CN110907749A - 故障地下电缆定位方法和装置 - Google Patents
故障地下电缆定位方法和装置 Download PDFInfo
- Publication number
- CN110907749A CN110907749A CN201911137084.2A CN201911137084A CN110907749A CN 110907749 A CN110907749 A CN 110907749A CN 201911137084 A CN201911137084 A CN 201911137084A CN 110907749 A CN110907749 A CN 110907749A
- Authority
- CN
- China
- Prior art keywords
- cable
- image
- fault
- image area
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种故障地下电缆定位方法和装置。所述方法包括：接收机器人所采集的红外图像；对所述红外图像进行识别以确定电缆所在的图像区域；将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；根据故障的电缆对应的图像区域得到电缆位置；输出所述电缆位置。采用本方法能够提高定位准确性。
Description
技术领域
本申请涉及地下电缆技术领域，特别是涉及一种故障地下电缆定位方法和装置。
背景技术
埋设于地下的电缆，在电力传输过程中，往往会由于电缆本身的温度升高发生***；又或者，由于地下铺设管道进水，导致电缆发生损坏，进而影响电缆的正常传输。
通常地，为了对地下电缆进行监测，需要人工对电缆进行逐个排查，从而降低了监测的效率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高效率的故障地下电缆定位方法和装置。
一种故障地下电缆定位方法，所述方法包括：
接收机器人所采集的红外图像；
对所述红外图像进行识别以确定电缆所在的图像区域；
将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；
根据故障的电缆对应的图像区域得到电缆位置；
输出所述电缆位置。
在其中一个实施例中，所述对所述红外图像进行识别以确定电缆所在的图像区域，包括：
对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；
将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
在其中一个实施例中，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：
提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；
计算所述第一电缆区域与所述图像区域的第一相似度；
若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，所述计算所述第一电缆区域与所述图像区域的第一相似度，包括：
通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
在其中一个实施例中，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：
获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；
计算所述第二电缆区域与所述图像区域的第二相似度；
若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，所述计算所述第二电缆区域与所述图像区域的第二相似度，包括：
通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
一种故障地下电缆定位装置，所述装置包括：
接收模块，用于接收机器人所采集的红外图像；
识别模块，用于对所述红外图像进行识别以确定电缆所在的图像区域；
故障判断模块，用于将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；
位置获取模块，用于根据故障的电缆对应的图像区域得到电缆位置；
输出模块，用于输出所述电缆位置。
在其中一个实施例中，所述识别模块包括：
标注单元，用于对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；
操作单元，用于将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述故障地下电缆定位方法和装置，在接收到机器人采集的红外图像后，首先从红外图像中确定电缆所在的图像区域，然后仅将该部分图像区域输入预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，这样可以滤除干扰位置，提高识别准确率，此外，服务器根据故障的电缆对应的图像区域得到电缆位置，进而输出电缆位置，提高了处理效率。
附图说明
图1为一个实施例中故障地下电缆定位方法的应用场景图；
图2为一个实施例中故障地下电缆定位法的流程示意图；
图3为一个实施例中故障地下电缆定位装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的故障地下电缆定位方法，可以应用于如图1所示的应用环境中。其中，机器人102与服务器104通过网络进行通信。服务器104接收机器人102所采集的红外图像，并对红外图像进行识别确定电缆所在的图像区域，并将识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，从而服务器可以根据故障的电缆对应的图像区域得到电缆位置，并输出电缆位置，这样首先从红外图像中确定电缆所在的图像区域，然后仅将该部分图像区域输入预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，这样可以滤除干扰位置，提高识别准确率，此外，服务器根据故障的电缆对应的图像区域得到电缆位置，进而输出电缆位置，提高了处理效率。其中，机器人102可以但不限于是各种可以移动的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴图像的采集，该些可以移动的设备可以通过安装在移动车上来实现对地下电缆的，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种故障地下电缆定位方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收机器人所采集的红外图像。
具体地，机器人是在电缆沟中运行的，其一边行走一边采集图像，其中由于电缆沟中较为黑暗，因此其可以通过红外设备采集红外图像。并将所采集的红外图像实时回传至服务器。
S204：对所述红外图像进行识别以确定电缆所在的图像区域。
服务器为了识别的准确性，对红外图像进行分割，以得到电缆所在的图像区域，例如服务器对红外图像进行分割，然后对每个分割部分进行识别，以确定图像区域，可选地，可以通过电缆图像与红外图像进行比对，以得到电缆所在的图像区域。
S206：将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆。
具体地，服务器在获取到图像区域后，则将图像区域输入至预先训练的故障识别模型中，以通过故障识别模型判断图像区域对应的电缆是否存在故障，例如可以将图像区域中的电缆图像与标准的电缆图像进行比对，如果存在缺失或者变形等，则输出电缆存在故障的结果，否则电缆没有故障。此外，还可以将电缆图像与上一帧的电缆图像进行比对，即将本帧中的图像区域与上一帧中的图像区域进行比对，若对应的图像区域中的电缆图像的色彩值等发生改变，则说明电缆故障，否则没有故障。具体地，服务器可以选取电缆图像，从而确定电缆的宽度，然后将该宽度范围内的电缆与对应的上一帧中同样宽度的电缆进行比对，若存在缺失，或者是缺失的范围大于预设值，则说明存在故障。
S208：根据故障的电缆对应的图像区域得到电缆位置。
S210：输出所述电缆位置。
具体地，服务器根据故障的电缆对应的图像区域可以获取到电缆位置，具体地，机器人所上传的每一帧图像都标识有地理位置，这样服务器可以根据所标识的地理位置获取到机器人的位置，进而根据机器人的位置确定电缆的位置，例如机器人在行走的时候是沿着电缆的方向距离电缆预设距离行走，这样根据机器人的位置即可以获取到电缆的粗略位置，再根据图像的缩放比例，确定图像中各个像素所代表的位置，这样服务器根据图像区域，即可以得到对应的像素，进而根据对应的像素确定故障的电缆的电缆位置，其中可选地，可以故障区域中所有像素的位置的坐标的平均值作为电缆位置，然后服务器输出故障的电缆的电缆位置。
上述故障地下电缆定位方法，在接收到机器人采集的红外图像后，首先从红外图像中确定电缆所在的图像区域，然后仅将该部分图像区域输入预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，这样可以滤除干扰位置，提高识别准确率，此外，服务器根据故障的电缆对应的图像区域得到电缆位置，进而输出电缆位置，提高了处理效率。
在其中一个实施例中，所述对所述红外图像进行识别以确定电缆所在的图像区域，包括：对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
具体地，服务器在确定电缆所在的图像区域的时候，可以首先通过分割的方式识别到电缆的区域，然后对电缆所在的区域的图像进行标注，这样其他区域的图像的像素删除，或者是替换为白色等，然后将标注后的红外图像与标注前的红外图像进行按位与操作，这样彻底滤除掉无关位置的干扰，进而提取出仅包括电缆区域的图像区域，为后续的识别奠定基础。
在其中一个实施例中，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；计算所述第一电缆区域与所述图像区域的第一相似度；若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，所述计算所述第一电缆区域与所述图像区域的第一相似度，包括：通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
具体地，在该实施例中，通过所采集的图像来判断电缆是否故障，例如可以提取红外图像之前预设帧历史图像，并提取预设帧历史图像中的第一电缆区域，其中，服务器可以是根据前面预设帧图像在处理过程中所提取的第一电缆区域，即服务器在前面处理该预设帧图像时，将第一电缆区域和预设帧图像分别对应存储，这样服务器在步骤的时候，可以直接获取到第一电缆区域，并分别计算出第一电缆区域与图像区域的相似度，其中该相似度的计算可以是通过余弦函数来进行计算的，服务器可以计算所得到的相似度的平均值得到第一相似度，并判断第一相似度是否小于预设值，若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
其中预设值可以是根据当前环境来调整的，例如若当前环境较暗，则预设值相应变小，否则预设值相应变大。
在其中一个实施例中，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；计算所述第二电缆区域与所述图像区域的第二相似度；若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，所述计算所述第二电缆区域与所述图像区域的第二相似度，包括：通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
具体地，本实施例中服务器根据预先存储的标准图像来确定电缆是否故障，例如服务器获取到标准图像中的第二电缆区域，然后计算第二电缆区域与图像区域的相似度，其中该相似度的计算可以是通过余弦函数来进行计算的，服务器可以计算所得到的相似度的平均值得到第二相似度，并判断第二相似度是否小于预设值，若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
其中预设值可以是根据当前环境来调整的，例如若当前环境较暗，则预设值相应变小，否则预设值相应变大。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种故障地下电缆定位装置，包括：
接收模块100，用于接收机器人所采集的红外图像；
识别模块200，用于对所述红外图像进行识别以确定电缆所在的图像区域；
故障判断模块300，用于将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；
位置获取模块400，用于根据故障的电缆对应的图像区域得到电缆位置；
输出模块500，用于输出所述电缆位置。
在其中一个实施例中，所述识别模块包括：
标注单元，用于对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；
操作单元，用于将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
在其中一个实施例中，上述故障判断模块可以包括：
帧提取单元，用于提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；
第一计算单元，用于计算所述第一电缆区域与所述图像区域的第一相似度；
第一判断单元，用于若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，第一计算单元还用于通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
在其中一个实施例中，上述故障判断模块可以包括：
标准图像获取单元，用于获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；
第二计算单元，用于计算所述第二电缆区域与所述图像区域的第二相似度；
第二判断单元，用于若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在其中一个实施例中，第二计算单元还用于通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
关于故障地下电缆定位装置的具体限定可以参见上文中对于故障地下电缆定位方法的限定，在此不再赘述。上述故障地下电缆定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种故障地下电缆定位方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收机器人所采集的红外图像；对所述红外图像进行识别以确定电缆所在的图像区域；将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；根据故障的电缆对应的图像区域得到电缆位置；输出所述电缆位置。
在一个实施例中，处理器执行计算机程序时所实现的所述对所述红外图像进行识别以确定电缆所在的图像区域，包括：对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
在一个实施例中，处理器执行计算机程序时所实现的所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；计算所述第一电缆区域与所述图像区域的第一相似度；若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在一个实施例中，处理器执行计算机程序时所实现的所述计算所述第一电缆区域与所述图像区域的第一相似度，包括：通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
在一个实施例中，处理器执行计算机程序时所实现的所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；计算所述第二电缆区域与所述图像区域的第二相似度；若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在一个实施例中，处理器执行计算机程序时所实现的所述计算所述第二电缆区域与所述图像区域的第二相似度，包括：通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收机器人所采集的红外图像；对所述红外图像进行识别以确定电缆所在的图像区域；将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；根据故障的电缆对应的图像区域得到电缆位置；输出所述电缆位置。
在一个实施例中，计算机程序被处理器执行时所实现的所述对所述红外图像进行识别以确定电缆所在的图像区域，包括：对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
在一个实施例中，计算机程序被处理器执行时所实现的所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；计算所述第一电缆区域与所述图像区域的第一相似度；若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在一个实施例中，计算机程序被处理器执行时所实现的所述计算所述第一电缆区域与所述图像区域的第一相似度，包括：通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
在一个实施例中，计算机程序被处理器执行时所实现的所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；计算所述第二电缆区域与所述图像区域的第二相似度；若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
在一个实施例中，计算机程序被处理器执行时所实现的所述计算所述第二电缆区域与所述图像区域的第二相似度，包括：通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种故障地下电缆定位方法，所述方法包括：
接收机器人所采集的红外图像；
对所述红外图像进行识别以确定电缆所在的图像区域；
将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；
根据故障的电缆对应的图像区域得到电缆位置；
输出所述电缆位置。
2.根据权利要求1所述的方法，其特征在于，所述对所述红外图像进行识别以确定电缆所在的图像区域，包括：
对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；
将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
3.根据权利要求1所述的方法，其特征在于，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：
提取所述红外图像之前预设帧历史图像，并获取所述历史图像对应的第一电缆区域；
计算所述第一电缆区域与所述图像区域的第一相似度；
若所述第一相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
4.根据权利要求3所述的方法，其特征在于，所述计算所述第一电缆区域与所述图像区域的第一相似度，包括：
通过余弦函数计算所述第一电缆区域与所述图像区域的第一相似度。
5.根据权利要求1所述的方法，其特征在于，所述将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆，包括：
获取数据库中预先存储的标准图像，并获取所述标准图像对应的第二电缆区域；
计算所述第二电缆区域与所述图像区域的第二相似度；
若所述第二相似度小于预设值，则所述图像区域对应的电缆为故障的电缆。
6.根据权利要求5所述的方法，其特征在于，所述计算所述第二电缆区域与所述图像区域的第二相似度，包括：
通过余弦函数计算所述第二电缆区域与所述图像区域的第二相似度。
7.一种故障地下电缆定位装置，其特征在于，所述装置包括：
接收模块，用于接收机器人所采集的红外图像；
识别模块，用于对所述红外图像进行识别以确定电缆所在的图像区域；
故障判断模块，用于将所识别的图像区域输入至预先训练的故障识别模型中，以通过所述故障识别模型得到故障的电缆；
位置获取模块，用于根据故障的电缆对应的图像区域得到电缆位置；
输出模块，用于输出所述电缆位置。
8.根据权利要求7所述的装置，其特征在于，所述识别模块包括：
标注单元，用于对所述红外图像进行分割得到电缆所在的图像区域，并对所得到的图像区域进行标注；
操作单元，用于将标注后的红外图像与标注前的红外图像进行按位与操作，以提取出所述电缆所在的图像区域。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911137084.2A CN110907749A (zh) | 2019-11-19 | 2019-11-19 | 故障地下电缆定位方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911137084.2A CN110907749A (zh) | 2019-11-19 | 2019-11-19 | 故障地下电缆定位方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110907749A true CN110907749A (zh) | 2020-03-24 |
Family
ID=69818077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911137084.2A Pending CN110907749A (zh) | 2019-11-19 | 2019-11-19 | 故障地下电缆定位方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110907749A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113984018A (zh) * | 2021-10-27 | 2022-01-28 | 南方电网数字电网研究院有限公司 | 一种基于手机定位的现场数字化标准勘察方法 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101194186A (zh) * | 2005-02-16 | 2008-06-04 | 布奇·马尔卡希 | 用于地下物体探测的数字定位***和装置 |
| CN101576600A (zh) * | 2009-05-15 | 2009-11-11 | 重庆大学 | 自行走地下电缆故障检测智能仪 |
| CN102998594A (zh) * | 2012-11-21 | 2013-03-27 | 河南理工大学 | 一种地下电缆巡检与故障定位装置 |
| CN203117363U (zh) * | 2013-01-06 | 2013-08-07 | 苏州华兴致远电子科技有限公司 | 图像采集***和接触网检测*** |
| CN103809570A (zh) * | 2013-12-25 | 2014-05-21 | 浙江图维电力科技有限公司 | 一种地下井道多数据采集和控制*** |
| CN105842738A (zh) * | 2015-12-25 | 2016-08-10 | 中国科学院地质与地球物理研究所 | 一种地下目标体异常定量判定方法和装置 |
| CN106707109A (zh) * | 2017-02-21 | 2017-05-24 | 国网山东省电力公司邹城市供电公司 | 一种地下电缆探测*** |
| CN107769969A (zh) * | 2017-10-19 | 2018-03-06 | 湖南优图信息技术有限公司 | 一种地下管线事故报警方法及*** |
| CN107782734A (zh) * | 2017-10-25 | 2018-03-09 | 国网青海省电力公司海北供电公司 | 一种地下电缆故障检测机器人 |
| CN107991560A (zh) * | 2017-11-27 | 2018-05-04 | 福建中电合创电力科技有限公司 | 一种地下电缆的监测方法 |
| CN108152663A (zh) * | 2017-11-24 | 2018-06-12 | 国网河南省电力公司镇平县供电公司 | 一种配电网故障定位方法及装置 |
| CN207691316U (zh) * | 2017-11-30 | 2018-08-03 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种电缆沟机器人巡检*** |
| CN207833034U (zh) * | 2017-12-27 | 2018-09-07 | 华南农业大学 | 一种无人机-地质雷达一体式地下物体探测装置 |
| CN108614191A (zh) * | 2018-06-07 | 2018-10-02 | 云南电网有限责任公司丽江供电局 | 一种基于bim模型的配电网及地下电缆故障检测方法 |
| CN108626580A (zh) * | 2018-05-10 | 2018-10-09 | 北京零偏科技有限责任公司 | 一种管道故障自主定位检测的设备、方法及*** |
| CN108734117A (zh) * | 2018-05-09 | 2018-11-02 | 国网浙江省电力有限公司电力科学研究院 | 基于yolo的电缆设备外部腐蚀破损识别方法 |
| CN109143226A (zh) * | 2018-08-03 | 2019-01-04 | 华南农业大学 | 一种地下物体探测装置及其探测方法 |
| CN109765462A (zh) * | 2019-03-05 | 2019-05-17 | 国家电网有限公司 | 输电线路的故障检测方法、装置和终端设备 |
| CN110361626A (zh) * | 2018-03-26 | 2019-10-22 | 保尔有限公司 | 用于精确定位埋地电缆的电缆故障的方法 |
| CN110415236A (zh) * | 2019-07-30 | 2019-11-05 | 深圳市博铭维智能科技有限公司 | 一种基于双流神经网络的复杂地下管道的异常检测方法 |
| CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测*** |
| CN111665570A (zh) * | 2020-05-26 | 2020-09-15 | 广西电网有限责任公司南宁供电局 | 一种基于3d探地雷达的地下电缆管线成像检测方法与装置 |
-
2019
- 2019-11-19 CN CN201911137084.2A patent/CN110907749A/zh active Pending
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101194186A (zh) * | 2005-02-16 | 2008-06-04 | 布奇·马尔卡希 | 用于地下物体探测的数字定位***和装置 |
| CN101576600A (zh) * | 2009-05-15 | 2009-11-11 | 重庆大学 | 自行走地下电缆故障检测智能仪 |
| CN102998594A (zh) * | 2012-11-21 | 2013-03-27 | 河南理工大学 | 一种地下电缆巡检与故障定位装置 |
| CN203117363U (zh) * | 2013-01-06 | 2013-08-07 | 苏州华兴致远电子科技有限公司 | 图像采集***和接触网检测*** |
| CN103809570A (zh) * | 2013-12-25 | 2014-05-21 | 浙江图维电力科技有限公司 | 一种地下井道多数据采集和控制*** |
| CN105842738A (zh) * | 2015-12-25 | 2016-08-10 | 中国科学院地质与地球物理研究所 | 一种地下目标体异常定量判定方法和装置 |
| CN106707109A (zh) * | 2017-02-21 | 2017-05-24 | 国网山东省电力公司邹城市供电公司 | 一种地下电缆探测*** |
| CN107769969A (zh) * | 2017-10-19 | 2018-03-06 | 湖南优图信息技术有限公司 | 一种地下管线事故报警方法及*** |
| CN107782734A (zh) * | 2017-10-25 | 2018-03-09 | 国网青海省电力公司海北供电公司 | 一种地下电缆故障检测机器人 |
| CN108152663A (zh) * | 2017-11-24 | 2018-06-12 | 国网河南省电力公司镇平县供电公司 | 一种配电网故障定位方法及装置 |
| CN107991560A (zh) * | 2017-11-27 | 2018-05-04 | 福建中电合创电力科技有限公司 | 一种地下电缆的监测方法 |
| CN207691316U (zh) * | 2017-11-30 | 2018-08-03 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种电缆沟机器人巡检*** |
| CN207833034U (zh) * | 2017-12-27 | 2018-09-07 | 华南农业大学 | 一种无人机-地质雷达一体式地下物体探测装置 |
| CN110361626A (zh) * | 2018-03-26 | 2019-10-22 | 保尔有限公司 | 用于精确定位埋地电缆的电缆故障的方法 |
| CN108734117A (zh) * | 2018-05-09 | 2018-11-02 | 国网浙江省电力有限公司电力科学研究院 | 基于yolo的电缆设备外部腐蚀破损识别方法 |
| CN108626580A (zh) * | 2018-05-10 | 2018-10-09 | 北京零偏科技有限责任公司 | 一种管道故障自主定位检测的设备、方法及*** |
| CN108614191A (zh) * | 2018-06-07 | 2018-10-02 | 云南电网有限责任公司丽江供电局 | 一种基于bim模型的配电网及地下电缆故障检测方法 |
| CN109143226A (zh) * | 2018-08-03 | 2019-01-04 | 华南农业大学 | 一种地下物体探测装置及其探测方法 |
| CN109765462A (zh) * | 2019-03-05 | 2019-05-17 | 国家电网有限公司 | 输电线路的故障检测方法、装置和终端设备 |
| CN110415236A (zh) * | 2019-07-30 | 2019-11-05 | 深圳市博铭维智能科技有限公司 | 一种基于双流神经网络的复杂地下管道的异常检测方法 |
| CN110458839A (zh) * | 2019-10-09 | 2019-11-15 | 江西太平洋电缆集团有限公司 | 一种有效的电线电缆监测*** |
| CN111665570A (zh) * | 2020-05-26 | 2020-09-15 | 广西电网有限责任公司南宁供电局 | 一种基于3d探地雷达的地下电缆管线成像检测方法与装置 |
Non-Patent Citations (2)
| Title |
|---|
| 姚勇光等: "基于小波分析的地下电缆故障定位仿真研究", 《机电工程技术》 * |
| 赵悦冰等: "基于机器人的地下电缆巡检与故障定位装置设计", 《科技创新导报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113984018A (zh) * | 2021-10-27 | 2022-01-28 | 南方电网数字电网研究院有限公司 | 一种基于手机定位的现场数字化标准勘察方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035299B (zh) | 目标跟踪方法、装置、计算机设备及存储介质 | |
| CN112364715B (zh) | 核电作业异常监控方法、装置、计算机设备和存储介质 | |
| CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
| CN110781859B (zh) | 图像标注方法、装置、计算机设备和存储介质 | |
| CN110634153A (zh) | 目标跟踪模板更新方法、装置、计算机设备和存储介质 | |
| CN110798245B (zh) | 基于单模型的地下电缆故障预警方法和装置 | |
| CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
| CN112257610A (zh) | 核电设备监控方法、装置、计算机设备和存储介质 | |
| CN110046577B (zh) | 行人属性预测方法、装置、计算机设备和存储介质 | |
| CN110837956A (zh) | 地下电缆巡检任务分配方法和装置 | |
| CN111008621B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
| CN111241938A (zh) | 基于图像校验的人脸识别方法、装置和计算机设备 | |
| CN110942455A (zh) | 输电线路开口销缺失检测方法、装置和计算机设备 | |
| CN111414812A (zh) | 人体属性识别方法、***、计算机设备及存储介质 | |
| CN110909669A (zh) | 基于图像检测的地下电缆故障确定方法和装置 | |
| CN111310710A (zh) | 人脸检测方法与*** | |
| CN112241646A (zh) | 车道线识别方法、装置、计算机设备和存储介质 | |
| CN110633646A (zh) | 图像敏感信息检测的方法、装置、计算机设备和存储介质 | |
| CN108200087B (zh) | web入侵检测方法、装置、计算机设备和存储介质 | |
| CN110825923A (zh) | 基于单模型的地下电缆故障修复方法和装置 | |
| CN111178224B (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
| CN110222752B (zh) | 图像处理方法、***、计算机设备、存储介质和芯片 | |
| CN110907749A (zh) | 故障地下电缆定位方法和装置 | |
| CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| CN110852461A (zh) | 故障地下电缆定位方法和装置 |
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: 20200324 |