[發(fā)明專利]基于圖像識別技術的輸電線路隱患及故障檢測方法

在審

• 申請?zhí)枺?/td>: 201610005625.6
• 申請日: 2016-01-05
• 公開（公告）號: CN105447530A
• 公開（公告）日: 2016-03-30
• 發(fā)明（設計）人: 楊蔚;周輝;杜毅;趙強;楊穎銳;楊生蘭;范強;李勝
• 申請（專利權）人: 國網(wǎng)四川省電力公司檢修公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 李玉興

技術領域

本發(fā)明屬于圖像識別技術識別領域，尤其涉及輸電線路典型缺陷識別和故障檢測。

背景技術

建設輸電線路典型缺陷識別模型庫便于實現(xiàn)智能化線路巡視工作，通過圖像識別、圖像分析、圖像處理、智能學習等技術的應用，能夠實現(xiàn)線路隱患自動判斷的目的。通過圖像識別技術在輸電線路隱患排查中的應用研究，可以提高巡視的及時性，能夠第一時間發(fā)現(xiàn)線路中存在的隱患或故障；提高巡視的科學性，系統(tǒng)根據(jù)不同的缺陷識別模型，進行圖片分析和識別，識別線路中存在的缺陷，快速定位準確的判斷缺陷發(fā)生的部位和類別；巡視智能化，通過缺陷識別模型，缺陷樣本庫，智能學習機制，科學高效的進行線路巡視；提高巡視的全面性，可以利用一切巡視手段進行線路巡視，通過智能識別自動分析線路缺陷；巡視的規(guī)范性，制定缺陷識別模型接口標準使得系統(tǒng)的兼容性更佳強大，適應更多的數(shù)據(jù)源接入系統(tǒng)。

發(fā)明內容

本發(fā)明針對現(xiàn)有技術的不足，提出一種基于圖像識別技術的輸電線路隱患及故障檢測方法，實現(xiàn)圖像智能化判斷，減少人工經(jīng)驗判斷造成的誤差。

該基于圖像識別技術的輸電線路隱患及故障檢測方法，包括如下步驟：

S1、建立樣本特征庫，即提取無缺陷圖像的樣本特征建立樣本特征庫；

S2、對缺陷圖像特征進行提取，具體為：

S21、對需要對比的圖像采用高斯濾波進行預處理；

S22、對S21所述預處理后的無缺陷圖像進行增強處理需求判定，若需要進行增強處理則轉入S22，如不需要進行增強處理則轉入S25；

S23、將S22所述需要增強處理的圖像轉到Lab空間，提取a空間圖像；

S24、對S23所述轉到a空間圖像進行直方圖均衡化處理；

S25、對圖像進行最大類間方差閾值分割，將目標與背景分割；

S26、采用形態(tài)學處理方法對S25所述分割后的圖像進行開運算，得到二值圖像；

S27、對S26所述二值圖像進行連通域過濾，保留連通域面積大于等于0.5倍閾值QH，小于等于2倍閾值QH的連通域，其中，QH為閾值；

S3、對缺陷圖像進行識別，具體包括：

S31、進行canny邊緣檢測；

S32、對邊緣點進行擬合；

S33、計算擬合誤差F，若擬合誤差F小于0.5則判定為破損，若擬合誤差F大于等于0.5則判定為無破損；

S4、對S1所述樣本特征庫進行訓練，具體為：

S41、加入新圖像的特征向量進行分類判斷，若屬于S1所述樣本特征庫則終止訓練，若不屬于S1所述樣本特征庫則轉到S42；

S42、判斷S41所述特征向量是否屬于支持向量，若屬于支持向量，則加入S1所述樣本特征庫，若不屬于支持向量，則不加入S1所述樣本特征庫；

S5、對S1所述樣本特征庫采用增量學習的方法提高智能程度，具體為：

S51、對新圖像對比S1所述樣本特征庫進行識別，若識別失敗，則轉入S51，若識別成功則轉入S4；

S52、進行人工劃定區(qū)域，劃出S51所述新圖像的特征區(qū)域；

S53、對S52所述特征區(qū)域采用S25所述最大類間方差閾值法進行分割，獲取目標區(qū)域；

S54、提取目標區(qū)域的特征向量，加入S1所述樣本特征庫。

進一步地，S27所述連通域過濾的具體步驟如下：

步驟A、對S26所述二值圖像的連通域面積進行統(tǒng)計，對每一塊連通域進行編號；

步驟B、計算步驟A所述連通域的中心坐標與S26所述二值圖像的中心坐標的幾何距離構成集合Q；

步驟C、選取步驟B所述集合Q中的最小值所對應的連通域的面積作為閾值QH；

步驟D、保留連通域面積大于等于0.5倍閾值QH，小于等于2倍閾值QH的連通域。

進一步地，S26所述形態(tài)學處理方法包括：腐蝕算法，膨脹算法和開閉運算。

進一步地，S32所述擬合包括：橢圓擬合和直線擬合。

本發(fā)明的有益效果是：

實現(xiàn)了圖像智能化判斷、分析機制，從完全人工判斷分析到少人判斷分析，再到全面的計算機自動化判斷分析，這樣大大減輕了平時的工作強度和疲勞度，提升了工作的標準化和規(guī)范化，同時減少了人工經(jīng)驗判斷可能造成的偏差，逐步實現(xiàn)計算機自動分析判斷隱患和故障能夠帶來大量的社會效益和經(jīng)濟效益，不但能夠提升整體的工作效率還能確保每一個細小的隱患能夠及時發(fā)現(xiàn)，降低隱患和故障對電力輸送線的影響。

附圖說明

圖1是對缺陷圖像識別的流程圖。