CN115393347B - 一种基于城市大脑的电网智能巡检方法及系统 - Google Patents
一种基于城市大脑的电网智能巡检方法及系统 Download PDFInfo
- Publication number
- CN115393347B CN115393347B CN202211241227.6A CN202211241227A CN115393347B CN 115393347 B CN115393347 B CN 115393347B CN 202211241227 A CN202211241227 A CN 202211241227A CN 115393347 B CN115393347 B CN 115393347B
- Authority
- CN
- China
- Prior art keywords
- inspection
- defect
- image
- data
- power grid
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 39
- 210000004556 brain Anatomy 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 96
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 36
- 230000005856 abnormality Effects 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 5
- 241001292396 Cirrhitidae Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims 2
- 238000003672 processing method Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 235000005770 birds nest Nutrition 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 235000005765 wild carrot Nutrition 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30232—Surveillance
-
- 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
-
- 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
Abstract
本发明涉及一种基于城市大脑的电网智能巡检方法及系统，该方法及系统利用无人机等巡检拍摄设备巡检拍摄电网设备图像，并传输至巡检分析处理终端，通过比对正常和异常图像判断是否存在缺陷及缺陷的种类和程度，从而利用知识图谱获取详细的情况，并调用物资数据库的数据进行匹配解决方案，最后输出缺陷检测报告。相比现有技术，本发明解决了电网巡检工作中人工效率低、识别正确率底、局部缺陷难发现、解决处理方法不到位、部分工作人工危险系数高等问题，助力线下快速运维消缺。
Description
技术领域
本发明涉及基于城市大脑的智慧城市技术领域，具体涉及一种基于城市大脑的电网智能巡检方法及系统。
背景技术
城市大脑是利用城市所产生和收集的数据信息和资源，通过人工智能（AI）、大数据、4G/5G通信网络，物联网（IoT），区块链等信息技术，为城市的政务管理、交通治理、数字化运营、公共安全、应急管理、资源调度、医疗卫生、旅游、环境保护、精细化管理等场景服务的一个人工智能处理系统中枢。
随着城市的发展，电网和电气化覆盖率不断提高。作为城市的“大动脉”，电网设备在长期的运行过程当中，特别是电网塔杆和输运线路，一般裸露在空气中，特别在大风、下雨、炎热、寒冷等特殊环境下，容易遇到异物悬挂、开口销热胀冷缩脱落、螺栓螺母锈蚀、绝缘子自爆等异常或缺陷，而这些异常或缺陷容易引起电网设备故障，甚至导致停电，对城市运营和规划造成极大的不良影响。
目前针对电网设备的检测技术存在以下一些主要问题：
（1）人工检测运维：传统的人工检测不适应目前的电网覆盖程度及发展需要；随着电网的覆盖程度愈发密集，电网设备数量日益增长，传统人工巡检效率低，且对于电网塔杆的诸如开口销半退出、螺栓螺母锈蚀等许多局部不明显但重要缺陷容易错漏和误判，不适应电网发展的需要；
（2）固定摄像机录像监控：通过在一些关键地方进行摄像机实时监控进行电网设备检测；摄像机及线缆的布设成本和运维成本高，且监控角度单一，受雨天、雾天等恶劣天气影响大；并且采用人工检测录像监控进行晒别筛选，存在错漏误判等问题；且对于未监控部分的电网设备无法及时反馈；
（3）无人机检测识别：利用无人机等飞行器辅助电网巡检在近年来得到广泛的应用和推广，通过机载的摄像等视觉系统，可以发现输电线缆破损、异物悬挂的传统人工检测和固定摄像机监控等难以发现的问题；但现有做法也是通过人工对无人机拍摄的图像和视频进行甄别筛选，工作量大、效率低；且目前国内主要的无人机巡检需要人工在一定范围内操作控制无人机巡航，对于检测的设备部位及异常容易发生遗漏等问题；
（4）电网巡检与相应解决策略及使用物资情况，目前以人工经验为主，缺乏工作可复制性，效率低；且不利于物资管理调度以及积累巡检数据向智能化发展。
发明内容
有鉴于此，本发明的目的在于提供一种基于城市大脑的电网智能巡检方法及系统，以解决现有电网巡检中效率低、检测错漏、维护不到位、部分高位检测场景等问题。
根据本发明实施例的第一方面，提供一种基于城市大脑的电网智能巡检系统，包括：
巡检拍摄设备、巡检分析处理终端、电力巡检智能平台，
所述巡检拍摄设备包括摄像头、图像采集模块和通信模块，所述巡检分析处理终端包括图像比较模块、异常识别模块、图谱搜寻模块、报告生成模块，所述电力巡检智能平台包括图像数据库、模型数据库、知识图谱库、物资数据库，其中：
巡检拍摄设备按照巡检规划路径通过摄像头对电网设备进行拍摄图像，拍摄图像经图像采集模块预处理后通过通信模块发送给巡检分析处理终端；
巡检分析处理终端的图像比较模块将图像数据与图像数据库的正常图像及异常图像进行比对判断是否存在异常或缺陷；
异常识别模块对存在异常或缺陷的图像数据与模型数据库进行比对识别，识别出异常或缺陷的种类及程度；
图谱搜寻模块依据知识图谱库获取所识别出的异常或缺陷的详细情况及匹配处理方案；
报告生成模块，输出缺陷检测报告。
优选地，所述巡检分析处理终端包括便携式终端检测设备、或服务器式城市数字化运营终端。
优选地，所述缺陷检测报告包括：检测到异常电网设备的时间、所检测的电网设备位置、缺陷部件及相应位置、缺陷的类别及程度、推荐解决措施及所需物资、维护所需时间、维护注意事项。
根据本发明实施例的第二方面，提供一种基于城市大脑的电网智能巡检方法，包括：
巡检拍摄设备按照巡检规划路径对电网设备进行拍摄图像及图像预处理；
巡检拍摄设备将预处理后的图像数据及位置信息传送至巡检分析处理终端；
巡检分析处理终端将图像数据与电力巡检智能平台的图像数据库的正常图像及异常图像进行目标部件识别和预比对，判断该处是否具有异常或缺陷；
巡检分析处理终端判定具有异常或缺陷后，将图像数据与电力巡检智能平台的模型数据库的模型对比，识别出异常或缺陷的种类及程度；
巡检分析处理终端依据电力巡检智能平台的知识图谱库获取所识别出的异常或缺陷的详细情况和解决方案，并调用电力巡检智能平台的物资数据库进行数据匹配给出合适处理方案；
巡检分析处理终端根据识别出的异常或缺陷及对应处理方案输出缺陷检测报告。
优选地，所述将图像数据及位置信息传送至巡检分析处理终端，包括将传输图像数据、巡检拍摄设备三维位置信息、拍摄时间、预设路径巡检完成度实时传输至巡检分析处理终端。
优选地，所述巡检分析处理终端将图像数据与图像数据库的以往正常图像及异常图像集进行目标部件识别和预比对，包括：
所拍摄电网设备种类识别；
所拍摄电网设备的部件种类及位置识别；
图像数据与以往正常图像及异常图像集预比对，初步判断是否存在异常或缺陷。
优选地，所述图像数据与以往正常图像及异常图像集预比对，具体为：
颜色比对判断锈蚀情况；
形状比对判断是否存在异物或形状异常。
优选地，所述将拍摄图像数据与模型数据库模型对比，识别异常或缺陷的种类及程度，包括：
将图像数据送入预先训练好的数据库模型，进行对比识别；
缺陷种类包括但不限于开口销脱落、半退出，螺栓螺母锈蚀，防震板损坏，输电线缆倾斜，绝缘子自爆，鸟巢异物。
优选地，所述依据知识图谱库获取异常或缺陷的详细情况和解决方案，并调用物资管理系统数据匹配合适处理方案，具体包括：根据判断的缺陷种类及程度，在知识图谱中搜索相应解决方案，并根据解决方案采集现有物资数据库的匹配数据。
优选地，所述缺陷检测报告包括：检测到异常电网设备的时间、所检测的电网设备位置、缺陷部件及相应位置、缺陷的类别及程度、推荐解决措施及所需物资、维护所需时间、维护注意事项。
本发明的实施例提供的技术方案可以包括以下有益效果：
利用无人机等巡检拍摄设备巡检拍摄电网设备图像，并传输至巡检分析处理终端，通过比对正常和异常图像判断是否存在缺陷及缺陷的种类和程度，从而利用知识图谱获取详细的情况，并调用物资数据库的数据进行匹配解决方案，最后输出缺陷检测报告。相比现有技术，本发明提供的技术方案，解决了平常巡检工作中人工效率低、识别正确率底、局部缺陷难发现、解决处理方法不到位、部分工作人工危险系数高等问题，助力线下快速运维消缺。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为根据一示例性实施例示出的一种基于城市大脑的电网智能巡检系统的模块图；
图2为根据一示例性实施例示出的一种基于城市大脑的电网智能巡检方法的流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1为根据一示例性实施例示出的一种基于城市大脑的电网智能巡检系统的模块图，如图1所示，该系统包括：巡检拍摄设备、巡检分析处理终端、电力巡检智能平台， 所述巡检拍摄设备包括摄像头、图像采集模块和通信模块，所述巡检分析处理终端包括图像比较模块、异常识别模块、图谱搜寻模块、报告生成模块，所述电力巡检智能平台包括图像数据库、模型数据库、知识图谱库、物资数据库，其中：
巡检拍摄设备按照巡检规划路径通过摄像头对电网设备进行拍摄图像，拍摄图像经图像采集模块预处理后通过通信模块发送给巡检分析处理终端；
巡检分析处理终端的图像比较模块将图像数据与图像数据库的正常图像及异常图像进行比对判断是否存在异常或缺陷；
异常识别模块对存在异常或缺陷的图像数据与模型数据库进行比对识别，识别出异常或缺陷的种类及程度；
图谱搜寻模块依据知识图谱库获取所识别出的异常或缺陷的详细情况及匹配处理方案；
报告生成模块，输出缺陷检测报告。
在上述实施例中，所述巡检拍摄设备包括但不限于：无人机载摄像机、无人机载手机摄像头、可移动式监控器等具有摄像、机器视觉功能且具备遥控或自主移动功能的智能用电设备。
所述巡检分析处理终端包括但不限于便携式终端检测设备、服务器式城市数字化运营终端系统等所具有分析处理能力的集成化智能终端。
所述电力巡检智能平台，是基于城市大脑的智能平台，其存储有图像数据库、模型数据库、知识图谱库、物资数据库等基础数据。
巡检拍摄设备巡检拍摄的图像数据发送给巡检分析处理终端后，巡检分析处理终端借助于电力巡检智能平台的各种数据库实现对巡检图像数据的异常或缺陷的识别并结合知识图谱和物资数据库给出异常或缺陷的处理方案，最终形成关于异常或缺陷及处理方案的巡检报告。
所述图像采集模块通过无人机巡检规划路径电网设备采集拍摄图像并预处理后，通过通信模块将所述图像数据及位置信息等数据传送至巡检分析处理终端。
本实施例还示出了一种与上述基于城市大脑的电网智能巡检系统配套的方法，逻辑流程图如图2所示，该方法包括：
步骤S1、巡检拍摄设备按照巡检规划路径对电网设备进行拍摄图像及图像预处理；
步骤S2、巡检拍摄设备将预处理后的图像数据及位置信息传送至巡检分析处理终端；
步骤S3、巡检分析处理终端将图像数据与电力巡检智能平台的图像数据库的正常图像及异常图像进行目标部件识别和预比对，判断该处是否具有异常或缺陷；
步骤S4、巡检分析处理终端判定具有异常或缺陷后，将图像数据与电力巡检智能平台的模型数据库的模型对比，识别出异常或缺陷的种类及程度；
步骤S5、巡检分析处理终端依据电力巡检智能平台的知识图谱库获取所识别出的异常或缺陷的详细情况和解决方案，并调用电力巡检智能平台的物资数据库进行数据匹配给出合适处理方案；
步骤S6、巡检分析处理终端根据识别出的异常或缺陷及对应处理方案输出缺陷检测报告。
可以理解的是，本实施例提供的技术方案，利用无人机等巡检拍摄设备巡检拍摄规划路径中电网设备图像，并传输至巡检分析处理终端，通过比对正常和异常图像判断是否存在异常或缺陷，给出异常或缺陷的种类和程度，并进一步用知识图谱获取详细的情况，并调用物资数据库进行匹配得到解决方案，最后输出缺陷检测报告。相比现有技术，本发明提供的技术方案，解决了平常巡检工作中人工效率低、识别正确率底、局部缺陷难发现、解决处理方法不到位、部分工作人工危险系数高等问题，助力线下快速运维消缺。
优选地，所述拍摄图像并预处理，包括：
无人机等巡检拍摄设备进行目标检测，并多角度拍摄多张图像；若拍摄图像未实现预设的清晰度、分辨率等指标，则利用自适应算法调节拍摄系统光圈、对比度、快门等拍摄参数；直至拍摄到预设指标的图像；所述预处理具体是对满足预设指标的图像进行进一步清晰化处理。
具体实践中，所述无人机等巡检拍摄设备进行目标检测，可以采用基于深度学习的目标检测Faster R-CNN算法进行目标识别检测，并多角度拍摄多照片，通过利用自适应算法不断调整直至拍摄到满足预设指标的图像。
优选地，所述对满足预设指标的图像进一步清晰化处理，包括：通过多张图像融合算法生成去水雾、光源稳定的图像。具体实践中，所述张图像融合算法，可以采用多分辨率融合算法（也称拉普拉斯金字塔融合），该算法已较为成熟，这里不再赘述。
优选地，所述将图像数据及位置信息传送至巡检分析处理终端，包括：
传输图像数据、无人机等巡检拍摄设备三维位置信息、拍摄时间、预设路径巡检完成度等数据实时传输至巡检分析处理终端。
优选地，所述巡检分析处理终端包括：便携式终端设备、城市网格数字化运维系统服务器。具体实践中，所述实时传输至巡检分析处理终端，可以通过5G信道实时传输至城市运营网格数字化系统服务器的中。
优选地，所述巡检分析处理终端将图像数据与图像数据库的以往正常图像及异常图像集进行目标部件识别和预比对，包括：
所拍摄电网设备种类识别；
所拍摄电网设备的部件种类及位置识别；
图像数据与以往正常图像及异常图像集预比对，初步判断是否存在异常或缺陷。
优选地，所述图像数据与以往正常图像及异常图像集预比对，具体为：
颜色比对判断锈蚀情况；
形状比对判断是否存在异物或形状异常。
具体实践中，预比对采用SVM支持向量机进行图像分类，从而判断所拍摄图像数据归属正常或异常。
优选地，所述将拍摄图像数据与模型数据库模型对比，识别异常或缺陷的种类及程度，包括：
将图像数据送入预先训练好的数据库模型，进行对比识别；
缺陷种类包括但不限于开口销脱落、半退出，螺栓螺母锈蚀，防震板损坏，输电线缆倾斜，绝缘子自爆，鸟巢等异物。
具体实践中，首先对各种缺陷的类别和程度的图像数据进行分类，基于Halcon设计的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰，突显缺陷特征；然后使用改进的动态阈值法得到缺陷备选图，最后使用面积和长径两个特征提取出缺陷类别和程度。
优选地，所述依据知识图谱库获取异常或缺陷的详细情况和解决方案，并调用物资数据库数据匹配合适处理方法具体包括：
根据判断的缺陷种类及程度，在知识图谱中搜索相应解决方案，并根据解决方案采集现有物资数据库的匹配数据。
具体实践中，搭建结构化、半结构化、非结构化的多源异构数据的知识半自动化获取，并利用Restful API接口方便对知识图谱的调用，通过知识融合技术，实现从多源异构数据到知识图谱的半自动构建，通过自然语言处理技术，实现从非结构化数据中抽取结构化数据并且融合到知识图谱，从而搭建知识图谱平台，并能够进行图挖掘计算、语义检错和智能决策分析；从而根据判断的缺陷种类及程度，在知识图谱中搜索相应解决方案；
将搜索到的解决方案与现有电网物资的物资数据库数据匹配，选取并排列合适当前情况的解决方案；
最终输出缺陷检测报告。
具体实践中，输出的缺陷检测报告包括：检测到异常电网设备的时间、所检测的电网设备位置、缺陷部件及相应位置、缺陷的类别及程度、推荐的3种解决措施及所需物资、维护所需时间、维护注意事项；并根据维护结束人工反馈对方案进行优先度加权，并丰富训练集。
可以理解的是，本实施例提供的技术方案，利用无人机等巡检拍摄设备巡检拍摄电网设备图像，并传输至巡检分析处理终端，通过比对正常和异常图像判断是否存在缺陷及缺陷的种类和程度，从而利用知识图谱获取详细的情况，并调用物资数据库的数据进行匹配解决方案，最后输出缺陷检测报告。相比现有技术，本发明提供的技术方案，解决了平常巡检工作中人工效率低、识别正确率底、局部缺陷难发现、解决处理方法不到位、部分工作人工危险系数高等问题，助力线下快速运维消缺。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种城市大脑的电网智能巡检系统，其特征在于，包括：巡检拍摄设备、巡检分析处理终端、电力巡检智能平台，
所述巡检拍摄设备包括摄像头、图像采集模块和通信模块，所述巡检分析处理终端包括图像比较模块、异常识别模块、图谱搜寻模块、报告生成模块，所述电力巡检智能平台包括图像数据库、模型数据库、知识图谱库、物资数据库，其中：
巡检拍摄设备按照巡检规划路径通过摄像头对电网设备进行拍摄图像，拍摄图像经图像采集模块预处理后通过通信模块发送给巡检分析处理终端；
巡检分析处理终端将图像数据与电力巡检智能平台的图像数据库的正常图像及异常图像进行目标部件识别和预比对，判断该图像数据是否具有异常或缺陷；所述巡检分析处理终端将图像数据与图像数据库的以往正常图像及异常图像集进行目标部件识别和预比对，包括：
所拍摄电网设备种类识别；
所拍摄电网设备的部件种类及位置识别；
图像数据与以往正常图像及异常图像集预比对，初步判断是否存在异常或缺陷；
异常识别模块对存在异常或缺陷的图像数据与模型数据库进行比对识别，识别出异常或缺陷的种类及程度；首先对各种缺陷的类别和程度的图像数据进行分类，基于Halcon设计的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰，突显缺陷特征；然后使用改进的动态阈值法得到缺陷备选图，最后使用面积和长径两个特征提取出缺陷类别和程度；
图谱搜寻模块依据知识图谱库获取所识别出的异常或缺陷的详细情况及匹配处理方案；
报告生成模块，输出缺陷检测报告；
搭建结构化、半结构化、非结构化的多源异构数据的知识半自动化获取，并利用Restful API接口方便对知识图谱的调用，通过知识融合技术，实现从多源异构数据到知识图谱的半自动构建，通过自然语言处理技术，实现从非结构化数据中抽取结构化数据并且融合到知识图谱，从而搭建知识图谱平台，并能够进行图挖掘计算、语义检错和智能决策分析；从而根据判断的缺陷种类及程度，在知识图谱中搜索解决方案；
将搜索到的解决方案与现有电网物资的物资数据库数据匹配，选取并排列解决方案。
2.根据权利要求1所述的系统，其特征在于，所述巡检分析处理终端包括便携式终端检测设备、或服务器式城市数字化运营终端。
3.根据权利要求1所述的系统，其特征在于，
所述缺陷检测报告包括：检测到异常电网设备的时间、所检测的电网设备位置、缺陷部件及位置、缺陷的类别及程度、推荐解决措施及所需物资、维护所需时间、维护注意事项。
4.一种城市大脑的电网智能巡检方法，其特征在于，包括：
巡检拍摄设备按照巡检规划路径对电网设备进行拍摄图像及图像预处理；
巡检拍摄设备将预处理后的图像数据及位置信息传送至巡检分析处理终端；
巡检分析处理终端将图像数据与电力巡检智能平台的图像数据库的正常图像及异常图像进行目标部件识别和预比对，判断该图像数据是否具有异常或缺陷；所述巡检分析处理终端将图像数据与图像数据库的以往正常图像及异常图像集进行目标部件识别和预比对，包括：
所拍摄电网设备种类识别；
所拍摄电网设备的部件种类及位置识别；
图像数据与以往正常图像及异常图像集预比对，初步判断是否存在异常或缺陷；
巡检分析处理终端判定具有异常或缺陷后，将图像数据与电力巡检智能平台的模型数据库的模型对比，识别出异常或缺陷的种类及程度；首先对各种缺陷的类别和程度的图像数据进行分类，基于Halcon设计的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰，突显缺陷特征；然后使用改进的动态阈值法得到缺陷备选图，最后使用面积和长径两个特征提取出缺陷类别和程度；
巡检分析处理终端依据电力巡检智能平台的知识图谱库获取所识别出的异常或缺陷的详细情况和解决方案，并调用电力巡检智能平台的物资数据库进行数据匹配给出处理方案；
巡检分析处理终端根据识别出的异常或缺陷及对应处理方案输出缺陷检测报告；
搭建结构化、半结构化、非结构化的多源异构数据的知识半自动化获取，并利用Restful API接口方便对知识图谱的调用，通过知识融合技术，实现从多源异构数据到知识图谱的半自动构建，通过自然语言处理技术，实现从非结构化数据中抽取结构化数据并且融合到知识图谱，从而搭建知识图谱平台，并能够进行图挖掘计算、语义检错和智能决策分析；从而根据判断的缺陷种类及程度，在知识图谱中搜索解决方案；
将搜索到的解决方案与现有电网物资的物资数据库数据匹配，选取并排列解决方案。
5.根据权利要求4所述的方法，其特征在于，所述将图像数据及位置信息传送至巡检分析处理终端，包括将传输图像数据、巡检拍摄设备三维位置信息、拍摄时间、预设路径巡检完成度实时传输至巡检分析处理终端。
6.根据权利要求5所述的方法，其特征在于，所述图像数据与以往正常图像及异常图像集预比对，具体为：
颜色比对判断锈蚀情况；
形状比对判断是否存在异物或形状异常。
7.根据权利要求4所述的方法，其特征在于，所述依据知识图谱库获取异常或缺陷的详细情况和解决方案，并调用物资管理系统数据匹配处理方案，具体包括：根据判断的缺陷种类及程度，在知识图谱中搜索解决方案，并根据解决方案采集现有物资数据库的匹配数据。
8.根据权利要求4所述的方法，其特征在于，
所述缺陷检测报告包括：检测到异常电网设备的时间、所检测的电网设备位置、缺陷部件及位置、缺陷的类别及程度、推荐解决措施及所需物资、维护所需时间、维护注意事项。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211241227.6A CN115393347B (zh) | 2022-10-11 | 2022-10-11 | 一种基于城市大脑的电网智能巡检方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211241227.6A CN115393347B (zh) | 2022-10-11 | 2022-10-11 | 一种基于城市大脑的电网智能巡检方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115393347A CN115393347A (zh) | 2022-11-25 |
| CN115393347B true CN115393347B (zh) | 2023-12-29 |
Family
ID=84129011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211241227.6A Active CN115393347B (zh) | 2022-10-11 | 2022-10-11 | 一种基于城市大脑的电网智能巡检方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115393347B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502873A (zh) * | 2023-06-27 | 2023-07-28 | 广东电网有限责任公司梅州供电局 | 配电网的外委施工管理方法、系统、电子设备和存储介质 |
| CN117522872B (zh) * | 2024-01-04 | 2024-03-22 | 长峡数字能源科技(湖北)有限公司 | 一种光伏电站的实时异常检测方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311597A (zh) * | 2020-03-27 | 2020-06-19 | 国网福建省电力有限公司龙岩供电公司 | 一种缺陷绝缘子的无人机巡检方法与系统 |
| CN111340948A (zh) * | 2020-04-16 | 2020-06-26 | 中冶京诚工程技术有限公司 | 基于bim的净水厂运维系统 |
| CN111958591A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种语义智能变电站巡检机器人自主巡检方法及系统 |
| CN111958592A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种变电站巡检机器人图像语义分析系统及方法 |
| CN113205186A (zh) * | 2021-05-31 | 2021-08-03 | 深圳供电局有限公司 | 一种二次设备巡检知识图谱架构及二次设备智能巡检方法 |
| CN113554717A (zh) * | 2021-07-30 | 2021-10-26 | 重庆予胜远升网络科技有限公司 | 基于机器视觉的电力设备锈蚀识别系统及方法 |
| CN113870046A (zh) * | 2021-09-07 | 2021-12-31 | 国网河北省电力有限公司电力科学研究院 | 电力设备故障诊断方法及设备 |
| CN113917945A (zh) * | 2021-11-03 | 2022-01-11 | 广东电网有限责任公司 | 一种无人机电力线路的巡检方法、装置、无人机和介质 |
-
2022
- 2022-10-11 CN CN202211241227.6A patent/CN115393347B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311597A (zh) * | 2020-03-27 | 2020-06-19 | 国网福建省电力有限公司龙岩供电公司 | 一种缺陷绝缘子的无人机巡检方法与系统 |
| CN111340948A (zh) * | 2020-04-16 | 2020-06-26 | 中冶京诚工程技术有限公司 | 基于bim的净水厂运维系统 |
| CN111958591A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种语义智能变电站巡检机器人自主巡检方法及系统 |
| CN111958592A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种变电站巡检机器人图像语义分析系统及方法 |
| CN113205186A (zh) * | 2021-05-31 | 2021-08-03 | 深圳供电局有限公司 | 一种二次设备巡检知识图谱架构及二次设备智能巡检方法 |
| CN113554717A (zh) * | 2021-07-30 | 2021-10-26 | 重庆予胜远升网络科技有限公司 | 基于机器视觉的电力设备锈蚀识别系统及方法 |
| CN113870046A (zh) * | 2021-09-07 | 2021-12-31 | 国网河北省电力有限公司电力科学研究院 | 电力设备故障诊断方法及设备 |
| CN113917945A (zh) * | 2021-11-03 | 2022-01-11 | 广东电网有限责任公司 | 一种无人机电力线路的巡检方法、装置、无人机和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115393347A (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115393347B (zh) | 一种基于城市大脑的电网智能巡检方法及系统 | |
| CN110059631B (zh) | 接触网非接触式监测缺陷识别方法 | |
| Guan et al. | UAV-lidar aids automatic intelligent powerline inspection | |
| Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
| US20180357788A1 (en) | UAV Inspection Method for Power Line Based on Human Visual System | |
| CN110991466A (zh) | 一种基于新型视觉传感设备的高速公路路面状况检测系统 | |
| CN103679674A (zh) | 一种无人飞行器实时图像拼接方法及系统 | |
| CN113205039B (zh) | 基于多dcnn网络的电力设备故障图像识别勘灾系统及方法 | |
| CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 | |
| CN112883921A (zh) | 一种垃圾桶满溢检测模型训练方法及垃圾桶满溢检测方法 | |
| CN113313006B (zh) | 基于无人机的城市违建监管方法、系统和存储介质 | |
| Manninen et al. | Toward automatic condition assessment of high-voltage transmission infrastructure using deep learning techniques | |
| Tragulnuch et al. | High voltage transmission tower detection and tracking in aerial video sequence using object-based image classification | |
| CN115565324A (zh) | 一种电力线的防外破监控方法和系统 | |
| CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
| Liu et al. | An improved faster R-CNN for UAV-based catenary support device inspection | |
| Manninen et al. | Multi-stage deep learning networks for automated assessment of electricity transmission infrastructure using fly-by images | |
| CN114742777A (zh) | 一种基于改进yolo模型的销钉状态的识别方法 | |
| Wang et al. | Improvements of YoloV3 for road damage detection | |
| CN113962973A (zh) | 一种基于卫星技术的输电线路无人机智能巡检系统及方法 | |
| CN115100546A (zh) | 一种基于mobilenet的电力设备小目标缺陷识别方法及系统 | |
| CN113034021A (zh) | 基于机巡数据的输电线路缺陷分析方法及系统 | |
| Sharma et al. | Object detection in power line infrastructure: A review of the challenges and solutions | |
| Jiang et al. | Insulator fault feature extraction system of substation equipment based on machine vision | |
| CN113724247B (zh) | 一种基于图像判别技术的变电站智能巡检方法 |
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 |