CN115542100B - 绝缘子故障检测方法、装置、设备及介质 - Google Patents
绝缘子故障检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115542100B CN115542100B CN202211503064.4A CN202211503064A CN115542100B CN 115542100 B CN115542100 B CN 115542100B CN 202211503064 A CN202211503064 A CN 202211503064A CN 115542100 B CN115542100 B CN 115542100B
- Authority
- CN
- China
- Prior art keywords
- insulator
- ultraviolet image
- image
- fault
- ultraviolet
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 191
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 230000003068 static effect Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1245—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of line insulators or spacers, e.g. ceramic overhead line cap insulators; of insulators in HV bushings
-
- 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
- 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
- G06T2207/30108—Industrial image inspection
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Ceramic Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明实施例公开了一种绝缘子故障检测方法、装置、设备及介质。该方法包括:获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;根据所述静态紫外线影像,确定参考紫外线影像;提取所述工作紫外线影像中所述待检测绝缘子的特征数据;其中,所述特征数据包括紫外线分布特征;根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子。上述方案,通过自动化识别待检测绝缘子中的故障绝缘子,提高了故障检测的效率,降低了检测成本;同时,减少了故障检测的局限性;并且,提高了故障检测的精度。
Description
技术领域
本发明实施例涉及故障检测技术领域,尤其涉及一种绝缘子故障检测方法、装置、设备及介质。
背景技术
绝缘子具有体积小、重量轻、易安装、免维护、耐污性能好等一系列优点,在电力系统中得到广泛应用。为保证绝缘子的平稳运行,对绝缘子进行故障检测至关重要。
现有技术中,对绝缘子进行故障检测的方法,存在检测精度较低、检测局限性较大,以及检测成本较高的问题。
发明内容
本发明提供一种绝缘子故障检测方法、装置、设备及介质,以提高故障检测的精度,提高故障检测的普适性,降低故障检测的成本。
根据本发明的一方面,提供了一种绝缘子故障检测方法,包括:
获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;
根据所述静态紫外线影像,确定参考紫外线影像;
提取所述工作紫外线影像中所述待检测绝缘子的特征数据;其中,所述特征数据包括紫外线分布特征;
根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子。
根据本发明的另一方面,提供了一种绝缘子故障检测装置,包括:
紫外线影像获取模块,用于获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;
参考影像获取模块,用于根据所述静态紫外线影像,确定参考紫外线影像;
特征数据提取模块,用于提取所述工作紫外线影像中所述待检测绝缘子的特征数据;其中,所述特征数据包括紫外线分布特征;
故障绝缘子识别模块,用于根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子。
根据本发明的另一方面,提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器能够执行本发明实施例所提供的任意一种绝缘子故障检测方法。
根据本发明的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明实施例所提供的任意一种绝缘子故障检测方法。
本发明实施例提供了一种绝缘子故障检测方案,通过获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;根据静态紫外线影像,确定参考紫外线影像;提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征;根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子。上述方案,通过自动化识别待检测绝缘子中的故障绝缘子,提高了故障检测的效率,降低了检测成本;同时,在获取静态紫外线影像和工作紫外线影像时,可直接获取,无需对待检测绝缘子进行拆卸,减少了故障检测的局限性;并且,通过引入参考紫外线影像,对待检测绝缘子中的故障绝缘子进行识别,为故障检测提供了判断依据,提高了故障检测的精度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种绝缘子故障检测方法的流程图;
图2是本发明实施例二提供的一种绝缘子故障检测方法的流程图;
图3是本发明实施例三提供的一种绝缘子故障检测装置的结构示意图;
图4是本发明实施例四提供的一种实现绝缘子故障检测方法的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种绝缘子故障检测方法的流程图,本实施例可适用于对绝缘子进行故障检测的情况,该方法可以由绝缘子故障检测装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置于承载绝缘子故障检测功能的电子设备中。
参见图1所示的绝缘子故障检测方法,包括:
S110、获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像。
其中,待检测绝缘子可以是需要进行故障检测的绝缘子。本发明实施例对待检测绝缘子的数量不作任何限定,可以是用户根据需要进行选取。
其中,静态紫外线影像是指当待检测绝缘子在非运行状态下时,采集到的待检测绝缘子的影像。工作紫外线影像是指当待检测绝缘子在运行状态下时,采集到的待检测绝缘子的影像。本发明实施例对采集静态紫外线影像和工作紫外线影像的方式不作任何限定,可以是技术人员根据经验进行选取,还可以是用户根据需要进行选取。示例性的,可以采用紫外成像仪,采集静态紫外线影像和工作紫外线影像。
需要说明的是,静态紫外线影像可以是图像数据,或视频数据;相应的,工作紫外线影像可以是图像数据,或视频数据。
具体的,当待检测绝缘子处于非工作状态时,获取待检测绝缘子的静态紫外线影像;当待检测绝缘子处于工作状态时,获取待检测绝缘子的工作紫外线影像。
S120、根据静态紫外线影像,确定参考紫外线影像。
其中,参考紫外线影像可以用于记录待检测绝缘子的位置信息。
在一个可选实施例中,根据静态紫外线影像,确定参考紫外线影像,包括:剔除静态紫外线影像中的背景信息,得到参考紫外线影像。其中,背景信息是指除待检测绝缘子之外的信息。
本发明实施例对剔除静态紫外线影像中的背景信息的方法不作任何限定,可以是技术人员根据经验进行选取。示例性的,可以采用形态学腐蚀,剔除静态紫外线影像中的背景信息。具体的,将静态紫外线影像作为二维像素影像,使用4连通或8连通,确定结构元素,根据结构元素完成对二维像素影像的腐蚀。其中,4连通可以用于对二维像素影像中的任一像素点(m,n),以该像素点(m,n)为中心,确定该像素点(m,n)在水平和垂直方向上相邻的像素点。8连通可以用于对二维像素影像中的任一像素点(g,h),以该像素点(g,h)为中心,确定该像素点(g,h)在水平、垂直和对角线方向上相邻的像素点。
可选的,可以采用以下公式,实现形态学腐蚀:
可以理解的是,通过将静态紫外线影像中的背景信息剔除,得到只包含待检测绝缘子的参考紫外线影像,避免了背景信息对待检测绝缘子所在位置的干扰,使得参考紫外线影像能够清楚的记录待检测绝缘子的位置信息,以便后续准确的确定故障绝缘子所在位置,提高故障检测的精度;并且,剔除背景信息后的参考紫外线影像在进行后续处理时,可以减少资源的使用。
S130、提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征。
其中,特征数据是指可以用于量化待检测绝缘子释放的紫外线的参数。示例性的,特征数据可以包括紫外线面积特征、紫外线周长特征、紫外线外形系数特征和紫外线分布特征等中的至少一种。其中,紫外线面积特征是指在工作紫外线影像中,表征紫外线的像素点的面积。可选的,可以采用以下公式,确定紫外线面积特征:
其中,紫外线周长特征是指在工作紫外线影像中,表征紫外线的像素点的周长。可选的,可以采用以下公式,确定紫外线周长特征:
其中,紫外线外形系数特征是指在工作紫外线影像中,紫外线面积特征与紫外线周长特征之间的关系。可选的,可以采用以下公式,确定紫外线外形系数特征:
其中,紫外线分布特征是指在工作紫外线影像中,待检测绝缘子释放的紫外线的持久性特征。可选的,可以采用以下公式,确定紫外线分布特征:
需要说明的是,本发明实施例对获取特征数据的方式不作任何限定,可以是技术人员根据经验进行设置。示例性的,可以通过计数器获取紫外线分布特征。具体的,计数器可以记录每个表征紫外线的像素点的值。
在一个可选实施例中,提取工作紫外线影像中待检测绝缘子的特征数据,包括:对工作紫外线影像进行阈值分割处理,得到标准紫外线影像;根据标准紫外线影像,确定待检测绝缘子的特征数据。
其中,标准紫外线影像是指经过阈值分割处理后的工作紫外线影像。本发明实施例对阈值分割的方式不作任何限定,可以是技术人员根据经验进行选取。示例性的,可以采用大津法(OTSU),对工作紫外线影像进行阈值分割处理,得到标准紫外线影像。
可以理解的是,通过对工作紫外线影像进行阈值分割,使得工作紫外线影像中待检测绝缘子释放的紫外线元素,与其他元素相分离,提高了标准紫外线影像中待检测绝缘子释放的紫外线的清晰度,便于后续处理。
可选的,若工作紫外线影像为图像数据;相应的,对工作紫外线影像进行阈值分割处理,得到标准紫外线影像,包括:根据预设分割阈值对工作紫外线影像进行阈值分割处理,将工作紫外线影像中的各像素点分为两部分,对不同部分的像素点进行区别显示,得到标准紫外线影像。本发明实施例对预设分割阈值的大小不作任何限定,可以是技术人员根据经验进行设置,还可以是通过大量试验反复确定。其中,区别显示可以通过颜色或字符标注等方式加以实现,本发明实施例对此不作任何限定。示例性的,将表征紫外线的像素点标记为白色,将没有表征紫外线的像素点标记为黑色;针对工作紫外线影像中的任一像素点,若该像素点的灰度值大于预设分割阈值,则将该像素点标记为白色;若该像素点的灰度值小于或等于预设分割阈值,则将该像素点标记为黑色。示例性的,可以通过以下公式,对工作紫外线影像中的像素点进行划分,得到标准像素点影像:
或者可选的,若工作紫外线影像为视频数据;相应的,对工作紫外线影像进行阈值分割处理,得到标准紫外线影像,包括:对工作紫外线影像中的不同图像帧进行阈值分割处理,得到各图像帧的中间紫外线影像;根据不同图像帧的中间紫外线影像,确定工作紫外线影像的标准紫外线影像。其中,中间紫外线影像是指当工作紫外线影像为视频数据时,对工作紫外线影像中的各图像帧进行阈值分割处理后的影像。
中间紫外线影像可以根据上述当工作紫外线影像为图像数据时,确定标准紫外线影像的方式,进行确定;根据中间紫外线影像,通过以下公式,确定标准紫外线影像:
可以理解的是,当工作紫外线影像为视频数据时,通过中间紫外线影像,确定标准紫外线影像,实现了对视频数据的阈值分割;并且在考虑到视频数据中各帧图像之间的关联关系的基础上,确定标准紫外线影像,提高了标准紫外线影像的全面性。
S140、根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子。
其中,故障绝缘子是指工作紫外线影像中存在问题的待检测绝缘子。
具体的,根据特征数据和参考紫外线影像,确定工作紫外线影像中出现故障的待检测绝缘子。
本发明实施例提供了一种绝缘子故障检测方案,通过获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;根据静态紫外线影像,确定参考紫外线影像;提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征;根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子。上述方案,通过自动化识别待检测绝缘子中的故障绝缘子,提高了故障检测的效率,降低了检测成本;同时,在获取静态紫外线影像和工作紫外线影像时,可直接获取,无需对待检测绝缘子进行拆卸,减少了故障检测的局限性;并且,通过引入参考紫外线影像,对待检测绝缘子中的故障绝缘子进行识别,为故障检测提供了判断依据,提高了故障检测的精度。
实施例二
图2是本发明实施例二提供的一种绝缘子故障检测方法的流程图,本实施例在上述各实施例的基础上,进一步的,将“根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子”,细化为“根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;若是,则根据参考紫外线影像,确定故障区域;从故障区域内的待检测绝缘子中识别故障绝缘子”,以完善故障绝缘子识别机制。需要说明的是,在本发明实施例中未详述的部分,可参见其他实施例的表述。
参见图2所示的绝缘子故障检测方法,包括:
S210、获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像。
S220、根据静态紫外线影像,确定参考紫外线影像。
S230、提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征。
S240、根据特征数据,确定工作紫外线影像中是否存在故障绝缘子。
本发明实施例对确定工作紫外线影像中是否存在故障绝缘子的方式不作任何限定,可以是技术人员根据经验进行选取。在一个可选实施例中,可以基于故障检测模型,根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;其中,故障检测模型根据样本紫外线影像的样本特征数据预先训练得到。
其中,故障检测模型可以用于确定工作紫外线影像中是否存在故障绝缘子。本发明实施例对故障检测模型不作具体限定,可以是技术人员根据经验进行设置。如可以使用基于RBF-SVM(粒子群算法优化)的故障检测模型。样本紫外线影像是指已确定是否存在故障绝缘子的工作紫外线影像。样本特征数据是指根据样本紫外线影像获取到的特征参数。
示例性的,可以通过以下公式,对故障检测模型进行训练:
其中,表示故障检测模型输出的检测结果;N表示样本特征数据的个数;i表示第i个样本特征数据;/>表示第i个样本特征数据的权重值,本发明实施例对权重值/>的具体数值不作任何限定,可以是技术人员根据经验进行设置,只需保证同一样本紫外线影像的各样本特征数据的权重值和为1;/>表示样本紫外线影像是否故障的标签值(如1表示故障,0表示正常);x表示不同样本紫外线影像中的同一样本特征数据的平均值(如不同样本紫外线影像中的紫外线面积特征的平均值、不同样本紫外线影像中的紫外线周长特征的平均值、不同样本紫外线影像中的紫外线外形系数特征的平均值、或不同样本紫外线影像中的紫外线分布特征的平均值等);/>表示输入的样本特征数据;/>表示超参数;/>表示以e为底的指数函数。
可以理解的是,通过引入故障检测模型,提高了确定工作紫外线影像中是否存在故障绝缘子的准确度。
进一步的,将特征数据输入至训练好的故障检测模型中,确定工作紫外线影像中是否存在故障绝缘子。
S250、若是,则根据参考紫外线影像,确定故障区域。
其中,故障区域是指故障绝缘子所在的区域。
在一个可选实施例中,根据参考紫外线影像,确定故障区域,包括:根据紫外线分布特征的变化情况,确定工作紫外线影像中的故障绝缘子的第一位置信息;确定参考紫外线影像中与第一位置信息相匹配的第二位置信息;将第二位置信息在参考紫外线影像中的所属区域作为故障区域。
其中,第一位置信息是指工作紫外线影像中,出现故障的待检测绝缘子的坐标值。第二位置信息是指参考紫外线影像中与第一位置信息相同的坐标值。
具体的,紫外线分布特征中记录了不同时间下,不同位置紫外线的变化情况,基于定位识别算法,对紫外线分布特征的变化情况进行追踪;当识别到任一时刻下,任一位置的紫外线分布特征出现变化(如紫外线消失),则将该位置的坐标值输出,作为第一位置信息;根据第一位置信息,在参考紫外线影像中找到与第一位置信息相匹配的坐标值,作为第二位置信息;根据第二位置信息,确定故障区域。本发明实施例对定位识别算法不作任何限定,可以是技术人员根据经验进行设置。
需要说明的是,本发明实施例对确定工作紫外线影像中是否存在故障绝缘子,以及确定故障区域的顺序不作具体限定。示例性的,可以在确定工作紫外线影像中是否存在故障绝缘子之后,进行故障区域的确定,以减少资源的浪费;还可以在确定工作紫外线影像中是否存在故障绝缘子的同时,确定故障区域,以减少故障检测的时间。
可以理解的是,通过引入第一位置信息和第二位置信息,可以准确的确定故障绝缘子所在的区域,提高了确定的故障区域的准确性。
S260、从故障区域内的待检测绝缘子中识别故障绝缘子。
具体的,对故障区域中的所有待检测绝缘子进行进一步的识别,确定故障绝缘子。
本发明实施例提供的一种绝缘子故障检测方案,通过根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;若是,则根据参考紫外线影像,确定故障区域;从故障区域内的待检测绝缘子中识别故障绝缘子,完善故障绝缘子识别机制。上述方案,通过引入故障区域,从故障区域中确定故障绝缘子,可以减小确定故障绝缘子的范围,提高故障检测的效率;同时,避免了大范围进行故障检测时,成本较高的情况,减少了故障检测的成本。
实施例三
图3是本发明实施例三提供的一种绝缘子故障检测装置的结构示意图,本实施例可适用于对绝缘子进行故障检测的情况,该方法可以由绝缘子故障检测装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置于承载绝缘子故障检测功能的电子设备中。
如图3所示,该装置包括:紫外线影像获取模块310、参考影像获取模块320、特征数据提取模块330和故障绝缘子识别模块340。其中,
紫外线影像获取模块310,用于获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;
参考影像获取模块320,用于根据静态紫外线影像,确定参考紫外线影像;
特征数据提取模块330,用于提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征;
故障绝缘子识别模块340,用于根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子。
本发明实施例提供了一种绝缘子故障检测方案,通过紫外线影像获取模块获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;通过参考影像获取模块根据静态紫外线影像,确定参考紫外线影像;通过特征数据提取模块提取工作紫外线影像中待检测绝缘子的特征数据;其中,特征数据包括紫外线分布特征;通过故障绝缘子识别模块根据特征数据和参考紫外线影像,识别待检测绝缘子中的故障绝缘子。上述方案,通过自动化识别待检测绝缘子中的故障绝缘子,提高了故障检测的效率,降低了检测成本;同时,在获取静态紫外线影像和工作紫外线影像时,可直接获取,无需对待检测绝缘子进行拆卸,减少了故障检测的局限性;并且,通过引入参考紫外线影像,对待检测绝缘子中的故障绝缘子进行识别,为故障检测提供了判断依据,提高了故障检测的精度。
可选的,故障绝缘子识别模块340,包括:
故障绝缘子确定单元,用于根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;
故障区域确定单元,用于若是,则根据参考紫外线影像,确定故障区域;
故障绝缘子识别单元,用于从故障区域内的待检测绝缘子中识别故障绝缘子。
可选的,故障区域确定单元,具体用于:
根据紫外线分布特征的变化情况,确定工作紫外线影像中的故障绝缘子的第一位置信息;
确定参考紫外线影像中与第一位置信息相匹配的第二位置信息;
将第二位置信息在参考紫外线影像中的所属区域作为故障区域。
可选的,故障绝缘子确定单元,具体用于:
基于故障检测模型,根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;
其中,故障检测模型根据样本紫外线影像的样本特征数据预先训练得到。
可选的,参考影像获取模块320,包括:
背景信息剔除单元,用于剔除静态紫外线影像中的背景信息,得到参考紫外线影像。
可选的,特征数据提取模块330,包括:
标准影像获取单元,用于对工作紫外线影像进行阈值分割处理,得到标准紫外线影像;
特征数据确定单元,用于根据标准紫外线影像,确定待检测绝缘子的特征数据。
可选的,若工作紫外线影像为视频数据;相应的,标准影像获取单元,具体用于:
对工作紫外线影像中的不同图像帧进行阈值分割处理,得到各图像帧的中间紫外线影像;
根据不同图像帧的中间紫外线影像,确定工作紫外线影像的标准紫外线影像。
本发明实施例所提供的绝缘子故障检测装置,可执行本发明任意实施例所提供的绝缘子故障检测方法,具备执行各绝缘子故障检测方法相应的功能模块和有益效果。
本发明的技术方案中,所涉及的静态紫外线影像、工作紫外线影像等的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
实施例四
图4是本发明实施例四提供的一种实现绝缘子故障检测方法的电子设备的结构示意图。电子设备410旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备410还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备410包括至少一个处理器411,以及与至少一个处理器411通信连接的存储器,如只读存储器(ROM)412、随机访问存储器(RAM)413等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器411可以根据存储在只读存储器(ROM)412中的计算机程序或者从存储单元418加载到随机访问存储器(RAM)413中的计算机程序,来执行各种适当的动作和处理。在RAM 413中,还可存储电子设备410操作所需的各种程序和数据。处理器411、ROM 412以及RAM 413通过总线414彼此相连。输入/输出(I/O)接口415也连接至总线414。
电子设备410中的多个部件连接至I/O接口415,包括:输入单元416,例如键盘、鼠标等;输出单元417,例如各种类型的显示器、扬声器等;存储单元418,例如磁盘、光盘等;以及通信单元419,例如网卡、调制解调器、无线通信收发机等。通信单元419允许电子设备410通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器411可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器411的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器411执行上文所描述的各个方法和处理,例如绝缘子故障检测方法。
在一些实施例中,绝缘子故障检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元418。在一些实施例中,计算机程序的部分或者全部可以经由ROM 412和/或通信单元419而被载入和/或安装到电子设备410上。当计算机程序加载到RAM 413并由处理器411执行时,可以执行上文描述的绝缘子故障检测方法的一个或多个步骤。备选地,在其他实施例中,处理器411可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行绝缘子故障检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种绝缘子故障检测方法,其特征在于,包括:
获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;
根据所述静态紫外线影像,确定参考紫外线影像;
提取所述工作紫外线影像中所述待检测绝缘子的特征数据;其中,所述特征数据包括紫外线分布特征;
根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子;
其中,所述根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子,包括:
根据所述特征数据,确定所述工作紫外线影像中是否存在所述故障绝缘子;
若是,则根据所述参考紫外线影像,确定故障区域;
从所述故障区域内的所述待检测绝缘子中识别所述故障绝缘子;
其中,所述根据所述参考紫外线影像,确定故障区域,包括:
根据所述紫外线分布特征的变化情况,确定所述工作紫外线影像中的所述故障绝缘子的第一位置信息;
确定所述参考紫外线影像中与所述第一位置信息相匹配的第二位置信息;
将所述第二位置信息在所述参考紫外线影像中的所属区域作为所述故障区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述特征数据,确定所述工作紫外线影像中是否存在所述故障绝缘子,包括:
基于故障检测模型,根据所述特征数据,确定所述工作紫外线影像中是否存在所述故障绝缘子;
其中,所述故障检测模型根据样本紫外线影像的样本特征数据预先训练得到。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述根据所述静态紫外线影像,确定参考紫外线影像,包括:
剔除所述静态紫外线影像中的背景信息,得到参考紫外线影像。
4.根据权利要求1-2任一项所述的方法,其特征在于,所述提取所述工作紫外线影像中所述待检测绝缘子的特征数据,包括:
对所述工作紫外线影像进行阈值分割处理,得到标准紫外线影像;
根据所述标准紫外线影像,确定所述待检测绝缘子的特征数据。
5.根据权利要求4所述的方法,其特征在于,若所述工作紫外线影像为视频数据;相应的,所述对所述工作紫外线影像进行阈值分割处理,得到标准紫外线影像,包括:
对所述工作紫外线影像中的不同图像帧进行阈值分割处理,得到各图像帧的中间紫外线影像;
根据不同图像帧的中间紫外线影像,确定所述工作紫外线影像的标准紫外线影像。
6.一种绝缘子故障检测装置,其特征在于,包括:
紫外线影像获取模块,用于获取待检测绝缘子在非工作状态下的静态紫外线影像,以及在工作状态下的工作紫外线影像;
参考影像获取模块,用于根据所述静态紫外线影像,确定参考紫外线影像;
特征数据提取模块,用于提取所述工作紫外线影像中所述待检测绝缘子的特征数据;其中,所述特征数据包括紫外线分布特征;
故障绝缘子识别模块,用于根据所述特征数据和所述参考紫外线影像,识别所述待检测绝缘子中的故障绝缘子;
其中,故障绝缘子识别模块,包括:
故障绝缘子确定单元,用于根据特征数据,确定工作紫外线影像中是否存在故障绝缘子;
故障区域确定单元,用于若是,则根据参考紫外线影像,确定故障区域;
故障绝缘子识别单元,用于从故障区域内的待检测绝缘子中识别故障绝缘子;
其中,故障区域确定单元,具体用于:
根据紫外线分布特征的变化情况,确定工作紫外线影像中的故障绝缘子的第一位置信息;
确定参考紫外线影像中与第一位置信息相匹配的第二位置信息;
将第二位置信息在参考紫外线影像中的所属区域作为故障区域。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5任一项所述的一种绝缘子故障检测方法。
8.一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,该程序被处理器执行时实现如权利要求1-5任一项所述的一种绝缘子故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211503064.4A CN115542100B (zh) | 2022-11-29 | 2022-11-29 | 绝缘子故障检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211503064.4A CN115542100B (zh) | 2022-11-29 | 2022-11-29 | 绝缘子故障检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115542100A CN115542100A (zh) | 2022-12-30 |
CN115542100B true CN115542100B (zh) | 2023-03-28 |
Family
ID=84721890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211503064.4A Active CN115542100B (zh) | 2022-11-29 | 2022-11-29 | 绝缘子故障检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115542100B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672885A (zh) * | 2008-09-12 | 2010-03-17 | 黑龙江省电力科学研究院 | 一种带电检测输变电设备外部绝缘状态的方法 |
CN101726693B (zh) * | 2009-11-26 | 2012-03-07 | 绍兴电力局 | 一种在紫外图像上寻找电力设备放电区域的方法 |
CN102175953A (zh) * | 2011-02-28 | 2011-09-07 | 长沙理工大学 | 输电线路绝缘子放电在线监测故障定位方法 |
CN106023185B (zh) * | 2016-05-16 | 2019-07-30 | 国网河南省电力公司电力科学研究院 | 一种输电设备故障诊断方法 |
CN106127756B (zh) * | 2016-06-21 | 2019-03-26 | 西安工程大学 | 一种基于多特征信息融合技术的绝缘子识别检测方法 |
CN107392886A (zh) * | 2017-06-14 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种电力设备图像处理方法 |
CN112541478A (zh) * | 2020-12-25 | 2021-03-23 | 国网吉林省电力有限公司信息通信公司 | 一种基于双目摄像头的绝缘子串污损检测方法及系统 |
CN115375644A (zh) * | 2022-08-16 | 2022-11-22 | 国网安徽省电力有限公司宣城供电公司 | 一种基于红外图像的绝缘子严重放电识别方法 |
-
2022
- 2022-11-29 CN CN202211503064.4A patent/CN115542100B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115542100A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463A (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN111986159B (zh) | 太阳能电池片的电极缺陷检测方法、设备及存储介质 | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
WO2024040856A1 (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN116012354A (zh) | 片式电容丝印缺陷检测方法、装置、设备及存储介质 | |
CN116952958A (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN116309963B (zh) | 一种图像的批量标注方法、装置、电子设备及存储介质 | |
CN115542100B (zh) | 绝缘子故障检测方法、装置、设备及介质 | |
CN115359322A (zh) | 一种目标检测模型训练方法、装置、设备和存储介质 | |
CN115700758A (zh) | 一种精子活性的检测方法、装置、设备及存储介质 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN114255540A (zh) | 一种污损纸币的识别方法、装置、设备和存储介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN113657230B (zh) | 训练新闻视频识别模型的方法、检测视频的方法及其装置 | |
CN115984282B (zh) | 一种氨纶产品检测方法、装置、设备及存储介质 | |
CN115953723B (zh) | 一种静帧检测方法、装置、电子设备和存储介质 | |
CN117576077A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN118172582A (zh) | 一种服务器故障诊断方法、装置、设备以及存储介质 | |
CN117009497A (zh) | 一种报文检测方法、装置、设备及可读存储介质 | |
CN114022695A (zh) | 一种检测模型的训练方法、装置、电子设备及存储介质 | |
CN118052877A (zh) | 电力线缆断股缺陷的定位方法、装置、设备及介质 |
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 |