;: "基于高光谱技术的绝缘子污秽含水量检测", 高电压技术, no. 04, pages 310 - 318 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315322A (zh) * | 2023-08-25 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 一种输电线路隐患检测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023284104A1 (zh) | 2023-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
| CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
| CN110766679A (zh) | 镜头脏污检测方法、装置及终端设备 | |
| WO2021004245A1 (en) | Depth image processing method and apparatus, and electronic device | |
| KR20140111426A (ko) | 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템 | |
| CN111383189B (zh) | 一种去除摩尔纹的方法及装置、图像显示器 | |
| Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
| CN113610768A (zh) | 绝缘子表面藻类覆盖率测算方法、装置及存储介质 | |
| Zhou et al. | A novel background subtraction method based on color invariants | |
| CN107464233B (zh) | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 | |
| 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 | |
| Cheng et al. | Blue channel and fusion for sandstorm image enhancement | |
| US20130136355A1 (en) | Automatic Estimation and Correction of Vignetting | |
| CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
| Raikwar et al. | An improved linear depth model for single image fog removal | |
| Raikwar et al. | Tight lower bound on transmission for single image dehazing | |
| CN116630148A (zh) | 光谱图像处理方法、装置、电子设备及存储介质 | |
| KR20170033988A (ko) | 영상 연무 제거 장치 및 영상 연무 제거 방법 | |
| CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
| CN112150392A (zh) | 一种低照度图像的修复方法及装置 | |
| CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
| CN110751141A (zh) | 一种表计读数识别方法、装置、终端设备及存储介质 | |
| Yang et al. | Single image dehazing using elliptic curve scattering model | |
| CN110322431B (zh) | 雾霾图像质量评价方法、系统、存储介质及电子设备 | |
| CN111445431B (zh) | 一种图像分割方法、终端设备及计算机可读存储介质 |
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 |