KR20190036185A - Image acquisition appartus for the image machine learning of distribution equipment - Google Patents
Image acquisition appartus for the image machine learning of distribution equipment Download PDFInfo
- Publication number
- KR20190036185A KR20190036185A KR1020170125110A KR20170125110A KR20190036185A KR 20190036185 A KR20190036185 A KR 20190036185A KR 1020170125110 A KR1020170125110 A KR 1020170125110A KR 20170125110 A KR20170125110 A KR 20170125110A KR 20190036185 A KR20190036185 A KR 20190036185A
- Authority
- KR
- South Korea
- Prior art keywords
- distribution facility
- power distribution
- image
- light source
- machine learning
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B15/00—Supervisory desks or panels for centralised control or display
-
- H04N5/2259—
-
- H04N5/23206—
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Power Engineering (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 배전설비의 영상 기계학습을 위한 영상 취득 장치에 관한 것으로, 보다 상세하게는, 실제 배전설비가 설치된 환경과 유사한 환경을 구현하여 다양한 형태의 영상을 사전 취득함으로써, 인공지능 기계학습용 영상 데이터베이스를 구축하기 위한, 배전설비의 영상 기계학습을 위한 영상 취득 장치에 관한 것이다.The present invention relates to an image acquisition apparatus for image machine learning of a distribution facility, and more particularly, to an image acquisition apparatus for acquiring various types of images by implementing an environment similar to an environment in which an actual distribution facility is installed, To an image acquisition device for image machine learning of a distribution facility.
배전설비는 과거에 육안에 의한 진단이 이루어졌으나, 최근에 초음파 진단기에 의한 진단, 적외선 열화상 카메라, 광학 쌍안경 및 광학 카메라들을 활용하여 활선 상태에 의한 진단이 시행되고 있다.The power distribution system has been diagnosed by the naked eye in the past, but diagnosis by live condition has been carried out recently by using ultrasonic diagnostic, infrared ray camera, optical binoculars and optical cameras.
더욱이, 진단 요원에 의해 수동으로 영상을 취득하는 방식들은 여러 진단 장비를 차량에 탑재하여 더욱 편리하고 정확도가 높은 자동 진단 방식의 기술개발 시도가 이루어지고 있다. 즉, 최근에는 광학카메라 기반으로 폴리머 현수애자를 대상으로 하는 진단시스템을 개발하는 연구를 시행되고 있으며, 진단 범위도 폴리머 현수애자 뿐만 아니라 자기재 LP애자, COS(Cut Out Switch)까지 확대되고 있다.In addition, methods of manually acquiring images by diagnostic personnel are attempting to develop a more convenient and accurate automatic diagnostic method by mounting various diagnostic equipments in the vehicle. Recently, a diagnostic system based on an optical camera has been developed for polymer suspensions, and the scope of diagnosis has been extended not only to polymer suspensions but also to magnetic material LP insulators and COS (Cut Out Switch).
이처럼 영상 기반 배전설비 진단 기술은 점차 폭이 넓혀지고 있는 추세에 있다.As such, image-based power distribution system diagnosis technology is gradually getting wider.
그런데, 배전설비 진단의 자동화를 위해서는 설비를 올바르게 인식하는 기술과 촬영된 영상을 분석하여 고장 여부를 결정하는 알고리즘이 필요하다. 이러한 알고리즘에는 인공지능 기술이 이용될 수 있다. 여기서, 인공지능 기술은 충분한 데이터 기반의 기계학습을 통하여 구현되기 때문에 해당 배전설비에 대해 얼마나 많은 데이터를 확보하고, 다양한 상황에 대비한 데이터 학습을 통하여 정확도를 높일 수 있는지에 따라 시스템의 신뢰도를 높일 수 있다.However, in order to automate the diagnosis of the distribution facility, it is necessary to develop a technology for correctly recognizing facilities and an algorithm for analyzing the captured images to determine whether or not the system is faulty. Artificial intelligence techniques can be used for such algorithms. Here, since artificial intelligence technology is realized through sufficient data-based machine learning, it is possible to increase the reliability of the system according to how much data is secured for the power distribution facility and accuracy can be improved by learning data in preparation for various situations .
도 1은 배전설비 진단 시스템 개발을 위해 취득한 영상시료 보유현황을 나타낸 도면이다.Fig. 1 is a diagram showing the state of the image samples acquired for the development of a distribution facility diagnosis system.
그런데, 이러한 영상 시료들은 배전설비 운영 현장에서 정상 또는 고장 상태의 확보 가능한 시료들을 수집한 결과지만, 인공지능을 활용한 기계학습 자료로서 충분한 수량이라고 보기는 어렵다. 예를 들어, 폴리머 현수애자의 영상의 경우에, 고장으로 판정될 수 있는 영상은 동일한 설비를 다른 각도에서 촬영하면 동일한 모양으로 촬영되지 않을 수 있기 때문에, 동일한 영상으로 판단되기 어려울 수도 있다. 이는 기 확보된 영상이 현장의 당시 상황과 다른 상황에서 촬영되었기 때문에 나타날 수 있는 현상이다.However, these image samples are the result of collecting samples that can be secured in normal or faulty condition at the distribution facility operation site, but it is difficult to say that they are sufficient quantity as machine learning data utilizing artificial intelligence. For example, in the case of an image of a polymer suspending insulator, an image which can be judged as a failure may not be captured in the same shape if the same facility is photographed from another angle, so that it may be difficult to judge the same image. This is a phenomenon that can occur because the pre-acquired image was taken in a situation different from the situation at the scene.
일반적으로, 영상 기계학습을 활용하는 데이터셋 트레이닝 이미지 수량은 수만에서 수백만개에 이르며 충분한 영상 자료가 있어야 정확도를 보장 할 수 있다.Generally, the number of data set training images that utilize image machine learning ranges from tens of thousands to millions, and sufficient image data can ensure accuracy.
하지만, 도 1과 같이 다양한 배전설비의 영상을 현장에서 다수의 영상을 확보하기 쉽지 않다. 즉, 배전설비는 현장에서 촬영해야 하는데, 촬영시 외부 환경 또는 촬영 상황에 의존되므로 다양한 영상의 취득이 쉽지 않다. 예를 들어, 외부 환경은 날씨의 영향, 구름의 양, 태양의 밝기, 태양의 고도, 안개 유무 등에 따라 다양한 상황이 존재하며, 촬영 상황은 사진을 찍는 카메라의 각도, 촬영자의 위치 등에 따라 다양한 상황이 존재할 수 있다.However, as shown in Fig. 1, it is difficult to secure a large number of images on the field in various distribution facilities. That is, the power distribution facility needs to be photographed in the field, and it is not easy to acquire various images because it depends on the external environment or the photographing situation at the time of photographing. For example, there are various situations depending on the influence of the weather, the amount of clouds, the brightness of the sun, the altitude of the sun, the presence of fog, and the like, and the shooting situation may vary depending on the angle of the camera May exist.
이처럼 효과적으로 영상 기계학습을 위해서는 다양한 각도, 광원에서 촬영한 영상을 확보할 필요가 있다. 현재 배전설비의 영상 기계학습은 기존에 촬영하여 확보된 영상을 이용하여 설비별 영상 그룹을 생성하고 검출을 위한 학습을 수행한다. Thus, it is necessary to secure images taken from various angles and light sources in order to effectively learn the image machine. Currently, video machine learning of power distribution facilities generates video groups for each facility using previously acquired images and performs learning for detection.
도 2는 광학카메라를 활용한 배전선로 진단을 나타낸 도면이다. 도 2의 (a)는 진단원에 의해 수동으로 진단하는 모습을 나타내는 영상으로서, 기존 진단 용역 등의 사업에 의해 획득된 영상이다. 도 2의 (b)는 이동형 비전장치에 의해 촬영된 영상이다.Fig. 2 is a diagram showing a diagnosis with a distribution line using an optical camera. Fig. FIG. 2 (a) is an image showing a state of being diagnosed manually by a diagnosis source, and is an image obtained by a business such as existing diagnostic service. 2 (b) is an image photographed by the mobile vision device.
이러한 배전설비 영상들은 단지 하나의 샘플 테이터로서의 의미를 가지며, 사진을 촬영 할 때의 각도, 광원 등의 환경하에서 그 특성을 가진 하나의 학습 자료로 활용이 가능하다. 이로 인해, 현재까지 확보된 영상 자료는 영상 기계학습을 위한 충분한 데이터가 될 수 없다. These distribution facility images have only meaning as one sample data, and can be used as one learning material having the characteristics in the environment of the angle of the photographing, the light source, and the like. As a result, the image data acquired so far can not be sufficient data for image machine learning.
따라서, 인공지능은 하나의 설비가 가지는 특징(정상 설비와 고장 설비 모두)을 여러 환경에서 취득된 영상들로부터 학습함으로써, 고장 설비의 상태를 인지할 수 있을 때 정확한 판단을 할 수 있다.Therefore, artificial intelligence learns the characteristics of one facility (both normal facilities and fault facilities) from images acquired in various environments, so that it can make an accurate judgment when the state of the fault facility can be recognized.
도 3은 영상 인공지능에서 학습데이터 수량을 증가시킬 때 객체 검출에 미치는 영향을 나타낸 도면이다.FIG. 3 is a diagram showing the effect on object detection when increasing the number of learning data in the artificial intelligence.
도 3을 참조하면, 객체 검출 정확도는 학습데이터 수량이 증가함에 따라 정확도가 증가함을 알 수 있다. 비록 10,000장의 이미지가 사용된 후부터는 점점 일정 값으로 수렴하는 경향을 보이고 있지만, 자세히 보면 50,000장까지 조금씩 꾸준히 증가함을 확인할 수 있다.Referring to FIG. 3, it can be seen that the accuracy of object detection increases as the number of learning data increases. Although 10,000 images tend to converge to a constant value after use, it can be seen that the number of images increases steadily to 50,000.
다시 말해, 학습데이터 내에서 밝기 변화, 회전, 영상 비율, 크기 등이 적용된 샘플 데이터를 증가시킬수록, 네트워크는 앞서 말한 다양한 변화들을 더 나은 방향으로 학습하고 일반화되어 객체를 검출할 수 있다. 즉, 객체 검출은 대상 설비데이터의 특징에 구애 받지 않고 인식될 수 있도록 정확도를 높여야 한다.In other words, as the sample data to which the brightness change, rotation, image ratio, size, etc. are applied in the learning data increases, the network learns the aforementioned various changes in a better direction and can generalize and detect the object. That is, the object detection should be made more accurate so that it can be recognized regardless of the characteristics of the target facility data.
이와 관련된 기술에는 한국 공개특허공보 제10-2016-0034726호와 한국 등록특허공보 제10-1235777호에 제안된 바 있다. 먼저, 한국 공개특허공보 제10-2016-0034726호는 자동화 시스템을 통해 폴리머애자를 검출하고 진단하는 기술에 관해 개시되어 있는데, 폴리머애자를 검출하기 위한 학습자료를 구성하는 방식에 관해서는 기재되어 있지 않다. 다음, 한국 등록특허공보 제10-1235777호는 다양한 카메라를 활용하여 전력설비를 진단하는 기술에 관해 개시되어 있는데, 배전설비를 검출하기 위한 학습영상의 취득 방식에 관해 기재되어 있지 않다. Techniques related thereto have been proposed in Korean Patent Laid-Open Nos. 10-2016-0034726 and Korean Patent Registration No. 10-1235777. First, Korean Patent Laid-Open Publication No. 10-2016-0034726 discloses a technique for detecting and diagnosing polymer insulators through an automation system, and describes a method for constructing learning data for detecting polymer insulators not. Next, Korean Patent Registration No. 10-1235777 discloses a technique for diagnosing a power facility using various cameras, but does not describe a method of acquiring a learning image for detecting a distribution facility.
이러한 기술들은 배전설비의 검출 학습이 적용된 후, 그것을 활용하는 형태의 방식 및 분야에 초점을 두고 있을 뿐, 검출의 기반 기술이 되는 배전설비의 영상학습에 대해 전혀 고려하지 못하고 있다.These technologies focus on the mode and field of application of detection and learning of distribution facilities, but they do not take into consideration the image learning of distribution facilities as the underlying technology of detection.
다시 말해, 이러한 기술들은 진단 현장에서의 폴리머애자 및 배전설비의 이상유무를 진단하는 방식에 주로 개시되어 있고, 전체 진단 과정에서 패턴인식을 통해 관심 대상인 배전설비를 인식하는 단계를 포함하고 있지만, 구체적으로 패턴을 생성하는 영상자료를 구성하는 방식에 대해 개시되어 있지 않다.In other words, these techniques are mainly disclosed in a method of diagnosing the abnormality of the polymer insulator and the power distribution facility at the diagnosis site and include a step of recognizing the power distribution facility of interest through pattern recognition in the entire diagnosis process, A method of constructing an image data for generating a pattern is not disclosed.
따라서, 객체 검출을 위해서는 해당 배전설비에 대한 영상을 다양한 조건에서 다수 획득하여 영상 기계학습에 활용할 수 있는 자동화된 방식으로 영상을 취득할 방안이 필요한 실정이다.Therefore, in order to detect an object, it is necessary to acquire a plurality of images of the distribution facility in various conditions, and to acquire images in an automated manner that can be utilized for image machine learning.
본 발명의 목적은 실제 배전설비가 설치된 환경과 유사한 환경을 구현하여 다양한 형태의 영상을 사전 취득함으로써, 인공지능 기계학습용 영상 데이터베이스를 구축하기 위한, 배전설비의 영상 기계학습을 위한 영상 취득 장치를 제공하는데 있다.An object of the present invention is to provide an image acquisition device for image machine learning of a distribution facility for building an image database for artificial intelligence machine learning by preliminarily acquiring various types of images by implementing an environment similar to an environment in which actual distribution facilities are installed .
본 발명의 일실시예에 따른 배전설비의 영상 기계학습을 위한 영상 취득 장치는, 배전설비를 촬영하기 위한 카메라; 상기 배전설비와 상기 카메라 각각에 태양광이 구현된 조명을 형성하기 위해 상호 이격 배치되는 제1 광원부 및 제2 광원부; 상기 배전설비의 좌우 또는 상하 방향으로 회전함에 따라 상기 배전설비의 자세를 조정하기 위한 배전설비 자세 조정부; 및 상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부 각각에 제어명령을 전달함에 따라 상기 배전설비가 설치된 실제 환경과 유사한 환경을 재현하여 상기 배전설비의 영상을 취득하기 위한 사용자 단말기;를 포함할 수 있다.According to an embodiment of the present invention, an image acquisition apparatus for image machine learning of a power distribution facility includes a camera for photographing a distribution facility; A first light source unit and a second light source unit which are spaced apart from each other to form an illumination in which solar light is implemented in each of the power distribution facility and the camera; A power distribution posture adjusting unit for adjusting the posture of the power distribution facility as it rotates in the left-right direction or the up-down direction of the power distribution facility; And a control unit for transmitting a control command to each of the camera, the first light source unit, the second light source unit, and the power distribution posture adjusting unit to reproduce an environment similar to an actual environment in which the power distribution facility is installed, And a terminal.
일실시예에 따르면, 상기 배전설비 주변에 날씨 상황에 따른 조도를 조절하여 환경등 기능을 제공하기 위한 제3 광원부;를 더 포함할 수 있다.According to an embodiment of the present invention, a third light source unit may be provided around the power distribution facility to provide functions such as an environment by adjusting illuminance according to weather conditions.
상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부는, 암막 구조물 형태의 본체 내부에 설치되며, 상기 본체는, 다면체 구조물일 수 있다.The camera, the first light source unit, the second light source unit, and the power supply posture adjusting unit are installed inside a body in the form of a dark structure, and the body may be a polyhedral structure.
상기 제1 광원부는, 상기 배전설비의 상공 주변에서 상기 배전설비를 기준으로 후방 180° 범위에 대해 태양광 형태의 조명을 형성할 수 있다.The first light source unit may form a solar-type light over a rearward 180 ° range in the vicinity of the power distribution facility based on the power distribution facility.
상기 제1 광원부는, 태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하기 위한 제1 프레임; 각각이 태양광 형태를 재현하는 원형조명이고, 상기 제1 프레임의 굴곡면에 대응되어 일렬로 배치되는 복수의 제1 원형조명; 및 상기 배전설비의 상공 주변에서 상기 제1 프레임을 회전 구동시키기 위해, 상기 제1 프레임의 일단을 회전축에 연결되는 제1 모터;를 포함할 수 있다.The first light source unit may include a first frame for forming a curved surface in multiple stages to express the altitude of the sun; A plurality of first circular lights arranged in a line corresponding to the curved surfaces of the first frame; And a first motor connected to the rotary shaft at one end of the first frame for rotationally driving the first frame in the vicinity of the power distribution facility.
상기 제2 광원부는, 상기 카메라의 상공 주변에서 상기 카메라를 기준으로 전방 180° 범위에 대해 태양광 형태의 조명을 형성할 수 있다.The second light source unit may form a sunlight-type illumination with respect to the camera in the up-and-down direction of the camera in the forward 180 ° range.
상기 제2 광원부는, 태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하기 위한 제2 프레임; 각각이 태양광 형태를 재현하는 원형조명이고, 상기 제2 프레임의 굴곡면에 대응되어 일렬로 배치되는 복수의 제1 원형조명; 및 상기 카메라의 상공 주변에서 상기 제1 프레임을 회전 구동시키기 위해, 상기 제1 프레임의 일단을 회전축에 연결되는 제1 모터;를 포함할 수 있다.The second light source unit includes a second frame for forming a curved surface in multiple stages to express the altitude of the sun; A plurality of first circular lights arranged in a line corresponding to the curved surface of the second frame; And a first motor connected to the rotary shaft at one end of the first frame to rotate the first frame around the camera.
상기 제1 프레임과 상기 제2 프레임 각각은, 상기 제1 모터 또는 제2 모터의 회전 구동을 통해 상기 배전설비가 실제로 설치된 현장에서 태양광이 조사되는 반구면 형태의 공간을 형성할 수 있다.Each of the first frame and the second frame may form a hemispherical space through which sunlight is irradiated at a site where the power distribution facility is actually installed through rotational drive of the first motor or the second motor.
상기 복수의 제1 원형조명 및 제2 원형조명 각각은, 개별적으로 온/오프 제어를 위한 식별자(ID)가 부여될 수 있다.Each of the plurality of first circular illumination and the second circular illumination may be given an identifier (ID) for on / off control individually.
상기 제3 광원부는, 상기 제1 광원부가 연결된 본체 상부에 배치될 수 있다.The third light source unit may be disposed above the main body to which the first light source unit is connected.
상기 배전설비 자세 조정부는, 상기 배전설비를 소정이 높이를 갖는 공간상에 눕혀진 상태로 고정시키기 위한 한 쌍의 설비 지그; 상기 한 쌍의 설비 지그 일측에 연결되어 상기 배전설비를 상하 방향으로 회전 구동시키기 위한 측면 모터; 상기 한 쌍의 설비 지그를 지지하기 위한 설비 지지부; 상기 설비 지지부의 하부에 고정되는 하부 회전판; 및 상기 하부 회전판을 좌우 방향으로 회전 구동시키기 위한 하부 모터;를 포함할 수 있다.Wherein the power distribution unit posture adjustment unit includes: a pair of facility jigs for fixing the power distribution facility in a state in which the power distribution facility is laid down on a space having a predetermined height; A side motor connected to one side of the pair of the fixture jigs to rotationally drive the power distribution unit in a vertical direction; A facility support for supporting the pair of facility jigs; A lower rotating plate fixed to a lower portion of the equipment supporting portion; And a lower motor for rotationally driving the lower rotating plate in the left-right direction.
상기 카메라는, 상기 배전설비와 동일한 높이와 일직선상에서 촬영할 수 있다.The camera can take a picture on the same height and straight line as the power distribution facility.
상기 제어 명령은, 명령 시작 식별자를 의미하는 'STX 커맨드', 장치 식별자를 의미하는 'ID 커맨드', 제어 코드를 의미하는 'CMD 커맨드', 설정값과 현재상태 데이터를 의미하는 'DATA 커맨드', 데이터 검사합을 의미하는 'CS 커맨드', 명령 종료 식별자를 의미하는 'EXT 커맨드'가 포함되는 구조일 수 있다.The control command includes an 'STX command' indicating an instruction start identifier, an 'ID command' indicating a device identifier, a 'CMD command' indicating a control code, a 'DATA command' A 'CS command' indicating a data check sum, and an 'EXT command' indicating an instruction termination identifier.
상기 사용자 단말기는, 상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부를 제어하는 기능을 제공하는 응용 애플리케이션이 탑재됨에 따라, 모터 제어, 광원 제어, 카메라 제어, 수동 제어, 프리셋 제어 기능을 수행할 수 있다.The user terminal is equipped with an application for providing a function of controlling the camera, the first light source unit, the second light source unit, and the power distribution posture adjusting unit, so that the user terminal can control the motor, the light source, Control functions can be performed.
상기 사용자 단말기는, 각 모터의 회전범위와 회전단위를 조정하여 영상을 취득할 수 있다.The user terminal can acquire an image by adjusting the rotation range and the rotation unit of each motor.
본 발명은 실제 배전설비가 설치된 환경과 유사한 환경을 구현하여 다양한 형태의 영상을 사전 취득함으로써, 인공지능 기계학습용 영상 데이터베이스를 구축할 수 있다.The present invention realizes an environment similar to an environment in which an actual power distribution facility is installed, and can acquire various types of images in advance, thereby building an image database for artificial intelligent machine learning.
또한, 본 발명은 현장에서 설비의 영상 검출 및 설비의 상태를 자동으로 판정하기 위한 기계 학습을 위하여, 실제 설비가 설치된 환경과 유사한 각도, 광원, 광원의 위치를 다르게 하여 영상에서 나타날 수 있는 다양한 형태의 영상을 사전에 취득할 수 있다.In addition, the present invention can be applied to various types of images that can appear in an image, such as angles, light sources, and positions of light sources, which are similar to the environments where actual facilities are installed, Can be acquired in advance.
또한, 본 발명은 현장에서 설치된 설비의 영상정보를 활용하는 것보다 많은 영상 데이터를 확보하여 기계학습이 가능하기 때문에, 설비 검출의 정확도를 높일 수 있는 인공지능기술의 확보가 가능하다.In addition, since the present invention can acquire more image data than that using the image information of a facility installed in the field, machine learning is possible, and therefore it is possible to secure an artificial intelligence technology capable of improving the accuracy of facility detection.
또한, 본 발명은 다양한 영상 데이터의 확보가 실험실에서 가능하기 위한 광학 촬영 환경 제어 기술 확보가 가능하다.In addition, the present invention can secure an optical imaging environment control technology for assuring various image data in a laboratory.
또한, 본 발명은 확보된 데이터의 영상 학습을 통하여 배전 설비 영상 검출 및 장애 진단의 정확보를 높일 수 있다.In addition, the present invention can enhance the determination of power distribution facility image detection and fault diagnosis through video learning of secured data.
또한, 본 발명은 진단 신뢰도 향상 및 오진단 예방에 따라 배전설비의 불필요한 교체비용을 절감할수 있으며, 영상 학습을 위한 자료 확보 비용도 절감할 수 있다.In addition, according to the present invention, it is possible to reduce the unnecessary replacement cost of the power distribution facilities according to the diagnosis reliability improvement and the false diagnosis prevention, and to save the data acquisition cost for the image learning.
또한, 본 발명은 고장을 사전에 방지하고 고장에 따른 정전비용을 회피 할 수 있으며, 유지보수비용을 절감함으로써 배전설비 진단시스템과 연계 활용하여 손실을 절감할 수 있다.In addition, the present invention can prevent failures in advance, avoid power outage costs due to failures, and reduce maintenance costs, so that losses can be reduced by using them in connection with a power distribution system diagnosis system.
또한, 본 발명은 전력산업에 적용된 설비 장애 진단 기술의 고도화로 정전을 줄이고 전력계통의안정화를 도모하여 국내 산업의 발전을 기대할 수 있다.In addition, the present invention can anticipate the development of the domestic industry by reducing the power outage and stabilizing the power system by upgrading the equipment fault diagnosis technology applied to the electric power industry.
또한, 본 발명은 전력설비의 적기 교체에 따른 고장 예방으로 전기 품질 향상과 안정적인 전력계통 운영에 기여함으로써 고객 만족도를 향상시킬 수 있다.In addition, the present invention can improve customer satisfaction by contributing to improvement of electric quality and stable power system operation by preventing failure due to timely replacement of electric power facilities.
도 1은 배전설비 진단 시스템 개발을 위해 취득한 영상시료 보유현황을 나타낸 도면,
도 2는 광학카메라를 활용한 배전선로 진단을 나타낸 도면,
도 3은 영상 인공지능에서 학습데이터 수량을 증가시킬 때 객체 검출에 미치는 영향을 나타낸 도면,
도 4는 본 발명의 일실시예에 따른 배전설비의 영상 기계학습을 위한 영상 취득 장치에 대한 도면,
도 5는 상기 도 4의 영상 취득 장치의 외부 및 내부를 나타낸 도면,
도 6은 제1 모터 및 제2 모터의 회전 범위를 설명하는 도면,
도 7은 응용 애플리케이션이 탑재된 사용자 단말기의 세부 구성을 나타낸 도면,
도 8은 제어명령 프로토콜 구조에 대한 도면,
도 9는 사용자 인터페이스의 설정화면 및 촬영화면을 나타낸 도면,
도 10은 촬영된 실제 영상을 나타낸 도면,
도 11은 배전설비별 영상 개수에 따른 검출율을 나타낸 도면이다.FIG. 1 is a drawing showing the state of an image sample obtained for the development of a distribution facility diagnosis system,
FIG. 2 is a diagram showing a diagnosis by a distribution line using an optical camera,
FIG. 3 is a diagram showing the effect on object detection when increasing the quantity of learning data in the artificial intelligence,
FIG. 4 is a diagram of an image acquisition apparatus for image machine learning of a power distribution facility according to an embodiment of the present invention,
5 is a view showing the outside and inside of the image capturing apparatus of FIG. 4,
6 is a view for explaining the rotation range of the first motor and the second motor,
7 is a view showing a detailed configuration of a user terminal equipped with an application application,
8 is a diagram of a control command protocol structure,
9 is a view showing a setting screen and a photographing screen of the user interface,
10 is a view showing a photographed actual image,
11 is a diagram showing a detection rate according to the number of images per distribution facility.
이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description and the accompanying drawings, detailed description of well-known functions or constructions that may obscure the subject matter of the present invention will be omitted. It should be noted that the same constituent elements are denoted by the same reference numerals as possible throughout the drawings.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms and words used in the present specification and claims should not be construed in an ordinary or dictionary sense, and the inventor shall properly define the terms of his invention in the best way possible It should be construed as meaning and concept consistent with the technical idea of the present invention.
따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.Therefore, the embodiments described in the present specification and the configurations shown in the drawings are merely the most preferred embodiments of the present invention, and not all of the technical ideas of the present invention are described. Therefore, It is to be understood that equivalents and modifications are possible.
첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 본 발명은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되어지지 않는다.In the accompanying drawings, some of the elements are exaggerated, omitted or schematically shown, and the size of each element does not entirely reflect the actual size. The invention is not limited by the relative size or spacing depicted in the accompanying drawings.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.When an element is referred to as "including" an element throughout the specification, it is to be understood that the element may include other elements as well, without departing from the spirit or scope of the present invention. Also, when a part is referred to as being "connected" to another part, it includes not only "directly connected" but also "electrically connected" with another part in between.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expressions include plural expressions unless the context clearly dictates otherwise. It will be understood that terms such as "comprise" or "comprise ", when used in this specification, specify the presence of stated features, integers, , But do not preclude the presence or addition of one or more other features, elements, components, components, or combinations thereof.
또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.Also, as used herein, the term "part " refers to a hardware component such as software, FPGA or ASIC, and" part " However, "part" is not meant to be limited to software or hardware. "Part" may be configured to reside on an addressable storage medium and may be configured to play back one or more processors. Thus, by way of example, and not limitation, "part (s) " refers to components such as software components, object oriented software components, class components and task components, and processes, Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays and variables. The functions provided in the components and "parts " may be combined into a smaller number of components and" parts " or further separated into additional components and "parts ".
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly illustrate the present invention, parts not related to the description are omitted, and similar parts are denoted by like reference characters throughout the specification.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings.
도 4는 본 발명의 일실시예에 따른 배전설비의 영상 기계학습을 위한 영상 취득 장치에 대한 도면이고, 도 5는 상기 도 4의 영상 취득 장치의 외부 및 내부를 나타낸 도면이다.FIG. 4 is a view of an image acquisition apparatus for image machine learning of a power distribution facility according to an embodiment of the present invention, and FIG. 5 is a diagram showing an exterior and an interior of the image acquisition apparatus of FIG.
도 4 및 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 배전설비의 영상 기계학습을 위한 영상 취득 장치(이하 '영상 취득 장치'라 함, 100)는, 실제 배전설비가 설치된 환경과 유사한 환경을 구현하여 다양한 형태의 영상을 사전 취득함으로써, 현장 배전설비의 영상을 검출하거나, 배전설비의 상태를 자동으로 판단하기 위한 인공지능 기계학습용 영상 데이터베이스를 구축할 수 있다.4 and 5, an image acquisition apparatus (hereinafter, referred to as 'image acquisition apparatus') 100 for image machine learning of a distribution facility according to an embodiment of the present invention includes an environment in which an actual distribution facility is installed It is possible to construct a video database for artificial intelligent machine learning for detecting images of the field distribution facility or automatically determining the state of the power distribution facilities.
이를 위해, 영상 취득 장치(100)는 내부에 거치되어 있는 배전설비(10)의 자세를 다양하게 변화시키면서 광원의 방향, 각도, 세기 등을 제어하여 다각도로 정형화된 영상을 생성 및 관리한다. 즉, 영상 취득 장치(100)는 배전설비(10)의 고유 각도와 광원의 조도를 쉽게 설정 가능하므로, 설정값의 변화를 자동으로 제어하여 기계학습을 위한 많은 수의 영상을 용이하게 취득할 수 있다.To this end, the
이러한 영상 취득 장치(100)는 암막 구조물 형태의 본체(1) 내부에 제1 광원부(110), 제2 광원부(120), 제3 광원부(130), 배전설비 자세 조정부(140), 카메라(150)가 포함되고, 본체(1) 외부에 내부 구성요소들에 대한 제어 기능을 제공하는 사용자 단말기(160)가 연결된다.The
여기서, 본체(1)는 폴리카보네이트(polycarbonate) 재질의 면으로 둘러싸인 다면체 구조물로 제작될 수 있다(도 5의 (a) 참조).Here, the
제1 광원부(110)와 제2 광원부(120)는 태양의 이동에 따라 카메라(150)와 태양 간의 상대위치(즉, 순광, 역광, 측광 등)를 재현하기 위해, 상호 이격 배치하여 다양한 상황을 설정함으로써 배전설비(10)와 카메라(150)에 태양광이 구현된 조명을 형성한다. The first
구체적으로, 제1 광원부(110)는 배전설비(10)의 상공 주변에서 배전설비(10)를 기준으로 후방 180° 범위에 대해 태양광 형태의 조명을 형성하는 것으로서, 제1 프레임(111), 복수의 제1 원형조명(112), 제1 모터(113)를 포함한다.Specifically, the first
제1 프레임(111)은 태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하며, 배전설비(10)를 향하는 면에 복수의 제1 원형조명(112)이 일렬로 배치된다. 이 경우, 제1 프레임(111)은 복수의 제1 원형조명(112)을 위한 전기적인 연결선이 형성된다.The
복수의 제1 원형조명(112) 각각은 태양광 형태를 재현하는 원형 조명으로서, 제1 프레임(111)의 굴곡면에 대응되어 일렬로 배치된다(도 5의 (b) 참조). 예를 들어, 제1 프레임(111)은 7개의 굴곡면을 형성하면, 복수의 제1 원형조명(112)은 7개의 LED 백색등으로 제1 프레임(111)의 굴곡면에 장착된다. 여기서, 복수의 제1 원형조명(112) 각각은 개별적으로 온/오프 제어를 위한 식별자(ID)가 부여된다. 따라서, 복수의 제1 원형조명(112)은 상, 중, 하, 오프 상태로 밝기가 조정될 수 있다.Each of the plurality of first
그리고, 제1 프레임(111)은 본체(1)의 상부에 고정된 제1 모터(113)의 회전축에 일단이 연결되어, 배전설비(10)의 상공 주변에서 회전 구동된다. One end of the
마찬가지로, 제2 광원부(120)는 카메라(150) 주변 상공에서 카메라(150)를 기준으로 전방 180°에 대해 태양광 형태의 조명을 형성하는 것으로서, 제2 프레임(121), 복수의 제2 원형조명(122), 제2 모터(123)를 포함한다.Likewise, the second
제2 프레임(121)은 태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하며, 배전설비(10)를 향하는 면에 복수의 제2 원형조명(122)이 일렬로 배치된다. 이 경우, 제2 프레임(121)은 복수의 제2 원형조명(122)을 위한 전기적인 연결선이 형성된다.The
복수의 제2 원형조명(122) 각각은 태양광 형태를 재현하는 원형 조명으로서, 제2 프레임(121)의 굴곡면에 대응되어 일렬로 배치된다(도 5의 (b) 참조). 예를 들어, 제2 프레임(121)은 5개의 굴곡면을 형성하면, 복수의 제2 원형조명(122)은 5개의 LED 백색등으로 제2 프레임(121)의 굴곡면에 장착된다. 여기서, 복수의 제2 원형조명(122) 각각은 개별적으로 온/오프 제어를 위한 식별자(ID)가 부여된다. 따라서, 복수의 제2 원형조명(122)은 상, 중, 하, 오프 상태로 밝기가 조정될 수 있다.Each of the plurality of second
그리고, 제2 프레임(121)은 본체(1)의 상부에 고정된 제2 모터(123)의 회전축에 일단이 연결되어, 카메라(150)의 상공 주변에서 회전 구동된다. One end of the
한편, 도 6을 참조하면, 제1 모터(113)는 배전설비(10)를 기준으로 후방 180°의 회전 범위를 갖고, 제2 모터(123)는 카메라(150)를 기준으로 전방 180°의 회전 범위를 갖는다. 도 6은 제1 모터 및 제2 모터의 회전 범위를 설명하는 도면이다. 6, the
이로써, 제1 프레임(111)과 제2 프레임(121) 각각은 제1 모터(113) 또는 제2 모터(123)의 회전 구동을 통해 배전설비(10)가 실제로 설치된 현장에서 태양광이 조사되는 반구면(돔) 형태의 공간을 재현할 수 있다. Thus, the
배전설비(10)가 실제로 설치된 현장에서 태양광이 조사되는 반구면(돔) 형태의 공간은, 반구면 형태의 프레임을 제작하고, 반구면 형태의 프레임의 전면에 원형조명을 장착하는 형태로 구현할 수도 있으나, 제1 프레임(111)과 제2 프레임(121) 각각이 제1 모터(113) 또는 제2 모터(123)의 회전 구동을 통해서도 충분히 구현 가능하므로 이러한 방식이 효율적이라 할 수 있다.A dome-shaped space in which sunlight is irradiated at the site where the
아울러, 제1 모터(113) 또는 제2 모터(123)는 1초 단위로 회전의 시작과 종료 상태를 사용자 단말기(160)로 송신한다. 이때, 제1 모터(113) 또는 제2 모터(123)는 현재의 회전값을 180°기준의 절대값으로 환산하여 송신한다.In addition, the
제3 광원부(130)는 본체(1) 내부의 밝기를 조절하는데, 사용자의 내부 작업을 위한 작업용 조명으로 활용된다.The third
또한, 제3 광원부(130)는 날씨 상황에 따른 조도를 조절하여 배전설비(10) 상공 주변에 환경등 기능을 구현한다. 예를 들어, 제3 광원부(130)는 현장에서의 맑은 날씨의 낮 환경, 해질녘의 노을진 환경, 야간 환경을 구현한다.In addition, the third
이러한 제3 광원부(130)는 백색 및 황색으로 구성된 형광등으로서, 제1 광원부(110)가 연결된 본체(1) 상부에 배치된다.The third
배전설비 자세 조정부(140)는 배전설비(10)의 좌우 또는 상하 방향으로 회전함에 따라 배전설비(10)의 자세를 조정한다. 여기서, 배전설비(10)는 배전선로상에 실제 설치된 상태를 재현하기 위해, 배전설비 자세 조정부(140)의 하부로부터 소정이 높이를 갖는 공간상에 눕혀진 상태로 고정된다.The power distribution facility
구체적으로, 배전설비(10)의 양단은 하부 회전판(141)의 상부측 방향으로 세워진 설비 지지부(143)의 양단에 각각 장착된다. 이 경우, 하부 회전판(141)은 하부면에 하부 모터(142)이 연결되어 회전 구동될 수 있다. 즉, 하부 회전판(141)은 하부 모터(142)의 회전 구동을 통해 좌우 방향으로 회전 가능하다. 이는 배전설비(10)의 좌우 방향 회전이 가능함을 의미한다.Concretely, both ends of the
또한, 설비 지지부(143)의 양단은 하부 회전판(141)과 동심원을 형성하는 원의 둘레에서 서로 대향하여 위치한다. 즉, 설비 지지부(143)의 양단은 서로 연결하면, 해당 동심원의 지름에 해당된다. Both ends of the
그리고, 설비 지지부(143)의 양단은 배전설비(10)의 양단을 장착하고 분리하기 위한 한 쌍의 설비 지그(144, 145)를 구비한다. 설비 지그(144, 145)는 배전설비(10)의 양단에 대한 장착 또는 분리를 용이하게 하기 위해 나사형 지그일 수 있다. Both ends of the
아울러, 설비 지그(144, 145)는 일측에 측면 모터(146)가 연결되어 회전 구동될 수 있다. 즉, 설비 지그(144, 145)는 측면 모터(146)의 회전 구동을 통해 상하 방향으로 회전 가능하다. 이는 배전설비(10)의 상하 방향 회전이 가능함을 의미한다.In addition, the facility jigs 144 and 145 may be rotationally driven by connecting a
한편, 하부 모터(142)는 하부 회전판(141)을 360°회전하는 기능을 제공하며, 사용자 단말기(160)로부터 수신된 제어명령에 따라 최소 회전각도 1°단위로 스텝 회전 구동이 가능하다. 이때, 하부 모터(142)는 1초 단위로 회전의 시작과 종료 상태를 사용자 단말기(160)로 송신하고, 현재의 회전값을 360°기준 절대값으로 환산하여 송신한다.Meanwhile, the
마찬가지로, 측면 모터(146)는 설비 지그(144, 145)를 360°회전하는 기능을 제공하며, 사용자 단말기(160)로부터 수신된 제어명령에 따라 최소 회전각도 1°단위로 스텝 회전 구동이 가능하다. 이때, 측면 모터(146)는 1초 단위로 회전의 시작과 종료 상태를 사용자 단말기(160)로 송신하고, 현재의 회전값을 360°기준 절대값으로 환산하여 송신한다.Likewise, the
카메라(150)는 제1 광원부(110) 또는 제2 광원부(120)에 의한 조명 설정과 배전설비 자세 조정부(140)에 의한 배전설비(10)의 자세 설정이 완료된 후, 배전설비(10)를 촬영하여 영상을 취득한다. 이 경우, 카메라(150)는 지면으로부터 소정의 높이를 갖는 카메라 고정부(151) 상에 설치되어, 배전설비(10)와 동일 높이와 일직선상에서 배전설비(10)를 촬영할 수 있다. The
이처럼, 카메라(150)는 배전설비(10)에 대한 촬영 각도(즉, 0°)를 고정하여 동일한 배전설비(10)를 언제나 동일한 모양으로 촬영한다. 이는 동일한 배전설비(10)가 다른 각도에서 촬영됨으로 인해 동일한 영상으로 판단되지 않는 경우를 방지하기 위함이다.Thus, the
또한, 카메라(150)는 카메라 제어 기능이 탑재되어 사용자 단말기(160)에 의한 배전설비(10)에 대한 줌(zoom)/포커스(focus) 제어가 가능하며, 5Ｍ 픽셀(pixel)의 고해상도 영상을 취득할 수 있다.The
부가적으로, 카메라 고정부(151)는 적외선 센서를 이용하여 배전설비(10)가 동일 높이와 일직선상에 위치하는지를 확인 및 조정할 수도 있다.In addition, the
사용자 단말기(160)는 영상 취득 장치(100)의 내부 구성요소를 제어하는 기능을 제공하기 위한 프로그램 또는 소프트웨어(이하 '응용 애플리케이션'이라 함)가 탑재된다. 이때, 사용자 단말기(160)는 컴퓨터 PC, 노트북, 스마트폰(Smart Phone), 휴대 단말(Portable Terminal), 이동 단말(Mobile Terminal), 개인 정보 단말(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말, 노트 패드(Note Pad), 와이브로(Wibro) 단말, 타블렛 PC(Tablet PC) 등일 수 있다.The
도 7과 같이, 사용자 단말기(160)는 응용 애플리케이션이 탑재됨에 따라 응용 애플리케이션이 제공하는 기능을 수행하는 구성요소로서 기능한다. 도 7은 응용 애플리케이션이 탑재된 사용자 단말기의 세부 구성을 나타낸 도면이다. As shown in FIG. 7, the
이에 따라, 사용자 단말기(160)는 통신 인터페이스부(161), 제어부(162), 영상 저장부(163), 사용자 인터페이스부(164)를 포함한다.Accordingly, the
통신 인터페이스부(161)는 제1 광원부(110), 제2 광원부(120), 카메라(150) 및 배전설비 자세 조정부(140)에 대한 통신 기능을 담당한다. 이때, 사용자 단말기(160)는 이더넷 방식을 이용하고, 제1 광원부(110), 제2 광원부(120), 카메라(150) 및 배전설비 자세 조정부(140)는 시리얼 방식을 이용한다. 이에 따라, 통신 인터페이스부(161)는 상호 간에 통신을 위해 이더넷 및 시리얼 방식 간 데이터 변환 기능을 적용한다.The
이 경우, 통신 인터페이스부(161)는 7 바이트(byte)의 제어명령을 사용하는데, 도 8과 같은 제어명령 프로토콜 구조로 정의된다. 도 8은 제어명령 프로토콜 구조에 대한 도면이다. In this case, the
구체적으로, 첫번째 바이트(BYTE0)는 'STX' 커맨드(command)로서, 명령 시작 식별자를 의미한다. 두번째 바이트(BYTE1)는 'ID' 커맨드로서, 장치 식별자를 의미한다. 세번째 바이트(BYTE2)는 'CMD' 커맨드로서, 제어명령 코드를 의미한다. 네번째 바이트(BYTE3)와 다섯번째 바이트(BYTE4)는 각각 'DATA1'와 DATA2' 커맨드로서, 데이터(설정값/현재상태)를 의미한다. 여섯번째 바이트(BYTE5)는 'CS' 커맨드로서, 데이터 검사합(check sum)을 의미한다. 일곱번째 바이트(BYTE6)는 'EXT' 커맨드로서, 명령 종료 식별자를 의미한다.Specifically, the first byte (BYTE0) is an 'STX' command, which means a command start identifier. The second byte (BYTE1) is an 'ID' command, which means a device identifier. The third byte (BYTE2) is the 'CMD' command, which means the control command code. The fourth byte (BYTE3) and the fifth byte (BYTE4) are DATA1 and DATA2 commands, respectively, and represent data (set value / current status). The sixth byte (BYTE5) is a 'CS' command, which means a check sum. The seventh byte (BYTE6) is an 'EXT' command, which means an instruction termination identifier.
이처럼, 제1 광원부(110), 제2 광원부(120), 카메라(150) 및 배전설비 자세 조정부(140) 각각은 통신 인터페이스부(161)를 통해 전달된 제어명령에 따라 설정 및 구동하고, 각 기기의 상태정보를 통신 인터페이스부(161)를 통해 사용자 단말기(160)로 전달한다.Each of the first
제어부(162)는 모터 제어(162a), 광원 제어(162b), 카메라 제어(162c), 수동 제어(162d), 프리셋 제어(162e)를 수행한다.The
먼저, 모터 제어(162a)는 제1 광원부(110)의 제1 모터(113), 제2 광원부(120)의 제2 모터(123), 배전설비 자세 조정부(140)의 하부 모터(142)와 측면 모터(146)에 대해 제어명령을 이용하여 모터 구동 제어를 수행한다. 이때, 모터 제어(162a)는 각 모터들의 자가 위치 및 상태를 1초 단위로 요청하고, 수신된 결과를 저장한다.First, the
또한, 모터 제어(162a)는 초기 동작시 모터의 회전 정확도 향상을 위하여 모터를 처음 세팅된 위치로 자동 보정하는 과정인 자가 위치 보정을 수행하여 취득된 영상에 포함된 설비회전 각도와 관련된 정확도를 개선한다.In addition, the
다음, 광원 제어(162b)는 제1 광원부(110)의 복수의 제1 원형조명(112), 제2 광원부(120)의 복수의 제2 원형조명(122), 제3 광원부(130)에 대해 제어명령을 이용하여 온/오프 제어를 수행한다.Next, the
이때, 광원 제어(162b)는 제1 광원부(110)의 복수의 제1 원형조명(112), 제2 광원부(120)의 복수의 제2 원형조명(122)의 밝기를 제어하며, 태양의 광원 형태를 재현하기 위해 온 상태의 원형조명의 선택 변경시 자동으로 타원형 조명을 오프 상태로 제어한다.The
다음, 카메라 제어(162c)는 영상 취득에 필요한 자동초점조절 기능, 자동밝기제어 기능, 자동역광보정 기능에 대해 제어명령을 이용하여 영상보정 제어를 수행한다. 이때, 카메라 제어(162c)는 최초 단계의 설정을 제한하며, 이후 자동으로 동작하여 운영한다.Next, the
다음, 수동 제어(162d)는 효과적인 영상 취득을 위해 사용자가 원하는 각도, 광원을 조작하고, 상태를 확인하는 역할을 한다. 모터 제어(162a), 광원 제어(162b), 카메라 제어(162c)는 수동으로 제어 가능하다.Next, the
이때, 수동 제어(162d)는 사용자 조작 완료 이후에, 프리셋 제어(162e) 또는 초기화 상태로 설정될 수 있다.At this time, the
다음, 프리셋 제어(162e)는 촬영 과정에 필요한 모터, 광원, 카메라를 사전에 설정 및 저장하여 다음 촬영시 사전 저장된 설정을 재사용하여 영상을 취득한다. 사전 설정 항목은 모터의 회전 범위 및 회전 스텝, 광원의 조명 온/오프를 조합하는 항목일 수 있다.Next, the
영상 저장부(163)는 카메라(150)에 의해 촬영된 영상을 사전 사용자 설정정보와 함께 저장하고, 해당 데이터를 구조화 한다. 사용자 설정 정보는 배전설비의 종류, 배전설비의 정상유무이다. 이는 배전설비의 영상 학습을 수행할 때 배전설비의 영상을 효과적으로 분류하기 위한 정보이다. 영상은 손실이 적은 무압축 비트맵(BMP) 파일로 저장될 수 있다.The
사용자 인터페이스부(164)는 제1 광원부(110), 제2 광원부(120), 카메라(150) 및 배전설비 자세 조정부(140)에 대한 제어를 위한 설정값을 조정하거나, 배전설비(10)에 대해 취득된 영상들을 확인하는 일련의 사용자 환경을 제공한다.The
도 9a 및 도 9b와 같이, 사용자 인터페이스부(164)는 설정 화면(도 9a 참조)과 촬영 화면(도 9b 참조)으로 구성될 수 있다. 도 9a는 사용자 인터페이스의 설정화면을 나타낸 도면이고, 도 9b는 사용자 인터페이스의 촬영화면을 나타낸 도면이다. 9A and 9B, the
설정 화면은 사용자가 촬영을 목적으로 한 프리셋 제어 설정을 목적으로 기능 수행되며, 촬영 화면은 설정된 프리셋 값에 의한 영상 취득 시작 및 동작상태 모니터링을 목적으로 수행된다.The setting screen is performed for the purpose of setting a preset control for the purpose of photographing by the user, and the photographing screen is performed for the purpose of starting the image acquisition by the set preset value and monitoring the operation state.
이처럼, 영상 취득 장치(100)는 다양한 모터(제1 모터, 제2 모터, 하부 모터, 측면 모터)와 원형조명의 조합을 통해 배전설비의 촬영 각도(상하, 좌우), 조명(순광, 역광, 측광)의 연출이 가능하다. 이를 통해, 영상 취득 장치(100)는 도 10과 같이 영상 기계학습을 위해 다양한 영상을 획득할 수 있다. 도 10은 촬영된 실제 영상을 나타낸 도면이다. As described above, the
이때, 영상 취득 장치(100)는 취득되는 영상의 개수가 다음과 같이 산출될 수 있다. 여기서, 영상 취득 장치(100)는 모터의 회전범위를 크게 하고, 회전단위를 작게 하면, 대규모의 기계학습을 위한 영상 취득이 가능하다.At this time, the
영상의 개수는 아래 수학식 1과 같이 각 모터의 스탭수와 원형조명의 스탭수로 나타낼 수 있다.The number of images can be expressed by the number of steps of each motor and the number of steps of circular illumination as shown in
여기서, N은 영상 취득수이고, N1은 하부 모터의 스탭수, N2는 측면 모터의 스탭수, N3은 제1 모터 또는 제2 모터의 스탭수, N4는 원형조명 스탭수를 나타낸다.Here, N is the number of acquired images, N 1 will be the staff of the lower motor, N 2 is the number of side motor staff, N 3 will be the staff of the first motor or the second motor, N 4 shows a circular can lighting Staff .
그리고, N1 내지 N3는 다음 수학식 2와 같이 나타내고, N4는 다음 수학식 3과 같이 나타낼 수 있다.N 1 to N 3 can be expressed by the following equation (2), and N 4 can be expressed by the following equation (3).
예를 들어, 하부 모터의 회전범위가 90°이고, 회전단위가 10°이면, 하부 모터의 스탭수 N1은 9이다. 측면 모터의 회전범위가 360°이고, 회전단위가 10°이면, 측면 모터의 스탭수 N2는 36이다. 제2 모터의 회전범위가 180°이고, 회전단위가 10°이면, 제2 모터의 스탭수 N3은 18이다. 원형조명이 1번부터 5번까지 모두 온 상태이면, 원형조명의 스탭수 N4는 5이다. 따라서, 영상 취득수 N은 29,160(즉, 9×36×18×5=29,160)장이 된다. For example, if the rotation range of the lower motor is 90 ° and the rotation unit is 10 °, the number N 1 of steps of the lower motor is 9. If the rotation range of the side motor is 360 ° and the rotation unit is 10 °, the number of steps N 2 of the side motor is 36. If the rotation range of the second motor is 180 ° and the rotation unit is 10 °, the number of steps N 3 of the second motor is 18. If all the circular illumination from 1 to 5 times the on state, the number of staff in the circular illumination N 4 is 5. Therefore, the number of image acquiring N is 29,160 (i.e., 9 x 36 x 18 x 5 = 29,160).
도 11은 배전설비별 영상 개수에 따른 검출율을 나타낸 도면이다.11 is a diagram showing a detection rate according to the number of images per distribution facility.
도 11을 참조하면, 영상 취득 장치(100)로 취득한 배전설비 영상의 인식 정확도는 통상적으로 1만개 정도의 영상을 이용하여 객체 검출에 대한 기계학습을 수행하는 경우 약 90%정도의 검출 정확도를 확보할 수 있었다. 검출 정확도는 학습 영상의 개수가 증가하는 경우 더욱 정확해진다. Referring to FIG. 11, when the machine learning for object detection is performed using an image of about 10,000 images, the detection accuracy of the power distribution facility image acquired by the
그런데, 기존에는 1만개 정도의 영상을 현장에서 취득할 경우 취득을 위한 기간이 약 3개월 이상이 걸렸지만, 영상 취득 장치(100)는 보다 짧은 시간 내에 원하는 배전설비의 영상을 확보할 수 있다.In the past, the time required for acquisition of about 10,000 images on the spot took about three months or more. However, the
이러한 영상 취득 장치(100)는 송전선로 감시진단 분야에도 활용될 수 있다. 이 경우, 영상 취득 장치(100)는 영상 기계학습을 위해 송전용 애자, 스페이서 댐퍼, 접속부, 항공장애표시구 등의 영상분석기술 활용이 가능한 송전용 전력설비의 영상 취득에 활용될 수 있다.The
또한, 이러한 영상 취득 장치(100)는 열화상카메라를 이용한 감시진단 분야에도 활용될 수 있다. 이 경우, 영상 취득 장치(100)는 열화상 카메라를 이용하여 영상 취득에 적용함으로써, 열화상 자동 분석 기계학습을 위한 열화상 영상 취득 장치 개발에 활용할 수 있다.The
비록 상기 설명이 다양한 실시예들에 적용되는 본 발명의 신규한 특징들에 초점을 맞추어 설명되었지만, 본 기술 분야에 숙달된 기술을 가진 사람은 본 발명의 범위를 벗어나지 않으면서도 상기 설명된 장치 및 방법의 형태 및 세부 사항에서 다양한 삭제, 대체, 및 변경이 가능함을 이해할 것이다. 따라서, 본 발명의 범위는 상기 설명에서보다는 첨부된 특허청구범위에 의해 정의된다. 특허청구범위의 균등 범위 안의 모든 변형은 본 발명의 범위에 포섭된다.Although the foregoing is directed to novel features of the present invention that are applicable to various embodiments, those skilled in the art will appreciate that the apparatus and method described above, without departing from the scope of the present invention, It will be understood that various deletions, substitutions, and alterations can be made in form and detail without departing from the spirit and scope of the invention. Accordingly, the scope of the present invention is defined by the appended claims rather than the foregoing description. All variations within the scope of the appended claims are embraced within the scope of the present invention.
110 : 제1 광원부
111 : 제1 프레임
112 : 복수의 제1 원형조명
113 : 제1 모터
120 : 제2 광원부
121 : 제2 프레임
122 : 복수의 제2 원형조명
123 : 제2 모터
130 : 제3 광원부
140 : 배전설비 자세 조정부
141 : 하부 회전판
142 : 하부 모터
143 : 설비 지지부
144, 145 : 설비 지그
146 : 측면 모터
150 : 카메라
151 : 카메라 고정부
160 : 사용자 단말기
161 : 통신 인터페이스부
162 : 제어부
162a : 모터 제어
162b : 광원 제어
162c : 카메라 제어
162d : 수동 제어
162e : 프리셋 제어
163 : 영상 저장부
164 : 사용자 인터페이스부110: first light source unit 111: first frame
112: a plurality of first circular lights 113: first motor
120: second light source unit 121: second frame
122: a plurality of second circular lights 123: second motor
130: Third light source unit 140: Power distribution facility posture adjustment unit
141: lower rotating plate 142: lower motor
143:
146: side motor 150: camera
151: camera fixing unit 160: user terminal
161: communication interface unit 162:
162a:
162c:
162e: Preset control 163:
164: User interface section
Claims (15)
상기 배전설비와 상기 카메라 각각에 태양광이 구현된 조명을 형성하기 위해 상호 이격 배치되는 제1 광원부 및 제2 광원부;
상기 배전설비의 좌우 또는 상하 방향으로 회전함에 따라 상기 배전설비의 자세를 조정하기 위한 배전설비 자세 조정부; 및
상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부 각각에 제어명령을 전달함에 따라 상기 배전설비가 설치된 실제 환경과 유사한 환경을 재현하여 상기 배전설비의 영상을 취득하기 위한 사용자 단말기;
를 포함하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
A camera for photographing a distribution facility;
A first light source unit and a second light source unit which are spaced apart from each other to form an illumination in which solar light is implemented in each of the power distribution facility and the camera;
A power distribution posture adjusting unit for adjusting the posture of the power distribution facility as it rotates in the left-right direction or the up-down direction of the power distribution facility; And
A user terminal for acquiring an image of the distribution facility by reproducing an environment similar to an actual environment in which the distribution facility is installed by transmitting a control command to each of the camera, the first light source unit, the second light source unit, ;
And an image acquisition device for image machine learning of the power distribution facility.
상기 배전설비 주변에 날씨 상황에 따른 조도를 조절하여 환경등 기능을 제공하기 위한 제3 광원부;
를 더 포함하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
A third light source for providing a function such as an environment by adjusting illuminance around the distribution facility according to weather conditions;
And an image acquisition device for image machine learning of the distribution facility.
상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부는, 암막 구조물 형태의 본체 내부에 설치되며,
상기 본체는, 다면체 구조물인 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The camera, the first light source unit, the second light source unit, and the power distribution unit posture adjustment unit are installed inside a body in the form of a dark structure,
The main body is an image acquisition device for image machine learning of a distribution facility that is a polyhedral structure.
상기 제1 광원부는,
상기 배전설비의 상공 주변에서 상기 배전설비를 기준으로 후방 180° 범위에 대해 태양광 형태의 조명을 형성하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The first light source unit includes:
An image acquisition device for image machine learning of a distribution facility that forms a solar type of illumination for a range of 180 ° behind the distribution facility in the vicinity of the distribution facility.
상기 제1 광원부는,
태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하기 위한 제1 프레임;
각각이 태양광 형태를 재현하는 원형조명이고, 상기 제1 프레임의 굴곡면에 대응되어 일렬로 배치되는 복수의 제1 원형조명; 및
상기 배전설비의 상공 주변에서 상기 제1 프레임을 회전 구동시키기 위해, 상기 제1 프레임의 일단을 회전축에 연결되는 제1 모터;
를 포함하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The first light source unit includes:
A first frame for forming curved surfaces in multiple stages to represent the altitude of the sun;
A plurality of first circular lights arranged in a line corresponding to the curved surfaces of the first frame; And
A first motor connected to the rotary shaft at one end of the first frame to rotate the first frame around the power distribution facility;
And an image acquisition device for image machine learning of the power distribution facility.
상기 제2 광원부는,
상기 카메라의 상공 주변에서 상기 카메라를 기준으로 전방 180° 범위에 대해 태양광 형태의 조명을 형성하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The second light source unit includes:
An image capturing device for image machine learning of a distribution facility that forms a sunlight type illumination for a range of 180 degrees forward with respect to the camera in the sky above the camera.
상기 제2 광원부는,
태양의 고도를 나타내기 위해 다단으로 굴곡면을 형성하기 위한 제2 프레임;
각각이 태양광 형태를 재현하는 원형조명이고, 상기 제2 프레임의 굴곡면에 대응되어 일렬로 배치되는 복수의 제1 원형조명; 및
상기 카메라의 상공 주변에서 상기 제1 프레임을 회전 구동시키기 위해, 상기 제1 프레임의 일단을 회전축에 연결되는 제1 모터;
를 포함하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The second light source unit includes:
A second frame for forming curved surfaces in multiple stages to represent the altitude of the sun;
A plurality of first circular lights arranged in a line corresponding to the curved surface of the second frame; And
A first motor connected to the rotation axis at one end of the first frame to rotate the first frame around the camera;
And an image acquisition device for image machine learning of the power distribution facility.
상기 제1 프레임과 상기 제2 프레임 각각은,
상기 제1 모터 또는 제2 모터의 회전 구동을 통해 상기 배전설비가 실제로 설치된 현장에서 태양광이 조사되는 반구면 형태의 공간을 형성하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 5 or 7,
Wherein each of the first frame and the second frame includes:
Wherein the first motor or the second motor forms a hemispherical space in which sunlight is irradiated at a site where the power distribution facility is actually installed through rotational drive of the first motor or the second motor.
상기 복수의 제1 원형조명 및 제2 원형조명 각각은,
개별적으로 온/오프 제어를 위한 식별자(ID)가 부여되는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 5 or 7,
Wherein each of the plurality of first circular illuminations and the second circular illuminations comprises:
An image acquisition device for image machine learning of a distribution facility to which an identifier (ID) is individually assigned for on / off control.
상기 제3 광원부는,
상기 제1 광원부가 연결된 본체 상부에 배치되는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
3. The method of claim 2,
The third light source unit includes:
And an image capturing device for image machine learning of a distribution facility disposed above the main body to which the first light source unit is connected.
상기 배전설비 자세 조정부는,
상기 배전설비를 소정이 높이를 갖는 공간상에 눕혀진 상태로 고정시키기 위한 한 쌍의 설비 지그;
상기 한 쌍의 설비 지그 일측에 연결되어 상기 배전설비를 상하 방향으로 회전 구동시키기 위한 측면 모터;
상기 한 쌍의 설비 지그를 지지하기 위한 설비 지지부;
상기 설비 지지부의 하부에 고정되는 하부 회전판; 및
상기 하부 회전판을 좌우 방향으로 회전 구동시키기 위한 하부 모터;
를 포함하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The power distribution unit posture adjusting unit includes:
A pair of facility jigs for fixing the power distribution facility in a state in which the power distribution facility is laid down on a space having a predetermined height;
A side motor connected to one side of the pair of the fixture jigs to rotationally drive the power distribution unit in a vertical direction;
A facility support for supporting the pair of facility jigs;
A lower rotating plate fixed to a lower portion of the equipment supporting portion; And
A lower motor for rotationally driving the lower rotating plate in the left-right direction;
And an image acquisition device for image machine learning of the power distribution facility.
상기 카메라는,
상기 배전설비와 동일한 높이와 일직선상에서 촬영하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The camera comprises:
An image acquisition device for image machine learning of a distribution facility that shoots on a straight line and at the same height as the distribution facility.
상기 제어 명령은,
명령 시작 식별자를 의미하는 'STX 커맨드', 장치 식별자를 의미하는 'ID 커맨드', 제어 코드를 의미하는 'CMD 커맨드', 설정값과 현재상태 데이터를 의미하는 'DATA 커맨드', 데이터 검사합을 의미하는 'CS 커맨드', 명령 종료 식별자를 의미하는 'EXT 커맨드'가 포함되는 구조인 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The control command includes:
A 'DATA COMMAND' indicating a set value and a current status data, a 'DATA COMMAND' indicating a data check sum, an 'STX command' indicating a command start identifier, an 'ID command' indicating a device identifier, a 'CMD command' And a 'EXT command' indicating an instruction termination identifier.
상기 사용자 단말기는,
상기 카메라, 상기 제1 광원부, 상기 제2 광원부 및 상기 배전설비 자세 조정부를 제어하는 기능을 제공하는 응용 애플리케이션이 탑재됨에 따라, 모터 제어, 광원 제어, 카메라 제어, 수동 제어, 프리셋 제어 기능을 수행하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.
The method according to claim 1,
The user terminal comprises:
An application for providing a function of controlling the camera, the first light source unit, the second light source unit, and the power distribution posture adjustment unit is mounted, and thereby performs motor control, light source control, camera control, manual control, Image acquisition device for video machine learning of distribution facility.
상기 사용자 단말기는,
각 모터의 회전범위와 회전단위를 조정하여 영상을 취득하는 배전설비의 영상 기계학습을 위한 영상 취득 장치.The method according to claim 1,
The user terminal comprises:
An image acquisition device for image machine learning of a distribution facility that acquires an image by adjusting a rotation range and a rotation unit of each motor.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170125110A KR20190036185A (en) | 2017-09-27 | 2017-09-27 | Image acquisition appartus for the image machine learning of distribution equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170125110A KR20190036185A (en) | 2017-09-27 | 2017-09-27 | Image acquisition appartus for the image machine learning of distribution equipment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190036185A true KR20190036185A (en) | 2019-04-04 |
Family
ID=66105461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170125110A KR20190036185A (en) | 2017-09-27 | 2017-09-27 | Image acquisition appartus for the image machine learning of distribution equipment |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190036185A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113055650A (en) * | 2021-03-18 | 2021-06-29 | 四川大学 | Power distribution uninterrupted operation field audio and video cooperative auxiliary system |
| KR102503532B1 (en) * | 2022-04-29 | 2023-02-24 | 강철수 | Switchboard monitoring amn management system having image photographing device |
| KR102503525B1 (en) * | 2022-04-29 | 2023-02-24 | 강철수 | Switch boared monitoring system |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101235777B1 (en) | 2011-09-26 | 2013-02-21 | 유성훈 | Artificial intelligent utilization on judgement diagnostic system for electrical power ficilities using comples diagnosis eqipment |
| KR20160034726A (en) | 2014-09-22 | 2016-03-30 | 한국전력공사 | Apparatus and method for diagnosing suspension insulator |
-
2017
- 2017-09-27 KR KR1020170125110A patent/KR20190036185A/en unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101235777B1 (en) | 2011-09-26 | 2013-02-21 | 유성훈 | Artificial intelligent utilization on judgement diagnostic system for electrical power ficilities using comples diagnosis eqipment |
| KR20160034726A (en) | 2014-09-22 | 2016-03-30 | 한국전력공사 | Apparatus and method for diagnosing suspension insulator |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113055650A (en) * | 2021-03-18 | 2021-06-29 | 四川大学 | Power distribution uninterrupted operation field audio and video cooperative auxiliary system |
| KR102503532B1 (en) * | 2022-04-29 | 2023-02-24 | 강철수 | Switchboard monitoring amn management system having image photographing device |
| KR102503525B1 (en) * | 2022-04-29 | 2023-02-24 | 강철수 | Switch boared monitoring system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2512121B1 (en) | Illumination device | |
| KR20190036185A (en) | Image acquisition appartus for the image machine learning of distribution equipment | |
| CN102681295A (en) | Illumination device for a camera | |
| US11792552B2 (en) | Method for obtaining information about a luminaire | |
| JP2017143427A (en) | Monitor camera | |
| US20220195994A1 (en) | Blade inspection device and a blade condition monitoring system | |
| CN104867479A (en) | Device and method for adjusting screen brightness of splicing display device | |
| CN207321390U (en) | A kind of novel high-definition Intelligent internet of things video camera | |
| CN203722342U (en) | Inspection system of transformer station | |
| CN113141442B (en) | Camera and light supplementing method thereof | |
| CN205300516U (en) | Adjustment iris diaphragm's rotating device and iris diaphragm's measuring mechanism | |
| CN114554093B (en) | Image acquisition system and target tracking method | |
| CN202818504U (en) | High-definition panoramic automatic tracking monitoring device | |
| CN112399067B (en) | Panoramic shooting method and device, electronic equipment and storage medium | |
| CN107613249A (en) | Border supervising device, system and method | |
| CN205017430U (en) | Device is shot to self -adaptation image | |
| EP3770424A1 (en) | Blade inspection device and a blade condition monitoring system | |
| CN201464709U (en) | Ultra-distance laser night vision camera for police | |
| CN205912163U (en) | Wireless investigation ball of integration machine | |
| CN212936028U (en) | Power equipment inspection device under power grid emergency repair night vision environment | |
| CN107995427A (en) | A kind of the focusing drive motor means and focusing method of intelligence ball machine | |
| KR20220139569A (en) | System for Vehicle Number Recognition Control Using Artificial Intelligence and Method thereof | |
| CN111432532A (en) | Visual light control system and method | |
| CN113380187A (en) | Method and system for detecting and correcting brightness and color difference of LED display screen | |
| CN113497877A (en) | Image pickup apparatus, control method, and storage medium |