CN111079743A - 基于无人机航拍数据绝缘子自动识别的数据采集方法 - Google Patents
基于无人机航拍数据绝缘子自动识别的数据采集方法 Download PDFInfo
- Publication number
- CN111079743A CN111079743A CN201911225283.9A CN201911225283A CN111079743A CN 111079743 A CN111079743 A CN 111079743A CN 201911225283 A CN201911225283 A CN 201911225283A CN 111079743 A CN111079743 A CN 111079743A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- tower
- insulator
- method based
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Insulators (AREA)
Abstract
本发明公开了一种基于无人机航拍数据绝缘子自动识别的数据采集方法,包括通过无人机对输电线路进行巡检拍摄,从而采集到图像数据,且无人机对输电线路进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上10°‑45°处,且无人机与输电线路中杆塔的横档外端在水平方向上保持5‑10米的安全距离,采用上述方法拍摄到的图片,即采集到的图片,图片清晰、目标明确且全面,从而便于后续识别。
Description
技术领域
本发明属于电力***的运行巡检技术领域,尤其涉及一种基于无人机航拍数据绝缘子自动识别的数据采集方法。
背景技术
绝缘子损坏及隐患是危及输电线路安全运行的主要故障之一,可能带来输电故障等严重问题,甚至绝缘子损坏可能导致在输电线路检修维护时给工作人员带来生命危险。但输电线路绝缘子又都处于高空之中,在对输电线路巡检时,只能通过攀爬铁塔、通过望远镜等手段进行查看和巡视,一方面巡视效率低,另一方面难以覆盖全部绝缘子。
为减少和遏止由于绝缘子造成的输电事故,同时随着电网智能化水平不断提高,无人机被越来越广泛地应用与输电线路巡检,无人机巡检时拍下大量图片,然后通过对图片中的绝缘子进行标记,再通过卷积神经网络的识别算法处理图片,从而可对输电线路中存在的绝缘子进行自动识别与预警,帮助检修人员快速定位、排查并维护损坏的绝缘子,从而保证电网的安全运行。
现有无人机巡检拍摄过程中,拍摄出的图片效果不好,从而给后续图片处理带来困难,不能很好地对损坏的绝缘子进行识别、预警。
发明内容
本发明的目的是提供一种基于无人机航拍数据绝缘子自动识别的数据采集方法,通过该方法采集的图片方便后续处理,从而便于很好地对损坏的绝缘子进行识别、预警。
为解决上述技术问题,本发明采用的技术方案是:
一种基于无人机航拍数据绝缘子自动识别的数据采集方法,包括通过无人机对输电线路进行巡检拍摄,从而采集到图像数据,且无人机对输电线路进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上10°-45°处,且无人机与输电线路中杆塔的横档外端在水平方向上保持5-10米的安全距离。
电压等级为110--220KV的杆塔,所述安全距离设置为8米。
电压等级为110KV以下的杆塔,所述安全距离设置为5米;电压等级为 220--500KV以上的杆塔,所述安全距离设置为10米。
当无人机巡检耐张杆塔时,无人机先直线往上移动到最下层的杆塔一侧,再水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,然后水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,如此移动,直至从最上层杆塔的一侧水平移动到另一侧,如此,该耐张杆塔其中一侧面的巡检拍摄完成。
无人机对耐张杆塔进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上30°-45°处。
当无人机巡检耐张杆塔最上层的横担时,其拍摄设备的镜头位于被巡检部位的斜向上30°处。
无人机巡检最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上45°处。
无人机对直线杆塔进行巡检拍摄时,所述无人机直线往上移动,且无人机拍摄设备的镜头位于被巡检部位斜向上10°-30°处。
当无人机巡检最上层的横担时,其拍摄设备的镜头位于被巡检部位的斜向上30°处;当无人机巡检最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上10°处;当无人机巡检直线杆塔上的绝缘子、线夹以及绝缘子时,无人机拍摄设备的镜头位于被巡检部位斜向上10°处。
拍摄时,所述被巡检部位占据整个画面的60%或以上。
本发明的有益技术效果为:
附图说明
图1为本发明方法无人机针对耐张杆塔的巡检拍摄路径示意图;
图2为本发明方法无人机针对耐张杆塔上部巡检拍摄的放大示意图;;
图3为本发明方法无人机针对直线杆塔的巡检拍摄路径示意图;
图4为本发明方法无人机针对直线杆塔上部巡检拍摄的放大示意图。
具体实施方式
本发明揭露了一种基于无人机航拍数据绝缘子自动识别的数据采集方法,所述方法包括通过无人机对输电线路进行巡检拍摄,从而采集到图像数据,且无人机1对输电线路进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上至少10°处,且无人机与被巡检部位在水平方向上的安全距离L至少为5米。即是说,无人机的飞行高度应略高于被巡检部位,且与巡检部位保持一定的水平安全距离L。
无人机与杆塔之间的安全距离L设置具体根据杆塔的电压等级而定,较佳的,电压等级为110KV以下的杆塔,所述安全距离设置为5米;电压等级为110--220KV的杆塔,所述安全距离设置为8米;电压等级为220--500KV 以上的杆塔,所述安全距离设置为10米。
保持该安全距离,可避免杆塔与无人机碰撞,还能避免杆塔的辐射对无人机的相关电子设备造成干涉而影响拍摄效果。
拍摄时,应保证被巡检部位占据整个画面的60%或以上,如此,可方便后续被巡检部位的识别。
拍摄时,应采用“顺光拍摄”的方法,以保证被巡检部位具有充分的照明,从而保证画面明亮。
巡检照片应至少包含杆塔整体、塔头、绝缘子、架空地线挂接点、缺陷等内容,照片能够清晰反应线路部件或缺陷情况。
下面以巡检耐张杆塔与直线杆塔为例进行详细说明。
第一实施例
如图1-2所示为无人机对耐张杆塔2进行巡检拍摄的示意图。
无人机1对耐张杆塔2进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上至少30°处。
具体的说,当无人机巡检耐张杆塔最上层的横担21时,其拍摄设备的镜头位于被巡检部位的斜向上30°处;当无人机巡检耐张杆塔最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上45°处。
当无人机巡检耐张杆塔上的绝缘子时,无人机拍摄设备的镜头位于被巡检部位斜向上45°处。
当无人机巡检耐张杆塔时,无人机先直线往上移动到最下层的杆塔一侧,再水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,然后水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,如此移动,直至从最上层杆塔的一侧水平移动到另一侧(如图1中虚线所示),如此,该耐张杆塔其中一侧面的巡检拍摄完成。为使得巡检拍摄更全面,无人机可按照该移动方式拍摄杆塔的不同侧面,从而获得更全面的数据。
对于镜头而言,不同位置的被巡检部位有着不同的视野与光线,而很明显地,最上面的横档因为上面再没有其他遮挡物,所以可以相对角度大点,而下面的被巡检部位则相反,为拍的更清晰、明亮,所以相对角度要小点。
即是说,不同的被巡检部位要对应不同的拍摄角度,从而保证每张图片的质量,进而便于后续识别。
因为耐张杆塔上的绝缘子基本为大致水平设置,所以瓷裙内既容易积尘又易进水,所以无人机在对耐张杆塔的绝缘子进行巡检拍摄时,绝缘子水平方向的前、中、后侧分别设置为巡检部位,却无人机拍摄设备的镜头位于被巡检部位的斜向上30°处,从而便于清楚拍下绝缘子的细节部分。
因为绝缘子离着杆塔不远,从而除了单独针对绝缘子进行巡检拍摄,在对杆塔进行巡检拍摄时,也能拍到部分绝缘子,所以无人机在耐张杆塔不同方向进行巡检拍摄时,也能拍到绝缘子的不同方向,如此,图像采集更全面。
耐张杆塔的结构以及绝缘子相对耐张杆塔的安全距离为常规设计,故不详细描述其相关结构。
第二实施例
如图3-4所示为无人机1对直线杆塔3进行巡检拍摄的示意图。
无人机对直线杆塔进行巡检拍摄时,所述无人机直线往上移动,无人机拍摄设备的镜头位于被巡检部位斜向上10°-30°处。
同理,不同的被巡检部位要对应不同的拍摄角度。具体的说,当无人机巡检最上层的横担31时,其拍摄设备的镜头位于被巡检部位的斜向上30°处;当无人机巡检最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上10°处。
因为垂直杆塔的绝缘子是垂直设置,所以当无人机巡检直线杆塔上的绝缘子时,绝缘子的上、中、下侧分别设置为巡检部位,且无人机拍摄设备的镜头位于被巡检部位斜向上10°处。如此,方能将绝缘子巡检拍摄完全。
较佳的,在对一直线杆塔进行巡检拍摄时,无人机多次分别于直线杆塔不同的方向往上直线运动,从而能巡检拍摄到直线杆塔不同角度的图片,进而尽可能采集更多更全的数据。
对于直线杆塔而言,因为横担两端连接竖向设置的绝缘子32,从而除了单独针对绝缘子进行巡检拍摄,在对杆塔以及其他金具进行巡检拍摄时,也能拍到部分绝缘子,所以无人机在直线杆塔不同方向往上直线运动进行巡检拍摄时,也能拍到绝缘子的不同方向,如此,图像采集更全面。
直线杆塔的结构为常规设计,故不详细描述其相关结构。
如上所述,采用上述方法拍摄到的图片,即采集到的图片,图片清晰、目标明确且全面,从而便于后续识别。
采用上述方法采集了足够数量的输电线路巡检图片后,利用卷积神经网络识别算法对图片中的绝缘子进行自动定位识别,所述自动识别方法包括以下步骤:
S1.制作绝缘子定位识别模型,制作模型时采用Faster-Rcnn算法;
具体包括:
S101.制作绝缘子定位识别样本,对无人机输电线路巡检图片进行人工标注,标出图中所有的绝缘子,形成带标签的图片;从带标签的图片中随机选取部分图片作为训练数据集,其余的图片作为测试数据集;从带标签的图片中随机选取总数量8/10的图片作为训练数据集,其余2/10的图片作为测试数据集;
S102.训练绝缘子定位识别模型,将训练数据集输入到待训练的 Faster-Rcnn网络中进行模型训练,训练使用随机梯度下降方法对 Faster-Rcnn模型的参数进行更新迭代,迭代至少18万步,迭代后得到完成训练的绝缘子定位识别模型;
S103.测试模型,利用测试数据集对绝缘子定位识别模型进行测试,得到绝缘子定位识别模型的定位识别准确率;
S104.判断识别准确率是否达到准确率要求,若否,进入步骤S105,若是,进入步骤S106;
S105.修正模型,根据步骤S103中的测试结果,对绝缘子定位识别模型进行修正,然后再进入步骤S103进行验证测试,直至达到所期望的准确率;
S106.保存并输出绝缘子定位识别模型;
如此,绝缘子定位识别模型中有完好无损的绝缘子模型,也有不同损坏程度的绝缘子模型,绝缘子的损坏包括滑移、安全距离偏差、锈蚀、损坏、缺少、无铝包带、脱落、偏斜等。
S2.往绝缘子定位识别模型内导入待检测巡检图片,利用RESNET深度神经网络和Faster-Rcnn算法自动从无人机巡检照片中识别出有损坏特征的绝缘子;
具体的说,首先向绝缘子定位识别模型中输入待检测巡检图片,提取出包含绝缘子的区域,标注绝缘子位置,得到自动识别图片,利用RESNET深度神经网络和Faster-Rcnn算法自动从无人机巡检照片中识别并定位出有损坏特征的绝缘子。
S3.更新绝缘子定位识别模型的模型参数。
具体的说,在已识别的自动识别图片中抽取典型图片,重新制作新的训练样本,在原有绝缘子定位识别模型的基础上不断更新模型参数,通过不断添加新的训练样本持续更新深度神经网络模型,使得对绝缘子定位识别的准确率不断提高。
利用RESNET深度神经网络和Faster-Rcnn算法进行识别,准确率高、处理速度快、可靠性好,而且能降低人工成本。
本文中应用了具体个例对本发明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发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:包括通过无人机对输电线路进行巡检拍摄,从而采集到图像数据,且无人机对输电线路进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上至少10°处,且无人机与输电线路中杆塔的横档外端在水平方向上保持至少5米的安全距离。
2.根据权利要求1所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:电压等级为110--220KV的杆塔,所述安全距离设置为8米;或,电压等级为110KV以下的杆塔,所述安全距离设置为5米;或,电压等级为220--500KV以上的杆塔,所述安全距离设置为10米。
3.根据权利要求1或2所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:无人机在对耐张杆塔的绝缘子进行巡检拍摄时,绝缘子水平方向的前、中、后侧分别设置为巡检部位,却无人机拍摄设备的镜头位于被巡检部位的斜向上30°处。
4.根据权利要求3所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:当无人机巡检耐张杆塔时,无人机先直线往上移动到最下层的杆塔一侧,再水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,然后水平方向移动到该杆塔的另一侧;再直线往上移动到上一层的杆塔一侧,如此移动,直至从最上层杆塔的一侧水平移动到另一侧,如此,该耐张杆塔其中一侧面的巡检拍摄完成。
5.根据权利要求4所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:无人机对耐张杆塔进行巡检拍摄时,无人机拍摄设备的镜头位于被巡检部位斜向上至少30°处。
6.根据权利要求5所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:当无人机巡检耐张杆塔最上层的横担时,其拍摄设备的镜头位于被巡检部位的斜向上30°处;或,无人机巡检最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上45°处。
7.根据权利要求1或2所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:无人机对直线杆塔进行巡检拍摄时,所述无人机直线往上移动,且无人机拍摄设备的镜头位于被巡检部位斜向上10°-30°处。
8.根据权利要求7所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:当无人机巡检直线杆塔上的垂直设置的绝缘子时,绝缘子的上、中、下侧分别设置为巡检部位,且无人机拍摄设备的镜头位于被巡检部位斜向上10°处。
9.根据权利要求8所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:当无人机巡检最上层的横担时,其拍摄设备的镜头位于被巡检部位的斜向上30°处;当无人机巡检最上层以外的横担时,其拍摄设备的镜头位于被巡检部位的斜向上10°处。
10.根据权利要求1-2、4-6、8-9任一项所述的基于无人机航拍数据绝缘子自动识别的数据采集方法,其特征在于:拍摄时,所述被巡检部位占据整个画面的60%或以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225283.9A CN111079743A (zh) | 2019-12-04 | 2019-12-04 | 基于无人机航拍数据绝缘子自动识别的数据采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225283.9A CN111079743A (zh) | 2019-12-04 | 2019-12-04 | 基于无人机航拍数据绝缘子自动识别的数据采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111079743A true CN111079743A (zh) | 2020-04-28 |
Family
ID=70312941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225283.9A Pending CN111079743A (zh) | 2019-12-04 | 2019-12-04 | 基于无人机航拍数据绝缘子自动识别的数据采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079743A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112799422A (zh) * | 2021-04-06 | 2021-05-14 | 众芯汉创(北京)科技有限公司 | 一种用于电力巡检的无人机飞行控制方法及装置 |
CN113295144A (zh) * | 2021-04-12 | 2021-08-24 | 国家电网有限公司 | 一种电缆终端塔三维建模测距方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015078279A1 (zh) * | 2013-11-27 | 2015-06-04 | 国家电网公司 | ±800kV特高压直流输电线路带电检修工艺 |
CN109460054A (zh) * | 2018-09-11 | 2019-03-12 | 成都优艾维智能科技有限责任公司 | 一种针对直流单回耐张塔的无人机自主巡检方法 |
CN110197475A (zh) * | 2018-10-31 | 2019-09-03 | 国网宁夏电力有限公司检修公司 | 一种输电线路中的绝缘子自动识别***、方法及应用 |
-
2019
- 2019-12-04 CN CN201911225283.9A patent/CN111079743A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015078279A1 (zh) * | 2013-11-27 | 2015-06-04 | 国家电网公司 | ±800kV特高压直流输电线路带电检修工艺 |
CN109460054A (zh) * | 2018-09-11 | 2019-03-12 | 成都优艾维智能科技有限责任公司 | 一种针对直流单回耐张塔的无人机自主巡检方法 |
CN110197475A (zh) * | 2018-10-31 | 2019-09-03 | 国网宁夏电力有限公司检修公司 | 一种输电线路中的绝缘子自动识别***、方法及应用 |
Non-Patent Citations (3)
Title |
---|
侯飞: "电力专用无人机的巡检技术应用分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
冯智慧 等: "基于无人机的输电线路典型设备图像信息采集方法研究", 《电瓷避雷器》 * |
熊典: "输电线路无人机巡检路径规划研究及应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112799422A (zh) * | 2021-04-06 | 2021-05-14 | 众芯汉创(北京)科技有限公司 | 一种用于电力巡检的无人机飞行控制方法及装置 |
CN112799422B (zh) * | 2021-04-06 | 2021-07-13 | 国网江苏省电力有限公司泰州供电分公司 | 一种用于电力巡检的无人机飞行控制方法及装置 |
CN113295144A (zh) * | 2021-04-12 | 2021-08-24 | 国家电网有限公司 | 一种电缆终端塔三维建模测距方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检***和方法 | |
CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及*** | |
CN111311967A (zh) | 基于无人机的电力线路巡检***及方法 | |
CN111342391B (zh) | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 | |
CN104764748A (zh) | 定位绝缘子的方法、***以及故障检测的方法和*** | |
CN112950634B (zh) | 基于无人机巡检的风力机叶片损伤识别方法、设备和*** | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检*** | |
CN111079743A (zh) | 基于无人机航拍数据绝缘子自动识别的数据采集方法 | |
CN112013907A (zh) | 一种电力无人机巡检路径规划方法 | |
CN112229845A (zh) | 基于视觉导航技术的无人机高精度饶塔智能巡检方法 | |
CN113076899B (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
CN107179479A (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN113762183A (zh) | 一种既有建筑安全的智能检查分析***及操作方法 | |
CN112069894A (zh) | 一种基于Faster-RCNN模型的导线散股识别方法 | |
CN112329584A (zh) | 基于机器视觉自动识别电网异物的方法及***、设备 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检*** | |
CN113065462A (zh) | 用于电网架空线路的监测方法、装置、设备及存储介质 | |
CN109104591B (zh) | 一种用于电力设备的图像采集装置 | |
CN114167245B (zh) | 输变电设备表面局放智能检测方法及无人机融合紫外*** | |
CN114442658B (zh) | 输配电线路无人机自动巡检***及其运行方法 | |
CN110826473A (zh) | 一种基于神经网络的绝缘子图像自动识别方法 | |
CN115912183A (zh) | 高压输电线路生态措施巡视方法、***及可读存储介质 | |
CN115328204A (zh) | 基于前端目标识别和无人机避障信息的pms参数自动校验方法及*** | |
Fang et al. | Detection method of transmission line broken stock defects in aircraft inspection based on image processing technology | |
CN114418968A (zh) | 一种基于深度学习的输电线路小目标缺陷检测方法 |
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 |