CN114167234A - 一种基于无人机高光谱的绝缘子老化检测方法 - Google Patents
一种基于无人机高光谱的绝缘子老化检测方法 Download PDFInfo
- Publication number
- CN114167234A CN114167234A CN202111435048.1A CN202111435048A CN114167234A CN 114167234 A CN114167234 A CN 114167234A CN 202111435048 A CN202111435048 A CN 202111435048A CN 114167234 A CN114167234 A CN 114167234A
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- aerial vehicle
- unmanned aerial
- insulator
- module
- 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.)
- Granted
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 230000032683 aging Effects 0.000 title claims abstract description 47
- 238000001228 spectrum Methods 0.000 claims abstract description 44
- 238000000701 chemical imaging Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000003491 array Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 6
- 101100442582 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) spe-1 gene Proteins 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000002131 composite material Substances 0.000 description 5
- 229920002379 silicone rubber Polymers 0.000 description 5
- 239000004945 silicone rubber Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1245—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of line insulators or spacers, e.g. ceramic overhead line cap insulators; of insulators in HV bushings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Ceramic Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于无人机高光谱的绝缘子老化检测方法,该方法应用于无人机巡航检测***,所述***包括无人机模组、高光谱成像模组和控制计算机模组,所述高光谱成像模组设置于无人机模组上,所述无人机模组与控制计算机模组数据互通,该方法使用无人机高光谱检测技术实现绝缘子的在线检测,并引入降雨前后的检测获取两组绝缘子高光谱数据,通过数据匹配以及差分剔除绝缘子污损对绝缘子老化检测的影响,并通过绝缘子老化光谱数据库实现绝缘子老化分级,从而有效提高绝缘子老化检测的准确性。
Description
技术领域
本发明涉及光学检测技术领域,尤其涉及一种基于无人机高光谱的绝缘子老化检测方法。
背景技术
在电力行业中,硅橡胶复合绝缘子因为具有耐污染性好、重量轻、机械强度高、安装维修方便等优点被应用广泛,由于硅橡胶复合绝缘子的工作环境在高压电塔上,对其在工作过程中的老化状态进行现场检测较为不便。高光谱技术最初是为遥感设计开发的技术,目前常应用于天文学、农业、制药和医学等领域,采用高光谱成像技术对公作中的硅橡胶复合绝缘子的老化程度进行光学诊断是一种较为合理的监测方法。但硅橡胶复合绝缘子在长期工作过程中其表面会产生污秽,由于绝缘子老化与绝缘子污秽不易区分,使得检测结果不够准确,目前还没有较好的方法能够解决该问题。
发明内容
鉴于此,本发明的目的在于提供一种基于无人机高光谱的绝缘子老化检测方法,以克服或至少部分解决现有技术所存在的上述问题。
为实现上述发明目的,本发明提供一种基于无人机高光谱的绝缘子老化检测方法,所述方法应用于无人机巡航检测***,所述***包括无人机模组、高光谱成像模组和控制计算机模组,所述高光谱成像模组设置于无人机模组上,所述无人机模组与控制计算机模组数据互通,所述方法具体包括以下步骤:
控制计算机模组控制无人机模组在降雨前后分别开展高光谱巡航检测;
无人机模组在降雨前后分别针对绝缘子进行高光谱扫描成像,生成绝缘子高光谱数据,控制计算机模组分别获取并保存降雨前后的两组绝缘子高光谱数据;
控制计算机模组使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,对校正了空间位置偏移的高光谱数据进行差值,进行绝缘子老化检测。
进一步的,所述控制计算机模组在无人机模组开展高光谱巡航检测时,还记录无人机模组的飞行数据,所述飞行数据包括全球定位信息、高度信息、速度信息和无人机姿态信息。
进一步的,所述绝缘子高光谱数据为三维数组Img0[m,g,k],其中m和g为大于0的整数,第一维度m为水平空间维度,第二维度g为光谱维度,第三维度k为离散时间序列维度,所述离散时间序列维度的时间间隙为t秒,第三维度k相邻两个序号对应的竖直空间维度间隔为vt。
进一步的,所述无人机模组在开展高光谱巡航检测时,无人机模组的运行方向与高光谱成像模组中的狭缝方向垂直。
进一步的,所述控制计算机模组控制无人机模组在降雨前后分别开展高光谱巡航检测,具体包括以下步骤:
控制计算机模组控制无人机模组在降雨前进行高光谱巡航检测,获取降雨前的高光谱数据的三维数组Img0[m,g,k]_b,同时记录无人机模组的飞行数据;
在降雨后T小时内,控制计算机模块根据降雨前无人机模组进行高光谱巡航检测时的飞行数据,控制无人机模组再次进行高光谱巡航检测,并获取降雨后的高光谱数据Img0[m,g,k]_a。
进一步的,所述使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,具体包括以下步骤:
在相同的飞行数据记录参数下,获取降雨前后的高光谱三维数组Img0[m,g,k]_b和Img0[m,g,k]_a;
提取降雨前的空间图像数据Img[m,k]_b=Σj:1→gImg0[m,j,k]_b,提取降雨后的空间图像数据Img[m,k]_a=Σj:1→gImg0[m,j,k]_a;
针对Img[m,k]_b和Img[m,k]_a使用尺度不变特征变换算法提取空间偏移,获得空间偏移数值[xs,ys]。
进一步的,所述对校正了空间位置偏移的高光谱数据进行差值,具体包括以下步骤:
在获取空间偏移数值[xs,ys]后,将降雨后的高光谱三维数组Img0[m,g,k]_a修正为Img0[m-xs,g,k-ys]_a;
对降雨前后的高光谱三维数组进行差分计算,计算式为:Img0[ti-xs,g,tj-ys]_a-Img0[ti,g,tj]_a,依次得到所有空间点的差分光谱Sp0[g];
将差分光谱中[Σj:g/2→g(Sp0[j])]/[Σj:1→g/2(Sp0[j])]>2的光谱,定义为绝缘子光谱数组SSp[g]。
进一步的,所述进行绝缘子老化检测,具体包括以下步骤:
将绝缘子光谱数组SSp[g]与线下标准光谱数据库中的q个光谱进行差值平方和计算,得到q个差值数组dif[q],差值数组中最小值对应的索引号k代表绝缘子光谱数组SSp[g]对应的老化程度为第k级,其中k和i均是取值范围为1到q的整数。
进一步的,所述线下标准光谱数据库的建立具体包括:对绝缘子老化进行定标,区分q个级别的老化程度,每个级别采集u个样品,针对每个老化级别的样品,分别进行光谱探测,获取光谱数据并依次标记为Spe_1[g],Spe_2[g],...,Spe_u[g],将每个老化级别的u个光谱数据进行加权平均,g表示光谱波段数目,q、u和g均为大于1的整数。
与现有技术相比,本发明的有益效果是:
本发明所提供的一种基于无人机高光谱的绝缘子老化检测方法,通过搭载高光谱成像模组的无人机模组对绝缘子进行高光谱巡航检测,能够方便地采集绝缘子的高光谱数据以检测其老化情况,同时考虑到绝缘子污秽会影响检测结果,而暴雨能够冲洗绝缘子表面污秽,本发明中控制计算机模组控制无人机模组在降雨前后分别开展高光谱巡航检测,获得两组绝缘子高光谱数据,通过数据匹配以及差分剔除绝缘子污损对绝缘子老化检测的影响,并实现绝缘子的老化分级,从而有效提高绝缘子老化检测的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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优选实施例,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是本发明实施例提供的无人机巡航检测***整体结构示意图。
图2是本发明实施例提供的绝缘子老化检测方法整体流程示意图。
图3是本发明实施例提供的无人机模组进行高光谱巡航检测流程示意图。
图中,1是无人机模组,2是高光谱成像模组,3是控制计算机模组。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1和图2,本实施例提供一种基于无人机高光谱的绝缘子老化检测方法,所述方法应用于无人机巡航检测***,所述***包括无人机模组1、高光谱成像模组2和控制计算机模组3,所述高光谱成像模组2设置于无人机模组1上,所述无人机模组1与控制计算机模组3数据互通,所述方法具体包括以下步骤:
S101、控制计算机模组3控制无人机模组1在降雨前后分别开展高光谱巡航检测。所述高光谱巡航检测即无人机模组1搭载高光谱成像模组2在空中采集绝缘子的高光谱数据。
S102、无人机模组在降雨前后分别针对绝缘子进行高光谱扫描成像,生成绝缘子高光谱数据,控制计算机模组分别获取并保存降雨前后的两组绝缘子高光谱数据;
S103、控制计算机模组使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,对校正了空间位置偏移的高光谱数据进行差值,进行绝缘子老化检测。
具体的,控制计算机3在无人机模组1开展高光谱巡航检测时,还会同步记录无人机模组1的飞行数据,所述飞行数据包括全球定位信息、高度信息、速度信息和无人机姿态信息。
步骤S102中,无人机模组1通过高光谱成像模组2进行高光谱扫描成像,无人机模组1的运行方向与高光谱成像模组2中的狭缝方向垂直。高光谱成像模组2所生成的绝缘子高光谱数据为三维数组Img0[m,g,k],其中m和g为大于0的整数,第一维度m为水平空间维度,第二维度g为光谱维度,第三维度k为离散时间序列维度,所述离散时间序列维度的时间间隙为t秒,第三维度k相邻两个序号对应的竖直空间维度间隔为vt。
作为一种优选的示例,参照图3,控制计算机模组3控制无人机模组1在降雨前后分别开展高光谱巡航检测,具体包括以下步骤:
S201、控制计算机模组控制无人机模组在降雨前进行高光谱巡航检测,获取降雨前的高光谱数据的三维数组Img0[m,g,k]_b,同时记录无人机模组在降雨前进行高光谱巡航检测时的飞行数据。
S202、在降雨后T小时内,控制计算机模块根据降雨前无人机模组进行高光谱巡航检测时的飞行数据,控制无人机模组再次进行高光谱巡航检测,并获取降雨后的高光谱数据Img0[m,g,k]_a。
在此基础上,步骤S103中,所述使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,具体包括以下步骤:
S301、在相同的飞行数据记录参数下,获取降雨前后的高光谱三维数组Img0[m,g,k]_b和Img0[m,g,k]_a。
S302、提取降雨前的空间图像数据Img[m,k]_b=Σj:1→gImg0[m,j,k]_b,提取降雨后的空间图像数据Img[m,k]_a=Σj:1→gImg0[m,j,k]_a。
S303、针对Img[m,k]_b和Img[m,k]_a使用尺度不变特征变换算法提取空间偏移,获得空间偏移数值[xs,ys]。
在提取绝缘子空间位置偏移后,使用光谱数据差值法对校正了空间位置偏移的高光谱数据进行差值,具体包括以下步骤:
在获取空间偏移数值[xs,ys]后,将降雨后的高光谱三维数组Img0[m,g,k]_a修正为Img0[m-xs,g,k-ys]_a。
将降雨前后的高光谱三维数据进行差分计算,计算式为:
Img0[ti-xs,g,tj-ys]_a-Img0[ti,g,tj]_a
从而依次得到所有空间点的差分光谱Sp0[g]。
将差分光谱中[Σj:g/2→g(Sp0[j])]/[Σj:1→g/2(Sp0[j])]>2的光谱,定义为绝缘子光谱数组SSp[g]。
作为一种优选的示例,所述进行绝缘子老化检测,具体包括以下步骤:将绝缘子光谱数组SSp[g]与线下标准光谱数据库中的q个光谱进行差值平方和计算,计算式为:
Σj:1→g(SSp[j]-Spe[i,j])2
得到q个差值数组dif[q],差值数组中最小值对应的索引号k代表绝缘子光谱数组SSp[g]对应的老化程度为第k级,其中k和i均是取值范围为1到q的整数。
所述线下标准光谱数据库的建立具体包括:对绝缘子老化进行定标,区分q个级别的老化程度,每个级别采集u个样品,针对每个老化级别的样品,分别进行光谱探测,获取光谱数据并依次标记为Spe_1[g],Spe_2[g],...,Spe_u[g],将每个老化级别的u个光谱数据进行加权平均,如下式所示:
(Spe_1[g]+Spe_2[g]+...+Spe_u[g])/u
其中,g表示光谱波段数目,q、u和g均为大于1的整数。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述方法应用于无人机巡航检测***,所述***包括无人机模组、高光谱成像模组和控制计算机模组,所述高光谱成像模组设置于无人机模组上,所述无人机模组与控制计算机模组数据互通,所述方法具体包括以下步骤:
控制计算机模组控制无人机模组在降雨前后分别开展高光谱巡航检测;
无人机模组在降雨前后分别针对绝缘子进行高光谱扫描成像,生成绝缘子高光谱数据,控制计算机模组分别获取并保存降雨前后的两组绝缘子高光谱数据;
控制计算机模组使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,对校正了空间位置偏移的高光谱数据进行差值,进行绝缘子老化检测。
2.根据权利要求1所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述控制计算机模组在无人机模组开展高光谱巡航检测时,还记录无人机模组的飞行数据,所述飞行数据包括全球定位信息、高度信息、速度信息和无人机姿态信息。
3.根据权利要求1所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述绝缘子高光谱数据为三维数组Img0[m,g,k],其中m和g为大于0的整数,第一维度m为水平空间维度,第二维度g为光谱维度,第三维度k为离散时间序列维度,所述离散时间序列维度的时间间隙为t秒,第三维度k相邻两个序号对应的竖直空间维度间隔为vt。
4.根据权利要求1所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述无人机模组在开展高光谱巡航检测时,无人机模组的运行方向与高光谱成像模组中的狭缝方向垂直。
5.根据权利要求3所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述控制计算机模组控制无人机模组在降雨前后分别开展高光谱巡航检测,具体包括以下步骤:
控制计算机模组控制无人机模组在降雨前进行高光谱巡航检测,获取降雨前的高光谱数据的三维数组Img0[m,g,k]_b,同时记录无人机模组的飞行数据;
在降雨后T小时内,控制计算机模块根据降雨前无人机模组进行高光谱巡航检测时的飞行数据,控制无人机模组再次进行高光谱巡航检测,并获取降雨后的高光谱数据Img0[m,g,k]_a。
6.根据权利要求5所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述使用无人机高光谱图像匹配算法提取绝缘子空间位置偏移,具体包括以下步骤:
在相同的飞行数据记录参数下,获取降雨前后的高光谱三维数组Img0[m,g,k]_b和Img0[m,g,k]_a;
提取降雨前的空间图像数据Img[m,k]_b=Σj:1→gImg0[m,j,k]_b,提取降雨后的空间图像数据Img[m,k]_a=Σj:1→gImg0[m,j,k]_a;
针对Img[m,k]_b和Img[m,k]_a使用尺度不变特征变换算法提取空间偏移,获得空间偏移数值[xs,ys]。
7.根据权利要求6所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述对校正了空间位置偏移的高光谱数据进行差值,具体包括以下步骤:
在获取空间偏移数值[xs,ys]后,将降雨后的高光谱三维数组Img0[m,g,k]_a修正为Img0[m-xs,g,k-ys]_a;
对降雨前后的高光谱三维数组进行差分计算,计算式为:Img0[ti-xs,g,tj-ys]_a-Img0[ti,g,tj]_a,依次得到所有空间点的差分光谱Sp0[g];
将差分光谱中[Σj:g/2→g(Sp0[j])]/[Σj:1→g/2(Sp0[j])]>2的光谱,定义为绝缘子光谱数组SSp[g]。
8.根据权利要求7所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述进行绝缘子老化检测,具体包括以下步骤:
将绝缘子光谱数组SSp[g]与线下标准光谱数据库中的q个光谱进行差值平方和计算,得到q个差值数组dif[q],差值数组中最小值对应的索引号k代表绝缘子光谱数组SSp[g]对应的老化程度为第k级,其中k和i均是取值范围为1到q的整数。
9.根据权利要求7所述的一种基于无人机高光谱的绝缘子老化检测方法,其特征在于,所述线下标准光谱数据库的建立具体包括:对绝缘子老化进行定标,区分q个级别的老化程度,每个级别采集u个样品,针对每个老化级别的样品,分别进行光谱探测,获取光谱数据并依次标记为Spe_1[g],Spe_2[g],...,Spe_u[g],将每个老化级别的u个光谱数据进行加权平均,g表示光谱波段数目,q、u和g均为大于1的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435048.1A CN114167234B (zh) | 2021-11-29 | 2021-11-29 | 一种基于无人机高光谱的绝缘子老化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435048.1A CN114167234B (zh) | 2021-11-29 | 2021-11-29 | 一种基于无人机高光谱的绝缘子老化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114167234A true CN114167234A (zh) | 2022-03-11 |
CN114167234B CN114167234B (zh) | 2024-05-28 |
Family
ID=80481504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111435048.1A Active CN114167234B (zh) | 2021-11-29 | 2021-11-29 | 一种基于无人机高光谱的绝缘子老化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114167234B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058541A (zh) * | 2023-08-03 | 2023-11-14 | 国网吉林省电力有限公司通化供电公司 | 绝缘子高光谱数据采集***及其方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9714975D0 (en) * | 1995-07-14 | 1997-09-24 | Tokyo Shibaura Electric Co | Method for evaluating a remaining life of a rotating machine coil insulating layer |
CN109765192A (zh) * | 2019-01-25 | 2019-05-17 | 西南交通大学 | 基于高光谱技术的绝缘子表面含水量的检测方法 |
CN109799440A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子污层电导检测方法 |
CN110376214A (zh) * | 2019-08-13 | 2019-10-25 | 西南交通大学 | 基于高光谱技术的绝缘子污秽度非接触检测方法 |
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子表面污秽分布特性检测方法 |
CN110658208A (zh) * | 2019-11-11 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 基于高光谱的变电站绝缘子积污在线监测*** |
CN110954793A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置 |
-
2021
- 2021-11-29 CN CN202111435048.1A patent/CN114167234B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9714975D0 (en) * | 1995-07-14 | 1997-09-24 | Tokyo Shibaura Electric Co | Method for evaluating a remaining life of a rotating machine coil insulating layer |
CN109765192A (zh) * | 2019-01-25 | 2019-05-17 | 西南交通大学 | 基于高光谱技术的绝缘子表面含水量的检测方法 |
CN109799440A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子污层电导检测方法 |
CN110376214A (zh) * | 2019-08-13 | 2019-10-25 | 西南交通大学 | 基于高光谱技术的绝缘子污秽度非接触检测方法 |
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 基于高光谱技术的绝缘子表面污秽分布特性检测方法 |
CN110658208A (zh) * | 2019-11-11 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 基于高光谱的变电站绝缘子积污在线监测*** |
CN110954793A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置 |
Non-Patent Citations (1)
Title |
---|
张血琴 等: "基于高光谱的复合绝缘子电晕老化状态评估", 《西南交通大学学报》, vol. 55, no. 2, 30 April 2020 (2020-04-30), pages 442 - 448 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058541A (zh) * | 2023-08-03 | 2023-11-14 | 国网吉林省电力有限公司通化供电公司 | 绝缘子高光谱数据采集***及其方法 |
CN117058541B (zh) * | 2023-08-03 | 2024-02-13 | 国网吉林省电力有限公司通化供电公司 | 绝缘子高光谱数据采集***及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114167234B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062991A (zh) | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 | |
CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN115062527B (zh) | 一种基于深度学习的静止卫星海温反演方法及*** | |
CN111144250A (zh) | 融合雷达和光学遥感数据的土地覆盖分类方法 | |
CN114167234B (zh) | 一种基于无人机高光谱的绝缘子老化检测方法 | |
CN112349150B (zh) | 一种机场航班保障时间节点的视频采集方法和*** | |
CN116989681A (zh) | 一种输电线路的导线弧垂在线监测方法 | |
CN112036407B (zh) | 一种植物群体三维表型原位获取方法及装置 | |
CN114488094A (zh) | 一种车载多线激光雷达与imu外参数自动标定方法及装置 | |
CN115202404A (zh) | 基于无人机的光伏发电组维护巡检方法 | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN109064515B (zh) | 一种对月观测数据提取方法及提取装置 | |
CN112966710B (zh) | 基于线性判别分析的fy-3d红外高光谱云检测方法 | |
CN111476761B (zh) | 一种基于***辨识的能见度测量方法及*** | |
CN112948352A (zh) | 一种构建大气光学湍流时空特征及概率化数据库的方法 | |
CN112767543B (zh) | 基于逻辑回归的fy-3d红外高光谱云检测方法 | |
CN102788644B (zh) | 光学微扫描显微热成像***的自适应微扫描位置标定方法 | |
CN118068448B (zh) | 一种气象无人机地面测控平台 | |
CN114359743B (zh) | 一种基于多波段的低慢小目标识别方法及*** | |
CN113391376B (zh) | 一种amsu-a资料陆地云检测方法 | |
CN114324074B (zh) | 一种基于后向轨迹模型与遥感影像的大气监测走航方法 | |
CN219218019U (zh) | 车载式孢子捕捉仪 | |
CN118411547A (zh) | 一种基于深度学习云分类算法的云高计算方法和*** | |
CN112966884A (zh) | 一种基于远程无人机和传感器技术的电力工程项目智能勘察测绘方法 | |
CN115271178A (zh) | 基于云图晴空判断的光伏电站出力模式判别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |