CN112365475A - 一种基于图像处理方式的输电线路覆冰监测方法及*** - Google Patents

一种基于图像处理方式的输电线路覆冰监测方法及*** Download PDF

Info

Publication number
CN112365475A
CN112365475A CN202011264924.4A CN202011264924A CN112365475A CN 112365475 A CN112365475 A CN 112365475A CN 202011264924 A CN202011264924 A CN 202011264924A CN 112365475 A CN112365475 A CN 112365475A
Authority
CN
China
Prior art keywords
transmission line
power transmission
image
icing
monitoring
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
Application number
CN202011264924.4A
Other languages
English (en)
Inventor
李龙坤
杜玉营
马文臣
蒋志浩
杨培辉
张�林
李圣乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011264924.4A priority Critical patent/CN112365475A/zh
Publication of CN112365475A publication Critical patent/CN112365475A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图像处理方式的输电线路覆冰监测方法及***，对采集到的输电线路图像进行灰度化处理；对输电线路图像进行增强处理；按照阈值分割的方式对输电线路图像进行分割，分割形成预设数量的图像块；预设输电线路的面积阈值，计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；当图像块中的输电线路面积大于面积阈值时，提取所述图像块；获取图像块中输电线路的边缘数据，计算输电线路边缘的距离，并判断是否有覆冰；如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度。***自动判断出输电线路覆冰状态及时给出预警、报警信息，有效预防了各种电力事故。

Description

一种基于图像处理方式的输电线路覆冰监测方法及***
技术领域
本发明涉及输电线路覆冰监测技术领域，尤其涉及一种基于图像处理方式的输电线路覆冰监测方法及***。
背景技术
输电线路覆冰经常引起断线、倒塔等事故，为了掌握输电线路的覆冰情况，传统做法是在覆冰区域设置覆冰观测站，架设模拟导线，定期测量模拟导线覆冰厚度。由于观测站多建在崇山峻岭中，成本高、危险性大，而且由于影响输电线路覆冰因素非常多，该方法无法准确反映输电线路的覆冰厚度，检测结果往往和实际出入很大。
目前多数采用人工巡检，或者采用无人机飞行巡检，在巡检过程查看输电线路覆冰状态，但是，由于输电线路距离长，涉及多种环境使用，有的在野外巡检人员无法实时到现场查看。而无人机飞行过程中，获取的巡检图像不清晰，影响巡检质量，容易造成对输电线路覆冰状态误判，进而影响整个输电线路的稳定运行。
发明内容
为了克服上述现有技术中的不足，本发明提供一种基于图像处理方式的输电线路覆冰监测方法，方法包括：
步骤一、对采集到的输电线路图像进行灰度化处理；
步骤二、对输电线路图像进行增强处理；
步骤三、按照阈值分割的方式对输电线路图像进行分割，分割形成预设数量的图像块；
步骤四、预设输电线路的面积阈值，计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；
步骤五、当图像块中的输电线路面积大于面积阈值时，提取所述图像块；
步骤六、获取图像块中输电线路的边缘数据，计算输电线路边缘的距离，并判断是否有覆冰；
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度。
进一步需要说明的是，步骤二还包括：
对输电线路图像进行归一化处理，
配置当并b＝s＝0时，表示黑色；当b＝s＝1时，表示白色；
其中b表示增强后的输电线路图像，s表示变换后输电线路图像的灰度；
变换函数T(r)与原图像概率密度函数pr(r)之间的关系为：
Figure BDA0002775771310000021
式(1)中：r为积分变量；
变换后的图像灰度s在定义域内的概率密度为均匀分布；
用r累计分布函数作为变换函数使图像的灰度直方图具有均匀概率密度的灰度级分布，将输电线路图像中像素的取值动态范围进行扩大；
对于输电线路图像的灰度级是离散值，离散形式来表达，用频数来表示概率值，则：
Figure BDA0002775771310000022
式(2)中，L是灰度级数；pr(rk)是取第k级灰度值的概率；nk是在图像中出现第k级灰度的次；N是图像中像素总数；
直方图均衡化累计分布函数的离散形式如下式：
Figure BDA0002775771310000023
基于直方图均衡化使输电线路图像中占有较多像素数的背景和导线进行灰度变换，使背景和导线之间的灰度差距增大，进而增大输电线路图像的对比度；
输电线路图像中其他的一些过度像素在输电线路图像中占像素数低于阈值，经过灰度变换后，将归并为背景点，使输电线路图像中的边界更陡峭，增强输电线路图像中的边缘信息。
进一步需要说明的是，步骤二还包括：
设f(m,n)为M×N图像在(m,n)点的灰度值,灰度级为k,则f(m,n)的范围是[0,k-1]；
设p(i)是图像中灰度值为i的频率，则有：
Figure BDA0002775771310000031
当选定的阈值为灰度值t时，通过比较f(m,n)与阈值t的大小来分割目标物体和背景；
在输电线路图像中目标物体与背景所占的比例分别为；
Figure BDA0002775771310000032
Figure BDA0002775771310000033
均值分别为：
Figure BDA0002775771310000034
Figure BDA0002775771310000035
目标物体和背景总的均值为：
u＝w0(t)u0(t)+w1(t)u1(t) (9)
则类间方差为：
E＝w0(t)(u0(t)-u)2+w1(t)(u1(t)-u)2 (10)
当类间方差E取得最大值时的灰度值t选择的最优阈值。
进一步需要说明的是，步骤三还包括：
按照阈值分割方式对输电线路图像进行分割，使分割后的图像块相互独立；
分割后，输电线路图像是由互相联通的图像块组成的矩形像素网格；
定义矩形像素网格为8连通矩形像素网格；
采用行程表示法对8连通矩形像素网格进行扫描；
若扫描到背景点则继续扫描，若扫描到目标点则进行标记。
进一步需要说明的是，当扫描的目标点为左上角所在的像素时，则使用左上角像素标号作为标号；
当目标点为正上方像素时，则用正上方像素标号进行标号；
当上方的像素和左方的像素都是目标点时，用左方像素标号；
当左上角和左方都是背景时，右上角是背景点，把标号值加一，反之，右上角是目标点时，标号与右上角标号值相同；
对全部矩形像素网格图像扫描完后，判断同一区域的标号是否一致；
不一致，对矩形像素网格图像进行再次扫描，将同一区域的标号统一。
进一步需要说明的是，步骤四还包括：
通过如下公式计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；
Figure BDA0002775771310000041
求取分割后区域的面积a，a是计算分割区域内包含的点数|R|；
当图像块中的输电线路面积大于面积阈值时，提取所述图像块；
采用行程编码表示图像块。
进一步需要说明的是，步骤六还包括：
配置二维高斯函数：
Figure BDA0002775771310000042
求高斯函数G(x,y)在图像块中某一方向n上的一阶方向导数为：
Figure BDA0002775771310000043
其中，
Figure BDA0002775771310000051
式中，n为方向矢量，
Figure BDA0002775771310000052
为梯度矢量；
基于在二维卷积
Figure BDA0002775771310000053
基础上，边缘强度由
Figure BDA0002775771310000054
和方向
Figure BDA0002775771310000055
来决定；
将
Figure BDA00027757713100000513
的二维卷积模板分解为两个一维滤波器，得：
Figure BDA0002775771310000056
Figure BDA0002775771310000057
式中，k为常数；其中：
Figure BDA0002775771310000058
Figure BDA0002775771310000059
可见：
h1(x)＝xh2(x)h1(y)＝yh2(y) (19)
然后将两个模板分别与图像块f(x,y)进行卷积，得到：
Figure BDA00027757713100000510
令
Figure BDA00027757713100000511
式中，A(i,j)反映了图像块上输电线路(i,j)点处的边缘强度；
Figure BDA00027757713100000512
为输电线路边缘的走向；
计算图像块中输电线路每个像素点的直径以及图像块中输电线路的面积。
进一步需要说明的是，步骤六还包括：如有覆冰：
预设输电线路在t时刻覆冰区域像素总面积为St，输电线路未覆冰时的像素面积为Sd，计算覆冰输电线路平均厚度公式表示为：
Figure BDA0002775771310000061
获取覆冰输电线路外径像素值为H，未覆冰输电线路直径像素值为D，输电线路实际的直径为d，则覆冰输电线路平均厚度计算公式可表示如下：
Figure BDA0002775771310000062
本发明还提供一种基于图像处理方式的输电线路覆冰监测***，包括：采集终端和监控终端；
监控终端用于通过采集终端获取监测位置的环境温度信息，并将环境温度信息与预设阈值进行比对，如果环境温度信息低于预设阈值，则向采集终端发出覆冰信息获取控制指令；
采集终端将采集输电线路的图像，当前环境温度信息，终端位置信息以及终端通信地址，并传送至监控终端；
监控终端通过基于图像处理方式的输电线路覆冰监测方法的步骤对输电线路的图像进行处理判断是否有覆冰；
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度；
如当前输电线路覆冰厚度低于第一预设阈值厚度，发出提示信息；
如当前输电线路覆冰厚度大于第一预设阈值厚度，且低于第二预设阈值厚度，发出报警信息；
如当前输电线路覆冰厚度大于第二预设阈值厚度，提示监控人员尽快处理；
第一预设阈值厚度小于第二预设阈值厚度。
优选地，监控终端向采集终端发出数据获取控制指令及覆冰采集发出时间点；
采集终端接收数据获取控制指令及覆冰采集发出时间点，在预设的采集时间段内采集输电线路图像以及当前环境温度信息，并将采集的输电线路图像，当前环境温度信息以及监控时间点传输至监控终端；
监控终端将采集终端的监控时间点与覆冰采集发出时间点进行判断，判断是否存在的时间差异是否在预设阈值范围内；
当在预设阈值范围内时，对输电线路图像以及当前环境温度信息进行处理；
如未在预设阈值范围内时，对采集终端的时钟进行调节，并再次获取输电线路图像以及当前环境温度信息。
优选地，监控终端对每个监测位置的输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行匹配，进行实时显示，使监控人员实时获取每个监测位置的状态信息；
还将当前输电线路覆冰厚度与上一次获取的信息进行比对判断差值是否超阈值；
还对任一时间阶段的输电线路覆冰厚度信息，输电线路图像以及环境温度信息进行整合，按照采集时间段形成一输电线路覆冰厚度监测报告，通过输电线路覆冰厚度显示梯形图、或输电线路覆冰厚度显示曲线图显示在显示器上。
优选地，监控终端将输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行统计，分析，处理上传至输电线路信息交互中心；
每个监测人员通过手持移动终端与输电线路交互中心通信连接，用于使手持移动终端获取输电线路信息交互中心上的信息；
输电线路信息交互中心还提输电线路覆冰处理方式，对输电线路的各项数据进行归类及展示，还实现输电线路数据的管理，输电线路数据搜集，根据输电线路的类别、地点以及长度进行数据统计汇总。
从以上技术方案可以看出，本发明具有以下优点：
本发明的监测方法是基于图像处理技术的覆冰监测方法。建立基于图像处理技术的导线覆冰分析方法，实现覆冰定量计算，基于气象与可视化图像边缘互联方案，实现输电智能终端侧气象数据与可视化图像的联动分析，将研发的算法嵌入到前端处理器中，对于出现的故障进行实时分析并及时向监控中心和监控人员发送报警信息，以便电力部门及时采取措施，从而避免或减少了输电线路事故的发生，保障电力***的安全。
本方法可显著降低人力、物力的消耗，实现无人值守，在不断促进电力***安全、可靠运行，节约人力资源，满足未来电力***自动化发展方面起到了重要的作用。
本发明基于图像处理技术利用数字图像处理技术有效指导输电线路故障的诊断检修，为电力行业的发展提供技术保障与技术支撑，避免造成人力物力资源浪费。
本发明基于图像处理技术集成了对导线覆冰研究，并且根据相关的理论模型嵌入了各种视频差异化智能分析算法，***自动判断出输电线路覆冰状态及时给出预警、报警信息，有效预防了各种电力事故。
能实时的进行监控，及时发现存在危险源区域，可保证电网的安全运行，具有巨大的社会和经济效益。
基于图像处理技术的覆冰监测方法利用图像处理技术获取覆冰边界，进而从几何学上求得覆冰厚度，达到实时考察和记录线路覆冰的形成和发展过程。弥补了覆冰厚度力学模型只能测量导线覆冰厚度、对绝缘子覆冰厚度无法进行定量描述的不足，为输电线路的安全检测提供了一种新检测方法。并具有很好的准确性，能实时、灵敏地反映线路覆冰状况，满足实际应用需要。
附图说明
为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为基于图像处理方式的输电线路覆冰监测方法流程图；
图2为4连通示意图；
图3为8连通示意图；
图4为输电线路图像分割算法流程图；
图5为导线覆冰前后图像的分割结果图片；
图6为导线覆冰厚度计算原理图。
图7为导线处理区域。
图8为导线图像预处理结果图。
图9为导线图像分割结果图。
图10为图像坐标系下覆冰前后导线和绝缘子的直径示意图。
图11为基于图像处理方式的输电线路覆冰监测***示意图。
具体实施方式
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
本发明提供一种基于图像处理方式的输电线路覆冰监测方法，如图1所示，方法包括：
S11、对采集到的输电线路图像进行灰度化处理；
S12、采用直方图均衡化的方法对输电线路图像进行增强处理；
S13、按照阈值分割的方式对输电线路图像进行分割，分割形成预设数量的图像块；
S14、预设输电线路的面积阈值，计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；
S15、当图像块中的输电线路面积大于面积阈值时，提取所述图像块；
S16、获取图像块中输电线路的边缘数据，计算输电线路边缘的距离，并判断是否有覆冰；
S17、如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度。
本发明基于力学的覆冰监测原理和基于图像处理技术的覆冰监测方法，监测过程的图像与气象监测状态相结合使用。这样可以提高对导线覆冰监测的准确性，能实时、灵敏地反映线路覆冰状况，满足实际应用需要。
为了说明本发明提供的方法，下面以具体实施例进行说明。
在对采集到的输电线路图像进行灰度化处理步骤中，本发明是基于输电线路覆冰自动识别后，采集到的图像是RGB彩色图像，图像由R、G、B三种分量表示图像中每一个像素的颜色，最后合成出任意颜色。
如果对RGB图像进行处理的话，***整体运算速度会变慢，而且还会增加***硬件的成本。由于输电线路覆冰的识别对图像的色彩要求不高，没有必要对图像的R、G、B三个分量都进行处理，为了降低***的运算量，本发明采用图像灰度化的方法将现场彩色图像转化为灰度图像进行处理。
在步骤对输电线路图像进行增强处理中，由于输电线路图像在线监测***所处的环境较复杂，自然光照度的昼夜变化会引起输电线路图像对比度严重不足，使目标物体导线和绝缘子模糊不清，无法进行导线和绝缘子的定位与分割。
因此，在对现场图像进行处理分析之前先用有效的增强图像对比度的方法对其进行处理，在处理时现场图像时会有许多噪声干扰影响图像的辨认度，可以采用图像平滑方法来消除噪声。
图像增强处理使得输电线路图像的可辨认度得到改善，还降低后续导线和绝缘子定位及分割的难度。
本发明采用直方图均衡化的方法来实现图像增强处理。直方图均衡化处理是一种通过对图像的直方图进行均衡化修正，把一已知密度概率分布的图像经过变换后变成一幅具有均匀灰度概率分布的新图像，使图像的灰度间距增大，灰度均匀分布、反差增大，使图像的细节变得清晰。让灰度频率较小的灰度级经变换后，频率变得大一些，使变换后的图像灰度直方图在较大的动态范围内趋于均衡化。对于连续图像，r表示增强后的图像，s表示变换后图像的灰度。
对图像所有像素的灰度，已被归一化。当r＝s＝0时，表示黑色；当r＝s＝1时，表示白色；变换函数T(r)与原图像概率密度函数pr(r)之间的关系为：
Figure BDA0002775771310000111
式(1)中：r为积分变量。变换后的图像灰度s在定义域内的概率密度是均匀分布的。
用r累计分布函数作为变换函数可使图像的灰度直方图具有均匀概率密度的灰度级分布，从而将图像中像素的取值动态范围扩大。对于图像来说，灰度级是离散值，因此需要用离散形式来表达，用频数来表示概率值，则：
Figure BDA0002775771310000112
式(2)中，L是灰度级数；pr(rk)是取第k级灰度值的概率；nk是在图像中出现第k级灰度的次；N是图像中像素总数。直方图均衡化累计分布函数的离散形式如下式：
Figure BDA0002775771310000121
直方图均衡化技术使图像中占有较多像素数的背景和目标在灰度变换后，灰度之间的差距增大了，这样就增大了图像的对比度。
另外，监控中心接收到的输电线路图像都会因为光照和环境的影响使得对比度很低，不利于将目标物体导线和绝缘子从图像中分割处理。这里的输电线路图像中其他的一些过度像素在图像中占像素数较少，经过灰度变换后，它们将归并为背景点或者目标点，使输电线路图像中的边界更陡峭，增强了输电线路图像中的边缘信息。
对输电线路图像进行分割过程中，图像分割是按照一定的规则把图像划分成若干个互不相交、具有一定性质的区域，把用户关注的部分从输电线路图像中提取出来，进一步加以分析和处理。
图像分割是由图像处理到图像分析的重要步骤，它的结果是图像特征提取和识别等图像理解的基础，使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。在整个输电线路覆冰自动识别过程中起到很重要的作用，分割效果的好坏直接关系到后续对导线和绝缘子覆冰识别及其覆冰厚度计算。
本发明中进行阈值分割。阈值分割是基于区域的输电线路图像分割算法，它利用输电线路图像中要提取的目标和背景在灰度特性上的差异，把输电线路图像视为具有不同灰度级的两类区域的组合。
目标即为输电线路和绝缘子，还可以是其他电气元件。
阈值分割法在于阈值的选择，选取阈值的方法有很多，比如：双峰法、迭代法、最大类间方差法等。最大类间方差法(OTSU法)是一种计算简单、自适应强，使用最广泛的选取阈值的方法，本发明选用该方法对输电线路图像进行分割。
设f(m,n)为M×N输电线路图像在(m,n)点的灰度值,灰度级为k,则f(m,n)的范围是[0,k-1]。设p(i)是图像中灰度值为i的频率，则有：
Figure BDA0002775771310000131
当选定的阈值为灰度值t时，通过比较f(m,n)与阈值t的大小来分割目标和背景。
在输电线路图像中目标与背景所占的比例分别为；
Figure BDA0002775771310000132
Figure BDA0002775771310000133
均值分别为：
Figure BDA0002775771310000134
Figure BDA0002775771310000135
目标和背景总的均值为：
u＝w0(t)u0(t)+w1(t)u1(t) (9)
则类间方差为：
E＝w0(t)(u0(t)-u)2+w1(t)(u1(t)-u)2 (10)
当类间方差E取得最大值时的灰度值t就是要选择的最优阈值。
本发明还涉及连通域提取。对输电线路图像进行阈值分割后将返回一个区域作为分割的结果，一般输电线路图像分割后形成图像块，图像中的各个图像块是彼此独立的，导线和绝缘子应该由一些互相联通的像素组合而成。
在一个矩形像素网格上，定义一个是8连通。8连通将对角线上的相邻像素也包括进来，是在4连通定义基础上的一个扩展。4连通和8连通分别如图2和3所示。
本发明使用8连通对图像块中的区域进行提取，在图像用行程表示法对图像进行扫描，若遇到背景点则继续扫描，若遇到目标点则进行标记。标号的原则如下：当扫描的目标点为左上角所在的像素时，则使用左上角像素标号作为标号；当目标点为正上方像素时，则用正上方像素标号进行标号；当上方的像素和左方的像素都是目标点时，用左方像素标号，当左上角和左方都是背景时，右上角是背景点，把这时的标号值加一，反之，右上角是目标点时，标号与右上角标号值相同。对图像全部扫描完后，判断同一区域的标号是否一致，不一致的话，对图像进行再次扫描，将同一区域的标号统一。
抽出分割后的图像块后，很多干扰图像块也被作为独立的图像块提取，这时可以通过面积比较将这些图像块从分割结果中剔除，最后将具有导线区域的图像块提取出来。图像块的面积计算如下：
Figure BDA0002775771310000141
从式(11)可以看出，求取分割区域的面积a其实就是计算这个区域内包含的点数|R|。本发明基于用行程法来表示图像块中的输电线路面积。这样可以加快区域面积的计算。
当这个输电线路面积区域用行程编码表示时，则用式(11)中求和等式来计算它的面积。由于每个输电线路区域可以被看作是它的所有行程的一个并集，而每个行程的面积很容易计算得到。
也就是说，在导线和绝缘子定位确定出算法的处理区域的基础上实现图像的分割，这样大大降低了图像分割的难度。为了将导线从处理区域中分割出来，本发明选用最优阈值方法先对处理区域进行阈值分割，然后通过提取分割结果中的连通区域，将这些区域独立地提取出来，在这些独立的区域当中导线和绝缘子区域所占的面积是最大的，因此最后可以利用区域的面积特征通过设定面积阈值(导线的阈值是100，绝缘子的阈值是6000)将分割结果中的杂碎区域剔除，将导线和绝缘子区域完整的从图像中提取出来。如图4所示。
本发明对现场采集来的覆冰前后的导线和绝缘子分别进行分割。图5是导线覆冰前后图像的分割结果，(a)、(c)是从阈值分割结果中提取出来的连通区域，然后计算区域的面积，将这个面积与设定的面积阈值做比较，大于阈值的作为结果输出，小于阈值不输出，这样就可以将杂碎区域从分割结果中剔除掉。
本发明中涉及的对图像边缘提取过程具体可以为：
图像边缘检测的实质是提取出图像中目标物体与背景之间的交界线，图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获得边缘检测算子。
具体的本发明采用二维高斯函数的任一方向上的一阶方向导数为噪声滤波器，通过与图像f(x,y)卷积进行滤波；然后对滤波后的图像寻找图像梯度的局部极大值，以此来确定图像的边缘。首先取二维高斯函数：
Figure BDA0002775771310000151
然后，求高斯函数G(x,y)在某一方向n上的一阶方向导数为：
Figure BDA0002775771310000152
其中，
Figure BDA0002775771310000153
式中，n为方向矢量，
Figure BDA0002775771310000154
为梯度矢量。
本发明建立在二维卷积
Figure BDA0002775771310000155
基础上，边缘强度由
Figure BDA0002775771310000156
和方向
Figure BDA0002775771310000161
来决定。为了提运算速度，将
Figure BDA0002775771310000162
的二维卷积模板分解为两个一维滤波器，得：
Figure BDA0002775771310000163
Figure BDA0002775771310000164
式中，k为常数。其中：
Figure BDA0002775771310000165
Figure BDA0002775771310000166
可见：
h1(x)＝xh2(x)h1(y)＝yh2(y) (19)
然后将这两个模板分别与图像f(x,y)进行卷积，得到：
Figure BDA0002775771310000167
令
Figure BDA0002775771310000168
式中，A(i,j)反映了图像上(i,j)点处的边缘强度；
Figure BDA0002775771310000169
为输电线路边缘的走向；
计算图像块中输电线路每个像素点的直径以及图像块中输电线路的面积。
本发明不会出现丢失导线和绝缘子的边缘信息，能够将图像中的边缘信息较完整的提取出来。采用边缘提取算子对图像进行边缘检测后发现，图像中除了导线和绝缘子的边缘外，还有很多其他小的边缘信息。由于导线和绝缘子的边缘是整幅图像中提取得到的边缘中长度最长的，因此本发明通过设定边缘的长度阈值来选择导线和绝缘子的边缘。
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度。具体的导线覆冰厚度计算方式为：
由于输电线路覆冰前后导线边界距离有明显变化，因此可以通过比较覆冰前后边界距离来计算覆冰厚度。导线覆冰厚度计算的原理如图6所示。
预设输电线路在t时刻覆冰区域像素总面积为St，输电线路未覆冰时的像素面积为Sd，计算覆冰输电线路平均厚度公式表示为：
Figure BDA0002775771310000171
获取覆冰输电线路外径像素值为H，未覆冰输电线路直径像素值为D，输电线路实际的直径为d，则覆冰输电线路平均厚度计算公式可表示如下：
Figure BDA0002775771310000172
为验证本发明提出的输电线路覆冰自动识别算法的实用性和可行性，对导线和绝缘子图像预处理、图像区域分割、图像边缘提取、覆冰厚度计算等算法对供电公司某220kV线路的输电线路图像进行处理分析，结果表明，本发明算法计算结果与现场人工测量的导线覆冰厚度值相比较，覆冰厚度的计算误差小于2mm。
本发明基于导线定位检测过程：是将读取的现场图像转换为灰度图像，应用第三章导线和绝缘子定位检测的方法在灰度图像中检测导线和绝缘子确定处理区域，如图7所示。
本发明中的图像预处理是为了消除图像中由于采集、量化、传送过程中产生的干扰和噪声，本项目对输电线路图像进行预处理，消除图像中的噪声，增强导线在图像中的特征，改善图像的质量，为后续输电线路图像分割做好准备，预处理结果如图8所示。图8(a)为未覆冰导线图像的预处理结果图。(b)为覆冰导线图像的预处理结果图。
本发明中的图像区域分割中，图像区域分割在整个输电线路覆冰自动识别过程中起到很重要的作用，分割效果的好坏直接关系到后续对导线和绝缘子覆冰识别及其覆冰厚度计算。应用输电线路图像分割算法对预处理后的图像进行分割，分割结果如图9所示。图9(a)未覆冰导线图像的分割结果图(b)覆冰导线图像的分割结果图。
本发明中的图像边缘提取及其覆冰厚度计算是通过比较覆冰前后导线区域像素数判断输电线路有覆冰，提取输电线路图像覆冰前后导线边界并计算边界的距离来确定是否有覆冰，并利用覆冰厚度算法计算输电线路覆冰厚度。最后需要计算覆冰前后图像提取到的边缘之间的近似距离从而得到覆冰厚度。图10所示(a)未覆冰导线的直径；(b)覆冰导线的直径。图10是图像坐标系下多次测量导线覆冰前后边界之间的距离的平均值，单位是像素。
图10中导线覆冰厚度计算结果如表1所示。
表1算法计算的导线覆冰厚度
Figure BDA0002775771310000181
为了验证本发明计算覆冰厚度的效果，将算法计算得到的导线平均覆冰厚度分别与现场人工测量的平均覆冰厚度值进行比较如表12所示。
表2人工测量的导线覆冰厚度
Figure BDA0002775771310000182
由表2可知由算法计算得到的导线平均覆冰厚度与人工测量的平均值之间相差1.27mm，这说明利用本项目的算法可以准确识别输电线路导线覆冰，而且计算出的覆冰厚度基本接近实际覆冰厚度值，可以真实反映输电线路实际覆冰情况。
基于上述方法本发明还提供一种基于图像处理方式的输电线路覆冰监测***，包括：采集终端1和监控终端2；
监控终端2用于通过采集终端1获取监测位置的环境温度信息，并将环境温度信息与预设阈值进行比对，如果环境温度信息低于预设阈值，则向采集终端发出覆冰信息获取控制指令；
采集终端2将采集输电线路的图像，当前环境温度信息，终端位置信息以及终端通信地址，并传送至监控终端；
监控终端2通过基于图像处理方式的输电线路覆冰监测方法的步骤对输电线路的图像进行处理判断是否有覆冰；
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度；
如当前输电线路覆冰厚度低于第一预设阈值厚度，发出提示信息；
如当前输电线路覆冰厚度大于第一预设阈值厚度，且低于第二预设阈值厚度，发出报警信息；
如当前输电线路覆冰厚度大于第二预设阈值厚度，提示监控人员尽快处理；
第一预设阈值厚度小于第二预设阈值厚度。
监控终端可以以各种形式来实施。例如，本发明实施例中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、个人数字助理(PDA，Personal Digital Assistant)、平板电脑(PAD)、等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
监控终端可以包括无线通信单元、音频/视频(A/V)输入单元、用户输入单元、感测单元、输出单元、存储器、接口单元、控制器和电源单元等等。但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。
采集终端1和监控终端2可以采用无线进行通信。采集终端1可以采用无人机或飞行器等等。
采集终端1和监控终端2的无线通信支持无线互联网接入。可以涉及的无线互联网接入技术可以包括无线局域网络(Wi-Fi，WLAN，Wireless Local Area Networks)、无线宽带(Wibro)、全球微波互联接入(Wimax)、高速下行链路分组接入(HSDPA，High SpeedDownlink Packet Access)等等。
监控终端向采集终端发出数据获取控制指令及覆冰采集发出时间点；采集终端接收数据获取控制指令及覆冰采集发出时间点，在预设的采集时间段内采集输电线路图像以及当前环境温度信息，并将采集的输电线路图像，当前环境温度信息以及监控时间点传输至监控终端；
监控终端将采集终端的监控时间点与覆冰采集发出时间点进行判断，判断是否存在的时间差异是否在预设阈值范围内；
当在预设阈值范围内时，对输电线路图像以及当前环境温度信息进行处理；
如未在预设阈值范围内时，对采集终端的时钟进行调节，并再次获取输电线路图像以及当前环境温度信息。
监控终端对每个监测位置的输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行匹配，进行实时显示，使监控人员实时获取每个监测位置的状态信息；
还将当前输电线路覆冰厚度与上一次获取的信息进行比对判断差值是否超阈值；
还对任一时间阶段的输电线路覆冰厚度信息，输电线路图像以及环境温度信息进行整合，按照采集时间段形成一输电线路覆冰厚度监测报告，通过输电线路覆冰厚度显示梯形图、或输电线路覆冰厚度显示曲线图显示在显示器上。
监控终端将输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行统计，分析，处理上传至输电线路信息交互中心；
每个监测人员通过手持移动终端与输电线路交互中心通信连接，用于使手持移动终端获取输电线路信息交互中心上的信息；
输电线路信息交互中心还提输电线路覆冰处理方式，对输电线路的各项数据进行归类及展示，还实现输电线路数据的管理，输电线路数据搜集，根据输电线路的类别、地点以及长度进行数据统计汇总。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于图像处理方式的输电线路覆冰监测方法，其特征在于，方法包括：
步骤一、对采集到的输电线路图像进行灰度化处理；
步骤二、对输电线路图像进行增强处理；
步骤三、按照阈值分割的方式对输电线路图像进行分割，分割形成预设数量的图像块；
步骤四、预设输电线路的面积阈值，计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；
步骤五、当图像块中的输电线路面积大于面积阈值时，提取所述图像块；
步骤六、获取图像块中输电线路的边缘数据，计算输电线路边缘的距离，并判断是否有覆冰；
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度。
2.根据权利要求1所述的基于图像处理方式的输电线路覆冰监测方法，其特征在于，
步骤二还包括：
对输电线路图像进行归一化处理，
配置当并b＝s＝0时，表示黑色；当b＝s＝1时，表示白色；
其中b表示增强后的输电线路图像，s表示变换后输电线路图像的灰度；
变换函数T(r)与原图像概率密度函数pr(r)之间的关系为：
Figure FDA0002775771300000011
式(1)中：r为积分变量；
变换后的图像灰度s在定义域内的概率密度为均匀分布；
用r累计分布函数作为变换函数使图像的灰度直方图具有均匀概率密度的灰度级分布，将输电线路图像中像素的取值动态范围进行扩大；
对于输电线路图像的灰度级是离散值，离散形式来表达，用频数来表示概率值，则：
Figure FDA0002775771300000012
式(2)中，L是灰度级数；pr(rk)是取第k级灰度值的概率；nk是在图像中出现第k级灰度的次；N是图像中像素总数；
直方图均衡化累计分布函数的离散形式如下式：
Figure FDA0002775771300000021
基于直方图均衡化使输电线路图像中占有较多像素数的背景和导线进行灰度变换，使背景和导线之间的灰度差距增大，进而增大输电线路图像的对比度；
输电线路图像中其他的一些过度像素在输电线路图像中占像素数低于阈值，经过灰度变换后，将归并为背景点，使输电线路图像中的边界更陡峭，增强输电线路图像中的边缘信息。
3.根据权利要求1所述的基于图像处理方式的输电线路覆冰监测方法，其特征在于，
步骤二还包括：
设f(m,n)为M×N图像在(m,n)点的灰度值,灰度级为k,则f(m,n)的范围是[0,k-1]；
设p(i)是图像中灰度值为i的频率，则有：
Figure FDA0002775771300000022
当选定的阈值为灰度值t时，通过比较f(m,n)与阈值t的大小来分割目标物体和背景；
在输电线路图像中目标物体与背景所占的比例分别为；
Figure FDA0002775771300000023
Figure FDA0002775771300000024
均值分别为：
Figure FDA0002775771300000031
Figure FDA0002775771300000032
目标物体和背景总的均值为：
u＝w0(t)u0(t)+w1(t)u1(t) (9)
则类间方差为：
E＝w0(t)(u0(t)-u)2+w1(t)(u1(t)-u)2 (10)
当类间方差E取得最大值时的灰度值t选择的最优阈值。
4.根据权利要求1所述的基于图像处理方式的输电线路覆冰监测方法，其特征在于，
步骤三还包括：
按照阈值分割方式对输电线路图像进行分割，使分割后的图像块相互独立；
分割后，输电线路图像是由互相联通的图像块组成的矩形像素网格；
定义矩形像素网格为8连通矩形像素网格；
采用行程表示法对8连通矩形像素网格进行扫描；
若扫描到背景点则继续扫描，若扫描到目标点则进行标记；
当扫描的目标点为左上角所在的像素时，则使用左上角像素标号作为标号；
当目标点为正上方像素时，则用正上方像素标号进行标号；
当上方的像素和左方的像素都是目标点时，用左方像素标号；
当左上角和左方都是背景时，右上角是背景点，把标号值加一，反之，右上角是目标点时，标号与右上角标号值相同；
对全部矩形像素网格图像扫描完后，判断同一区域的标号是否一致；
不一致，对矩形像素网格图像进行再次扫描，将同一区域的标号统一。
5.根据权利要求4所述的基于图像处理方式的输电线路覆冰监测方法，其特征在于，
步骤四还包括：
通过如下公式计算每个图像块中输电线路的面积，判断每个图像块中输电线路的面积是否大于面积阈值；
Figure FDA0002775771300000041
求取分割后区域的面积a，a是计算分割区域内包含的点数|R|；
当图像块中的输电线路面积大于面积阈值时，提取所述图像块；
采用行程编码表示图像块。
6.根据权利要求5所述的基于图像处理方式的输电线路覆冰监测方法，其特征在于，
步骤六还包括：
配置二维高斯函数：
Figure FDA0002775771300000042
求高斯函数G(x,y)在图像块中某一方向n上的一阶方向导数为：
Figure FDA0002775771300000043
其中，
Figure FDA0002775771300000044
式中，n为方向矢量，
Figure FDA0002775771300000045
为梯度矢量；
基于在二维卷积
Figure FDA0002775771300000046
基础上，边缘强度由
Figure FDA0002775771300000047
和方向
Figure FDA0002775771300000048
来决定；
将
Figure FDA0002775771300000049
的二维卷积模板分解为两个一维滤波器，得：
Figure FDA00027757713000000410
Figure FDA0002775771300000051
式中，k为常数；其中：
Figure FDA0002775771300000052
Figure FDA0002775771300000053
可见：
h1(x)＝xh2(x)h1(y)＝yh2(y) (19)
然后将两个模板分别与图像块f(x,y)进行卷积，得到：
Figure FDA0002775771300000054
令
Figure FDA0002775771300000055
式中，A(i,j)反映了图像块上输电线路(i,j)点处的边缘强度；
Figure FDA0002775771300000056
为输电线路边缘的走向；
计算图像块中输电线路每个像素点的直径以及图像块中输电线路的面积；
如有覆冰：
预设输电线路在t时刻覆冰区域像素总面积为St，输电线路未覆冰时的像素面积为Sd，计算覆冰输电线路平均厚度公式表示为：
Figure FDA0002775771300000057
获取覆冰输电线路外径像素值为H，未覆冰输电线路直径像素值为D，输电线路实际的直径为d，则覆冰输电线路平均厚度计算公式可表示如下：
Figure FDA0002775771300000058
7.一种基于图像处理方式的输电线路覆冰监测***，其特征在于，包括：采集终端和监控终端；
监控终端用于通过采集终端获取监测位置的环境温度信息，并将环境温度信息与预设阈值进行比对，如果环境温度信息低于预设阈值，则向采集终端发出覆冰信息获取控制指令；
采集终端将采集输电线路的图像，当前环境温度信息，终端位置信息以及终端通信地址，并传送至监控终端；
监控终端通过如权利要求1至6任意一项所述基于图像处理方式的输电线路覆冰监测方法的步骤对输电线路的图像进行处理判断是否有覆冰；
如有覆冰，利用覆冰厚度算法计算输电线路覆冰厚度；
如当前输电线路覆冰厚度低于第一预设阈值厚度，发出提示信息；
如当前输电线路覆冰厚度大于第一预设阈值厚度，且低于第二预设阈值厚度，发出报警信息；
如当前输电线路覆冰厚度大于第二预设阈值厚度，提示监控人员尽快处理；
第一预设阈值厚度小于第二预设阈值厚度。
8.根据权利要求7所述的基于图像处理方式的输电线路覆冰监测***，其特征在于，
监控终端向采集终端发出数据获取控制指令及覆冰采集发出时间点；
采集终端接收数据获取控制指令及覆冰采集发出时间点，在预设的采集时间段内采集输电线路图像以及当前环境温度信息，并将采集的输电线路图像，当前环境温度信息以及监控时间点传输至监控终端；
监控终端将采集终端的监控时间点与覆冰采集发出时间点进行判断，判断是否存在的时间差异是否在预设阈值范围内；
当在预设阈值范围内时，对输电线路图像以及当前环境温度信息进行处理；
如未在预设阈值范围内时，对采集终端的时钟进行调节，并再次获取输电线路图像以及当前环境温度信息。
9.根据权利要求7所述的基于图像处理方式的输电线路覆冰监测***，其特征在于，
监控终端对每个监测位置的输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行匹配，进行实时显示，使监控人员实时获取每个监测位置的状态信息；
还将当前输电线路覆冰厚度与上一次获取的信息进行比对判断差值是否超阈值；
还对任一时间阶段的输电线路覆冰厚度信息，输电线路图像以及环境温度信息进行整合，按照采集时间段形成一输电线路覆冰厚度监测报告，通过输电线路覆冰厚度显示梯形图、或输电线路覆冰厚度显示曲线图显示在显示器上。
10.根据权利要求7所述的基于图像处理方式的输电线路覆冰监测***，其特征在于，
监控终端将输电线路覆冰厚度新型，输电线路图像以及环境温度信息进行统计，分析，处理上传至输电线路信息交互中心；
每个监测人员通过手持移动终端与输电线路交互中心通信连接，用于使手持移动终端获取输电线路信息交互中心上的信息；
输电线路信息交互中心还提输电线路覆冰处理方式，对输电线路的各项数据进行归类及展示，还实现输电线路数据的管理，输电线路数据搜集，根据输电线路的类别、地点以及长度进行数据统计汇总。
CN202011264924.4A 2020-11-12 2020-11-12 一种基于图像处理方式的输电线路覆冰监测方法及*** Pending CN112365475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011264924.4A CN112365475A (zh) 2020-11-12 2020-11-12 一种基于图像处理方式的输电线路覆冰监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011264924.4A CN112365475A (zh) 2020-11-12 2020-11-12 一种基于图像处理方式的输电线路覆冰监测方法及***

Publications (1)

Publication Number Publication Date
CN112365475A true CN112365475A (zh) 2021-02-12

Family

ID=74514605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011264924.4A Pending CN112365475A (zh) 2020-11-12 2020-11-12 一种基于图像处理方式的输电线路覆冰监测方法及***

Country Status (1)

Country Link
CN (1) CN112365475A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222892A (zh) * 2021-04-02 2021-08-06 贵州电网有限责任公司 一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法
CN113990032A (zh) * 2021-09-27 2022-01-28 国网辽宁省电力有限公司抚顺供电公司 输电线路覆冰雪监测预警***及无人处理***
CN114164790A (zh) * 2021-12-27 2022-03-11 哈尔滨职业技术学院 一种智能化路面清压实冰雪设备及其使用方法
CN114485477A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰三维外形在线测量方法及测量装置
CN115239997A (zh) * 2022-07-19 2022-10-25 哈尔滨市爱硕电力工程有限公司 基于5g物联网的高寒地区输电线路杆塔状态监测***
CN115330787A (zh) * 2022-10-13 2022-11-11 国网山西省电力公司电力科学研究院 一种基于图像识别的光伏组件覆冰面积检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN102999890A (zh) * 2011-09-09 2013-03-27 苏州普达新信息技术有限公司 基于环境因素的图像光线强度动态校正方法
CN104601956A (zh) * 2015-01-15 2015-05-06 西安工程大学 基于固定翼无人机的输电线路在线监测***及监测方法
CN110490847A (zh) * 2019-07-31 2019-11-22 浙江大学山东工业技术研究院 基于视觉的led芯片质量检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN102999890A (zh) * 2011-09-09 2013-03-27 苏州普达新信息技术有限公司 基于环境因素的图像光线强度动态校正方法
CN104601956A (zh) * 2015-01-15 2015-05-06 西安工程大学 基于固定翼无人机的输电线路在线监测***及监测方法
CN110490847A (zh) * 2019-07-31 2019-11-22 浙江大学山东工业技术研究院 基于视觉的led芯片质量检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刑晓强: "基于图像处理的输电线路运行状态智能监控平台设计", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅱ辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222892A (zh) * 2021-04-02 2021-08-06 贵州电网有限责任公司 一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法
CN113222892B (zh) * 2021-04-02 2024-05-14 贵州电网有限责任公司 一种输电线路覆冰监控预警方法、***及可读存储介质
CN113990032A (zh) * 2021-09-27 2022-01-28 国网辽宁省电力有限公司抚顺供电公司 输电线路覆冰雪监测预警***及无人处理***
CN114164790A (zh) * 2021-12-27 2022-03-11 哈尔滨职业技术学院 一种智能化路面清压实冰雪设备及其使用方法
CN114164790B (zh) * 2021-12-27 2022-05-10 哈尔滨职业技术学院 一种智能化路面清压实冰雪设备及其使用方法
CN114485477A (zh) * 2022-04-15 2022-05-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰三维外形在线测量方法及测量装置
CN114485477B (zh) * 2022-04-15 2022-06-17 中国空气动力研究与发展中心低速空气动力研究所 一种结冰三维外形在线测量方法及测量装置
CN115239997A (zh) * 2022-07-19 2022-10-25 哈尔滨市爱硕电力工程有限公司 基于5g物联网的高寒地区输电线路杆塔状态监测***
CN115239997B (zh) * 2022-07-19 2023-06-09 哈尔滨市爱硕电力工程有限公司 基于5g物联网的高寒地区输电线路杆塔状态监测***
CN115330787A (zh) * 2022-10-13 2022-11-11 国网山西省电力公司电力科学研究院 一种基于图像识别的光伏组件覆冰面积检测方法

Similar Documents

Publication Publication Date Title
CN112365475A (zh) 一种基于图像处理方式的输电线路覆冰监测方法及***
CN111402248B (zh) 一种基于机器视觉的输电线路导线缺陷检测方法
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及***
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN108648169B (zh) 高压输电塔绝缘子缺陷自动识别的方法及装置
CN109409355B (zh) 一种新型变压器铭牌识别的方法及装置
CN111079596A (zh) 高分辨率遥感影像的海上典型人造目标识别***及方法
CN111507324B (zh) 卡片边框识别方法、装置、设备和计算机存储介质
CN110175556B (zh) 基于Sobel算子的遥感图像云检测方法
Hao et al. A multi-class support vector machine real-time detection system for surface damage of conveyor belts based on visual saliency
CN112862744B (zh) 一种基于超声图像的电容内部缺陷智能检测方法
CN116468726B (zh) 一种在线异物线路检测方法及***
CN112819784A (zh) 一种配电线路导线断股散股检测方法及***
CN114882400A (zh) 一种基于ai智能机器视觉技术的骨料检测分类方法
CN116503650A (zh) 一种水体蓝藻监测***及装置
CN110070545B (zh) 一种城镇纹理特征密度自动提取城镇建成区的方法
CN112183554A (zh) 一种自动化道路边界轮廓提取方法
CN117197700A (zh) 智能化无人巡检接触网缺陷识别***
CN117079286A (zh) 一种指针仪表的识别方法和识别***
CN115063739B (zh) 异常行为的检测方法、装置、设备及计算机存储介质
CN116109659A (zh) 一种sar影像海洋内波条纹分割方法、设备及存储介质
CN115909151A (zh) 一种复杂工作条件下运动容器编号识别方法
CN113643234B (zh) 一种复合绝缘子破损检测方法、终端设备及可读存储介质
CN115439319A (zh) 一种电滑线防护装置裸露检测方法
CN114862889A (zh) 基于遥感图像的道路边缘提取方法和装置

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: 20210212