CN113706569A - 一种基于自适应Hough变换的导线覆冰程度计算方法 - Google Patents

一种基于自适应Hough变换的导线覆冰程度计算方法 Download PDF

Info

Publication number
CN113706569A
CN113706569A CN202110909612.2A CN202110909612A CN113706569A CN 113706569 A CN113706569 A CN 113706569A CN 202110909612 A CN202110909612 A CN 202110909612A CN 113706569 A CN113706569 A CN 113706569A
Authority
CN
China
Prior art keywords
image
icing
wire
ice
thickness
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
CN202110909612.2A
Other languages
English (en)
Inventor
吴建蓉
文屹
何锦强
廖永力
李锐海
郝艳捧
梁苇
陈舸
张迅
赵超
张伟
朱登杰
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.)
CSG Electric Power Research Institute
Guizhou Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
Guizhou Power Grid 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 CSG Electric Power Research Institute, Guizhou Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN202110909612.2A priority Critical patent/CN113706569A/zh
Publication of CN113706569A publication Critical patent/CN113706569A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Abstract

本发明公开了一种基于自适应Hough变换的导线覆冰程度计算方法，它包括：对图像监测终端采集的原始图像进行处理；对经过图像预处理后的图像进行边缘提取；对边缘提取后的图像进行导线边缘识别；建立覆冰厚度计算几何模型；通过覆冰厚度计算几何模型计算冰厚，当冰厚大于线路设计冰厚阈值时，由覆冰监测系统发出警示信号；解决了现有技术基于hough变换的导线识别技术的导线覆冰程度计算过程中阈值选取需要人工结合经验，并根据检测效果进行阈值更改；然而针对不同的导线图像，选取的hough变换阈值都不尽相同，导致最终的导线覆冰计算误差较大，而且采用人工修改阈值很不方便等技术问题。

Description

一种基于自适应Hough变换的导线覆冰程度计算方法
技术领域
本发明属于电网覆冰预测技术领域，尤其涉及一种基于自适应Hough变换的导线覆冰程度计算方法。
背景技术
覆冰严重威胁输电线路安全，中国南方地区地形、气象复杂，多条远距离特/超高压经过覆冰区域，易受覆冰影响，故而对防冰抗冰提出更高要求；现有基于hough变换的导线识别技术的导线覆冰程度计算过程中需要选取一个阈值，阈值选取过高会降低导线识别敏感度，导致漏检；阈值选取过低会提高导线识别敏感度，导致程序将背景也识别为导线，导致误检；而现有技术方法的阈值选取需要人工结合经验，并根据检测效果进行阈值更改；然而针对不同的导线图像，选取的hough变换阈值都不尽相同，导致最终的导线覆冰计算误差较大，而且采用人工修改阈值很不方便。
发明内容
本发明要解决的技术问题是：提供一种基于自适应Hough变换的导线覆冰程度计算方法，以解决现有技术基于hough变换的导线识别技术的导线覆冰程度计算过程中阈值选取需要人工结合经验，并根据检测效果进行阈值更改；然而针对不同的导线图像，选取的hough变换阈值都不尽相同，导致最终的导线覆冰计算误差较大，而且采用人工修改阈值很不方便等技术问题。
本发明的技术方案是：
一种基于自适应Hough变换的导线覆冰程度计算方法，它包括：
步骤1、图像预处理；对图像监测终端采集的原始图像进行处理；
步骤2、对经过图像预处理后的图像进行边缘提取；
步骤3、对边缘提取后的图像进行导线边缘识别；
步骤4、建立覆冰厚度计算几何模型；
步骤5、通过覆冰厚度计算几何模型计算冰厚，当冰厚大于线路设计冰厚阈值时，由覆冰监测系统发出警示信号。
图像预处理的具体步骤包括：
步骤1.1、图像RoI提取：从图像监测终端采集的原始图像中，截取覆冰导线部分图片；
步骤1.2、图像滤波：对截取后的图片进行中值滤波；
步骤1.3、图像二值化：使用自适应阈值的方法Otsu法求得的最佳阈值后,按该阈值对图片进行处理；将图像上灰度值大于最佳阈值的点置为全白,剩下的点置为全黑；
步骤1.4、图像形态学处理：通过形态学处理对无用信息进行去除以此强化边缘信息表达。
中值滤波的方法为：若信号是平滑变化的，那么图像内某一点的值用这个点某个大小邻域内的所有值的统计中值来代替；具体公式为：
Figure BDA0003203043220000021
f(x,y)代表图像中以左上角为原点，X轴正方向为水平向右，Y轴正方向为竖直向下，单位长度为1个像素的坐标系中，坐标为(x,y)的像素点RGB值；G(x,y)代表经过中值滤波后坐标为(x,y)的像素点RGB值。
通过形态学处理对无用信息进行去除以此强化边缘信息表达的方法为：首先对二值图像进行腐蚀操作，腐蚀是一种消除边界点，使边界向内部收缩的过程；用来消除无意义的物体；用3X3的结构元素，扫描图像的每一个像素，用结构元素与覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0。
对边缘提取后的图像进行导线边缘识别的方法为：边缘提取方法是考察图像的每个像素在某个领域内灰度的变化,利用边缘邻域内的一阶或二阶导数变化规律,从而确定图像的边缘；Canny算子在计算梯度幅度与方向后对梯度幅值进行非极大值抑制，本质上是对sobel算子的进一步细化，利用二值图像计算dx和dy
dx＝f(x,y)×Sobelx(x,y)
dy＝f(x,y)×Sobely(x,y)
进一步得到图像梯度的幅值：
Figure BDA0003203043220000031
角度为：
Figure BDA0003203043220000032
通过以上过程计算出图像中所有边缘后，使用高低阈值法筛选出图像中真实边缘。
对边缘提取后的图像进行导线边缘识别的方法为：Hough变换是一种直线检测方法，设直线方程为：
r＝xcosθ+ysinθ#(6)
其中r是原点到直线上最近点的距离，θ是x轴与连接原点和最近直线之间的夹角；
图像的每一条直线与一对参数(r，θ)相关联；在Hough变换中，把每一个点(xi,yi)转换为一个离散化的(r,θ)曲线，并且沿着这条曲线的累加器被递增，累加器阵列中产生的峰值表示图像中存在相应的直线的证据；观察在线监测图像得知导线往往是图像中存在的最长直线，也就是存在一个阈值T1，使得Hough变换的峰值结果即为导线两条边缘的(r,θ)；将导线边缘与无关边缘有效分离；先设置阈值起点，并设置阈值递增步长，每一次阈值变化时读取累加器中元素数量；当某个阈值下累加器元素个数为2时，结果即为导线边缘。
覆冰厚度计算几何模型的建立方法为：在图像中，导线的覆冰厚度用导线边缘的像素厚度进行表征；将检测出来的导线边缘用宽度为1的红色像素描出；然后逐行扫描处理绝缘子或电力线路图像，检测到红点后将红点横坐标记录在数组中，并计算出同一行中先后扫描到的红点之间的横坐标差值；对整张图片的差值结果按行数取平均，乘以直线倾斜角的正弦值，即为图像中导线的平均直径；将已覆冰导线求得的平均直径与未覆冰导线的平均直径相减除以2，所得结果即为导线的冰厚像素半径；图像识别获得的覆冰厚度是以像素点的形式保存的。要得到实际的覆冰厚度,要建立适当的几何模型；设未覆冰导线半径为R0，对应的像素点为x1，覆冰后,导线半径Rp对应的像素为x2，则覆冰厚度几何模型公式表示为：
Figure BDA0003203043220000051
所述图像监测终端包括成像单元、通信单元和供电单元，所述成像单元安装于易覆冰地区现场杆塔上，在每年12月到次年3月期间的07:00-18:00时间段，每隔1小时拍摄一张照片；同时通过通信单元传送到覆冰监测系统，同时记录照片拍摄时的时间和对应的终端号及地理位置；供电单元为成像单元和通信单元供电。
所述覆冰监测系统包括解析单元、覆冰厚度计算单元及预警单元；解析单元用于解析由图像监测终端传输的图像数据，覆冰厚度计算单元基于图像数据提取覆冰导线像素直径，并与已有未覆冰导线图像知识库进行比对计算，得出导线覆冰厚度；预警单元用于导线覆冰灾害预警，将导线覆冰厚度于导线设计冰厚进行比对，若大于阈值则会发出警示信号并提醒当值人员对该线路进行人工检查。
本发明有益效果：
本发明提供了一种结合导线几何形态的自适应阈值计算方法，通过自动计算最适合该图片导线识别的hough变换阈值；有效减少了人工的工作量，大大提高了导线识别的准确度和速度；该系统及方法有利于准确、便捷地检测出输电线路导线的覆冰情况；解决了现有技术基于hough变换的导线识别技术的导线覆冰程度计算过程中阈值选取需要人工结合经验，并根据检测效果进行阈值更改；然而针对不同的导线图像，选取的hough变换阈值都不尽相同，导致最终的导线覆冰计算误差较大，而且采用人工修改阈值很不方便等技术问题。
附图说明：
图1本发明方法流程示意图。
具体实施方式
本发明包括图像监测终端和覆冰在线监测系统，所述图像监测终端包括成像单元、通信单元和供电单元，所述成像单元安装于易覆冰地区现场杆塔上，在每年12月到次年3月期间的07:00-18:00时间段，每隔1小时拍摄一张照片。并同时所述通信单元传送到覆冰监测平台，同时记录照片拍摄时的时间和对应的终端号及地理位置。所述供电单元为各单元供电。
所述覆冰在线监测系统包括解析单元、覆冰厚度计算单元及预警单元。解析单元用于解析由在线监测终端传输的图像数据，覆冰厚度计算单元基于图像数据提取覆冰导线像素直径，并于已有未覆冰导线图像知识库进行比对计算，得出导线覆冰厚度。预警单元用于导线覆冰灾害预警，将导线覆冰厚度于导线设计冰厚进行比对，若大于阈值则会发出警示信号并提醒当值人员对该线路进行人工检查。
本发明还提供了一种基于自适应Hough变换的导线覆冰程度计算方法。具体步骤如下：
S1图像预处理
S1-1图像RoI提取
从终端采集的原始图像中，截取覆冰导线部分，使得图像的大部分区域中只含有需要测量的导线，排除大部分的背景干扰。
S1-1图像滤波
对截取后的图片进行预处理以消除一部分噪声。一般可以采用中值滤波的方法。其原理如下：
若信号是平滑变化的，那么图像内某一点的值可以用这个点某个大小邻域内的所有值的统计中值来代替。可按照式(1)对图像进行中值滤波处理。中值滤波法相较于其他方法更有利于保留边缘信息。
Figure BDA0003203043220000071
f(x,y)代表图像中以左上角为原点，X轴正方向为水平向右，Y轴正方向为竖直向下，单位长度为1个像素的坐标系中，坐标为(x,y)的像素点RGB值。G(x,y)代表经过中值滤波后坐标为(x,y)的像素点RGB值。
S1-2图像二值化
阈值法是一种简单有效的图像二值化方法,它用一个或几个阈值将图像的灰度级分为几个部分,认为属于同一个部分的像素是同一个物体。但是在线路覆冰过程中,每条线路每次覆冰时的图像分割阈值是不同的。由于天气等因素影响，即使是同一条线路同一次覆冰过程的不同时间段也不相同。所以在进行远程覆冰图像识别时,必须基于每次采集到的图片自身信息确定阈值,即需要使用自适应阈值的方法。Otsu法就是一种自适应的阈值分割方法。通过Otsu法求得的最佳阈值后,按该阈值对其进行处理。将图像上灰度值大于最适阈值的点置为全白,其他的点置为全黑。
S1-3图像形态学处理
二值化之后的图片存在较多毛刺，这些毛刺对于图像边缘来说是干扰信息，因此需要通过形态学处理对这些无用信息进行去除以此强化边缘信息表达。首先对二值图像进行腐蚀操作。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。用3X3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1。否则为0。
S2边缘提取
边缘检测是通过使用轮廓增强处理算法以清楚地显示图像轮廓的技术。边缘提取方法是考察图像的每个像素在某个领域内灰度的变化,利用边缘邻域内的一阶或二阶导数变化规律,从而确定图像的边缘。Canny算子在计算梯度幅度与方向后对梯度幅值进行非极大值抑制，本质上是对sobel算子的进一步细化，利用二值图像可根据式(2)和式(3)计算dx和dy。
dx＝f(x,y)×Sobelx(x,y) (2)
dy＝f(x,y)×Sobely(x,y) (3)
根据式(4)进一步得到图像梯度的幅值：
Figure BDA0003203043220000081
角度为：
Figure BDA0003203043220000082
通过以上过程计算出图像中所有边缘后，使用高低阈值法筛选出图像中真实边缘。
S3导线边缘识别
边缘提取过程难免会出现一些我们不需要关注的干扰边缘，例如图像中的绝缘子边缘以及背景边缘都会在边缘检测结果中。要检测导线覆冰厚度，需要消除这些无关边缘带来的干扰，仅针对导线边缘进行研究。由于在图像中导线可以近似看成直线，因此可以利用这一特征对边缘进行筛选。
Hough变换是一种直线检测方法。设直线方程为：
r＝xcosθ+ysinθ (6)
其中r是原点到直线上最近点的距离，θ是x轴与连接原点和最近直线之间的夹角。
图像的每一条直线与一对参数(r,θ)相关联。在Hough变换中，把每一个可能的点(xi,yi)转换为一个离散化的(r,θ)曲线，并且沿着这条曲线的累加器被递增，累加器阵列中产生的峰值表示图像中存在相应的直线的有力证据。找到这些峰值的最简单方法就是通过应用某种形式的阈值，因此找到适当的阈值非常重要。
观察在线监测图像可以得知导线往往是图像中存在的最长直线，也就是存在一个阈值T1，可以使得Hough变换的峰值结果即为导线两条边缘的(r,θ)。这样就可以将导线边缘与其他无关边缘有效分离。因此可以先设置阈值起点，并设置阈值递增步长，每一次阈值变化时读取累加器中元素数量。当某个阈值下累加器元素个数为2时，结果即为导线边缘。
S4覆冰厚度计算几何模型
在图像中，导线的覆冰厚度可以用导线边缘的像素厚度进行表征。将检测出来的导线边缘用宽度为1的红色像素描出。然后逐行扫描处理绝缘子或电力线路图像，检测到红点后将红点横坐标记录在数组中。并计算出同一行中先后扫描到的红点之间的横坐标差值。对整张图片的差值结果按行数取平均，乘以直线倾斜角的正弦值，即为图像中导线的平均直径。将已覆冰导线求得的平均直径与未覆冰导线的平均直径相减除以2。所得结果即为导线的冰厚像素半径。图像识别获得的覆冰厚度是以像素点的形式保存的。要得到实际的覆冰厚度,需要建立适当的几何模型。设未覆冰导线半径为R0，对应的像素点为x1，覆冰后,导线半径Rp对应的像素为x2。则覆冰厚度可按式(7)表示为
Figure BDA0003203043220000101
S5导线覆冰程度预警
当S4中的计算冰厚D大于线路设计冰厚阈值时，由覆冰监测系统发出警示信号，提醒当值人员对线路进行人工检查。

Claims (9)

1.一种基于自适应Hough变换的导线覆冰程度计算方法，它包括：
步骤1、图像预处理；对图像监测终端采集的原始图像进行处理；
步骤2、对经过图像预处理后的图像进行边缘提取；
步骤3、对边缘提取后的图像进行导线边缘识别；
步骤4、建立覆冰厚度计算几何模型；
步骤5、通过覆冰厚度计算几何模型计算冰厚，当冰厚大于线路设计冰厚阈值时，由覆冰监测系统发出警示信号。
2.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：图像预处理的具体步骤包括：
步骤1.1、图像RoI提取：从图像监测终端采集的原始图像中，截取覆冰导线部分图片；
步骤1.2、图像滤波：对截取后的图片进行中值滤波；
步骤1.3、图像二值化：使用自适应阈值的方法Otsu法求得的最佳阈值后,按该阈值对图片进行处理；将图像上灰度值大于最佳阈值的点置为全白,剩下的点置为全黑；
步骤1.4、图像形态学处理：通过形态学处理对无用信息进行去除以此强化边缘信息表达。
3.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：中值滤波的方法为：若信号是平滑变化的，那么图像内某一点的值用这个点某个大小邻域内的所有值的统计中值来代替；具体公式为：
Figure FDA0003203043210000021
f(x，y)代表图像中以左上角为原点，X轴正方向为水平向右，Y轴正方向为竖直向下，单位长度为1个像素的坐标系中，坐标为(x，y)的像素点RGB值；G(x，y)代表经过中值滤波后坐标为(x，y)的像素点RGB值。
4.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：通过形态学处理对无用信息进行去除以此强化边缘信息表达的方法为：首先对二值图像进行腐蚀操作，腐蚀是一种消除边界点，使边界向内部收缩的过程；用来消除无意义的物体；用3X3的结构元素，扫描图像的每一个像素，用结构元素与覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0。
5.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：对边缘提取后的图像进行导线边缘识别的方法为：边缘提取方法是考察图像的每个像素在某个领域内灰度的变化，利用边缘邻域内的一阶或二阶导数变化规律，从而确定图像的边缘；Canny算子在计算梯度幅度与方向后对梯度幅值进行非极大值抑制，本质上是对sobel算子的进一步细化，利用二值图像计算dx和dy
dx＝f(x，y)×Sobelx(x，y)
dy＝f(x，y)×Sobely(x，y)
进一步得到图像梯度的幅值：
Figure FDA0003203043210000031
角度为：
Figure FDA0003203043210000032
通过以上过程计算出图像中所有边缘后，使用高低阈值法筛选出图像中真实边缘。
6.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：对边缘提取后的图像进行导线边缘识别的方法为：Hough变换是一种直线检测方法，设直线方程为：
r＝xcosθ+ysinθ
其中r是原点到直线上最近点的距离，θ是x轴与连接原点和最近直线之间的夹角；
图像的每一条直线与一对参数(r，θ)相关联；在Hough变换中，把每一个点(xi，yi)转换为一个离散化的(r，θ)曲线，并且沿着这条曲线的累加器被递增，累加器阵列中产生的峰值表示图像中存在相应的直线的证据；观察在线监测图像得知导线往往是图像中存在的最长直线，也就是存在一个阈值T1，使得Hough变换的峰值结果即为导线两条边缘的(r，θ)；将导线边缘与无关边缘有效分离；先设置阈值起点，并设置阈值递增步长，每一次阈值变化时读取累加器中元素数量；当某个阈值下累加器元素个数为2时，结果即为导线边缘。
7.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：覆冰厚度计算几何模型的建立方法为：在图像中，导线的覆冰厚度用导线边缘的像素厚度进行表征；将检测出来的导线边缘用宽度为1的红色像素描出；然后逐行扫描处理绝缘子或电力线路图像，检测到红点后将红点横坐标记录在数组中，并计算出同一行中先后扫描到的红点之间的横坐标差值；对整张图片的差值结果按行数取平均，乘以直线倾斜角的正弦值，即为图像中导线的平均直径；将已覆冰导线求得的平均直径与未覆冰导线的平均直径相减除以2，所得结果即为导线的冰厚像素半径；图像识别获得的覆冰厚度是以像素点的形式保存的。要得到实际的覆冰厚度,要建立适当的几何模型；设未覆冰导线半径为R0，对应的像素点为x1，覆冰后,导线半径Rp对应的像素为x2，则覆冰厚度几何模型公式表示为：
Figure FDA0003203043210000041
8.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：所述图像监测终端包括成像单元、通信单元和供电单元，所述成像单元安装于易覆冰地区现场杆塔上，在每年12月到次年3月期间的07:00-18:00时间段，每隔1小时拍摄一张照片；同时通过通信单元传送到覆冰监测系统，同时记录照片拍摄时的时间和对应的终端号及地理位置；供电单元为成像单元和通信单元供电。
9.根据权利要求1所述的一种基于自适应Hough变换的导线覆冰程度计算方法，其特征在于：所述覆冰监测系统包括解析单元、覆冰厚度计算单元及预警单元；解析单元用于解析由图像监测终端传输的图像数据，覆冰厚度计算单元基于图像数据提取覆冰导线像素直径，并与已有未覆冰导线图像知识库进行比对计算，得出导线覆冰厚度；预警单元用于导线覆冰灾害预警，将导线覆冰厚度于导线设计冰厚进行比对，若大于阈值则会发出警示信号并提醒当值人员对该线路进行人工检查。
CN202110909612.2A 2021-08-09 2021-08-09 一种基于自适应Hough变换的导线覆冰程度计算方法 Pending CN113706569A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110909612.2A CN113706569A (zh) 2021-08-09 2021-08-09 一种基于自适应Hough变换的导线覆冰程度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110909612.2A CN113706569A (zh) 2021-08-09 2021-08-09 一种基于自适应Hough变换的导线覆冰程度计算方法

Publications (1)

Publication Number Publication Date
CN113706569A true CN113706569A (zh) 2021-11-26

Family

ID=78651950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110909612.2A Pending CN113706569A (zh) 2021-08-09 2021-08-09 一种基于自适应Hough变换的导线覆冰程度计算方法

Country Status (1)

Country Link
CN (1) CN113706569A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1945596A (zh) * 2006-11-02 2007-04-11 东南大学 用于车道偏离报警的车道线鲁棒识别方法
CN103400141A (zh) * 2013-07-24 2013-11-20 华南理工大学 一种基于改进图像法的输电导线覆冰厚度的计算方法
US20140125801A1 (en) * 2012-03-16 2014-05-08 Tongji University On-line tunnel deformation monitoring system based on image analysis and its application
CN107622269A (zh) * 2017-09-24 2018-01-23 国网江苏省电力公司常州供电公司 复杂背景下基于几何约束的熔丝管管体识别方法
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN111951520A (zh) * 2020-07-31 2020-11-17 国网福建省电力有限公司宁德供电公司 一种输电线路导线覆冰厚度侦测系统及方法
CN112464949A (zh) * 2020-11-16 2021-03-09 广东电网有限责任公司 一种消除液位线对仪表指针识别影响的方法
WO2021093283A1 (zh) * 2019-11-14 2021-05-20 青岛理工大学 基于多传感融合的海面小面积溢油区域检测系统及检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1945596A (zh) * 2006-11-02 2007-04-11 东南大学 用于车道偏离报警的车道线鲁棒识别方法
US20140125801A1 (en) * 2012-03-16 2014-05-08 Tongji University On-line tunnel deformation monitoring system based on image analysis and its application
CN103400141A (zh) * 2013-07-24 2013-11-20 华南理工大学 一种基于改进图像法的输电导线覆冰厚度的计算方法
CN107622269A (zh) * 2017-09-24 2018-01-23 国网江苏省电力公司常州供电公司 复杂背景下基于几何约束的熔丝管管体识别方法
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
WO2021093283A1 (zh) * 2019-11-14 2021-05-20 青岛理工大学 基于多传感融合的海面小面积溢油区域检测系统及检测方法
CN111951520A (zh) * 2020-07-31 2020-11-17 国网福建省电力有限公司宁德供电公司 一种输电线路导线覆冰厚度侦测系统及方法
CN112464949A (zh) * 2020-11-16 2021-03-09 广东电网有限责任公司 一种消除液位线对仪表指针识别影响的方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
吴建蓉: "贵州地区导线覆冰关键影响因素研究", 《水利电力》 *
张腾达;卢荣胜;张书真;: "基于二维DFT的TFT-LCD平板表面缺陷检测", 光电工程, no. 03 *
徐恒;彭曙蓉;毛亚珍;李彬;: "基于图像处理的输电线路覆冰厚度检测方法研究", 陕西电力, no. 05 *
段黎明;汪威;张霞;: "改进的Hough变换实现圆检测", 计算机集成制造系统, no. 09 *
王艳玲;温守轰;: "基于图像处理直线零件几何参数测量研究", 河池学院学报, no. 05 *
陆佳政;张红先;方针;李波;: "自适应分割阈值在覆冰厚度识别中的应用", 高电压技术, no. 03 *
陈子文;李伟;张文强;李云伍;李明生;李慧;: "基于自动Hough变换累加阈值的蔬菜作物行提取方法研究", 农业工程学报, no. 22 *
高敬鹏: "机器学习", 机械工业出版社, pages: 138 - 140 *
高瑞胜: "基于单目视觉的车道偏离预警系统的研究", 信息科技, no. 1, pages 26 - 27 *

Similar Documents

Publication Publication Date Title
CN109816678B (zh) 一种基于视觉的喷嘴雾化角度自动检测系统及方法
CN109870461B (zh) 一种电子元器件质量检测系统
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN111369516B (zh) 基于红外图像识别的变压器套管发热缺陷检测方法
CN111814686A (zh) 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN102628854A (zh) 汽车仪表板检测系统及方法
CN113554667B (zh) 一种基于图像识别的三维位移检测方法及装置
CN112419298A (zh) 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质
CN117274722B (zh) 基于红外图像的配电箱智能检测方法
CN115797473B (zh) 一种土建工程用混凝土成型评估方法
CN112284260A (zh) 一种视觉位移监测方法、设备和系统
CN111402215A (zh) 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法
CN105718964A (zh) 一种输电线防振锤的视觉检测方法
CN114332081B (zh) 基于图像处理的纺织品表面异常判定方法
CN113706566A (zh) 一种基于边缘检测的加香喷雾性能检测方法
CN115018785A (zh) 基于视觉振频识别的提升钢丝绳张力检测方法
CN109948629B (zh) 一种基于sift特征的gis设备x射线图像故障检测方法
CN109272484B (zh) 一种基于视频图像的降雨检测方法
CN111221996A (zh) 仪表屏幕视觉检测方法和系统
CN107993243B (zh) 一种基于rgb图像的小麦分蘖数自动检测方法
CN116912805B (zh) 一种基于无人清扫车的井盖异常智能检测识别方法及系统
CN116939532A (zh) 一种基于5g的通信塔远程监测系统
CN113706569A (zh) 一种基于自适应Hough变换的导线覆冰程度计算方法
CN114638822B (zh) 一种利用光学手段的汽车盖板表面质量检测方法及系统
CN114266719B (zh) 一种基于霍夫变换的产品检测方法

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