CN116846789B - 通信链路的运维管理系统 - Google Patents

通信链路的运维管理系统 Download PDF

Info

Publication number
CN116846789B
CN116846789B CN202311124160.2A CN202311124160A CN116846789B CN 116846789 B CN116846789 B CN 116846789B CN 202311124160 A CN202311124160 A CN 202311124160A CN 116846789 B CN116846789 B CN 116846789B
Authority
CN
China
Prior art keywords
communication link
segmentation
region
image
areset
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
Application number
CN202311124160.2A
Other languages
English (en)
Other versions
CN116846789A (zh
Inventor
李旭旭
马玫
张颖
何伟
陈少磊
郭利瑞
卢金奎
李兴
樊雪婷
王红梅
龙雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Sichuan Electric Power Co Ltd
Original Assignee
State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Sichuan Electric Power Co Ltd filed Critical State Grid Sichuan Electric Power Co Ltd
Priority to CN202311124160.2A priority Critical patent/CN116846789B/zh
Publication of CN116846789A publication Critical patent/CN116846789A/zh
Application granted granted Critical
Publication of CN116846789B publication Critical patent/CN116846789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于运维领域，公开了通信链路的运维管理系统，包括云计算模块，云计算模块包括分割单元、排序单元、检测单元和图像识别单元；分割单元用于对通信链路的图像进行分割计算，得到多个分割区域；排序单元用于计算每个分割区域的排序特征值，将分割区域存储到集合areset；检测单元用于根据排序特征值对分割区域进行直线检测，获得通信链路的图像中的感兴趣区域，图像识别单元用于对感兴趣区域进行图像识别，获得通信链路的状态结果。本发明只需要对少量的分割区域进行直线检测，从而大幅度地减少了参与直线检测的像素点的数量，能有效地缩短通过图像识别获得图像中的通信链路的状态的时间，从而提高了对通信链路进行运维的效率。

Description

通信链路的运维管理系统
技术领域
本发明涉及运维领域，尤其涉及通信链路的运维管理系统。
背景技术
通信链路是指连接两个或多个设备的之间传输数据的线路。在野外环境中，通信链路一般都通过电线杆进行架设，因此，通信链路的高度都比较大，为了对通信链路进行运维，现有技术中一般是利用无人机来拍摄通信链路的图像，然后将图像传输至云服务器中进行识别以获得识别结果，根据识别结果判断通信链路的状态，从而判断是否需要进行更换或其它运维操作。但是，现有技术对图像中的通信链路的识别过程一般需要对所有的像素点进行直线检测，这就导致了参与直线检测的过程的像素点过多，降低了对通信链路进行运维的效率。
发明内容
本发明的目的在于公开通信链路的运维管理系统，解决提高对通信链路进行运维的效率的问题。
为了达到上述目的，本发明提供如下技术方案：
通信链路的运维管理系统，包括云计算模块，云计算模块包括分割单元、排序单元、检测单元和图像识别单元；
分割单元用于对通信链路的图像进行分割计算，得到多个分割区域；
排序单元用于计算每个分割区域的排序特征值，将分割区域存储到集合；
检测单元用于根据排序特征值对分割区域进行直线检测，获得通信链路的图像中的感兴趣区域：
S1，获取拓展结果集合：
第一次计算：
获取中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从中删除，获得更新后的/>；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从中删除，获得更新后的/>；
第n次计算，n大于等于2，n为正整数：
判断中剩余的分割区域的数量是否小于设定的数量阈值，若是，则输出所有的拓展结果集合；
若否，则获取中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从中删除，获得更新后的/>；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从中删除，获得更新后的/>；
S2，分别获取每个拓展结果集合所对应的直线区域；
S3，基于设定的长宽比阈值对所有的直线区域进行筛选，获得感兴趣区域；
图像识别单元用于对感兴趣区域进行图像识别，获得通信链路的状态结果。
优选地，还包括无人机模块；
无人机模块用于对通信链路进行拍摄，获得通信链路的图像；
以及用于获取拍摄时的拍摄距离。
优选地，还包括传输模块；
无人机模块还用于将通信链路的图像发送至传输模块；
传输模块用于将通信链路的图像和对应的拍摄距离发送至云计算模块。
优选地，还包括运维终端；云计算模块还包括传输单元；
传输单元用于将状态结果发送至运维终端；
运维终端用于显示状态结果。
优选地，对通信链路的图像进行分割计算，得到多个分割区域，包括：计算横向参考长度：/>计算纵向参考长度/>：其中，/>表示无人机模块对通信链路进行拍摄时的拍摄距离，/>表示设定的标准拍摄距离，/>表示设定的第一长度，/>表示设定的第二长度，/>大于/>；计算分割区域的列数/>：/>计算分割区域的行数/>：/>，/>表示通信链路的图像的像素点的列数，/>表示通信链路的图像的像素点的行数；将通信链路的图像分割为个大小相同的分割区域。
优选地，拍摄距离由无人机模块上携带的激光对焦装置获得。
优选地，排序特征值的计算函数为：
其中，/>表示分割区域的排序特征值，/>表示设定的权重，/>，/>表示分割区域的像素点的集合，/>为像素点i的灰度值，/>为/>中的像素点的总数，表示预设的灰度值方差，/>表示分割区域中的灰度值的类型的总数，/>表示灰度值为j的像素点的数量，/>表示预设的数量。
优选地，通信链路的状态结果为状态正常或状态异常。
与现有技术相比，本发明在获取图像中的通信链路的感兴趣区域的过程中，只需要对少量的分割区域进行直线检测，从而大幅度地减少了参与直线检测的像素点的数量，能有效地缩短通过图像识别获得图像中的通信链路的状态的时间，从而提高了对通信链路进行运维的效率。
附图说明
从下文给出的详细描述和附图中将更充分地理解本公开，附图仅以说明的方式给出，因此不限制本公开，并且其中：
图1为本发明云计算模块的一种示意图。
图2为本发明通信链路的运维管理系统的一种示意图。
图3为本发明通信链路的运维管理系统的另一种示意图。
实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示的一种实施例，本发明提供了通信链路的运维管理系统，包括云计算模块，云计算模块包括分割单元、排序单元、检测单元和图像识别单元；
分割单元用于对通信链路的图像进行分割计算，得到多个分割区域；
排序单元用于计算每个分割区域的排序特征值，将分割区域存储到集合；
检测单元用于根据排序特征值对分割区域进行直线检测，获得通信链路的图像中的感兴趣区域：
S1，获取拓展结果集合：
第一次计算：
获取中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从中删除，获得更新后的/>；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从中删除，获得更新后的/>；
第n次计算，n大于等于2，n为正整数：
判断中剩余的分割区域的数量是否小于设定的数量阈值，若是，则输出所有的拓展结果集合；
若否，则获取中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从中删除，获得更新后的/>；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从中删除，获得更新后的/>；
S2，分别获取每个拓展结果集合所对应的直线区域；
S3，基于设定的长宽比阈值对所有的直线区域进行筛选，获得感兴趣区域；
图像识别单元用于对感兴趣区域进行图像识别，获得通信链路的状态结果。
在本发明中，n的最大值与中剩余的分割区域的数量何时小于设定的数量阈值有关，是一个随着/>中的元素的变化而自适应变化的数值。设定的数量阈值可以是1。
本发明在获取图像中的通信链路的感兴趣区域的过程中，只需要对少量的分割区域进行直线检测，从而大幅度地减少了参与直线检测的像素点的数量，能有效地缩短通过图像识别获得图像中的通信链路的状态的时间，从而提高了对通信链路进行运维的效率。
每次进行拓展处理后，中的分割区域的数量都会大幅度减少，因此，只需要对少量的分割区域进行直线检测，便无需再进行直线检测，有效地减少了直线检测的次数。因为直线检测需要进行霍夫变换，时间复杂度要远大于本发明的拓展处理，因此，本发明能够更快地获得图像识别的结果。
优选地，对于中的分割区域/>，对D进行拓展处理的过程如下：
S11,将分割区域D保存到拓展结果集合；
S12，获取分割区域D中的长度最长的直线线段s所对应的像素点的集合；
S13，获取中属于分割区域D的最外围的像素点的集合/>；
S14，分别对中的每个像素点进行如下计算，得到拓展结果集合：
S141，对于中的像素点/>，以/>为起点，在通信链路的图像中作出斜率与s相同的射线Q；
S142，将射线Q中的像素点按照与之间的距离从近到远的顺序保存到集合；
S143，对于中的第q个和第q+1个像素点/>和/>，若/>和之间的灰度值的差值的绝对值大于设定的绝对值阈值，则进入S144；否则，进入S145；
S144，将中第1个到第q个像素点所经过的分割区域保存到拓展结果集合；将/>中第1个到第q个像素点保存到/>；
S145，将q的值加1，进入S143。
q的取值范围为[1,numpix-1]，numpix表示中的像素点的总数。
本发明在获得包含直线的分割区域D之后，并没有继续采用直线检测的方式来对于D相邻的或相关的分割区域进行计算，而是通过对分割区域D中的长度最长的线段的端点来进行计算，获取以端点为起点的斜率与s相同的射线，射线与图像的边缘相交，然后将线段所经过的像素点保存到集合，最后基于/>来获取s在图像中实际延伸的范围，得到图像中直线线段s所在的线段的完整范围，实现了直线检测。与直接对分割区域进行直线检测相比，由于本发明在直线检测的过程中仅需要计算斜率和确定射线所经过的分割区域，并没有涉及到复杂的运算，因此，本发明的直线检测效率更高。
具体的，在一个分割区域中，最外围的像素点包括横坐标最大的像素点、横坐标最小的像素点、纵坐标最大的像素点、纵坐标最小的像素点。
优选地，数量阈值可以是分割单元获得的分割区域的总数的一半。
具体的，当中的元素的数量变为初始数量的一半时，包含直线的分割区域都都已经被前面的拓展处理过程获得，因此，后面的分割区域中出现属于通信链路的像素点的概率为0，无需再进行无效的计算，从而提高了获得感兴趣区域的效率。
优选地，分别获取每个拓展结果集合所对应的直线区域，包括：
分别获取经过拓展结果集合中的每个分割区域的且长度最长的直线线段，将得到的直线线段保存到集合；
对于拓展集合H，获取其对应的直线区域的过程如下：
用h表示经过拓展结果集合中的每个分割区域的且长度最长的直线线段；
在中，获取斜率与h相同且与h之间的距离最小的另一直线线段g；
依次将h中的端点与g中的距离最近的另一个端点连接，得到直线区域。
具体的，直线区域里面的像素点便可能是通信链路所处的区域的像素点。但是，也可能是背景中的其它物体的边缘所形成的之前区域，因此，还需要进一步进行筛选。
优选地，基于设定的长宽比阈值对所有的直线区域进行筛选，获得感兴趣区域，包括：分别计算每个直线区域的长宽比：，/>表示长宽比，/>表示直线区域中长度最长的边的长度，/>表示直线区域中长度最长的边和长度第二长的边之间的距离；
将长宽比大于设定的设定的长宽比阈值的直线区域作为感兴趣区域。
具体的，由于通信线路在图像中一般都为细长的形状，因此，通过设置合理的长宽比阈值，便能够将其它的非通信线路的直线区域排除，获得属于通信线路的直线区域。
优选地，如图2所示，还包括无人机模块；
无人机模块用于对通信链路进行拍摄，获得通信链路的图像；
以及用于获取拍摄时的拍摄距离。
具体的，无人机模块可以由运维管理人员控制，飞到空中对通信链路进行拍摄，得到通信链路的图像。
优选地，如图3所示，还包括传输模块；
无人机模块还用于将通信链路的图像发送至传输模块；
传输模块用于将通信链路的图像和对应的拍摄距离发送至云计算模块。
具体的，传输模块包括3G网络、4G网络、5G网络中的任一种。
优选地，还包括运维终端；云计算模块还包括传输单元；
传输单元用于将状态结果发送至运维终端；
运维终端用于显示状态结果。
具体的，运维终端由运维管理人员随身携带，能欧根据状态结果来判断是否需要对通信链路进行进一步的运维操作。
优选地，对通信链路的图像进行分割计算，得到多个分割区域，包括：计算横向参考长度：/>计算纵向参考长度/>：其中，/>表示无人机模块对通信链路进行拍摄时的拍摄距离，/>表示设定的标准拍摄距离，/>表示设定的第一长度，/>表示设定的第二长度，/>大于/>；计算分割区域的列数/>：/>计算分割区域的行数/>：/>，/>表示通信链路的图像的像素点的列数，/>表示通信链路的图像的像素点的行数；将通信链路的图像分割为个大小相同的分割区域。
本发明在获得分割区域的过程中，限制了大于/>，从而能够使得分割区域的横向长度大于纵向长度，从而更加有利地将通信链路包含在里面，因为在无人机模块所获得的图像中，通信链路一般都是水平方向延伸的，因此，本发明能够使得分割区域的形状与通信链路的延伸方向相匹配，有利于使得属于通信链路的像素点在每个分割区域中延伸的长度尽可能地长，即属于通信链路的像素点在分割区域中所占的比例尽可能地大，因此，当计算排序特征值时，分割区域中包含通信链路的像素点的数量越多，则排序特征值越大，有利于快速选出通信链路的像素点所在的分割区域，从而提高了后续的拓展处理的计算结果的准确性。
优选地，拍摄距离由无人机模块上携带的激光对焦装置获得。
优选地，排序特征值的计算函数为：
其中，表示分割区域的排序特征值，/>表示设定的权重，/>，/>表示分割区域的像素点的集合，/>为像素点i的灰度值，/>为/>中的像素点的总数，/>表示预设的灰度值方差，/>表示分割区域中的灰度值的类型的总数，/>表示灰度值为j的像素点的数量，/>表示预设的数量。
优选地，通信链路的状态结果为状态正常或状态异常。
具体的，当通信链路中存在预设类型的缺陷，例如脱料、划伤破裂、突出的皮层、斑点凸起、凹陷、叠接等缺陷中的至少一种时，则状态异常。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (7)

1.通信链路的运维管理系统，其特征在于，包括云计算模块，云计算模块包括分割单元、排序单元、检测单元和图像识别单元；
分割单元用于对通信链路的图像进行分割计算，得到多个分割区域；
排序单元用于计算每个分割区域的排序特征值，将分割区域存储到集合areset；
检测单元用于根据排序特征值对分割区域进行直线检测，获得通信链路的图像中的感兴趣区域：
S1，获取拓展结果集合：
第一次计算：
获取areset中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从areset中删除，获得更新后的areset；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从areset中删除，获得更新后的areset；
第n次计算，n大于等于2，n为正整数：
判断areset中剩余的分割区域的数量是否小于设定的数量阈值，若是，则输出所有的拓展结果集合；
若否，则获取areset中排序特征值最大的分割区域，对该分割区域进行直线检测，判断该分割区域中是否包含直线线段，
若否，则将该分割区域从areset中删除，获得更新后的areset；
若是，则对该分割区域进行拓展处理，获得拓展结果集合，将本次计算获得的拓展结果集合中的分割区域从areset中删除，获得更新后的areset；
S2，分别获取每个拓展结果集合所对应的直线区域；
S3，基于设定的长宽比阈值对所有的直线区域进行筛选，获得感兴趣区域；
图像识别单元用于对感兴趣区域进行图像识别，获得通信链路的状态结果；
对于areset中的分割区域D，对D进行拓展处理的过程如下：
S11,将分割区域D保存到拓展结果集合；
S12，获取分割区域D中的长度最长的直线线段s所对应的像素点的集合strlinset；
S13，获取strlinset中属于分割区域D的最外围的像素点的集合perpixset；
S14，分别对perpixset中的每个像素点进行如下计算，得到拓展结果集合：
S141，对于perpixset中的像素点perpix，以perpix为起点，在通信链路的图像中作出斜率与s相同的射线Q；
S142，将射线Q中的像素点按照与perpix之间的距离从近到远的顺序保存到集合pixQset；
S143，对于pixQset中的第q个和第q+1个像素点pixQq和pixQq+1，若pixQq和pixQq+1之间的灰度值的差值的绝对值大于设定的绝对值阈值，则进入S144；否则，进入S145；
S144，将pixQset中第1个到第q个像素点所经过的分割区域保存到拓展结果集合；将pixQset中第1个到第q个像素点保存到strlinset，
S145，将q的值加1，进入S143；
q的取值范围为[1,numpix-1]，numpix表示pixQset中的像素点的总数；
基于设定的长宽比阈值对所有的直线区域进行筛选，获得感兴趣区域，包括：
分别计算每个直线区域的长宽比：,asprat表示长宽比，mxedg表示直线区域中长度最长的边的长度，distedg表示直线区域中长度最长的边和长度第二长的边之间的距离；
将长宽比大于设定的长宽比阈值的直线区域作为感兴趣区域；
排序特征值的计算函数为：
其中，sorfeaval表示分割区域的排序特征值，δ表示设定的权重，δ∈（0,1），pixset表示分割区域的像素点的集合，grayvali 为像素点i的灰度值，nfpixset为pixset中的像素点的总数，grayvri表示预设的灰度值方差，typnum表示分割区域中的灰度值的类型的总数，numj表示灰度值为j的像素点的数量，numvri表示预设的数量。
2.根据权利要求1所述的通信链路的运维管理系统，其特征在于，还包括无人机模块；无人机模块用于对通信链路进行拍摄，获得通信链路的图像；
以及用于获取拍摄时的拍摄距离。
3.根据权利要求2所述的通信链路的运维管理系统，其特征在于，还包括传输模块；
无人机模块还用于将通信链路的图像发送至传输模块；
传输模块用于将通信链路的图像和对应的拍摄距离发送至云计算模块。
4.根据权利要求1所述的通信链路的运维管理系统，其特征在于，还包括运维终端；云计算模块还包括传输单元；
传输单元用于将状态结果发送至运维终端；
运维终端用于显示状态结果。
5.根据权利要求2所述的通信链路的运维管理系统，其特征在于，对通信链路的图像进行分割计算，得到多个分割区域，包括：计算横向参考长度translen：，计算纵向参考长度lonlen：/>其中，shodist表示无人机模块对通信链路进行拍摄时的拍摄距离，bsedist表示设定的标准拍摄距离，bsetrlen表示设定的第一长度，bselolen表示设定的第二长度，bsetrlen大于bselolen；计算分割区域的列数numfcol：/>，计算分割区域的行数numfrow：/>numpxcol表示通信链路的图像的像素点的列数，numpxrow表示通信链路的图像的像素点的行数；
将通信链路的图像分割为numfcol×numfrow个大小相同的分割区域。
6.根据权利要求2所述的通信链路的运维管理系统，其特征在于，拍摄距离由无人机模块上携带的激光对焦装置获得。
7.根据权利要求1所述的通信链路的运维管理系统，其特征在于，通信链路的状态结果为状态正常或状态异常。
CN202311124160.2A 2023-09-01 2023-09-01 通信链路的运维管理系统 Active CN116846789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311124160.2A CN116846789B (zh) 2023-09-01 2023-09-01 通信链路的运维管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311124160.2A CN116846789B (zh) 2023-09-01 2023-09-01 通信链路的运维管理系统

Publications (2)

Publication Number Publication Date
CN116846789A CN116846789A (zh) 2023-10-03
CN116846789B true CN116846789B (zh) 2023-11-14

Family

ID=88163831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311124160.2A Active CN116846789B (zh) 2023-09-01 2023-09-01 通信链路的运维管理系统

Country Status (1)

Country Link
CN (1) CN116846789B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152687B (zh) * 2023-10-31 2024-01-26 中国通信建设第三工程局有限公司 一种通信线路状态监测系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989600A (zh) * 2015-11-13 2016-10-05 云南电网有限责任公司昭通供电局 基于特征点分布统计的配电网设备外观检测方法及系统
CN106295655A (zh) * 2016-08-03 2017-01-04 国网山东省电力公司电力科学研究院 一种用于无人机巡检图像的输电线路部件自动提取方法
CN107103298A (zh) * 2017-04-21 2017-08-29 桂林电子科技大学 基于图像处理的引体向上计数系统及计数方法
CN110956078A (zh) * 2019-10-09 2020-04-03 中国人民解放军战略支援部队信息工程大学 一种电力线检测方法及装置
CN111339882A (zh) * 2020-02-19 2020-06-26 山东大学 基于实例分割的输电线路隐患检测方法
CN112101182A (zh) * 2020-09-10 2020-12-18 哈尔滨市科佳通用机电股份有限公司 一种基于改进slic方法的铁路货车地板破损故障识别方法
CN112395972A (zh) * 2020-11-16 2021-02-23 中国科学院沈阳自动化研究所 一种基于无人机图像处理的电力系统绝缘子串识别方法
CN112750135A (zh) * 2020-12-31 2021-05-04 成都信息工程大学 一种无人机倾斜摄影测量像控点优化方法及系统
CN112949398A (zh) * 2021-01-29 2021-06-11 成都安智杰科技有限公司 车道线检测方法、测距方法及对应装置
WO2021155246A1 (en) * 2020-01-31 2021-08-05 Hover Inc. Techniques for enhanced image capture using a computer-vision network
CN113592861A (zh) * 2021-09-27 2021-11-02 江苏中云筑智慧运维研究院有限公司 一种基于动态阈值的桥梁裂缝检测方法
CN113989688A (zh) * 2021-10-29 2022-01-28 国网新疆电力有限公司喀什供电公司 基于紫外无人机5g云高压线路故障精准定位系统及方法
CN115937186A (zh) * 2022-12-29 2023-04-07 上海众鉴质量技术有限公司 一种纺织品缺陷识别方法及系统
CN116524196A (zh) * 2023-06-21 2023-08-01 南方电网数字平台科技(广东)有限公司 一种基于图像识别技术的输电线智能检测系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4416039B2 (ja) * 2008-03-19 2010-02-17 日本電気株式会社 縞模様検知システム、縞模様検知方法および縞模様検知用プログラム
US9248832B2 (en) * 2014-01-30 2016-02-02 Mobileye Vision Technologies Ltd. Systems and methods for detecting traffic signal details

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989600A (zh) * 2015-11-13 2016-10-05 云南电网有限责任公司昭通供电局 基于特征点分布统计的配电网设备外观检测方法及系统
CN106295655A (zh) * 2016-08-03 2017-01-04 国网山东省电力公司电力科学研究院 一种用于无人机巡检图像的输电线路部件自动提取方法
CN107103298A (zh) * 2017-04-21 2017-08-29 桂林电子科技大学 基于图像处理的引体向上计数系统及计数方法
CN110956078A (zh) * 2019-10-09 2020-04-03 中国人民解放军战略支援部队信息工程大学 一种电力线检测方法及装置
WO2021155246A1 (en) * 2020-01-31 2021-08-05 Hover Inc. Techniques for enhanced image capture using a computer-vision network
CN111339882A (zh) * 2020-02-19 2020-06-26 山东大学 基于实例分割的输电线路隐患检测方法
CN112101182A (zh) * 2020-09-10 2020-12-18 哈尔滨市科佳通用机电股份有限公司 一种基于改进slic方法的铁路货车地板破损故障识别方法
CN112395972A (zh) * 2020-11-16 2021-02-23 中国科学院沈阳自动化研究所 一种基于无人机图像处理的电力系统绝缘子串识别方法
CN112750135A (zh) * 2020-12-31 2021-05-04 成都信息工程大学 一种无人机倾斜摄影测量像控点优化方法及系统
CN112949398A (zh) * 2021-01-29 2021-06-11 成都安智杰科技有限公司 车道线检测方法、测距方法及对应装置
CN113592861A (zh) * 2021-09-27 2021-11-02 江苏中云筑智慧运维研究院有限公司 一种基于动态阈值的桥梁裂缝检测方法
CN113989688A (zh) * 2021-10-29 2022-01-28 国网新疆电力有限公司喀什供电公司 基于紫外无人机5g云高压线路故障精准定位系统及方法
CN115937186A (zh) * 2022-12-29 2023-04-07 上海众鉴质量技术有限公司 一种纺织品缺陷识别方法及系统
CN116524196A (zh) * 2023-06-21 2023-08-01 南方电网数字平台科技(广东)有限公司 一种基于图像识别技术的输电线智能检测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A method for detecting power lines in UAV aerial images;Xiong Liu;《IEEE》;全文 *
基于直线和区域特征的遥感影像线状目标检测;梅天灿, 李德仁, 秦前清;武汉大学学报(信息科学版)(08);全文 *
遥感图像中直线特征的提取及其在目标识别中的应用;张洪丰;《中国优秀硕士学位论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN116846789A (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
CN111353413B (zh) 一种输电设备低漏报率缺陷识别方法
CN116846789B (zh) 通信链路的运维管理系统
CN108038422B (zh) 摄像装置、人脸识别的方法及计算机可读存储介质
CN110705405B (zh) 目标标注的方法及装置
CN110084165B (zh) 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法
EP2568438A2 (en) Image defogging method and system
EP3725084A1 (en) Deep learning on image frames to generate a summary
CN111767915A (zh) 车牌检测方法、装置、设备及存储介质
CN112906492A (zh) 视频场景处理方法、装置、设备及介质
CN113657370B (zh) 一种文字识别方法及其相关设备
EP3800443B1 (en) Database construction method, positioning method and relevant device therefor
CN115100552A (zh) 一种无人机遥感图像实时语义分割方法、介质以及设备
CN114648709A (zh) 一种确定图像差异信息的方法与设备
CN113160250A (zh) 一种基于ads-b位置先验的机场场面监控视频目标分割方法
CN112819834A (zh) 基于人工智能的胃部病理图像的分类方法和装置
CN109447911B (zh) 图像复原的方法、装置、存储介质和终端设备
CN111104965A (zh) 车辆目标识别的方法及装置
CN115861755A (zh) 特征融合方法、装置、电子设备及自动驾驶车辆
CN115222939A (zh) 一种图像识别方法、装置、设备以及存储介质
CN114549962A (zh) 一种园林植物叶病分类方法
CN112861135A (zh) 基于注意力机制的恶意代码检测方法
CN113269150A (zh) 基于深度学习的车辆多属性识别的系统及方法
CN109598212B (zh) 一种人脸检测方法及装置
CN111833372B (zh) 一种前景目标提取方法及装置
CN113743394B (zh) 一种标签中字符的检测方法、装置、设备及可读介质

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