CN116883866A - 输电线路异物检测方法、电子设备及计算机可读存储介质 - Google Patents
输电线路异物检测方法、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116883866A CN116883866A CN202310354317.4A CN202310354317A CN116883866A CN 116883866 A CN116883866 A CN 116883866A CN 202310354317 A CN202310354317 A CN 202310354317A CN 116883866 A CN116883866 A CN 116883866A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- power transmission
- image
- preset
- identified
- 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 196
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 25
- 230000035772 mutation Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 241000127225 Enceliopsis nudicaulis Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/757—Matching configurations of points or features
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于电力技术领域,提供了输电线路异物检测方法、装置及电子设备。该输电线路异物检测方法通过无人机在预设位置采集包含待检测输电线路的待识别图像,之后对待识别图像进行二值化处理,得到包含输电线路区域的二值化图像。根据该输电线路区域的边界线的边界特征,与预设边界特征进行匹配即可以确定输电线路上是否附着有异物。上述输电线路异物检测方法,通过输电线路区域的边界特征即可以实现对输电线路上的异物进行检测,不需要采用负责的神经网络模型,检测效率较高。
Description
技术领域
本申请属于电力技术领域,尤其涉及输电线路异物检测方法、装置及电子设备。
背景技术
附着在输电线路上的异物容易造成线路短路,从而引发跳闸等事故,所以对输电线路上的异物等进行清理是配电路线路维护必不可少的,而清理过程中对异物的检测是清扫过程的首要条件。
但是,由于输电线路分布特别广泛,再加上输电线路上附着的异物可能涉及的种类复杂多样,这便使得对异物的检测变得比较困难。因此,有必要设计一种输电线路异物检测方法,来提高对输电线路上附着的异物的检测效率。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了输电线路异物检测方法、装置及电子设备。
本申请是通过如下技术方案实现的:
第一方面,本申请实施例提供了一种输电线路异物检测方法,包括:获取包含待检测输电线路的待识别图像,所述待识别图像通过无人机在预设位置进行采集得到;对所述待识别图像进行二值化处理,得到二值化图像,所述二值化图像中包含输电线路区域,所述二值化图像包括多个第一灰度值的第一像素点和第二灰度值的第二像素点,由述第一像素点组成的区域中包含所述输电线路区域;获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物。
上述输电线路异物检测方法,通过无人机在预设位置采集包含待检测输电线路的待识别图像,之后对待识别图像进行二值化处理,得到包含输电线路区域的二值化图像。根据该输电线路区域的边界线的边界特征,与预设边界特征进行匹配即可以确定输电线路上是否附着有异物。上述输电线路异物检测方法,通过输电线路区域的边界特征即可以实现对输电线路上的异物进行检测,不需要采用负责的神经网络模型,检测效率较高。
结合第一方面,在一些实施例中,所述对所述待识别图像进行二值化处理,得到二值化图像,包括:采用预设大小的扫描窗对所述待识别图像进行扫描;若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,小于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第一灰度值;若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,大于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第二灰度值;对于所述待识别图像中最外圈的像素点,将该像素点的灰度值与灰度阈值比较,若该像素点的灰度值大于或等于所述灰度阈值,则将该像素点的灰度值设置为第二灰度值;若该像素点的灰度值小于所述灰度阈值,则将该像素点的灰度值设置为第一灰度值。
结合第一方面,在一些实施例中,所述灰度阈值基于采集所述待识别图像的时间和云量确定,每对时间和云量对应一个灰度阈值;其中,每对时间和云量对应的太阳光照越强,灰度阈值越小;每对时间和云量对应的太阳光照越弱,灰度阈值越大。
结合第一方面,在一些实施例中,确定所述输电线路区域的过程包括:确定灰度值为第二灰度值的像素点所构成的多个目标区域;根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域。
结合第一方面,在一些实施例中,电杆对应第一预设像素尺寸、第一预设形状,输电线路对应第二预设像素尺寸、第二预设形状,所述电杆与所述输电线路支架之间的角度为预设角度。所述根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域,包括:将各个目标区域的尺寸与所述第一预设尺寸和所述第二预设尺寸对比,将各个目标区域的形状与所述第一预设形状和所述第二预设形状对比,确定电杆对应的第一目标区域和输电线路对应的第二目标区域;确定所述第一目标区域与所述第二目标区域之间的角度,若该角度等于所述预设角度,则确定所述第二目标区域为输电线路对应的区域。
结合第一方面,在一些实施例中,所述确定所述第一目标区域与所述第二目标区域之间的角度,包括:获取无人机的拍摄位置及拍摄角度;根据所述拍摄位置及所述拍摄角度,查找与所述拍摄位置及所述拍摄角度对应的预设角度,确定电杆和输电线路之间的角度信息,所述预设角度为在所述拍摄位置和所述拍摄角度下电杆与输电线路之间的理论角度。
结合第一方面,在一些实施例中,所述获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物,包括:确定所述输电线路区域的边界线的边界特征,所述边界特征包括:边界线呈直线状,边界线呈圆滑曲线状,边界线呈存在突变的直线状或曲线状;若所述边界特征表征所述输电线路区域的边界线呈直线状或圆滑曲线状,则确定所述输电线路无附着异物;若所述边界特征表征所述输电线路区域的边界线呈存在突变的直线状或曲线状,则确定所述输电线路上附着有异物,并根据突变部分的形状确定异物的类别。
结合第一方面,在一些实施例中,在对所述待识别图像进行二值化处理之前,所述方法还包括对所述待识别图像进行缩放。所述对所述待识别图像进行缩放,包括:将所述待识别图像转换为灰度图;提取所述灰度图中预设行和预设列所对应的像素点;按照提取出的各个像素点在原图中的位置关系,将提取出的各个像素点组合生成新的待识别图像。
第二方面,本申请实施例提供了一种输电线路异物检测装置,包括图像获取模块、二值化处理模块和异物识别模块。图像获取模块用于获取包含待检测输电线路的待识别图像,所述待识别图像通过无人机在预设位置进行采集得到。二值化处理模块用于对所述待识别图像进行二值化处理,得到二值化图像,所述二值化图像中包含输电线路区域,所述二值化图像包括多个第一灰度值的第一像素点和第二灰度值的第二像素点,由述第一像素点组成的区域中包含所述输电线路区域。异物识别模块用于获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物。
第三方面,本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述的输电线路异物检测方法。
第四方面,本申请实施例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程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的输电线路异物检测方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面中任一项所述的输电线路异物检测方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的输电线路异物检测方法的流程示意图;
图2是本申请一实施例提供的电杆和输电线路示意图;
图3是本申请一实施例提供的输电线路异物检测方法的流程示意图;
图4是本申请一实施例提供的扫描窗扫描待识别图像的场景示意图;
图5是本申请一实施例提供的扫描窗对应的像素点的示意图;
图6是本申请一实施例提供的电杆与输电线路之间的角度示意图;
图7是本申请实施例提供的输电线路异物检测方法的流程示意图;
图8(a)和8(b)是本申请实施例提供的输电线路区域的边界线的示意图;
图9(a)和9(b)是本申请实施例提供的图像缩放的场景示意图;
图10是本申请实施例提供的输电线路异物检测装置的结构示意图;
图11是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
以下对本申请的输电线路异物检测方法进行详细说明。
图1是本申请一实施例提供的输电线路异物检测方法的示意性流程图,参照图1,对该输电线路异物检测方法的详述如下:
步骤101,获取包含待检测输电线路的待识别图像,所述待识别图像通过无人机在预设位置进行采集得到。
其中,待识别图像可以为通过无人机携带的摄像头采集到的。一种场景中,可以控制无人机运动至预设位置,然后采集包含待检测输电线路和电杆的待识别图像,如图2所示。
示例性的,预设位置可以基于输电线路所处地理位置及周边环境确定,以尽量减少待识别图像中背景对检测结果的影响。一种场景中,无人机可以运动至电杆预设方位和预设距离的位置,然后以预设拍摄角度(仰拍或俯拍等)采集包含待检测输电线路的待识别图像。
一些实施例中,可以在电杆上设置多个第一感应装置,在无人机上设置一个第二感应装置,通过以上的感应装置,来确定无人机相对于电杆的方位和距离,从而确定无人机所处的位置。
一种场景中,上述多个第一感应装置可以为四个,四个第一感应装置不设置在同一平面上。在无人机飞临电杆后,第二感应装置可以向外发送信号,四个第一感应装置感应该信号。之后,基于四个第一感应装置感应该信号的时间等信息,根据相关算法确定第二感应装置相对于四个第一感应装置的位置,即可以得到无人机相对于电杆的方位和距离等信息。电杆的具体地理位置为已知信息,可以通过相应手段获取。
又一种场景中,上述多个第一感应装置可以为三个,三个第一感应装置可以位于同一水平面上。在无人机飞临电杆后,第二感应装置可以向外发送信号,三个第一感应装置感应该信号。之后,基于三个第一感应装置感应该信号的时间等信息,根据相关算法确定第二感应装置相对于三个第一感应装置的两个位置,该两个位置相对于三个第一感应装置所在的水平面上下对称。之后,再结合无人机所在的高度,即可以得到无人机相对于电杆的方位和距离等信息。
步骤102,对所述待识别图像进行二值化处理,得到二值化图像,所述二值化图像中包含输电线路区域。
其中,所述二值化图像包括多个第一灰度值的第一像素点和第二灰度值的第二像素点,由述第一像素点组成的区域中包含所述输电线路区域。
例如,二值化图像可以由灰度为255的第一像素点和灰度为0的第二像素点构成,构成输电线路区域和电杆区域的像素点可以为第一像素点。需要说明的是,构成输电线路区域和电杆区域的像素点的灰度值为255仅为示例性说明,本领域技术人员还可以将构成输电线路区域和电杆区域的像素点的灰度值设置为0,即将第一灰度值设置为0,将第二灰度值设置为255,对此不予限定。
一些实施例中,步骤102的实现过程可以包括步骤201至步骤204。参见图3,详述如下:
步骤201,采用预设大小的扫描窗对所述待识别图像进行扫描。
其中,扫描窗的大小也可以为n*m个像素点的大小,n为大于或等于3的整数,m为大于或等于3的整数,n和m可以相同也可以不同。
参见图4,示例性的,扫描窗的大小可以为3*3个像素点的大小,通过一个大小为3*3个像素点的扫描窗对待识别图像进行扫描。扫描过程可以为:将扫描窗分为上中下三部分,扫描窗中部与待识别图像中的第1行像素点对齐,之后从第1个像素点开始,逐个对第1行像素点中的各个像素点进行扫描,之后对下一行的像素点进行扫描。
步骤202,若所述待识别图像中与所述扫描窗中心对应的像素点的亮度值,小于或等于周围像素点的亮度值,则将所述扫描窗中心对应的像素点的灰度值设置为第一灰度值。
步骤203,若所述待识别图像中与所述扫描窗中心对应的像素点的亮度值,大于周围像素点的亮度值,则将所述扫描窗中心对应的像素点的灰度值设置为第二灰度值。
参见图5,以扫描窗为3*3个像素点的大小为例进行说明,粗线框为扫描窗,位于扫描窗中的像素点1至像素点9为扫描窗覆盖的9个像素点,即此时扫描窗正在扫描待识别图像中的像素点9。假定像素点1至像素点9的亮度值分别为l1至l9,若像素点5的亮度值l5均小于或等于其他八个像素点的灰度值,则将像素点5的灰度值设置为第一灰度值,例如255。若像素点5的亮度值l5小于或等于其他八个像素点的亮度值,则将像素点5的灰度值设置为第e二灰度值,例如0。
考虑到输电线路位于户外,大部分时间位于阳光光线的照射中,基于此采集到的待识别图像很可能也收到阳光光线的影响,例如待识别图像中输电线路的部分区域光线照射较强,部分区域光线照射较弱,即光线对输电线路的照射不均衡。因此,如果采用一个灰度阈值将所有像素点进行二值化,则得到的二值化图像很可能会失真,无法准确地进行输电线路区域识别。发明人对于这一技术问题,采用扫描窗对待识别图像中的像素点进行逐个扫描对比,来设置各个像素点的灰度值为第一灰度值或第二灰度值,从而来消除光线照射不均衡带来的影响。
示例性的,可以根据无人机采集待识别图像的时间和云量等信息,确定待识别图像中是否会存在光线照射不均衡的情况。
例如,时间可以分为三个阶段,第一个阶段为早晨,此时太阳光线较弱,基本不存在上述光线照射不均衡的情况;第二个阶段为傍晚及夜晚,此时太阳光线较弱,基本不存在上述光线照射不均衡的情况;第三个阶段为太阳光线较好的阶段,大概率存在上述光线照射不均衡的情况。
例如,云量可以基于当时的天气情况确定,若当时为晴天,则确定云量较少,大概率存在上述光线照射不均衡的情况;若当时为多云、阴天、雨雪等天气,则确定云量较多,基本不存在上述光线照射不均衡的情况。
若确定存在上述光线照射不均衡的情况,则可以执行步骤201至步骤203对待识别图像进行二值化处理。若确定不存在上述光线照射不均衡的情况,则可以采用一个灰度阈值对待识别图像的各个像素点进行二值化处理。
步骤204,对于所述待识别图像中最外圈的像素点,将该像素点的灰度值与灰度阈值比较,若该像素点的灰度值大于或等于所述灰度阈值,则将该像素点的灰度值设置为第二灰度值;若该像素点的灰度值小于所述灰度阈值,则将该像素点的灰度值设置为第一灰度值。
其中,采用步骤201至步骤203的方法对待识别图像进行二值化,可能会导致最外围的像素点未被进行二值化处理。基于此,可以采用一个灰度阈值对该最外围的像素点进行二值化处理。
示例性的,上述灰度阈值可以基于采集所述待识别图像的时间和云量确定,每对时间和云量对应一个灰度阈值。其中,每对时间和云量对应的太阳光照越强,灰度阈值越小;每对时间和云量对应的太阳光照越弱,灰度阈值越大。根据采集所述待识别图像的时间和云量确定灰度阈值,能够进一步减少较强光线照射带来的影响。
例如,时间可以分为三个阶段,第一个阶段为早晨,此时太阳光线较弱,对应的灰度阈值可以较大,例如大于127;第二个阶段为傍晚及夜晚,此时太阳光线较弱,对应的灰度阈值可以较大,例如大于127;第三个阶段为太阳光线较好的阶段,对应的灰度阈值可以相对小一些,例如小于127。
例如,云量可以基于当时的天气情况确定,若当时为晴天,则确定云量较少,太阳光线较强,对应的灰度阈值可以相对小一些,例如小于127;若当时为多云、阴天、雨雪等天气,则确定云量较多,太阳光线较弱,对应的灰度阈值可以相对大一些,例如大于127。
需要说明的是,步骤204可以与步骤201并行执行,步骤204可先于步骤201执行,或步骤204可后于步骤201执行,或步骤204可与步骤201同时执行,对此不予限定。
一些实施例中,确定输电线路区域的过程可以包括:确定灰度值为第二灰度值的像素点所构成的多个目标区域;根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域。
示例性的,在二值化图像中,电杆可以对应第一预设像素尺寸、第一预设形状,输电线路可以对应第二预设像素尺寸、第二预设形状,所述电杆与所述输电线路支架之间的角度可以为预设角度。预设像素尺寸可以为电杆或输电线路的宽度和长度对应的像素个数,预设形状可以为电杆或输电线路对应的像素点构成的形状。本实施例中,根据电杆和输电线路的这些尺寸、形状和角度等信息,可以在二值化图像中识别出电杆和输电线路。
示例性的,上述根据所述多个目标区域的尺寸、形状及相互之间的角度,确定输电线路区域,可以包括:将各个目标区域的尺寸与所述第一预设尺寸和所述第二预设尺寸对比,将各个目标区域的形状与所述第一预设形状和所述第二预设形状对比,确定电杆对应的第一目标区域和输电线路对应的第二目标区域;确定所述第一目标区域与所述第二目标区域之间的角度,若该角度等于所述预设角度,则确定所述第二目标区域为输电线路对应的区域。
一种场景中,可以通过将各个目标区域的尺寸与第一预设尺寸和第二预设尺寸对比,可以初步筛选出电杆和输电线路特征的像素点构成的区域。之后,可以将初步筛选出的区域的形状与第一预设形状和第二预设形状对比,从而确定电杆对应的第一目标区域和输电线路对应的第二目标区域。
又一种场景中,可以通过将各个目标区域的形状与第一预设形状和第二预设形状对比,可以初步筛选出电杆和输电线路特征的像素点构成的区域。之后,可以将初步筛选出的区域的尺寸与第一预设尺寸和第二预设尺寸对比,从而确定电杆对应的第一目标区域和输电线路对应的第二目标区域。
一些实施例中,确定所述第一目标区域与所述第二目标区域之间的角度的过程可以包括:获取无人机的拍摄位置及拍摄角度;根据所述拍摄位置及所述拍摄角度,查找与所述拍摄位置及所述拍摄角度对应的预设角度,确定电杆和输电线路之间的角度信息,所述预设角度为在所述拍摄位置和所述拍摄角度下电杆与输电线路之间的理论角度。
其中,如何获取无人机的拍摄位置已在步骤101中进行说明,在此不再赘述。关于无人机的拍摄角度可以为预先设置的,例如预先设置两个拍摄角度,分别对应俯视拍摄和仰视拍摄。若无人机采集待识别图像时的高度低于输电线路的高度,则采用预先设置的与仰视拍摄对应的拍摄角度;若无人机采集待识别图像时的高度高于输电线路的高度,则采用预先设置的与俯视拍摄对应的拍摄角度。
本申请实施例中,可以预先设置多组拍摄位置、拍摄角度以及电杆和输电线路之间的角度三者之间的对应关系。即,在确定了无人机的拍摄位置和拍摄角度之后,可以通过查询上述对应关系,就可以确定与该拍摄位置和拍摄角度所对应的电杆和输电线路之间的角度,也就是图6中所示的电杆和输电线路之间的角度α。
步骤103,获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物。
参见图7,一些实施例中,步骤103的实现过程可以包括步骤301至步骤303,详述如下:
步骤301,确定所述输电线路区域的边界线的边界特征,所述边界特征包括:边界线呈直线状,边界线呈圆滑曲线状,边界线呈存在突变的直线状或曲线状。
步骤302,若所述边界特征表征所述输电线路区域的边界线呈直线状或圆滑曲线状,则确定所述输电线路无附着异物。
步骤303,若所述边界特征表征所述输电线路区域的边界线呈存在突变的直线状或曲线状,则确定所述输电线路上附着有异物,并根据突变部分的形状确定异物的类别。
参见图8(a)所示,所确定的输电线路区域的边界线呈直线状,说明该输电线路上不存在异物。如图8(b)所示,所确定的输电线路区域的边界线呈存在突变的直线状,说明该输电线路上存在异物,异物在输电线路上的位置即为突变所在输电线路上的位置。
例如,对于输电线路区域的边界线存在突变的情况,可以获取突变部分的区域大小。之后,将该突变部分的区域大小与预设的区域阈值进行比较,若该突变部分的区域大小大于或等于区域阈值,则确定该突变部分为异物;若该突变部分的区域大小小于区域阈值,则确定该突变部分不是异物。例如,可以将图像输入算法模型后,由算法模型输出输电线路是否存在异物的结果信息。算法模型可以采用标注有异物区域的图像样本进行训练。
作为举例,该区域阈值可以包括像素点的个数、区域的长度和宽度等数值。上述像素点的个数、区域的长度和宽度可以根据样本图像确定,该样本图像为输电线路存在异物的图像。
另外,本申请实施例中,还可以根据突变部分的形状确定异物的类别。例如,若该突变部分的形状与鸟类形状相同或类似,则可以确定该异物为站立在输电线路上的鸟类,对此基本不需要进行处理。若该突变部分的形状与缠绕在输电线路上的杂物的形状相同或类似,则可以确定该异物为缠绕在输电线路上的杂物。对于缠绕在输电线路上的杂物需要进行处理,可以将杂物所在位置(例如电杆编号)发送给运维终端,使得运维人员进行维护。
一些实施例中,基于图1所示的实施例,在步骤101之前,上述输电线路异物检测方法还可以包括对所述待识别图像进行缩放的步骤。通过对待识别图像进行缩放,能够在减少待识别图像分辨率也就是像素点数量的基础上,也不会影响后续的图像识别。因此,对所述待识别图像进行缩放,能够减少像素点数量,减少后续对待识别图像处理的工作量,能够提高后续对待识别图像的处理效率。
示例性的,上述对所述待识别图像进行缩放可以包括:将所述待识别图像转换为灰度图;提取所述灰度图中预设行和预设列所对应的像素点;按照提取出的各个像素点在原图中的位置关系,将提取出的各个像素点组合生成新的待识别图像。
其中,预设行可以为奇数行,或者为偶数行,或者为其他规则对应的行;预设列可以为奇数列,或者为偶数列,或者为其他规则对应的列。例如,对于靠近待识别图像边缘的行,可以每隔两行,提取一行像素点;对于靠近待识别图像中部的行,可以每隔一行,提取一行像素点。同样的,对于靠近待识别图像边缘的列,可以每隔两列,提取一列像素点;对于靠近待识别图像中部的列,可以每隔一列,提取一列像素点。
通常情况下,在靠近待识别图像边缘部分中,电杆和输电线路之外的背景内容较多,而电杆和输电线路大都比较靠近待识别图像中部,因此可以通过上述方式进一步减少缩放后图像中的像素点数,提高后续对图像进行处理的速度和效率。
参见图9(a),提取灰度图中偶数行和偶数列所对应的像素点;按照提取出的各个像素点在原图中的位置关系,将提取出的各个像素点组合生成新的待识别图像,如图9(b)所示。
上述输电线路异物检测方法,通过无人机在预设位置采集包含待检测输电线路的待识别图像,之后对待识别图像进行二值化处理,得到包含输电线路区域的二值化图像。根据该输电线路区域的边界线的边界特征,与预设边界特征进行匹配即可以确定输电线路上是否附着有异物。上述输电线路异物检测方法,通过输电线路区域的边界特征即可以实现对输电线路上的异物进行检测,不需要采用负责的神经网络模型,检测效率较高。
上述输电线路异物检测方法,可以由无人机执行,也可以由云平台或服务器执行。无人机与云平台或服务器可以构成用于输电线路异物检测的系统。用户可以通过云平台或服务器向无人机下发指令,无人机执行该指令对输电线路采集图像。之后,无人机可以将该图像发送给云平台或服务器,云平台或服务器基于该图像对输电线路进行异物检测。或者无人机可以对该图像进行处理,对输电线路进行异物检测。
另外,还可以根据历史数据对某个区域的输电线路进行重点检测。例如,对于检测到异物概率较高的输电线路提高检测频率,对于检测到异物概率较低的输电线路降低检测频率,从而能够优化资源,提高对输电线路异物检测的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的输电线路异物检测方法,图10示出了本申请实施例提供的输电线路异物检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参见图10,本申请实施例中的输电线路异物检测装置可以包括图像获取模块401、二值化处理模块402和异物检测模块403。
其中,图像获取模块401用于获取包含待检测输电线路的待识别图像,所述待识别图像通过无人机在预设位置进行采集得到。
二值化处理模块402用于对所述待识别图像进行二值化处理,得到二值化图像,所述二值化图像中包含输电线路区域,所述二值化图像包括多个第一灰度值的第一像素点和第二灰度值的第二像素点,由述第一像素点组成的区域中包含所述输电线路区域。
异物检测模块403用于获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物。
可选的,二值化处理模块402可以用于:采用预设大小的扫描窗对所述待识别图像进行扫描;若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,小于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第一灰度值;若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,大于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第二灰度值;对于所述待识别图像中最外圈的像素点,将该像素点的灰度值与灰度阈值比较,若该像素点的灰度值大于或等于所述灰度阈值,则将该像素点的灰度值设置为第二灰度值;若该像素点的灰度值小于所述灰度阈值,则将该像素点的灰度值设置为第一灰度值。
可选的,所述灰度阈值基于采集所述待识别图像的时间和云量确定,每对时间和云量对应一个灰度阈值;其中,每对时间和云量对应的太阳光照越强,灰度阈值越小;每对时间和云量对应的太阳光照越弱,灰度阈值越大。
可选的,确定所述输电线路区域的过程包括:确定灰度值为第二灰度值的像素点所构成的多个目标区域;根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域。
可选的,电杆对应第一预设像素尺寸、第一预设形状,输电线路对应第二预设像素尺寸、第二预设形状,所述电杆与所述输电线路支架之间的角度为预设角度。
所述根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域,包括:将各个目标区域的尺寸与所述第一预设尺寸和所述第二预设尺寸对比,将各个目标区域的形状与所述第一预设形状和所述第二预设形状对比,确定电杆对应的第一目标区域和输电线路对应的第二目标区域;确定所述第一目标区域与所述第二目标区域之间的角度,若该角度等于所述预设角度,则确定所述第二目标区域为输电线路对应的区域。
可选的,上述确定所述第一目标区域与所述第二目标区域之间的角度,包括:获取无人机的拍摄位置及拍摄角度;根据所述拍摄位置及所述拍摄角度,查找与所述拍摄位置及所述拍摄角度对应的预设角度,确定电杆和输电线路之间的角度信息,所述预设角度为在所述拍摄位置和所述拍摄角度下电杆与输电线路之间的理论角度。
可选的,异物检测模块403具体可以用于:确定所述输电线路区域的边界线的边界特征,所述边界特征包括:边界线呈直线状,边界线呈圆滑曲线状,边界线呈存在突变的直线状或曲线状;若所述边界特征表征所述输电线路区域的边界线呈直线状或圆滑曲线状,则确定所述输电线路无附着异物;若所述边界特征表征所述输电线路区域的边界线呈存在突变的直线状或曲线状,则确定所述输电线路上附着有异物,并根据突变部分的形状确定异物的类别。
可选的,上述输电线路异物检测装置还可以包括图像缩放模块,图像缩放模块用于:将所述待识别图像转换为灰度图,提取所述灰度图中预设行和预设列所对应的像素点,按照提取出的各个像素点在原图中的位置关系,将提取出的各个像素点组合生成新的待识别图像,使得二值化处理模块402对该新的待识别图像进行二值化处理。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种电子设备,参见图11,该电子设备500可以包括:至少一个处理器510和存储器520,所述存储器520中存储有可在所述至少一个处理器510上运行的计算机程序,所述处理器510执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图1所示实施例中的步骤101至步骤103。或者,处理器510执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图10所示模块401至403的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器520中,并由处理器510执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在电子设备500中的执行过程。
本领域技术人员可以理解,图11仅仅是电子设备的示例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器510可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器520可以是电子设备的内部存储单元,也可以是电子设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器520用于存储所述计算机程序以及电子设备所需的其他程序和数据。所述存储器520还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的输电线路异物检测方法可以应用于无人机、服务器、云平台、计算机、可穿戴设备、车载设备、平板电脑、笔记本电脑、上网本、个人数字助理(personaldigital assistant,PDA)、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、手机等电子设备上,本申请实施例对电子设备的具体类型不作任何限制。
本申请实施例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程序,所述计算机程序被处理器执行时实现可实现上述输电线路异物检测方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述输电线路异物检测方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种输电线路异物检测方法,其特征在于,包括:
获取包含待检测输电线路的待识别图像,所述待识别图像通过无人机在预设位置进行采集得到;
对所述待识别图像进行二值化处理,得到二值化图像,所述二值化图像中包含输电线路区域,所述二值化图像包括多个第一灰度值的第一像素点和第二灰度值的第二像素点,由述第一像素点组成的区域中包含所述输电线路区域;
获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物。
2.如权利要求1所述的输电线路异物检测方法,其特征在于,所述对所述待识别图像进行二值化处理,得到二值化图像,包括:
采用预设大小的扫描窗对所述待识别图像进行扫描;
若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,小于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第一灰度值;
若所述待识别图像中与所述扫描窗中部对应的像素点的灰度值,大于周围部分像素点的灰度值,则将所述扫描窗中部对应的像素点的灰度值设置为第二灰度值;
对于所述待识别图像中最外圈的像素点,将该像素点的灰度值与灰度阈值比较,若该像素点的灰度值大于或等于所述灰度阈值,则将该像素点的灰度值设置为第二灰度值;若该像素点的灰度值小于所述灰度阈值,则将该像素点的灰度值设置为第一灰度值。
3.如权利要求2所述的输电线路异物检测方法,其特征在于,所述灰度阈值基于采集所述待识别图像的时间和云量确定,每对时间和云量对应一个灰度阈值;
其中,每对时间和云量对应的太阳光照越强,灰度阈值越小;每对时间和云量对应的太阳光照越弱,灰度阈值越大。
4.如权利要求2所述的输电线路异物检测方法,其特征在于,确定所述输电线路区域的过程包括:
确定灰度值为第二灰度值的像素点所构成的多个目标区域;
根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域。
5.如权利要求4所述的输电线路异物检测方法,其特征在于,电杆对应第一预设像素尺寸、第一预设形状,输电线路对应第二预设像素尺寸、第二预设形状,所述电杆与所述输电线路支架之间的角度为预设角度;
所述根据所述多个目标区域的尺寸、形状及相互之间的角度,确定所述输电线路区域,包括:
将各个目标区域的尺寸与所述第一预设尺寸和所述第二预设尺寸对比,将各个目标区域的形状与所述第一预设形状和所述第二预设形状对比,确定电杆对应的第一目标区域和输电线路对应的第二目标区域;
确定所述第一目标区域与所述第二目标区域之间的角度,若该角度等于所述预设角度,则确定所述第二目标区域为输电线路对应的区域。
6.如权利要求5所述的输电线路异物检测方法,其特征在于,所述确定所述第一目标区域与所述第二目标区域之间的角度,包括:
获取无人机的拍摄位置及拍摄角度;
根据所述拍摄位置及所述拍摄角度,查找与所述拍摄位置及所述拍摄角度对应的预设角度,确定电杆和输电线路之间的角度信息,所述预设角度为在所述拍摄位置和所述拍摄角度下电杆与输电线路之间的理论角度。
7.如权利要求1所述的输电线路异物检测方法,其特征在于,所述获取所述输电线路区域的边界线的边界特征,根据所述边界特征与预设边界特征确定所述输电线路是否附着有异物,包括:
确定所述输电线路区域的边界线的边界特征,所述边界特征包括:边界线呈直线状,边界线呈圆滑曲线状,边界线呈存在突变的直线状或曲线状;
若所述边界特征表征所述输电线路区域的边界线呈直线状或圆滑曲线状,则确定所述输电线路无附着异物;
若所述边界特征表征所述输电线路区域的边界线呈存在突变的直线状或曲线状,则确定所述输电线路上附着有异物,并根据突变部分的形状确定异物的类别。
8.如权利要求1所述的输电线路异物检测方法,其特征在于,在对所述待识别图像进行二值化处理之前,所述方法还包括对所述待识别图像进行缩放;
所述对所述待识别图像进行缩放,包括:
将所述待识别图像转换为灰度图;
提取所述灰度图中预设行和预设列所对应的像素点;
按照提取出的各个像素点在原图中的位置关系,将提取出的各个像素点组合生成新的待识别图像。
9.一种电子设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354317.4A CN116883866A (zh) | 2023-04-04 | 2023-04-04 | 输电线路异物检测方法、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354317.4A CN116883866A (zh) | 2023-04-04 | 2023-04-04 | 输电线路异物检测方法、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116883866A true CN116883866A (zh) | 2023-10-13 |
Family
ID=88255585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310354317.4A Pending CN116883866A (zh) | 2023-04-04 | 2023-04-04 | 输电线路异物检测方法、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883866A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152421A (zh) * | 2023-10-31 | 2023-12-01 | 南方电网数字电网研究院有限公司 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
-
2023
- 2023-04-04 CN CN202310354317.4A patent/CN116883866A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152421A (zh) * | 2023-10-31 | 2023-12-01 | 南方电网数字电网研究院有限公司 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
CN117152421B (zh) * | 2023-10-31 | 2024-03-22 | 南方电网数字电网研究院股份有限公司 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10650236B2 (en) | Road detecting method and apparatus | |
CN110378297B (zh) | 基于深度学习的遥感图像目标检测方法、装置、及存储介质 | |
CN109631848B (zh) | 输电线路异物入侵检测系统和检测方法 | |
CN110363211B (zh) | 检测网络模型和目标检测方法 | |
CN109413411B (zh) | 一种监控线路的黑屏识别方法、装置及服务器 | |
CN111275036A (zh) | 目标检测方法、装置、电子设备及计算机可读存储介质 | |
CN109447074A (zh) | 一种车牌识别方法及终端设备 | |
CN116883866A (zh) | 输电线路异物检测方法、电子设备及计算机可读存储介质 | |
CN112784834A (zh) | 一种自然场景下的车牌自动识别方法 | |
CN113658192A (zh) | 一种多目标行人的轨迹获取方法、系统、装置及介质 | |
CN115294483A (zh) | 输电线路复杂场景的小目标识别方法及系统 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN111783732A (zh) | 团雾识别方法、装置、电子设备及存储介质 | |
CN116246308A (zh) | 基于视觉识别的多目标跟踪预警方法、装置及终端设备 | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN111311573B (zh) | 枝条确定方法、装置及电子设备 | |
CN117409083A (zh) | 一种基于红外图像和改进yolov5的电缆终端识别方法及装置 | |
CN112528994A (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别系统 | |
CN115082504B (zh) | 一种太阳能光伏板光斑识别方法 | |
EP3800575A1 (en) | Visual camera-based method for identifying edge of self-shadowing object, device, and vehicle | |
CN115272262A (zh) | 室外绝缘子表面缺陷识别方法、装置及电子设备 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
Mutholib et al. | Optimization of ANPR algorithm on Android mobile phone | |
CN110471056B (zh) | 一种虚警信息判断方法、装置及终端设备 |
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 |