CN115436384A - 一种基于无人机图像的配电箱表面缺陷检测系统及方法 - Google Patents
一种基于无人机图像的配电箱表面缺陷检测系统及方法 Download PDFInfo
- Publication number
- CN115436384A CN115436384A CN202211381350.8A CN202211381350A CN115436384A CN 115436384 A CN115436384 A CN 115436384A CN 202211381350 A CN202211381350 A CN 202211381350A CN 115436384 A CN115436384 A CN 115436384A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- defect
- image
- detection
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 107
- 238000001514 detection method Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims description 26
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 18
- 230000007613 environmental effect Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Abstract
本发明涉及图像处理和检测技术领域,具体涉及一种基于无人机图像的配电箱表面缺陷检测系统,该系统包括无人机,无人机与控制站无线连接,控制站包括相连的人机交互模块和图像处理模块;其检测方法包括以下步骤:S1:无人机获取图像,并将图像传至控制站;S2:图像处理模块对图像进行缺陷检测。本发明解决了现有人工巡检方式中存在着成本高、危险系数高、效率低、准确度低,以及无人机巡检方式中存在着工作强度大、获取信息不全面的问题,适用于对室外配电箱表面缺陷的识别分析。
Description
技术领域
本发明涉及图像处理和检测技术领域,具体为一种基于无人机图像的配电箱表面缺陷检测系统及方法。
背景技术
室外配电箱是电力系统中用于合理分配电能的装置,具体来说是指挥供电线路中各种元器件合理分配电能的控制中心。在我国地大物博的自然条件下,大多数的电力线路设备地处偏远、环境恶劣,因此经常遭受自然灾害或人为外力的破坏;因此日积月累的暴风雨、覆冰、污闪等极端天气下,很容易导致配电箱表面出现裂缝、大面积生锈、表层脱落等缺陷。一旦配电箱表面的缺陷较大或时间较长,其防护性能会严重降低,使得内部的线路容易受到外部恶劣天气的侵蚀,从而导致内部线路发生故障,进而影响整条输配电线路的正常工作。
基于此,为保证输配电网的安全可靠运行,会有巡检员定期对配电箱进行现场检查。但是,这种人工巡检方式一是需要耗费大量的人力和物力成本;二是当周围地理环境较复杂时,人工巡检就更加困难,并且危险系数较高;三是人工巡检后,往往需要巡检员手动记录或通过计算机录入巡检结果,结果反馈周期长,会使得维护处理不够及时;四是人工巡检易受天气环境和巡检员状态等因素的影响,导致巡检不完全、有所遗漏,或判定不标准、有误差。
因此,有部分地区尝试将无人机应用于配电箱的巡检工作中,这种方式大大降低了巡检的人力成本、并有效缩短了周期。然而,无人机巡检只能获取到配电箱的实时图像,具体的判定分析工作仍要依靠人工进行,即导致后续的图像识别以及图像处理工作强度大、效率低下。另外,绝大多数的无人机巡检方式仅仅是通过无人机来获取现场图像,与人工巡检方式相比、丧失了对现场环境信息的掌握,使得所记录的信息不全面,不便于后续工作中对表面缺陷形成原因的全面性分析。
发明内容
本发明的目的在于提供一种基于无人机图像的配电箱表面缺陷检测系统及方法,以解决如下技术问题:对于易出现表面缺陷的室外配电箱,现有的人工巡检方式中存在着成本高、危险系数高、效率低、准确度低的问题,现有的无人机巡检方式中存在着工作强度大、获取信息不全面的问题。
本发明是采用以下技术方案实现的:
一种基于无人机图像的配电箱表面缺陷检测系统,包括无人机,无人机与控制站无线连接,控制站包括相连的人机交互模块和图像处理模块;所述无人机用于获取图像,无人机内置处理器并且与移动控制设备无线连接,无人机上搭载传感器单元和机载相机;所述人机交互模块用于显示图像以及图像处理过程,并对图像处理过程进行调节,人机交互模块包括触摸显示器和控制器;所述图像处理模块用于实现图像处理过程并得出缺陷检测结果,图像处理模块包括模型建立单元、ROI提取单元以及缺陷检测单元。
检测系统通过无人机远程获取配电箱图像,并通过图像处理模块对图像进行自动缺陷检测,从而得到配电箱表面缺陷情况;这种方式实现了缺陷检测全过程的自动化,不需要人工现场巡检、也不需要人工判定缺陷。其中无人机上搭载的传感器单元可同步获取巡检现场的环境数据,以便于信息记录更加全面,也有助于确保无人机在巡检时的安全性(通过现场的环境数据,可在一定程度上预测天气变化,从而方便及时将无人机调回)。
进一步的,所述传感器单元包括温度传感器和湿度传感器,所述机载相机包括普通相机和红外相机。
由于配电箱的安装条件主要涉及温度和湿度两个方面,具体来说要求周围环境温度不得高于+40℃、在24小时周期内的平均温度不得高于+35℃、下限为-5℃,以及在高温+40℃左右时、其相对湿度不得超过50%;所以通过温度传感器和湿度传感器可以同步获取配电箱现场的关键环境条件,以便在环境条件不达标时做出相应措施。无人机同时搭载普通相机和红外相机,使得操作者可根据现场环境情况和巡检时间等因素、来合理选择相应的相机进行图像拍摄,以保证图像的清晰度及全面性,从而保证缺陷检测的准确度。
进一步的,所述缺陷检测单元包括初检单元、矩阵设置单元、缺陷强调单元、比较值提取单元和对比单元。
一种基于无人机图像的配电箱表面缺陷检测方法,应用于以上所述的一种基于无人机图像的配电箱表面缺陷检测系统,包括如下步骤:
S1:无人机获取图像,并将图像传输至控制站;
S2:控制站中的图像处理模块对图像进行缺陷检测;
其中,S2具体包括如下子步骤:
S21:通过模型建立单元,构建标准样本库以及缺陷样本库;
S22: 通过ROI提取单元,提取出图像的感兴趣区;
S23:通过缺陷检测单元,对待检测区域进行缺陷检测。
步骤S21只需要在系统启用时执行一次,目的是获取合格配电箱表面的图像数据,然后将这些数据构建成为标准样本库、用于后续与实际拍摄图像进行对比;并且将已有的缺陷信息整合,构建成为缺陷样本库、以用于缺陷检测时的参考。
进一步的,所述S23具体包括如下子步骤:
S23-1:通过初检单元,进行初步检测,筛选出不合格的图像;
S23-2:通过矩阵设置单元,设置检测参考区域和检测区域;
S23-3:通过缺陷强调单元,在检测区域选择检测点;
S23-4:通过比较值提取单元,在检测参考区域提取比较值;
S23-5:通过对比单元,分别将检测点数据与比较值数据进行对比、将检测点数据与标准样本库数据进行对比,得出对比结果以及缺陷信息。
由于无人机获取到的图像数量较多,因此直接进行图像检测的难度和工作量比较高,所以先进行初检、筛选出一定程度(具体的参数值可以根据实际情况确定与调整)下可被认定为没有缺陷的图像,对这部分图像对应的配电箱、直接得出结论为表面合格即可;将剩余图像初步判定为不合格图像、转入缺陷检测,依次经过步骤S23-2至S23-5,得出进一步的缺陷对比结果以及缺陷信息。其中,步骤S23-5中,将检测点数据与比较值数据进行对比、可实现同一配电箱表面不同区域之间的对比,将检测点数据与标准样本库数据进行对比、可实现该配电箱表面于标准样本库中合格配电箱表面的对比,因此可保证对比的全面性以及结果的准确性。
进一步的,所述S23-1中,对图像进行基础特征提取后,将提取到的特征与标准样本库中的特征进行对比,当不同比例达到一定阈值时,判定为不合格图像。其中阈值可以根据实际情况确定与调整,具体的调整操作通过人机交互模块实现。
进一步的,所述S23-3中,可通过人机交互模块进行人工干预。
自动缺陷检测算法的缺陷强调过程、是在图像上顺序地选择检测点,该过程会通过人机交互模块的触摸显示屏实时显示;若操作员根据自身经验与知识储备,认为有其它点可作为检测点,则能够通过触摸显示屏或控制器(具体指计算机,可直接调节图像处理算法)进行检测点添加,从而使缺陷检测更加全面、精确。
进一步的,所述S23-3中,执行缺陷强调值计算处理,从所选择的检测点的亮度值中减去该检测点周围的、多个非检测点的亮度值,将获得的最小差值定义为确定检测点的缺陷强调值。因此,即使当缺陷位于检测区域的角部时,系统也可以检测到缺陷、尤其是亮缺陷;当检测点中没有缺陷时,检测点的亮度值与其他非检测点的亮度基本相同,从而缺陷强调值较小。
进一步的,所述S23-5中,缺陷信息包括缺陷类型和参数,缺陷信息自动被存储至缺陷样本库,缺陷信息通过人机交互模块进行显示以及检测报告打印。为不断丰富缺陷样本库内的数据,将得出的缺陷信息存储至缺陷样本库。
进一步的,所述无人机获取图像为自动化过程,或通过移动控制设备接受人工干预。
本发明实现的有益效果是:
一种基于无人机图像的配电箱表面缺陷检测系统及方法,通过无人机来远程获取配电箱安装现场的表面图像,计算机自动执行图像处理、并输出缺陷检测结果和报告。与现有的人工巡检方式相比,本系统及方法消去了大量的人力成本和现场不确定因素,提高了工作效率;与现有的无人机巡检获取图像、人工判定缺陷的方式相比,本系统及方法全程自动化,免除了人工判定的极大工作量,保证了检测的准确度。另外,通过在无人机上搭载传感器单元,使得无人机在获取配电箱表面图像的同时,可同步获取现场环境信息,从而使得记录的信息更加全面。
具体实施方式
为清楚说明本发明中的方案,下面做进一步说明:
实施例1:
一种基于无人机图像的配电箱表面缺陷检测系统,包括无人机,无人机与控制站无线连接,控制站包括相连的人机交互模块和图像处理模块;其中:
无人机内置处理器并且与移动控制设备无线连接,无人机上还搭载传感器单元和机载相机,传感器单元包括温度传感器和湿度传感器、机载相机包括普通相机和红外相机;
人机交互模块包括触摸显示器和控制计算机;
图像处理模块包括模型建立单元、ROI提取单元以及缺陷检测单元,缺陷检测单元包括初检单元、矩阵设置单元、缺陷强调单元、比较值提取单元和对比单元。
本实施例的工作原理如下:
检测系统工作时,首先通过无人机上的机载相机远程获取配电箱图像(白天以及地理环境不复杂时普通相机拍摄,夜晚以及地理环境较为复杂时红外相机拍摄),其中控制站内的操作员可通过移动控制设备调整无人机行进路线和拍摄角度;无人机拍摄图像时,可通过其上搭载的温度传感器和湿度传感器获取配电箱安装现场的环境信息。上述配电箱图像和现场环境信息被无线传输至控制站,控制站内的图像处理模块对图像进行自动缺陷检测,图像以及图像处理过程、现场环境信息均在人机交互模块的触摸显示屏上显示,操作员也可对图像处理过程进行人工干预。
实施例2:
一种基于无人机图像的配电箱表面缺陷检测方法,应用于实施例1所述的一种基于无人机图像的配电箱表面缺陷检测系统,包括如下步骤:
S1:无人机获取图像,并将图像传输至控制站;
S2:控制站中的图像处理模块对图像进行缺陷检测;
S2具体包括如下子步骤:
S21:通过模型建立单元,将合格配电箱表面的图像数据构建成为标准样本库,将已有的缺陷信息整合、构建成为缺陷样本库;
S22: 通过ROI提取单元,提取出图像的感兴趣区;
S23:通过缺陷检测单元,对待检测区域进行缺陷检测;
S23具体包括如下子步骤:
S23-1:通过初检单元,对图像进行基础特征提取后,将提取到的特征与标准样本库中的特征进行对比,将不同比例达到10%时的图像,判定为不合格图像;对于不同比例未达到10%的图像,判定为合格图像,不再接受后续的缺陷检测;
S23-2:通过矩阵设置单元,在不合格图像中设置出检测参考区域和检测区域;
S23-3:通过缺陷强调单元,在检测区域选择检测点;此步骤可通过人机交互模块进行人工干预;
S23-4:通过比较值提取单元,在检测参考区域提取比较值;
S23-5:通过对比单元,分别将检测点数据与比较值数据进行对比、将检测点数据与标准样本库数据进行对比,得出对比结果以及缺陷信息;缺陷信息包括缺陷类型和参数,缺陷信息自动被存储至缺陷样本库,缺陷信息通过人机交互模块进行显示以及检测报告打印。
综上所述,本实施例1 和实施例2所述的检测系统及方法,实现了缺陷检测全过程的自动化,不需要人工现场巡检、也不需要人工判定缺陷,从而极大地减小了人力成本、提高了工作效率、保证了检测的准确度;由现场无人机传回的环境信息,则有助于信息的全面记录。
当然,上述内容仅为本发明的较佳实施例,不能被认为用于限定对本发明的实施例范围。本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的均等变化与改进等,均应归属于本发明的专利涵盖范围内。
Claims (10)
1.一种基于无人机图像的配电箱表面缺陷检测系统,其特征在于:包括无人机,无人机与控制站无线连接,控制站包括相连的人机交互模块和图像处理模块;
所述无人机用于获取图像,无人机内置处理器并且与移动控制设备无线连接,无人机上搭载传感器单元和机载相机;
所述人机交互模块用于显示图像以及图像处理过程,并对图像处理过程进行调节,人机交互模块包括触摸显示器和控制器;
所述图像处理模块用于实现图像处理过程并得出缺陷检测结果,图像处理模块包括模型建立单元、ROI提取单元以及缺陷检测单元。
2.根据权利要求1所述的一种基于无人机图像的配电箱表面缺陷检测系统,其特征在于:所述传感器单元包括温度传感器和湿度传感器,所述机载相机包括普通相机和红外相机。
3.根据权利要求1所述的一种基于无人机图像的配电箱表面缺陷检测系统,其特征在于:所述缺陷检测单元包括初检单元、矩阵设置单元、缺陷强调单元、比较值提取单元和对比单元。
4.一种基于无人机图像的配电箱表面缺陷检测方法,应用于权利要求1-3任一所述的一种基于无人机图像的配电箱表面缺陷检测系统,其特征在于,包括如下步骤:
S1:无人机获取图像,并将图像传输至控制站;
S2:控制站中的图像处理模块对图像进行缺陷检测;
其中,S2具体包括如下子步骤:
S21:通过模型建立单元,构建标准样本库以及缺陷样本库;
S22: 通过ROI提取单元,提取出图像的感兴趣区;
S23:通过缺陷检测单元,对待检测区域进行缺陷检测。
5.根据权利要求4所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于,所述S23具体包括如下子步骤:
S23-1:通过初检单元,进行初步检测,筛选出不合格的图像;
S23-2:通过矩阵设置单元,设置检测参考区域和检测区域;
S23-3:通过缺陷强调单元,在检测区域选择检测点;
S23-4:通过比较值提取单元,在检测参考区域提取比较值;
S23-5:通过对比单元,分别将检测点数据与比较值数据进行对比、将检测点数据与标准样本库数据进行对比,得出对比结果以及缺陷信息。
6.根据权利要求5所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于:所述S23-1中,对图像进行基础特征提取后,将提取到的特征与标准样本库中的特征进行对比,当不同比例达到一定阈值时,判定为不合格图像。
7.根据权利要求5所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于:所述S23-3中,可通过人机交互模块进行人工干预。
8.根据权利要求5所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于:所述S23-3中,执行缺陷强调值计算处理,从所选择的检测点的亮度值中减去该检测点周围的、多个非检测点的亮度值,将获得的最小差值定义为确定检测点的缺陷强调值。
9.根据权利要求5所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于:所述S23-5中,缺陷信息包括缺陷类型和参数,缺陷信息自动被存储至缺陷样本库,缺陷信息通过人机交互模块进行显示以及检测报告打印。
10.根据权利要求4所述的一种基于无人机图像的配电箱表面缺陷检测方法,其特征在于:所述无人机获取图像为自动化过程,或通过移动控制设备接受人工干预。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211381350.8A CN115436384A (zh) | 2022-11-07 | 2022-11-07 | 一种基于无人机图像的配电箱表面缺陷检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211381350.8A CN115436384A (zh) | 2022-11-07 | 2022-11-07 | 一种基于无人机图像的配电箱表面缺陷检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115436384A true CN115436384A (zh) | 2022-12-06 |
Family
ID=84252861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211381350.8A Pending CN115436384A (zh) | 2022-11-07 | 2022-11-07 | 一种基于无人机图像的配电箱表面缺陷检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115436384A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6683974B1 (en) * | 2000-01-12 | 2004-01-27 | Sharp Kabushiki Kaisha | Image defect detection apparatus and image defect detection method |
CN103824340A (zh) * | 2014-03-07 | 2014-05-28 | 山东鲁能智能技术有限公司 | 无人机输电线路智能巡检系统及巡检方法 |
CN103886189A (zh) * | 2014-03-07 | 2014-06-25 | 国家电网公司 | 用于无人机巡检的巡检结果数据处理系统及方法 |
WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控系统及监控方法 |
CN105263000A (zh) * | 2015-10-16 | 2016-01-20 | 广西大学 | 基于无人机载双相机的大型光伏电站巡检装置 |
CN106686354A (zh) * | 2017-01-16 | 2017-05-17 | 广东容祺智能科技有限公司 | 一种无人机巡查测量系统及其测量方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN108680833A (zh) * | 2018-03-30 | 2018-10-19 | 深圳源广安智能科技有限公司 | 基于无人机的复合绝缘子缺陷检测系统 |
CN110910341A (zh) * | 2019-09-02 | 2020-03-24 | 海南电网有限责任公司海口供电局 | 一种输电线路锈蚀区缺陷检测方法及装置 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
CN111198004A (zh) * | 2020-01-06 | 2020-05-26 | 华北电力大学(保定) | 一种基于无人机的电力巡查信息采集系统 |
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 |
CN112164052A (zh) * | 2020-09-30 | 2021-01-01 | 西南交通大学 | 一种基于太赫兹成像的铁路轨枕缺陷检测方法 |
CN113485432A (zh) * | 2021-07-26 | 2021-10-08 | 西安热工研究院有限公司 | 一种基于无人机的光伏电站电致发光智能诊断系统及方法 |
CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
CN114235815A (zh) * | 2021-12-08 | 2022-03-25 | 国网福建省电力有限公司检修分公司 | 基于场景过滤的换流站户外电气设备表面缺陷检测方法 |
CN114529839A (zh) * | 2022-02-09 | 2022-05-24 | 国网河南省电力公司电力科学研究院 | 一种面向无人机巡检的输电线金具异常检测方法及系统 |
CN114627360A (zh) * | 2020-12-14 | 2022-06-14 | 国电南瑞科技股份有限公司 | 基于级联检测模型的变电站设备缺陷识别方法 |
-
2022
- 2022-11-07 CN CN202211381350.8A patent/CN115436384A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6683974B1 (en) * | 2000-01-12 | 2004-01-27 | Sharp Kabushiki Kaisha | Image defect detection apparatus and image defect detection method |
CN103824340A (zh) * | 2014-03-07 | 2014-05-28 | 山东鲁能智能技术有限公司 | 无人机输电线路智能巡检系统及巡检方法 |
CN103886189A (zh) * | 2014-03-07 | 2014-06-25 | 国家电网公司 | 用于无人机巡检的巡检结果数据处理系统及方法 |
WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控系统及监控方法 |
CN105263000A (zh) * | 2015-10-16 | 2016-01-20 | 广西大学 | 基于无人机载双相机的大型光伏电站巡检装置 |
CN106686354A (zh) * | 2017-01-16 | 2017-05-17 | 广东容祺智能科技有限公司 | 一种无人机巡查测量系统及其测量方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN108680833A (zh) * | 2018-03-30 | 2018-10-19 | 深圳源广安智能科技有限公司 | 基于无人机的复合绝缘子缺陷检测系统 |
CN110910341A (zh) * | 2019-09-02 | 2020-03-24 | 海南电网有限责任公司海口供电局 | 一种输电线路锈蚀区缺陷检测方法及装置 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
CN111198004A (zh) * | 2020-01-06 | 2020-05-26 | 华北电力大学(保定) | 一种基于无人机的电力巡查信息采集系统 |
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 |
CN112164052A (zh) * | 2020-09-30 | 2021-01-01 | 西南交通大学 | 一种基于太赫兹成像的铁路轨枕缺陷检测方法 |
CN114627360A (zh) * | 2020-12-14 | 2022-06-14 | 国电南瑞科技股份有限公司 | 基于级联检测模型的变电站设备缺陷识别方法 |
CN113485432A (zh) * | 2021-07-26 | 2021-10-08 | 西安热工研究院有限公司 | 一种基于无人机的光伏电站电致发光智能诊断系统及方法 |
CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
CN114235815A (zh) * | 2021-12-08 | 2022-03-25 | 国网福建省电力有限公司检修分公司 | 基于场景过滤的换流站户外电气设备表面缺陷检测方法 |
CN114529839A (zh) * | 2022-02-09 | 2022-05-24 | 国网河南省电力公司电力科学研究院 | 一种面向无人机巡检的输电线金具异常检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
常海涛等: "Faster R-CNN在工业CT图像缺陷检测中的应用", 《中国图象图形学报》 * |
徐长航等: "红外图像处理技术在金属表面缺陷检测中的应用", 《制造业自动化》 * |
熊小萍等: "基于Faster R-CNN的输电线路缺陷识别模型研究", 《自动化与仪器仪表》 * |
高晓东等: "基于图像识别的无人机输电线路断股检测系统设计", 《现代电子技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN111311597B (zh) | 一种缺陷绝缘子的无人机巡检方法与系统 | |
CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
CN205898699U (zh) | 悬挂式单轨箱型梁巡检装置 | |
CN111710055A (zh) | 便携式电力巡检设备及电力巡检方法、电力巡检系统 | |
CN106954042A (zh) | 一种无人机铁路线路巡检装置、系统及方法 | |
CN112083000B (zh) | 一种变电站设备外观缺陷的智能识别方法及系统 | |
CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
CN113418925A (zh) | 一种基于卫星影像的光伏板异常目标检测系统及方法 | |
CN111124015A (zh) | 一种智能风电巡检视频监测方法 | |
CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及系统 | |
CN112595936A (zh) | 基于无人机巡检的输电线复合绝缘子智能检测系统 | |
CN115936672A (zh) | 一种智慧电网在线安全运维管理方法和系统 | |
CN115436384A (zh) | 一种基于无人机图像的配电箱表面缺陷检测系统及方法 | |
CN112697050A (zh) | 一种基于发光体的夜间边坡位移监测系统 | |
CN113066070A (zh) | 三维场景中多源数据融合交互方法 | |
CN116993665A (zh) | 一种基于计算机视觉的建筑工程作业面施工进度的智能检测方法 | |
CN116631087A (zh) | 一种基于无人机的电力巡检系统 | |
CN112489017A (zh) | 一种电力设备故障智能识别方法及识别系统 | |
CN108470141B (zh) | 一种基于统计特征与机器学习的配电线路中绝缘子识别方法 | |
CN114882682B (zh) | 一种高压线缆状态监测平台及监测方法 | |
CN112422818B (zh) | 一种基于多元图像融合的智能化掉筛远程检测方法 | |
CN115113093A (zh) | 一种可视化绝缘子漏电流巡检方法及设备 | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检系统 | |
CN112218040A (zh) | 高压电缆附件安装用后台监视装置、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221206 |