CN114708520B - 一种输电线路上电力金具缺陷图像识别处理方法 - Google Patents
一种输电线路上电力金具缺陷图像识别处理方法 Download PDFInfo
- Publication number
- CN114708520B CN114708520B CN202210635990.0A CN202210635990A CN114708520B CN 114708520 B CN114708520 B CN 114708520B CN 202210635990 A CN202210635990 A CN 202210635990A CN 114708520 B CN114708520 B CN 114708520B
- Authority
- CN
- China
- Prior art keywords
- target
- outer aluminum
- defect
- aluminum pipe
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 205
- 230000005540 biological transmission Effects 0.000 title claims abstract description 69
- 238000003672 processing method Methods 0.000 title abstract description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 226
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 226
- 238000012544 monitoring process Methods 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 25
- 238000007689 inspection Methods 0.000 claims description 24
- 230000005855 radiation Effects 0.000 claims description 13
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 238000002788 crimping Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 14
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 230000002950 deficient Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012212 insulator Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013102 re-test Methods 0.000 description 3
- 238000004873 anchoring Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000012211 strain insulator Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种输电线路上电力金具缺陷图像识别处理方法,包括如下操作步骤:对整条输电线路进行单位长度线路的分割划分形成多个连续排列的分段区域,并对线路上的每个分段区域进行分段编号;对整个输电线路上的外铝管金具进行图像采集;基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作。上述处理方法实现了缺陷点位进行高效合理的复检监测以及路径规划处理。
Description
技术领域
本发明涉及输电线路金具缺陷巡检技术领域,尤其涉及一种输电线路上电力金具缺陷图像识别处理方法。
背景技术
输电线路上的常用金具包括有很多种类型,例如:绝缘子串、绝缘子串组、悬垂绝缘子串组、耐张绝缘子串组、地线绝缘子、球型头挂环以及耐张线夹、外铝管金具等;然而在长时间使用过程之后,每种金具常见的缺陷特点也有很大的不同;举例说明,外铝管金具主要包括有凹槽结构钢锚(或称锚管)与铝管(或称外铝管),其外铝管金具的典型缺陷主要是因为拉应力影响或是外铝管或锚管撕裂损伤导致非压接区变形长度过大的典型缺陷,其压接部位射线检测典型图谱,如图1所示框线区域处。
研究人员发现,钢锚具体由绞线本体以及连接在绞线本体一端的矩形凹槽结构钢锚,上述矩形凹槽结构钢锚一方面要套接在绞线本体上,另外一个方面整个绞线本体应当被一个套管形式的铝管(简称外铝管或外套管)套接保护,上述钢锚与铝管形成的整体结构为外铝管金具;同时,在理想状态下,该铝管分为压接区以及非压接区,在正常状态下,该铝管其管径收紧部分称为压接区应当完全套合在矩形凹槽钢锚的外部,然而压接区内部锚固有锚管,其压接区与内部锚管非锚固直接连接的长度区域则为非压接区,正常情况下非压接区长度相对压接区长度较小,同时不应当出现其他典型缺陷(例如:压接错位典型缺陷);这种典型缺陷对于特种形式的外铝管影响重要,该特种铝管的压接区以及非压接区,其压接区以及非压接区应当完全的区别对待,而不是混淆也可以的使用状态;如图1所示,如果一旦外铝管的压接区发生形变,且压接区变形区域超出了凹槽钢锚(或称锚管长度)范围,达到非压接区并超出一定距离后则称之为“多压”典型缺陷。
进一步,为了方便对外铝管金具的典型缺陷实现快速识别以及重点监测,研究人员通过无人机电力巡检具有机动灵活性、不受地域限制等优点,使用无人机按照规划的飞行路线,到达工作区域后在空中对外铝管金具的多点缺陷位置进行悬停以及监测处理是一种积极设想方案,但是显然无人机在输电线路上受到蓄电池续航能力影响,需要不断针对剩下续航时间调整对外铝管金具典型缺陷的巡检路径规划;但是如何在保障巡检质量的前提下进行路径规划是本领域技术人员急需解决的问题。
发明内容
本发明的目的在于克服上述已有技术的不足,提出了一种输电线路上电力金具缺陷图像识别处理方法,实现了进行外铝管多压典型缺陷的识别以及巡检路径规划。
本发明提供了一种输电线路上电力金具缺陷图像识别处理方法,包括如下操作步骤:
对整条输电线路进行单位长度线路的分割划分形成多个连续排列的分段区域,并对线路上的每个分段区域进行分段编号;
驱动无人机飞控***,调用输电线路的延伸方向作为初始路径,控制器发送移动控制指令,使无人机吊舱上的机载图像采集设备、机载放射图像采集云台按照所述初始路径实时进行所述输电线路的抵近飞行移动;
对整个输电线路上的外铝管金具进行图像采集;其中,机载图像采集设备对整个输电线路上的外铝管金具进行图像采集,并且通过机载放射图像采集云台实时获取每个分段区域的射线扫描后目标外铝管金具图像;
基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作。
本发明提供的输电线路上电力金具缺陷图像识别处理方法具有技术效果有:
分析本发明实施例提供的上述输电线路上电力金具缺陷图像识别处理方法可知,其主要应用输电线路上电力金具缺陷图像识别处理***进行处理,该***主要包括云服务器、无人机本体、无人机吊舱、安装在无人机吊舱上的机载图像采集设备、机载放射图像采集云台,控制器、无人机飞控***、激光测距装置;上述机载图像采集设备用于采集视频图像或是图片图像,然而机载放射图像采集云台则是采集激光图像,激光测距装置是保持与输电线路的距离恒定方便其他设备进行采集;上述云服务器内部缓存有预设数据库,方便对输电线路的分段进行编号获取,以及缓存一些控制数据,采集数据以及路径规划数据。上述控制器则由预处理模块、初始路径调用模块、快速采集模块、复检处理模块等部分构成;
在本申请的技术方案中,控制器驱动无人机飞控***,调用输电线路的延伸方向作为初始路径,然后对整个输电线路上的外铝管金具(铝管等等)进行图像采集,控制器发送移动控制指令,使无人机吊舱上的机载图像采集设备按照所述初始路径实时进行所述输电线路的抵近飞行移动;基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;
然后根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作。(注意本申请实施例中的目标外铝管金具进行复检监测以及路径规划,涉及两层意义的路径规划,一方面是每个目标有效分段区域之间的路径规划,另外一个方面是每个目标有效分段区域内部的若干个缺陷点位之间的路径规划安排,优先对关联性更强的缺陷点位进行复检监测处理;具体详见后续操作)。
本发明实施例采用上述技术方案其综合考虑了多种参考因素实现对了筛选有效目标分段的线路巡检,并在进一步技术方案中实现了重点的关联缺陷点位进行有效目标分段内的若干个缺陷点位的时间安排以及路径规划操作,实现了自动化的巡检作业处理。
附图说明
图1为现有技术中存在外铝管变形缺陷的激光图像示意图;
图2为输电线路上电力金具缺陷图像识别处理***的***架构示意图;
图3为输电线路上电力金具缺陷图像识别处理方法中的控制器原理结构示意图;
图4为输电线路上电力金具缺陷图像识别处理方法主要流程图;
图5为输电线路上电力金具缺陷图像识别处理方法中的一具体操作流程图;
图6为输电线路上电力金具缺陷图像识别处理方法中的另一具体操作流程图;
图7为输电线路上电力金具缺陷图像识别处理方法中的再一具体操作流程图;
图8为应用上述输电线路上电力金具缺陷图像识别处理方法的一种电子设备的结构示意图。
标号:输电线路上电力金具缺陷图像识别处理***100;云服务器10;后台本地预设数据库11;无人机本体20;机载图像采集设备30;机载放射图像采集云台40;控制器50;预处理模块51;初始路径调用模块52;快速采集模块53;复检处理模块54;无人机飞控***60;激光测距装置70;存储器1110;通信接口1120;处理器1130;计算机存储介质1140。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。
实施例一
本发明提供了一种输电线路上电力金具缺陷图像识别处理方法,其利用上述输电线路上电力金具缺陷图像识别处理***100(详见图2)实现协调控制,
参见图4,上述输电线路上电力金具缺陷图像识别处理方法,包括如下控制操作:
步骤S0,控制器(预处理模块)通过缓存在云服务器的预设数据库(即后台本地预设数据库11)预先对整条输电线路进行单位长度线路的分割划分形成多个连续排列的分段区域,并对线路上的每个分段区域进行分段编号(此为预处理操作);
步骤S1,控制器(初始路径调用模块)驱动无人机飞控***,调用输电线路的延伸方向作为初始路径,控制器发送移动控制指令,使无人机吊舱上的机载图像采集设备、机载放射图像采集云台按照所述初始路径实时进行所述输电线路的抵近飞行移动;在此过程中控制器通过激光测距装置控制对输电线路与无人机间距控制;
步骤S2,控制器(快速采集模块)对整个输电线路上的外铝管金具(铝管等等)进行图像采集;其中,机载图像采集设备对整个输电线路上的外铝管金具进行图像采集获得外铝管金具原始图像,并且通过机载放射图像采集云台实时获取每个分段区域的射线扫描后目标外铝管金具图像;
步骤S3,控制器(复检处理模块)基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作。
参见图2,上述输电线路上电力金具缺陷图像识别处理***100主要包括云服务器10、无人机本体20、无人机吊舱、安装在无人机吊舱上的机载图像采集设备30、机载放射图像采集云台40,控制器50、无人机飞控***60、还包括安装在无人机上的激光测距装置70;上述机载图像采集设备用于采集视频图像或是图片图像,然而机载放射图像采集云台则是采集激光图像,激光测距装置是保持与输电线路的距离恒定方便其他设备进行采集;上述云服务器内部缓存有预设数据库,方便对输电线路的分段进行编号获取,以及缓存一些控制数据,采集数据以及路径规划数据。另参见图3,上述控制器50则由预处理模块51、初始路径调用模块52、快速采集模块53、复检处理模块54等部分构成。
在本申请的技术方案中,控制器驱动无人机飞控***,调用输电线路的延伸方向作为初始路径,然后对整个输电线路上的外铝管金具(铝管等等)进行图像采集,控制器发送移动控制指令,使无人机吊舱上的机载图像采集设备按照所述初始路径实时进行所述输电线路的抵近飞行移动;基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;
然后根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作。(注意本申请实施例中的目标外铝管金具进行复检监测以及路径规划,涉及两层意义的路径规划,一方面是每个目标有效分段区域之间的路径规划,另外一个方面是每个目标有效分段区域内部的若干个缺陷点位之间的路径规划安排,优先对关联性更强的缺陷点位进行复检监测处理;具体详见后续操作)。
参见图5,在步骤S2执行过程中,对整个输电线路上的外铝管金具(铝管等等)进行图像采集,具体包括如下操作:
步骤S21,通过机载图像采集设备对该分段区域内的目标外铝管金具进行识别,具体为:利用深度学习模型对采集的外铝管金具原始图像进行图像识别,将识别出具有外铝管变形的金具确定为目标外铝管金具(了解外铝管的外形,获得外铝管长度),然后获取识别后的目标外铝管金具原始图像;
步骤S22,同时通过机载放射图像采集云台实时获取每个分段区域内的目标外铝管金具对应的射线扫描后目标外铝管金具图像;每个分段区域包括一个或是多个目标外铝管金具(当然也可能没有,则请直接忽略);此时需要解释的是,上述深度学习模型仅仅能通过外铝管金具原始图像识别出外铝管是否有变形识别外铝管表面的压接区长度(即外铝管管径变小长度用于锚固锚管的部分长度),但是其是外铝管内部非压接区变形长度并不知道;对此需要利用射线扫描后目标外铝管金具图像,通过射线扫描后目标外铝管金具图像可以获得判断得到外铝管变形是否涉及到了非压接区,通过激光图像可以获得非压接区长度、对比压接区长度、内部非压接区变形长度,并获得计算得到目标外铝管的变形长度比例数值;上述目标外铝管的变形长度比例数值=目标外铝管在非压接区变形长度除以目标外铝管的压接区长度。在上述技术方案中,获取外铝管变形的图像以无线传输方式回传到地面工作站(云服务器)。云服务器基于卷积神经网络技术,对外铝管金具变形缺陷进行识别。通过机器学习算法对预先采样的外铝管变形缺陷(或其他损伤缺陷)图像进行训练,然后通过提取的变形缺陷图像特征生成构建特征向量,最终利用特征向量构建深度学习网络模型,最终进行变形缺陷识别;在识别变形缺陷后,利用利用射线扫描后目标外铝管金具图像计算每个目标外铝管的变形长度比例数值为后续技术做准备。
步骤S23,通过上述激光测距装置对初始路径上的所有分段区域的目标外铝管金具进行长度测量,实时测量得到每个分段区域内的目标外铝管金具的长度数值信息。
在上述技术方案执行过程中,通过机载图像采集设备对该分段区域内的目标外铝管金具进行识别,具体为:利用深度学习模型对采集的外铝管金具原始图像进行图像识别,将识别出具有外铝管变形的金具确定为目标外铝管金具,然后获取识别后的目标外铝管金具原始图像;同时通过机载放射图像采集云台实时获取每个分段区域内的目标外铝管金具对应的射线扫描后目标外铝管金具图像;每个分段区域包括一个或是多个目标外铝管金具(当然也可能没有,则请直接忽略);
需要说明的是,在进行初始巡检路径规划操作时,先按照初始路径快速的进行扫描一遍,同时对整个输电线路进行单位长度线路的分段编号获取;然后随着时间推移,还要折返回去进行重新复飞对路径上的外铝管金具进行精细监测和位置索取,此时就需要实时计算一下剩余的蓄电池电量,实时计算剩余的航程距离确保复飞二次巡检时候能够有充足的航程距离保障,因此本申请技术方案要实时对当前的铝管金具的缺陷进行有准备的路径规划。
参见图6,在步骤S3执行过程中,基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作,具体包括如下操作:
步骤S31,根据目标外铝管金具原始图像以及射线扫描后目标外铝管金具图像计算每个目标外铝管的变形长度比例数值,同时计算每个分段区域内目标外铝管的数量;
步骤S32,判断当前分段区域内是否存目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,如果存在,则确定存在“多压”典型缺陷,且确定当前分段区域为有效目标分段;如果当前分段区域内没有目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,则舍弃当前目标外铝管所在的分段区域;
步骤S33,在有效目标分段内筛选获取目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,并同时根据筛选后的目标外铝管金具的长度数值信息计算当前分段区域内超过标准变形比例阈值的目标外铝管的总长度求和,得到有效目标分段的缺陷目标外铝管总长度数值;
步骤S34,针对输电线路计算所有的有效目标分段的缺陷目标外铝管总长度数值,并按照缺陷目标外铝管总长度数值由高到低的顺序建立总长度列表;
步骤S35,在不断前进扫描的同时不断更新总长度列表,在更新后的所述总长度列表中选择排名靠前F个有效目标分段作为目标监测节点,计算其相邻的目标监测节点之间的间距距离;同时获取每个目标监测节点所在的有效目标分段的缺陷目标外铝管总长度数值;根据当前采集位置、相邻的目标监测节点之间的间距距离、每个目标监测节点所在的有效目标分段的缺陷目标外铝管总长度数值计算重点目标实际监测所需时间;
所述重点目标实际监测所需时间=当前采集位置距离最近的目标监测节点的飞行时间+多个相邻的目标监测节点之间查找时间+分段上重点目标外铝管监测时间;
步骤S36,不断实时更新F数值,并且不断更新计算重点目标实际监测所需时间,直至求解到当前无人机的剩余飞行时间-排名靠前F个有效目标分段所对应的重点目标实际监测所需时间之差首次小于标准时间时,则确定求解到的F个目标监测节点为重点监控的目标有效分段区域,并确定当前的排名靠前F个的目标监测节点构成的巡检路径为目标巡检路径(注意每个有效目标分段内的多个目标外铝管缺陷监测,且每个目标外铝管甚至可能有缺陷点位,此时需要进一步规划重点关联的缺陷点位进行时间规划,从而根据时间规划决定具体的路径规划);
步骤S37,按照目标巡检路径对目标监测节点上的目标外铝管金具进行复检监测操作。
在进行初始巡检路径规划操作时,先按照初始路径快速的进行扫描一遍,同时对整个输电线路进行单位长度线路的分段编号处理;然后随着时间推移,还要重新复飞对路径上的外铝管金具进行精细监测和位置索取,此时就需要实时计算一下剩余的蓄电池电量,实时计算剩余的航程距离确保复飞二次巡检时候能够有充足的航程距离保障,因此本申请技术方案要实时对当前的铝管金具的缺陷进行有准备的路径规划。
另外,在步骤S32执行过程中,判断当前分段区域内是否存目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,如果存在,则确定当前分段区域为有效目标分段,如果不存在则为非有效目标分段;后续步骤S33-步骤S37的执行过程中,都是对有效目标分段以及有效目标分段上的目标外铝管金具进行进一步复检处理,然而对非有效目标分段则直接舍弃;
很显然,在有效目标分段内可能有多个大于标准变形比例阈值的目标外铝管,因此要在有效目标分段内进行获取目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,并同时计算当前分段区域内超过标准变形比例阈值的目标外铝管的总长度求和,得到有效目标分段的缺陷目标外铝管总长度数值,研究人员认为上述有效目标分段的缺陷目标外铝管总长度数值对于复检扫描时间影响较大;同时,研究还发现飞行时间也将影响实际空中滞留时间;
在步骤S34执行过程中,控制器将有效目标分段的缺陷目标外铝管总长度数值作为重点区域,因为这个有效目标分段的缺陷目标外铝管总长度数值数值高,证明该分段区域存在大量的规模化长度的变形缺陷损伤,因此需要重点复检监测,如果发现严重缺陷可能会考虑将该分段区域上的外铝管甚至连同该段输电线路一起直接更换;对此需要重点复检查询,此时要针对输电线路计算所有的有效目标分段的缺陷目标外铝管总长度数值,并按照缺陷目标外铝管总长度数值由高到低的顺序建立总长度列表;
在步骤S35执行过程中,在不断前进扫描的同时不断更新总长度列表,在更新后的所述总长度列表中选择排名靠前F个有效目标分段作为目标监测节点,随后控制器则不断更新计算重点目标实际监测所需时间,即不断实时更新F数值;直至求解到当前排名靠前F个有效目标分段所对应的重点目标实际监测所需时间足够长,并非常接近当前无人机的剩余飞行时间时,则停止前进扫描飞行(具体为,求解到当前无人机的剩余飞行时间-排名靠前F个有效目标分段所对应的重点目标实际监测所需时间之差首次小于标准时间时,则认定当前的排名靠前F个有效目标分段可以一次性进行重点监测排查,然而对于排名靠后的有效目标分段则控制在下次飞行时进行编号识别,然后直接在下次飞行时对路径上的剩下的有效目标分段进行巡检);在总长度列表中选择排名靠前若干个节点,确保F个有效目标分段所对应的重点目标实际监测所需时间之差首次小于标准时间时,求解到F的数值,以此获得一个父路径规划方式。
在具体实施过程中,每个有效目标分段内的多个目标外铝管缺陷监测,每个目标外铝管甚至可能有缺陷点位,此时需要进一步规划重点关联的缺陷点位进行时间规划,从而根据时间规划决定具体的路径规划(因此需要一个子路径规划方式),对此本申请实施例采用了分级分控的路径巡检处理方式,详见后续具体技术内容。
较佳地,作为一种可选的实施方式,所述当前采集位置距离最近的目标监测节点的飞行时间=当前采集位置距离最近的目标监测节点的距离÷初始目标查找速率;
相邻的目标监测节点之间查找时间=相邻的目标监测节点之间的间距距离÷飞行速率;
分段上重点目标外铝管监测时间=有效目标分段的缺陷目标外铝管总长度数值÷平均监测速率。
在具体实施过程中,当前采集位置距离最近的目标监测节点的位置信息需要进一步校正处理,因此其初始目标查找速率要低于飞行速率;在具体执行过程中,则除了收个初始目标需要校正之后,后续的监测节点则只要进行,根据获取的GPS位置信息飞抵到目标监测节点处进行查找处理即可,因此说在初始目标的GPS位置信息无误情况下,则后续相邻目标监测节点则直接依靠飞行即可,然而此时的相邻的目标监测节点之间查找时间则是通过间距距离直接除以飞行速率;上述初始目标查找速率、飞行速率都是固定数值。
在上述复检操作执行过程中,平均监测速率是一个固定数值;说在初始目标校准无误情况下,后续相邻目标监测节点的查找时间是由多个相邻目标监测节点之间的距离信息和查找速率决定的;然而分段上重点目标外铝管监测时间则是由缺陷目标外铝管总长度数值以及平均监测速率决定的;对此在平均监测速率确定后,在当前有效目标分段的缺陷目标外铝管总长度数值确定后,当前有效目标分段的总分配时间就确定了,然而在对当前有效目标分段上不同缺陷点位巡检时应当考虑优先级较高,且关联度较重的缺陷点位进行一起巡检进行路径规划,这样可以高效率合理利用上述分配时间,最后可以将剩余不重要的缺陷点位待下次进行巡检处理。
在不断更新计算重点目标实际监测所需时间之后,执行按照目标巡检路径对目标监测节点上的目标外铝管金具进行复检监测操作同时,还包括:
对当前采集位置距离最近的目标监测节点进行查找操作,包括如下操作步骤:
步骤S351,在预设数据库中对当前位置处的编号以及距离最近的目标监测节点的编号;根据两者编号之差计算飞行距离;同时根据目标监测节点的编号在所述预设数据库中调用得到目标监测节点的理论GPS位置信息;
步骤S352,根据所述飞行距离进行飞行到最近的目标监测节点处并获取当前位置处实测GPS位置信息,判断当前位置处实测GPS位置信息与理论GPS位置信息是否一致,如果一致认定目标监测节点位置以及初始目标的GPS位置准确,无需进行位置校正处理操作;
对相邻的目标监测节点进行查找操作,包括如下操作步骤:
步骤S353,在所述初始目标的GPS位置无误情况下,在对后续相邻目标监测节点进行查找时,直接通过调用预设数据库中对应相邻目标监测节点的编号,通过两者编号之差计算飞行距离,在飞行了所述飞行距离后查找相邻目标监测节点;
对有效目标分段上重点目标外铝管进行查找操作,包括如下操作步骤:
步骤S354,先对有效目标分段上的多个目标外铝管进行高速预扫描处理,获得目标外铝管上的缺陷点位的属性信息;
步骤S355,按照关联缺陷点位以及缺陷点位优先级,对当前有效目标分段上的每个外铝管金具上的缺陷点位进行筛选操作得到重点缺陷点位集合(即每个外铝管金具上可能还有一个或多个缺陷点位或是每个外铝管金具进行),根据所述重点缺陷点位进行路径规划操作。
参见图7,步骤S355,按照关联缺陷点位以及缺陷点位优先级,对当前有效目标分段上的每个外铝管金具上的缺陷点位进行筛选操作得到重点缺陷点位集合,根据所述重点缺陷点位进行路径规划操作,具体包括如下操作:
步骤S3551,在同一个有效目标分段内,计算当前的有效目标分段对应分配的分段上重点目标外铝管监测时间;所述有效目标分段上设置有多个目标外铝管,且多个目标外铝管记载为q个目标外铝管,每个目标外铝管含有多个缺陷点位;
步骤S3552,根据目标外铝管金具的缺陷点位属性信息构建关联缺陷点位时间评价函数;
步骤S3553,根据所述关联缺陷点位时间评价函数与重点目标外铝管监测时间进行确定重点缺陷点位集合,最终选择所述重点缺陷点位集合进行当前有效目标分段内的多个缺陷点位的路径规划操作。
需要说明的是,在上述技术方案中,对重点关联的缺陷点位进行时间规划,从而根据时间规划决定具体的路径规划,此时实现了了上述子规划路径。
在上述每一个有效目标分段内都可能包含多个目标外铝管,且每个目标外铝管可能存在多处的缺陷点位,对此需要目标外铝管金具的缺陷点位属性信息构建关联缺陷点位时间评价函数;上述目标外铝管金具的缺陷点位属性信息包括多种因素,具体参考了缺陷点位的点位距离、关联缺陷点位的优先级级别差以及缺陷点位的监测时间转化参数等。
较佳地,作为一种可选的实施方式,在上述步骤S3552执行过程中,根据目标外铝管金具的缺陷点位属性信息构建缺陷点位的评价函数,包括:
基于目标外铝管金具上的缺陷点位的点位距离、关联缺陷点位的优先级级别差以及缺陷点位的监测时间转化参数,构建关联缺陷点位时间评价函数;
所述关联缺陷点位时间评价函数的公式表示如下:
较佳地,作为一种可选的实施方式,所述目标外铝管金具的缺陷点位属性信息包括:目标外铝管金具上的缺陷点位的点位距离、关联缺陷点位的优先级级别差以及缺陷点位的监测时间转化参数。
较佳地,作为一种可选的实施方式,根据关联缺陷点位时间评价函数与重点目标外铝管监测时间进行确定重点缺陷点位集合,具体包括如下操作步骤:
从所述缺陷点位评价排序列表中选取排列靠前M个缺陷点位,求解前M个缺陷点位的关联缺陷点位时间评价函数的输出值之和(即对前M个缺陷点位的关联缺陷点位时间评价函数的输出值进行求和得到一个变量的总和输出值,当总和输出值接近),并记载为Mh;上述公式记载为Mh=前M个缺陷点位的关联缺陷点位时间评价函数的输出值连续累加求和;
利用上述公式中的Mh除以预设转化参数得到前M个缺陷点位的关联缺陷点位的总需求时间Mk;当重点目标外铝管监测时间-总需求时间Mk之差首次小于标准最小极限时间阈值时,则认定当前的M个缺陷点位作为目标缺陷点位;所述M个缺陷点位形成所述重点缺陷点位集合。对此构建了重点缺陷点位集合,利用上述重点缺陷点位进行巡检由此形成了巡检子路径;本发明实施例提供的技术方案其利用图像识别与计算处理技术,实现了进行外铝管多压典型缺陷的识别以及巡检路径规划,保障了在剩余续航时间上对重点缺陷点位的有效复检操作。
实施例二
另一方面,本实施例二基于发明实施例一中提供的输电线路上电力金具缺陷图像识别处理方法,还提供了计算机存储介质1140。
如图8所示,为本发明实施例二提供的计算机存储介质结构框架示意图,其包括:
存储器1110,用于存储计算机程序;通信接口1120,用于实现将存储器1110与处理器1130进行连接;处理器1130,用于执行计算机程序,实现如上述任意实施方式的组合公开的输电线路上电力金具缺陷图像识别处理方法。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits,ASIC)、数字信号处理器(Digital SignalProcessing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
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、或者计算机软件和电子硬件的结合来实现。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申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,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,所述模块的划分,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,例如多个模块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。另一点,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,可以是电性,机械或其它的形式。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;本领域的普通技术人员可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种输电线路上电力金具缺陷图像识别处理方法,其特征在于,包括如下操作步骤:
对整条输电线路进行单位长度线路的分割划分形成多个连续排列的分段区域,并对线路上的每个分段区域进行分段编号;
驱动无人机飞控***,调用输电线路的延伸方向作为初始路径,控制器发送移动控制指令,使无人机吊舱上的机载图像采集设备、机载放射图像采集云台按照所述初始路径实时进行所述输电线路的抵近飞行移动;
对整个输电线路上的外铝管金具进行图像采集;其中,机载图像采集设备对整个输电线路上的外铝管金具进行图像采集,并且通过机载放射图像采集云台实时获取每个分段区域的射线扫描后目标外铝管金具图像;
基于图像识别对分段区域进行识别处理存在“多压”典型缺陷的目标外铝管,并筛选目标有效分段区域;根据实时剩余续航时间与目标有效分段区域进行锁定重点监控的目标有效分段区域;在重点监控的目标有效分段区域内进行目标外铝管金具进行复检监测以及路径规划操作,具体包括如下操作:
根据目标外铝管金具原始图像以及射线扫描后目标外铝管金具图像计算每个目标外铝管的变形长度比例数值,同时计算每个分段区域内目标外铝管的数量;
判断当前分段区域内是否存目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,如果存在,则确定存在“多压”典型缺陷,且确定当前分段区域为有效目标分段;如果当前分段区域内没有目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,则舍弃当前目标外铝管所在的分段区域;
在有效目标分段内筛选获取目标外铝管的变形长度比例数值大于标准变形比例阈值的目标外铝管,并同时根据筛选后的目标外铝管金具的长度数值信息计算当前分段区域内超过标准变形比例阈值的目标外铝管的总长度求和,得到有效目标分段的缺陷目标外铝管总长度数值;
针对输电线路计算所有的有效目标分段的缺陷目标外铝管总长度数值,并按照缺陷目标外铝管总长度数值由高到低的顺序建立总长度列表;
在不断前进扫描的同时不断更新总长度列表,在更新后的所述总长度列表中选择排名靠前F个有效目标分段作为目标监测节点,计算其相邻的目标监测节点之间的间距距离;同时获取每个目标监测节点所在的有效目标分段的缺陷目标外铝管总长度数值;根据当前采集位置、相邻的目标监测节点之间的间距距离、每个目标监测节点所在的有效目标分段的缺陷目标外铝管总长度数值计算重点目标实际监测所需时间;
所述重点目标实际监测所需时间=当前采集位置距离最近的目标监测节点的飞行时间+多个相邻的目标监测节点之间查找时间+分段上重点目标外铝管监测时间;
不断实时更新F数值,并且不断更新计算重点目标实际监测所需时间,直至求解到当前无人机的剩余飞行时间-排名靠前F个有效目标分段所对应的重点目标实际监测所需时间之差首次小于标准时间时,则确定求解到的F个目标监测节点为重点监控的目标有效分段区域,并确定当前的排名靠前F个的目标监测节点构成的巡检路径为目标巡检路径;
按照目标巡检路径对目标监测节点上的目标外铝管金具进行复检监测操作。
2.如权利要求1的输电线路上电力金具缺陷图像识别处理方法,其特征在于,对整个输电线路上的外铝管金具进行图像采集,具体包括如下操作:
通过机载图像采集设备对该分段区域内的目标外铝管金具进行识别,具体为:利用深度学习模型对采集的外铝管金具原始图像进行图像识别,将识别出具有外铝管变形的金具确定为目标外铝管金具,然后获取识别后的目标外铝管金具原始图像;
同时通过机载放射图像采集云台实时获取每个分段区域内的目标外铝管金具对应的射线扫描后目标外铝管金具图像;每个分段区域包括一个或是多个目标外铝管金具;
通过激光测距装置对初始路径上的所有分段区域的目标外铝管金具进行长度测量,实时测量得到每个分段区域内的目标外铝管金具的长度数值信息。
3.如权利要求2的输电线路上电力金具缺陷图像识别处理方法,其特征在于,
所述当前采集位置距离最近的目标监测节点的飞行时间=当前采集位置距离最近的目标监测节点的距离÷初始目标查找速率;
相邻的目标监测节点之间查找时间=相邻的目标监测节点之间的间距距离÷飞行速率;
分段上重点目标外铝管监测时间=有效目标分段的缺陷目标外铝管总长度数值÷平均监测速率。
4.如权利要求3的输电线路上电力金具缺陷图像识别处理方法,其特征在于,在不断更新计算重点目标实际监测所需时间之后,执行按照目标巡检路径对目标监测节点上的目标外铝管金具进行复检监测操作同时,还包括:
对当前采集位置距离最近的目标监测节点进行查找操作,包括如下操作步骤:
在预设数据库中对当前位置处的编号以及距离最近的目标监测节点的编号;根据两者编号之差计算飞行距离;同时根据目标监测节点的编号在所述预设数据库中调用得到目标监测节点的理论GPS位置信息;
根据所述飞行距离进行飞行到最近的目标监测节点处并获取当前位置处实测GPS位置信息,判断当前位置处实测GPS位置信息与理论GPS位置信息是否一致,如果一致认定目标监测节点位置以及初始目标的GPS位置准确,无需进行位置校正处理操作;
对相邻的目标监测节点进行查找操作,包括如下操作步骤:
在所述初始目标的GPS位置无误情况下,在对后续相邻目标监测节点进行查找时,直接通过调用预设数据库中对应相邻目标监测节点的编号,通过两者编号之差计算飞行距离,在飞行了所述飞行距离后查找相邻目标监测节点;
对有效目标分段上重点目标外铝管进行查找操作,包括如下操作步骤:
先对有效目标分段上的多个目标外铝管进行高速预扫描处理,获得目标外铝管上的缺陷点位的属性信息;
按照关联缺陷点位以及缺陷点位优先级,对当前有效目标分段上的每个外铝管金具上的缺陷点位进行筛选操作得到重点缺陷点位集合,根据所述重点缺陷点位进行路径规划操作。
5.如权利要求4的输电线路上电力金具缺陷图像识别处理方法,其特征在于,所述按照关联缺陷点位以及缺陷点位优先级,对当前有效目标分段上的每个外铝管金具上的缺陷点位进行筛选操作得到重点缺陷点位集合,根据所述重点缺陷点位进行路径规划操作,具体包括如下操作:
在同一个有效目标分段内,计算当前的有效目标分段对应分配的分段上重点目标外铝管监测时间;所述有效目标分段上设置有多个目标外铝管,且多个目标外铝管记载为q个目标外铝管,每个目标外铝管含有多个缺陷点位;
根据目标外铝管金具的缺陷点位属性信息构建关联缺陷点位时间评价函数;
根据所述关联缺陷点位时间评价函数与重点目标外铝管监测时间进行确定重点缺陷点位集合,最终选择所述重点缺陷点位集合进行当前有效目标分段内的多个缺陷点位的路径规划操作。
6.如权利要求5的输电线路上电力金具缺陷图像识别处理方法,其特征在于,
根据目标外铝管金具的缺陷点位属性信息构建缺陷点位的评价函数,包括:
基于目标外铝管金具上的缺陷点位的点位距离、关联缺陷点位的优先级级别差以及缺陷点位的监测时间转化参数,构建关联缺陷点位时间评价函数;
所述关联缺陷点位时间评价函数的公式表示如下:
7.根据权利要求6所述的方法,其特征在于,所述目标外铝管金具的缺陷点位属性信息,包括:目标外铝管金具上的缺陷点位的点位距离、关联缺陷点位的优先级级别差以及缺陷点位的监测时间转化参数。
8.根据权利要求7所述的方法,其特征在于,根据关联缺陷点位时间评价函数与重点目标外铝管监测时间进行确定重点缺陷点位集合,具体包括如下操作步骤:
从所述缺陷点位评价排序列表中选取排列靠前M个缺陷点位,求解前M个缺陷点位的关联缺陷点位时间评价函数的输出值之和,并记载为Mh;
Mh除以预设转化参数得到前M个缺陷点位的关联缺陷点位的总需求时间Mk;当重点目标外铝管监测时间-总需求时间Mk之差首次小于标准最小极限时间阈值时,则认定当前的M个缺陷点位作为目标缺陷点位;所述M个缺陷点位形成所述重点缺陷点位集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635990.0A CN114708520B (zh) | 2022-06-07 | 2022-06-07 | 一种输电线路上电力金具缺陷图像识别处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635990.0A CN114708520B (zh) | 2022-06-07 | 2022-06-07 | 一种输电线路上电力金具缺陷图像识别处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114708520A CN114708520A (zh) | 2022-07-05 |
CN114708520B true CN114708520B (zh) | 2022-09-30 |
Family
ID=82177952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635990.0A Active CN114708520B (zh) | 2022-06-07 | 2022-06-07 | 一种输电线路上电力金具缺陷图像识别处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708520B (zh) |
Families Citing this family (3)
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 |
CN115829952A (zh) * | 2022-11-21 | 2023-03-21 | 国网湖北省电力有限公司超高压公司 | 基于金具高精度图像分析及全生命周期健康状态风险评估软件*** |
CN115830518B (zh) * | 2023-02-15 | 2023-05-09 | 南京瀚元科技有限公司 | 一种红外场景下电力巡检视频智能抽帧的方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103812052B (zh) * | 2014-03-07 | 2016-06-01 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控***及监控方法 |
CN107015560A (zh) * | 2017-03-02 | 2017-08-04 | 浙江大学 | 一种基于无人机的光伏阵列的巡检方法 |
CN109658539A (zh) * | 2018-12-11 | 2019-04-19 | 中海油安全技术服务有限公司 | 化工园区的巡检方法、装置、服务器及计算机存储介质 |
CO2018013805A1 (es) * | 2018-12-19 | 2019-05-10 | Univ Nat Colombia | Método de detección de líneas de transmisión de energía en tiempo real con vehículos aéreos no tripulados. |
CN113758478A (zh) * | 2020-06-04 | 2021-12-07 | 中国工程物理研究院应用电子学研究所 | 一种长距离输变电线路无人机巡检航飞规划方法及*** |
CN111738189A (zh) * | 2020-06-29 | 2020-10-02 | 广东电网有限责任公司 | 一种输电线路压接金具巡检控制方法、装置、终端及介质 |
CN113744179A (zh) * | 2021-01-25 | 2021-12-03 | 云南电网有限责任公司德宏供电局 | 输配电线路上的金具缺陷检测方法 |
CN113281355B (zh) * | 2021-05-20 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种架空线路金具x射线检测装置与方法 |
CN113359823A (zh) * | 2021-05-31 | 2021-09-07 | 国网山东省电力公司滨州供电公司 | 基于图像识别的无人机通信光缆巡检方法 |
CN114240868A (zh) * | 2021-12-09 | 2022-03-25 | 陕西省地方电力(集团)有限公司渭南供电分公司 | 一种基于无人机的巡检分析***及方法 |
-
2022
- 2022-06-07 CN CN202210635990.0A patent/CN114708520B/zh active Active
Non-Patent Citations (2)
Title |
---|
Research of Multi-Rotor UAVs Detailed Autonomous Inspection Technology of Transmission Lines Based on Route Planning;Tong He, et al;《IEEE Access》;20190831;第7卷;第114955-114965页 * |
三峡高海拔山区500 kV 输电线路地线金具磨损及发热缺陷无人机精准排查效率分析;程俊翔等;《湖北电力》;20211231;第45卷(第6期);第92-98页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114708520A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114708520B (zh) | 一种输电线路上电力金具缺陷图像识别处理方法 | |
CN111353413B (zh) | 一种输电设备低漏报率缺陷识别方法 | |
CN110703800A (zh) | 基于无人机的电力设施智能识别方法及*** | |
CN110207832A (zh) | 基于无人机的高压线路巡检***及其巡检方法 | |
CN111311967A (zh) | 基于无人机的电力线路巡检***及方法 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检*** | |
CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** | |
CN112067137A (zh) | 一种基于无人机巡线的电力线路自动测温方法 | |
CN114035606A (zh) | 杆塔巡检***、杆塔巡检方法、控制装置和存储介质 | |
CN111815799B (zh) | 一种基于电力杆塔及电力线路的飞行巡检监控*** | |
CN112947588A (zh) | 无人机电网巡线*** | |
CN115100554A (zh) | 一种基于智能视觉的无人机电力巡检***及其检测方法 | |
CN115933746A (zh) | 一种电力配网自动巡检方法及装置 | |
CN111244822A (zh) | 一种复杂地理环境的固定翼无人机巡线方法、***和装置 | |
CN115393347A (zh) | 一种基于城市大脑的电网智能巡检方法及*** | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN114202584A (zh) | 自动视觉扫描生成巡检任务的方法及巡检机器人 | |
CN113962973A (zh) | 一种基于卫星技术的输电线路无人机智能巡检***及方法 | |
CN116310891A (zh) | 一种云边协同输电线路缺陷智能检测***和方法 | |
CN114944816A (zh) | 一种应用于光伏组件的智能巡检*** | |
CN114637320A (zh) | 根据历史故障数据确定巡检参数的电缆监测*** | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检*** | |
CN115297303B (zh) | 适用于电网输变电设备的图像数据采集处理方法及装置 | |
CN114241257A (zh) | 一种基于图像识别的电力输电线巡检方法及*** | |
CN114842426B (zh) | 一种基于精确对准摄像的变电站设备状态监测方法和*** |
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 |