CN106803254A - 一种输电线路中绝缘子缺损分析的图片自动检测方法 - Google Patents
一种输电线路中绝缘子缺损分析的图片自动检测方法 Download PDFInfo
- Publication number
- CN106803254A CN106803254A CN201710031406.XA CN201710031406A CN106803254A CN 106803254 A CN106803254 A CN 106803254A CN 201710031406 A CN201710031406 A CN 201710031406A CN 106803254 A CN106803254 A CN 106803254A
- Authority
- CN
- China
- Prior art keywords
- insulator
- picture
- defect
- file
- transmission line
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Insulators (AREA)
Abstract
本发明公开了一种输电线路中绝缘子缺损分析的图片自动检测方法,涉及无人机技术的应用领域,包括以下步骤:1)加载图片;2)进行识别定位到绝缘子;3)缺损分析;4)有无问题的图片自动分类;绝缘子有缺陷的归到绝缘子缺陷文件夹、绝缘子污秽的图片归到绝缘子污秽文件夹,完整无缺损的绝缘子图片照片归到正常文件夹;5)输出绝缘子缺损报告,本发明通过绝缘子自动识别分析***,加载图片文件后自动识别绝缘子的缺损情况,自动分类到绝缘子正常文件夹、绝缘子缺陷文件夹、绝缘子污秽文件,并进行归档,实现全自动识别。相比较人为检查即提高了效率又降低了准确率。
Description
技术领域
本发明涉及无人机技术的应用领域,特别涉及一种输电线路中绝缘子缺损分析的图片自动检测方法。
背景技术
目前民用无人机可用于电力巡检工作领域:装配有高清数码摄像机和照相机以及GPS定位方法的无人机,可沿电网进行定位自主巡航,实时传送拍摄影像,监控人员可在电脑上同步收看与操控。推荐理由:采用传统的人工电力巡线方式,条件艰苦,效率低下,一线的电力巡查工偶尔会遭遇“被狗撵”“被蛇咬”的危险。无人机实现了电子化、信息化、智能化巡检,提高了电力线路巡检的工作效率、应急抢险水平和供电可靠率。而在山洪暴发、地震灾害等紧急情况下,无人机可对线路的潜在危险,诸如塔基陷落等问题进行勘测与紧急排查,丝毫不受路面状况影响,既免去攀爬杆塔之苦,又能勘测到人眼的视觉死角,对于迅速恢复供电很有帮助。
综上,目前市面上的OSD视频叠加方案均有各种缺陷,急需成本低且稳定的方案。
发明内容
本发明所要解决的技术问题是提供一种输电线路中绝缘子缺损分析的图片自动检测方法,以解决现有技术中导致的上述多项缺陷。
为实现上述目的,本发明提供以下的技术方案:一种输电线路中绝缘子缺损分析的图片自动检测方法,包括以下步骤:
1)加载图片;
2)进行识别定位到绝缘子;
3)缺损分析;
4)有无问题的图片自动分类;绝缘子有缺陷的归到绝缘子缺陷文件夹、绝缘子污秽的图片归到绝缘子污秽文件夹,完整无缺损的绝缘子图片照片归到正常文件夹;
5)输出绝缘子缺损报告。
优选的,所述步骤1)具体为准备正负样本:正样本即只包含绝缘子的图片;负样本即背景图片,背景选取是从含绝缘子的图片中截取出来除去绝缘子的部分,目的在于提取到绝缘子会存在的各种背景。
优选的,所述步骤2)具体为完整提取图片中的绝缘子:准备好了正负样本之后使用深度学习CNN将样本进行训练,最终训练结果即可将绝缘子部分完整提取出来。
优选的,所述步骤3)具体为绝缘子缺陷以及污损检测:首先采用局部二元模式算法提取绝缘子的纹理特征,然后利用半监督学习的方法将绝缘子分类,包括正常、自爆、受污秽和其他四种类型;对绝缘子图像中的自爆缺陷采用滑动窗口的方法计算模板和窗口的直方图距离,通过归一化的直方图距离判断是否存在缺陷,并定位缺陷位置;最后对局部污秽进行检测,利用提取纵向灰度值变化率的方法对污秽行检测,破坏绝缘子纵向灰度变化率规律的位置即为局部污秽的区域。
采用以上技术方案的有益效果是:通过绝缘子自动识别分析***,加载图片文件后自动识别绝缘子的缺损情况,自动分类到绝缘子正常文件夹、绝缘子缺陷文件夹、绝缘子污秽文件,并进行归档,实现全自动识别。相比较人为检查即提高了效率又降低了准确率。
附图说明
图1是本发明的流程图。
具体实施方式
大量绝缘子图片的缺损判断急需一种准确度高、自动化的方案来检查,因此设计一款绝缘子自动识别、分析方法显得非常重要。
下面结合附图详细说明本发明一种输电线路中绝缘子缺损分析的图片自动检测方法的实施方式。
图1出示本发明一种输电线路中绝缘子缺损分析的图片自动检测方法的具体实施方式:一种输电线路中绝缘子缺损分析的图片自动检测方法,包括以下步骤:
1)加载图片;
2)进行识别定位到绝缘子;
3)缺损分析;
4)有无问题的图片自动分类;绝缘子有缺陷的归到绝缘子缺陷文件夹、绝缘子污秽的图片归到绝缘子污秽文件夹,完整无缺损的绝缘子图片照片归到正常文件夹;
5)输出绝缘子缺损报告。
工作人员可以直接通过查看绝缘子缺损报告来得知输电线路上绝缘子的缺损情况,及时进行维修。
在本实施例中,所述步骤1)具体为准备正负样本:正样本即只包含绝缘子的图片;负样本即背景图片,背景选取是从含绝缘子的图片中截取出来除去绝缘子的部分,目的在于提取到绝缘子会存在的各种背景。
在本实施例中,所述步骤2)具体为完整提取图片中的绝缘子:准备好了正负样本之后使用深度学习CNN将样本进行训练,最终训练结果即可将绝缘子部分完整提取出来。
在本实施例中,所述步骤3)具体为绝缘子缺陷以及污损检测:首先采用局部二元模式算法提取绝缘子的纹理特征,然后利用半监督学习的方法将绝缘子分类,包括正常、自爆、受污秽和其他四种类型;对绝缘子图像中的自爆缺陷采用滑动窗口的方法计算模板和窗口的直方图距离,通过归一化的直方图距离判断是否存在缺陷,并定位缺陷位置;最后对局部污秽进行检测,利用提取纵向灰度值变化率的方法对污秽行检测,破坏绝缘子纵向灰度变化率规律的位置即为局部污秽的区域。
基于上述,本发明现有技术相比有益效果为:实现方法简单,使地面接收的视频清晰度和稳定性比其他方案大大提高,省去了其他的视频叠加设备,节省了成本、功耗、传输时间。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (4)
1.一种输电线路中绝缘子缺损分析的图片自动检测方法,其特征在于,包括以下步骤:
1)加载图片;
2)进行识别定位到绝缘子;
3)缺损分析;
4)有无问题的图片自动分类;绝缘子有缺陷的归到绝缘子缺陷文件夹、绝缘子污秽的图片归到绝缘子污秽文件夹,完整无缺损的绝缘子图片照片归到正常文件夹;
5)输出绝缘子缺损报告。
2.根据权利要求1所述的一种输电线路中绝缘子缺损分析的图片自动检测方法,其特征在于,所述步骤1)具体为准备正负样本:正样本即只包含绝缘子的图片;负样本即背景图片,背景选取是从含绝缘子的图片中截取出来除去绝缘子的部分,目的在于提取到绝缘子会存在的各种背景。
3.根据权利要求1所述的一种输电线路中绝缘子缺损分析的图片自动检测方法,其特征在于,所述步骤2)具体为完整提取图片中的绝缘子:准备好了正负样本之后使用深度学习CNN将样本进行训练,最终训练结果即可将绝缘子部分完整提取出来。
4.根据权利要求1所述的一种输电线路中绝缘子缺损分析的图片自动检测方法,其特征在于,所述步骤3)具体为绝缘子缺陷以及污损检测:首先采用局部二元模式算法提取绝缘子的纹理特征,然后利用半监督学习的方法将绝缘子分类,包括正常、自爆、受污秽和其他四种类型;对绝缘子图像中的自爆缺陷采用滑动窗口的方法计算模板和窗口的直方图距离,通过归一化的直方图距离判断是否存在缺陷,并定位缺陷位置;最后对局部污秽进行检测,利用提取纵向灰度值变化率的方法对污秽行检测,破坏绝缘子纵向灰度变化率规律的位置即为局部污秽的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031406.XA CN106803254A (zh) | 2017-01-17 | 2017-01-17 | 一种输电线路中绝缘子缺损分析的图片自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031406.XA CN106803254A (zh) | 2017-01-17 | 2017-01-17 | 一种输电线路中绝缘子缺损分析的图片自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106803254A true CN106803254A (zh) | 2017-06-06 |
Family
ID=58984410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710031406.XA Pending CN106803254A (zh) | 2017-01-17 | 2017-01-17 | 一种输电线路中绝缘子缺损分析的图片自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106803254A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596886A (zh) * | 2018-04-17 | 2018-09-28 | 福州大学 | 基于深度学习的航拍图像绝缘子掉片故障快速检测方法 |
CN108881841A (zh) * | 2018-07-03 | 2018-11-23 | 国网通用航空有限公司 | 基于直升机平台的输电线路智能识别***及方法 |
CN109255776A (zh) * | 2018-07-23 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种输电线路开口销缺损自动识别方法 |
CN112070135A (zh) * | 2020-08-28 | 2020-12-11 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
CN113469953A (zh) * | 2021-06-10 | 2021-10-01 | 南昌大学 | 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法 |
CN112070135B (zh) * | 2020-08-28 | 2024-08-02 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354589A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别绝缘子裂损的方法及*** |
-
2017
- 2017-01-17 CN CN201710031406.XA patent/CN106803254A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354589A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别绝缘子裂损的方法及*** |
Non-Patent Citations (3)
Title |
---|
YONGJIE ZHAI等: "A Method of Insulator Detection from Aerial Images", 《SENSORS & TRANSDUCERS》 * |
石丽: "输电线路绝缘子缺陷图像检测方法", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
翟永杰等: "基于3D模型和AdaBoost算法的绝缘子检测", 《传感器世界》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596886A (zh) * | 2018-04-17 | 2018-09-28 | 福州大学 | 基于深度学习的航拍图像绝缘子掉片故障快速检测方法 |
CN108881841A (zh) * | 2018-07-03 | 2018-11-23 | 国网通用航空有限公司 | 基于直升机平台的输电线路智能识别***及方法 |
CN109255776A (zh) * | 2018-07-23 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种输电线路开口销缺损自动识别方法 |
CN109255776B (zh) * | 2018-07-23 | 2023-12-05 | 中国电力科学研究院有限公司 | 一种输电线路开口销缺损自动识别方法 |
CN112070135A (zh) * | 2020-08-28 | 2020-12-11 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
CN112070135B (zh) * | 2020-08-28 | 2024-08-02 | 广东电网有限责任公司 | 电力设备图像检测方法、装置、电力设备及存储介质 |
CN113469953A (zh) * | 2021-06-10 | 2021-10-01 | 南昌大学 | 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803254A (zh) | 一种输电线路中绝缘子缺损分析的图片自动检测方法 | |
CN108038850A (zh) | 一种基于深度学习的排水管道异常类型自动检测方法 | |
CN109118479A (zh) | 基于胶囊网络的绝缘子缺陷识别定位装置及方法 | |
CN108872781B (zh) | 基于电力设施智能巡检的分析方法及装置 | |
CN106127746A (zh) | 电路板元件漏件检测方法和*** | |
CN106340009A (zh) | 一种基于平行双目的电力线检测方法及*** | |
KR20190066789A (ko) | 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템 | |
CN110807765B (zh) | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与*** | |
CN110493574B (zh) | 基于流媒体和ai技术的安监可视化*** | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN114565845A (zh) | 一种地下隧道智能巡检*** | |
CN106250920A (zh) | 基于多特征信息融合的绝缘子状态检测与诊断方法 | |
CN113569956A (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN113485432A (zh) | 一种基于无人机的光伏电站电致发光智能诊断***及方法 | |
CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检*** | |
CN110197483A (zh) | 基于视频信号的深基坑裂缝检测方法 | |
CN105528790A (zh) | 一种输电线路小型部件识别方法 | |
CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理***及方法 | |
CN111738148B (zh) | 一种利用红外巡检拍摄的故障识别方法 | |
CN112489017A (zh) | 一种电力设备故障智能识别方法及识别*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170606 |