CN110708114B - 基于ai图像辨别的光缆线路故障定位及可视化方法及*** - Google Patents
基于ai图像辨别的光缆线路故障定位及可视化方法及*** Download PDFInfo
- Publication number
- CN110708114B CN110708114B CN201910823710.7A CN201910823710A CN110708114B CN 110708114 B CN110708114 B CN 110708114B CN 201910823710 A CN201910823710 A CN 201910823710A CN 110708114 B CN110708114 B CN 110708114B
- Authority
- CN
- China
- Prior art keywords
- optical cable
- fault
- fault point
- point
- optical
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 309
- 238000007794 visualization technique Methods 0.000 title claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 54
- 238000012806 monitoring device Methods 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 7
- 238000005452 bending Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- VLYWMPOKSSWJAL-UHFFFAOYSA-N sulfamethoxypyridazine Chemical group N1=NC(OC)=CC=C1NS(=O)(=O)C1=CC=C(N)C=C1 VLYWMPOKSSWJAL-UHFFFAOYSA-N 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 101001121392 Homo sapiens Otoraplin Proteins 0.000 description 1
- 102100026304 Otoraplin Human genes 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/071—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using a reflected signal, e.g. using optical time domain reflectometers [OTDR]
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了基于AI图像辨别的光缆线路故障定位及可视化方法及***,其中方法包括:在光缆线路中安装光时域反射仪和监拍装置;在GIS***地图中将光缆线路可视化;测量光缆故障点至测量点的长度;计算光缆故障点的地理位置;监拍装置采集光缆故障点的光缆图像以及周围的环境图像并上传至监控管理平台;监控管理平台进行故障图像识别和故障分析。其中***包括光时域反射仪、监拍装置和监控管理平台。本发明解决了现有技术中无法精确定位光缆故障点的问题,能够精确的定位光缆故障点且在定位的同时可以清楚的知道光缆故障的类型和原因,便于维修人员快速到达现场,便于维修人员提前准备维修工具和方案,提高维修效率,减少损失。
Description
技术领域
本发明涉及光缆故障在线监测领域,尤其涉及一种基于AI图像辨别的光缆线路故障定位及可视化方法及***。
背景技术
光缆线路纵横延伸距离长,处在不同的环境中,很多线路杆塔穿越地区地形复杂,这给运维人员的日常工作带来了极大的不便。同时在现实生活中,外界自然灾害的破坏、人为偷盗破坏以及施工车辆、高大机械等野蛮施工,都易对光缆线路造成破坏,造成电力通信中断故障甚至人员伤亡的发生。据统计,光缆事故须修复历时长达数小时,一根光纤中断1小时将损失50~60万元,每年因光缆中断造成的经济损失超过300亿元人民币。由此可见,由于光纤通信线路中断造成的直接或间接经济损失都非常大。因此需要为维修人员提供快速、可靠、准确的光缆故障定位以及光缆故障类型和原因,以此来减少维修时间,降低损失。
例如,中国专利文献CN106330306A公开了“基于GIS的光缆故障点定位方法”,其方法,包括以下步骤:在光缆线路中间隔安装故障***,并标记故障***的光路地理位置;在GIS地图上直观显示光缆线路走向和故障***、杆塔接头盒和杆塔的实际地理位置;利用OTOR测光信号的衰减,准确地得到光缆断路点距机房的光路距离;将光缆断路点定位在以光路地理位置标记的相邻故障***之间;将定位光缆断路点的故障***在GIS地图定位到实际地理位置,即可将光缆断路点定位在以实际地理位置标记的相邻故障***之间,维修人员便可根据定位到的光缆断路点的实际地理位置去维修。该专利文献只能在将光缆断路点定位在相邻故障***之间,没有比较精确的定位故障点的地理位置,给维修人员精确确定故障点造成了困难,同时维修人员也无法提前知晓故障类型和原因,增加了维修的难度和时间。
发明内容
本发明主要解决原有的光缆故障点定位方法无法精确定位以及维修人员无法提前知晓故障类型和原因的技术问题;提供基于AI图像辨别的光缆线路故障定位及可视化方法及***,不仅可以精确定位光缆故障点,维修人员还可以提前知晓故障类型和原因。
本发明的上述技术问题主要是通过下述技术方案得以解决的:本发明的基于AI图像辨别的光缆线路故障定位及可视化方法,包括下列步骤:
步骤1):在光缆线路中安装光时域反射仪和监拍装置,并记录其地理位置;
步骤2):在GIS***地图中标注站点、接头盒、电杆、光时域反射仪和监拍装置的编号和地理位置;
步骤3):利用光时域反射仪测得光缆故障点至测量点的长度;
步骤4):监控管理平台计算得到光缆故障点的地理位置,并在GIS***地图中显示;
步骤5):监控管理平台发送信息至离光缆故障点最近的监拍装置,监拍装置开启,采集光缆故障点的光缆图像以及周围的环境图像,将图像通过无线传输方式传输至监控管理平台;
步骤6):监控管理平台利用AI图像辨别技术对所采集的图像进行故障图像识别和故障分析。
在光缆线路中安装用于测量光缆故障点到测量点距离的光时域反射仪以及采集图像的监拍装置,将站点、接头盒、电杆、光时域反射仪、监拍装置以及光缆的走向均在GIS***地图中进行标注,实现了整个光缆线路的可视化,其中标注的信息包括站点、接头盒、电杆、光时域反射仪、监拍装置的编号和定位,通过测量计算得到光缆故障点的地理位置,并将其标注到GIS***地图中,清楚直观的显示了光缆故障点所在位置,便于维修人员快速到达故障点所在位置,监控管理平台对监拍装置所采集的光缆图像和环境图像进行识别处理分析,得出光缆故障的类型和原因,便于维修人员及早做出判断,提高维修效率。
作为优选,所述的步骤4)中的光缆故障点的地理位置通过如下方法计算所得:
S1、采集记录相邻接头盒之间光缆长度Li、相邻电杆之间的档距Si、接头盒与离该接头盒最近的电杆之间的距离d0以及光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1;
S2、结合光缆故障点至测量点的长度L、相邻接头盒之间光缆长度Li和光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1,当光缆故障段长度时,则将光缆故障点定位在第n+1个接头盒与第n+2个接头盒之间,其中光缆故障段长度指在光缆故障点至测量点这段距离中光缆故障点与离光缆故障点最近的接头盒之间的距离;
S3、判断光缆故障段中的接头盒与光缆故障段中离接头盒最近的电杆之间的距离是否小于等于二分之一档距,若小于等于则进行S4,反之则进行S5;
S4、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段中第一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间;
S5、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段前一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间;
S6、计算得到光缆故障点的地理位置:调取光缆故障段中离光缆故障点最近的电杆的地理位置,即经纬度(L1,B1),利用高斯克吕格投影公式(X1,Y1)=GK(L1,B1)计算出电杆的投影坐标(X1,Y1),然后根据S0和方位角α,计算出光缆故障点的投影坐标(X2,Y2),其中X2=X1+S0×Cos(α),Y2=Y1+S0×Sin(α),最后利用高斯克吕格投影公式反算出光缆故障点的地理位置,即经纬度(L2,B2)。
先将光缆故障点定位到第n+1个接头盒与第n+2个接头盒之间,再将光缆故障点定位到第b+1根电杆与第b+2跟电杆之间,在依据公式计算出光缆故障点的具体经纬度,一步步缩小光缆故障点的范围直至最终确认光缆故障点的精准位置,提高光缆故障点定位的准确性。
作为优选,所述的光缆故障点至测量点的长度通过光时域反射仪多次测量取平均值得到的。
将多次测量得到的平均值作为光缆故障点至测量点的长度,减小测量误差,提高光缆故障点定位的准确性。
作为优选,所述的步骤6)中的故障图像识别和故障分析包括下列步骤:
A1、采集的光缆图像与参照图像进行比对,将光缆故障点分割提取出来;
A2、将A1步骤中分割提取的光缆图像与图像存储数据库中的光缆故障点图像进行比对,若相似度高于设定值时,则可以判定光缆故障点的故障类型;
A3、根据采集的环境图像以及光缆故障点所在的气象环境,判断出光缆故障点的故障原因。
通过人工智能图像识别技术快速有效的辨别分析出光缆故障点的类型及原因,使维修人员不需在到达现场以后再去判断光缆故障点的类型及原因,可以提前知晓,从而准备相应的维修方案和工具,到达现场后可以立即展开维修,加快维修效率,减少损失。
作为优选,所述的图像存储数据库中的光缆故障点图像根据故障类型进行分类存储。
图像存储数据库中的光缆故障点图像根据故障类型进行分类存储,这样既可以在与光缆图像分析比对时便于提取,又有利于后续存储相同故障类型的图像以及便于统计不同故障类型发生的概率等。
作为优选,所述的步骤6)完成后,监控管理平台将光缆故障点地理位置、故障类型和故障原因发送给维修人员,维修人员带上相应工具前往故障点进行维修。
监控管理平台将光缆故障点地理位置、故障类型和故障原因发送给维修人员,维修人员依据上述信息选取合适的维修工具,制定合适的维修方案,可以加快维修效率,减少损失。
本发明的基于AI图像辨别的光缆线路故障定位及可视化***,包括光时域反射仪、监拍装置和监控管理平台:
所述光时域反射仪用于测量光缆故障点至测量点的距离;
所述监拍装置用于采集光缆图像和环境图像,
所述监控管理平台用于定位光缆故障点的地理位置,控制监拍装置采集光缆图像和环境图像,对采集的光缆图像和环境图像进行图像辨别分析出故障类型和故障原因,并将故障点地理位置、故障类型和故障原因发送给维修人员。
在光缆线路中安装用于测量光缆故障点到测量点距离的光时域反射仪以及采集图像的监拍装置,通过测量计算得到光缆故障点的地理位置,便于维修人员快速到达故障点所在位置,监控管理平台对监拍装置所采集的光缆图像和环境图像进行辨别处理分析,得出光缆故障的类型和原因,便于维修人员及早做出判断,提高维修效率。
作为优选,所述的监控管理平台包括故障类型分析模块、故障原因分析模块、图像存储数据库、GIS***模块、监拍装置控制模块和报警通知模块:
所述故障类型分析模块用于识别分析光缆故障点的故障类型;
所述故障原因分析模块用于识别分析光缆故障点的故障原因;
所述图像存储数据库用于按照故障类型存储光缆故障点图像;
所述GIS***模块用于将站点、接头盒、电杆、光时域反射仪、监拍装置和光缆故障点的地理位置以及光缆线路的走向可视化;
所述监拍装置控制模块用于控制监拍装置的启动和关闭;
所述报警通知模块用于将光缆故障点的地理位置、故障类型以及故障原因通知维修人员。
站点、接头盒、电杆、光时域反射仪、监拍装置以及光缆的走向均在GIS***地图中进行标注,实现了整个光缆线路的可视化,通过测量计算得到光缆故障点的地理位置,并将其标注到GIS***地图中,清楚直观的显示了光缆故障点所在位置,故障类型分析模块和故障原因分析模块对监拍装置所采集的光缆图像和环境图像进行辨别处理分析,得出光缆故障的类型和原因,报警通知模块将光缆故障点的地理位置、类型和原因发送给维修人员,便于维修人员快速到达故障点所在位置,便于维修人员及早做出判断,提高维修效率,监拍装置控制模块可以控制监拍装置的启动和关闭,可以节省能源消耗,提高监拍装置的使用寿命。
本发明的有益效果是:1)通过计算能够精确定位光缆故障点的地理位置,减少了不必要的故障排除时间,便于维修人员快速到达现场,提高维修效率,减少损失;2)利用AI图像辨别技术辨别分析出光缆故障的类型和原因,便于维修人员提前准备好维修工具和维修方案,提高维修效率,减少损失;3)利用GIS***能够将整个光缆线路可视化,能够清晰直观了当的观察到光缆故障点,也便于维修人员依据故障点周围的情况制定相关维修方案。
附图说明
图1是本发明的一种方法流程图。
图2是本发明的一种光缆故障点定位计算流程图。
图3是本发明的一种***结构框图。
图4是本发明中的光缆故障段中接头盒与离接头盒最近的电杆之间的距离小于等于二分之一档距的结构示意图。
图5是本发明中的光缆故障段中接头盒与离接头盒最近的电杆之间的距离大于二分之一档距的结构示意图。
图中1.光时域反射仪,2.监拍装置,3.监控管理平台,31.故障类型分析模块,32.故障原因分析模块,33.图像存储数据库,34.GIS***模块,35.GIS***数据库,36.监拍装置控制模块,37.报警通知模块,4.电杆,5.光缆,6.接头盒。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的基于AI图像辨别的光缆线路故障定位及可视化方法,如图1所示,包括下列步骤:
步骤1):在光缆线路中安装光时域反射仪和监拍装置(监拍装置为摄像机、摄像头等),并记录其地理位置;
步骤2):在GIS***地图中标注站点、接头盒、电杆、光时域反射仪和监拍装置的编号和地理位置,并将上述编号和地理位置绑定存储在GIS数据库中;
步骤3):利用光时域反射仪(OTDR)多次测量光缆故障点至测量点(测量点即光时域反射仪所在的位置)的长度,取平均值,作为后续计算的依据;
步骤4):计算得到光缆故障点的地理位置,如图2所示:
S1、采集记录相邻接头盒之间光缆长度Li、相邻电杆之间的档距Si、接头盒与离该接头盒最近的电杆之间的距离d0以及光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1;
S2、结合光缆故障点至测量点的长度L、相邻接头盒之间光缆长度Li和光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1,当光缆故障段长度时,则将光缆故障点定位在第n+1个接头盒与第n+2个接头盒之间,当光缆故障段长度时,则将光缆故障点定位在第n+2个接头盒处,其中光缆故障段长度指在光缆故障点至测量点这段距离中光缆故障点与离光缆故障点最近的接头盒之间的距离;
S3、判断光缆故障段中的接头盒与光缆故障段中离接头盒最近的电杆之间的距离是否小于等于二分之一档距,若小于等于则进行S4,如图4所示,A点表示光缆故障点,反之则进行S5,如图5所示,A点表示光缆故障点;
S4、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段中第一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间,当时,则将光缆故障点定位在第b+2跟电杆处;
S5、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段前一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间,当时,则将光缆故障点定位在第b+2跟电杆处;
S6、计算得到光缆故障点的地理位置:调取光缆故障段中离光缆故障点最近的电杆的地理位置,即经纬度(L1,B1),利用高斯克吕格投影公式(X1,Y1)=GK(L1,B1)计算出电杆的投影坐标(X1,Y1),然后根据S0和方位角α,计算出光缆故障点的投影坐标(X2,Y2),其中X2=X1+S0×Cos(α),Y2=Y1+S0×Sin(α),最后利用高斯克吕格投影公式反算出光缆故障点的地理位置,即经纬度(L2,B2),将计算得到的光缆故障点地理位置标注在GIS***地图上;
步骤5):监控管理平台计算得到光缆故障点地理位置后,发送启动信号至光缆故障点所在的监拍装置,监拍装置接收到相关信息启动,采集光缆故障点的光缆图像以及周围的环境图像,并将图像通过无线传输方式传输至监控管理平台,采集完所需图像后,监控管理平台发送关闭信号至监拍装置,监拍装置关闭;
步骤6):监控管理平台对所采集的图像进行故障图像识别和故障分析:
A1、将采集的光缆故障点的光缆图像与参照图像进行比对,将光缆图像中的光缆故障点部分分割提取出来;
A2、将A1步骤中分割提取的光缆故障点图像与图像存储数据库中的光缆故障点图像进行比对,若相似度高于设定值时,则可以判定光缆故障点的故障类型,其中故障类型分为光缆全断、光缆中的部分束管中断和单束管中的部分光纤中断这3种类型;
A3、根据采集的环境图像以及光缆故障点所在的气象环境,判断出光缆故障点的故障原因,故障原因分为外力因素、自然灾害、光缆自身缺陷和人为因素;
步骤7):监控管理平台将光缆故障点地理位置、故障类型和故障原因发送给维修人员,维修人员带上相应工具前往故障点进行维修。
本发明的基于AI图像辨别的光缆线路故障定位及可视化***,如图3所示,包括光时域反射仪1、监拍装置2和监控管理平台3,其中监控管理平台包括故障类型分析模块31、故障原因分析模块32、图像存储数据库33、GIS***模块34、GIS***数据库35、监拍装置控制模块36和报警通知模块37。光时域反射仪测量光缆故障点至测量点的距离,其中测量点即指光时域反射仪所在的位置;监拍装置采集光缆故障点的光缆图像以及光缆故障点周围的环境图像;故障类型分析模块先将采集的光缆故障点的光缆图像与参照图像进行比对判断,分割出光缆故障点所在部分的图像,再将分割出的光缆故障点所在部分的图像与图像存储数据库中的光缆故障点图像进行比对判断,分析出光缆故障点的故障类型;故障原因分析模块结合采集的环境图像与光缆故障点所在位置的气象,分析出光缆故障点的故障原因;图像存储数据库按照故障类型存储光缆故障点图像;GIS***模块将站点、接头盒、电杆和光缆故障点的地理位置以及光缆线路的走向可视化;GIS***数据库存储站点、接头盒、电杆、光时域反射仪和监拍装置的编号和地理位置;监拍装置控制模块控制监拍装置的启动和关闭;报警通知模块将光缆故障点的地理位置、故障类型以及故障原因通知维修人员。
Claims (7)
1.一种基于AI图像辨别的光缆线路故障定位及可视化方法,其特征在于包括下列步骤:
步骤1):在光缆线路中安装光时域反射仪和监拍装置,并记录其地理位置;
步骤2):在GIS***地图中标注站点、接头盒、电杆、光时域反射仪和监拍装置的编号和地理位置;
步骤3):利用光时域反射仪测得光缆故障点至测量点的长度;
步骤4):监控管理平台计算得到光缆故障点的地理位置,并在GIS***地图中显示;先将光缆故障点定位到第n+1个接头盒与第n+2个接头盒之间,再将光缆故障点定位到第b+1根电杆与第b+2跟电杆之间,再计算出光缆故障点的具体经纬度,一步步缩小光缆故障点的范围直至最终确认光缆故障点的精准位置;
步骤5):监控管理平台发送信息至离光缆故障点最近的监拍装置,监拍装置开启,采集光缆故障点的光缆图像以及周围的环境图像,将图像通过无线传输方式传输至监控管理平台;
步骤6):监控管理平台利用人工智能图像辨别技术对所采集的图像进行故障图像识别和故障分析;
步骤4)中所述的光缆故障点的地理位置通过如下方法计算所得:
S1、采集记录相邻接头盒之间光缆长度Li、相邻电杆之间的档距Si、接头盒与离该接头盒最近的电杆之间的距离d0以及光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1;
S2、结合光缆故障点至测量点的长度L、相邻接头盒之间光缆长度Li和光时域反射仪与离该光时域反射仪最近的测量光缆线路中的接头盒之间的距离d1,当光缆故障段长度时,则将光缆故障点定位在第n+1个接头盒与第n+2个接头盒之间,其中光缆故障段长度指在光缆故障点至测量点这段距离中光缆故障点与离光缆故障点最近的接头盒之间的距离;
S3、判断光缆故障段中的接头盒与光缆故障段中离接头盒最近的电杆之间的距离是否小于等于二分之一档距,若小于等于则进行S4,反之则进行S5;
S4、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段中第一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间;
S5、根据公式D1=d0×c计算接头盒与电杆之间的光缆长度D1,c为光缆的弯曲系数,再结合光缆故障段长度L0和光缆故障段内相邻电杆之间的档距Si,当时,其中S0指光缆故障段中光缆故障点与离光缆故障点最近的电杆之间的距离,a指光缆故障段前一根电杆的编号,b指光缆故障段中倒数第二根电杆的编号,则将光缆故障点定位在第b+1根电杆与第b+2跟电杆之间;
S6、计算得到光缆故障点的地理位置:调取光缆故障段中离光缆故障点最近的电杆的地理位置,即经纬度(L1,B1),利用高斯克吕格投影公式(X1,Y1)=GK(L1,B1)计算出电杆的投影坐标(X1,Y1),然后根据S0和方位角α,计算出光缆故障点的投影坐标(X2,Y2),其中X2=X1+S0×Cos(α),Y2=Y1+S0×Sin(α),最后利用高斯克吕格投影公式反算出光缆故障点的地理位置,即经纬度(L2,B2)。
2.根据权利要求1所述的基于AI图像辨别的光缆线路故障定位及可视化方法,其特征在于所述光缆故障点至测量点的长度通过光时域反射仪多次测量取平均值得到的。
3.根据权利要求1所述的基于AI图像辨别的光缆线路故障定位及可视化方法,其特征在于步骤6)中所述的故障图像识别和故障分析包括下列步骤:
A1、采集的光缆图像与参照图像进行比对,将光缆故障点分割提取出来;
A2、将A1步骤中分割提取的光缆图像与图像存储数据库中的光缆故障点图像进行比对,若相似度高于设定值时,则可以判定光缆故障点的故障类型;
A3、根据采集的环境图像以及光缆故障点所在的气象环境,判断出光缆故障点的故障原因。
4.根据权利要求3所述的基于AI图像辨别的光缆线路故障定位及可视化方法,其特征在于所述图像存储数据库中的光缆故障点图像根据故障类型进行分类存储。
5.根据权利要求1~4任一项所述的基于AI图像辨别的光缆线路故障定位及可视化方法,其特征在于所述步骤6)完成后,监控管理平台将光缆故障点地理位置、故障类型和故障原因发送给维修人员,维修人员带上相应工具前往故障点进行维修。
6.一种基于AI图像辨别的光缆线路故障定位及可视化***,适用于权利要求1~4中任一项所述方法,其特征在于包括光时域反射仪、监拍装置和监控管理平台:
所述光时域反射仪用于测量光缆故障点至测量点的距离;
所述监拍装置用于采集光缆图像和环境图像,
所述监控管理平台用于定位光缆故障点的地理位置,控制监拍装置采集光缆图像和环境图像,对采集的光缆图像和环境图像进行图像辨别分析出故障类型和故障原因,并将故障点地理位置、故障类型和故障原因发送给维修人员。
7.根据权利要求6所述的基于AI图像辨别的光缆线路故障定位及可视化***,其特征在于所述监控管理平台包括故障类型分析模块、故障原因分析模块、图像存储数据库、GIS***模块、监拍装置控制模块和报警通知模块:
所述故障类型分析模块用于识别分析光缆故障点的故障类型;
所述故障原因分析模块用于识别分析光缆故障点的故障原因;
所述图像存储数据库用于按照故障类型存储光缆故障点图像;
所述GIS***模块用于将站点、接头盒、电杆、光时域反射仪、监拍装置和光缆故障点的地理位置以及光缆线路的走向可视化;
所述监拍装置控制模块用于控制监拍装置的启动和关闭;
所述报警通知模块用于将光缆故障点的地理位置、故障类型以及故障原因通知维修人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823710.7A CN110708114B (zh) | 2019-09-02 | 2019-09-02 | 基于ai图像辨别的光缆线路故障定位及可视化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823710.7A CN110708114B (zh) | 2019-09-02 | 2019-09-02 | 基于ai图像辨别的光缆线路故障定位及可视化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110708114A CN110708114A (zh) | 2020-01-17 |
CN110708114B true CN110708114B (zh) | 2022-06-24 |
Family
ID=69193885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910823710.7A Active CN110708114B (zh) | 2019-09-02 | 2019-09-02 | 基于ai图像辨别的光缆线路故障定位及可视化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110708114B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460887B (zh) * | 2020-02-24 | 2020-12-29 | 柳州达迪通信技术股份有限公司 | 一种基于物联网的光缆监测分析*** |
CN113381803A (zh) * | 2020-03-09 | 2021-09-10 | ***通信集团设计院有限公司 | 网络监控方法及装置 |
CN112433126B (zh) * | 2020-09-22 | 2022-05-10 | 成都飞机工业(集团)有限责任公司 | 一种基于数字模型的线束安装后故障空间位置快速定位法 |
CN112549045B (zh) * | 2020-12-05 | 2022-06-21 | 青岛太平洋水下科技工程有限公司 | 一种海洋工程用海底电缆故障检测机器人 |
CN112838514A (zh) * | 2020-12-30 | 2021-05-25 | 智洋创新科技股份有限公司 | 适用于无信号区的输电线路监拍装置及使用方法 |
CN112924811A (zh) * | 2021-01-28 | 2021-06-08 | 国网浙江杭州市富阳区供电有限公司 | 基于gis的电力管道巡检方法 |
CN115150260A (zh) * | 2022-06-30 | 2022-10-04 | 中国电信股份有限公司 | 通信线缆监测方法、装置、***、电子设备及存储介质 |
CN115293508B (zh) * | 2022-07-05 | 2023-06-02 | 国网江苏省电力有限公司南通市通州区供电分公司 | 一种可视化的光缆运行状态监控方法及*** |
CN115913349B (zh) * | 2022-12-05 | 2023-09-01 | 国网山东省电力公司平邑县供电公司 | 光缆设备异常定位方法及装置、存储介质、终端 |
CN116545529B (zh) * | 2023-07-06 | 2023-09-12 | 国网浙江省电力有限公司湖州供电公司 | 基于光缆运维路径的故障数据处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7536102B1 (en) * | 2004-03-25 | 2009-05-19 | At&T Corp | Method and apparatus for fiber optic fault locating and mapping |
CN205679723U (zh) * | 2016-04-18 | 2016-11-09 | 陕西理工学院 | 光纤通信电缆检测装置 |
CN106330306A (zh) * | 2016-11-24 | 2017-01-11 | 国网山西省电力公司忻州供电公司 | 基于gis的光缆故障点定位方法 |
CN106970303A (zh) * | 2017-04-12 | 2017-07-21 | 四川亚润科技有限公司 | 配电网无线故障定位监测*** |
CN207820108U (zh) * | 2018-01-31 | 2018-09-04 | 南京讯汇科技发展有限公司 | 一种输电线路远程视频监控*** |
-
2019
- 2019-09-02 CN CN201910823710.7A patent/CN110708114B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7536102B1 (en) * | 2004-03-25 | 2009-05-19 | At&T Corp | Method and apparatus for fiber optic fault locating and mapping |
CN205679723U (zh) * | 2016-04-18 | 2016-11-09 | 陕西理工学院 | 光纤通信电缆检测装置 |
CN106330306A (zh) * | 2016-11-24 | 2017-01-11 | 国网山西省电力公司忻州供电公司 | 基于gis的光缆故障点定位方法 |
CN106970303A (zh) * | 2017-04-12 | 2017-07-21 | 四川亚润科技有限公司 | 配电网无线故障定位监测*** |
CN207820108U (zh) * | 2018-01-31 | 2018-09-04 | 南京讯汇科技发展有限公司 | 一种输电线路远程视频监控*** |
Also Published As
Publication number | Publication date |
---|---|
CN110708114A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110708114B (zh) | 基于ai图像辨别的光缆线路故障定位及可视化方法及*** | |
CN108696313B (zh) | 一种光缆故障精确定位方法 | |
CN106771856B (zh) | 基于无人机技术的电力输电线路雷击点确定方法 | |
US7852780B1 (en) | Method and system for provisioning facility-based displays in support of repairing outside network facilities | |
CN112013907A (zh) | 一种电力无人机巡检路径规划方法 | |
CN210431427U (zh) | 一种基于ai图像辨别的光缆线路故障定位及可视化*** | |
US11416119B2 (en) | Locating a power line event downstream from a power line branch point | |
CN112802004B (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN115373403B (zh) | 一种建筑机械设备巡检服务*** | |
US12007075B2 (en) | Methods and internet of things (IoT) systems for managing smart gas safety hazard items based on geographic information systems | |
CN112665578A (zh) | 一种基于隧道巡检机器人的巡检定位方法及*** | |
CN115882938A (zh) | 一种光网故障监测*** | |
CN107478967A (zh) | 面向移动运检的10kv电缆局部放电在线监测***与方法 | |
CN110687394A (zh) | 一种海底电缆故障自动快速定位航行器*** | |
CN111049574A (zh) | 一种光缆中断位置快速定位的方法及*** | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN112683916A (zh) | 集电线路杆塔小金具缺失或安装错误的识别方法及装置 | |
CN113848424B (zh) | 一种配网雷击故障的验证定位方法、装置及*** | |
CN110068749A (zh) | 一种电网故障定位***及定位方法 | |
CN114325229B (zh) | 一种基于北斗的输电线路故障点定位方法与*** | |
CN115880803A (zh) | 一种智能巡检***及方法 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、***及存储介质 | |
CN112526285A (zh) | 一种分布式在线故障检测方法及诊断*** | |
CN211127810U (zh) | 一种基于NB-IoT技术的电力沟道内光缆故障定位*** | |
CN113702763A (zh) | 一种导地线故障诊断方法、装置、电子设备及介质 |
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 |