CN115938008A - 一种基于声学图像识别的电力设备巡检系统及巡检方法 - Google Patents
一种基于声学图像识别的电力设备巡检系统及巡检方法 Download PDFInfo
- Publication number
- CN115938008A CN115938008A CN202211694535.4A CN202211694535A CN115938008A CN 115938008 A CN115938008 A CN 115938008A CN 202211694535 A CN202211694535 A CN 202211694535A CN 115938008 A CN115938008 A CN 115938008A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- ultrasonic
- power equipment
- wireless
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000000523 sample Substances 0.000 claims abstract description 85
- 238000012937 correction Methods 0.000 claims abstract description 70
- 238000001514 detection method Methods 0.000 claims description 47
- 230000005856 abnormality Effects 0.000 claims description 43
- 230000007547 defect Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 26
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000002175 menstrual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于声学图像识别的电力设备巡检系统及巡检方法,属于设备巡检技术领域,包括:分别搭载在电力设备四个方向无人机上声波朝向电力设备的四个第一无线超声定位探头以及声波远离电力设备的四个周围环境无线超声定位探头;本发明通过四架无人机搭载八个无线超声定位探头分别采集电力设备和周围环境全方位的超声图像,并通过图像去噪、灰度校正、速度失真校正和斜距失真校正预处理后对超声图像进行拼接以及显示,该种方式能够很好的消除无人机飞行过程中由于速度快慢以及位置失衡导致的无线超声定位探头采集的图像不连续的问题,提高后期图像拼接的清晰度和完整度,方便巡检人员对于电力设备的巡检结果进行分析。
Description
技术领域
本发明属于设备巡检技术领域,具体涉及一种基于声学图像识别的电力设备巡检系统及巡检方法。
背景技术
现今,居民的日常生活都离不开电力资源系统的使用,而随着我国社会、经济以及科学的不断发展,社会对构成电力资源系统的基本设备--电力设备的结构安全性、使用可靠性的要求越来越高。
传统的电力设备巡检采用的是人工巡检,该种方式费时费力,而且对于较高位置的电力设备而言,安全性能低,因此,无人机搭载超声探头,通过声学图像识别的无接触巡检技术应运而生,但现有无人机搭载超声探头技术由于无人机飞行过程中速度快慢不均以及位置失衡的原因,常常导致超声探头采集的图像不连续,影响后期图像拼接的清晰度和完整度,对巡检人员对于电力设备巡检结果的分析造成影响。
发明内容
发明目的:本发明的目的在于提供一种基于声学图像识别的电力设备巡检系统及巡检方法,该方案具有提高后期图像拼接的清晰度和完整度,方便巡检人员对于电力设备的巡检结果进行分析的特点。
技术方案:本发明的基于声学图像识别的电力设备巡检系统,包括:分别搭载在电力设备四个方向无人机上声波朝向电力设备的四个第一无线超声定位探头以及声波远离电力设备的四个周围环境无线超声定位探头,四个所述第一无线超声定位探头和周围环境无线超声定位探头的无线图像数据发送端口无线通讯连接有电力设备巡检终端;电力设备巡检终端包括与第一无线超声定位探头无线通讯连接的无线收发模块,所述无线收发模块的图像数据发送端口连接有超声探头图像处理模组,所述超声探头图像处理模组的图像数据发送端口连接有图像拼接模块,所述图像拼接模块的图像数据发送端口连接有图像显示模块;所述超声探头图像处理模组包括与无线收发模块图像数据发送端口连接的图像去噪模块,所述图像去噪模块的图像数据发送端口连接有图像灰度校正模块,所述图像灰度校正模块的图像数据发送端口连接有图像速度失真校正模块,所述图像速度失真校正模块的图像数据发送端口连接有图像斜距失真校正模块,所述图像斜距失真校正模块的图像数据发送端口与图像拼接模块连接。
所述图像拼接模块的图像数据发送端口连接有与图像显示模块图像数据接收端口连接的图像异常检测模组,所述图像异常检测模组包括与图像拼接模块图像数据发送端口连接的电力设备表面缺陷异常检测模块和电力设备周围环境异常检测模块,所述电力设备表面缺陷异常检测模块和电力设备周围环境异常检测模块的图像数据发送端口与图像显示模块连接。
本发明还公开了一种基于声学图像识别的电力设备巡检方法,包括以下步骤:
S1:准备四架无人机以及四个第一无线超声定位探头和第二无线超声定位探头,其中,四架无人机分布在待巡检电力设备的上下左右侧且处于同一竖平面,两个第一无线超声定位探头和第二无线超声定位探头上下对称装配在上下侧两个无人机上,两个第一无线超声定位探头和第二无线超声定位探头左右对称装配在左右侧两个无人机上;
S2:四架无人机搭载四个第一无线超声定位探头和第二无线超声定位探头按照航线行驶,行驶过程中四个第一无线超声定位探头向电力设备发射超声波,并接收由电力设备返回的超声波,经成像软件获得电力设备超声图像,四个第二无线超声定位探头向周围环境发射超声波,并接收由周围环境返回的超声波,经成像软件获得周围环境超声图像,四个第一无线超声定位探头和第二无线超声定位探头通过无线网络将超声图像传输至电力设备巡检终端;
S3:电力设备巡检终端的无线收发模块接收由四个第一无线超声定位探头和第二无线超声定位探头传输的超声图像并依次传输至图像去噪模块、图像灰度校正模块、图像速度失真校正模块和图像斜距失真校正模块中进行图像处理,图像处理完成,传输至图像拼接模块中进行图像拼接,图像拼接完成,将完整图像传输至图像显示模块中进行显示,巡检人员可通过声学图像识别出的电力设备图像进行表面缺陷处理、故障预测等处理。
步骤S3中,所述图像去噪模块的具体去噪方法为:
式中,y表示滤波输出;β表示尺度参数;
取窗内像素均值作为初值y0,由它确定各像素的隶属度μ(i,j),求隶属度的均值y1,并与初值y0比较,若差值小于某一预先设定的阈值ε,则迭代结束,输出y1,否则由y1导出新的隶属度,直到先后两次的差值小于阈值,最后将隶属度的加权平均做为输出值,再将滤波输出作为Kalman滤波器的状态输入,进行最优估计,最终得到滤波输出结果,便得到去噪后的超声图像。
步骤S3中,所述图像灰度校正模块的具体灰度校正方法为:
灰度变换用公式可表示如下:
g(x,y)=T[f(x,y)]
式中,f(x,y)表示待处理的数字图像;g(x,y)表示处理后的数字图像,变换函数T定义了一种f的操作;
对超声波图像而言,定义在(x,y)的邻域,应用在电力设备巡检情况下,变换函数T使用为幂函数非线性变换函数,实现灰度的非线性变换,幂函数变换的基本表达式如下:
g(x,y)=c[f(x,y)]r+b
式中,c、r均表示正数,幂函数变换将部分灰度区间映射到更宽的区域中去,得到灰度校正后的超声图像。
步骤S3中,所述图像速度失真校正模块的具体速度失真校正方法为:
因为每一ping均记录下通道数目N的扫描线,即每一ping数据校正前显示的是N行数据,而其在行进方向上的实际行数是l行,则校正比例为:
r=l/N
以上得出了纵横坐标单独的比例关系,当速度改变而出现速度形变的时候,将其进行纵横比例的归一化,对纵坐标进行一个比例转换,便得到速度校正后的超声图像。
步骤S3中,所述图像斜距失真校正模块的具体斜距失真校正方法为:
设第一无线超声定位探头和第二无线超声定位探头的最大斜距范围是SlantRange,每ping的无人机位置的高度TowfishAlt,图像的高是Height,图像的宽是Width,根据无人机的斜距,高度和水平距离,得到一个直角三角形,即每ping距无人机的水平距离:
此时图像的像素分辨率:
Res=SlantRange/(Width/2)
此时,校正图像上的某个像素点P1(x1,y1)和原来未校正图像上的对应像素点P2(x2,y2)的关系为:
y2=y1
根据上述公式可以得到校正图像空间中的像素点坐标,按照扫描线的顺序,对原始未校正图像空间中的像素点坐标重新映射,便得到斜距校正后的超声图像。
步骤S3中,所述图像拼接模块的具体拼接方法为:
通过三参数坐标转换公式将超声图像中的GPS定位信息变换为二维空间坐标信息:
式中,Bn、Ln、hn表示为待求的大地坐标;B、L、h为GPS的WGS-84坐标,△B、△L、△h为新旧坐标的修正量;其中,△B、AL、△h采用Molodensky简化公式;
ΔL″=[-ΔX sin L+ΔY cos L]/(RN cos B sin1″)
Δh=-ΔX cos B cos L+ΔY cos B sin L+ΔZ sin B++(aΔf+fΔa)sin2 B-Δa
式中,ΔB″、ΔL″为大地经纬度的改正量,以秒为单位,ΔX、ΔY、ΔZ为不同坐标系统原点间平移参数,a、b为就椭球体长半径和短半径,f=(a-b)/a为椭球扁率,e2=(a2-b2)/a2为第一偏心率平方,Δa=an-a,Δf=fn-f,RN=a/(1-e2 sin2 B)1/2.为椭球卯酉曲率半径,RM=a(1-e2)/(1-e2 sin2 B)3/2.为椭球子午曲率半径,sin1″.为秒到弧度的换算;
采用Gauss-Kriger投影将转换的大地坐标投影到二维空间坐标系中,大地坐标(B,L)向Gauss-Kriger平面坐标(x,y)转换表达式如下:
其中,
x1=a(1-e2)[A′B+B′sin(2B)+C′sin(4B)-D′sin(6B)+E′sin(8B)]
t=tgB,
η=e2 cos2 B
式中,B、L的单位是弧度;L表示经差;a表示椭球长半径;e表示偏心率;x1表示对应纬度B经线的长;
根据转换后的坐标经纬度信息对超声图像进行拼接。
步骤S3中,所述经由图像拼接模块拼接完成的图像分别传输至电力设备表面缺陷异常检测模块和电力设备周围环境异常检测模块中,电力设备表面缺陷异常检测模块将超声图像传输至表面缺陷异常检测模型进行表面缺陷异常检测,并将检测出的电力设备表面缺陷异常超声图像传输至图像显示模块中进行显示,电力设备周围环境异常检测模块将超声图像传输至周围环境异常检测模型检修周围环境异常检测,并将检测出的电力设备周围环境异常超声图像传输至图像显示模块中进行显示。
所述步骤S3中,巡检电力设备整体超声图像、电力设备表面缺陷异常超声图像和周围环境异常超声图像分屏显示,且电力设备表面缺陷异常超声图像和周围环境异常超声图像与巡检电力设备整体超声图像的异常处放大显示。
技术效果:本发明的技术方案与现有技术相比,其有益效果在于:
(1)本通过四架无人机搭载八个无线超声定位探头分别采集电力设备和周围环境全方位的超声图像,并通过图像去噪、灰度校正、速度失真校正和斜距失真校正预处理后对超声图像进行拼接以及显示,该种方式能够很好的消除无人机飞行过程中由于速度快慢以及位置失衡导致的无线超声定位探头采集的图像不连续的问题,提高后期图像拼接的清晰度和完整度,方便巡检人员对于电力设备的巡检结果进行分析;
(2)本发明超声图像拼接后通过表面缺陷异常检测模型和周围环境异常检测模型进行异常检测,并将表面缺陷异常以及周围环境异常超声图像单独提取在显示模块进行显示,巡检结果一目了然,无需巡检人员认为分析比对,方便快捷;
(3)本发明模型异常检测结果在显示模块上的显示方式是在巡检电力设备整体超声图像的异常处放大显示,该种显示方式能够很好的帮助巡检人员关联出电力设备的异常位置,以便进行下一步处理。
附图说明
图1为本发明基于声学图像识别的电力设备巡检系统的系统框图;
图2为本发明超声探头图像处理模组的细化系统框图;
图3为本发明图像异常检测模组的细化系统框图。
具体实施方式
下面结合具体实施方式和说明书附图对本发明的技术方案进行详细介绍。
实施例1
如图1至图3所示,本发明的电力设备巡检系统,包括:分别搭载在电力设备四个方向无人机上声波朝向电力设备的四个第一无线超声定位探头1以及声波远离电力设备的四个第二无线超声定位探头7,四个第一无线超声定位探头1和第二无线超声定位探头7的无线图像数据发送端口无线通讯连接有电力设备巡检终端;
电力设备巡检终端包括与第一无线超声定位探头1无线通讯连接的无线收发模块2,无线收发模块2的图像数据发送端口连接有超声探头图像处理模组3,超声探头图像处理模组3的图像数据发送端口连接有图像拼接模块4,图像拼接模块4的图像数据发送端口连接有图像显示模块6。
超声探头图像处理模组3包括与无线收发模块2图像数据发送端口连接的图像去噪模块301,图像去噪模块301的图像数据发送端口连接有图像灰度校正模块302,图像灰度校正模块302的图像数据发送端口连接有图像速度失真校正模块303,图像速度失真校正模块303的图像数据发送端口连接有图像斜距失真校正模块304,图像斜距失真校正模块304的图像数据发动端口与图像拼接模块4连接。
本发明还包括一种基于声学图像识别的电力设备巡检系统的巡检方法,包括以下步骤:
S1:准备四架无人机以及四个第一无线超声定位探头1和第二无线超声定位探头7,其中,四架无人机分布在待巡检电力设备的上下左右侧且处于同一竖平面,两个第一无线超声定位探头1和第二无线超声定位探头7上下对称装配在上下侧两个无人机上,两个第一无线超声定位探头1和第二无线超声定位探头7左右对称装配在左右侧两个无人机上;
S2:四架无人机搭载四个第一无线超声定位探头1和第二无线超声定位探头7按照航线行驶,行驶过程中四个第一无线超声定位探头1向电力设备发射超声波,并接收由电力设备返回的超声波,经成像软件获得电力设备超声图像,四个第二无线超声定位探头7向周围环境发射超声波,并接收由周围环境返回的超声波,经成像软件获得周围环境超声图像,四个第一无线超声定位探头1和第二无线超声定位探头7通过无线网络将超声图像传输至电力设备巡检终端;
S3:电力设备巡检终端的无线收发模块2接收由四个第一无线超声定位探头1和第二无线超声定位探头7传输的超声图像并依次传输至图像去噪模块301、图像灰度校正模块302、图像速度失真校正模块303和图像斜距失真校正模块304中进行图像处理,图像处理完成,传输至图像拼接模块4中进行图像拼接,图像拼接完成,将完整图像传输至图像显示模块6中进行显示,巡检人员可通过声学图像识别出的电力设备图像进行表面缺陷处理、故障预测等处理。
步骤S3中,图像去噪模块301的具体去噪方法为:
式中,y表示滤波输出;β表示尺度参数;
取窗内像素均值作为初值y0,由它确定各像素的隶属度μ(i,j),求隶属度的均值y1,并与初值y0比较,若差值小于某一预先设定的阈值ε,则迭代结束,输出y1,否则由y1导出新的隶属度,直到先后两次的差值小于阈值,最后将隶属度的加权平均做为输出值,再将滤波输出作为Kalman滤波器的状态输入,进行最优估计,最终得到滤波输出结果,便得到去噪后的超声图像。
步骤S3中,图像灰度校正模块302的具体灰度校正方法为:
灰度变换是根据某种操作,按照某种换算,改变原始图像中每一像素点灰度值的方法,灰度变换一般情况下只改变像素点的灰度值而不改变灰度的坐标信息,用公式可表示如下:
g(x,y)=T[f(x,y)]
式中,f(x,y)表示待处理的数字图像,即需要进行灰度校正的数字图像;g(x,y)表示处理后的数字图像,即校正的数字图像,变换函数T定义了一种f的操作;
对超声波图像而言,一般定义在(x,y)的邻域,应用在电力设备巡检情况下,变换函数T使用为幂函数非线性变换函数,实现灰度的非线性变换,幂函数变换的基本表达式如下:
g(x,y)=c[f(x,y)]r+b
式中,c、r均表示正数,幂函数变换将部分灰度区间映射到更宽的区域中去,得到灰度校正后的超声图像。
步骤S3中,图像速度失真校正模块303的具体速度失真校正方法为:
因为每一ping均记录下通道数目N的扫描线,即每一ping数据校正前显示的是N行数据,而其在行进方向上的实际行数是l行,则校正比例为:
r=l/N
以上得出了纵横坐标单独的比例关系,当速度改变而出现速度形变的时候,将其进行纵横比例的归一化,对纵坐标进行一个比例转换,便得到速度校正后的超声图像。
步骤S3中,图像斜距失真校正模块304的具体斜距失真校正方法为:
设第一无线超声定位探头1和第二无线超声定位探头7的最大斜距范围是SlantRange,每ping的无人机位置的高度TowfishAlt,图像的高是Height,图像的宽是Width,根据无人机的斜距,高度和水平距离,可以得到一个直角三角形,即每ping距无人机的水平距离:
此时图像的像素分辨率:
Res=SlantRange/(Width/2)
此时,校正图像上的某个像素点P1(x1,y1)和原来未校正图像上的对应像素点P2(x2,y2)的关系为:
y2=y1
根据上述公式可以得到校正图像空间中的像素点坐标,按照扫描线的顺序,对原始未校正图像空间中的像素点坐标重新映射,便得到斜距校正后的超声图像。
步骤S3中,图像拼接模块4的具体拼接方法为:
通过三参数坐标转换公式将超声图像中的GPS定位信息变换为二维空间坐标信息:
式中,Bn、Ln、hn表示为待求的大地坐标;B、L、h为GPS的WGS-84坐标,△B、△L、△h为新旧坐标的修正量;
其中,△B、AL、△h采用Molodensky简化公式:
ΔL″=[-ΔX sin L+ΔY cos L]/(RN cos B sin1″)
Δh=-ΔX cos B cos L+ΔY cos B sin L+ΔZ sin B++(aΔf+fΔa)sin2 B-Δa
式中,ΔB″、ΔL″为大地经纬度的改正量,以秒为单位,ΔX、ΔY、ΔZ为不同坐标系统原点间平移参数,a、b为就椭球体长半径和短半径,f=(a-b)/a为椭球扁率,e2=(a2-b2)/a2为第一偏心率平方,Δa=an-a,Δf=fn-f,RN=a/(1-e2 sin2 B)1/2.为椭球卯酉曲率半径,RM=a(1-e2)/(1-e2 sin2 B)3/2.为椭球子午曲率半径,sin1″.为秒到弧度的换算,为4.8481368弧度;
采用Gauss-Kriger投影将转换的大地坐标投影到二维空间坐标系中,大地坐标(B,L)向Gauss-Kriger平面坐标(x,y)转换表达式如下:
其中,
x1=a(1-e2)[A′B+B′sin(2B)+C′sin(4B)-D′sin(6B)+E′sin(8B)]
t=tg B,
η=e2 cos2 B
式中,B、L的单位是弧度;L表示经差;a表示椭球长半径;e表示偏心率;x1表示对应纬度B经线的长;根据转换后的坐标经纬度信息对超声图像进行拼接。
实施例2
本实施例较实施例1的不同之处在于:
具体的,图像拼接模块4的图像数据发送端口连接有与图像显示模块6图像数据接收端口连接的图像异常检测模组5,图像异常检测模组5包括与图像拼接模块4图像数据发送端口连接的电力设备表面缺陷异常检测模块501和电力设备周围环境异常检测模块502,电力设备表面缺陷异常检测模块501和电力设备周围环境异常检测模块502的图像数据发送端口与图像显示模块6连接。
本发明的一种基于声学图像识别的电力设备巡检系统的巡检方法,还包括以下:
步骤S3中,经由图像拼接模块4拼接完成的图像分别传输至电力设备表面缺陷异常检测模块501和电力设备周围环境异常检测模块502中,电力设备表面缺陷异常检测模块501将超声图像传输至表面缺陷异常检测模型进行表面缺陷异常检测,并将检测出的电力设备表面缺陷异常超声图像传输至图像显示模块6中进行显示,电力设备周围环境异常检测模块502将超声图像传输至周围环境异常检测模型检修周围环境异常检测,并将检测出的电力设备周围环境异常超声图像传输至图像显示模块6中进行显示。
步骤S3中,巡检电力设备整体超声图像、电力设备表面缺陷异常超声图像和周围环境异常超声图像分屏显示,且电力设备表面缺陷异常超声图像和周围环境异常超声图像与巡检电力设备整体超声图像的异常处放大显示。
Claims (10)
1.一种基于声学图像识别的电力设备巡检系统,其特征在于,包括:分别搭载在电力设备四个方向无人机上声波朝向电力设备的四个第一无线超声定位探头(1)以及声波远离电力设备的四个第二无线超声定位探头(7),四个第一无线超声定位探头(1)和第二无线超声定位探头(7)的无线图像数据发送端口无线通讯连接有电力设备巡检终端;
所述电力设备巡检终端包括与第一无线超声定位探头(1)无线通讯连接的无线收发模块(2),无线收发模块(2)的图像数据发送端口连接有超声探头图像处理模组(3),超声探头图像处理模组(3)的图像数据发送端口连接有图像拼接模块(4),所述图像拼接模块(4)的图像数据发送端口连接有图像显示模块(6);所述超声探头图像处理模组(3)包括与无线收发模块(2)图像数据发送端口连接的图像去噪模块(301),图像去噪模块(301)的图像数据发送端口连接有图像灰度校正模块(302),图像灰度校正模块(302)的图像数据发送端口连接有图像速度失真校正模块(303),图像速度失真校正模块(303)的图像数据发送端口连接有图像斜距失真校正模块(304),图像斜距失真校正模块(304)的图像数据发送端口与图像拼接模块(4)连接。
2.根据权利要求1所述的基于声学图像识别的电力设备巡检系统,其特征在于:所述图像拼接模块(4)的图像数据发送端口通过图像异常检测模组(5)与图像显示模块(6)连接;所述图像异常检测模组(5)包括与图像拼接模块(4)的图像数据发送端口连接的电力设备表面缺陷异常检测模块(501)和电力设备周围环境异常检测模块(502),电力设备表面缺陷异常检测模块(501)和电力设备周围环境异常检测模块(502)的图像数据发送端口与图像显示模块(6)连接。
3.一种基于声学图像识别的电力设备巡检方法,其特征在于,采用权利要求1所述的基于声学图像识别的电力设备巡检系统,该方法包括以下步骤:
S1:准备四架无人机以及四个第一无线超声定位探头(1)和第二无线超声定位探头(7),其中,四架无人机分布在待巡检电力设备的上下左右侧且处于同一竖平面,两个第一无线超声定位探头(1)和第二无线超声定位探头(7)上下对称装配在上下侧两个无人机上,另外两个第二无线超声定位探头(1)和另外第二无线超声定位探头(7)左右对称装配在左右侧两个无人机上;
S2:四架无人机搭载四个第一无线超声定位探头(1)和第二无线超声定位探头(7)按照航线行驶,行驶过程中四个第一无线超声定位探头(1)向电力设备发射超声波,并接收由电力设备返回的超声波,经成像软件获得电力设备超声图像,四个第二无线超声定位探头(7)向周围环境发射超声波,并接收由周围环境返回的超声波,经成像软件获得周围环境超声图像,四个第一无线超声定位探头(1)和第二无线超声定位探头(7)通过无线网络将超声图像传输至电力设备巡检终端;
S3:电力设备巡检终端的无线收发模块(2)接收由四个第一无线超声定位探头(1)和第二无线超声定位探头(7)传输的超声图像并依次传输至图像去噪模块(301)、图像灰度校正模块(302)、图像速度失真校正模块(303)和图像斜距失真校正模块(304)中进行图像处理,图像处理完成后,传输至图像拼接模块(4)中进行图像拼接,图像拼接完成后将完整图像传输至图像显示模块(6)中进行显示,巡检人员可通过声学图像识别出的电力设备图像进行表面缺陷处理、故障预测处理。
4.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述图像去噪模块(301)的具体去噪方法为:
式中,y表示滤波输出;β表示尺度参数;
取窗内像素均值作为初值y0,由它确定各像素的隶属度μ(i,j),求隶属度的均值y1,并与初值y0比较,若差值小于某一预先设定的阈值ε,则迭代结束,输出y1,否则由y1导出新的隶属度,直到先后两次的差值小于阈值,最后将隶属度的加权平均做为输出值,再将滤波输出作为Kalman滤波器的状态输入,进行最优估计,最终得到滤波输出结果,便得到去噪后的超声图像。
5.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述图像灰度校正模块(302)的具体灰度校正方法为:
灰度变换通常用公式表示如下:
g(x,y)=T[f(x,y)]
式中,f(x,y)表示待处理的数字图像;g(x,y)表示处理后的数字图像;变换函数T定义了一种f的操作;
对超声波图像而言,定义在(x,y)的邻域,应用在电力设备巡检情况下,变换函数T使用为幂函数非线性变换函数,实现灰度的非线性变换,幂函数变换的基本表达式如下:
g(x,y)=c[f(x,y)]r+b
式中,c、r均表示正数,幂函数变换将部分灰度区间映射到更宽的区域中去,得到灰度校正后的超声图像。
6.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述图像速度失真校正模块(303)的具体速度失真校正方法为:
因为每一ping均记录下通道数目N的扫描线,即每一ping数据校正前显示的是N行数据,而其在行进方向上的实际行数是l行,则校正比例为:
r=l/N
以上得出了纵横坐标单独的比例关系,当速度改变而出现速度形变的时候,将其进行纵横比例的归一化,对纵坐标进行一个比例转换,便得到速度校正后的超声图像。
7.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述图像斜距失真校正模块(304)的具体斜距失真校正方法为:
设第一无线超声定位探头(1)和第二无线超声定位探头(7)的最大斜距范围是SlantRange,每ping的无人机位置的高度TowfishAlt,图像的高是Height,图像的宽是Width,根据无人机的斜距,高度和水平距离,得到一个直角三角形,即每ping距无人机的水平距离:
此时图像的像素分辨率:
Res=SlantRange/(Width/2)
此时,校正图像上的某个像素点P1(x1,y1)和原来未校正图像上的对应像素点P2(x2,y2)的关系为:
y2=y1
根据上述公式得到校正图像空间中的像素点坐标,按照扫描线的顺序,对原始未校正图像空间中的像素点坐标重新映射,便得到斜距校正后的超声图像。
8.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述图像拼接模块(4)的具体拼接方法为:
通过三参数坐标转换公式将超声图像中的GPS定位信息变换为二维空间坐标信息:
式中,Bn、Ln、hn表示为待求的大地坐标;B、L、h为GPS的WGS-84坐标,△B、△L、△h为新旧坐标的修正量;
其中,△B、AL、△h采用Molodensky简化公式:
ΔL”=[-ΔXsinL+ΔYcosL]/(RNcosBsin1”)
Δh=-ΔXcosBcosL+ΔYcosBsinL+ΔZsinB++(aΔf+fΔa)sin2B-Δa
式中,ΔB”、ΔL”为大地经纬度的改正量,以秒为单位,ΔX、ΔY、ΔZ为不同坐标系统原点间平移参数,a、b为就椭球体长半径和短半径,f=((a-b)/a为椭球扁率,e2=(a2-b2)/a2为第一偏心率平方,Δa=an-a,Δf=fn-f,RN=a/(1-e2sin2B)1/2为椭球卯酉曲率半径,RM=a(1-e2)/(1-e2sin2B)3/2为椭球子午曲率半径,sin1”为秒到弧度的换算;
采用Gauss-Kriger投影将转换的大地坐标投影到二维空间坐标系中,大地坐标(B,L)向Gauss-Kriger平面坐标(x,y)转换表达
其中,
x1=a(1-e2)[A′B+B′sin(2B)+C′sin(4B)-D′sin(6B)+E′sin(8B)]
t=tgB,
η=e2cos2B
式中,B、L的单位是弧度;L表示经差;a表示椭球长半径;e表示偏心率;x1表示对应纬度B经线的长;根据转换后的坐标经纬度信息对超声图像进行拼接。
9.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:步骤S3中,所述经由图像拼接模块(4)拼接完成的图像分别传输至电力设备表面缺陷异常检测模块(501)和电力设备周围环境异常检测模块(502)中,电力设备表面缺陷异常检测模块(501)将超声图像传输至表面缺陷异常检测模型进行表面缺陷异常检测,并将检测出的电力设备表面缺陷异常超声图像传输至图像显示模块(6)中进行显示,电力设备周围环境异常检测模块(502)将超声图像传输至周围环境异常检测模型检修周围环境异常检测,并将检测出的电力设备周围环境异常超声图像传输至图像显示模块(6)中进行显示。
10.根据权利要求3所述的基于声学图像识别的电力设备巡检方法,其特征在于:所述步骤S3中,巡检电力设备整体超声图像、电力设备表面缺陷异常超声图像和周围环境异常超声图像分屏显示,且电力设备表面缺陷异常超声图像和周围环境异常超声图像与巡检电力设备整体超声图像的异常处放大显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694535.4A CN115938008B (zh) | 2022-12-28 | 2022-12-28 | 一种基于声学图像识别的电力设备巡检系统及巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694535.4A CN115938008B (zh) | 2022-12-28 | 2022-12-28 | 一种基于声学图像识别的电力设备巡检系统及巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115938008A true CN115938008A (zh) | 2023-04-07 |
CN115938008B CN115938008B (zh) | 2024-08-23 |
Family
ID=86655737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211694535.4A Active CN115938008B (zh) | 2022-12-28 | 2022-12-28 | 一种基于声学图像识别的电力设备巡检系统及巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115938008B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448151A (zh) * | 2018-10-30 | 2019-03-08 | 佛山市神风航空科技有限公司 | 一种无人机巡检系统及其应用 |
CN109814600A (zh) * | 2019-03-12 | 2019-05-28 | 重庆大学 | 一种无人机电缆隧道巡检飞行方法 |
CN212256390U (zh) * | 2020-04-06 | 2020-12-29 | 武汉迈科斯韦科技有限公司 | 一种配电架空线路多功能快速巡检系统及装置 |
CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
CN114608583A (zh) * | 2022-03-18 | 2022-06-10 | 北京航空航天大学 | 一种高超声速飞行器动态杆臂效应智能补偿方法 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
-
2022
- 2022-12-28 CN CN202211694535.4A patent/CN115938008B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448151A (zh) * | 2018-10-30 | 2019-03-08 | 佛山市神风航空科技有限公司 | 一种无人机巡检系统及其应用 |
CN109814600A (zh) * | 2019-03-12 | 2019-05-28 | 重庆大学 | 一种无人机电缆隧道巡检飞行方法 |
CN212256390U (zh) * | 2020-04-06 | 2020-12-29 | 武汉迈科斯韦科技有限公司 | 一种配电架空线路多功能快速巡检系统及装置 |
CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
CN114608583A (zh) * | 2022-03-18 | 2022-06-10 | 北京航空航天大学 | 一种高超声速飞行器动态杆臂效应智能补偿方法 |
Non-Patent Citations (1)
Title |
---|
彭闯: "输电线路无人机巡检图像中电力部件识别方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 08, 15 August 2020 (2020-08-15), pages 031 - 1 * |
Also Published As
Publication number | Publication date |
---|---|
CN115938008B (zh) | 2024-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101561081B (zh) | 应用自主导航机器人对油气管道泄漏的检测定位方法 | |
CN103926320B (zh) | 一种基于自动扫描的非线性超声成像检测方法 | |
KR101442759B1 (ko) | 하수관 관로 결함 분석 시스템 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN111754463B (zh) | 一种基于卷积神经网络的无砟轨道ca砂浆层缺陷检测方法 | |
CN111735523B (zh) | 基于视频识别的车重检测方法、装置及存储介质 | |
CN110533649B (zh) | 一种无人机通用结构裂缝识别检测装置及方法 | |
CN108827401A (zh) | 一种新型的水土保持监测装置及方法 | |
CN112730454A (zh) | 基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法 | |
CN113125556A (zh) | 一种基于声纹识别的结构损伤检测系统及方法 | |
CN112614130A (zh) | 基于5G传输和YOLOv3的无人机输电线路绝缘子故障检测方法 | |
CN115938008B (zh) | 一种基于声学图像识别的电力设备巡检系统及巡检方法 | |
CN113340405B (zh) | 桥梁振型的测量方法、装置及系统 | |
CN114486132A (zh) | 一种桥梁梁体竖向位移测量装置 | |
CN112284509A (zh) | 一种基于手机视频的桥梁结构振型测量方法 | |
CN112660417B (zh) | 一种用于飞行器结构部件的结构损伤诊断方法及诊断系统 | |
CN112801110B (zh) | 轨道列车线阵相机图像畸变校正的目标检测方法及装置 | |
CN114755311B (zh) | 一种超声探头阵元一致性检测的方法及测量装置 | |
CN115765848A (zh) | 一种5g网络信号强度检测系统及使用方法 | |
CN115760720A (zh) | 基于移动设备与超分重建分割网络的裂缝在线检测方法及系统 | |
CN113937892B (zh) | 一种基于云计算的光伏发电系统 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 | |
CN114782852A (zh) | 指针式工业仪表的读数方法、读数装置与读数系统 | |
CN115861825B (zh) | 一种基于图像识别的2c检测方法 | |
CN110533644A (zh) | 一种基于图像识别的绝缘子检测方法 |
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 |