CN114973007A - 基于灰度游程矩阵的高压线断落监测方法 - Google Patents
基于灰度游程矩阵的高压线断落监测方法 Download PDFInfo
- Publication number
- CN114973007A CN114973007A CN202210924245.8A CN202210924245A CN114973007A CN 114973007 A CN114973007 A CN 114973007A CN 202210924245 A CN202210924245 A CN 202210924245A CN 114973007 A CN114973007 A CN 114973007A
- Authority
- CN
- China
- Prior art keywords
- voltage cable
- gray level
- length
- total length
- distribution direction
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 239000000126 substance Substances 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 22
- 230000000295 complement effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 241000287196 Asthenes Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种基于灰度游程矩阵的高压线断落监测方法。该方法得到高压线缆俯拍灰度图像后,在灰度图像中获取不同点对构建方向上的灰度共生矩阵,以不同灰度共生矩阵中两点灰度值均为高压线缆区域灰度值的点对出现的概率大小,确定高压线缆在各方向上分布的可能性,然后在各点对构建方向上分别得到灰度值为高压线缆区域灰度值的灰度游程矩阵并计算各个灰度游程矩阵总长度,以各点对构建方向对应的灰度游程矩阵总长度,计算正常和实际情况下高压线缆在非最大可能位于的方向上的总长度,比较两种总长度的关系,完成断线判断。该方法不需人工现场作业,拍摄得到高压线缆俯拍图像后自动化判断,断线监测安全、高效。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种基于灰度游程矩阵的高压线断落监测方法。
背景技术
从第二次工业革命后进入电气时代开始,电能逐渐成为日常生活中不可或缺的部分。现阶段的发电方式仍以火力发电为主,辅以水力、风力发电以及核电站,多种发电方式在电能传输的时候都采用高压电缆传输,长距离、大范围的高压电缆铺设在荒郊地区,高压电线一旦发生段落,由于其过高的电压,往往断落点20米范围内禁止人员进入,但同时又因高压电缆承担着电力输送的重要任务,如果不能及时发现可能会造成不可估量的损失。
所以,现有技术存在着需安全、高效地完成高压电缆断线监测的需求。
发明内容
为安全、高效地完成高压电缆断线监测,本发明提供了一种基于灰度游程矩阵的高压线断落监测方法,所采用的技术方案具体如下:
本发明的一种基于灰度游程矩阵的高压线断落监测方法,包括以下步骤:
采集高压线缆俯拍图像并灰度化处理,对所得灰度图像进行前景分割,将高压线缆所在的前景区域灰度值置为1,背景区域灰度值置为0,得到二值图;
在二值图中分别以0°的水平方向构建点对并对应得到第一灰度共生矩阵,以45°的正对角线方向构建点对并对应得到第二灰度共生矩阵,以90°的垂直方向构建点对并对应得到第三灰度共生矩阵,以135°的反对角线方向构建点对并对应得到第四灰度共生矩阵;
按照点对构建方向、、以及,在二值图上分别得到四种灰度值为1的灰度游程矩阵,然后计算四种灰度游程矩阵的总长度、、及,并计算得到高压线缆分布方向角度值或者高压线缆分布方向角度值的补角,由、以及计算高压线缆分布方向的长度,然后根据高压线缆分布方向的长度计算正常情况下高压线缆在、以及三个方向上的总长度,由、及计算实际情况下高压线缆在、以及三个方向上的总长度;
本发明的有益效果为:
本发明该种方法,通过俯拍得到高压线缆的图像并灰度化处理后,首先在灰度图像中获取了不同点对构建方向上的灰度共生矩阵,以不同灰度共生矩阵中两点灰度值均为高压线缆区域灰度值的点对出现的概率大小,确定了高压线缆在各个方向上分布的可能性由大到小的顺序,并继续在各个点对构建方向上分别得到灰度值为高压线缆区域灰度值的游程矩阵并计算对应的灰度游程矩阵总长度,以各个点对构建方向所对应的灰度游程矩阵总长度,计算正常情况下高压线缆在非最大可能位于的方向上的总长度,以及计算实际情况下高压线缆在非最大可能位于的方向上的总长度,比较两种情况下对应所得总长度的关系,完成高压线缆断线判断。该方法不需人工现场作业,整体过程在拍摄得到高压线缆俯拍图像后自动化完成,实现了安全、高效的高压电缆断线监测。
进一步的,得到二值图后,对二值图进行形态学膨胀运算。
附图说明
图1是本发明该种基于灰度游程矩阵的高压线断落监测方法的流程图。
具体实施方式
下面结合附图及实施例,对本发明的一种基于灰度游程矩阵的高压线断落监测方法进行详细说明。
方法实施例:
本发明的一种基于灰度游程矩阵的高压线断落监测方法实施例,其整体流程如图1所示,具体过程如下:
1、采集高压线缆俯拍图像并进行灰度化处理,对所得灰度图像进行前景分割并得到二值图。
本实施例中利用无人机对高压线缆进行航拍,得到拍摄范围内高压电线的俯拍图像,两个高压电缆架之间的电缆都满足平行关系,航拍得到的俯拍图像上,电缆部分应是数条平行且连续的直线,利用无人机对每两个高压电缆架之间的线缆进行拍摄。
对拍摄所得高压线缆俯拍图像进行灰度化处理,得到灰度图像,然后利用OTSU大津法对灰度图像进行自适应阈值分割,由于高压线缆相较于图像中其他部位颜色较深,灰度值较小,所以利用大津阈值分割法对灰度图像进行分割提取后,便可确定与高压线缆对应的前景部分。在确定灰度图像的前景部分后,将前景部分的灰度值置为1,其余部分的灰度值置为0,得到二值化处理后的二值图,其中灰度值为1的前景部分即为二值图中的目标区域,也即高压线缆所在区域。
2、分别按照不同的点对构建方向对二值图进行点对构建,并生成与点对构建方向种类数相同的若干种灰度共生矩阵,根据每种灰度共生矩阵中两点灰度值都为二值图中目标区域灰度值的点对出现的概率,完成高压线缆延伸方向的判断。
考虑到二值图中可能存在的噪声,本实施例在对二值图构建灰度共生矩阵之前,还额外对二值图中的目标区域,也即高压线缆所在区域进行了膨胀运算,以消除目标区域中的噪声。
膨胀运算后,本实施按照四种点对构建方向构建二值图中像素点的点对,并在按照每种点对构建方向完成对二值图中像素点的点对构建后,对应生成该种点对构建方向下的二值图的灰度共生矩阵。
具体的,本实施例中通过设置不同差分值来实现对二值图中像素点按照不同构建方向的点对构建,当差分值为(1,0),则代表按照0°的水平方向构建点对,记该构建方向为第一方向,当差分值为(1,1),则代表按照45°的正对角线方向构建点对,记该构建方向为第二方向,当差分值为(0,1),则代表按照90°的垂直方向构建点对,记该构建方向为第三方向,当差分值为(-1,1),则代表按照135°的反对角线方向构建点对,记该构建方向为第四方向。
按照四个构建方向分别得到四个二值图的灰度共生矩阵,并将四个灰度共生矩阵中的点对(1,1)出现的概率或者说点对(1,1)在每个灰度共生矩阵的所有点对中的占比分别记为、、、,通过判断四个灰度共生矩阵中点对(1,1)的出现概率值、、、的最大值,便可确定高压线缆的大体分布方向,或者说延伸方向,具体判断如下:
3、按照不同的点对构建方向,在二值图上分别构建灰度值为二值图中目标区域灰度值的灰度游程矩阵,根据各个构建方向上灰度游程矩阵的总长度值之间的关系,判断是否存在断线异常。
借助灰度共生矩阵初步确定了电缆在图像上的分布走向,由于经过膨胀运算,使得目标区域范围“变大”,则可以利用灰度共生矩阵中及的值,即高压线缆在水平方向上的分量以及垂直方向上的分量,利用反三角函数确定高压线缆的分布方向角度值或分布方向角度值的补角:
之所以表示高压线缆的分布方向角度值或分布方向角度值的补角,是因为由灰度游程矩阵所得的以及均为非负数,所以导致此处计算所得的值域范围为,但显而易见的是,高压线缆分布方向还包括,所以真正的高压线缆分布方向为或,也即为高压线缆分布方向角度值或者高压线缆分布方向角度值的补角。
在计算得到正常情况也即未发生断线故障情况下高压线缆在非大体分布方向上的总长度之后,再根据实际数据,计算实际情况下高压线缆在非大体分布方向上的总长度:
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于灰度游程矩阵的高压线断落监测方法,其特征在于,包括以下步骤:
采集高压线缆俯拍图像并灰度化处理,对所得灰度图像进行前景分割,将高压线缆所在的前景区域灰度值置为1,背景区域灰度值置为0,得到二值图;
在二值图中分别以0°的水平方向构建点对并对应得到第一灰度共生矩阵,以45°的正对角线方向构建点对并对应得到第二灰度共生矩阵,以90°的垂直方向构建点对并对应得到第三灰度共生矩阵,以135°的反对角线方向构建点对并对应得到第四灰度共生矩阵;
按照点对构建方向、、以及,在二值图上分别得到四种灰度值为1的灰度游程矩阵,然后计算四种灰度游程矩阵的总长度、、及,并计算得到高压线缆分布方向角度值或者高压线缆分布方向角度值的补角,由、以及计算高压线缆分布方向的长度,然后根据高压线缆分布方向的长度计算正常情况下高压线缆在、以及三个方向上的总长度,由、及计算实际情况下高压线缆在、以及三个方向上的总长度;
7.根据权利要求1~6任一项所述的基于灰度游程矩阵的高压线断落监测方法,其特征在于,得到二值图后,对二值图进行形态学膨胀运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210924245.8A CN114973007A (zh) | 2022-08-03 | 2022-08-03 | 基于灰度游程矩阵的高压线断落监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210924245.8A CN114973007A (zh) | 2022-08-03 | 2022-08-03 | 基于灰度游程矩阵的高压线断落监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114973007A true CN114973007A (zh) | 2022-08-30 |
Family
ID=82970427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210924245.8A Pending CN114973007A (zh) | 2022-08-03 | 2022-08-03 | 基于灰度游程矩阵的高压线断落监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973007A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330782A (zh) * | 2022-10-13 | 2022-11-11 | 如东鑫绿塑料有限公司 | 基于形态学的制冰盒注塑件缺陷检测方法 |
CN115588022A (zh) * | 2022-11-10 | 2023-01-10 | 合肥惠强新能源材料科技有限公司 | 基于工序指标数据的锂电池隔离膜质量检测*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070067124A1 (en) * | 2005-08-01 | 2007-03-22 | Tom Kimpe | Method and device for improved display standard conformance |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
-
2022
- 2022-08-03 CN CN202210924245.8A patent/CN114973007A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070067124A1 (en) * | 2005-08-01 | 2007-03-22 | Tom Kimpe | Method and device for improved display standard conformance |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330782A (zh) * | 2022-10-13 | 2022-11-11 | 如东鑫绿塑料有限公司 | 基于形态学的制冰盒注塑件缺陷检测方法 |
CN115330782B (zh) * | 2022-10-13 | 2023-08-08 | 山东仁鸿精密科技有限公司 | 基于形态学的制冰盒注塑件缺陷检测方法 |
CN115588022A (zh) * | 2022-11-10 | 2023-01-10 | 合肥惠强新能源材料科技有限公司 | 基于工序指标数据的锂电池隔离膜质量检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114973007A (zh) | 基于灰度游程矩阵的高压线断落监测方法 | |
CN108765373B (zh) | 一种基于集成分类器在线学习的绝缘子异常自动检测方法 | |
CN112186900B (zh) | 一种基于5g技术的综合箱运行监控方法及装置 | |
CN113344826B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110503135B (zh) | 用于电力设备边缘侧识别的深度学习模型压缩方法及*** | |
CN110763953B (zh) | 一种配电自动化条件下故障排查巡线路径规划方法 | |
CN113112489B (zh) | 一种基于级联检测模型的绝缘子掉串故障检测方法 | |
CN116359652A (zh) | 一种用于电力设备的状态监测*** | |
CN112837313A (zh) | 一种输电线路异物的图像分割的方法 | |
CN110490261B (zh) | 一种输电线路巡检图像绝缘子的定位方法 | |
CN113033451A (zh) | 基于深度学习的架空线路故障识别方法及*** | |
CN109884468B (zh) | 一种基于图像像素积累分析的绝缘子自爆缺陷检测方法 | |
CN117113066B (zh) | 一种基于计算机视觉的输电线路绝缘子缺陷检测方法 | |
Xuan et al. | Intelligent identification method of insulator defects based on CenterMask | |
CN116476060A (zh) | 基于巡检机器人实现的变电站设备智能运检方法及*** | |
CN114757939A (zh) | 一种基于机器视觉的光缆生产检测监管*** | |
CN114677777A (zh) | 设备巡检方法、巡检***及终端设备 | |
CN113095420A (zh) | 一种基于改进YOLOv3的绝缘子故障检测方法 | |
CN112444522A (zh) | 一种电力***绝缘子串缺陷检测方法 | |
CN112669264A (zh) | 配网线路无人机巡检的人工智能缺陷识别方法和*** | |
CN111062631A (zh) | 一种输电设备缺陷状态评价方法 | |
CN111950508A (zh) | 变电所断路器外观破损识别方法 | |
CN115208309A (zh) | 基于i-v特性曲线的光伏组件电流失配故障诊断方法 | |
Gu et al. | Object detection of overhead transmission lines based on improved YOLOv5s | |
CN115131337B (zh) | 一种基于改进CenterNet算法的输电线路耐张线夹缺陷检测方法 |
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 |