CN113533369B - 一种输电线路巡检装置 - Google Patents
一种输电线路巡检装置 Download PDFInfo
- Publication number
- CN113533369B CN113533369B CN202110686141.3A CN202110686141A CN113533369B CN 113533369 B CN113533369 B CN 113533369B CN 202110686141 A CN202110686141 A CN 202110686141A CN 113533369 B CN113533369 B CN 113533369B
- Authority
- CN
- China
- Prior art keywords
- image
- hardware
- crack
- hardware fitting
- transmission line
- 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 49
- 238000007689 inspection Methods 0.000 title claims abstract description 22
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims abstract description 41
- 230000007797 corrosion Effects 0.000 claims abstract description 31
- 238000005260 corrosion Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种输电线路巡检装置及方法，包括：步骤1：获取金具历史数据，并根据历史数据建立金具表面锈蚀率对裂纹情况的预测模型；步骤2：获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；步骤3：在步骤1中预测模型中输入步骤2中的金具表面锈蚀率，输出裂纹情况；步骤4：对步骤2中的裂纹情况和步骤3中的裂纹情况进行占比分析，输出金具的裂纹情况；本公开综合考虑金具使用时间、使用地点环境以及锈蚀情况对金具出现裂纹的影响，通过对采集图的分析和数据模型预测相结合进行金具裂纹情况的确定，提高了对金具裂纹情况判断的准确度,提高了巡检精度。
Description
技术领域
本发明属于输电线路监测技术领域，尤其涉及一种输电线路巡检装置。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
金具是输电线路中广泛使用的铁制或铝制金属附件；输电线路上的金具处在野外环境下，常年受雨林和暴晒等恶劣因素的影响，所以，输电线路上的金具极容易发生生锈，从而导致连接不稳定甚至出现裂纹破损的后果；所以，对输电线路上的金具进行实时精确检测，对避免事故发生具有重要意义。
在对输电线路上金具进行巡检时，对输电线路上的金具直接通过图像采集方式进行检测时，因图像采集受天气状况、图像采集装置稳定性以及裂纹本身尺寸较小等因素的影响，通过直接对采集图中裂纹进行分析后得到裂纹情况与实际的裂纹情况差距较大，影响巡检精度；并且金具在长时间使用后，其裂纹的生成受金具本身的锈蚀程度、使用环境和工作时长等因素的影响，现有研究中，没有综合考虑上述因素对金具中裂纹产生的影响。
发明内容
本发明为了解决上述问题，提出了一种输电线路巡检装置；本公开综合考虑金具使用时间、使用地点环境以及锈蚀情况对金具出现裂纹的影响，通过对采集图像的分析和数据模型预测相结合进行金具裂纹情况的确定，提高了对金具裂纹情况判断的准确度,提高了巡检精度。
为了实现上述目的，本发明的第一种技术方案为一种输电线路巡检装置，本发明采用如下技术方案：
一种输电线路巡检装置，包括：
数据处理模块，被配置为获取输电线路金具的历史数据，并根据所述历史数据建立金具表面锈蚀率对金具裂纹情况的预测模型；
图像处理模块，被配置为获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；
分析模块，被配置为根据金具表面锈蚀率，通过所述预测模型确定金具裂纹情况；
输出模块，被配置为将图像处理模块和分析模块中确定的金具裂纹情况按照一定占比进行输出。
进一步的，所述金具历史数据包括出厂信息、使用时长、位置信息、锈蚀率和裂纹情况。
进一步的，所述预测模型输出为金具的裂纹位置、裂纹深度和裂纹长度。
进一步的，获取输电线路金具图像时，对图像进行图像增强处理，获得超分辨率图像。
进一步的，分析金具表面锈蚀率通过自动金相图像分析仪获取。
为了实现上述目的，本发明的第二种技术方案为一种输电线路巡检方法，采用如下技术方案：
一种输电线路巡检方法包括：
步骤1：获取金具历史数据，并根据历史数据建立金具表面锈蚀率对裂纹情况的预测模型；
步骤2：获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；
步骤3：在步骤1中预测模型中输入步骤2中的金具表面锈蚀率，输出裂纹情况；
步骤4：对步骤2中的裂纹情况和步骤3中的裂纹情况进行占比分析，输出金具的裂纹情况。
进一步的，所述步骤1具体为：
步骤1-1：在输电线路施工和维修时，记录金具出厂信息、使用时长、位置信息、锈蚀率和裂纹情况；
步骤1-2：将多组使用时长、位置信息和锈蚀率作为BP神经网络的输入，裂纹情况作为输出，训练得到预测模型。
进一步的，所述步骤2具体为：
步骤2-1：在无人机上安装图像采集设备对输电线路上的金具进行图像采集；基于单图像超分辨率技术对金具图像进行增强处理；
步骤2-2：根据图像分析金具表面锈蚀率的过程为：
步骤2-2-1：将增强处理后的金具图像输入计算机；
步骤2-2-2：通过自动金相图像分析仪的相面积含量测定软件打开金具图像；
步骤2-2-3：通过二值化处理将金具图像转化为二值图像，通过调整阈值的范围使金具图像中的锈蚀区全部转化为一种颜色，提取锈蚀区；
步骤2-2-4：计算锈蚀区面积占金具图像面积的百分比，获得锈蚀率；
步骤2-3：直接在图像中读取裂纹位置和测量裂纹长度。
进一步的，所述步骤3具体为：
步骤3-1：向预测模型中输入步骤2中获得金具表面锈蚀率、被测金具使用时长以及金具使用位置信息；
步骤3-2：输出金具裂纹长度、裂纹位置和裂纹深度。
进一步的，所述步骤4具体为：
按照步骤2中测得的裂纹长度和裂纹位置占比为70％，步骤3中裂纹长度和裂纹位置占比为30％，输出金具的裂纹情况。
与现有技术相比，本发明的有益效果为：
1.本公开通过较为简单的方法实现了对输电线路上金具裂纹缺陷的精确检测，解决了因图像采集质量差以及裂纹尺寸小等因素对巡检精度的影响。
2.本公综合考虑金具使用时间、使用地点环境以及锈蚀情况对金具出现裂纹的影响，通过对采集图像的分析和数据模型预测相结合进行金具裂纹情况的确定，提高了对金具裂纹情况判断的准确度。
3.本公开通过二值化处理方法精确的获得了金具锈蚀率，同时，金具锈蚀率的精确检测也提高了对金具裂纹的判断准确度。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例1的工作原理图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
如图1所示，一种输电线路巡检装置，包括数据处理模块、图像处理模块、分析模块和输出模块。
所述数据处理模块被配置为获取输电线路金具的历史数据，并根据所述历史数据建立金具表面锈蚀率对金具裂纹情况的预测模型；所述金具历史数据包括出厂信息、使用时长、位置信息、锈蚀率和裂纹情况。
在本实施例中，所述出厂信息包括金具的出厂时间、厂家和规格尺寸等；所述位置信息包括金具在输电线路上的具***置以及地理位置信息；可以理解的，所述使用时长是指金具安装时间点到检测时时间点的时长，在此需要说明的是，为了方便获得上述信息，本实施例中获得历史信息时，主要选取金具出现缺陷并被换取下来的缺陷金具，其锈蚀率和裂纹情况是对换取下来后的缺陷金具在实验室内进行测量的，其测量结果不受环境影响，数据精度较高，保证了训练模型的精度；具体的，所述裂纹情况为裂纹位置、裂纹深度和裂纹长度。
所述图像处理模块被配置为获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；优选的，在获取输电线路金具图像时对图像进行图像增强处理，获得超分辨率图像；分析金具表面锈蚀率通过自动金相图像分析仪获取，可以理解的是，在进行金具图像获取是，还对金具的位置信息、使用时长和出厂信息等进行确认。
所述分析模块被配置为根据金具表面锈蚀率，通过所述预测模型确定金具裂纹情况；具体的，将通过自动金相图像分析仪获取的锈蚀率以及金具的位置信息、使用时长和出厂信息等输入到所述预测模型中，所述预测模型输出裂纹情况。
输出模块，被配置为将图像处理模块和分析模块中确定的两次金具裂纹情况按照一定占比进行输出；通过数据模型输出结果来校正实际检测过程中的误差。
为了实现上述目的，本发明的第二种技术方案为一种输电线路巡检方法，采用如下技术方案：
一种输电线路巡检方法包括：
步骤1：获取金具历史数据，并根据历史数据建立金具表面锈蚀率对裂纹情况的预测模型；具体为：
步骤1-1：在输电线路施工和维修时，记录金具出厂信息、使用时长、位置信息、锈蚀率和裂纹情况；
步骤1-2：将多组使用时长、位置信息和锈蚀率作为BP神经网络的输入，裂纹位置、裂纹长度和裂纹深度作为输出，训练得到预测模型；BP神经网络模型训练为现有技术，在不再详述。
步骤2：获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；具体为：
步骤2-1：在无人机上安装图像采集设备对输电线路上的金具进行图像采集，可以理解的，所述图像采集设备可以直接在摄像头、摄像机、相机或扫描仪中按照实际需求选取；基于单图像超分辨率技术对金具图像进行增强处理，具体的，采用训练好的增强型超分辨率生成对抗网络ESRGAN，获得超分辨率图像。
步骤2-2：根据图像分析金具表面锈蚀率的过程为：
步骤2-2-1：将增强处理后的金具图像输入计算机；
步骤2-2-2：通过自动金相图像分析仪的相面积含量测定软件打开金具图像；
步骤2-2-3：通过二值化处理将金具图像转化为二值图像，通过调整阈值的范围使金具图像中的锈蚀区全部转化为一种颜色，提取锈蚀区；
步骤2-2-4：计算锈蚀区面积占金具图像面积的百分比，获得锈蚀率；
步骤2-3：直接在图像中读取裂纹位置和测量裂纹长度。
步骤3：在步骤1中预测模型中输入步骤2中的金具表面锈蚀率，输出裂纹情况；具体为：
步骤3-1：向预测模型中输入步骤2中获得金具表面锈蚀率、被测金具使用时长以及金具使用位置信息；
步骤3-2：输出金具裂纹长度、裂纹位置和裂纹深度。
步骤4：对步骤2中的裂纹情况和步骤3中的裂纹情况进行占比分析，输出金具的裂纹情况,具体为,按照步骤2中测得的裂纹长度和裂纹位置占比为70％，步骤3中裂纹长度和裂纹位置占比为30％，输出金具的裂纹情况。
以裂纹长度检测为例，在本实施例中，按照步骤2中测得的裂纹长度为4.60mm，按照步骤3中测得的上述裂纹的长度为4.56mm，则***输出裂纹的长度为4.588mm。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种输电线路巡检装置，其特征在于，包括：
数据处理模块，被配置为获取输电线路金具的历史数据，并根据所述历史数据建立金具表面锈蚀率对金具裂纹情况的预测模型；
具体为：
步骤1：在输电线路施工和维修时，记录金具出厂信息、使用时长、位置信息、锈蚀率和裂纹情况；
步骤2：将多组使用时长、位置信息和锈蚀率作为BP神经网络的输入，裂纹情况作为输出，训练得到预测模型；
图像处理模块，被配置为获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；
具体为：
步骤1：在无人机上安装图像采集设备对输电线路上的金具进行图像采集；基于单图像超分辨率技术对金具图像进行增强处理；
步骤2：根据图像分析金具表面锈蚀率的过程为：
步骤2-1：将增强处理后的金具图像输入计算机；
步骤2-2：通过自动金相图像分析仪的相面积含量测定软件打开金具图像；
步骤2-3：通过二值化处理将金具图像转化为二值图像，通过调整阈值的范围使金具图像中的锈蚀区全部转化为一种颜色，提取锈蚀区；
步骤2-4：计算锈蚀区面积占金具图像面积的百分比，获得锈蚀率；
步骤3：直接在图像中读取裂纹位置和测量裂纹长度；
分析模块，被配置为根据金具表面锈蚀率，通过所述预测模型确定金具裂纹情况；
具体为：
步骤1：向预测模型中输入步骤2中获得金具表面锈蚀率、被测金具使用时长以及金具使用位置信息；
步骤2：输出金具裂纹长度、裂纹位置和裂纹深度；
输出模块，被配置为将图像处理模块和分析模块中确定的金具裂纹情况按照一定占比进行输出。
2.如权利要求1所述的一种输电线路巡检装置，其特征在于，所述金具历史数据包括出厂信息、使用时长、位置信息、锈蚀率和裂纹情况。
3.如权利要求1所述的一种输电线路巡检装置，其特征在于，所述预测模型输出为金具的裂纹位置、裂纹深度和裂纹长度。
4.如权利要求1所述的一种输电线路巡检装置，其特征在于，获取输电线路金具图像时，对图像进行图像增强处理，获得超分辨率图像。
5.如权利要求1所述的一种输电线路巡检装置，其特征在于，分析金具表面锈蚀率通过自动金相图像分析仪获取。
6.一种输电线路巡检方法，其特征在于，包括：
步骤1：获取金具历史数据，并根据历史数据建立金具表面锈蚀率对裂纹情况的预测模型；
具体为：
步骤1-1：在输电线路施工和维修时，记录金具出厂信息、使用时长、位置信息、锈蚀率和裂纹情况；
步骤1-2：将多组使用时长、位置信息和锈蚀率作为BP神经网络的输入，裂纹情况作为输出，训练得到预测模型；
步骤2：获取输电线路金具图像，根据图像分析金具表面锈蚀率和裂纹情况；
具体为：
步骤2-1：在无人机上安装图像采集设备对输电线路上的金具进行图像采集；基于单图像超分辨率技术对金具图像进行增强处理；
步骤2-2：根据图像分析金具表面锈蚀率的过程为：
步骤2-2-1：将增强处理后的金具图像输入计算机；
步骤2-2-2：通过自动金相图像分析仪的相面积含量测定软件打开金具图像；
步骤2-2-3：通过二值化处理将金具图像转化为二值图像，通过调整阈值的范围使金具图像中的锈蚀区全部转化为一种颜色，提取锈蚀区；
步骤2-2-4：计算锈蚀区面积占金具图像面积的百分比，获得锈蚀率；
步骤2-3：直接在图像中读取裂纹位置和测量裂纹长度；
步骤3：在步骤1中预测模型中输入步骤2中的金具表面锈蚀率，输出裂纹情况；
具体为：
步骤3-1：向预测模型中输入步骤2中获得金具表面锈蚀率、被测金具使用时长以及金具使用位置信息；
步骤3-2：输出金具裂纹长度、裂纹位置和裂纹深度；
步骤4：对步骤2中的裂纹情况和步骤3中的裂纹情况进行占比分析，输出金具的裂纹情况。
7.如权利要求6所述的一种输电线路巡检方法，其特征在于，所述步骤4具体为：
按照步骤2中测得的裂纹长度和裂纹位置占比为70％，步骤3中裂纹长度和裂纹位置占比为30％，输出金具的裂纹情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110686141.3A CN113533369B (zh) | 2021-06-21 | 2021-06-21 | 一种输电线路巡检装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110686141.3A CN113533369B (zh) | 2021-06-21 | 2021-06-21 | 一种输电线路巡检装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113533369A CN113533369A (zh) | 2021-10-22 |
| CN113533369B true CN113533369B (zh) | 2024-05-17 |
Family
ID=78125367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110686141.3A Active CN113533369B (zh) | 2021-06-21 | 2021-06-21 | 一种输电线路巡检装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113533369B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345480A (zh) * | 2022-08-13 | 2022-11-15 | 国网安徽省电力有限公司经济技术研究院 | 一种基于数字化技术的架空输电线路监测预警方法 |
| CN117607019B (zh) * | 2023-12-06 | 2024-05-31 | 广东恒威通电力科技有限公司 | 电力金具表面智能检测方法和检测*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08278254A (ja) * | 1995-04-06 | 1996-10-22 | Central Japan Railway Co | 長幹碍子の破損検査装置 |
| JPH11287764A (ja) * | 1998-04-01 | 1999-10-19 | Matsushita Electric Ind Co Ltd | 欠陥検査方法 |
| JP2013238449A (ja) * | 2012-05-14 | 2013-11-28 | Taisei Corp | ひび割れ検出方法 |
| CN104165971A (zh) * | 2014-08-07 | 2014-11-26 | 国家电网公司 | 电力联结金具失效分析方法 |
| CN107607543A (zh) * | 2017-09-08 | 2018-01-19 | 上海振华重工(集团)股份有限公司 | 港口机械的巡检装置及巡检方法 |
| WO2019201176A1 (zh) * | 2018-04-17 | 2019-10-24 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
| CN111524135A (zh) * | 2020-05-11 | 2020-08-11 | 安徽继远软件有限公司 | 基于图像增强的输电线路细小金具缺陷检测方法及*** |
| CN111598872A (zh) * | 2020-05-15 | 2020-08-28 | 山东万腾智能科技有限公司 | 一种绝缘子裂纹检测方法及*** |
| WO2020176304A1 (en) * | 2019-02-28 | 2020-09-03 | Skidmore Owings & Merrill Llp | Machine learning tool for structures |
| WO2020177402A1 (zh) * | 2019-03-04 | 2020-09-10 | 青岛理工大学 | 一种钢筋锈胀引起混凝土开裂锈胀力的测量方法 |
| JP2021086379A (ja) * | 2019-11-27 | 2021-06-03 | 東京電力ホールディングス株式会社 | 情報処理装置、情報処理方法、プログラム及び学習モデルの生成方法 |
-
2021
- 2021-06-21 CN CN202110686141.3A patent/CN113533369B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08278254A (ja) * | 1995-04-06 | 1996-10-22 | Central Japan Railway Co | 長幹碍子の破損検査装置 |
| JPH11287764A (ja) * | 1998-04-01 | 1999-10-19 | Matsushita Electric Ind Co Ltd | 欠陥検査方法 |
| JP2013238449A (ja) * | 2012-05-14 | 2013-11-28 | Taisei Corp | ひび割れ検出方法 |
| CN104165971A (zh) * | 2014-08-07 | 2014-11-26 | 国家电网公司 | 电力联结金具失效分析方法 |
| CN107607543A (zh) * | 2017-09-08 | 2018-01-19 | 上海振华重工(集团)股份有限公司 | 港口机械的巡检装置及巡检方法 |
| WO2019201176A1 (zh) * | 2018-04-17 | 2019-10-24 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
| WO2020176304A1 (en) * | 2019-02-28 | 2020-09-03 | Skidmore Owings & Merrill Llp | Machine learning tool for structures |
| WO2020177402A1 (zh) * | 2019-03-04 | 2020-09-10 | 青岛理工大学 | 一种钢筋锈胀引起混凝土开裂锈胀力的测量方法 |
| JP2021086379A (ja) * | 2019-11-27 | 2021-06-03 | 東京電力ホールディングス株式会社 | 情報処理装置、情報処理方法、プログラム及び学習モデルの生成方法 |
| CN111524135A (zh) * | 2020-05-11 | 2020-08-11 | 安徽继远软件有限公司 | 基于图像增强的输电线路细小金具缺陷检测方法及*** |
| CN111598872A (zh) * | 2020-05-15 | 2020-08-28 | 山东万腾智能科技有限公司 | 一种绝缘子裂纹检测方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| COMPREHENSIVE EXAMINATION OF THE TECHNICAL STATE OF THE METAL OF FITTINGS OF POWER UNITS OF NUCLEAR POWER PLANTS;N. A. Fridman;Strength of Materials;第30卷(第2期);第114-123页 * |
| 融合深度特征的输电线路金具缺陷因果分类方法;赵振兵等;北京航空航天大学学报;第47卷(第3期);第461-468页 * |
| 青海电网金具失效分析研究;李生平等;青海电力;第30卷(第2期);第17-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113533369A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113533369B (zh) | 一种输电线路巡检装置 | |
| CN109671082B (zh) | 一种密封圈检测方法、装置、设备及计算机可读存储介质 | |
| CN109492708B (zh) | 一种基于ls-knn的管道漏磁内检测缺失数据插补方法 | |
| CN111581697B (zh) | 基于bim的桥梁检测信息管理方法及*** | |
| CN114943739A (zh) | 一种铝管质量检测方法 | |
| CN111562242A (zh) | 一种城市排水***的雨天溢流污水来源的快速识别方法 | |
| CN103411875A (zh) | 一种涂膜钢板表面腐蚀率的定量测定方法 | |
| CN105890527A (zh) | 一种实现钢管壁厚偏差测量的自动装置 | |
| CN111879709B (zh) | 湖泊水体光谱反射率检验方法及装置 | |
| CN113989257A (zh) | 基于人工智能技术的电力综合管廊沉降裂缝识别方法 | |
| CN114298983A (zh) | 一种防腐层缺陷智能识别与测量方法 | |
| CN115841449A (zh) | 排水管道结构性缺陷纵向定位的单目测距方法及存储介质 | |
| Dong et al. | Corrosion detection and evaluation for steel wires based on a multi-vision scanning system | |
| Liu et al. | Detection and analysis of a quay crane surface based on the images captured by a UAV | |
| Su et al. | Morphological segmentation based on edge detection-II for automatic concrete crack measurement | |
| CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
| CN113744179A (zh) | 输配电线路上的金具缺陷检测方法 | |
| CN107194923B (zh) | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 | |
| CN110907984A (zh) | 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法 | |
| CN115096905A (zh) | 一种均压电极结垢程度原位光学检测装置及方法 | |
| CN111898314B (zh) | 湖泊水体参数检验方法、装置、电子设备及存储介质 | |
| CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及*** | |
| CN116183622A (zh) | 一种基于点云信息的地铁渗漏水检测方法 | |
| CN108645865A (zh) | 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 | |
| Chen et al. | Applying fully convolutional neural networks for corrosion semantic segmentation for steel bridges: The use of U-Net |
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 |