CN117611784A - 面向多光谱高时效性放电检测的协同控制方法及装置 - Google Patents

面向多光谱高时效性放电检测的协同控制方法及装置 Download PDF

Info

Publication number
CN117611784A
CN117611784A CN202311617165.9A CN202311617165A CN117611784A CN 117611784 A CN117611784 A CN 117611784A CN 202311617165 A CN202311617165 A CN 202311617165A CN 117611784 A CN117611784 A CN 117611784A
Authority
CN
China
Prior art keywords
discharge
image
multispectral
detection
timeliness
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
Application number
CN202311617165.9A
Other languages
English (en)
Inventor
周振宇
鲍瑞雨
刘健阳
王曌
花之蕾
刘懿莹
赵颖涛
刘春光
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.)
Yangzhong Intelligent Electrical Institute North China Electric Power University
North China Electric Power University
Original Assignee
Yangzhong Intelligent Electrical Institute North China Electric Power University
North China Electric Power University
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 Yangzhong Intelligent Electrical Institute North China Electric Power University, North China Electric Power University filed Critical Yangzhong Intelligent Electrical Institute North China Electric Power University
Priority to CN202311617165.9A priority Critical patent/CN117611784A/zh
Publication of CN117611784A publication Critical patent/CN117611784A/zh
Pending legal-status Critical Current

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
    • G06V10/10—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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/96—Management of image or video recognition tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • 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
    • H04L43/0823—Errors, e.g. transmission errors
    • H04L43/0829—Packet loss
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
    • H04Q2209/84—Measuring functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geometry (AREA)
  • Environmental & Geological Engineering (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明公开了面向多光谱高时效性放电检测的协同控制方法及装置，所述方法包括：对采集的多光谱图像，检测多光谱图像放电情况、计算光斑面积、计算可见光图像的污秽大小、计算红外图像的温度；若多光谱图像放电，根据所述光斑面积计算放电状态下的图像放电危害度；若不放电，基于可见光图像的污秽大小和红外图像的温度计算不放电状态下的图像放电危害度；根据放电检测结果，利用基于端侧放电检测的队列整形方法对图像放电危害度进行队列整形，调整图像传输顺序；建立多光谱检测时效性模型，接收t时隙的传输图像并获得多光谱检测时效性；根据t时隙的多光谱检测时效性、放电危害度、信道状态和数据积压，优化下一时隙t+1时隙的采集频次。

Description

面向多光谱高时效性放电检测的协同控制方法及装置
技术领域
本发明属于视频巡检领域，具体涉及面向多光谱高时效性放电检测的协同控制方法及装置。
背景技术
视频巡检是利用视频监控技术和智能分析算法，对设备和系统进行全面监测和分析的一种巡检方式，是电网高效运维的重要保障。视频巡检系统通过对目标巡检区域进行定期巡视，拍摄高压电气设备的故障情况，利用多光谱图像处理技术对拍摄的多光谱图像进行处理和分析，并将多光谱图像数据通过网络传输到接收端，实现对巡检区域的远程控制和实时管理，保障电力设备的安全稳定运行。然而，现有的视频巡检系统在图像处理和数据传输的过程中需要进行大规模的数据交换及分析处理，存在效率低下以及准确性偏低等缺点，无法满足现阶段电力系统的巡检需求。因此，迫切需要研究高效可靠的多光谱图像处理和数据传输技术，为巡检系统多光谱检测图像的高时效性处理和传输速率控制提供支撑。
感传算控制技术可以通过动态调整视频编码的比特率，实现视频的压缩和传输，解决视频巡检系统数据传输量大、存储空间不足、视频质量低的问题。同时，感传算控制技术可以进一步通过估计可用带宽，调整图像数据传输的速率，选取网络参数对信道链路状态进行检测，从而及时控制网络拥塞情况，并适应不同网络环境的需求，促进图像数据的高效传输和实时控制。然而，现有的面向多光谱图像处理的感传算控制技术仍处于起步阶段，需解决以下挑战：
(1)缺少考虑放电危害性的时效性模型：传统的信息时效性模型通过考虑峰值信息年龄优化图像传输的时效性，忽略了视频流传输过程中不同放电危害度的图像多样化的时效性需求，无法量化各帧图像的放电危害度，导致多光谱检测时效性模型构建不准确，难以实现巡检系统视频流的高时效性多光谱放电检测。
(2)缺少考虑信道状态、多光谱检测时效性、放电危害度和数据积压的感传算控制技术：传统的感传算控制技术采用“先进先出”的数据处理方式，没有考虑信道状态、多光谱检测时效性、放电危害度和数据积压对图像传输顺序和采集频次的影响，无法根据图像的放电危害度动态调整图像数据传输顺序和采集频次，以致出现网络拥塞状况，难以保障高放电危害度多光谱图像的及时传输，导致巡检系统整体视频流的多光谱放电检测时效性差。
发明内容
本发明所为了解决背景技术中存在的技术问题，目的在于提供了面向多光谱高时效性放电检测的协同控制方法及装置，通过建立考虑图像放电危害度的多光谱检测时效性模型，根据信道状态、设备数据积压、图像放电危害度与多光谱放电检测时效性优化多光谱图像采集速率，有效解决通信计算资源利用效率低导致的多光谱放电检测时效性差的问题，确保巡检系统接收端视频播放的流畅性，实现更加高效精准快速的多光谱放电检测，提高巡检系统的运维效率，保障电网的安全可靠运行。
为了解决技术问题，本发明的技术方案是：
一种面向多光谱高时效性放电检测的协同控制方法，所述方法包括：
对采集的多光谱图像，利用Canny边缘检测和最大熵阈值分割检测算法，检测多光谱图像放电情况，计算光斑面积、可见光图像的污秽大小及红外图像的温度；
若多光谱图像放电，根据所述光斑面积计算放电状态下的图像放电危害度；
若多光谱图像不放电，基于可见光图像的污秽大小和红外图像的温度计算不放电状态下的图像放电危害度；
根据放电检测结果，利用基于端侧放电检测的队列整形方法对图像放电危害度进行队列整形，调整图像传输顺序；
建立多光谱检测时效性模型，接收t时隙的传输图像并获得多光谱检测时效性；
根据t时隙的多光谱检测时效性、放电危害度、信道状态和数据积压，优化下一时隙t+1时隙的采集频次。
进一步，采集高压电气设备多光谱图像包括：可见光图像、紫外图像和红外图像。
进一步，共考虑T个时隙，集合表示为{1,…,t,…,T}，在每个时隙内，巡检终端采集设备的多光谱图像发送到巡检主站。
进一步，巡检主站接收到多光谱图像之后，进行放电检测、可见光图像污秽检测、红外图像温度检测，并计算图像放电危害度；
所述放电检测包括：多光谱图像中放电光斑与背景边缘区分比较明显，可直接根据图像梯度的变化来确定，利用Canny边缘检测算子在多光谱图像中检测放电光斑，判定高压电气设备是否放电，并求出光斑面积大小S；
所述可见光图像污秽检测包括：高压电气设备表面污秽程度的差异在可见光图像上表现为盘面区域色彩的不同，利用最大熵阈值分割法提取绝缘子盘面区域，通过在RGB和HSI两个色彩空间进行特征计算，更加全面地表征不同的积污程度，得到图像的污秽大小h；
所述红外图像温度检测包括：读取红外图像上各像素点的温度值，将整幅图像的温度平均值作为环境温度值T1；
所述计算图像放电危害度包括：在设备放电状态下，光斑面积越大，图像放电危害度越大，在设备不放电状态下，污秽越大、温度越高，图像放电危害度越大；第t时隙第k帧图像的放电危害度可表示为：
式中，S(t,k)为第t时隙第k帧图像的光斑面积，g(t,k)为拍摄增益，l(t,k)为第t时隙第k帧图像的拍摄距离，θ(t,k)为拍摄仰角，h(t,k)为第t时隙第k帧图像的污秽大小，α为单位温升放电危害度系数，x(t,k)∈{0,1}为放电检测指示变量，x(t,k)＝0表示第t时隙第k帧图像的放电检测结果为不放电，x(t,k)＝1表示第t时隙第k帧图像的放电检测结果为放电。
进一步，建立多光谱检测时效性模型，从视频流的角度，考虑图像放电危害度，具体计算公式如下：
式中，Y(c(t,k),f(t),v(t),Q(t))为峰值信息年龄，c(t,k)为队列整形变量，f(t)为多光谱图像采集频次，v(t)为图像信息的传输速率，Q(t)为数据积压，K(t)为t时隙内检测的图像总帧数。
进一步，当端侧检测出放电或高放电危害度图像时，优先传输该帧图像，由Y(c(t,k),f(t),v(t),Q(t))可知，峰值信息年龄同时与信道状态和数据积压有关，在进行队列整形时，还要根据图像放电检测结果优化图像采集频次，具体分为以下步骤：
基于端侧放电检测的队列整形方法：
端侧巡检终端在采集多光谱图像后对其进行实时放电检测，并根据放电检测结果进行队列整形，定义队列整形变量c(t,k)∈{0,1}，当c(t,k)＝0时，数据队列不进行调整，按原有顺序以先进先出原则进行传输，当c(t,k)＝1时，暂时搁置队列中其他图像数据，允许第k帧图像优先抢占通信资源，以第一位顺序传输；队列整形变量具体计算规则表示如下：
式中，Wmax为放电危害度阈值，Ⅱ[W(t,k)＞Wmax]为指示函数，当W(t,k)＞Wmax时，Ⅱ[W(t,k)＞Wmax]＝1，否则Ⅱ[W(t,k)＞Wmax]＝0；公式意为，当第k帧图像被检测到放电时，令c(t,k)＝1，优先传输第k帧图像；未检测到放电时，若第k帧图像放电危害度大于一定阈值，也令c(t,k)＝1。
进一步，考虑放电危害度的采集频次优化方法，当检测到放电图像时，考虑到队列整形机制，为实现放电过程高精准抓拍，采集频次应调整至最高档；当未检测到放电时，根据图像放电危害度的趋势优化采集频次；当放电危害度较大时，提高采集频次以精准监测设备隐患；当放电危害度较小时，适当降低采集频次以避免队列积压导致峰值信息年龄增大；
多光谱采集频次共分为N档，集合表示为其中fn表示第n档采集频次，且f1＜...＜fn＜...＜fN，根据第t时隙的多光谱检测时效性、放电危害度、传输丢包率和数据积压对第t+1时隙多光谱图像采集频次进行优化；设采集档数为n(t)，n(t)＝n表示f(t)＝fn，采集频次档数调整公式为：
式中，为第t时隙内检测的所有图像的平均放电危害度，计算公式为e(t)为第t时隙的传输丢包率，σ为一阈值系数，η为采集频次档数调节步长系数，/>表示向上取整，Zmin为多光谱检测时效性阈值，/>为放电危害度阈值；公式意为，当检测到放电图像时，调整采集频次至最高档；当未检测到放电时，若第t时隙多光谱检测时效性小于阈值，则根据传输丢包率、数据积压和放电危害度调整采集频次，当丢包率和数据积压较高、放电危害度较低时，调低档数，当丢包率和数据积压较低、放电危害度较高时，调高档数；若第t时隙多光谱检测时效性大于阈值，则仅在第t时隙平均放电危害度大于阈值时调高档数。
面向多光谱高时效性放电检测的感传算协同控制装置，所述装置用于执行上述中任一所述的方法，所述装置包括：
多光谱图像采集模块：用于采集高压电气设备多光谱图像，包括：可见光图像、紫外图像和红外图像；
放电检测模块：部署了Canny边缘检测和最大熵阈值分割检测算法，用于检测多光谱图像是否放电、计算光斑面积、计算污秽大小、读取温度；
放电危害度计算模块：该模块用于根据图像中的放电情况、光斑面积、污秽大小和温度等，计算图像放电危害度；
时效性感知模块：用于感知主站反馈的时效性相关信息，并将感知到的多光谱检测时效性、数据积压和丢包率数据传输到采集频次优化模块和队列整形优化模块；
队列整形优化模块：用于根据放电情况和放电危害度进行队列整形，暂时搁置其他图像，优先传输放电和高危害度图像；
采集频次优化模块：用于根据上一时隙的放电情况、多光谱检测时效性、放电危害度、传输丢包率和数据积压，优化下一时隙多光谱图像采集频次；
通信模块：用于与其他设备或系统进行通信，接收巡检主站反馈的时效性相关信息，传输多光谱检测时效性、放电危害度、采集频次信息；
电源模块：用于给面向多光谱高时效性放电检测的感传算协同控制装置供电。
与现有技术相比，本发明的优点在于：
1.本发明提出了一种考虑图像放电危害度的多光谱检测时效性模型构建方法，通过对多光谱图像进行放电检测并检测光斑面积，基于放电检测结果构造图像放电危害度函数，并从视频流的角度刻画整个时隙内所有图像传输的信息时效性，构造考虑图像放电危害度的多光谱检测时效性模型，提高了多光谱检测时效性模型构建的全面性和准确性，实现了巡检系统多光谱检测图像的高效处理，解决了现有方法忽略图像放电危害度和视频流传输对多光谱检测时效性的影响导致多光谱检测时效性模型构建不准确的问题。
2.本发明提出了一种考虑多光谱检测时效性、信道状态、放电危害度与数据积压的感传算控制方法，首先，在巡检终端上部署放电检测算法实现实时多光谱放电检测；其次，为保障放电和高放电危害度图像多光谱图像的高时效性，基于端侧放电检测结果进行队列整形，当检测到放电或高放电危害度图像时，暂时搁置其他图像，优先传输该帧图像；最后，考虑图像所承载的信息对时效性的影响，根据上一时隙的多光谱检测时效性、放电危害度、传输丢包率和数据积压对多光谱图像采集频次进行优化，通过协同考虑队列整形和采集速率优化的感传算一体化控制，减少了数据积压，保障了放电和高放电危害度图像多光谱图像的高时效性，提高了多光谱图像视频流整体时效性。
3.本发明提出了一种面向多光谱高时效性放电检测的感传算协同控制装置，包括多光谱图像采集模块、放电检测模块、放电危害度计算模块、时效性感知模块、队列整形模块、采集频次优化模块、通信模块以及电源模块。其中时效性感知模块用于感知主站反馈的时效性相关信息，并将感知到的多光谱检测时效性、数据积压和丢包率等数据传输到采集频次优化模块，有效提高多光谱放电检测的时效性；队列整形模块用于根据放电情况和放电危害度进行队列整形，暂时搁置其他图像，优先传输放电和高危害度图像，从而充分保障高放电危害度图像的时效性；采集频次优化模块负责根据上一时隙的放电情况、多光谱检测时效性、放电危害度、传输丢包率和数据积压等，优化下一时隙多光谱图像采集频次，利用上述模块可以有效实现高时效性的多光谱放电检测，提高运维效率和高压电气设备运行可靠性。
附图说明
图1、本发明面向多光谱高时效性放电检测的感传算协同控制装置的系统框图；
图2、本发明面向多光谱高时效性放电检测的协同控制方法的流程图。
具体实施方式
下面结合实施例描述本发明具体实施方式：
需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
实施例1：
现有技术一的技术方案：一种视频监控系统视频数据的传输控制系统及方法；现有技术一通过预先分开监控系统的背景图像和活动视频部分来减少信道堵塞，实现监控视频的安全可靠传输。但是未考虑多光谱检测时效性、图像放电危害度和数据传输过程中丢包率的影响，没有优化采集频次，无法保障高放电危害度多光谱图像的高时效性传输。
现有技术二的技术方案：基于可穿戴的现场运维自适应视频流传输速率控制方法；现有技术二通过视频流传输速率随网络链路质量变化自适应动态调整提高视频播放的流畅性，虽然考虑了丢包率对传输速率的影响，但是未考虑多光谱检测时效性、图像放电危害度和数据发送端采集设备的采集频次的影响，无法有效解决多样化巡检场景和巡检任务下高放电危害度多光谱图像高时效性传输的问题。
1.现有方法忽略了图像放电危害度和视频流传输对多光谱检测时效性的影响，导致多光谱检测时效性模型构建不准确的问题。
本发明提出考虑图像放电危害度的多光谱检测时效性模型构建方法，首先对多光谱图像进行放电检测并检测光斑面积；其次分不放电和放电两种情况构造图像放电危害度函数；最后从视频流的角度刻画整个时隙内所有图像传输的信息时效性，构造考虑图像放电危害度的多光谱检测时效性模型。通过协同考虑放电危害程度和视频流图像传输对多光谱放电检测时效性的影响，提高了多光谱检测时效性模型构建的全面性和准确性，实现巡检系统多光谱检测图像的高效处理。
2.现有方法忽略了多光谱检测时效性、信道状态、放电危害度与数据积压对感传算控制的影响，导致多光谱检测时效性差的问题。
本发明提出考虑多光谱检测时效性、信道状态、放电危害度与数据积压的感传算控制方法，首先在巡检终端上部署放电检测算法实现多光谱放电实时检测；其次，考虑到传统方法采用的先进先出原则导致在数据队列积压较大时放电或高放电危害度图像等待时延过大，进一步提出基于端侧放电检测的队列整形方法，当检测到放电或高放电危害度图像时，优先传输该帧图像；接着，传统方法在采集频次优化时忽略了放电危害度对时效性的影响，提出考虑放电危害度的采集频次优化方法，根据上一时隙的多光谱检测时效性、放电危害度、传输丢包率和数据积压对多光谱图像采集频次进行优化。通过协同考虑队列整形和采集速率优化，实现感传算一体化控制，保障了放电和高放电危害度图像多光谱图像的及时传输，减少了数据积压，提高了多光谱检测整体视频流时效性。
实施例2：
本发明面向多光谱高时效性放电检测的感传算协同控制装置，具体描述如下。
本发明提出一种面向多光谱高时效性放电检测的感传算协同控制装置如图1所示，包括：多光谱图像采集模块、放电检测模块、放电危害度计算模块、时效性感知模块、队列整形模块、采集频次优化模块、通信模块和电源模块，各模块功能介绍如下：
多光谱图像采集模块：该模块用于采集高压电气设备多光谱图像，包括可见光图像、紫外图像、红外图像。
放电检测模块：该模块部署了Canny边缘检测和最大熵阈值分割等检测算法，用于检测多光谱图像是否放电、计算光斑面积、计算污秽大小、读取温度。
放电危害度计算模块：该模块用于根据图像中的放电情况、光斑面积、污秽大小和温度等，计算图像放电危害度。
时效性感知模块：该模块用于感知主站反馈的时效性相关信息，并将感知到的多光谱检测时效性、数据积压和丢包率等数据传输到采集频次优化模块和队列整形优化模块。
队列整形优化模块：该模块用于根据放电情况和放电危害度进行队列整形，暂时搁置其他图像，优先传输放电和高危害度图像。
采集频次优化模块：该模块用于根据上一时隙的放电情况、多光谱检测时效性、放电危害度、传输丢包率和数据积压等，优化下一时隙多光谱图像采集频次。
通信模块：该模块用于与其他设备或系统进行通信，接收巡检主站反馈的时效性相关信息，传输多光谱检测时效性、放电危害度、采集频次等信息。
电源模块：该模块用于给面向多光谱高时效性放电检测的感传算协同控制装置中的其他模块供电。
实施例3：
本发明提出面向多光谱高时效性放电检测的协同控制方法，总体流程如图2所示，包括考虑图像放电危害度的多光谱检测时效性模型构建方法和考虑多光谱检测时效性、信道状态与数据积压的感传算控制方法两个部分。本发明共考虑T个时隙，集合表示为{1,…,t,…,T}，在每个时隙内，巡检终端采集设备的多光谱图像发送到巡检主站。
1.考虑图像放电危害度的多光谱检测时效性模型构建方法
考虑到巡检系统发送端不同巡检场景和巡检任务对多光谱检测图像信息时效性的影响，为联合反映巡检系统发送端对接收端的认知情况以及发送端的情境信息，本发明建立考虑图像放电危害度的多光谱检测时效性模型，通过计算图像信息的时效性，实现巡检系统多光谱检测图像的高效处理。
(1)图像放电危害度
巡检主站接收到多光谱图像之后，通过放电检测技术检测图像中的设备故障、污秽等情况，并计算图像放电危害度。
1)放电检测
多光谱图像中放电光斑与背景边缘区分比较明显，可直接根据图像梯度的变化来确定。选用Canny边缘检测算子在多光谱图像中检测放电光斑，判定高压电气设备是否放电，并求出光斑面积大小S。
2)可见光图像污秽检测
高压电气设备表面污秽程度的差异在可见光图像上表现为盘面区域色彩的不同。利用最大熵阈值分割法提取绝缘子盘面区域，通过在RGB和HSI两个色彩空间进行特征计算，可以更加全面地表征不同的积污程度，得到图像的污秽大小h。
3)红外图像温度检测
读取红外图像上各像素点的温度值，将整幅图像的温度平均值作为环境温度值T1。
4)计算图像放电危害度
在设备放电状态下，光斑面积越大，图像放电危害度越大，在设备不放电状态下，污秽越大、温度越高，图像放电危害度越大。第t时隙第k帧图像的放电危害度可表示为：
式中，S(t,k)为第t时隙第k帧图像的光斑面积，g(t,k)为拍摄增益，l(t,k)为第t时隙第k帧图像的拍摄距离，θ(t,k)为拍摄仰角，h(t,k)为第t时隙第k帧图像的污秽大小，α为单位温升放电危害度系数，x(t,k)∈{0,1}为放电检测指示变量，x(t,k)＝0表示第t时隙第k帧图像的放电检测结果为不放电，x(t,k)＝1表示第t时隙第k帧图像的放电检测结果为放电。
(2)多光谱检测时效性模型
传统的信息时效性模型由峰值信息年龄定义，峰值信息年龄是指在巡检接收端收到新的数据包之前时刻的信息年龄，与图像采集速率和传输速率有关。然而，传统的方法没有考虑图像放电危害度对视频流传输时效性的影响，同时，传统的信息时效性模型方法只关注于单帧图像时效性的量化，但是，在视频巡检的场景下，单帧图像的时效性最优往往并不代表整个时隙内的所有图像时效性最优，传统方法无法保证巡检系统视频流图像传输的信息时效性。因此，本发明定义了一个新的多光谱检测时效性模型，从视频流的角度，考虑图像放电危害度，具体计算公式如下：
式中，Y(c(t,k),f(t),v(t),Q(t))为峰值信息年龄，c(t,k)为队列整形变量，将在步骤2中进行进一步介绍，f(t)为多光谱图像采集频次，v(t)为图像信息的传输速率，Q(t)为数据积压，K(t)为t时隙内检测的图像总帧数。
与传统的基于峰值信息年龄的时效性模型相比，本发明提出的多光谱放电检测时效性模型进一步考虑了图像的放电危害程度，同时从视频流的角度刻画整个时隙内所有图像传输的信息时效性，有效解决了传统方法视频巡检数据传输时效性低的问题，提高了多光谱检测时效性模型构建的全面性和准确性，实现巡检系统多光谱检测图像的高效处理。
峰值信息年龄与采集频次和传输速率之间有着非常复杂的关联，如果采集频率提高，巡检主站接收图像和更新放电检测信息的频率就会增加，峰值信息年龄呈现出减小的趋势，然而，随着采集频次的持续增加，当采集频率大于传输速率时，正在传输的数据就会积压在传输队列，引起端到端时延的增加，导致峰值信息年龄增大。如果传输速率提高，巡检视频接收端接收图像的频率就会增加，接收端能够及时处理接收到的数据，峰值信息年龄呈现出减小的趋势，然而，随着传输速率的持续增加，当传输速率超过网络的承载能力时，网络会出现拥塞现象，引起数据包丢失或延迟增加，最终导致峰值信息年龄增大。
2.考虑多光谱检测时效性、信道状态与数据积压的感传算控制方法
由于Canny边缘检测方法已经非常成熟，经济成本和计算资源要求低，可以部署在巡检终端上实现实时多光谱放电检测。然而，传统方法始终采用先进先出原则进行数据传输，当数据队列积压较大时，放电或高放电危害度图像需要等到原先堆积的所有图像完成传输后才能进行传输，导致高放电危害度图像的峰值信息年龄较大，信息时效性低。
基于此，本发明提出一种基于端侧放电检测的队列整形方法，当端侧检测出放电或高放电危害度图像时，可以优先传输该帧图像，虽然会导致其他帧图像的峰值信息年龄有所上升，但充分保障了高放电危害度图像的时效性，从而实现整体视频流时效性最优化。由Y(c(t,k),f(t),v(t),Q(t))可知，峰值信息年龄同时与信道状态和数据积压等有关，在进行队列整形时，还要根据图像放电检测结果优化图像采集频次，具体分为以下步骤：
(1)基于端侧放电检测的队列整形方法
端侧巡检终端在采集多光谱图像后对其进行实时放电检测，并根据放电检测结果进行队列整形，定义队列整形变量c(t,k)∈{0,1}，当c(t,k)＝0时，数据队列不进行调整，按原有顺序以先进先出原则进行传输，当c(t,k)＝1时，暂时搁置队列中其他图像数据，允许第k帧图像优先抢占通信资源，以第一位顺序传输。队列整形变量具体计算规则表示如下
式中，Wmax为放电危害度阈值，Ⅱ[W(t,k)＞Wmax]为指示函数，当W(t,k)＞Wmax时，Ⅱ[W(t,k)＞Wmax]＝1，否则Ⅱ[W(t,k)＞Wmax]＝0。公式意为，当第k帧图像被检测到放电时，令c(t,k)＝1，优先传输第k帧图像；未检测到放电时，若第k帧图像放电危害度大于一定阈值，也令c(t,k)＝1。
通过优先传输放电图像和高放电危害度图像，避免了因数据积压导致的放电或高放电危害度图像传输不及时，提高了运维效率。
(2)考虑放电危害度的采集频次优化
传统方法采用固定频次进行多光谱图像采集，或是基于队列积压简易调整采集频次，忽视了一帧图像所承载的信息，即放电危害度对时效性的影响。本发明提出考虑放电危害度的采集频次优化方法，当检测到放电图像时，考虑到队列整形机制，为实现放电过程高精准抓拍，采集频次应调整至最高档。当未检测到放电时，根据图像放电危害度的趋势优化采集频次。当放电危害度较大时，适当提高采集频次以精准监测设备隐患；当放电危害度较小时，适当降低采集频次以避免队列积压导致峰值信息年龄增大。
多光谱采集频次共分为N档，集合表示为其中fn表示第n档采集频次，且f1＜...＜fn＜...＜fN，根据第t时隙的多光谱检测时效性、放电危害度、传输丢包率和数据积压对第t+1时隙多光谱图像采集频次进行优化。设采集档数为n(t)，n(t)＝n表示f(t)＝fn，采集频次档数调整公式为
式中，为第t时隙内检测的所有图像的平均放电危害度，计算公式为e(t)为第t时隙的传输丢包率，σ为一阈值系数，η为采集频次档数调节步长系数，/>表示向上取整，Zmin为多光谱检测时效性阈值，Wmax为放电危害度阈值。公式意为，当检测到放电图像时，调整采集频次至最高档。当未检测到放电时，若第t时隙多光谱检测时效性小于阈值，则根据传输丢包率、数据积压和放电危害度调整采集频次，当丢包率和数据积压较高、放电危害度较低时，调低档数，当丢包率和数据积压较低、放电危害度较高时，调高档数；若第t时隙多光谱检测时效性大于阈值，则仅在第t时隙平均放电危害度大于阈值时调高档数。
上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (8)

1.一种面向多光谱高时效性放电检测的协同控制方法，其特征在于，所述方法包括：
对采集的多光谱图像，利用Canny边缘检测和最大熵阈值分割检测算法，检测多光谱图像放电情况，计算光斑面积、可见光图像的污秽大小及红外图像的温度；
若多光谱图像放电，根据所述光斑面积计算放电状态下的图像放电危害度；
若多光谱图像不放电，基于可见光图像的污秽大小和红外图像的温度计算不放电状态下的图像放电危害度；
根据放电检测结果，利用基于端侧放电检测的队列整形方法对图像放电危害度进行队列整形，调整图像传输顺序；
建立多光谱检测时效性模型，接收t时隙的传输图像并获得多光谱检测时效性；
根据t时隙的多光谱检测时效性、放电危害度、信道状态和数据积压，优化下一时隙t+1时隙的采集频次。
2.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，采集高压电气设备多光谱图像包括：可见光图像、紫外图像和红外图像。
3.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，共考虑T个时隙，集合表示为{1,…,t,…,T}，在每个时隙内，巡检终端采集设备的多光谱图像发送到巡检主站。
4.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，巡检主站接收到多光谱图像之后，进行放电检测、可见光图像污秽检测、红外图像温度检测，并计算图像放电危害度；
所述放电检测包括：多光谱图像中放电光斑与背景边缘区分比较明显，可直接根据图像梯度的变化来确定，利用Canny边缘检测算子在多光谱图像中检测放电光斑，判定高压电气设备是否放电，并求出光斑面积大小S；
所述可见光图像污秽检测包括：高压电气设备表面污秽程度的差异在可见光图像上表现为盘面区域色彩的不同，利用最大熵阈值分割法提取绝缘子盘面区域，通过在RGB和HSI两个色彩空间进行特征计算，更加全面地表征不同的积污程度，得到图像的污秽大小h；
所述红外图像温度检测包括：读取红外图像上各像素点的温度值，将整幅图像的温度平均值作为环境温度值T1；
所述计算图像放电危害度包括：在设备放电状态下，光斑面积越大，图像放电危害度越大，在设备不放电状态下，污秽越大、温度越高，图像放电危害度越大；第t时隙第k帧图像的放电危害度可表示为：
式中，S(t,k)为第t时隙第k帧图像的光斑面积，g(t,k)为拍摄增益，l(t,k)为第t时隙第k帧图像的拍摄距离，θ(t,k)为拍摄仰角，h(t,k)为第t时隙第k帧图像的污秽大小，α为单位温升放电危害度系数，x(t,k)∈{0,1}为放电检测指示变量，x(t,k)＝0表示第t时隙第k帧图像的放电检测结果为不放电，x(t,k)＝1表示第t时隙第k帧图像的放电检测结果为放电。
5.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，建立多光谱检测时效性模型，从视频流的角度，考虑图像放电危害度，具体计算公式如下：
式中，Y(c(t,k),f(t),v(t),Q(t))为峰值信息年龄，c(t,k)为队列整形变量，f(t)为多光谱图像采集频次，v(t)为图像信息的传输速率，Q(t)为数据积压，K(t)为t时隙内检测的图像总帧数。
6.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，当端侧检测出放电或高放电危害度图像时，优先传输该帧图像，由Y(c(t,k),f(t),v(t),Q(t))可知，峰值信息年龄同时与信道状态和数据积压有关，在进行队列整形时，还要根据图像放电检测结果优化图像采集频次，具体分为以下步骤：
基于端侧放电检测的队列整形方法：
端侧巡检终端在采集多光谱图像后对其进行实时放电检测，并根据放电检测结果进行队列整形，定义队列整形变量c(t,k)∈{0,1}，当c(t,k)＝0时，数据队列不进行调整，按原有顺序以先进先出原则进行传输，当c(t,k)＝1时，暂时搁置队列中其他图像数据，允许第k帧图像优先抢占通信资源，以第一位顺序传输；队列整形变量具体计算规则表示如下：
式中，Wmax为放电危害度阈值，Ⅱ[W(t,k)＞Wmax]为指示函数，当W(t,k)＞Wmax时，Ⅱ[W(t,k)＞Wmax]＝1，否则Ⅱ[W(t,k)＞Wmax]＝0；公式意为，当第k帧图像被检测到放电时，令c(t,k)＝1，优先传输第k帧图像；未检测到放电时，若第k帧图像放电危害度大于一定阈值，也令c(t,k)＝1。
7.根据权利要求1所述的面向多光谱高时效性放电检测的协同控制方法，其特征在于，考虑放电危害度的采集频次优化方法，当检测到放电图像时，考虑到队列整形机制，为实现放电过程高精准抓拍，采集频次应调整至最高档；当未检测到放电时，根据图像放电危害度的趋势优化采集频次；当放电危害度较大时，提高采集频次以精准监测设备隐患；当放电危害度较小时，适当降低采集频次以避免队列积压导致峰值信息年龄增大；
多光谱采集频次共分为N档，集合表示为其中fn表示第n档采集频次，且f1＜...＜fn＜...＜fN，根据第t时隙的多光谱检测时效性、放电危害度、传输丢包率和数据积压对第t+1时隙多光谱图像采集频次进行优化；设采集档数为n(t)，n(t)＝n表示f(t)＝fn，采集频次档数调整公式为：
式中，为第t时隙内检测的所有图像的平均放电危害度，计算公式为e(t)为第t时隙的传输丢包率，σ为一阈值系数，η为采集频次档数调节步长系数，/>表示向上取整，Zmin为多光谱检测时效性阈值，/>为放电危害度阈值；公式意为，当检测到放电图像时，调整采集频次至最高档；当未检测到放电时，若第t时隙多光谱检测时效性小于阈值，则根据传输丢包率、数据积压和放电危害度调整采集频次，当丢包率和数据积压较高、放电危害度较低时，调低档数，当丢包率和数据积压较低、放电危害度较高时，调高档数；若第t时隙多光谱检测时效性大于阈值，则仅在第t时隙平均放电危害度大于阈值时调高档数。
8.面向多光谱高时效性放电检测的感传算协同控制装置，其特征在于，所述装置用于执行权利要求1-7中任一所述的方法，所述装置包括：
多光谱图像采集模块：用于采集高压电气设备多光谱图像，包括：可见光图像、紫外图像和红外图像；
放电检测模块：部署了Canny边缘检测和最大熵阈值分割检测算法，用于检测多光谱图像是否放电、计算光斑面积、计算污秽大小、读取温度；
放电危害度计算模块：该模块用于根据图像中的放电情况、光斑面积、污秽大小和温度等，计算图像放电危害度；
时效性感知模块：用于感知主站反馈的时效性相关信息，并将感知到的多光谱检测时效性、数据积压和丢包率数据传输到采集频次优化模块和队列整形优化模块；
队列整形优化模块：用于根据放电情况和放电危害度进行队列整形，暂时搁置其他图像，优先传输放电和高危害度图像；
采集频次优化模块：用于根据上一时隙的放电情况、多光谱检测时效性、放电危害度、传输丢包率和数据积压，优化下一时隙多光谱图像采集频次；
通信模块：用于与其他设备或系统进行通信，接收巡检主站反馈的时效性相关信息，传输多光谱检测时效性、放电危害度、采集频次信息；
电源模块：用于给面向多光谱高时效性放电检测的感传算协同控制装置供电。
CN202311617165.9A 2023-11-30 2023-11-30 面向多光谱高时效性放电检测的协同控制方法及装置 Pending CN117611784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311617165.9A CN117611784A (zh) 2023-11-30 2023-11-30 面向多光谱高时效性放电检测的协同控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311617165.9A CN117611784A (zh) 2023-11-30 2023-11-30 面向多光谱高时效性放电检测的协同控制方法及装置

Publications (1)

Publication Number Publication Date
CN117611784A true CN117611784A (zh) 2024-02-27

Family

ID=89949480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311617165.9A Pending CN117611784A (zh) 2023-11-30 2023-11-30 面向多光谱高时效性放电检测的协同控制方法及装置

Country Status (1)

Country Link
CN (1) CN117611784A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090064901A (ko) * 2007-12-17 2009-06-22 한국전기안전공사 전력설비의 방전 자외선 이미지 분석 방법
CN106596579A (zh) * 2016-11-15 2017-04-26 同济大学 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法
CA3004388A1 (en) * 2015-11-08 2017-05-11 Agrowing Ltd A method for aerial imagery acquisition and analysis
CN115047010A (zh) * 2022-04-26 2022-09-13 国网四川省电力公司电力科学研究院 一种基于多源光谱感知技术的绝缘子污秽程度检测方法
CN115684179A (zh) * 2022-11-10 2023-02-03 国网山东省电力公司电力科学研究院 一种气体绝缘金属封闭设备内部状态可视监测系统及诊断方法
CN115901796A (zh) * 2022-11-29 2023-04-04 国网辽宁省电力有限公司阜新供电公司 基于多图像特征融合的矿区杆塔绝缘子污秽状态识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090064901A (ko) * 2007-12-17 2009-06-22 한국전기안전공사 전력설비의 방전 자외선 이미지 분석 방법
CA3004388A1 (en) * 2015-11-08 2017-05-11 Agrowing Ltd A method for aerial imagery acquisition and analysis
CN106596579A (zh) * 2016-11-15 2017-04-26 同济大学 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法
CN115047010A (zh) * 2022-04-26 2022-09-13 国网四川省电力公司电力科学研究院 一种基于多源光谱感知技术的绝缘子污秽程度检测方法
CN115684179A (zh) * 2022-11-10 2023-02-03 国网山东省电力公司电力科学研究院 一种气体绝缘金属封闭设备内部状态可视监测系统及诊断方法
CN115901796A (zh) * 2022-11-29 2023-04-04 国网辽宁省电力有限公司阜新供电公司 基于多图像特征融合的矿区杆塔绝缘子污秽状态识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
薛阳贵;: "变电站绝缘子缺陷多光谱图像识别的监测方法研究", 新型工业化, no. 05, 20 May 2020 (2020-05-20) *
马欢;郭裕钧;张血琴;张晓青;李春茂;吴广宁;: "基于高光谱技术的绝缘子污秽含水量检测", 高电压技术, no. 04, 30 April 2020 (2020-04-30) *

Similar Documents

Publication Publication Date Title
CN111770285B (zh) 一种曝光亮度控制方法、装置、电子设备和存储介质
US9826428B2 (en) Apparatus and method for detecting congestion of wireless network in communication system
CN105049369A (zh) 异构无线网络中基于mptcp的视频传输拥塞控制方法
CN110677300B (zh) 基于移动边缘计算的电力安管视频智能分流装置及方法
US8873414B2 (en) Communication apparatus, communication method, and communication system
CN111985352B (zh) 一种ai前端化的变电站巡检视频实时识别方法及系统
CN104683762A (zh) 一种基于缓冲占用比的无人机视频无线自适应传输方法和无线传输系统
US20230156324A1 (en) Multi-Channel Image and Video Stream Synchronization and Distributed Processing Method and System Based on 5G Environment
CN102148983A (zh) 一种解决处理高清图像资源占用过高的方法
CN117611784A (zh) 面向多光谱高时效性放电检测的协同控制方法及装置
CN110807430A (zh) 一种实况全景交通标志图片预处理方法
EP4037272A1 (en) Data processing method and device
CN116582693B (zh) 一种基于视频资源池的摄像头调用管控方法
CN116170380B (zh) 基于拥塞预测的ecn标记策略和队列管理方法及系统
CN104469912A (zh) 环境侦测装置及其数据传输方法
CN111371689B (zh) 基于深度学习的tcp拥塞控制版本识别方法和装置
CN115361316B (zh) 基于边缘计算的物联网数据包传输延迟检测方法
CN110856216A (zh) 用于4g/5g高速网络的拥堵数据优先级判断方法
CN108092840B (zh) 网络速率分段处理方法及装置
CN106788877B (zh) 一种数据业务上行速率调整方法、终端及无线网络控制器
CN108931934A (zh) 基于无线通信的自动化控制平台
CN117607636B (zh) 多光谱融合的感传存算一体化高压放电检测方法
CN107920021B (zh) 基于蜂窝链路聚合的链路优选方法
CN106557527A (zh) 一种色情图像检测和系统
CN110659571A (zh) 一种基于帧缓存队列的流视频人脸检测加速方法

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