CN117333675B - 一种gis伸缩节的监测预警方法及系统 - Google Patents

一种gis伸缩节的监测预警方法及系统 Download PDF

Info

Publication number
CN117333675B
CN117333675B CN202311294652.6A CN202311294652A CN117333675B CN 117333675 B CN117333675 B CN 117333675B CN 202311294652 A CN202311294652 A CN 202311294652A CN 117333675 B CN117333675 B CN 117333675B
Authority
CN
China
Prior art keywords
local
early warning
offset
feature
gray
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
CN202311294652.6A
Other languages
English (en)
Other versions
CN117333675A (zh
Inventor
杨正盛
张恒源
林楚乔
刘春�
王维东
黄涛
张赛鹏
赵琦明
何秋月
李军良
陈捷元
马龙华
陈大鹏
温富景
邢正根
桑椹
刘壮
杨欢欢
陈瀚宇
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.)
Nanjing Unitech Electric Power Science & Technology Development Co ltd
Super High Voltage Co Of State Grid Jilin Electric Power Co ltd
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
Original Assignee
Nanjing Unitech Electric Power Science & Technology Development Co ltd
Super High Voltage Co Of State Grid Jilin Electric Power Co ltd
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
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 Nanjing Unitech Electric Power Science & Technology Development Co ltd, Super High Voltage Co Of State Grid Jilin Electric Power Co ltd, Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd, State Grid Jilin Electric Power Corp filed Critical Nanjing Unitech Electric Power Science & Technology Development Co ltd
Priority to CN202311294652.6A priority Critical patent/CN117333675B/zh
Publication of CN117333675A publication Critical patent/CN117333675A/zh
Application granted granted Critical
Publication of CN117333675B publication Critical patent/CN117333675B/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
    • G06V10/40—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
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种GIS伸缩节的监测预警方法及系统，涉及电力运维技术领域，所述方法包括：在第一时间窗口，采集获得原始图像；对原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在原始图像内构建坐标系，对多个特征区域进行标识，获得多个第一标识信息；获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；根据多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；根据偏移量，进行预警决策，获得预警方案并进行预警。进而达成提供GIS伸缩节尺寸变化监测手段，降低监测困难的技术效果。

Description

一种GIS伸缩节的监测预警方法及系统
技术领域
本发明涉及电力运维技术领域，特别涉及一种GIS伸缩节的监测预警方法及系统。
技术背景
GIS设备具有占地面积小、维护周期长、可靠性高、操作简单、防污性能好等优点，大量应用于变电站。GIS设备壳体一般采用铝合金材质，投运后易受环境温差、运行设备热效应等产生的热胀冷缩以及地基沉降、地震等因素的影响而发生横向及纵向位移。在实际运维工作中，户外GIS设备在选型时未充分考虑地域、环境温差等因素可能引发的伸缩节位移，没有制作专用的测量工具来实时监测伸缩节的位移变化情况，存在无法通过有效手段来监测其尺寸变化情况，运维监测工作困难的技术问题。
发明内容
本申请的目的在于提供一种GIS伸缩节的监测预警方法及系统。用以解决现有技术中存在无法通过有效手段来监测其尺寸变化情况，运维监测工作困难的技术问题。
鉴于以上技术问题，本申请提供了一种GIS伸缩节的监测预警方法及系统。
第一方面，本申请提供了一种GIS伸缩节的监测预警方法，其中，所述方法包括：
通过监测模块，在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；通过特征识别模块，对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；通过监测模块，在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；通过偏移分析模块，根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；在预警模块内，根据所述偏移量，进行预警决策，获得预警方案并进行预警。
第二方面，本申请还提供了一种GIS伸缩节的监测预警系统，其中，所述系统包括：
监测模块，所述监测模块用于在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；特征识别模块，所述特征识别模块用于对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；特征区域标识模块，所述特征区域标识模块用于对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；偏移监测模块，所述偏移监测模块用于在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；偏移分析模块，所述偏移分析模块用于根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；预警模块，所述预警模块用于根据所述偏移量，进行预警决策，获得预警方案并进行预警。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过监测模块，在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；通过特征识别模块，对原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；通过监测模块，在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；通过偏移分析模块，根据多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；在预警模块内，根据偏移量，进行预警决策，获得预警方案并进行预警。进而达成提供GIS伸缩节尺寸变化监测手段，降低监测困难的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：
图1为本申请一种GIS伸缩节的监测预警方法的流程示意图；
图2为本申请一种GIS伸缩节的监测预警方法中对原始图像进行局部区域划分和特征向量处理转换的流程示意图；
图3为本申请一种GIS伸缩节的监测预警系统的结构示意图。
附图标记说明：监测模块11、特征识别模块12、特征区域标识模块13、偏移监测模块14、偏移分析模块15、预警模块16。
具体实施方式
本申请通过提供一种GIS伸缩节的监测预警方法和系统，解决了现有技术面临的存在无法通过有效手段来监测其尺寸变化情况，运维监测工作困难的技术问题。
本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：
在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；对原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；根据多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；根据偏移量，进行预警决策，获得预警方案并进行预警。进而达成提供GIS伸缩节尺寸变化监测手段，降低监测困难的技术效果。
为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种GIS伸缩节的监测预警方法，所述方法应用一GIS伸缩节的监测预警系统，所述系统包括监测模块、特征识别标识模块、偏移分析模块和预警模块，所述方法包括：
S100：通过监测模块，在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；
可选的，监测模块自动触发或按计划激活，以开始监测GIS设备的目标伸缩节。其中，监测模块包括图像采集装置，图像采集装置是监测模块中的一个关键组件。包括摄像头、相机、传感器或扫描仪，用于捕获静止图像或连续视频流。基于图像采集装置，可以捕获目标伸缩节的外观，获得原始图像，以便进一步分析。
采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像，首先，启动图像采集设备，以预设的分辨率及清晰度采集目标车辆的光学信号；而后，通过图像信号处理（Image Signal Processing，简称ISP）技术对得到的图像进行初步处理；然后，将初步处理后的图像数据传输至存储设备，并由存储设备进行存储，得到原始图像。
其中，图像信号处理（Image Signal Processing）技术用于对数字图像的采集、预处理、增强和编码等过程，通过ISP芯片进行。图像传感器用于捕捉光学信号并将其转换为电信号。然后，ISP对这些电信号进行处理，包括：白平衡、曝光控制、色彩校正、图像编码等。通过ISP技术，实现提供高质量图像输出，确保图像采集结果在不同光照条件下具有稳定性能、同时控制原始图像体积便于处理和传输。
S200：通过特征识别模块，对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；
进一步的，如图2所示，对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集，步骤S200还包括：
对原始图像进行灰度化处理，获得灰度原始图像；
按照预设处理算子，对灰度原始图像进行划分，获得多个局部区域；
对多个局部区域内像素点的灰度值进行判别，获得多个局部第一向量和多个局部第二向量；
基于多个局部第一向量和多个局部第二向量，获得多个局部向量集。
其中，将原始图像进行灰度化处理用于将彩色的原始图像转换为灰度图像，涉及将每个像素的颜色信息转化为相应的灰度值，从而减少图像的复杂性，有助于后续的图像分析或处理。灰度化处理中，每个像素的颜色由其亮度值来表示，用0（黑色）到255（白色）之间的灰度级别表示。
可选的，通过HIS转化实现图像的灰度化。HIS是指将图像从RGB色彩空间转化为HIS色彩空间的图像转化处理方法。其中，HIS空间是一种颜色空间，由以下三个分量组成：亮度（L）：表示图像的明暗程度，即图像的亮度信息。在HIS颜色空间中，亮度分量是灰度图像；饱和度（S）：表示颜色的鲜艳程度或纯度。当饱和度较低时，颜色会更接近灰色；色调（H）：表示颜色的种类或基本色调。色调的范围通常为0到360度，对应不同的颜色。对多个标识区域块通过HIS转化，得到亮度分量，从而获取标识区域块灰度图像。
将原始图像自RGB空间中自适应地变换至HIS空间，获取亮度（L），获取公式如下：
；
可选的，预设处理算子包括一个固定大小和形状的滑动窗口，用于局部特征提取。通过在灰度原始图像上滑动这个窗口，每次移动一小步。在每个窗口位置，提取窗口内的像素值，从而形成多个局部区域。其中，窗口的大小和步长根据图像采集精度及特征提取需要设定。
进一步的，对多个局部区域内像素点的灰度值进行判别，步骤包括：
以每个局部区域内中间位置像素点的灰度值作为阈值；
判断其他位置像素点的灰度值是否大于、等于或小于阈值，并进行标记，获得多个局部第一向量，其中，大于标记为1，等于标记为0，小于标记为-1；
获取灰度阈值，判断每个局部区域内的多个像素点的灰度值是否大于或小于灰度阈值，并进行标记，获得多个局部第二向量，其中，大于标记为1，小于标记为0。
可选的，局部第一向量基于第一种判别策略获取，局部第一向量表征了像素点灰度值之间的相对特征，用于消除光照影响。示例性的，第一种判别策略包括：设置每个局部区域内中间位置像素点的灰度值作为阈值，若局部区域内中间位置像素点不唯一，则取局部区域内中间位置多个像素点的平均值设置为阈值；判断其他位置像素点的灰度值是否大于、等于或小于阈值，对灰度值大于阈值的像素点标记为1，对灰度值等于阈值的像素点标记为0，对灰度值小于阈值的像素点标记为-1。通过获得局部第一向量，减少了图像中的噪声和光照变化对任务的影响，提高了图像处理的鲁棒性和准确性。
可选的，局部第二向量基于第二种判别策略获取，局部第二向量表征了全局特征，用于在宏观上进行统一的判别。示例性的，第二种判别策略包括：设置伸缩节灰度图像的最小值为阈值；判断其他位置像素点的灰度值是否大于、等于或小于阈值，对灰度值大于阈值的像素点标记为1，对灰度值等于阈值的像素点标记为0，对灰度值小于阈值的像素点标记为-1。
可选的，判断像素点的灰度值是否大于、等于或小于阈值，并进行标记，标记约束如下：
；
其中，K表征为标记结果，灰度阈值为R，待标记像素灰度值为Ri。
S300：对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；
进一步的，对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，步骤还包括：
根据GIS设备伸缩节的监测数据记录，处理获取多个样本局部区域的多个样本局部向量集；
根据多个样本局部区域在伸缩节内的结构，标识获取多个样本特征区域；
基于多个样本局部向量集和多个样本特征区域，训练特征区域识别器；
采用特征区域识别器，对所述多个局部向量集进行识别，获得多个特征区域。
可选的，GIS设备伸缩节的监测数据记录包括GIS设备伸缩节的图像采集数据，包括传感器捕获的图像，或者通过其他方式获取的图像数据。
可选的，获取多个样本局部区域的多个样本局部向量集，基于上述获得多个局部第一向量与获得多个局部第二向量同样的方法原理实现，为了说明书的简洁，在此不做进一步的展开。
基于多个样本局部区域在伸缩节内的结构，对多个样本局部区域进行标识，获得多个样本特征区域，用于将相似的结构或特征分为同一类别，以便后续的分析和识别。其中，多个样本特征区域对应多个伸缩节内的物理组件。
可选的，多个样本局部向量集和多个样本特征区域作为训练数据集，用于基于监督学习方法原理，训练特征区域识别器。其中，特征区域识别器的构建基础包括支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）等，具体选择取决于问题的性质和数据的特点。
可选的，基于卷积神经网络（CNN）构建特征区域识别器。其中，样本局部向量为特征区域识别器的识别索引特征，样本特征区域特征为特征区域识别器的识别响应特征。
进一步的，对多个特征区域进行标识，获得多个第一标识信息，还包括：
基于特征识别模块内的图像采集设备，构建图像坐标系；
基于所述原始图像、图像坐标系和多个特征区域，对多个特征区域进行坐标标识，获得多个第一标识信息。
可选的，在构建图像坐标系之前，对相机进行标定。用于确保图像坐标系构建结果的准确标准。相机标定确定了相机的内部参数和外部参数。其中，相机内部参数元素包括：焦距、像主点坐标、畸变参数。相机外部参数元素包括：旋转、平移。标定方法包括光学标定：利用已知的几何信息实现参数求解及自标定：在静态场景中利用structure from motion估算参数。进一步的，相机成像过程涉及四个坐标系的变换，变换关系如下：
（U,V,W）是世界坐标系，经过刚体变换（如：旋转、平移）后变为了相机坐标系，再次经过透视投影转变为了图像坐标系，最后经仿射变换转换为了像素坐标系（u,v）。转换关系如下（Z是尺度因子）：
；
其中，f为像距，dX、dY分别表示X、Y方向上的一个像素在相机感光板上的物理长度，即一个像素在感光板上是多少毫米，u0，v0分别表示相机感光板中心在像素坐标系下的坐标，θ表示感光板的横边和纵边之间的角度（90°表示无误差）。
其中，内参矩阵：只与相机本身有关，取决于相机的内部参数；外参矩阵：相机拍摄图片不同，相应的参数会发生变化，即随着世界坐标系与相机坐标系的相对位置而变。
可选的，坐标标识基于原始图像、图像坐标系和多个特征区域的对应关系进行，用于确定多个特征区域的图像坐标系坐标值。多个第一标识信息包括多个特征区域的图像坐标系坐标信息。
可选的，图像坐标系与世界坐标系具有确定的比例关系，通过这一比例关系，可以实现图像坐标系与世界坐标系的映射与转换。其中，对图像坐标系与世界坐标系定期进行坐标系的校准，以确保构建的坐标系与实际场景的世界坐标系对齐。进而确保GIS伸缩节监测结果的准确性。
S400：通过监测模块，在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；
可选的，目标伸缩节的偏移图像获取，基于上述检测模块中同一图像采集装置进行采集获取，进而确保多次采集获取的目标伸缩节的图像信息位于同一采集条件，进而保证偏移量的准确性。
偏移图像是相对于第一时间窗口的图像而言的，用于检测变化或移动。第二时间窗口与第一时间窗口间有一定的时间间隔，其中，第二时间窗口的时序基于第一时间窗口与监测间隔确定。进一步的，监测间隔通过分析GIS设备监测方案提取。
可选的，对偏移图像进行特征识别和标识，获得多个特征区域的多个第二标识信息；基于上述对多个特征区域进行标识，获得多个第一标识信息同样的方法原理实现，为了说明书的简洁，在此不做进一步的展开。
S500：通过偏移分析模块，根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；
进一步的，获取目标伸缩节的偏移量，所述方法还包括：
根据多个第一标识信息和多个第二标识信息内的坐标标识信息，计算获得多个特征区域的偏移量；
根据多个偏移量计算均值，获得目标伸缩节的偏移量。
可选的，多个特征区域的偏移量通过计算多个第一标识信息和多个第二标识信息中坐标标识信息的变化值获取。其中，特征区域的偏移量包括正值、负值或0，且特征区域的偏移量带有偏移方向标记。
可选的，多个特征区域的偏移量表示为多个向量，每个向量对应一个特征区域的位置偏移。其中，向量的模标识位移大小，向量的方向标识位移的方向。
S600：在预警模块内，根据所述偏移量，进行预警决策，获得预警方案并进行预警。
进一步的，获得预警方案并进行预警，所述方法包括：
根据GIS设备伸缩节的监测数据记录，获取样本偏移量记录；
根据样本偏移量记录内的多个样本偏移量，进行安全隐患预警评级，获得多个样本预警方案；
基于决策树，构建多级决策节点，获得偏移预警决策器，每级决策节点内包括一偏移量判别阈值，对输入的偏移量进行判断分类，并经过多层判断分类获得决策结果，决策结果内包括预警方案；
采用偏移预警决策器，对所述偏移量进行预警决策，获得预警方案。
可选的，首先，收集GIS设备伸缩节的历史监测数据并提取伸缩节的样本偏移量记录，样本偏移量记录包括多个时间窗口内的偏移向量信息。接着，分析样本偏移量数据，识别出异常或潜在的安全隐患情况。包括检测偏移量的变化趋势、异常的偏移模式等。其中，安全隐患预警评级与对应的多个样本预警方案基于专家系统或由专业技术人员评估分析给出。
可选的，构建多级决策节点。在每个节点上，选择一个特征，并根据该特征的值将数据集划分为不同的子集。这个过程递归地进行，直到满足停止条件，如达到最大深度或子集中的数据都属于同一类别。在每个决策节点内，设置有一个偏移量判别阈值。用于将输入的偏移量进行二元分类，即正常或异常。
可选的，当输入一个新的偏移量时，通过多级决策节点逐层分类，最终生成决策结果。其中，决策结果包括一个预警方案，该方案可以根据偏移量的分类来确定。根据历史数据和多级决策节点来进行偏移预警，确保对异常情况做出及时响应和合适的预警方案。
可选的，预警方案包括采取紧急措施、维修伸缩节、调整定期检查计划等。对偏移量进行预警决策，包括及时通知相关的人员或系统，基于包括警报、电子邮件、短信等方式来实现。
综上所述，本发明所提供的一种GIS伸缩节的监测预警方法具有如下技术效果：
通过监测模块，在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；通过特征识别模块，对原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；通过监测模块，在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；通过偏移分析模块，根据多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；在预警模块内，根据偏移量，进行预警决策，获得预警方案并进行预警。进而达成提供GIS伸缩节尺寸变化监测手段，降低监测困难的技术效果。
实施例二
基于与所述实施例中一种GIS伸缩节的监测预警方法同样的构思，如图3所示，本申请还提供了一种GIS伸缩节的监测预警系统，所述系统包括：
监测模块11，用于在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；
特征识别模块12，用于对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；
特征区域标识模块13，用于对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；
偏移监测模块14，用于在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；
偏移分析模块15，所述偏移分析模块用于根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；
预警模块16，所述预警模块用于根据所述偏移量，进行预警决策，获得预警方案并进行预警。
进一步的，特征识别模块12还包括：
灰度化单元，用于对原始图像进行灰度化处理，获得灰度原始图像；
图像划分单元，用于按照预设处理算子，对灰度原始图像进行划分，获得多个局部区域；
灰度判别单元，用于对多个局部区域内像素点的灰度值进行判别，获得多个局部第一向量和多个局部第二向量；
向量集单元，用于基于多个局部第一向量和多个局部第二向量，获得多个局部向量集。
进一步的，特征识别模块12还包括：
阈值设定单元，用于以每个局部区域内中间位置像素点的灰度值作为阈值；
第一向量单元，用于判断其他位置像素点的灰度值是否大于、等于或小于阈值，并进行标记，获得多个局部第一向量，其中，大于标记为1，等于标记为0，小于标记为-1；
第二向量单元，用于获取灰度阈值，判断每个局部区域内的多个像素点的灰度值是否大于或小于灰度阈值，并进行标记，获得多个局部第二向量，其中，大于标记为1，小于标记为0。
进一步的，特征区域标识模块13还包括：
样本获取单元，用于根据GIS设备伸缩节的监测数据记录，处理获取多个样本局部区域的多个样本局部向量集；
样本标识单元，用于根据多个样本局部区域在伸缩节内的结构，标识获取多个样本特征区域；
识别器训练单元，用于基于多个样本局部向量集和多个样本特征区域，训练特征区域识别器；
特征区域识别单元，用于采用特征区域识别器，对所述多个局部向量集进行识别，获得多个特征区域。
进一步的，特征区域标识模块13还包括：
图像坐标单元，用于基于特征识别模块内的图像采集设备，构建图像坐标系；
坐标标识单元，用于基于所述原始图像、图像坐标系和多个特征区域，对多个特征区域进行坐标标识，获得多个第一标识信息。
进一步的，偏移分析模块15还包括
偏移量计算单元，用于根据多个第一标识信息和多个第二标识信息内的坐标标识信息，获得多个特征区域的偏移量；
均值计算单元，用于根据多个偏移量计算均值，获得目标伸缩节的偏移量。
进一步的，预警模块16还包括：
记录获取单元，用于根据GIS设备伸缩节的监测数据记录，获取样本偏移量记录；
预警方案单元，用于根据样本偏移量记录内的多个样本偏移量，进行安全隐患预警评级，获得多个样本预警方案；
决策构建单元，用于基于决策树，构建多级决策节点，获得偏移预警决策器，每级决策节点内包括一偏移量判别阈值，对输入的偏移量进行判断分类，并经过多层判断分类获得决策结果，决策结果内包括预警方案；
预警决策单元，用于采用偏移预警决策器，对所述偏移量进行预警决策，获得预警方案。
应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的一种GIS伸缩节的监测预警系统，为了说明书的简洁，在此不做进一步的展开。
应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、变种，也属于本申请原理范围之内。

Claims (6)

1.一种GIS伸缩节的监测预警方法，其特征在于，所述方法应用于GIS伸缩节的监测预警系统，所述系统包括监测模块、特征识别标识模块、偏移分析模块和预警模块，所述方法包括：
通过监测模块，在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；
通过特征识别模块，对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；
对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；
通过监测模块，在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；
通过偏移分析模块，根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；
在预警模块内，根据所述偏移量，进行预警决策，获得预警方案并进行预警；
所述通过特征识别模块，对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集，包括：
对原始图像进行灰度化处理，获得灰度原始图像；
按照预设处理算子，对灰度原始图像进行划分，获得多个局部区域；
对多个局部区域内像素点的灰度值进行判别，获得多个局部第一向量和多个局部第二向量；
基于多个局部第一向量和多个局部第二向量，获得多个局部向量集；
对多个局部区域内像素点的灰度值进行判别，包括：
以每个局部区域内中间位置像素点的灰度值作为阈值；
判断其他位置像素点的灰度值是否大于、等于或小于阈值，并进行标记，获得多个局部第一向量，其中，大于标记为1，等于标记为0，小于标记为-1；
获取灰度阈值，判断每个局部区域内的多个像素点的灰度值是否大于或小于灰度阈值，并进行标记，获得多个局部第二向量，其中，大于标记为1，小于标记为0。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据GIS设备伸缩节的监测数据记录，处理获取多个样本局部区域的多个样本局部向量集；
根据多个样本局部区域在伸缩节内的结构，标识获取多个样本特征区域；
基于多个样本局部向量集和多个样本特征区域，训练特征区域识别器；
采用特征区域识别器，对所述多个局部向量集进行识别，获得多个特征区域。
3.根据权利要求1所述的方法，其特征在于，所述方法包括：
基于特征识别模块内的图像采集设备，构建图像坐标系；
基于所述原始图像、图像坐标系和多个特征区域，对多个特征区域进行坐标标识，获得多个第一标识信息。
4.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据多个第一标识信息和多个第二标识信息内的坐标标识信息，计算获得多个特征区域的偏移量；
根据多个偏移量计算均值，获得目标伸缩节的偏移量。
5.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据GIS设备伸缩节的监测数据记录，获取样本偏移量记录；
根据样本偏移量记录内的多个样本偏移量，进行安全隐患预警评级，获得多个样本预警方案；
基于决策树，构建多级决策节点，获得偏移预警决策器，每级决策节点内包括一偏移量判别阈值，对输入的偏移量进行判断分类，并经过多层判断分类获得决策结果，决策结果内包括预警方案；
采用偏移预警决策器，对所述偏移量进行预警决策，获得预警方案。
6.GIS伸缩节的监测预警装置，其特征在于，所述装置包括：
监测模块，所述监测模块用于在第一时间窗口，采集待进行监测预警的GIS设备的目标伸缩节的图像，获得原始图像；
特征识别模块，所述特征识别模块用于对所述原始图像进行局部区域划分和特征向量处理转换，获得多个局部向量集；
特征区域标识模块，所述特征区域标识模块用于对多个局部向量集进行伸缩节区域特征识别，获得多个特征区域，并在所述原始图像内构建坐标系，根据多个局部区域的坐标，对多个特征区域进行标识，获得多个第一标识信息；
偏移监测模块，所述偏移监测模块用于在第二时间窗口，采集目标伸缩节的图像，获得偏移图像，并进行特征识别和标识，获得多个特征区域的多个第二标识信息；
偏移分析模块，所述偏移分析模块用于根据所述多个第一标识信息和多个第二标识信息，计算获取目标伸缩节的偏移量；
预警模块，所述预警模块用于根据所述偏移量，进行预警决策，获得预警方案并进行预警；
所述特征识别模块包括：
灰度化单元，用于对原始图像进行灰度化处理，获得灰度原始图像；
图像划分单元，用于按照预设处理算子，对灰度原始图像进行划分，获得多个局部区域；
灰度判别单元，用于对多个局部区域内像素点的灰度值进行判别，获得多个局部第一向量和多个局部第二向量；
向量集单元，用于基于多个局部第一向量和多个局部第二向量，获得多个局部向量集；
阈值设定单元，用于以每个局部区域内中间位置像素点的灰度值作为阈值；
第一向量单元，用于判断其他位置像素点的灰度值是否大于、等于或小于阈值，并进行标记，获得多个局部第一向量，其中，大于标记为1，等于标记为0，小于标记为-1；
第二向量单元，用于获取灰度阈值，判断每个局部区域内的多个像素点的灰度值是否大于或小于灰度阈值，并进行标记，获得多个局部第二向量，其中，大于标记为1，小于标记为0。
CN202311294652.6A 2023-10-09 2023-10-09 一种gis伸缩节的监测预警方法及系统 Active CN117333675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311294652.6A CN117333675B (zh) 2023-10-09 2023-10-09 一种gis伸缩节的监测预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311294652.6A CN117333675B (zh) 2023-10-09 2023-10-09 一种gis伸缩节的监测预警方法及系统

Publications (2)

Publication Number Publication Date
CN117333675A CN117333675A (zh) 2024-01-02
CN117333675B true CN117333675B (zh) 2024-04-09

Family

ID=89276807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311294652.6A Active CN117333675B (zh) 2023-10-09 2023-10-09 一种gis伸缩节的监测预警方法及系统

Country Status (1)

Country Link
CN (1) CN117333675B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596578A (zh) * 2019-08-30 2019-12-20 国网浙江省电力有限公司电力科学研究院 一种gis设备变形的非接触测量装置
CN113340357A (zh) * 2021-07-05 2021-09-03 山东国稳电气有限公司 一种gis设备状态在线监测系统
CN113887439A (zh) * 2021-09-30 2022-01-04 平安银行股份有限公司 基于图像识别的自动预警方法、装置、设备及存储介质
CN215572799U (zh) * 2021-08-11 2022-01-18 国网辽宁省电力有限公司检修分公司 一种gis设备伸缩节位移报警装置
CN216448816U (zh) * 2021-10-13 2022-05-06 国网河南省电力公司南阳供电公司 一种多源数据融合的gis母线舱位移形变监测与预警平台
CN115808129A (zh) * 2023-01-17 2023-03-17 长江勘测规划设计研究有限责任公司 一种机器视觉识别发电机母线位移和形变的方法
CN115937539A (zh) * 2022-12-14 2023-04-07 广东电网有限责任公司 一种基于多信号决策的电缆井监测预警方法及系统
CN115962727A (zh) * 2021-10-13 2023-04-14 国网河南省电力公司南阳供电公司 一种多源数据融合的gis母线舱位移形变监测与预警平台
CN116805204A (zh) * 2023-08-24 2023-09-26 超网实业(成都)股份有限公司 一种智慧厂务监控方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109300126B (zh) * 2018-09-21 2022-01-07 重庆建工集团股份有限公司 一种基于空间位置的桥梁病害高精度智能检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596578A (zh) * 2019-08-30 2019-12-20 国网浙江省电力有限公司电力科学研究院 一种gis设备变形的非接触测量装置
CN113340357A (zh) * 2021-07-05 2021-09-03 山东国稳电气有限公司 一种gis设备状态在线监测系统
CN215572799U (zh) * 2021-08-11 2022-01-18 国网辽宁省电力有限公司检修分公司 一种gis设备伸缩节位移报警装置
CN113887439A (zh) * 2021-09-30 2022-01-04 平安银行股份有限公司 基于图像识别的自动预警方法、装置、设备及存储介质
CN216448816U (zh) * 2021-10-13 2022-05-06 国网河南省电力公司南阳供电公司 一种多源数据融合的gis母线舱位移形变监测与预警平台
CN115962727A (zh) * 2021-10-13 2023-04-14 国网河南省电力公司南阳供电公司 一种多源数据融合的gis母线舱位移形变监测与预警平台
CN115937539A (zh) * 2022-12-14 2023-04-07 广东电网有限责任公司 一种基于多信号决策的电缆井监测预警方法及系统
CN115808129A (zh) * 2023-01-17 2023-03-17 长江勘测规划设计研究有限责任公司 一种机器视觉识别发电机母线位移和形变的方法
CN116805204A (zh) * 2023-08-24 2023-09-26 超网实业(成都)股份有限公司 一种智慧厂务监控方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GIS盆式绝缘子开裂引起放电故障的原因分析;张丕沛等;《河北电力技术》;20221225;第41卷(第06期);58-62 *
光学图像信息多标记特征分层识别系统设计;张源峰等;《激光杂志》;20200725(第07期);215-218 *

Also Published As

Publication number Publication date
CN117333675A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN113744270A (zh) 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法
CN112766274A (zh) 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统
CN111325769B (zh) 一种目标对象检测方法及装置
JP7292979B2 (ja) 画像処理装置及び画像処理方法
CN110634137A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN111563896B (zh) 一种用于接触网异常检测的图像处理方法
CN116797977A (zh) 巡检机器人动态目标识别与测温方法、装置和存储介质
CN107045630B (zh) 一种基于rgbd的行人检测和身份识别方法及系统
CN116630267A (zh) 基于无人机与激光雷达数据融合的路基沉降监测方法
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN115147591A (zh) 一种变电设备红外图像电压致热型缺陷诊断方法及系统
CN117146739B (zh) 用于光学瞄准镜的测角检定方法及系统
CN116901089B (zh) 一种多角度视距的机器人控制方法及系统
CN117333675B (zh) 一种gis伸缩节的监测预警方法及系统
CN117877011A (zh) 一种基于神经网络的仪表动态追踪与识别方法和系统
CN117314986A (zh) 基于语义分割的无人机跨模态配电设备巡检图像配准方法
CN111798516B (zh) 一种桥式起重机设备运行状态量的检测及误差分析方法
CN116818233A (zh) 一种采用激光结合机器视觉的高精度桥梁状态监测方法及系统
CN117635921A (zh) 一种基于图像分析的桥梁裂缝识别方法及系统
CN112924037A (zh) 基于图像配准的红外体温检测系统及检测方法
CN109658405B (zh) 一种农作物实景观测中图像数据质量控制方法及系统
CN116342693A (zh) 一种基于点云和卷积神经网络的桥梁缆索表面损伤快速定位方法
CN114677670B (zh) 一种身份证篡改自动识别与定位的方法
CN115909285A (zh) 一种雷达和视频信号融合的车辆跟踪方法
CN113591705B (zh) 巡检机器人仪表识别系统及方法、存储介质

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