CN115311560A - 一种输电通道外破隐患辨识方法及装置 - Google Patents
一种输电通道外破隐患辨识方法及装置 Download PDFInfo
- Publication number
- CN115311560A CN115311560A CN202210902299.4A CN202210902299A CN115311560A CN 115311560 A CN115311560 A CN 115311560A CN 202210902299 A CN202210902299 A CN 202210902299A CN 115311560 A CN115311560 A CN 115311560A
- Authority
- CN
- China
- Prior art keywords
- power transmission
- transmission channel
- hidden danger
- identifying
- target
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种输电通道外破隐患辨识方法及装置，该方法包括采集输电通道图像；基于所采集的输电通道图像对输电通道的输电导线进行识别；基于输电导线的识别结果对输电通道有效区域进行划分；基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；将所识别的外破隐患的目标框与所得到的有效区域进行对比，确定有效区域内的外破隐患目标及类别。本发明能够自动判别输电通道周围存在的塔吊、挖掘机等可能威胁输电线路安全的外破隐患，从而保障输电线路的安全稳定运行。本发明可极大降低外破隐患识别的误报率，从而减少不必要的工作单派遣及人力资源浪费。
Description
技术领域
本发明属于电力运维技术领域，具体涉及一种输电通道外破隐患辨识方法及装置。
背景技术
随着城市化进程的推进，输电线路附近违章施工不断增加，导致电网公司输电线路外力破坏跳闸频发，110kV及以上线路违章施工跳闸年均近35条/次。线路图像视频监测是防控外力破坏的有效手段，全国输电线路图像视频监测应用呈爆发式增长，上述的巡检、监控设备产生的海量视觉影像为智能化分析奠定了基础。输电线路受到外力破坏简称外破，当前外破隐患辨识方法主要通过目标检测方法对采集到的图像进行识别，识别出图像中的外破隐患目标。但是由于输电通道的有效范围有限，此种无差别的目标检测方法将会对有效区域以外的目标进行告警，从而造成大量误报。
发明内容
本发明的目的在于提供一种输电通道外破隐患辨识方法及装置，通过对输电通道有效区域进行划分，进而识别出有效区域内的外破隐患，进而进行报警，从而有效的保障输电线路的安全稳定运行。
为达到上述目的，本发明采用的技术方案如下：
本发明提供一种输电通道外破隐患辨识方法，包括：
采集输电通道图像；
基于所采集的输电通道图像对输电通道的输电导线进行识别；
基于输电导线的识别结果对输电通道有效区域进行划分；
基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
将所识别的外破隐患的目标框与所得到的输电通道有效区域进行对比，确定有效区域内的外破隐患目标及类别。
进一步的，所述采集输电通道图像，包括：
通过视频监控装置采集输电通道图像。
进一步的，所述基于所采集的输电通道图像对输电通道的输电导线进行识别，包括：
采用车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出图像中存在的输电导线位置。
进一步的，所述基于输电导线的识别结果对输电通道有效区域进行划分，包括：
通过目标检测模型识别出所采集的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域。
进一步的，所述有效区域为梯形。
进一步的，还包括，
对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
进一步的，所述预设的空间距离为输电线路映射距离的10%。
进一步的，预先构建外破隐患目标识别模型，包括：
获取若干输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
进一步的，所述标注的外破隐患目标包括塔吊和挖掘机。
进一步的，所述将所识别的外破隐患的目标框与所得到的有效区域进行对比，确定有效区域内的外破隐患目标及类别，包括：
将所识别的外破隐患的目标框的最低点与所得到的有效区域进行对比，当目标框的两个最低点任意一点进入输电线路投影的所述有效区域内，则为位于有效区域内；
有效区域内的外破隐患目标为有效外破隐患，进行告警；
有效区域外的外破隐患目标为无效外破隐患，无需告警。
本发明另一方面提供一种输电通道外破隐患辨识装置，包括：
初始化模块，用于采集输电通道图像；
第一识别模块，用于基于所采集的输电通道图像对输电通道的输电导线进行识别；
划分模块，用于基于输电导线的识别结果对输电通道有效区域进行划分；
第二识别模块，用于基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
输出模块，用于将所识别的外破隐患的目标框与所得到的输电通道有效区域进行对比，确定有效区域内的外破隐患目标及类别。
进一步的，所述第一识别模块具体用于，
采用车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出图像中存在的输电导线位置。
进一步的，所述划分模块具体用于，
通过目标检测模型识别出所采集的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域。
进一步的，所述划分模块还用于，
对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
进一步的，所述第二识别模块具体用于，
构建外破隐患目标识别模型如下：
获取若干输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
进一步的，所述输出模块具体用于，
将所识别的外破隐患的目标框的最低点与所得到的有效区域进行对比，当目标框的两个最低点任意一点进入输电线路投影的所述有效区域内，则为位于有效区域内；
有效区域内的外破隐患目标为有效外破隐患，进行告警；
有效区域外的外破隐患目标为无效外破隐患，无需告警。
本发明的有益效果为：
本发明提供一种输电通道外破隐患辨识方法，该方法通过对输电通道有效区域进行划分，进而识别出有效区域内的外破隐患，进而进行报警。本发明用于输电通道外破隐患监测装置中，能够自动判别输电通道周围存在的塔吊、挖掘机等可能威胁输电线路安全的外破隐患目标，从而有效的保障输电线路的安全稳定运行。本发明可极大降低外破隐患识别的误报率，从而减少不必要的工作单派遣及人力资源浪费。
附图说明
图1为本发明实施例中车道检测模型LaneNet架构；
图2 为本发明实施例中有效区域识别结果示意图；
图3为本发明实施例中有效区域内外破隐患识别结果示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例提出一种输电通道外破隐患辨识方法，具体如下：
采集输电通道图像；
基于所采集的输电通道图像对输电通道的输电导线进行识别；
基于输电导线的识别结果对输电通道有效区域进行划分；
基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
将所识别的外破隐患的目标框与所得到的输电通道有效区域进行对比，确定有效区域内的外破隐患目标及类别。
本实施例中，采集输电通道图像，包括：
通过视频监控装置采集输电通道图像。
本实施例中，基于所采集的输电通道图像对输电通道的输电导线进行识别，包括：
采用计算机视觉领域常用的车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出线路中存在的输电导线位置。具体模型框架如图1所示。
本实施例中，基于输电导线的识别结果对输电通道有效区域进行划分，包括：
通过目标检测模型识别出的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域，输电通道有效区域判别结果如图2所示的框线。
需要说明的是，该有效区域为梯形。
作为一种优选的实施方式，对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
作为一种优选的实施方式，预设的空间距离为输电线路映射距离的10%。
本实施例中，预先构建外破隐患目标识别模型，具体如下：
获取大量输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN（Feature Pyramid Networks）网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN（Fully Convolutional Networks，全卷积网络）的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
本实施例中，标注的外破隐患目标包括塔吊、挖掘机等。
本实施例中，将所识别的外破隐患的目标框与所得到的有效区域进行对比，确定有效区域内的外破隐患目标及类别，包括：
将所识别的外破隐患的目标框的最低点与所得到的梯形有效区域进行对比，对有效区域内的外破隐患目标视为有效外破隐患，并进行告警；对于有效区域外的外破隐患目标视为无效外破隐患，无需告警。具体识别结果如图3所示的坐标位置处。
需要说明的是，当目标框的两个最低点任意一点进入输电线路投影的梯形有效区域内，则视为位于有效区域内。
本实施例提供了一种输电通道外破隐患辨识方法，该方法可以用于输电通道外破隐患监测装置中，能够自动判别输电通道周围存在的塔吊、挖掘机等可能威胁输电线路安全的外破隐患目标，从而有效的保障输电线路的安全稳定运行。
实施例2
本实施例提供一种输电通道外破隐患辨识装置，包括：
初始化模块，用于采集输电通道图像；
第一识别模块，用于基于所采集的输电通道图像对输电通道的输电导线进行识别；
划分模块，用于基于输电导线的识别结果对输电通道有效区域进行划分；
第二识别模块，用于基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
输出模块，用于将所识别的外破隐患的目标框与所得到的有效区域进行对比，确定有效区域内的外破隐患目标及类别。
本实施例中，第一识别模块具体用于，
采用车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出图像中存在的输电导线位置。
本实施例中，划分模块具体用于，
通过目标检测模型识别出所采集的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域。
本实施例中，划分模块还用于，
对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
本实施例中，第二识别模块具体用于，
构建外破隐患目标识别模型如下：
获取若干输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
本实施例中，输出模块具体用于，
将所识别的外破隐患的目标框的最低点与所得到的有效区域进行对比，当目标框的两个最低点任意一点进入输电线路投影的所述有效区域内，则为位于有效区域内；
有效区域内的外破隐患目标为有效外破隐患，进行告警；
有效区域外的外破隐患目标为无效外破隐患，无需告警。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (16)
1.一种输电通道外破隐患辨识方法，其特征在于，包括：
采集输电通道图像；
基于所采集的输电通道图像对输电通道的输电导线进行识别；
基于输电导线的识别结果对输电通道有效区域进行划分；
基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
将所识别的外破隐患的目标框与所得到的输电通道有效区域进行对比，确定有效区域内的外破隐患目标及类别。
2.根据权利要求1所述的一种输电通道外破隐患辨识方法，其特征在于，所述采集输电通道图像，包括：
通过视频监控装置采集输电通道图像。
3.根据权利要求1所述的一种输电通道外破隐患辨识方法，其特征在于，所述基于所采集的输电通道图像对输电通道的输电导线进行识别，包括：
采用车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出图像中存在的输电导线位置。
4.根据权利要求1所述的一种输电通道外破隐患辨识方法，其特征在于，所述基于输电导线的识别结果对输电通道有效区域进行划分，包括：
通过目标检测模型识别出所采集的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域。
5.根据权利要求4所述的一种输电通道外破隐患辨识方法，其特征在于，所述有效区域为梯形。
6.根据权利要求4所述的一种输电通道外破隐患辨识方法，其特征在于，还包括，
对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
7.根据权利要求6所述的一种输电通道外破隐患辨识方法，其特征在于，所述预设的空间距离为输电线路映射距离的10%。
8.根据权利要求1所述的一种输电通道外破隐患辨识方法，其特征在于，预先构建外破隐患目标识别模型，包括：
获取若干输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
9.根据权利要求8所述的一种输电通道外破隐患辨识方法，其特征在于，所述标注的外破隐患目标包括塔吊和挖掘机。
10.根据权利要求1所述的一种输电通道外破隐患辨识方法，其特征在于，所述将所识别的外破隐患的目标框与所得到的有效区域进行对比，确定有效区域内的外破隐患目标及类别，包括：
将所识别的外破隐患的目标框的最低点与所得到的有效区域进行对比，当目标框的两个最低点任意一点进入输电线路投影的所述有效区域内，则为位于有效区域内；
有效区域内的外破隐患目标为有效外破隐患，进行告警；
有效区域外的外破隐患目标为无效外破隐患，无需告警。
11.一种输电通道外破隐患辨识装置，其特征在于，包括：
初始化模块，用于采集输电通道图像；
第一识别模块，用于基于所采集的输电通道图像对输电通道的输电导线进行识别；
划分模块，用于基于输电导线的识别结果对输电通道有效区域进行划分；
第二识别模块，用于基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别，得到外破隐患目标框的位置信息及类别信息；
输出模块，用于将所识别的外破隐患的目标框与所得到的输电通道有效区域进行对比，确定有效区域内的外破隐患目标及类别。
12.根据权利要求11所述的一种输电通道外破隐患辨识装置，其特征在于，所述第一识别模块具体用于，
采用车道检测模型LaneNet对所采集的输电通道图像进行输电导线检测，识别并分割出图像中存在的输电导线位置。
13.根据权利要求11所述的一种输电通道外破隐患辨识装置，其特征在于，所述划分模块具体用于，
通过目标检测模型识别出所采集的输电通道图像中的杆塔目标；
以杆塔目标底部作为地面基准线，将识别出的输电线路映射至地面上，选择左右最远端的输电线路映射作为有效区域划分的边界，得到输电通道在地面上的有效区域。
14.根据权利要求13所述的一种输电通道外破隐患辨识装置，其特征在于，所述划分模块还用于，
对左右最远端的输电线路映射分别添加预设的空间距离作为裕度，得到增加裕度后的输电通道有效区域。
15.根据权利要求11所述的一种输电通道外破隐患辨识装置，其特征在于，所述第二识别模块具体用于，
构建外破隐患目标识别模型如下：
获取若干输电通道图像，并标注出外破隐患目标和输电杆塔；
将标注后的输电通道图像输入至利用TensorFlow框架构建的深度残差网络ResNet101进行特征提取，得到输电通道图像的高维视觉特征；
通过FPN网络将高低层特征横向连接进行特征融合并在不同尺度特征图上产生候选框；
通过FCN的分类回归子网络输出预测的输电外破隐患目标框的位置信息及类别信息；
将预测结果与实际标注信息进行比对，迭代优化各网络参数，直至各网络参数收敛获得最优模型，作为外破隐患目标识别模型。
16.根据权利要求11所述的一种输电通道外破隐患辨识装置，其特征在于，所述输出模块具体用于，
将所识别的外破隐患的目标框的最低点与所得到的有效区域进行对比，当目标框的两个最低点任意一点进入输电线路投影的所述有效区域内，则为位于有效区域内；
有效区域内的外破隐患目标为有效外破隐患，进行告警；
有效区域外的外破隐患目标为无效外破隐患，无需告警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210902299.4A CN115311560A (zh) | 2022-07-29 | 2022-07-29 | 一种输电通道外破隐患辨识方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210902299.4A CN115311560A (zh) | 2022-07-29 | 2022-07-29 | 一种输电通道外破隐患辨识方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115311560A true CN115311560A (zh) | 2022-11-08 |
Family
ID=83859322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210902299.4A Pending CN115311560A (zh) | 2022-07-29 | 2022-07-29 | 一种输电通道外破隐患辨识方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311560A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116091494A (zh) * | 2023-04-07 | 2023-05-09 | 智洋创新科技股份有限公司 | 一种输电机械外破隐患测距方法 |
-
2022
- 2022-07-29 CN CN202210902299.4A patent/CN115311560A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116091494A (zh) * | 2023-04-07 | 2023-05-09 | 智洋创新科技股份有限公司 | 一种输电机械外破隐患测距方法 |
| CN116091494B (zh) * | 2023-04-07 | 2023-06-27 | 智洋创新科技股份有限公司 | 一种输电机械外破隐患测距方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN111307823B (zh) | 基于边云协同的变电设备典型视觉缺陷检测系统及方法 | |
| CN112347916B (zh) | 基于视频图像分析的电力现场作业安全监控方法及装置 | |
| CN112381963A (zh) | 一种基于数字孪生技术的电力物联网智能巡检方法及系统 | |
| CN113313005A (zh) | 基于目标识别与重建的输电导线在线监测方法及系统 | |
| CN114418145A (zh) | 基于gim的变电站数字孪生方法及系统 | |
| CN115100813B (zh) | 基于数字孪生的智慧社区系统 | |
| CN115311560A (zh) | 一种输电通道外破隐患辨识方法及装置 | |
| CN114140503A (zh) | 基于深度学习的配电网危险区域识别装置及方法 | |
| CN115019472A (zh) | 一种建筑施工高危行为检测预警方法及系统 | |
| CN109345787A (zh) | 一种基于智能图像识别技术的输电线路防外损监控报警系统 | |
| CN116231504A (zh) | 一种升压站远程智能巡检方法、装置及系统 | |
| CN111431284A (zh) | 一种基于bim技术的变电站智能化管控系统 | |
| CN107358343B (zh) | 基于图像数据特征差异性的电力工程安全预警方法 | |
| CN114359137A (zh) | 一种星地融合的输电线路外破监测方法及装置 | |
| CN114274143A (zh) | 一种智能机器人组在火力发电厂集控运行缺陷图像智能识别方法 | |
| CN111597637A (zh) | 一种动车现场部件的故障检测方法、装置、服务器及系统 | |
| CN115932645A (zh) | 高空架设电缆的绝缘层渗水检测装置、方法及设备 | |
| CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
| CN115482502A (zh) | 基于特征物体与人体关键点的异常行为识别方法、系统及介质 | |
| CN113077455B (zh) | 保护架空输电线的树障检测方法、装置、电子设备及介质 | |
| CN114863349A (zh) | 一种基坑安全防护监测方法及系统 | |
| CN210428558U (zh) | 一种电力光缆巡检线路智能辅助系统 | |
| CN103777954A (zh) | 一种信息处理方法以及装置 | |
| CN112907105B (zh) | 基于业务场景的预警方法及装置 |
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 |