電網(wǎng)防振錘缺陷自動(dòng)判別方法
【專利摘要】本發(fā)明涉及輸電線路檢修【技術(shù)領(lǐng)域】，具體是一種電網(wǎng)防振錘缺陷自動(dòng)判別方法；其包括如下步驟：源圖像提取、存儲(chǔ)、分析；完成導(dǎo)線圖像的提取；對(duì)背景干擾圖像的過(guò)濾；實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理；對(duì)圖像庫(kù)進(jìn)行智能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別；本發(fā)明的實(shí)現(xiàn)了對(duì)巡視數(shù)據(jù)進(jìn)行存儲(chǔ)、處理、分析；通過(guò)對(duì)數(shù)據(jù)進(jìn)行分切片處理，對(duì)圖像進(jìn)行提取、背景降噪及圖像增強(qiáng)，并建立防振錘安裝圖像庫(kù)，采用智能識(shí)別引擎學(xué)習(xí)，并輸入經(jīng)提取、降噪、增強(qiáng)的圖片數(shù)據(jù)，自動(dòng)識(shí)別防振錘位置異常，有效降低了工作量，提高了巡視數(shù)據(jù)判讀的效率，提高了防振錘位置異常的準(zhǔn)確率和及時(shí)率，為電網(wǎng)的安全運(yùn)行提供了先決條件。
【專利說(shuō)明】電網(wǎng)防振錘缺陷自動(dòng)判別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及輸電線路檢修【技術(shù)領(lǐng)域】，具體是一種電網(wǎng)防振錘缺陷自動(dòng)判別方法。【背景技術(shù)】
[0002]電網(wǎng)屬于資產(chǎn)密集型的行業(yè)，面對(duì)海量的電網(wǎng)資產(chǎn)設(shè)備，要及時(shí)發(fā)現(xiàn)設(shè)備隱患，及時(shí)制定有效的檢修計(jì)劃，保證電網(wǎng)的高可靠性和高穩(wěn)定性，所以需要及時(shí)準(zhǔn)確地發(fā)現(xiàn)設(shè)備缺陷隱患，將電網(wǎng)的威脅降到最低是電網(wǎng)行業(yè)亟待解決的問(wèn)題；在輸電線路的管理維護(hù)過(guò)程中，線路分布于高山峽谷，輸電線路的高壓架空線路桿位較高，檔距較大，架空電力線路受風(fēng)、冰、低溫等氣象條件的作用，使線路產(chǎn)生振動(dòng)和舞動(dòng),振動(dòng)頻率較高而振幅很小,振動(dòng)使得架空線在懸點(diǎn)處反復(fù)拗折，引起材料疲勞，最后導(dǎo)致斷線事故，舞動(dòng)的頻率很低，而振幅卻很大，很容易引起相間閃絡(luò)，造成線路跳閘、停電或燒傷導(dǎo)線等嚴(yán)重事故，而防振錘在消除線路自振以及消除風(fēng)等引起的諧振方面發(fā)揮不可替代的作用。
[0003]現(xiàn)有技術(shù)中，直升機(jī)巡視是目前普遍采用的輸電線路巡視方式，通過(guò)搭載紅外攝像機(jī)、可見(jiàn)光攝像機(jī)對(duì)電路進(jìn)行持續(xù)拍攝，在桿塔處直升機(jī)進(jìn)行懸停拍攝，對(duì)絕緣子、防振錘進(jìn)行多角度拍攝，最終形成TB級(jí)別的視頻數(shù)據(jù)，然后將視頻切割成以桿塔為主題的片段，進(jìn)行人工識(shí)別評(píng)估，通過(guò)該方式識(shí)別防振錘位置的異常，這種方式工作量很大、效率很低，而且人工判別防振錘位置異位不夠敏感，除非防振錘存在重大安全隱患，否則很難被肉眼發(fā)現(xiàn)，隨著大數(shù)據(jù)時(shí)代的來(lái)臨，hadoop技術(shù)的蓬勃發(fā)展，使得海量數(shù)據(jù)的視頻、圖像的存儲(chǔ)、分析、學(xué)習(xí)成為可能，基于大數(shù)據(jù)的圖像智能識(shí)別技術(shù)在各行各業(yè)應(yīng)用廣泛之勢(shì)，通過(guò)圖像識(shí)別技術(shù)自動(dòng)完成輸電線路缺陷的識(shí)別定位將成為必然趨勢(shì)。

【發(fā)明內(nèi)容】

[0004]針對(duì)上述現(xiàn)有技術(shù)中的不足之處，本發(fā)明旨在提供一種識(shí)別效率高、識(shí)別更加精確的電網(wǎng)防振錘缺陷自動(dòng)判別方法。
[0005]為解決上述技術(shù)問(wèn)題，本發(fā)明的電網(wǎng)防振錘缺陷自動(dòng)判別方法，其包括如下步驟:
[0006](I)源圖像提取、存儲(chǔ)、分析；
[0007](2)完成導(dǎo)線圖像的提取；
[0008](3)對(duì)背景干擾圖像的過(guò)濾；
[0009](4)實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理；
[0010](5)對(duì)圖像庫(kù)進(jìn)行智能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別。
[0011]具體的，所述實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理包括如下步驟:
[0012]建立導(dǎo)線防振錘安裝圖像庫(kù)管理；
[0013]實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配；
[0014]使用自適應(yīng)匹配的灰度增強(qiáng)閾值，對(duì)防振錘圖像進(jìn)行圖像增強(qiáng)處理。[0015]所述對(duì)圖像庫(kù)進(jìn)行自能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別包括如下步驟:
[0016]對(duì)圖像庫(kù)中防振錘錘頭、防振錘線夾、鋼絞線進(jìn)行多角度智能學(xué)習(xí)；
[0017]輸入經(jīng)切片處理、背景降噪、灰度增強(qiáng)后的圖片，對(duì)防振錘的位置進(jìn)行判讀；
[0018]智能識(shí)別防振錘的異常缺陷。
[0019]所述源圖像采用直升機(jī)巡視采集，采集后采用hadoop技術(shù)對(duì)圖像進(jìn)行切片處理。
[0020]本發(fā)明的電網(wǎng)防振錘缺陷自動(dòng)判別方法，實(shí)現(xiàn)對(duì)巡視數(shù)據(jù)進(jìn)行存儲(chǔ)、處理、分析；通過(guò)對(duì)數(shù)據(jù)進(jìn)行分切片處理，對(duì)圖像進(jìn)行提取、背景降噪及圖像增強(qiáng)，并建立防振錘安裝圖像庫(kù)，采用智能識(shí)別引擎學(xué)習(xí)，并輸入經(jīng)提取、降噪、增強(qiáng)的圖片數(shù)據(jù)，自動(dòng)識(shí)別防振錘位置異常，有效降低了工作量，提高了巡視數(shù)據(jù)判讀的效率，提高了防振錘位置異常的準(zhǔn)確率和及時(shí)率，為電網(wǎng)的安全運(yùn)行提供了先決條件。
【專利附圖】

【附圖說(shuō)明】
[0021]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0022]圖1為本發(fā)明的電網(wǎng)防振錘缺陷自動(dòng)判別方法流程圖。
【具體實(shí)施方式】
[0023]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0024]如圖1所示，本發(fā)明的電網(wǎng)防振錘缺陷自動(dòng)判別方法，其包括如下步驟:
[0025](I)源圖像提取、存儲(chǔ)、分析；建立基于hadoop海量數(shù)據(jù)庫(kù)的提取、存儲(chǔ)分析平臺(tái)，所述源圖像采用直升機(jī)巡視采集，采集后采用hadoop技術(shù)對(duì)圖像進(jìn)行切片處理；
[0026](2)完成導(dǎo)線圖像的提取；采用梯度閾值限制的邊緣檢測(cè)算子和寬度閾值限制的Hough變換算法完成提取；
[0027](3)對(duì)背景干擾圖像的過(guò)濾；應(yīng)用均值濾波、中值濾波、平穩(wěn)小波閾值綜合多維度閾值的高斯噪聲和椒鹽噪聲消除算法實(shí)現(xiàn)背景干擾圖像的過(guò)濾；
[0028](4)實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理；結(jié)合海量導(dǎo)線防線錘安裝圖像數(shù)據(jù)，通過(guò)分類聚合技術(shù)及網(wǎng)絡(luò)學(xué)習(xí)算法實(shí)現(xiàn)；
[0029](5)對(duì)圖像庫(kù)進(jìn)行智能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別；基于高維三角形神經(jīng)元網(wǎng)絡(luò)算法實(shí)現(xiàn)。
[0030]具體的，所述實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理包括如下步驟:
[0031]建立導(dǎo)線防振錘安裝圖像庫(kù)管理；
[0032]實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配；
[0033]使用自適應(yīng)匹配的灰度增強(qiáng)閾值，對(duì)防振錘圖像進(jìn)行圖像增強(qiáng)處理。[0034]所述對(duì)圖像庫(kù)進(jìn)行自能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別包括如下步驟:
[0035]對(duì)圖像庫(kù)中防振錘錘頭、防振錘線夾、鋼絞線進(jìn)行多角度智能學(xué)習(xí)；
[0036]輸入經(jīng)切片處理、背景降噪、灰度增強(qiáng)后的圖片，對(duì)防振錘的位置進(jìn)行判讀；
[0037]智能識(shí)別防振錘的異常缺陷，構(gòu)建防振錘位置異常識(shí)別引擎，包括建立海量防振錘安裝數(shù)據(jù)庫(kù)；基于海量防振錘安裝圖像庫(kù)，構(gòu)建高維仿生神經(jīng)網(wǎng)絡(luò)識(shí)別算法。
[0038]以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種電網(wǎng)防振錘缺陷自動(dòng)判別方法，其特征在于，包括如下步驟: (1)源圖像提取、存儲(chǔ)、分析； (2)完成導(dǎo)線圖像的提??； (3)對(duì)背景干擾圖像的過(guò)濾； (4)實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理； (5)對(duì)圖像庫(kù)進(jìn)行智能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別。
2.根據(jù)權(quán)利要求1所述的電網(wǎng)防振錘缺陷自動(dòng)判別方法，其特征在于:所述實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配，對(duì)圖像進(jìn)行增強(qiáng)處理包括如下步驟: 建立導(dǎo)線防振錘安裝圖像庫(kù)管理； 實(shí)現(xiàn)圖像灰度增強(qiáng)閾值的自適應(yīng)匹配； 使用自適應(yīng)匹配的灰度增強(qiáng)閾值，對(duì)防振錘圖像進(jìn)行圖像增強(qiáng)處理。
3.根據(jù)權(quán)利要求1或2所述的電網(wǎng)防振錘缺陷自動(dòng)判別方法，其特征在于:所述對(duì)圖像庫(kù)進(jìn)行自能學(xué)習(xí)，實(shí)現(xiàn)防振錘異常缺陷的自動(dòng)判別包括如下步驟: 對(duì)圖像庫(kù)中防振錘錘頭、防振錘線夾、鋼絞線進(jìn)行多角度智能學(xué)習(xí)； 輸入經(jīng)切片處理、背景降噪、灰度增強(qiáng)后的圖片，對(duì)防振錘的位置進(jìn)行判讀； 智能識(shí)別防振錘的異常缺陷。
4.根據(jù)權(quán)利要求3所述的電網(wǎng)防振錘缺陷自動(dòng)判別方法，其特征在于:所述源圖像采用直升機(jī)巡視采集，采集后采用hadoop技術(shù)對(duì)圖像進(jìn)行切片處理。
【文檔編號(hào)】G06K9/46GK104021389SQ201410265094
【公開(kāi)日】2014年9月3日 申請(qǐng)日期:2014年6月16日 優(yōu)先權(quán)日:2014年6月16日
【發(fā)明者】楊晴, 段勇, 吳清華, 張 浩, 任瑩, 杞曉東, 胡勇 申請(qǐng)人:昆明能訊科技有限責(zé)任公司