CN114241257A - 一种基于图像识别的电力输电线巡检方法及系统 - Google Patents
一种基于图像识别的电力输电线巡检方法及系统 Download PDFInfo
- Publication number
- CN114241257A CN114241257A CN202111485487.3A CN202111485487A CN114241257A CN 114241257 A CN114241257 A CN 114241257A CN 202111485487 A CN202111485487 A CN 202111485487A CN 114241257 A CN114241257 A CN 114241257A
- Authority
- CN
- China
- Prior art keywords
- training
- power transmission
- transmission line
- inspection
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像识别的电力输电线巡检方法及系统,其方法包括在训练巡检区域内电力输电线两侧标定的训练巡检轨迹上的拍摄点采集电力输电线的训练图像信息并进行图像识别处理,得到训练图像特征信息;将不同类型的训练图像特征信息分别输入至卷积神经网络模型并进行训练;对目标巡检区域内的电力输电线采用同样的方式进行处理,并将得到的目标图像特征信息输入训练后的卷积神经网络进行识别,得到巡检结果。通过先对卷积神经网络模型进行训练,再针通过训练后的卷积神经网络对目标巡检区域的目标图像特征信息进行识别,进而得到巡检结果,实现了自动化巡检,大大提高了巡检效率,降低了人工劳动强度,提高了巡检效率。
Description
技术领域
本发明涉及电力检测技术领域,尤其涉及一种基于图像识别的电力输电线巡检方法及系统。
背景技术
架空输电线路由线路杆塔、导线、绝缘子、线路金具、拉线、杆塔基础、接地装置等构成,架设在地面之上。近年来,随着电网的快速发展,电网的规模越来越大,输电线路设备数量快速增加,电力输电线的巡检工作量越来越大。电力输电线路是输送电能的重要纽带,由于大多数电力输电线都是暴露在野外环境中,容易受到外部异物或环境变化的干扰,这会对电力输电线的正常运行造成影响,有的甚至会影响电力输电线的运行安全,以及影响居民和企业的正常用电。现有技术中,大多采用人工巡检的方式,但是,人工巡检的方式劳动强度大,效率低,耗时耗力,并且巡检安全性无法完全得到保证,已经严重满足不了现在的电网巡检需求。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于图像识别的电力输电线巡检方法。
本发明解决上述技术问题的技术方案如下:一种基于图像识别的电力输电线巡检方法,包括如下步骤:
在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;
对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;
将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;
对目标巡检区域内的电力输电线采用同样的方式进行拍摄和图像识别处理,并将得到的目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
本发明的有益效果是:本发明的基于图像识别的电力输电线巡检方法,通过在电力输电线两侧标定训练巡检轨迹上的训练拍摄点对电力输电线进行图像采集,然后进行图像识别处理,并对卷积神经网络模型进行训练,再针对目标巡检区域采用同样的方式进行拍摄和图像识别处理,通过训练后的卷积神经网络进行识别,进而得到目标巡检区域内的电力输电线状态,以生成巡检结果,实现了自动化巡检,大大提高了巡检效率,降低了人工劳动强度,提高了巡检效率。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步:所述在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点具体包括如下步骤:
控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
上述进一步方案的有益效果是:通过控制无人机在电力输电线的正上方获取标定图像,然后基于所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹,这样可以比较方便选择对称的训练拍摄点,以方便后续获取电力输电线两侧训练拍摄点位置处的训练图像信息和目标图像信息。
进一步:所述对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息具体包括如下步骤:
在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
上述进一步方案的有益效果是:通过对所述训练图像信息进行识别,并定位出电力输电线方向信息和异物位置信息,这样可以对所述训练图像信息进行裁剪,这样可以得到包含有异物的局部训练图像信息,大大降低数据处理量,进而方便后续对所述局部训练图像信息进行特征提取处理,得到训练图像特征信息。
进一步:所述的基于图像识别的电力输电线巡检方法还包括如下步骤:
根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
上述进一步方案的有益效果是:通过将所述目标图像特征信息与已知状态类型的训练图像特征信息进行比对,可以确定目标巡检区域内的电力输电线是否异常,并在异常时生成预警信息,方便后台相关部门或人员及时知晓,并采取相应的处理措施。
本发明还提供了一种基于图像识别的电力输电线巡检系统,包括巡检采集模块、图像识别模块训练识别模块;
所述巡检采集模块,用于在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;还用于对目标巡检区域内的电力输电线进行巡检采集,得到目标图像信息;
所述图像识别模块,用于对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;还用于对所述目标图像信息进行图像识别,得到目标图像特征信息;
所述训练识别模块,用于将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;还用于将所述目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
本发明的基于图像识别的电力输电线巡检系统,通过在电力输电线两侧标定训练巡检轨迹上的训练拍摄点对电力输电线进行图像采集,然后进行图像识别处理,并对卷积神经网络模型进行训练,再针对目标巡检区域采用同样的方式进行拍摄和图像识别处理,通过训练后的卷积神经网络进行识别,进而得到目标巡检区域内的电力输电线状态,以生成巡检结果,实现了自动化巡检,大大提高了巡检效率,降低了人工劳动强度,提高了巡检效率。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步:所述巡检采集模块在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点的具体实现为:
控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
上述进一步方案的有益效果是:通过控制无人机在电力输电线的正上方获取标定图像,然后基于所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹,这样可以比较方便选择对称的训练拍摄点,以方便后续获取电力输电线两侧训练拍摄点位置处的训练图像信息和目标图像信息。
进一步:所述图像识别模块对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息的具体实现为:
在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
上述进一步方案的有益效果是:通过对所述训练图像信息进行识别,并定位出电力输电线方向信息和异物位置信息,这样可以对所述训练图像信息进行裁剪,这样可以得到包含有异物的局部训练图像信息,大大降低数据处理量,进而方便后续对所述局部训练图像信息进行特征提取处理,得到训练图像特征信息。
进一步:所述的基于图像识别的电力输电线巡检系统方法,其特征在于,还包括预警模块,所述预警单元用于根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
上述进一步方案的有益效果是:通过将所述目标图像特征信息与已知状态类型的训练图像特征信息进行比对,可以确定目标巡检区域内的电力输电线是否异常,并在异常时生成预警信息,方便后台相关部门或人员及时知晓,并采取相应的处理措施。
本发明还提供了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,实现所述的基于图像识别的电力输电线巡检方法。
本发明还提供了一种基于图像识别的电力输电线巡检设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的基于图像识别的电力输电线巡检方法的步骤。
附图说明
图1为本发明一实施例的基于图像识别的电力输电线巡检方法流程示意图;
图2为本发明一实施例的训练拍摄点选取示意图;
图3为本发明一实施例的基于图像识别的电力输电线巡检系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种基于图像识别的电力输电线巡检方法,包括如下步骤:
S1:在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;
S2:对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;
S3:将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;
S4:对目标巡检区域内的电力输电线采用同样的方式进行拍摄和图像识别处理,并将得到的目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
本发明的基于图像识别的电力输电线巡检方法,通过在电力输电线两侧标定训练巡检轨迹上的训练拍摄点对电力输电线进行图像采集,然后进行图像识别处理,并对卷积神经网络模型进行训练,再针对目标巡检区域采用同样的方式进行拍摄和图像识别处理,通过训练后的卷积神经网络进行识别,进而得到目标巡检区域内的电力输电线状态,以生成巡检结果,实现了自动化巡检,大大提高了巡检效率,降低了人工劳动强度,提高了巡检效率。
在本发明的一个或多个实施例中,所述步骤S1中,所述在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点具体包括如下步骤:
S11:控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
S12:根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
S13:在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
通过控制无人机在电力输电线的正上方获取标定图像,然后基于所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹,这样可以比较方便选择对称的训练拍摄点,以方便后续获取电力输电线两侧训练拍摄点位置处的训练图像信息和目标图像信息。
这里,首先控制无人机飞行至电力输电线的上方,最好是位于电力输电线的中点正上方,然后对电力输电线进行拍摄,获取用于标定训练巡检轨迹的电力输电线的标定图像信息。这里,优选为在电力输电线的中点正上方进行拍摄并获取标定图像信息,是为了便于后续通过所述标定图像信息在待测电力输电线两侧对称标定分别与电力线形状相匹配且均与待测电力线平行的训练巡检轨迹。实际中,控制无人机飞行至待测电力输电线的上方20-50米,这样既能对待测电力输电线拍摄清晰的标定图像信息,也能保证无能机与待测电力输电线之间的安全距离,并且为了保证拍摄的清晰度,采用高清摄像机进行拍摄。
通常电力输电线通常通过电线杆塔假设,位于相邻两个电线杆塔之间的电力输电线通常不是直线,而是向下弯曲的弧线,因此,在对电力输电线两侧对称标定训练巡检轨迹时,优选为将所述训练巡检轨迹标定为电力输电线的形状相匹配,这样便于拍摄更加清晰的照片信息,同时也方便后续根据训练巡检轨迹上的拍摄点找到对应的同名点。实际中,通常选取距离待测电力输电线两侧约20-50米、与电力输电线高度相差范围(高于或低于)为10-20米。
本发明的实施例中,所述外业控制点的选取方式为:在每条所述训练巡检轨迹上均匀等间隔选取N(N为奇数,且N>1)个,且位于中间的所述训练拍摄点分别对应于所述训练巡检轨迹的中点和电力输电线的中点。通过在所述训练巡检轨迹上均匀等间隔选取N个外业控制点,可以纠正无人机拍设时的坐标系统飘逸误差,并且通过均匀等间隔分布的训练拍摄点,使得对电力输电线的检测更加均匀,有利于使得后续检测的结果更加准确。
如图2所示,图中两条所述训练巡检轨迹AB和CD上分别选取有五个训练拍摄点,M1,M2,M3、M4、M5和N1、N2、N3、N4、N5,每条所述训练巡检轨迹上的五个训练拍摄点均匀间隔设置,这样通过无人机在两条所述训练巡检轨迹上对应的训练拍摄点拍摄的训练巡检图像信息来纠正拍摄时的坐标系统漂移误差,提高后续建模的精度。
为了便于外业控制点的选取并方便计算,实际中,优选将位于中间的所述训练拍摄点与训练巡检轨迹的中点重合,如图3中所示,位于中间的训练拍摄点M3和N3分别对应于所述训练巡检轨迹AB和CD的中点,这样位于中间的训练拍摄点也恰好与电力输电线的中点对应,便于后续计算。
优选地,在上述实施例的基础上,相邻两个所述训练拍摄点对应的所述训练图像信息的航向重叠度及航带间重叠度均保持在50%-70%之间。通过控制所述训练图像信息的航向重叠度及航带间重叠度可以保证检测结果的准确度,同时又不会由于训练图像信息的航向重叠度及航带间重叠度过高导致数据量过大,占用过多的存储空间,并且增加了系统处理的负荷,影响系统的运行效率。
实际中,为了保证相邻两个所述训练拍摄点对应的所述训练图像信息的航向重叠度及航带间重叠度均保持在50%-70%之间,实际中需要通过电力输电线的长度、相邻两个所述训练拍摄点之间的距离以及无人机的飞行速度来等多方面因素综合协调,以保证无人机在相邻两个所述训练拍摄点对应的所述训练图像信息的航向重叠度及航带间重叠度均保持在设定的范围内。
在本发明的一个或多个实施例中,所述步骤S2中,所述对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息具体包括如下步骤:
S21:在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
这里,电力输电线的状态类型包括正常(无异物)和异常(包括飘散异物、树枝叶异物、冰雪异物等)。需要说明的是,当电力输电线上没有任何异物时,则此时只需要定位出包含有电力输电线方向信息,然后对训练图像进行裁剪,得到包含有电力输电线方向信息的局部训练图像信息,在裁剪时,可以选取训练图像信息中靠近中间位置的部分进行裁剪,将中间位置部分留下,边缘部分剔除。
S22:根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
S23:根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
通过对所述训练图像信息进行识别,并定位出电力输电线方向信息和异物位置信息,这样可以对所述训练图像信息进行裁剪,这样可以得到包含有异物的局部训练图像信息,大大降低数据处理量,进而方便后续对所述局部训练图像信息进行特征提取处理,得到训练图像特征信息。
在本发明的一个或多个实施例中,将得到的目标图像特征信息输入训练后的所述卷积神经网络后,卷积神经网络根据训练后确定的参数对所述目标图像特征信息进行识别,并根据不同状态下的电力输电线对应的分类标记来确定目标图像特征对应的电力输电线类型,进而生成巡检结果。
在本发明的一个或多个实施例中,所述的基于图像识别的电力输电线巡检方法还包括如下步骤:
S5:根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
通过将所述目标图像特征信息与已知状态类型的训练图像特征信息进行比对,可以确定目标巡检区域内的电力输电线是否异常,并在异常时生成预警信息,方便后台相关部门或人员及时知晓,并采取相应的处理措施。
如图3所示,本发明还提供了一种基于图像识别的电力输电线巡检系统,包括巡检采集模块、图像识别模块训练识别模块;
所述巡检采集模块,用于在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;还用于对目标巡检区域内的电力输电线进行巡检采集,得到目标图像信息;
所述图像识别模块,用于对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;还用于对所述目标图像信息进行图像识别,得到目标图像特征信息;
所述训练识别模块,用于将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;还用于将所述目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
本发明的基于图像识别的电力输电线巡检系统,通过在电力输电线两侧标定训练巡检轨迹上的训练拍摄点对电力输电线进行图像采集,然后进行图像识别处理,并对卷积神经网络模型进行训练,再针对目标巡检区域采用同样的方式进行拍摄和图像识别处理,通过训练后的卷积神经网络进行识别,进而得到目标巡检区域内的电力输电线状态,以生成巡检结果,实现了自动化巡检,大大提高了巡检效率,降低了人工劳动强度,提高了巡检效率。
在本发明的一个或多个实施例中,所述巡检采集模块在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点的具体实现为:
控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
通过控制无人机在电力输电线的正上方获取标定图像,然后基于所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹,这样可以比较方便选择对称的训练拍摄点,以方便后续获取电力输电线两侧训练拍摄点位置处的训练图像信息和目标图像信息。
在本发明的一个或多个实施例中,所述图像识别模块对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息的具体实现为:
在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
通过对所述训练图像信息进行识别,并定位出电力输电线方向信息和异物位置信息,这样可以对所述训练图像信息进行裁剪,这样可以得到包含有异物的局部训练图像信息,大大降低数据处理量,进而方便后续对所述局部训练图像信息进行特征提取处理,得到训练图像特征信息。
在本发明的一个或多个实施例中,所述的基于图像识别的电力输电线巡检系统方法,其特征在于,还包括预警模块,所述预警单元用于根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
通过将所述目标图像特征信息与已知状态类型的训练图像特征信息进行比对,可以确定目标巡检区域内的电力输电线是否异常,并在异常时生成预警信息,方便后台相关部门或人员及时知晓,并采取相应的处理措施。
本发明还提供了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,实现所述的基于图像识别的电力输电线巡检方法。
本发明还提供了一种基于图像识别的电力输电线巡检设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的基于图像识别的电力输电线巡检方法的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像识别的电力输电线巡检方法,其特征在于,包括如下步骤:
在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;
对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;
将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;
对目标巡检区域内的电力输电线采用同样的方式进行拍摄和图像识别处理,并将得到的目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
2.根据权利要求1所述的基于图像识别的电力输电线巡检方法,其特征在于,所述在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点具体包括如下步骤:
控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
3.根据权利要求2所述的基于图像识别的电力输电线巡检方法,其特征在于,所述对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息具体包括如下步骤:
在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
4.根据权利要求1-3任一项所述的基于图像识别的电力输电线巡检方法,其特征在于,所述方法还包括如下步骤:
根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
5.一种基于图像识别的电力输电线巡检系统,其特征在于,包括巡检采集模块、图像识别模块训练识别模块;
所述巡检采集模块,用于在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点,并在所述训练拍摄点处采集训练巡检区域内的电力输电线的训练图像信息;还用于对目标巡检区域内的电力输电线进行巡检采集,得到目标图像信息;
所述图像识别模块,用于对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息,并根据不同状态下的电力输电线对应的所述训练图像信息对所述训练图像特征信息进行分类标记;还用于对所述目标图像信息进行图像识别,得到目标图像特征信息;
所述训练识别模块,用于将不同类型的所述训练图像特征信息分别输入至卷积神经网络模型,并进行训练,以确定所述卷积神经网络模型的训练参数;还用于将所述目标图像特征信息输入训练后的所述卷积神经网络进行识别,得到目标巡检区域内的电力输电线的巡检结果。
6.根据权利要求5所述的基于图像识别的电力输电线巡检系统方法,其特征在于,所述巡检采集模块在训练巡检区域内已知不同状态下的电力输电线两侧标定训练巡检轨迹,根据所述训练巡检轨迹选取训练拍摄点的具体实现为:
控制无人机在训练巡检区域内已知不同状态下的电力输电线的正上方进行拍摄,获取训练巡检区域内电力输电线的标定图像信息;
根据所述标定图像信息在训练巡检区域内的电力输电线的两侧对称标定分别与电力输电线装相匹配且均与待测电力线平行的训练巡检轨迹;
在两条所述训练巡检轨迹上分别选取数量相同并一一对应的训练拍摄点。
7.根据权利要6所述的基于图像识别的电力输电线巡检系统方法,其特征在于,所述图像识别模块对所述训练图像信息进行图像识别处理,提取电力输电线对应的训练图像特征信息的具体实现为:
在所述训练图像信息中定位出电力输电线方向信息和异物位置信息,并根据所述电力输电线方向信息和异物位置信息对所述训练图像信息进行裁剪,得到包含有异物的局部训练图像信息;
根据所述局部图像信息进行特征提取处理,得到包含有所述电力输电线轮廓信息和异物轮廓信息;
根据分布于电力输电线两侧的多组训练拍摄点对应的所述电力输电线轮廓信息和异物轮廓信息进行融合处理,得到电力输电线对应的训练图像特征信息。
8.根据权利要5-7任一项所述的基于图像识别的电力输电线巡检系统方法,其特征在于,还包括预警模块,所述预警单元用于根据所述巡检结果确定目标巡检区域内的电力输电线异常时生成预警信息,并将预警信息发送至后台监控中心。
9.一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1-4任一项所述的基于图像识别的电力输电线巡检方法。
10.一种基于图像识别的电力输电线巡检设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的基于图像识别的电力输电线巡检方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485487.3A CN114241257A (zh) | 2021-12-07 | 2021-12-07 | 一种基于图像识别的电力输电线巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485487.3A CN114241257A (zh) | 2021-12-07 | 2021-12-07 | 一种基于图像识别的电力输电线巡检方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114241257A true CN114241257A (zh) | 2022-03-25 |
Family
ID=80753682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111485487.3A Pending CN114241257A (zh) | 2021-12-07 | 2021-12-07 | 一种基于图像识别的电力输电线巡检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241257A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114778560A (zh) * | 2022-06-20 | 2022-07-22 | 国网江苏省电力有限公司常州供电分公司 | 基于线缆巡检机器人的架空线检测方法和系统 |
-
2021
- 2021-12-07 CN CN202111485487.3A patent/CN114241257A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114778560A (zh) * | 2022-06-20 | 2022-07-22 | 国网江苏省电力有限公司常州供电分公司 | 基于线缆巡检机器人的架空线检测方法和系统 |
US11909182B1 (en) | 2022-06-20 | 2024-02-20 | State Grid Jiangsu Electric Power Co., Ltd., Changzhou Branch | Overhead line detection method and system based on cable inspection robot |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956632B (zh) | 一种检测目标的方法和装置 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN111144324A (zh) | 一种无人机巡检光伏板异常目标分析管理系统及方法 | |
CN110288032B (zh) | 一种车辆行驶轨迹类型检测方法及装置 | |
CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 | |
CN111539355A (zh) | 一种基于深层神经网络的光伏板异物检测系统及检测方法 | |
CN115184726B (zh) | 一种智能电网故障实时监测定位系统及方法 | |
CN111524394A (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
CN109389322A (zh) | 基于目标检测和长短时记忆模型的导地线断散股识别方法 | |
CN114241257A (zh) | 一种基于图像识别的电力输电线巡检方法及系统 | |
CN114724042B (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
CN116192044A (zh) | 一种故障光伏板编号定位方法、装置、电子设备及存储介质 | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN114944816A (zh) | 一种应用于光伏组件的智能巡检系统 | |
CN113065540A (zh) | 一种基于机巡图像的输电线路元件失效识别方法及系统 | |
CN113077447A (zh) | 一种可探测高压设备微弱放电并进行缺陷分析的方法 | |
CN115661466B (zh) | 一种基于深度学习图像分割的光伏板定位方法及装置 | |
CN116563841A (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
CN116866512A (zh) | 一种光伏电站巡检系统及其运行方法 | |
CN114169404A (zh) | 一种基于图像智能获取边坡病害量化信息方法 | |
CN103198326A (zh) | 一种输电线路直升机巡检的图像分类方法 | |
CN110781758A (zh) | 一种受电弓结构异常动态视频监测方法及装置 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检系统 | |
CN116909320B (zh) | 一种基于蚁群算法的电力协同巡检策略分析方法 | |
CN117392571B (zh) | 一种基于无人机图像的架空输配电线路验收方法及系统 |
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 |