CN115631466A - 一种架空输电线路的识别检测方法及系统 - Google Patents
一种架空输电线路的识别检测方法及系统 Download PDFInfo
- Publication number
- CN115631466A CN115631466A CN202211654174.0A CN202211654174A CN115631466A CN 115631466 A CN115631466 A CN 115631466A CN 202211654174 A CN202211654174 A CN 202211654174A CN 115631466 A CN115631466 A CN 115631466A
- Authority
- CN
- China
- Prior art keywords
- image
- monitoring
- images
- initial
- area
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 183
- 230000002159 abnormal effect Effects 0.000 claims abstract description 101
- 238000012423 maintenance Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 19
- 239000012212 insulator Substances 0.000 claims description 66
- 235000005770 birds nest Nutrition 0.000 claims description 14
- 230000003746 surface roughness Effects 0.000 claims description 14
- 235000005765 wild carrot Nutrition 0.000 claims description 14
- 238000010191 image analysis Methods 0.000 claims description 5
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 claims description 3
- 238000010186 staining Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000009825 accumulation Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 4
- 230000009194 climbing Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 244000000626 Daucus carota Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Electric Cable Installation (AREA)
Abstract
本发明提供了一种架空输电线路的识别检测方法及系统,涉及图像识别领域,通过将监控图像与初始图像进行对比分析,先定位异常区域,将具体识别分析的区域面积进一步缩小,减少运算量,然后专门对异常区域进行识别分析,并且根据识别分析出的异常状况和位置信息,向对应的移动端进行反馈,根据异常状况的难易程度,发送给不同熟练度的员工,合理分配,保证异常状况处理的质量,根据位置信息,维护人员不需要逐一爬高确认输电线路的状况,提升维护人员的工作效率;定时获取监控图像,并且对比分析后,对于正常的监控图像及时清理,不需要对大量图像进行训练,简化算法流程,精简内存,硬件成本可控,具有较高的推广使用可能性。
Description
技术领域
本发明涉及图像识别技术领域,具体而言,涉及一种架空输电线路的识别检测方法及系统。
背景技术
电能的传输和变电、配电、用电一起,构成电力系统的整体功能。通过输电,把相距甚远的发电厂和负荷中心联系起来,使电能的开发和利用超越地域的限制。输电线路按结构形式可分为架空输电线路和地下输电线路。架空输电线路由线路杆塔、导线、绝缘子、线路金具、拉线、杆塔基础、接地装置等构成,架设在地面之上。
导线、绝缘子以及线路金具等结构件的状态关系到输电线路能否安全运行,其中,异物缠绕或悬挂于输电线路上,会极大地缩短输电线路的放电距离,从而造成相间短路和单想接地短路,可能造成对线路下行人和物品的损害;架空的线路在风力的作用下会处于振动状态,使得用于固定导线的紧固件被反复振动,振动持续累积使得紧固件产生松动甚至脱落的风险,一旦脱落就可能导致高压线断裂落地,造成断电甚至危及杆塔附近区域的安全;绝缘子表面积污,使得绝缘子表面泄漏电流分布不均匀,会造成绝缘子放电现象,对输变电线路的连续运行造成安全隐患。
对于上述多种安全隐患,传统方法是采用人工巡检的方式对输电线路进行维护,但是这种方式效率较低,重复劳动以及不必要的劳动量较大;随着图片的分辨率越来越高,其所包含的纹理细节就更丰富,现有技术通过采用大量图片进行神经网络训练,建立数据库和识别模型或构建识别算法,以用于识别架空输电线路的安全隐患,但是这种方式需要大量的训练图片以及较为复杂的运算,海量的高分辨率的图片需要占据较大内存,对于储存器和处理器的要求较高。
发明内容
本发明所要解决的问题是现有识别架空输电线路安全隐患的方法中,要求使用的图片数量多,运算量大同时占用内存较多,对于硬件的要求较高。
为解决上述问题,一方面,本发明提供了一种架空输电线路的识别检测方法,所述架空输电线路的识别检测方法包括:
将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;
定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像;
将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同;
当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况;
根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;
接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像;
其中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述线路监控图像和所述线路初始图像中的架空电线;
使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减;
判断相减后所述第一图像区域中是否留有剩余图像;
若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。
可选地,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
将所述剩余图像所在区域确定为所述异常区域;
分析所述异常区域中所述剩余图像的最小外接矩形的长宽比;
当所述最小外接矩形的所述长宽比大于或等于预设比值时,判定所述剩余图像为条带状物体;
当所述最小外接矩形的所述长宽比小于所述预设比值时,判定所述剩余图像为团状物体。
可选地,所述架空输电线路的识别检测方法还包括:
连续获取多张所述线路监控图像,将所述线路监控图像与所述线路初始图像进行对比分析,并得到多张所述剩余图像;
对比多张所述剩余图像是否相似;
当多张所述剩余图像不相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为柔性绳索类物体或条形塑料物体;
当多张所述剩余图像相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为硬质棍棒类物体;
当多张所述剩余图像不相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为袋子或风筝或衣物类物体;
当多张所述剩余图像相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为气球或鸟巢类物体。
可选地,所述进一步判定所述剩余图像为气球或鸟巢类物体后,还包括:
分析所述剩余图像的表面光滑度和镂空度;
当所述剩余图像的表面光滑度大于或等于光滑度阈值且所述镂空度小于镂空度阈值时,判定所述剩余图像为气球;
当所述剩余图像的表面光滑度小于所述光滑度阈值或所述镂空度大于或等于所述镂空度阈值时,判定所述剩余图像为鸟巢。
可选地,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述紧固件监控图像和所述紧固件初始图像中的紧固件;
提取所述紧固件监控图像中紧固件的实时边缘特征和实时表面粗糙度;
将提取的所述实时边缘特征复制到所述紧固件初始图像中;
测量所述实时边缘特征与所述紧固件初始图像中紧固件的边缘之间的偏离距离。
可选地,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
当所述偏离距离大于或等于距离阈值时,判定所述紧固件松动;
当所述偏离距离小于所述距离阈值时,判定所述紧固件正常,并进一步判断所述实时表面粗糙度是否小于或等于预设粗糙度;
当所述实时表面粗糙度大于所述预设粗糙度时,判定所述紧固件锈蚀严重;
当所述实时表面粗糙度小于或等于所述预设粗糙度时,判定所述紧固件状态正常。
可选地,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分析所述绝缘子初始图像中绝缘子的初始反光率和初始表面颜色分布;
获取所述绝缘子监控图像中绝缘子的实时反光率和实时表面颜色分布;
计算所述实时反光率和所述初始反光率之间的差值,并计算所述实时表面颜色分布与所述初始表面颜色分布之间的区别面积;
判断所述差值是否大于允许差值以及判断所述区别面积是否大于允许面积;
当所述差值大于所述允许差值或所述区别面积大于所述允许面积时,判定所述绝缘子表面污渍严重需要清洗。
可选地,从所述实时表面颜色分布中减去与所述初始表面颜色分布颜色相同的区域,所述实时表面颜色分布中剩下的颜色对应的绝缘子监控图像的位置为颜色异常区域。
可选地,所述根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息包括:
当所述异常状况为所述架空电线上存在异物时,确定所述异物距离电线杆的最短横向距离以及所述异物末端距离地面的最小垂直距离;
将所述异物的种类、所述最短横向距离、所述最小垂直距离和所述位置信息发送给维护端;
当所述异常状况为所述紧固件松动、所述紧固件锈蚀严重或所述绝缘子污渍严重时,确定紧固件的尺寸或所述绝缘子的尺寸;
将所述紧固件的尺寸或所述绝缘子的尺寸和和所述位置信息发送给维修端;
截取至少两张包含所述异常区域的所述监控图像,将截取的所述监控图像发送给所述维护端或所述维修端。
另外一方面,本发明还提供了一种架空输电线路的识别检测系统,包括:
图像获取模块,用于将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;还用于定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像;
图像分析模块,用于将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同;
异常识别模块,用于当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况;
信息发送模块,用于根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;
图像更新模块,用于接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像;
其中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述线路监控图像和所述线路初始图像中的架空电线;
使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减;
判断相减后所述第一图像区域中是否留有剩余图像;
若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。
与现有技术相比,本发明具有如下有益效果:
本发明提供的一种架空输电线路的识别检测方法及系统,通过将监控图像与初始图像进行对比分析,先定位异常区域,将具体识别分析的区域面积进一步缩小,减少运算量,然后专门对异常区域进行识别分析,并且根据识别分析出的异常状况和位置信息,向对应的移动端进行反馈,根据异常状况的难易程度,发送给不同熟练度的员工,合理分配,保证异常状况处理的质量,根据位置信息,维护人员不需要逐一爬高确认输电线路的状况,减少不必要的工作量,提升维护人员的工作效率和工作安全性;另外,定时获取监控图像,并且对比分析后,对于正常的监控图像及时清理,不需要对大量图像进行训练,处理分析就能够实现监控目的,简化算法流程,精简内存,硬件成本可控,具有较高的推广使用可能性。
附图说明
图1示出了本发明实施例中架空输电线路的识别检测方法的流程示意图;
图2示出了本发明实施例中对架空电线的分析流程示意图;
图3示出了本发明实施例中架空输电线路的识别检测系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,显然,所描述的实施例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。
图1示出了本发明实施例中架空输电线路的识别检测方法的流程示意图,所述架空输电线路的识别检测方法包括:
S100:将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;所述初始图像是在架空输电线路正常运行的情况下拍摄的,此时线路上没有异物,紧固件安装牢固,绝缘子表面洁净。由于不同物体所要观察的角度不同,因此可以在塔杆顶端设置一个或多个近端监控设备,用于监控紧固件和绝缘子的状况;在塔杆周围或者附近设置一个或多个远端监控设备,用于监控线路上是否有异物,当塔杆周围的路边本来就布设有城市监控设备或者交通监控设备,可以将这些设备当做远端监控设备,再结合近端监控设备一起对线路进行监控。另外还可以使用移动监控设备对输电线路进行巡检,进一步加强对输电线路的监控。
S200:定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像。需要说明的是,监控图像都是监控设备从固定位置和相同角度拍摄获得的图像,其中对紧固件的监控,监控角度为能够拍摄到紧固件与紧固座结合处的位置,对绝缘子的监控角度为能够拍摄到绝缘子易积污一侧的位置。由于线路跨度长,结构分明,易于区分,因此可以从远处进行整体拍摄,便于增大监控范围。另外,由于输电线路是一个持久使用的设备,而且输电线路中的部件不会轻易损毁,即使线路上有异物缠绕、紧固件稍微松动以及绝缘子有一些积污也不会立刻产生输电障碍,只需要即使清理这些问题即可。因此对于定时获取监控图像中的定时时长需要分类规定,远端监控设备主要监控的是线路上是否有异物,对于这种随时发生需要随时处理的时间,设定远端监控设备可以一天采集一次,也可以几天或一周采集一次,采集时间定在白天相同的时间点;近端监控设备监控的是紧固件和绝缘子的状态,这两种部件的异常状态都是一个时间累积的过程,不会一瞬间突然的发生严重松动或者严重积污,因此定时时长可以设置为一个月或者几个月一次。
S300:将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同。这里所说的相同是近似相同,并不是指完全相同,当两张图片的近似度达到一定比例,就说明这两张图片相同。另外,对于不同的监控对象,判断标准不一样,例如对于线路的监控前期比较宏观,对于紧固件和绝缘子的监控比较注重细节。这里在对比之前,可以将图像中的背景去除,只保留监控对象所在区域作为前景,减少后续进行无效的对比和运算。
S400:当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况。通过与初始图像的对比,很容易发现不同点,不同点所处的位置就是异常情况发生的位置,然后针对不同点的位置进行进一步分析,减少分析图片的面积,降低运算,提高处理速度。
S500:根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息。根据不同的异常情况,有针对性的发送给对应的移动端,所述移动端包括维护端和维修端,将简单的问题发送给新员工或经验较少的员工进行维护处理,将复杂的问题发送给经验丰富的员工进行维修处理,能够合理分配维护人员的工作,另外根据异常区域的位置信息能够准确找到异常区域,减少工作人员的工作量,避免大量无效的工作,降低员工的疲劳度,提高工作质量和员工的安全。
S600:接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像。当维护人员对异常区域的异常状况进行维修之后,可能会改变原有紧固件和绝缘子的位置,或者改变线路的张紧状态,因此需要对初始图像进行一次更新,将更新后更够正常工作的输电线路作为新的初始图像,在此之后的监控图像均与新的初始图像进行对比。另外,被替换的初始图像可以直接删除,或者定时对替换的初始图像进行全部清理或者部分清理。对于传输过程中监控图像正常的图像也予以及时清理,对于有问题的监控图像可以在维护完成后进行清理,或者将有问题的监控图像压缩保存成历史文件,在对历史数据分析完成后,选择删除这些问题监控图像。
在本实施例中,通过将监控图像与初始图像进行对比分析,先定位异常区域,将具体识别分析的区域面积进一步缩小,减少运算量,然后专门对异常区域进行识别分析,并且根据识别分析出的异常状况和位置信息,向对应的移动端进行反馈,根据异常状况的难易程度,发送给不同熟练度的员工,合理分配,保证异常状况处理的质量,根据位置信息,维护人员不需要逐一爬高确认输电线路的状况,减少不必要的工作量,提升维护人员的工作效率和工作安全性;另外,定时获取监控图像,并且对比分析后,对于正常的监控图像及时清理,不需要对大量图像进行训练,处理分析就能够实现监控目的,简化算法流程,精简内存,硬件成本可控,具有较高的推广使用可能性。
在本发明的一种实施例中,如图2,对于架空电线的监控,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
S310:分别识别所述线路监控图像和所述线路初始图像中的架空电线。由于架空电线的特点鲜明,为线状长条形,识别较为容易。
S320:使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减,即从第一图像区域中去除与第二图像区域相同的东西,这样在第一图像区域中就能够得到多出来的东西,多出来的东西就是异物。
S330:判断相减后所述第一图像区域中是否留有剩余图像。
S340:若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。另外严格来说,相减后所述第一图像区域中留有所述剩余图像,还需要进一步判断所述剩余图像与所述架空电线是否相连,若相连,才能表明剩余图像为缠绕在架空电线上的异物,如果不相连,可能是飞鸟或者无人机,或者飞在天上的气球风筝等,并没有缠绕在电线上。
在本实施例中,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
将所述剩余图像所在区域确定为所述异常区域;
分析所述异常区域中所述剩余图像的最小外接矩形的长宽比。由于不同异物的大小和形状不同,为了确认异物到底属于哪一种分类,便于对异物进行有针对性的处理,因此需要得知剩余图像的最小外接矩形的长宽比,因为长条形的异物长宽比较大,圆形或者团块状异物的长宽比较小,以此进行大类的分类。
当所述最小外接矩形的所述长宽比大于或等于预设比值时,判定所述剩余图像为条带状物体。
当所述最小外接矩形的所述长宽比小于所述预设比值时,判定所述剩余图像为团状物体。
在本发明的一种实施例中,所述架空输电线路的识别检测方法还包括:
连续获取多张所述线路监控图像,将所述线路监控图像与所述线路初始图像进行对比分析,并得到多张所述剩余图像。在对异物进行初步分类之后,还需要对异物进行更细致的划分,通过连续获取多张监控图像,然后通过对比监控图像和初始图像,对剩余图像中的异物进行分析。
这里的连续获取可以是一分钟内获取3张监控图像,或者几分钟内获取3张监控图像。
对比多张所述剩余图像是否相似;这里所述的相似并不是要求多张剩余图像完全重合,只要通过旋转或者移动,多张剩余图像重合度达到一定程度,就认为多张剩余图像相似。当多张剩余图像相似的时候,说明异物在风力的扰动下不易改变形状,说明异物本身材质偏硬,相反异物本身材质较为柔软,根据这种特点做出如下进一步的分类识别。
当多张所述剩余图像不相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为柔性绳索类物体或条形塑料物体;
当多张所述剩余图像相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为硬质棍棒类物体;
当多张所述剩余图像不相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为袋子或风筝或衣物类物体;
当多张所述剩余图像相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为气球或鸟巢类物体。
在本发明的一种实施例中,由于鸟巢对于电线的危害性较大,需要对鸟巢进行特别的关注,所述进一步判定所述剩余图像为气球或鸟巢类物体后,还包括:
分析所述剩余图像的表面光滑度和镂空度。由于鸟巢与气球类异物的明显区别就是表面光滑以及中间是否有镂空,两者结合,能够快速筛选出鸟巢。
当所述剩余图像的表面光滑度大于或等于光滑度阈值且所述镂空度小于镂空度阈值时,判定所述剩余图像为气球。当两个条件均满足的时候,才能够确认该剩余图像为气球,其中对于镂空度,由于在图像处理或者拍摄的过程中,可能会出现气球表面反光点、气球表面被其他物体遮挡或者图像处理将气球表面处理有一个空白点等,因此即使是气球,也允许一定的镂空度存在,但是这个镂空度势必是一个较小的值,例如为1%。
当所述剩余图像的表面光滑度小于所述光滑度阈值或所述镂空度大于或等于所述镂空度阈值时,判定所述剩余图像为鸟巢。当两个条件有一个不满足的时候,就可以确定块状异物为鸟巢。
在本发明的一种实施例中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述紧固件监控图像和所述紧固件初始图像中的紧固件;
提取所述紧固件监控图像中紧固件的实时边缘特征和实时表面粗糙度;
将提取的所述实时边缘特征复制到所述紧固件初始图像中;
测量所述实时边缘特征与所述紧固件初始图像中紧固件的边缘之间的偏离距离。由于电线在风力作用线持续震荡,因此紧固件的松动是一个积累的过程,当紧固件的松动不大的时候,可以不急于进行维修,只需要将该松动点记录下来即可,当紧固件松动的间隙较大的时候,可以统一进行维修,可以一次性将松动或者可能松动的紧固件都进行维修和维护,减少工人攀爬次数,降低劳动强度。另外,由于紧固件暴露在空气中,在热晒雨淋的情况下,即使表面有氧化层,也会出现锈蚀的现象,因此需要通过表面粗糙度对锈蚀的紧固件进行甄别,以便于及时更换。
在本实施例中,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
当所述偏离距离大于或等于距离阈值时,判定所述紧固件松动。为紧固件的松动间隙设定一个临界安全距离阈值,在这个距离阈值以内,即使松动也不会发生危险,超过这个距离阈值之后,电线发送脱落的风险超出可承受的范围,需要及时维修。因此轻微松动的紧固件的数量可以累积,一次性维修。
当所述偏离距离小于所述距离阈值时,判定所述紧固件正常,并进一步判断所述实时表面粗糙度是否小于或等于预设粗糙度;
当所述实时表面粗糙度大于所述预设粗糙度时,判定所述紧固件锈蚀严重;
当所述实时表面粗糙度小于或等于所述预设粗糙度时,判定所述紧固件状态正常。在判断锈蚀和松动的步骤上,可以相互调换判断顺序。即使判断紧固件没有松动,也要再判断紧固件表面是否发生锈蚀,通过判断实时表面粗糙度能够筛选出锈蚀的紧固件。
在本发明的一种实施例中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分析所述绝缘子初始图像中绝缘子的初始反光率和初始表面颜色分布。由于初始状态下,绝缘子表面很干净,在日光照射下,图像中显示绝缘子很亮,颜色偏白,反光率较大,表面没有污物,颜色较为统一。
获取所述绝缘子监控图像中绝缘子的实时反光率和实时表面颜色分布。当绝缘子表面积尘之后,在日光照射下,图像中显示绝缘子偏暗,颜色偏灰,反光率较小;当绝缘子表面有污物之后,表面出现杂色。
计算所述实时反光率和所述初始反光率之间的差值,并计算所述实时表面颜色分布与所述初始表面颜色分布之间的区别面积;
判断所述差值是否大于允许差值以及判断所述区别面积是否大于允许面积。差值和区别面积代表绝缘子表面积尘的量和受污的面积,由此可以判断绝缘子是否达到清洗的临界点。
当所述差值大于所述允许差值或所述区别面积大于所述允许面积时,判定所述绝缘子表面污渍严重需要清洗。绝缘子积污的过程是一个比较复杂的过程,影响因素众多,污物的分布不均匀,积污量也是随机的,因此不需要对绝缘子受污过程过多关注,区别面积就能够很好的代表最终受污程度。除此之外,还可以通过前期数据的分析,获知绝缘子最容易聚集污物或者最容易积尘的部位,然后加强对这些部位的关注度,当这些部位的积尘量或者污物量达到指定程度的时候,就可以通知移动端进行清洗,这样能够建议不的缩小分析区域,减小运算量。
在本实施例中,从所述实时表面颜色分布中减去与所述初始表面颜色分布颜色相同的区域,所述实时表面颜色分布中剩下的颜色对应的绝缘子监控图像的位置为颜色异常区域。通过颜色异常区域,可以定位污物的位置,让维修人员精确制定可行的清洗方案,对于一些难以清洗的部位或者死角,提前准备好特别的清洗工具,减少上下攀爬的次数,降低维护人员的工作量。
在本发明的一种实施例中,所述根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息包括:
当所述异常状况为所述架空电线上存在异物时,确定所述异物距离电线杆的最短横向距离以及所述异物末端距离地面的最小垂直距离;
将所述异物的种类、所述最短横向距离、所述最小垂直距离和所述位置信息发送给维护端。当最小垂直距离不高时,可以借助伸缩杆等工具,将异物挑落;还可以借助升降平台,将异物取下;当最小垂直距离很大的时候,需要维修人员爬高才能将异物取下,此时维护人员需要关注最短横向距离,通过最短横向距离选择爬高的电线杆,减少高空移动距离,通过位置信息锁定异物所在位置,直达指定位置,节省巡查时间。由于这些摘除缠绕物的工作不复杂,可以交给经验较浅的员工进行维护处理。
当所述异常状况为所述紧固件松动、所述紧固件锈蚀严重或所述绝缘子污渍严重时,确定紧固件的尺寸或所述绝缘子的尺寸;
将所述紧固件的尺寸或所述绝缘子的尺寸和和所述位置信息发送给维修端,便于维修人员提前准备好相应的替换零件,减少来回奔波的次数,另外由于涉及到零部件的更换,因此需要具有一定经验的员工进行维修处理,所以将该部分异常情况单独发送给指定人员进行处理。
截取至少两张包含所述异常区域的所述监控图像,将截取的所述监控图像发送给所述维护端或所述维修端。获取所述紧固件的位置信息和图像信息,便于维修人员得知尺寸信息。这两张图像至少一张为局部放大图,另一张为监控图像,通过图像,维护或者维修人员能够进一步人工判断异物的种类、紧固件松动程度以及绝缘子污损程度,区分任务的紧急程度,以便于合理安排手上接收到的任务。
图3示出了本发明实施例中架空输电线路的识别检测系统的结构示意图,所述架空输电线路的识别检测系统包括:
图像获取模块10,用于将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;还用于定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像。其中所述线路初始图像和线路监控图像可以有远端监控设备采集,所述紧固件初始图像和绝缘子初始图像以及紧固件监控图像和绝缘子监控图像可以有近端监控设备采集。远端监控设备监控面积大,监控细节弱,近端监控设备,监控范围小,监控对象集中,监控细节强。
图像分析模块20,用于将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同。
异常识别模块30,用于当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况;
信息发送模块40,用于根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;
图像更新模块50,用于接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像;
其中,在图像分析模块20中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述线路监控图像和所述线路初始图像中的架空电线;
使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减;
判断相减后所述第一图像区域中是否留有剩余图像;
若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。
在本系统中,图像获取模块10获取初始图像以及定时获取输电线路的监控图像,图像分析模块20将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同;当所述监控图像与所述初始图像不同时,异常识别模块30定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况,然后信息发送模块40根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;当维修人员完成维修和维护任务后,图像更新模块50根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像,作为新的初始图像使用。在此过程中不需要获取大量的监控图像,只需要定时获取几张监控图像即可,而且在监控图像正常的情况下,可以直接将监控图像删除。并且对比分析方法运算量不大,效率较高。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种架空输电线路的识别检测方法,其特征在于,包括:
将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;
定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像;
将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同;
当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况;
根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;
接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像;
其中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述线路监控图像和所述线路初始图像中的架空电线;
使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减;
判断相减后所述第一图像区域中是否留有剩余图像;
若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。
2.根据权利要求1所述的架空输电线路的识别检测方法,其特征在于,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
将所述剩余图像所在区域确定为所述异常区域;
分析所述异常区域中所述剩余图像的最小外接矩形的长宽比;
当所述最小外接矩形的所述长宽比大于或等于预设比值时,判定所述剩余图像为条带状物体;
当所述最小外接矩形的所述长宽比小于所述预设比值时,判定所述剩余图像为团状物体。
3.根据权利要求2所述的架空输电线路的识别检测方法,其特征在于,还包括:
连续获取多张所述线路监控图像,将所述线路监控图像与所述线路初始图像进行对比分析,并得到多张所述剩余图像;
对比多张所述剩余图像是否相似;
当多张所述剩余图像不相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为柔性绳索类物体或条形塑料物体;
当多张所述剩余图像相似时,在所述剩余图像为所述条带状物体的基础上,进一步判定所述剩余图像为硬质棍棒类物体;
当多张所述剩余图像不相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为袋子或风筝或衣物类物体;
当多张所述剩余图像相似时,在所述剩余图像为所述团状物体的基础上,进一步判定所述剩余图像为气球或鸟巢类物体。
4.根据权利要求3所述的架空输电线路的识别检测方法,其特征在于,所述进一步判定所述剩余图像为气球或鸟巢类物体后,还包括:
分析所述剩余图像的表面光滑度和镂空度;
当所述剩余图像的所述表面光滑度大于或等于光滑度阈值且所述镂空度小于镂空度阈值时,判定所述剩余图像为气球;
当所述剩余图像的所述表面光滑度小于所述光滑度阈值或所述镂空度大于或等于所述镂空度阈值时,判定所述剩余图像为鸟巢。
5.根据权利要求1所述的架空输电线路的识别检测方法,其特征在于,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述紧固件监控图像和所述紧固件初始图像中的紧固件;
提取所述紧固件监控图像中所述紧固件的实时边缘特征和实时表面粗糙度;
将提取的所述实时边缘特征复制到所述紧固件初始图像中;
测量所述实时边缘特征与所述紧固件初始图像中所述紧固件的边缘之间的偏离距离。
6.根据权利要求5所述的架空输电线路的识别检测方法,其特征在于,所述当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况包括:
当所述偏离距离大于或等于距离阈值时,判定所述紧固件松动;
当所述偏离距离小于所述距离阈值时,判定所述紧固件正常,并进一步判断所述实时表面粗糙度是否小于或等于预设粗糙度;
当所述实时表面粗糙度大于所述预设粗糙度时,判定所述紧固件锈蚀严重;
当所述实时表面粗糙度小于或等于所述预设粗糙度时,判定所述紧固件状态正常。
7.根据权利要求1所述的架空输电线路的识别检测方法,其特征在于,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分析所述绝缘子初始图像中绝缘子的初始反光率和初始表面颜色分布;
获取所述绝缘子监控图像中绝缘子的实时反光率和实时表面颜色分布;
计算所述实时反光率和所述初始反光率之间的差值,并计算所述实时表面颜色分布与所述初始表面颜色分布之间的区别面积;
判断所述差值是否大于允许差值以及判断所述区别面积是否大于允许面积;
当所述差值大于所述允许差值或所述区别面积大于所述允许面积时,判定所述绝缘子表面污渍严重需要清洗。
8.根据权利要求7所述的架空输电线路的识别检测方法,其特征在于,所述计算所述实时表面颜色分布与所述初始表面颜色分布之间的区别面积包括:
从所述实时表面颜色分布中减去与所述初始表面颜色分布颜色相同的区域,所述实时表面颜色分布中剩下的颜色对应的绝缘子监控图像的位置为颜色异常区域,所述颜色异常区域的面积记为所述区别面积。
9.根据权利要求1所述的架空输电线路的识别检测方法,其特征在于,所述根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息包括:
当所述异常状况为所述架空电线上存在异物时,确定所述异物距离电线杆的最短横向距离以及所述异物末端距离地面的最小垂直距离;
将所述异物的种类、所述最短横向距离、所述最小垂直距离和所述位置信息发送给维护端;
当所述异常状况为所述紧固件松动、所述紧固件锈蚀严重或所述绝缘子污渍严重时,确定所述紧固件的尺寸或所述绝缘子的尺寸;
将所述紧固件的尺寸或所述绝缘子的尺寸和所述位置信息发送给维修端;
截取至少两张包含所述异常区域的所述监控图像,将截取的所述监控图像发送给所述维护端或所述维修端。
10.一种架空输电线路的识别检测系统,其特征在于,包括:
图像获取模块,用于将输电线路正常运行的监控图像作为初始图像,其中,所述初始图像包括线路初始图像,紧固件初始图像和绝缘子初始图像;还用于定时获取输电线路的监控图像,其中,所述监控图像包括线路监控图像,紧固件监控图像和绝缘子监控图像;
图像分析模块,用于将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同;
异常识别模块,用于当所述监控图像与所述初始图像不同时,定位所述监控图像中的异常区域,并识别所述异常区域内的异常状况;
信息发送模块,用于根据所述异常状况和所述异常区域的位置信息,向对应移动端发送维护信息;
图像更新模块,用于接收所述移动端上传的反馈信息,并根据所述异常区域的所述位置信息和所述反馈信息对所述输电线路进行图像采集,并用采集后的图像替换所述初始图像;
其中,所述将所述监控图像与所述初始图像进行对比分析,判断所述监控图像与所述初始图像是否相同包括:
分别识别所述线路监控图像和所述线路初始图像中的架空电线;
使用所述线路监控图像中的所述架空电线所在的第一图像区域与所述线路初始图像中的所述架空电线所在的第二图像区域相减;
判断相减后所述第一图像区域中是否留有剩余图像;
若相减后所述第一图像区域中留有所述剩余图像,则判定所述线路监控图像与所述线路初始图像不同,并且判定所述架空电线上存在异物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211654174.0A CN115631466A (zh) | 2022-12-22 | 2022-12-22 | 一种架空输电线路的识别检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211654174.0A CN115631466A (zh) | 2022-12-22 | 2022-12-22 | 一种架空输电线路的识别检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115631466A true CN115631466A (zh) | 2023-01-20 |
Family
ID=84911237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211654174.0A Pending CN115631466A (zh) | 2022-12-22 | 2022-12-22 | 一种架空输电线路的识别检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631466A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子表面污秽分布特性检测方法 |
CN111223079A (zh) * | 2019-12-31 | 2020-06-02 | 国网北京市电力公司 | 输电线路检测方法和装置、存储介质及电子装置 |
CN113784085A (zh) * | 2021-07-07 | 2021-12-10 | 沈阳工程学院 | 一种输电线路防外破的监测装置及方法 |
CN115063579A (zh) * | 2022-08-19 | 2022-09-16 | 西南交通大学 | 基于二维图像和三维点云投影的列车定位销松动检测方法 |
-
2022
- 2022-12-22 CN CN202211654174.0A patent/CN115631466A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子表面污秽分布特性检测方法 |
CN111223079A (zh) * | 2019-12-31 | 2020-06-02 | 国网北京市电力公司 | 输电线路检测方法和装置、存储介质及电子装置 |
CN113784085A (zh) * | 2021-07-07 | 2021-12-10 | 沈阳工程学院 | 一种输电线路防外破的监测装置及方法 |
CN115063579A (zh) * | 2022-08-19 | 2022-09-16 | 西南交通大学 | 基于二维图像和三维点云投影的列车定位销松动检测方法 |
Non-Patent Citations (1)
Title |
---|
刘芃良: "绝缘子污秽等级的图像识别关键技术研究" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112329618A (zh) | 一种基于人工智能的光伏清洁机器人控制方法及系统 | |
CN114373245A (zh) | 基于数字化电厂的智能巡检系统 | |
CN205341164U (zh) | 钢丝绳清洗检测保养设备 | |
CN105551056A (zh) | 一种线路断股检测方法及系统 | |
CN109494617B (zh) | 一种清障巡检机器人及其清障方法 | |
CN113989711B (zh) | 一种配电施工安全工器具使用识别方法及系统 | |
CN110853089A (zh) | 一种基于多因素的模拟导线覆冰厚度算法 | |
CN112183369A (zh) | 一种用于变电站无人巡检的指针仪表读数识别方法 | |
CN114187511A (zh) | 一种输电全景大数据智能监控方法 | |
CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN115631466A (zh) | 一种架空输电线路的识别检测方法及系统 | |
CN115563678A (zh) | 基于点云数据的逆向建模系统及方法 | |
CN111524121A (zh) | 一种基于机器视觉技术的路桥病害自动检测方法 | |
CN110543809A (zh) | 一种电力作业现场风险监管入侵视频识别方法 | |
CN113780311A (zh) | 杆塔藤蔓攀爬检测方法、装置、设备及存储介质 | |
CN112001271A (zh) | 一种工地道路保洁方法、装置和系统 | |
WO2022104798A1 (zh) | 基于5g的无人驾驶电子交警执勤系统 | |
CN116090838B (zh) | 一种基于摄像头的工地自动巡检系统 | |
CN212846883U (zh) | 用于输电线路的监测系统 | |
CN113643249B (zh) | 一种道路综合杆体系的健康状态生成方法及系统 | |
CN117375226A (zh) | 一种电网运行监测装置 | |
JP2004153933A (ja) | 架空線の腐食診断方法およびその装置 | |
CN116015192A (zh) | 一种光伏清洗机器人的控制方法及光伏清洗机器人 | |
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 | |
CN114442658A (zh) | 输配电线路无人机自动巡检系统及其运行方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230120 |
|
RJ01 | Rejection of invention patent application after publication |