[發(fā)明專利]一種輸電線路中絕緣子缺損分析的圖片自動檢測方法在審
| 申請?zhí)枺?/td> | 201710031406.X | 申請日: | 2017-01-17 |
| 公開(公告)號: | CN106803254A | 公開(公告)日: | 2017-06-06 |
| 發(fā)明(設計)人: | 陳銳豪;尹從源;葉茂林;陳建偉 | 申請(專利權)人: | 廣東容祺智能科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 518131 廣東省深圳市龍華新區(qū)龍華辦事處*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 輸電 線路 絕緣子 缺損 分析 圖片 自動檢測 方法 | ||
技術領域
本發(fā)明涉及無人機技術的應用領域,特別涉及一種輸電線路中絕緣子缺損分析的圖片自動檢測方法。
背景技術
目前民用無人機可用于電力巡檢工作領域:裝配有高清數碼攝像機和照相機以及GPS定位方法的無人機,可沿電網進行定位自主巡航,實時傳送拍攝影像,監(jiān)控人員可在電腦上同步收看與操控。推薦理由:采用傳統(tǒng)的人工電力巡線方式,條件艱苦,效率低下,一線的電力巡查工偶爾會遭遇“被狗攆”“被蛇咬”的危險。無人機實現了電子化、信息化、智能化巡檢,提高了電力線路巡檢的工作效率、應急搶險水平和供電可靠率。而在山洪暴發(fā)、地震災害等緊急情況下,無人機可對線路的潛在危險,諸如塔基陷落等問題進行勘測與緊急排查,絲毫不受路面狀況影響,既免去攀爬桿塔之苦,又能勘測到人眼的視覺死角,對于迅速恢復供電很有幫助。
綜上,目前市面上的OSD視頻疊加方案均有各種缺陷,急需成本低且穩(wěn)定的方案。
發(fā)明內容
本發(fā)明所要解決的技術問題是提供一種輸電線路中絕緣子缺損分析的圖片自動檢測方法,以解決現有技術中導致的上述多項缺陷。
為實現上述目的,本發(fā)明提供以下的技術方案:一種輸電線路中絕緣子缺損分析的圖片自動檢測方法,包括以下步驟:
1)加載圖片;
2)進行識別定位到絕緣子;
3)缺損分析;
4)有無問題的圖片自動分類;絕緣子有缺陷的歸到絕緣子缺陷文件夾、絕緣子污穢的圖片歸到絕緣子污穢文件夾,完整無缺損的絕緣子圖片照片歸到正常文件夾;
5)輸出絕緣子缺損報告。
優(yōu)選的,所述步驟1)具體為準備正負樣本:正樣本即只包含絕緣子的圖片;負樣本即背景圖片,背景選取是從含絕緣子的圖片中截取出來除去絕緣子的部分,目的在于提取到絕緣子會存在的各種背景。
優(yōu)選的,所述步驟2)具體為完整提取圖片中的絕緣子:準備好了正負樣本之后使用深度學習CNN將樣本進行訓練,最終訓練結果即可將絕緣子部分完整提取出來。
優(yōu)選的,所述步驟3)具體為絕緣子缺陷以及污損檢測:首先采用局部二元模式算法提取絕緣子的紋理特征,然后利用半監(jiān)督學習的方法將絕緣子分類,包括正常、自爆、受污穢和其他四種類型;對絕緣子圖像中的自爆缺陷采用滑動窗口的方法計算模板和窗口的直方圖距離,通過歸一化的直方圖距離判斷是否存在缺陷,并定位缺陷位置;最后對局部污穢進行檢測,利用提取縱向灰度值變化率的方法對污穢行檢測,破壞絕緣子縱向灰度變化率規(guī)律的位置即為局部污穢的區(qū)域。
采用以上技術方案的有益效果是:通過絕緣子自動識別分析系統(tǒng),加載圖片文件后自動識別絕緣子的缺損情況,自動分類到絕緣子正常文件夾、絕緣子缺陷文件夾、絕緣子污穢文件,并進行歸檔,實現全自動識別。相比較人為檢查即提高了效率又降低了準確率。
附圖說明
圖1是本發(fā)明的流程圖。
具體實施方式
大量絕緣子圖片的缺損判斷急需一種準確度高、自動化的方案來檢查,因此設計一款絕緣子自動識別、分析方法顯得非常重要。
下面結合附圖詳細說明本發(fā)明一種輸電線路中絕緣子缺損分析的圖片自動檢測方法的實施方式。
圖1出示本發(fā)明一種輸電線路中絕緣子缺損分析的圖片自動檢測方法的具體實施方式:一種輸電線路中絕緣子缺損分析的圖片自動檢測方法,包括以下步驟:
1)加載圖片;
2)進行識別定位到絕緣子;
3)缺損分析;
4)有無問題的圖片自動分類;絕緣子有缺陷的歸到絕緣子缺陷文件夾、絕緣子污穢的圖片歸到絕緣子污穢文件夾,完整無缺損的絕緣子圖片照片歸到正常文件夾;
5)輸出絕緣子缺損報告。
工作人員可以直接通過查看絕緣子缺損報告來得知輸電線路上絕緣子的缺損情況,及時進行維修。
在本實施例中,所述步驟1)具體為準備正負樣本:正樣本即只包含絕緣子的圖片;負樣本即背景圖片,背景選取是從含絕緣子的圖片中截取出來除去絕緣子的部分,目的在于提取到絕緣子會存在的各種背景。
在本實施例中,所述步驟2)具體為完整提取圖片中的絕緣子:準備好了正負樣本之后使用深度學習CNN將樣本進行訓練,最終訓練結果即可將絕緣子部分完整提取出來。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東容祺智能科技有限公司,未經廣東容祺智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710031406.X/2.html,轉載請聲明來源鉆瓜專利網。





