CN203825644U - 一种基于图像识别输电线路的雾等级的系统 - Google Patents
一种基于图像识别输电线路的雾等级的系统 Download PDFInfo
- Publication number
- CN203825644U CN203825644U CN201420141117.7U CN201420141117U CN203825644U CN 203825644 U CN203825644 U CN 203825644U CN 201420141117 U CN201420141117 U CN 201420141117U CN 203825644 U CN203825644 U CN 203825644U
- Authority
- CN
- China
- Prior art keywords
- image
- mist
- unit
- transmission line
- 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.)
- Expired - Fee Related
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 68
- 238000012549 training Methods 0.000 claims abstract description 45
- 238000004891 communication Methods 0.000 claims abstract description 17
- 239000003595 mist Substances 0.000 claims description 106
- 230000005611 electricity Effects 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000010616 electrical installation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Studio Devices (AREA)
Abstract
本实用新型提供一种基于图像识别输电线路的雾等级的系统,包括安装于所述输电线路上的摄像装置;与所述的摄像装置相连接的网络通信模块;与所述网络通信模块相连接的远程识别装置,其中,所述的摄像装置,用于采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像;所述的远程识别装置,用于接收所述的多个训练图像,根据所述的训练图像输出雾等级识别模板库;所述的摄像装置,还用于采集输电线路的待识别图像;所述的远程识别装置,还用于接收所述的待识别图像,根据所述的雾等级识别模板库输出所述待识别图像的识别结果。本实用新型提供的系统实现了对雾的等级的分类识别。
Description
技术领域
本实用新型关于电力监测技术领域,特别是关于电力系统中输电线路的检测技术,具体的讲是一种基于图像识别输电线路的雾等级的系统。
背景技术
雾天天气严重威胁着电力系统的安全运行。雾天气会使输电线路受到污染,对输电线路造成雾闪和污闪现象。雾闪是由于浓雾中所含的污染物较多,使电线受到污染,导致含雾空气导电率剧增,引起输电线路短路、跳闸、掉闸等故障,造成电网大面积断电的现象。雾闪可以使电力机车停运、工厂停产、市民生活断电。污闪是指电气设备绝缘表面附着的污秽物在潮湿条件下,其可溶物质逐渐溶于水,在绝缘表面形成一层导电膜,使绝缘子的绝缘水平大大降低,在电场力作用下出现的强烈放电现象,容易造成绝缘子串闪落。
现有技术中,对雾进行检测的方案主要是基于视频图像进行的。公开号为CN1410757、实用新型名称为“火灾及烟雾检测与控制系统”的专利申请公开了一种火灾检测系统组合二氧化碳气体检测器和烟雾检测器。逻辑电路组合两个检测器的输出,以便减少伪报警并提供快速的响应时间。在优选实施例中,减少了定期进行清洁的需要,在另一个优选实施例中,可以得到指示不同类型的火灾,例如有火焰火灾和无火焰火灾的两个报警。系统可以设置有火焰火灾和烟雾的图形,用于引导消防队员。在另一个优选实施例中,试验性的火灾报警指示解除本地空气调节系统,借以帮助隔离和控制任何现有的火灾。
公开号为CN1406366、实用新型名称为“视频烟雾检测系统”的专利公开了通过一种视频烟雾检测系统,具有至少一个用来摄取视频图像的装置和具有一种在其中通过处理来确定视频图像各个像素或各组像素的信号处理器,在所述处理中获得一种对于亮度有代表性的值,并针对表征烟雾出现的变化来分析所述值的时间过程进行分析研究。所述处理是给每个像素分配一个边缘值(Ki,j)的边缘抽取处理。除边缘抽取处理之外还从运动方面对视频图像进行运动检测的分析研究。
上述两篇专利均涉及通过视频对烟雾的检测技术,但并不涉及对电力系统中输电线路存在的雾的检测设备。因此,如何对电力系统中的雾天气进行识别,以减少电网大面积断电的现象对国民经济造成重大损失是是本领域亟待解决的技术难题。
实用新型内容
为了克服现有技术存在的上述缺陷,本实用新型提供了一种基于图像识别输电线路的雾等级的系统,通过摄像装置采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,由远程识别装置建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类,提取图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库,进而实现对雾的等级的分类识别。
本实用新型的目的是,提供了一种基于图像识别输电线路的雾等级的系统,包括:安装于所述输电线路上的摄像装置;与所述的摄像装置相连接的网络通信模块;与所述网络通信模块相连接的远程识别装置,其中,所述的摄像装置,用于采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,并将所述的多个训练图像通过网络通信模块发送至所述的远程识别装置;所述的远程识别装置,用于接收所述的多个训练图像,根据所述的训练图像输出雾等级识别模板库;所述的摄像装置,还用于采集输电线路的待识别图像,并将所述的待识别图像通过网络通信模块发送至所述的远程识别装置;所述的远程识别装置,还用于接收所述的待识别图像,根据所述的雾等级识别模板库输出所述待识别图像的识别结果。
优选的,所述的远程识别装置具体包括:图像接收单元,用于接收所述的多个训练图像;图像类建立单元,与所述的图像接收单元相连接,用于建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类;特征提取单元,与所述的图像类建立单元相连接,用于提取晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的特征;模板库,与所述的特征提取单元相连接,用于将所述图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库;所述的图像接收单元,还用于接收所述的待识别图像;所述的特征提取单元,还用于提取所述待识别图像的特征;识别单元,与所述的模板库、所述的特征提取单元相连接,用于根据所述的雾等级识别模板库对所述待识别图像对应的特征进行识别,得到识别结果;输出单元,与所述的识别单元相连接,用于输出所述待识别图像的识别结果。
优选的,所述的特征提取单元提取的特征包括概率值特征、对比度特征、饱和度特征。
优选的,所述的摄像装置具体包括电源、网络传输单元、中央控制单元和视频采集编码单元;其中,所述的中央控制单元与所述的电源、视频采集编码单元、网络传输单元相连接;所述的电源,用于将电能供给所述的网络传输单元、中央控制单元以及视频采集编码单元;所述的中央控制单元,用于控制摄像装置的工作状态;所述的视频采集编码单元,用于采集训练图像以及待识别图像,并将所述的训练图像以及待识别图像进行编码转换后传送至所述的网络传输单元;所述的网络传输单元,用于将所述的训练图像以及待识别图像通过网络通信模块发送至所述的远程识别装置。
优选的,所述的视频采集编码单元包括摄像头以及与所述摄像头相连接的视频编码器。
优选的,所述的电源包括太阳能极板以及与所述太阳能极板相连接的蓄电池。
优选的,所述的网络传输单元为GPRS无线传输模块或CDMA无线传输模块或2.4GHz无线传输模块。
本实用新型的有益效果在于,提供了一种基于图像识别输电线路的雾等级的系统,通过摄像装置采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,由远程识别装置建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类,提取图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库,进而实现对雾的等级的分类识别,可以有效预防并减少电网大面积断电的现象对国民经济造成的损失。
为让本实用新型的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本实用新型实施例或现有技术中的技术方案,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实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本实用新型实施例提供的一种基于图像识别输电线路的雾等级的系统的结构示意图;
图2为本实用新型实施例提供的一种基于图像识别输电线路的雾等级的系统中远程识别装置的结构示意图;
图3为本实用新型实施例提供的一种基于图像识别输电线路的雾等级的系统中摄像装置的结构示意图。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本实用新型保护的范围。
本实用新型提出一种基于图像识别输电线路的雾等级的系统,图1为系统的结构示意图,由图1可知,所述的系统包括:
安装于输电线路上的摄像装置100;
与所述的摄像装置100相连接的网络通信模块200;
与所述网络通信模块相连接的远程识别装置300。
其中,所述的摄像装置100,用于采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,并将所述的多个训练图像通过网络通信模块发送至所述的远程识别装置。本实用新型在具体的实施例里,可通过固定在输电线路上的摄像装置中的摄像头来采集训练图像。分别采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾多个天气下的一系列训练图像。
所述的远程识别装置300,用于接收所述的多个训练图像,根据所述的训练图像输出雾等级识别模板库;
所述的摄像装置100,还用于采集输电线路的待识别图像,并将所述的待识别图像通过网络通信模块发送至所述的远程识别装置;
所述的远程识别装置300,还用于接收所述的待识别图像,根据所述的雾等级识别模板库输出所述待识别图像的识别结果。
本实用新型实施例中的远程识别装置可通过通用处理器,或数字信号处理器,或专用集成电路ASIC,或现场可编程门阵列FPGA来实现。
图2为本实用新型实施例提供的一种基于图像识别输电线路的雾等级的系统中远程识别装置的结构示意图。由图2可知,远程识别装置具体包括:
图像接收单元301,用于接收所述的多个训练图像;
图像类建立单元302,与所述的图像接收单元301相连接,用于建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类。即将图像接收单元301接收到的一系列图像按照晴天、轻雾、雾、大雾、浓雾、强浓雾的不同,建立对应的图像类。
特征提取单元303,与所述的图像类建立单元相连接,用于提取晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的特征。该特征包括概率值特征、对比度特征、饱和度特征。下面逐一进行介绍。
概率值特征
将晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类中的训练图像进行灰度化,得到灰度化后的训练图像。图像的灰度变换有时被称为图像的对比度增强或对比度拉伸,目的是为了显示出图像的细节部分或提高清晰度。
对所述灰度化后的训练图像进行灰度直方图统计,得到统计结果。
图像的灰度直方图反映了图像的恶灰度分布情况。从数学上来说,直方图统计一副图像中各个灰度级出现的次数和概率;从图形上说,它是一个二维图,横坐标表示图像中各个象素点的灰度级,纵坐标为各个灰度级上图像像素点出现的个数或出现概率。
根据所述的统计结果确定出晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的概率值特征。在具体的实施方式中,通过对输电线路图像进行灰度统计,将统计结果中最大灰度值在整幅图像中出现的概率值作为概率特征值。
对比度特征
将晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类中的训练图像从RGB(其中,R表示红色G表示绿色B表示蓝色)颜色空间转化为HSI(H表示色调,S表示饱和度,I表示亮度)颜色空间,得到HSI颜色空间的训练图像;
根据图像亮度标准差公式以及HSI颜色空间的训练图像确定出晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的对比度特征。
大气中各种介质对光线存在衰减和折射作用,即使相同场景图像在不同天气状况下也存在不同对比度,可通过图像对比度特征的提取来分析相应的天气现象影响。一般情况下,计算图像对比度通常采用迈克尔逊Mechelson公式。
其中,Lmax为图像最大亮度,Lmin为图像最小亮度。该式计算简单,得到的对比度因为没有考虑图像中噪声点带来的亮度剧烈变化,所述误差较大。因此本实用新型采用计算图像亮度标准差(Root Mean Square,RMS)公式的形式,计算图像在不同天气条件对比度:
其中,L(x,y)为训练图像在(x,y)处亮度,Ni为图像像素点个数,C为对比度。
饱和度特征
将晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类中的训练图像从RGB颜色空间转化为HSI颜色空间,得到HSI颜色空间的训练图像。
根据HSI颜色空间的训练图像确定出晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的饱和度特征。
虽然灰度图像在图像特征提取与各种底层算法方面有较为广泛的应用,但是由于图像饱和度与亮度无关,能够较好地反映图像在不同光照环境下的颜色组成特征。因此本实用新型提取图像HSI颜色空间饱和度直方图,作为分类特征输入分类器。计算公式为:
其中,S为饱和度,R为红色,G为绿色,B为蓝色。
模板库304,与所述的特征提取单元相连接,用于将所述图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库。即将将获取到的最大灰度值出现的概率值特征、对比度特征、饱和度特征作为朴素Bayes输入数据集进行训练。
Bayes分类算法的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类。Bayes定理告诉我们如何通过给定的训练样本集预测未知样本的类别,它的预测依据就是取后验概率,后验概率公式为:
式中,P(w)为先验概率;P(x|wi)是类条件概率密度函数,表示在已知某类别的特征空间中,出现特征值x的概率密度,即第wi类样品的属性x是如何分布的;P(wi|x)为后验概率,表示呈现状态x时,该样品分属各类别的概率,这个概率值可以作为识别对象归属的依据。
在具体的实施例中,采集的训练图像编号为1至6,分别确定出每个图像的最大灰度值概率、对比度、饱和度,进而确定出雾类型,如表1所示。
表1
图像编号 | 最大灰度值概率 | 对比度 | 饱和度 | 雾类型 |
1 | 0.021657 | 1.8 | 1.3 | 晴天 |
2 | 0.030107 | 1.1 | 4.7 | 轻雾 |
3 | 0.054286 | 0.6 | 6.4 | 雾 |
4 | 0.061628 | 0.4 | 7.1 | 大雾 |
5 | 0.072472 | 0.3 | 8.5 | 浓雾 |
6 | 0.084935 | 0.1 | 9.8 | 强浓雾 |
在具体的实施例中,得到的雾等级识别模板库如表2所示。如此,通过输电线路固定摄像头采集输电线路训练,通过提取晴天、轻雾、雾、大雾、浓雾、强浓雾的输电线路图像的最大灰度值出现的概率值特征、对比度特征、饱和度特征分别建立晴天、轻雾、雾、大雾、浓雾、强浓雾图像类,进而建立了雾等级识别模板库,可对待识别图像进行雾等级的识别。
表2
雾类型 | 说明 |
轻雾 | 水平能见度距离在1-10公里之间 |
雾 | 水平能见度距离低于1公里 |
大雾 | 水平能见度距离200-500米之间 |
浓雾 | 水平能见度距离50-200米之间 |
强浓雾 | 水平能见度不足50米 |
所述的图像接收单元301,还用于接收所述的待识别图像;
所述的特征提取单元302,还用于提取所述待识别图像的特征。此处的特征即为概率值特征、饱和度特征、对比度特征。
识别单元305,与所述的模板库、所述的特征提取单元相连接,用于根据所述的雾等级识别模板库对所述待识别图像对应的特征进行识别,得到识别结果。也即利用朴素Bayes对获取到的待识别图像的概率值特征、对比度特征、饱和度特征进行识别。
输出单元306,与所述的识别单元相连接,用于输出所述待识别图像的识别结果。
图3为本实用新型实施例提供的一种基于图像识别输电线路的雾等级的系统中摄像装置的结构示意图,由图3可知,所述的摄像装置100具体包括电源101、网络传输单元102、中央控制单元103和视频采集编码单元104;
其中,所述的中央控制单元103与所述的电源101、视频采集编码单元104、网络传输单元102相连接;
所述的电源101,用于将电能供给所述的网络传输单元、中央控制单元以及视频采集编码单元。在具体的实施方式中,所述的电源包括太阳能极板1011以及与所述太阳能极板相连接的蓄电池1012。
所述的中央控制单元103,用于控制摄像装置的工作状态;
所述的视频采集编码单元104,用于采集训练图像以及待识别图像,并将所述的训练图像以及待识别图像进行编码转换后传送至所述的网络传输单元。在具体的实施方式中,所述的视频采集编码单元包括摄像头1014以及与所述摄像头相连接的视频编码器1042。
所述的网络传输单元102,用于将所述的训练图像以及待识别图像通过网络通信模块发送至所述的远程识别装置。在具体的实施方式中,所述的网络传输单元为GPRS无线传输模块或CDMA无线传输模块或2.4GHz无线传输模块。
如上即为本实用新型提供的一种基于图像识别输电线路的雾等级的系统,通过摄像装置采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,由远程识别装置建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类,提取图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库,进而实现对雾的等级的分类识别,可以有效预防并减少电网大面积断电的现象对国民经济造成的损失。
本实用新型的有益效果在于:
1.通过提取输电线路固定摄像装置采集到图像的最大灰度密度、对比度、饱和度等特征,对这些特征进行训练,即可建立雾等级识别模板库;
2.对从输电线路固定摄像头采集到图像提取最大灰度密度、对比度、饱和度等特征,即可使用分类算法进行识别,提高了雾等级识别的精度。
本领域技术人员还可以了解到本实用新型实施例列出的各种功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本实用新型实施例保护的范围。
本实用新型中应用了具体实施例对本实用新型的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本实用新型的方法及其核心思想;同时,对于本领域的一般技术人员,依据本实用新型的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本实用新型的限制。
Claims (7)
1.一种基于图像识别输电线路的雾等级的系统,其特征是,所述的基于图像识别输电线路的雾等级的系统包括:
安装于所述输电线路上的摄像装置;
与所述的摄像装置相连接的网络通信模块;
与所述网络通信模块相连接的远程识别装置,
其中,所述的摄像装置,用于采集输电线路在晴天、轻雾、雾、大雾、浓雾、强浓雾天气的多个训练图像,并将所述的多个训练图像通过网络通信模块发送至所述的远程识别装置;
所述的远程识别装置,用于接收所述的多个训练图像,根据所述的训练图像输出雾等级识别模板库;
所述的摄像装置,还用于采集输电线路的待识别图像,并将所述的待识别图像通过网络通信模块发送至所述的远程识别装置;
所述的远程识别装置,还用于接收所述的待识别图像,根据所述的雾等级识别模板库输出所述待识别图像的识别结果。
2.根据权利要求1所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的远程识别装置具体包括:
图像接收单元,用于接收所述的多个训练图像;
图像类建立单元,与所述的图像接收单元相连接,用于建立晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类;
特征提取单元,与所述的图像类建立单元相连接,用于提取晴天、轻雾、雾、大雾、浓雾、强浓雾对应的图像类的特征;
模板库,与所述的特征提取单元相连接,用于将所述图像类的特征作为朴素贝叶斯的输入进行训练,得到雾等级识别模板库;
所述的图像接收单元,还用于接收所述的待识别图像;
所述的特征提取单元,还用于提取所述待识别图像的特征;
识别单元,与所述的模板库、所述的特征提取单元相连接,用于根据所述的雾等级识别模板库对所述待识别图像对应的特征进行识别,得到识别结果;
输出单元,与所述的识别单元相连接,用于输出所述待识别图像的识别结果。
3.根据权利要求2所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的特征提取单元提取的特征包括概率值特征、对比度特征、饱和度特征。
4.根据权利要求1所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的摄像装置具体包括电源、网络传输单元、中央控制单元和视频采集编码单元;
其中,所述的中央控制单元与所述的电源、视频采集编码单元、网络传输单元相连接;
所述的电源,用于将电能供给所述的网络传输单元、中央控制单元以及视频采集编码单元;
所述的中央控制单元,用于控制摄像装置的工作状态;
所述的视频采集编码单元,用于采集训练图像以及待识别图像,并将所述的训练图像以及待识别图像进行编码转换后传送至所述的网络传输单元;
所述的网络传输单元,用于将所述的训练图像以及待识别图像通过网络通信模块发送至所述的远程识别装置。
5.根据权利要求4所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的视频采集编码单元包括摄像头以及与所述摄像头相连接的视频编码器。
6.根据权利要求4所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的电源包括太阳能极板以及与所述太阳能极板相连接的蓄电池。
7.根据权利要求4所述的基于图像识别输电线路的雾等级的系统,其特征是,所述的网络传输单元为GPRS无线传输模块或CDMA无线传输模块或2.4GHz无线传输模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420141117.7U CN203825644U (zh) | 2014-03-26 | 2014-03-26 | 一种基于图像识别输电线路的雾等级的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420141117.7U CN203825644U (zh) | 2014-03-26 | 2014-03-26 | 一种基于图像识别输电线路的雾等级的系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN203825644U true CN203825644U (zh) | 2014-09-10 |
Family
ID=51481120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201420141117.7U Expired - Fee Related CN203825644U (zh) | 2014-03-26 | 2014-03-26 | 一种基于图像识别输电线路的雾等级的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN203825644U (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881646A (zh) * | 2015-05-26 | 2015-09-02 | 重庆金山科技(集团)有限公司 | Wce视频分段提取显著特征信息的方法 |
CN107690660A (zh) * | 2016-12-21 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 图像识别方法及装置 |
CN109961070A (zh) * | 2019-03-22 | 2019-07-02 | 国网河北省电力有限公司电力科学研究院 | 一种输电线路智能化图像监测中区分雾体浓度的方法 |
CN112957074A (zh) * | 2016-03-09 | 2021-06-15 | 安科诺思公司 | 利用人工智能网络的超声图像识别系统和方法 |
-
2014
- 2014-03-26 CN CN201420141117.7U patent/CN203825644U/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881646A (zh) * | 2015-05-26 | 2015-09-02 | 重庆金山科技(集团)有限公司 | Wce视频分段提取显著特征信息的方法 |
CN104881646B (zh) * | 2015-05-26 | 2018-08-03 | 重庆金山科技(集团)有限公司 | Wce视频分段提取显著特征信息的方法 |
CN112957074A (zh) * | 2016-03-09 | 2021-06-15 | 安科诺思公司 | 利用人工智能网络的超声图像识别系统和方法 |
CN107690660A (zh) * | 2016-12-21 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 图像识别方法及装置 |
WO2018112783A1 (zh) * | 2016-12-21 | 2018-06-28 | 深圳前海达闼云端智能科技有限公司 | 图像识别方法及装置 |
CN107690660B (zh) * | 2016-12-21 | 2021-03-23 | 达闼机器人有限公司 | 图像识别方法及装置 |
CN109961070A (zh) * | 2019-03-22 | 2019-07-02 | 国网河北省电力有限公司电力科学研究院 | 一种输电线路智能化图像监测中区分雾体浓度的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903008A (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN102129564B (zh) | 基于无人飞行器的接触网故障检测与诊断方法 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
US9384560B2 (en) | Contamination level estimation method for high voltage insulators | |
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
CN106600888B (zh) | 一种森林火灾自动检测方法及系统 | |
CN203825644U (zh) | 一种基于图像识别输电线路的雾等级的系统 | |
CN106651100B (zh) | 基于车联网优选车载监测点的空气质量评估系统及方法 | |
CN110070530A (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN103235952B (zh) | 一种基于高分辨率遥感影像的城市绿度空间的度量方法 | |
CN102609951B (zh) | 光伏电池板遮荫部分的检测方法 | |
CN103411970A (zh) | 基于红外热像的交流输电线路绝缘子污秽状态检测方法 | |
CN103812577A (zh) | 非正常无线电信号的自动识别系统及其方法 | |
CN111076096B (zh) | 燃气管网泄漏识别方法和装置 | |
CN116363601B (zh) | 一种污染监测设备的数据采集与分析方法及系统 | |
CN105116273A (zh) | 绝缘子在线监测系统 | |
CN111864896A (zh) | 一种电力负荷监测方法及系统 | |
CN104517126A (zh) | 一种基于图像分析的空气质量评估方法 | |
CN107831409A (zh) | 特高频局放检测图谱特征参量提取的方法及异常检测方法 | |
CN105787470A (zh) | 一种基于聚合多通道特征对图像中输电线路杆塔进行检测的方法 | |
CN106950574B (zh) | 一种大气中灰霾总量的遥感测算方法及装置 | |
CN103852018A (zh) | 基于图像处理的输电线路覆冰厚度测量算法 | |
CN112149887A (zh) | 一种基于数据时空特征的pm2.5浓度预测方法 | |
CN113065484A (zh) | 一种基于紫外图谱的绝缘子污秽状态评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140910 Termination date: 20180326 |
|
CF01 | Termination of patent right due to non-payment of annual fee |