CN114782828B - 一种基于深度学习的异物检测系统 - Google Patents
一种基于深度学习的异物检测系统 Download PDFInfo
- Publication number
- CN114782828B CN114782828B CN202210708107.6A CN202210708107A CN114782828B CN 114782828 B CN114782828 B CN 114782828B CN 202210708107 A CN202210708107 A CN 202210708107A CN 114782828 B CN114782828 B CN 114782828B
- Authority
- CN
- China
- Prior art keywords
- image
- personal computer
- industrial personal
- information
- upright post
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于深度学习的异物检测系统,本发明涉及图像数据处理领域,包括若干个设备端和后台终端,若干个所述设备端呈环形形状布置于场地内;所述设备端包括图像识别装置和与图像识别装置电连的工控机,图像识别装置用于对异物定位及识别,并将识别信息传递给工控机,所述工控机用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取后将信息传递给后台终端;所述后台终端对信息处理后存储在数据库并将报警信息推送到巡检人员客户端。本发明能够代替人工巡检的方式,实时地对变电站高空线路的异物进行在线检测,及时,使得相关人员第一时间知晓提高线路的安全性。
Description
技术领域
本发明涉及图像数据处理领域,具体为一种基于深度学习的异物检测装置及方法。
背景技术
输电行业中,输电线路的运行情况决定了整个输电系统的稳定性,但由于输电线路都是在户外,因此经常会有一些如风筝、塑料袋等异物附着在线路上,长时间清理会对输电线路的稳定运行造成影响,目前为了防止异物入侵线路时,通常采用人工巡检的方式检查线路上是否有异物,而人工巡检的方式会经常出现遗漏现象,同时也会增加人工的劳动强度。例如在申请号为CN201610268718.8 基于智能移动终端的输电线路巡视监管方法和系统的专利中,其虽然采用了互联网的巡检模式,但其依然需要依靠人工巡检,且其主要是提高巡检的效率,对于减轻巡检人员工作强度没有帮助。
发明内容
针对现有技术的不足,本发明提供了一种基于深度学习的异物检测系统,解决了目前输电线路采用人工巡检是否附着有异物带来的效率低下的问题。
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于深度学习的异物检测系统,包括若干个设备端和后台终端,若干个所述设备端呈环形形状布置于场地内;
所述设备端包括图像识别装置和与图像识别装置电连的工控机,图像识别装置用于对异物定位及识别,并将识别信息传递给工控机,所述工控机用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取后将信息传递给后台终端;
所述后台终端对信息处理后存储在数据库并将报警信息推送到巡检人员客户端。
优选的,所述工控机包括有主控模块和图像获取模块、图像处理模块、图像识别模块,其中:
所述图像获取模块用于对图像识别装置检测的图像信息进行采集获取;
所述图像处理模块用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取;
优选的,图像处理模块具体处理过程包括:
提取图像获取模块中定位值,对检测点坐标进行转换,获取对应的检测目标;
图像区域提取:将需要识别的图像分割细分为个图像子区域,然后对显著区域的图像进行提取;
图像特征提取:对显著区域的图像采用Tamura特征和灰度共生矩阵来表征图像的纹理特征,计算出图像六个特征滤波后的平均值和方差,使其形成特征向量;
特征向量提取完毕后,根据特征向量计算出图像灰度共生矩阵的能量特征,从而提取处每个子区域图像纹理的复杂度特征,将特征输入训练好的神经网络,根据所述神经网络的输出结果得出检测结果。
优选的,所述图像识别装置包括安装在安装架的云台、雷达摄像头、灯光,云台上设有雷达摄像头,所述雷达摄像头用于对异物实时检测和定位,并将检测的信号传递给工控机,工控机中设有对灯光的控制的灯光控制模块,所述工控机设置与安装架上。
优选的,所述云台和雷达摄像头相配合,对设备点对应的云台预置位和雷达摄像头焦距的定位值进行确定,将设备与所述定位值绑定存储,从而使图像处理模块根据定位值确定设备名称。
优选的,所述安装架包括有底座,所述底座的上部垂直设置有立柱,所述立柱的内部为中空结构,且立柱的上端外部滑动套设有滑套座,所述立柱的前后侧位于滑套座的上方位置处均设置有凹形条,两个所述凹形条相背的一端均转动安装有导向轮,所述立柱的下端内部转动安装有转轴,所述转轴的两端穿过立柱并连接有收卷轮,两个所述收卷轮的内部均缠绕安装有钢丝绳,两个所述钢丝绳的另一端分别固定连接于滑套座的前后侧,且两个凹形条分别滑动穿过两个导向轮上,其中一个所述收卷轮的前部设置有把手。
优选的,所述立柱的前后侧位于收卷轮的上方位置处均设置有导向环,两个所述钢丝绳分别滑动穿过两个导向环的内部。
优选的,所述立柱的下方一侧开设有活动槽,所述活动槽的内部嵌入滑动安装有拨杆,所述立柱的内壁一侧设置有两个限位套,两个所述限位套的内部之间贯穿滑动安装有限位杆,所述限位杆的下端与拨杆的一端相连接,且限位杆的上端铰接有调节杆,所述立柱的上端内部另一侧连接有与滑套座相对应的导向杆,所述导向杆的一端滑动套设有导向套,且导向杆的另一端外部套设有弹簧,所述弹簧的两端分别与立柱的内壁和导向套的一端相连接,所述导向套的另一端滑动穿过立柱的内壁一侧,所述调节杆的另一端铰接于导向套的一端下部。
有益效果
本发明提供了一种基于深度学习的异物检测系统,与现有技术相比具备以下有益效果:
1、本发明能够代替人工巡检的方式,实时地对变电站高空线路的异物进行在线检测,并且判断出异物的类型,及时地向后台中心发出预警信号,使得相关人员第一时间知晓,并及时地对线路上的异物进行清除处理,提高线路的安全性。
2、本发明通过特征向量的提取与神经网络的训练,提高识别效率和准确度,更有效的帮助识别。
3、本发明能够使得人员站在地面上即可对高空中的雷达摄像头进行安装或拆卸,无需攀爬到高空中进行拆装工作,进而方便工作人员对设备进行维修工作,安装完毕后,能够保证雷达摄像头的稳定性,节省了时间,而且对工作人员的生命安全起到了保障作用。
附图说明
图1为本发明的结构示意图;
图2为本发明工控机的系统原理框图;
图3为本发明安装架的结构示意图;
图4为本发明立柱内部结构的示意图;
图5为本发明转轴安装示意图;
图中:1、安装架;11、底座;12、立柱;13、滑套座;1301、螺纹槽;1302、定位槽;14、凹形条;15、导向轮;16、转轴;17、收卷轮;18、把手;19、钢丝绳;110、导向环;111、活动槽;112、拨杆;113、限位套;114、限位杆;115、调节杆;116、导向杆;117、导向套;118、弹簧;2、云台;3、雷达摄像头;4、灯光;5、工控机;51、主控模块;52、图像获取模块;53、图像处理模块;54、图像识别模块;55、客户端;56、灯光控制模块;57、数据库。
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做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。
本发明提供三种技术方案:
实施例一
请参阅图1-图2,本发明实施例中,一种基于深度学习的异物检测系统,包括若干个设备端和后台终端,若干个所述设备端呈环形形状布置于场地内;
所述设备端包括图像识别装置和与图像识别装置电连的工控机5,图像识别装置用于对异物定位及识别,并将识别信息传递给工控机5,所述工控机5用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取后将信息传递给后台终端;
所述后台终端对信息处理后存储在数据库57并将报警信息推送到巡检人员客户端55。
所述工控机5包括有主控模块51和图像获取模块52、图像处理模块53、图像识别模块54,其中:
所述图像获取模块52用于对图像识别装置检测的图像信息进行采集获取;
所述图像处理模块53用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取;
图像处理模块53具体处理过程包括:
提取图像获取模块52中定位值,对检测点坐标进行转换,获取对应的检测目标;
图像区域提取:将需要识别的图像分割细分为64个图像子区域,然后对显著区域的图像进行提取;
图像特征提取:对显著区域的图像采用Tamura特征和灰度共生矩阵来表征图像的纹理特征,计算出图像六个特征滤波后的平均值和方差,使其形成特征向量;
特征向量提取完毕后,根据特征向量计算出图像灰度共生矩阵的能量特征,从而提取处每个子区域图像纹理的复杂度特征,将特征输入训练好的神经网络,根据所述神经网络的输出结果得出检测结果。
本发明实施例中,设备端的数量设置为四组以上,使其在变电站中呈环形形状分布,使得图像识别装置能够全面的对线路上的异物进行检测。
实施例二
请参阅图2,本发明实施例中,与实施例一不同之处在于:灯光控制模块56用于对灯光4的控制,灯光4包括有照明模式和雾灯模式,工控机5根据不同环境控制灯光4相应的模式进行工作,当在黑夜的条件下,灯光控制模块56启动灯光4中的照明模式工作,当在雾天的调节下,灯光控制模块56启动灯光4中的雾灯模式工作,当在雾天和光线不良的情况下,灯光控制模块56同时启动4的两种模式工作,方便雷达摄像头3更好的进行检测工作。
实施例三
请参阅图3和图5,本发明实施例中,与实施例一和实施例二不同之处在于:安装架1包括有底座11,底座11的上部垂直设置有立柱12,立柱12的内部为中空结构,且立柱12的上端外部滑动套设有滑套座13,立柱12的前后侧位于滑套座13的上方位置处均设置有凹形条14,两个凹形条14相背的一端均转动安装有导向轮15,立柱12的下端内部转动安装有转轴16,所述转轴16的两端穿过立柱12并连接有收卷轮17,如图5所示;两个收卷轮17的内部均缠绕安装有钢丝绳19,两个钢丝绳19的另一端分别固定连接于滑套座13的前后侧,且两个凹形条14分别滑动穿过两个导向轮15上,其中一个收卷轮17的前部设置有把手18,立柱12的前后侧位于收卷轮17的上方位置处均设置有导向环110,两个钢丝绳19分别滑动穿过两个导向环110的内部,导向环110对钢丝绳19起到了导向的作用,滑套座13的一端上部设置有螺纹槽1301,云台2与螺纹槽1301之间通过螺纹固定连接。
请参阅图4,立柱12的下方一侧开设有活动槽111,活动槽111的内部嵌入滑动安装有拨杆112,立柱12的内壁一侧设置有两个限位套113,两个限位套113的内部之间贯穿滑动安装有限位杆114,限位杆114的下端与拨杆112的一端相连接,且限位杆114的上端铰接有调节杆115,立柱12的上端内部另一侧连接有与滑套座13相对应的导向杆116,导向杆116的一端滑动套设有导向套117,且导向杆116的另一端外部套设有弹簧118,弹簧118的两端分别与立柱12的内壁和导向套117的一端相连接,导向套117的另一端滑动穿过立柱12的内壁一侧,调节杆115的另一端铰接于导向套117的一端下部,滑套座13的内部一侧开设有与导向套117另一端相适配的定位槽1302,弹簧118处于自然状态时,导向套117的另一端卡接于滑套座13上的定位槽1302中。
工作原理:工作前,针对不同目标,分别存储下当前拍摄当前设备的雷达摄像头3和云台2的定位值,将设备目标与定位值进行绑定存储,然后针对每个设备设置循环巡检。工作时:雷达摄像头3和云台2循环对不同的设备进行巡检,以实现对异物的实时检测和定位,图像获取模块52对雷达摄像头3检测的图像信息进行采集获取,获取后,图像处理模块53对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取,处理完毕后,图像识别模块54对图像与数据库57中的异物图像进行对比,并且识别异物的类型,向客户端55发出预警信号;
进一步的,当在黑夜的条件下,灯光控制模块56启动灯光4中的照明模式工作,当在雾天的调节下,灯光控制模块56启动灯光4中的雾灯模式工作,当在雾天和光线不良的情况下,灯光控制模块56同时启动4的两种模式工作,方便雷达摄像头3更好的进行检测工作;
再一步,安装雷达摄像头3时,先在地面将将云台2通过螺纹安装到滑套座13上的螺纹槽1301中,之后转动把手18使其带动两个收卷轮17转动,收卷轮17对钢丝绳19进行收卷,这样钢丝绳19的另一端会对滑套座13拉伸,使得滑套座13在立柱12上向上滑动,当滑套座13滑动到导向套117的位置时,向上拨动拨杆112,拨杆112带动限位杆114向上移动,限位杆114使调节杆115带动导向套117在导向杆116上滑动,使导向套117的另一端滑进立柱12的内部,接着继续转动把手18,使滑套座13向上滑动,当导向套117位于滑套座13的内部时,松开拨杆112,然后继续再转动把手18,当滑套座13内部的定位槽1302与导向套117另一端对齐时,弹簧118会使导向套117复位,导向套117的另一端会插入到定位槽1302中,将滑套座13给固定住,进而完成安装工作,需要拆卸时,只需向上拨动拨杆112,使导向套117的另一端从定位槽1302中脱离下来,之后在滑套座13的重力下,滑套座13会向下滑动,当滑套座13滑动到地面上工作人员的位置时,工作人员将云台2从滑套座13上拆卸下来即可。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
Claims (6)
1.一种基于深度学习的异物检测系统,包括若干个设备端和后台终端,其特征在于,若干个所述设备端呈环形形状布置于场地内;
所述设备端包括图像识别装置和与图像识别装置电连的工控机(5),图像识别装置用于对异物定位及识别,并将识别信息传递给工控机(5),所述工控机(5)用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取后将信息传递给后台终端;
所述后台终端对信息处理后存储在数据库(57)并将报警信息推送到巡检人员客户端(55);
所述图像识别装置包括安装在安装架(1)的云台(2)、雷达摄像头(3)、灯光(4),云台上设有雷达摄像头(3),所述雷达摄像头(3)用于对异物实时检测和定位,并将检测的信号传递给工控机(5),工控机(5)中设有对灯光(4)的控制的灯光控制模块(56),所述工控机设置与安装架(1)上;
所述安装架(1)包括有底座(11),所述底座(11)的上部垂直设置有立柱(12),所述立柱(12)的内部为中空结构,且立柱(12)的上端外部滑动套设有滑套座(13),所述立柱(12)的前后侧位于滑套座(13)的上方位置处均设置有凹形条(14),两个所述凹形条(14)相背的一端均转动安装有导向轮(15),所述立柱(12)的下端内部转动安装有转轴(16),所述转轴(16)的两端穿过立柱(12)并连接有收卷轮(17),两个所述收卷轮(17)的内部均缠绕安装有钢丝绳(19),两个所述钢丝绳(19)的另一端分别固定连接于滑套座(13)的前后侧,且两个凹形条(14)分别滑动穿过两个导向轮(15)上,其中一个所述收卷轮(17)的前部设置有把手(18)。
2.根据权利要求1所述的一种基于深度学习的异物检测系统,其特征在于,所述工控机(5)包括有主控模块(51)和图像获取模块(52)、图像处理模块(53)、图像识别模块(54),其中:
所述图像获取模块(52)用于对图像识别装置检测的图像信息进行采集获取;
所述图像处理模块(53)用于对获取的图像依次进行坐标转换处理、图像灰度处理、图像特征向量提取。
3.根据权利要求2所述的一种基于深度学习的异物检测系统,其特征在于,图像处理模块(53)具体处理过程包括:
提取图像获取模块(52)中定位值,对检测点坐标进行转换,获取对应的检测目标;
图像区域提取:将需要识别的图像分割细分为64个图像子区域,然后对显著区域的图像进行提取;
图像特征提取:对显著区域的图像采用Tamura特征和灰度共生矩阵来表征图像的纹理特征,计算出图像六个特征滤波后的平均值和方差,使其形成特征向量;
特征向量提取完毕后,根据特征向量计算出图像灰度共生矩阵的能量特征,从而提取处每个子区域图像纹理的复杂度特征,将特征输入训练好的神经网络,根据所述神经网络的输出结果得出检测结果。
4.根据权利要求1所述的一种基于深度学习的异物检测系统,其特征在于,所述云台(2)和雷达摄像头(3)相配合,对设备点对应的云台预置位和雷达摄像头(3)焦距的定位值进行确定,将设备与所述定位值绑定存储,从而使图像处理模块根据定位值确定设备名称。
5.根据权利要求1所述的一种基于深度学习的异物检测系统,其特征在于:所述立柱(12)的前后侧位于收卷轮(17)的上方位置处均设置有导向环(110),两个所述钢丝绳(19)分别滑动穿过两个导向环(110)的内部。
6.根据权利要求1所述的一种基于深度学习的异物检测系统,其特征在于:所述立柱(12)的下方一侧开设有活动槽(111),所述活动槽(111)的内部嵌入滑动安装有拨杆(112),所述立柱(12)的内壁一侧设置有两个限位套(113),两个所述限位套(113)的内部之间贯穿滑动安装有限位杆(114),所述限位杆(114)的下端与拨杆(112)的一端相连接,且限位杆(114)的上端铰接有调节杆(115),所述立柱(12)的上端内部另一侧连接有与滑套座(13)相对应的导向杆(116),所述导向杆(116)的一端滑动套设有导向套(117),且导向杆(116)的另一端外部套设有弹簧(118),所述弹簧(118)的两端分别与立柱(12)的内壁和导向套(117)的一端相连接,所述导向套(117)的另一端滑动穿过立柱(12)的内壁一侧,所述调节杆(115)的另一端铰接于导向套(117)的一端下部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708107.6A CN114782828B (zh) | 2022-06-22 | 2022-06-22 | 一种基于深度学习的异物检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708107.6A CN114782828B (zh) | 2022-06-22 | 2022-06-22 | 一种基于深度学习的异物检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114782828A CN114782828A (zh) | 2022-07-22 |
CN114782828B true CN114782828B (zh) | 2022-09-09 |
Family
ID=82421164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708107.6A Active CN114782828B (zh) | 2022-06-22 | 2022-06-22 | 一种基于深度学习的异物检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782828B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185337B1 (en) * | 1996-12-17 | 2001-02-06 | Honda Giken Kogyo Kabushiki Kaisha | System and method for image recognition |
CN110807353B (zh) * | 2019-09-03 | 2023-12-19 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于深度学习的变电站异物识别方法、装置及系统 |
CN111626203B (zh) * | 2020-05-27 | 2021-11-16 | 北京伟杰东博信息科技有限公司 | 一种基于机器学习的铁路异物识别方法及系统 |
CN112818806A (zh) * | 2021-01-27 | 2021-05-18 | 国网四川省电力公司电力科学研究院 | 一种基于深度学习的变电站巡检机器人辅助导航方法 |
CN113111704B (zh) * | 2021-03-02 | 2023-05-12 | 郑州大学 | 基于深度学习的机场道面病害异物检测方法及系统 |
CN113298077A (zh) * | 2021-06-21 | 2021-08-24 | 中国电建集团海南电力设计研究院有限公司 | 一种基于深度学习的变电站异物识别定位方法及装置 |
CN113985400B (zh) * | 2021-12-27 | 2022-04-19 | 南京易信同控制设备科技有限公司 | 一种机场跑道外来异物监测报警系统及其方法 |
-
2022
- 2022-06-22 CN CN202210708107.6A patent/CN114782828B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114782828A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807353B (zh) | 一种基于深度学习的变电站异物识别方法、装置及系统 | |
CN111259892B (zh) | 一种指示灯状态的巡检方法、装置、设备和介质 | |
CN111342391B (zh) | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 | |
CN108956640B (zh) | 适用于配电线路巡检的车载检测装置及检测方法 | |
CN110531218B (zh) | 一种基于图像轮廓检测的输电线路故障识别系统 | |
CN110570537B (zh) | 基于视频识别的航标监测方法及船载航标智能巡检设备 | |
CN111385536A (zh) | 基于声光信号识别的车间监控方法及系统 | |
CN109238241B (zh) | 一种配电线路车载自动巡检系统及其巡检方法 | |
CN112528979A (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN114782828B (zh) | 一种基于深度学习的异物检测系统 | |
CN111696060A (zh) | 一种复合绝缘子憎水性带电在线监测方法与系统 | |
CN116699329A (zh) | 一种变电站空间声纹可视化成像方法 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检系统 | |
CN111145275A (zh) | 一种智能化自控森林防火监控系统及方法 | |
CN114155468A (zh) | 一种变压器渗漏油检测方法、装置、设备及介质 | |
CN210072874U (zh) | 一种设施隐患监测报警装置 | |
CN113184017A (zh) | 一种atp视频监控与智能识别分析系统 | |
CN110555460B (zh) | 一种基于图像切片的移动端输电线路鸟类检测方法 | |
CN111079743A (zh) | 基于无人机航拍数据绝缘子自动识别的数据采集方法 | |
CN209330740U (zh) | 一种基于机器视觉柑橘黄龙病的预警系统 | |
CN109902647A (zh) | 一种便携式在线鸟巢智能识别方法及系统 | |
CN113467349B (zh) | 一种输电线路安全隐患智能识别先兆告警系统 | |
CN110490197A (zh) | 基于物联网的电力设备识别方法及系统 | |
CN113096338A (zh) | 一种基于智慧灯杆的社区安全预警方法 | |
CN111208165A (zh) | 一种基于红外成像技术探测风机叶片损伤的装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |