CN117129809A - 一种基于无人机载多光成像技术的电力故障诊断方法 - Google Patents

一种基于无人机载多光成像技术的电力故障诊断方法 Download PDF

Info

Publication number
CN117129809A
CN117129809A CN202311101731.0A CN202311101731A CN117129809A CN 117129809 A CN117129809 A CN 117129809A CN 202311101731 A CN202311101731 A CN 202311101731A CN 117129809 A CN117129809 A CN 117129809A
Authority
CN
China
Prior art keywords
light camera
camera
light
module
horizontal
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
Application number
CN202311101731.0A
Other languages
English (en)
Other versions
CN117129809B (zh
Inventor
卢航
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.)
Shanghai Zihong Photoelectric Technology Co ltd
Original Assignee
Shanghai Zihong Photoelectric Technology 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 Shanghai Zihong Photoelectric Technology Co ltd filed Critical Shanghai Zihong Photoelectric Technology Co ltd
Priority to CN202311101731.0A priority Critical patent/CN117129809B/zh
Publication of CN117129809A publication Critical patent/CN117129809A/zh
Application granted granted Critical
Publication of CN117129809B publication Critical patent/CN117129809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及一种基于无人机载多光成像技术的电力故障诊断方法，属于电力测量技术领域。其中，该方法包括：根据测距模块获取的相机距离对多光相机进行水平绝对校正、水平相对校正、垂直绝对校正和垂直相对校正，分别获取可见光模块、红外模块和紫外模块拍摄的图像，解析raw格式的温度图像和jpg格式的放电图像，将温度信息和放电信息在可见光jpg格式图像上显示，对光子计数使用修正公式得到归一化光子计数，将归一化光子计数与预设的放电强度等级分类规则比较，将红外温度与预设的红外发热强度分类规则比较，得到紫外红外融合诊断结果。实现了轻量化集成化的电力测量，提高了电力故障诊断的工作效率，消除了光路不同带来的误差，使测量结果更精准。

Description

一种基于无人机载多光成像技术的电力故障诊断方法
技术领域
本发明属于电力测量技术领域，具体涉及一种基于基于无人机载多光成像技术的电力故障诊断方法。
背景技术
电力设备的热效应是多种故障和异常现象的重要原因，因此使用红外测温技术对电力设备的温度进行实时在线温度监测，是保障电力设备运行可靠的必备手段。架空输电线路、变电站及输电线路的高压设备在大气环境下运行较长时间后会出现一些结构性缺陷，或随着表面污秽的增加和环境湿度的影响绝缘性能下降，从而产生电晕或表面局部放电。紫外成像技术可以捕捉放电时产生的紫外线测量放电信息。目前电力测量仍存在以下待改进的地方：
(1)对同一电力设备的故障诊断需要测量温度、放电等不同的参数，需要使用多台设备，操作繁琐；
(2)多台设备得到的不同参数，难以在同一张图中展示，数据融合过程中容易出现误差。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种基于无人机载多光成像技术的电力故障诊断方法。本发明的方法可以通过以下步骤实现：
S1：根据测距模块获取的相机距离对多光相机进行水平绝对校正、水平相对校正、垂直绝对校正和垂直相对校正，所述相机距离为被拍摄物体所在的垂直于所述多光相机中可见光模块中心轴的平面到所述多光相机的距离；
S2：获取所述可见光模块拍摄的jpg格式图像，获取所述多光相机中红外模块拍摄的raw格式温度图像，获取所述多光相机中紫外模块拍摄的jpg格式放电图像，解析所述raw格式温度图像和所述jpg格式放电图像获取温度信息和放电信息，将所述温度信息和所述放电信息在所述可见光jpg格式图像上显示，所述温度信息包括红外温度，所述放电信息包括光子计数；
S3：对所述光子计数使用修正公式得到归一化光子计数，将所述归一化光子计数与预设的放电强度等级分类规则比较，将所述红外温度与预设的红外发热强度分类规则比较，得到紫外红外融合诊断结果。
具体地，设多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度为α，被拍摄物体所在的垂直于所述多光相机中可见光模块中心轴的平面到所述多光相机的距离为L，则两个相机拍摄到的景物的中心点，在物体所在的垂于光轴的平面的距离相差为Ltanα，设此时的可见光处在1倍变焦时的水平视场角为β，那么此时可见光在物体所在的垂直于可见光中心轴的平面上能拍摄到的最大水平范围为2Ltan(β/2)，那么中心点偏差在屏幕上所占的比例为(Ltanα)/(2Ltanβ/2)＝tanα/Ltanβ/2，这个比例是一个与距离无关的值，但与可见光相机倍率有关的值，当可见光相机的倍率从1倍增加到N倍，那么水平方向的最大成像范围将缩小N倍。所以，相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，其中，N为所述多光相机的缩放倍率，x所述多光相机的水平方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的水平视场。
所述相机距离小于5m时，根据公式得到所述多光相机的水平相对校正量，根据所述水平相对校正量对所述多光相机进行所述水平相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的水平方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
进一步地，所述相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，根据所述水平绝对校正量对所述多光相机进行所述水平绝对校正，其中，N为所述多光相机的缩放倍率，u所述多光相机的垂直方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的垂直视场。
所述相机距离小于5m时，根据公式得到所述多光相机的垂直相对校正量，根据所述水平相对校正量对所述多光相机进行所述垂直相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的垂直方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
作为一个优选方案，需要精细化测量时，对所述光子计数使用修正公式得到归一化光子计数，修正公式为：c0＝0.01c1/L-2，其中，c0为所述归一化光子计数，c1为所述光子计数，L为所述相机测试距离。
本发明的有益效果为：
(1)通过获取可见光模块拍摄的图像、红外模块拍摄的温度图像和紫外模块拍摄的放电图像，将温度信息和放电信息在同一张图片中显示，实现了轻量化集成化的电力测量，提高了电力故障诊断的工作效率；
(2)通过在不同相机距离处对多光相机进行水平绝对校正、水平相对校正、垂直绝对校正和垂直相对校正，消除了光路不同带来的误差，使测量结果更精准。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的基于无人机载多光成像技术的电力故障诊断方法的流程示意图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，一种基于无人机载多光成像技术的电力故障诊断方法，包括如下步骤：
S1：根据测距模块获取的相机距离对多光相机进行水平绝对校正、水平相对校正、垂直绝对校正和垂直相对校正，所述相机距离为被拍摄物体所在的垂直于所述多光相机中可见光模块中心轴的平面到所述多光相机的距离；
S2：获取所述可见光模块拍摄的jpg格式图像，获取所述多光相机中红外模块拍摄的raw格式温度图像，获取所述多光相机中紫外模块拍摄的jpg格式放电图像，解析所述raw格式温度图像和所述jpg格式放电图像获取温度信息和放电信息，将所述温度信息和所述放电信息在所述可见光jpg格式图像上显示，所述温度信息包括红外温度，所述放电信息包括光子计数；
S3：对所述光子计数使用修正公式得到归一化光子计数，将所述归一化光子计数与预设的放电强度等级分类规则比较，将所述红外温度与预设的红外发热强度分类规则比较，得到紫外红外融合诊断结果。
在本实施例中，以户外电缆为例，先在50m以上距离，较高缩放倍率下，调整水平绝对校正值，使紫外与可见光成像尽可能重叠，设多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度为α，被拍摄物体所在的垂直于所述多光相机中可见光模块中心轴的平面到所述多光相机的距离为L，则两个相机拍摄到的景物的中心点，在物体所在的垂于光轴的平面的距离相差为Ltanα，设此时的可见光处在1倍变焦时的水平视场角为β，那么此时可见光在物体所在的垂直于可见光中心轴的平面上能拍摄到的最大水平范围为2Ltan(β/2)，那么中心点偏差在屏幕上所占的比例为(Ltanα)/(2Ltanβ/2)＝tanα/Ltanβ/2，这个比例是一个与距离无关的值，但与可见光相机倍率有关的值，当可见光相机的倍率从1倍增加到N倍，那么水平方向的最大成像范围将缩小N倍。所以，相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，根据所述水平绝对校正量对所述多光相机进行所述水平绝对校正，其中，N为所述多光相机的缩放倍率，y所述多光相机的垂直方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的垂直视场。
在5m以下的较劲距离，较高缩放倍数下倍数下，调整水平相对校正值，使紫外与可见光成像尽可能重叠，根据公式得到所述多光相机的水平相对校正量，根据所述水平相对校正量对所述多光相机进行所述水平相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的水平方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
进一步地，所述相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，根据所述水平绝对校正量对所述多光相机进行所述水平绝对校正，其中，N为所述多光相机的缩放倍率，y所述多光相机的垂直方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的垂直视场。
所述相机距离小于5m时，根据公式得到所述多光相机的垂直相对校正量，根据所述水平相对校正量对所述多光相机进行所述垂直相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的垂直方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
作为一个优选方案，需要精细化测量时，对所述光子计数使用修正公式得到归一化光子计数，修正公式为：c0＝0.01c1/L-2，其中，c0为所述归一化光子计数，c1为所述光子计数，L为所述相机测试距离。
本实施例使用的紫外放电缺陷判断依据来自DL/T 345-2019《带电设备紫外诊断技术应用导则》，可以总结为：
其中，c0为归一化光子计数，单位(/min)。本实施例使用的红外发热缺陷诊断判断依据来自DL/T 664-2016《带电设备红外诊断应用规范》可以总结为：
其中，T为温度单位(℃)，Δ为温度变化率，综合紫外放电缺陷判断依据和红外发热缺陷诊断判断依据得到本发明的紫外红外融合诊断算法规则如下表1所示。
本实施例中的多光相机测试距离为26.6m，光子计数为3046/min，得到的缺陷类型结果为严重缺陷，处理建议为每季度跟踪检测一次。
表1
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种基于无人机载多光成像技术的电力故障诊断方法，其特征在于，包括如下步骤：
S1：根据测距模块获取的相机距离对多光相机进行水平绝对校正、水平相对校正、垂直绝对校正和垂直相对校正，所述相机距离为被拍摄物体所在的垂直于所述多光相机中可见光模块中心轴的平面到所述多光相机的距离；
S2：获取所述可见光模块拍摄的jpg格式图像，获取所述多光相机中红外模块拍摄的raw格式温度图像，获取所述多光相机中紫外模块拍摄的jpg格式放电图像，解析所述raw格式温度图像和所述jpg格式放电图像获取温度信息和放电信息，将所述温度信息和所述放电信息在所述可见光jpg格式图像上显示，所述温度信息包括红外温度，所述放电信息包括光子计数；
S3：对所述光子计数使用修正公式得到归一化光子计数，将所述归一化光子计数与预设的放电强度等级分类规则比较，将所述红外温度与预设的红外发热强度分类规则比较，得到紫外红外融合诊断结果。
2.根据权利要求1所述的方法，其特征在于，所述水平绝对校正的具体方法包括：
所述相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，根据所述水平绝对校正量对所述多光相机进行所述水平绝对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的水平方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的水平视场。
3.根据权利要求1所述的方法，其特征在于，所述水平相对校正具体包括：
所述相机距离小于5m时，根据公式得到所述多光相机的水平相对校正量，根据所述水平相对校正量对所述多光相机进行所述水平相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的水平方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
4.根据权利要求1所述的方法，其特征在于，所述垂直绝对校正的具体方法包括：
所述相机距离大于或等于50m时，根据公式得到所述多光相机的水平绝对校正量，根据所述水平绝对校正量对所述多光相机进行所述水平绝对校正，其中，N为所述多光相机的缩放倍率，y所述多光相机的垂直方向像素，α为所述多光相机中紫外模块的中心轴和红外模块的中心轴的偏差角度，β为所述多光相机在1被变焦时的垂直视场。
5.根据权利要求1所述的方法，其特征在于，所述垂直相对校正具体包括：
所述相机距离小于5m时，根据公式得到所述多光相机的垂直相对校正量，根据所述水平相对校正量对所述多光相机进行所述垂直相对校正，其中，N为所述多光相机的缩放倍率，x所述多光相机的垂直方向像素，dh为所述多光相机中紫外模块的中心轴和红外模块的中心轴的平行距离，L为所述相机距离。
6.根据权利要求1所述的方法，其特征在于，对所述光子计数使用修正公式得到归一化光子计数的修正公式为：c0＝0.01c1/L-2，其中，c0为所述归一化光子计数，c1为所述光子计数，L为所述相机测试距离。
CN202311101731.0A 2023-08-30 2023-08-30 一种基于无人机载多光成像技术的电力故障诊断方法 Active CN117129809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311101731.0A CN117129809B (zh) 2023-08-30 2023-08-30 一种基于无人机载多光成像技术的电力故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311101731.0A CN117129809B (zh) 2023-08-30 2023-08-30 一种基于无人机载多光成像技术的电力故障诊断方法

Publications (2)

Publication Number Publication Date
CN117129809A true CN117129809A (zh) 2023-11-28
CN117129809B CN117129809B (zh) 2024-04-19

Family

ID=88854191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311101731.0A Active CN117129809B (zh) 2023-08-30 2023-08-30 一种基于无人机载多光成像技术的电力故障诊断方法

Country Status (1)

Country Link
CN (1) CN117129809B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005037366A (ja) * 2003-06-24 2005-02-10 Constec Engi Co 赤外線構造物診断システム及び赤外線構造物診断方法
US20090065695A1 (en) * 2007-09-11 2009-03-12 Demarco Robert Infrared camera for locating a target using at least one shaped light source
CN104299231A (zh) * 2014-09-26 2015-01-21 北京环境特性研究所 多传感器实时图像配准方法和系统
US20150304612A1 (en) * 2014-04-18 2015-10-22 Flir Systems, Inc. Multi-sensor monitoring systems and methods
CN107015125A (zh) * 2017-02-04 2017-08-04 国网河北省电力公司电力科学研究院 一种基于红外、紫外和可见光的一体化检测方法和装置
CN109342891A (zh) * 2018-08-15 2019-02-15 国网瑞盈电力科技（北京）有限公司 一种基于红外紫外可见光图像融合的故障检测方法和装置
CN110166714A (zh) * 2019-04-11 2019-08-23 深圳市朗驰欣创科技股份有限公司 双光融合调整方法、双光融合调整装置及双光融合设备
CN111413597A (zh) * 2020-03-31 2020-07-14 北方夜视技术股份有限公司 紫外、红外与可见光一体化高压变电设备检测方法
CN113744240A (zh) * 2021-09-02 2021-12-03 优利德科技(中国)股份有限公司 红外、可见光图像的融合方法和装置、系统及储存介质
WO2022004248A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005037366A (ja) * 2003-06-24 2005-02-10 Constec Engi Co 赤外線構造物診断システム及び赤外線構造物診断方法
US20090065695A1 (en) * 2007-09-11 2009-03-12 Demarco Robert Infrared camera for locating a target using at least one shaped light source
US20150304612A1 (en) * 2014-04-18 2015-10-22 Flir Systems, Inc. Multi-sensor monitoring systems and methods
CN104299231A (zh) * 2014-09-26 2015-01-21 北京环境特性研究所 多传感器实时图像配准方法和系统
CN107015125A (zh) * 2017-02-04 2017-08-04 国网河北省电力公司电力科学研究院 一种基于红外、紫外和可见光的一体化检测方法和装置
CN109342891A (zh) * 2018-08-15 2019-02-15 国网瑞盈电力科技（北京）有限公司 一种基于红外紫外可见光图像融合的故障检测方法和装置
CN110166714A (zh) * 2019-04-11 2019-08-23 深圳市朗驰欣创科技股份有限公司 双光融合调整方法、双光融合调整装置及双光融合设备
CN111413597A (zh) * 2020-03-31 2020-07-14 北方夜视技术股份有限公司 紫外、红外与可见光一体化高压变电设备检测方法
WO2022004248A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム
CN113744240A (zh) * 2021-09-02 2021-12-03 优利德科技(中国)股份有限公司 红外、可见光图像的融合方法和装置、系统及储存介质

Also Published As

Publication number Publication date
CN117129809B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN102148965B (zh) 多目标跟踪特写拍摄视频监控系统
CN111524197B (zh) 一种Microled或Miniled的异常像素实时检测修复方法及装置
CN112326039B (zh) 一种光伏电站巡检辅助系统
JP2010522347A (ja) オプトエレクトロニクス情報を表示する様々なタイプの装置の動作に関連する複数のパラメータを制御するユニバーサルテストシステム
CN114079768B (zh) 图像的清晰度测试方法及装置
CN112326038A (zh) 一种基于5g通信的变电站智能测温系统及其测温方法
CN112254663A (zh) 一种基于影像识别的平面变形监测测量方法及其系统
CN111076698A (zh) 用于标定光电产品安装偏差的观察评估装置及解算方法
CN111986267B (zh) 一种多相机视觉系统的坐标系统标定方法
CN102914727B (zh) 一种测试紫外检测仪的紫外可见光重合偏差的系统及方法
CN106526917A (zh) 一种采用线阵相机扫描的液晶屏点阵检测装置
CN101251495B (zh) 干式空心电抗器内表面检测方法及装置
CN117129809B (zh) 一种基于无人机载多光成像技术的电力故障诊断方法
CN111738148B (zh) 一种利用红外巡检拍摄的故障识别方法
CN111083368A (zh) 一种基于云端的模拟物理云台全景视频展示系统
CN101329453B (zh) 一种基于光纤的大视场高分辨率成像装置及其拼接方法
CN112798915A (zh) 一种应用于电厂ais设备的超声波局部放电检测机器人
CN107091729A (zh) 一种无机械运动的透镜焦距测试方法
CN111649716A (zh) 一种基于全景图像的空间点对点距离测算方法
CN206710069U (zh) 一种无机械运动的透镜焦距测试装置
CN114286017A (zh) 基于自由视角的超大尺度电力设备图像采集方法及系统
CN106768891B (zh) 一种基于反射图像方法检测物体表面法线误差的专用设备
CN114494186A (zh) 一种高压输变电线路电气设备的故障检测方法
CN207251762U (zh) 一种应用于反应堆舱的视频监测装置、系统
CN114184127A (zh) 一种基于单相机无标靶的建筑物全局位移监测方法

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
GR01 Patent grant