CN110502571B - 一种输电线路通道可视化告警高发线段的识别方法 - Google Patents
一种输电线路通道可视化告警高发线段的识别方法 Download PDFInfo
- Publication number
- CN110502571B CN110502571B CN201910807542.2A CN201910807542A CN110502571B CN 110502571 B CN110502571 B CN 110502571B CN 201910807542 A CN201910807542 A CN 201910807542A CN 110502571 B CN110502571 B CN 110502571B
- Authority
- CN
- China
- Prior art keywords
- alarm
- data
- transmission line
- line
- power transmission
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010248 power generation Methods 0.000 title description 2
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明是基于输电线路通道可视化远程巡视图像告警数据,将数据按不同线路进行分组后,找出每条线路的告警高发线段,即通过对告警数据按线路和杆塔分组并进行权重标记,利用动态滑窗算法和阈值控制,最终基于大量告警数据找出每条线路的告警高发线段。本发明所述识别方法将自动采集到的告警数据进行高效归集和统计,根据输电线路的特殊要求利用对应算法确定告警高发的线路段,不但为输电线路检修人员带来便利,还可从全局层面为管理人员提供决策信息,为线路的检修运维、设备的选择、分析沿线环境对线路的影响提供准确的参考数据,具有重大的现实意义。
Description
技术领域
本发明涉及一种输电线路通道可视化告警高发线段的识别方法,属于输电线路智能检修的技术领域。
背景技术
随着输电线路检修技术的升级,输电线路通道可视化远程巡视被广泛应用,目前已经实现对可视化信息的自动识别并标注出图像内出现的告警物体,如挖掘机、塔吊、山火、烟雾等。但对这些标记数据的应用,目前大部分停留在统计分析报表阶段,如对单一设备或指定线段内的多个设备的告警信息进行统计分析,完成了从数据到信息的归集,但更深层级的数据挖掘工作进行的较少,如在告警高发线段识别方向尚没有开展工作。
综上所述,如何提供一种高效、可靠的告警高发线段识别方法,为输电线路检修人员提供巡检区域内各输电线路的告警高发线段信息,是目前本领域技术人员亟待解决的问题之一。
发明内容
针对现有技术的不足,本发明的目的是提供一种输电线路通道可视化告警高发线段的识别方法。
发明概述:
本发明是基于输电线路通道可视化远程巡视图像告警数据,将数据按不同线路进行分组后,找出每条线路的告警高发线段,即通过对告警数据按线路和杆塔分组并进行权重标记,利用动态滑窗算法和阈值控制,最终基于大量告警数据找出每条线路的告警高发线段。本发明所述识别方法将自动采集到的告警数据进行高效归集和统计,根据输电线路的特殊要求利用对应算法确定告警高发的线路段,不但为输电线路检修人员带来便利,还可从全局层面为管理人员提供决策信息,为线路的检修运维、设备的选择、分析沿线环境对线路的影响提供准确的参考数据,具有重大的现实意义。
本发明为了实现上述目的所采用的技术方案是:
一种输电线路通道可视化告警高发线段的识别方法,其特征在于:包括以下步骤:
a、对输电线路可视化告警数据进行预处理;所述输电线路可视化告警数据是指,基于输电线路杆塔上安装的图像采设备所采集到的输电线路目标图像,将目标图像进行告警图像识别,然后保存为告警数据。所述告警数据包含告警自增ID、告警发生时间、告警内容、杆塔编号、线路编号、设备编号、图像存储ID等字段。上述对图像识别可以按照拍摄到的预警影像进行告警识别,例如:起吊机、推土机、悬浮物、山火等12种不同种类;进一步,还可以将上述种类进行更加上位的归纳:例如:机械类告警包括起吊机、推土机等机械设备。
b、对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组,或,依次按杆塔编号进行分组、按线路编号进行分组;并按分组归类后的告警数据计算权重;对杆塔进行权重标记,对没有告警数据的杆塔进行0值填充,获得参与计算的数据;此技术优势在于,当某些杆塔的图像采集设备采集的图像中没有出现告警物体,所以没有对应的告警数据,但动态滑窗算法需要数据间距分布均匀,所以需要对没有告警数据的杆塔进行0值补充;
c、对单条线路基于分组并权重标记后的数据使用动态滑窗算法从最小步长开始迭代,直至权重最大的窗口内的告警权重和值与告警总数的比值超过指定阈值,该窗口所对应的信息即为该线路的告警高发线段;
d、重复步骤c直至将所有线路的告警高发线段识别完成。
根据本发明优选的,所述步骤a的预处理是指,从告警数据中分离出某一类告警数据,被分离的告警数据至少保留线路编号、杆塔编号、设备编号3个属性。
根据本发明优选的,对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组。优选此种顺序进行分组对整个线路的识别运算的效率最高,因在按杆塔编号分组时需要先对设备ID进行排序,如先按线路分组只需要组内排序即可,优于先按杆塔分组的所有数据排序。
根据本发明优选的,所述步骤b中按杆塔编号进行分组、计算权重是指:
首先,将告警数据集中具有相同设备编号的数据合并为一条数据,记录告警数量;
其次,基于该类数据将具备相同杆塔编号的数据进行合并,并增加权重属性,取该部分数据告警数量之和作为该条数据的权重值。
根据本发明优选的,所述步骤b中的参与计算的数据指,至少包含以下属性:
杆塔编号、权重值、详情;
其中所述权重值为该杆塔对应的设备的告警数之和;所述详情包含以下属性:设备编号、所属杆塔编号、告警数。优选的,以上三个属性以逗号连接拼接成一个属性,用分号拼接多个设备。
根据本发明优选的,所述步骤c中的动态滑窗算法指,参与计算的数据因包含有权重值,因此,以设定步长从单一线路里,按杆塔的顺序编号依次滑动,以保持动态滑窗算法的窗口内的杆塔数量为设定步长。
根据本发明优选的,所述窗口按杆塔号最小的数据开始从左向右滑动,每次增加一条右侧相邻数据,并删掉一条最左侧数据。
根据本发明优选的,所述步骤c中的从最小步长开始迭代指,从步长为2开始计算,若结果不满足指定阈值,步长加1后再次计算。所述指定阈值指,该值为初始化参数,其经验值依据不同的巡检需求确定,一般确认方法为:将多个不同阈值对应的计算结果交由巡检人员评估,将巡检人员认可的计算结果所对应的阈值作为经验值输入,因此,指定阈值的设定并不是本发明所要保护的范围。
本发明与现有技术相比,具有以下优点和有益效果:
(1)本发明能对输电线路可视化告警数据进行告警高发线段识别,实现了从信息到知识的提升,该应用场景属于开创性工作,能为检修人员提供有效的数据支撑,用于加大对某些线路的巡检力度,保障输电线路的安全运行。
(2)本发明基于动态滑窗机器学习算法,无需进行数据标记,通过自动流程控制,可准确的确定出某条输电线路的告警高发线段。
(3)本发明将数据进行了分组和权重处理,计算量大幅下降,计算耗时为毫秒级,为输电线路可视化进行告警高发线段实时识别提供了技术保障。
附图说明
图1是本发明中的识别方法的流程示意图。
具体实施方式
下面结合实施例对本发明做进一步说明,但不限于此。
如图1所示。
实施例、
一种输电线路通道可视化告警高发线段的识别方法,其应用的场景为:
某地输电线路可视化告警数据有240483条数据,出现的告警种类包括:挖掘机、起吊机、推土机、烟雾、山火、悬浮物等12类不同种类的小类告警数据,根据小类数据的特性又可划分为机械类、烟火类、异物类3类大类数据。告警数据包含告警自增ID、告警发生时间、告警内容、经度信息、纬度信息、线路编号、杆塔编号、设备编号、图像存储ID等25个字段。本实施例是利用本发明所述的识别方法将基于以上数据对输电线路可视化告警图像中的机械类告警数据进行告警高发线段识别,找出每条输电线路的告警高发线段。
所述识别方法包括以下步骤:
a、对输电线路可视化告警数据进行预处理;所述输电线路可视化告警数据是指,基于输电线路杆塔上安装的图像采设备所采集到的输电线路目标图像,将目标图像进行告警图像识别,然后保存为告警数据库。所述告警数据包含告警自增ID、告警发生时间、告警内容、杆塔编号、线路编号、设备编号、图像存储ID等字段。上述对图像识别可以按照拍摄到的预警影像进行告警识别,例如:起吊机、推土机、悬浮物、山火等12种不同种类;进一步,还可以将上述种类进行更加上位的归纳:例如:机械类告警包括起吊机、推土机等机械设备。
所述预处理是指,从告警数据中分离出某一类告警数据,被分离的告警数据至少保留线路编号、杆塔编号、设备编号3个属性;
本实施例对240483条数据进行预处理,只保留告警内容中出现机械设备告警数据的线路编号、杆塔编号、设备编号3个属性信息,共计获得213429条数据,如下所示是展示出的部分数据:
b、对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组,或,依次按杆塔编号进行分组、按线路编号进行分组;并按分组归类后的告警数据计算权重;对杆塔进行权重标记,对没有告警数据的杆塔进行0值填充,获得参与计算的数据;此技术优势在于,当某些杆塔的图像采集设备采集的图像中没有出现告警物体,所以没有对应的告警数据,但动态滑窗算法需要数据间距分布均匀,所以需要对没有告警数据的杆塔进行0值补充;在本实施例中,优选的,对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组;
其中,将告警数据按线路进行分组,具有相同线路编号的数据作为一组,共计获取到164个分组,即164条线路及对应数据。线路编号不再记录到每条数据中。以线路编号为611为例,该分组内共有7649条数据,部分数据如下所示:
按杆塔编号进行分组、计算权重是指:
首先,将告警数据集中具有相同设备编号的数据合并为一条数据,记录告警数量,其中,对每组数据按设备编号进行合并,标记方法为将设备编号相同但序号不同的数据保留一条,并新增一个字段记录该条数据重复次数即告警数,以上述线路编号为611中部分数据为例,其中所记载的1~4条数据会生成一条新的数据“1 4 99000843139835”,仍以线路编号为611的分组数据进行说明,进行处理后获取到260条带有告警数的数据,部分数据如下所示:
其次,基于该类数据将具备相同杆塔编号的数据进行合并,并增加权重属性,取该部分数据告警数量之和作为该条数据的权重值,其中,对上述所得数据进行按杆塔编号进行合并,告警数之和作为权重值,并将没有告警数据的杆塔用0值进行填充,因从步骤c的数据样例可以看出序号和杆塔编号不是一一对应的,是因为部分杆塔有多个设备,部分杆塔没有告警数据。并将设备编号、所属杆塔编号、告警数拼接成一个字符串,作为详情属性。仍以线路编号为611的分组数据进行说明,对数据进行处理获取到268条数据,部分数据如下所示:
所述参与计算的数据指,至少包含以下属性:
杆塔编号、权重值、详情;
其中所述权重值为该杆塔对应的设备的告警数之和;所述详情包含以下属性:设备编号、所属杆塔编号、告警数。优选的,以上三个属性以逗号连接拼接成一个属性,用分号拼接多个设备;
c、对单条线路基于分组并权重标记后的数据使用动态滑窗算法从最小步长开始迭代,直至权重最大的窗口内的告警权重和值与告警总数的比值超过指定阈值,该窗口所对应的信息即为该线路的告警高发线段;
所述动态滑窗算法指,参与计算的数据因包含有权重值,因此,以设定步长从单一线路里,按杆塔的顺序编号依次滑动,以保持动态滑窗算法的窗口内的杆塔数量为设定步长。在本实施例中,优选的所述窗口按杆塔号最小的数据开始从左向右滑动,每次增加一条右侧相邻数据,并删掉一条最左侧数据;
在本实施例中,优选的,从最小步长开始迭代指,从步长为2开始计算,若结果不满足指定阈值,步长加1后再次计算;对某一条线路处理后的数据使用动态滑窗算法从最小步长2开始迭代,直至权重最大的窗口内的告警权重和值与告警总数的比值超过指定阈值0.2,该窗口内的数据即为该线路的告警高发线段。以步骤b所述获得到的数据为例,首先计算总告警数,其值为7649,从杆塔编号最小的端开始按步长遍历,每次右移一个数据,对应步骤d所述数据窗口内的权重和依次为{95,93,6,…,698,…,44,28},则权重和值最大的窗口权重和为698,因698<7649*0.2=1529.8,没有达到阈值,将步长增大1重复上述计算。
直至,在步长为13时,获得的权重和值最大的窗口权重和为1588>7649*0.2=1529.8,此时窗口内对应的信息即为该线路所需识别的告警高发线段。将数据进行整理,带有以下属性:线路编号、窗口内最大告警数、告警总数、起始杆塔编号、截止杆塔编号、设备告警详情(设备编号、杆塔编号、告警数),数据如下所示:
{611 1588 7649 85 97
99000843070889,85,681;99000843138481,87,1;864716030069427,88,20;99000843072636,89,24;99000844096062,91,30;99000843072955,92,53;99000843135681,92,5;99000843026771,93,164;864716030059154,94,2;99000843070938,94,80;99000843071053,96,11;99000843137933,96,4;99000843070951,97,513;}该数据的分别对应的含义依次为:线路编号、窗口内最大告警数、告警总数、起始杆塔编号、截止杆塔编号、设备告警详情(设备编号、杆塔编号、告警数)。
所述指定阈值指,该值为初始化参数,其经验值依据不同的巡检需求确定,一般确认方法为:将多个不同阈值对应的计算结果交由巡检人员评估,将巡检人员认可的计算结果所对应的阈值作为经验值输入,因此,指定阈值的设定并不是本发明所要保护的范围;
d、重复步骤c直至将所有线路164条的告警高发线段识别完成,部分数据如下所示:
本实施例中,首先对数据按线路及杆塔进行分组并按告警数合并计算权重,将参分析的数据由213429条缩减为10768条,计算结果经检修人员确认与实际告警高发线段相符。利用本发明所述的识别方法,通过对5000次计算结果的平均耗时统计,只需337ms便能定位出164条线路告警高发线段,为输电线路检修人员提供准确、实时的告警高发线段数据信息。
Claims (8)
1.一种输电线路通道可视化告警高发线段的识别方法,其特征在于:包括以下步骤:
步骤a、对输电线路可视化告警数据进行预处理;
步骤b、对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组,或,依次按杆塔编号进行分组、按线路编号进行分组;并按分组归类后的告警数据计算权重;对杆塔进行权重标记,对没有告警数据的杆塔进行0值填充,获得参与计算的数据;
步骤c、对单条线路基于分组并权重标记后的数据使用动态滑窗算法从最小步长开始迭代,直至权重最大的窗口内的告警权重和值与告警总数的比值超过指定阈值,该窗口所对应的信息即为该线路的告警高发线段;
步骤d、重复步骤c直至将所有线路的告警高发线段识别完成。
2.根据权利要求1所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述步骤a的预处理是指,从告警数据中分离出某一类告警数据,被分离的告警数据至少保留线路编号、杆塔编号、设备编号3个属性。
3.根据权利要求1所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,对处理后的输电线路可视化告警数据,依次按线路编号进行分组、按杆塔编号进行分组。
4.根据权利要求1所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述步骤b中按杆塔编号进行分组、计算权重是指:
首先,将告警数据集中具有相同设备编号的数据合并为一条数据,记录告警数量;
其次,基于该类数据将具备相同杆塔编号的数据进行合并,并增加权重属性,取该部分数据告警数量之和作为该条数据的权重值。
5.根据权利要求4所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述步骤b中的参与计算的数据指,至少包含以下属性:
杆塔编号、权重值、详情;
其中所述权重值为该杆塔对应的设备的告警数之和;所述详情包含以下属性:设备编号、所属杆塔编号、告警数。
6.根据权利要求1所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述步骤c中的动态滑窗算法指,参与计算的数据因包含有权重值,因此,以设定步长从单一线路里,按杆塔的顺序编号依次滑动,以保持动态滑窗算法的窗口内的杆塔数量为设定步长。
7.根据权利要求6所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述窗口按杆塔号最小的数据开始从左向右滑动,每次增加一条右侧相邻数据,并删掉一条最左侧数据。
8.根据权利要求1所述的一种输电线路通道可视化告警高发线段的识别方法,其特征在于,所述步骤c中的从最小步长开始迭代指,从步长为2开始计算,若结果不满足指定阈值,步长加1后再次计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807542.2A CN110502571B (zh) | 2019-08-29 | 2019-08-29 | 一种输电线路通道可视化告警高发线段的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807542.2A CN110502571B (zh) | 2019-08-29 | 2019-08-29 | 一种输电线路通道可视化告警高发线段的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110502571A CN110502571A (zh) | 2019-11-26 |
CN110502571B true CN110502571B (zh) | 2020-05-08 |
Family
ID=68590417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910807542.2A Active CN110502571B (zh) | 2019-08-29 | 2019-08-29 | 一种输电线路通道可视化告警高发线段的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110502571B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192222B (zh) * | 2021-04-14 | 2022-11-15 | 山东理工大学 | 一种电力线路可视化告警的设备级告警策略方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842211A (zh) * | 2012-09-07 | 2012-12-26 | 嘉兴电力局 | 一种基于图像识别的输电线路防外力监控预警***及方法 |
CN108416354A (zh) * | 2018-03-09 | 2018-08-17 | 国电南瑞科技股份有限公司 | 基于直升机巡检输电线路的杆塔编号提取方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN109460393A (zh) * | 2018-11-08 | 2019-03-12 | 浙江工业大学 | 一种基于大数据的预检预修可视化*** |
CN109961073A (zh) * | 2019-03-29 | 2019-07-02 | 云南电网有限责任公司电力科学研究院 | 一种输电线路及杆塔信息的获取方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824129B (zh) * | 2014-02-26 | 2017-05-17 | 国家电网公司 | 一种基于动态阈值的高铁电能质量异常状态预警方法 |
CN109992484B (zh) * | 2018-01-02 | 2023-09-19 | ***通信有限公司研究院 | 一种网络告警相关性分析方法、装置和介质 |
-
2019
- 2019-08-29 CN CN201910807542.2A patent/CN110502571B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842211A (zh) * | 2012-09-07 | 2012-12-26 | 嘉兴电力局 | 一种基于图像识别的输电线路防外力监控预警***及方法 |
CN108416354A (zh) * | 2018-03-09 | 2018-08-17 | 国电南瑞科技股份有限公司 | 基于直升机巡检输电线路的杆塔编号提取方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN109460393A (zh) * | 2018-11-08 | 2019-03-12 | 浙江工业大学 | 一种基于大数据的预检预修可视化*** |
CN109961073A (zh) * | 2019-03-29 | 2019-07-02 | 云南电网有限责任公司电力科学研究院 | 一种输电线路及杆塔信息的获取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110502571A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059631B (zh) | 接触网非接触式监测缺陷识别方法 | |
CN111914813B (zh) | 基于图像分类的输电线路巡检图像命名方法及*** | |
CN108037770A (zh) | 基于人工智能的无人机输电线路巡检***和方法 | |
CN110070530A (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN107886081B (zh) | 双路U-Net深度神经网络矿山井下危险行为智能分级辨识方法 | |
CN111197500B (zh) | 适用于tbm掘进隧道围岩等级实时判别方法及*** | |
CN110502571B (zh) | 一种输电线路通道可视化告警高发线段的识别方法 | |
CN112199805B (zh) | 一种输电线路隐患识别模型评估方法及装置 | |
CN202946195U (zh) | 一种图像型隧道围岩变形智能检测仪 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检***及巡检方法 | |
CN109492699A (zh) | 输电通道三维测量方法及装置 | |
CN109726737A (zh) | 基于轨迹的异常行为检测方法及装置 | |
CN111798435A (zh) | 图像处理方法、工程车辆侵入输电线路监测方法及*** | |
CN110738272A (zh) | 一种输电线路通道可视化机械类连续告警样本的标注方法 | |
CN112627538B (zh) | 基于计算机视觉的钢筋网扎丝绑扎质量智能验收方法 | |
CN113780237A (zh) | 一种地下管线的防外力破坏预警方法、装置及*** | |
CN116579601B (zh) | 矿山安全生产风险监测预警***及方法 | |
CN116886869A (zh) | 一种基于ai的视频监控***及视频追溯方法 | |
CN103646420A (zh) | 一种基于自学习算法的智能三维场景还原方法 | |
CN110011727A (zh) | 一种面向odf设备端口的检测*** | |
CN111130009B (zh) | 输电线路通道可视化图像类设备运行状态的确定方法 | |
CN110399398B (zh) | 输电线路通道可视化告警高发区域的识别方法 | |
CN105893538B (zh) | 基于内存映射文件的lte基站大数据挖掘方法及装置 | |
CN114819451A (zh) | 一种适用于输电线路多类型移动终端巡检方式寻优的方法及*** | |
CN115100546A (zh) | 一种基于mobilenet的电力设备小目标缺陷识别方法及*** |
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 |