融合LSD算法与Hough变换的航拍输电线路图像杆塔自动识别方法

对输电线路的巡检能够确保电网的安全运行,利用无人机图像准确快速地实现架空线路及走廊的三维建模是推进智能电网建设的有效措施。考虑当前三维建模方法均未对线路杆塔进行有效建模,因此,本文提出了一种基于无人机图像的杆塔自动提取方法,能够从复杂的背景图像中完成对线路杆塔的有效识别。首先,采用RGB阈值对线路杆塔进行粗提取,并结合连通域对图像背景进行去除;然后通过LSD(Line Segment Detector)直线检测算法对杆塔进行直线分割检测和交运算;最后结合Hough变换对直线段进行编组,根据线路杆塔几何特征设计了杆塔提取算法。由无人机图像试验可知,本文所提出的线路杆塔自动提取方法能够有效排除图像复杂背景信息的干扰,实现线路杆塔的准确识别。     

基于图像拼接和帧间差分输电线路图像分割方法

针对无人机载红外摄像仪拍摄的输电线路红外图像易于受背景信息干扰且不易于分割出输电线信息,提出了一种基于图像拼接和帧间差分相结合的算法,来实现输电线分割定位信息。采用基于SIFT的图像配准算法来实现图像拼接,再将得到的两幅图像的重合部分进行帧间差分,初步实现了输电线的分割;采用Canny算法,对分割得到的输电线进行边缘检测,采用霍夫变换检测出分割出来的输电线,最终对输电线定位。     

无人机在输电线路巡检中的应用

为满足我国日益增长的电力需求,我国电网规模不断扩大,输电线路急速增加,输电范围愈来愈大。许多输电线处在复杂的地形与严峻的环境中,大幅增加了输电线的故障概率。为了确保稳定供电,提升输电线的检测效率是关键。采用无人机视察输电线可大大提高工作效率,减少了安全风险,特别是在环境恶劣的地方和人工检查难以抵达的地方。因此,文章将重点探究无人机输电线检测的应用。     

多物理量传感的输电线路安全距离测量及数据在线融合处理技术

针对目前输电线路施工缺乏吊臂机械结构与输电线路电气安全距离的实时监测手段，施工过程中靠看护人员肉眼难以准确识别安全距离的问题，研究输电线路识别测距和预警相关技术，解决输电线路防机械碰线实时监测手段缺失的问题。提出了以电场感应、回波反射、视觉识别等多物理量传感为手段，多传感数据同步测量、互为补充，建立了顾及运动状态参数及抗差估计思想的滤波解算方法，根据机械运动状态估计量，实时预测距离变化趋势。解决了输电线路导线目标小、周围电磁环境复杂、测量传感器与输电线相对运动引起的导线难以识别和测量的难题，实现了机械吊臂与输电线路安全距离的精确测量。     

基于无人机的输电线路设备识别方法研究

利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一,其优点是在无需拉闸断电的情况下,即可对输电线路进行检测,对其故障进行判别。根据输电线路设备的特征,应用图像处理与模式识别技术,提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理,然后提取预处理后图像的小波特征值,最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明,所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标,具有较好的鲁棒性和准确性。     

基于红外图像识别的输电线路故障诊断方法

基于红外图像研究了输电线路的故障诊断方法,首先采用LSD线段检测法提取红外图像中的导线,采用深度卷积神经网络提取红外图像中绝缘子,从而得到线路元件区域。在线路元件区域内进行温度和灰度分析提取发热点,并利用漫水填充算法对过热区域进行分割,提取骨架扫描点数、有效凸缺陷、引流线对缺陷类型进行识别。实验证明该算法有较高发热点定位准确率和缺陷类型识别准确率。     

基于多域测度重映射的输电线图像飘浮物分割

输电线上出现的漂浮物是影响输电线路安全运行的重要隐患。缠绕于输电线上的漂浮物极易造成输电线路相间短路、单相接地等故障,甚至造成电网大面积停电事故。因此,漂浮物是输电线智能视频分析系统重点监控的对象。文中提出了一种多域测度重映射算法,能有效地识别出输电线路上的漂浮物。     

基于感知组织的输电线路结构识别方法

为了提高输电线路缺陷诊断正确率，有效降低各种复杂背景纹理及光线对识别输电线路结构的影响，从Gestalt感知理论着手，研究一种多感知识别输电线路结构的方法。在图像识别的底层，提取不同方向、不同宽度的线段，研究了一种融合计算Gestalt定律的近似性、连续性、共线性的多级搜索算法，获得显著的、完整的输电线路人造对象轮廓；在图像识别的中层，研究一种基于分块与合并的计算方法能视觉感知近平行线、近对称交叉的结构，设计了一个三级分类器感知聚类平行线组；在图像识别的高层，研究输电线路的知识模型，建立识别输电线路组成结构的约束机制，进而从语义上唯一地识别输电线路的结构。通过无人机巡检采集的输电线路图像，验证这种方法能有效识别输电线路组成的杆塔、导线、地线及绝缘子所在区域。     

基于ＵＡＶ的输电线路周围植被管理分析

输电线路周围树枝触碰线路会导致大面积停电,因此,有必要对输电线路周围植被进行方便有效管理。为了实现输电线路周围植被简单高效管理,提出了一种基于无人机（unmanned aerial vehicles, UAV）测量技术的管理方法,通过无人机从输电线路正上方以外的位置和远离输电线路的位置获取图像,来得到不同时间下输电线路数据和传输设备信息,对输电线周围植被进行时间序列管理,通过国网提供的关于塔架位置和结构以及电力线垂度的信息,将弧垂信息与塔架的位置信息相结合来估计输电线路的位置,采用的输电线路与植被间距测量方法无需对场景进行全面3D重构,所提方法通过3个实验验证了有效性,所得结论有助于提高输电线路的巡检效率。     

基于图像处理的在线监测输电线断股垂落高度研究

为了保证输电线路的正常运行,及时对输电线断股的检测具有重要意义,本文将图像处理技术应用到在线监测输电线断股故障中,通过对采集的输电线图像进行去噪、阈值分割和边缘提取获取输电线边缘轮廓,然后建立数学模型进行分析,最后计算出断股线上边缘与输电线下边缘的最大垂直距离。试验结果表明,该方法操作方便、误差较小,可为输电线路检修提供宝贵的数据依据。     

基于无人机技术的输电线路检测和故障定位方法

针对现有技术中输电线路检测故障系统图像处理效率低、故障定位误差大等诸多问题,提出了一种新的基于无人机技术的输电线路检测与故障定位方法。在无人机中应用单目摄像头获取输电线路的视觉图像,并将每个图像发送到地面工作站,使用纹理过滤和图像校正方法来解决图像处理中摄像镜头畸变和噪声直接干扰的问题,大大提高了输电线路故障检测的精度,该研究还在无人机中增加了卫星导航与惯性测量单元附加传感器,通过不同概率密度函数提高无人机空间定位估计,即使在黑夜与大雾天气中,也能够实现输电线路检测和故障定位。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。     

±800kV直流输电特点和架线施工技术研究

实际应用±800kv特高压直流输电线,不仅全方位发展了电网技术,还防止因长距离输电而损耗电能。由此可知,新时期国家为实现全面发展,需要对特高压直流输电线路积极架设,通过±800kv特高压直流输电线有效应用电力资源,相应提高了国家经济发展水平。因此,电力企业必须系统研究架设±800kv特高直流输电线的技术,从而稳定运行线路。     

基于图像识别的无人机输电线路绝缘子故障检测方法研究

针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。     

基于图像处理的输电线路冰区发展趋势估计方法

输电线路的冰灾区域发展趋势的有效预测能提高线路的状态监测和故障排查能力,提出基于图像处理的输电线路冰区发展趋势估计方法。采用遥感图像采集技术进行输电线路遥感信息采集,对采集的输电线路遥感图像进行图像降噪处理,并对降噪输出的输电线遥感监测图像进行冰区域分块处理,结合图像分割方法进行冰区域预测和块估计,实现输电线路冰区发展趋势估计。实验结果表明,采用该方法进行输电线路冰区发展趋势估计判断准确性较高,监测的实时性较好。     

基于图像的输电线杆塔定位技术

介绍了无人机电力巡检的应用背景,结合国内外的发展现状,提出一种新的无源定位技术——基于图像的输电线杆塔定位技术。给出了基于图像的定位算法,同时分析了误差来源。具有高精确度定位定向系统(POS)的航摄相机能够绘制大比例尺的地形图,绘制地形图的过程实际上是目标定位的过程。将配备有高精确度POS和高清摄像机的载机光电转塔用于无人机输电线路巡检,完成对目标杆塔的实时定位,定位精确度达到5 m。     

基于图像识别的无人机输电线路断股检测系统设计

针对传统的输电线路人工沿线巡检方式成本高、效率和安全性低等缺陷,基于图像识别技术,设计并开发了一套实时的无人机输电线路断股检测系统。该系统利用输电线路直线特征,使用Laplacian算子对输电线路进行边缘检测,经闭运算、二值化运算后得到光滑边缘;使用改进后的霍夫变换与区域种子点获取和生长提取无人机实时拍摄的输电线路图像;最终,根据输电线路的宽度变化判断是否存在断股缺陷。该系统实际使用效果良好,能够明确显示断股缺陷信息,并能为相关输电线路的断股缺陷检测技术提供参考。     

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

基于改进像素聚类算法的输电线路冰区识别方法

为了提高输电线路的防灾减灾能力,特别是防治冰雪灾害的能力,需要进行输电线路冰区自动识别方法和系统设计,提出基于改进像素聚类算法的输电线路冰区识别方法。对气象卫星遥感监测采集的输电线路覆盖区域的遥感图像进行图像处理,提取图像中的冰覆盖像素特征点,结合边缘轮廓检测方法进行输电线路覆盖区域的冰区边缘轮廓检测,对冰区覆盖区域的像素特征进行模糊C均值聚类处理,实现区域分割识别。仿真结果表明,采用该方法进行输电线路冰区识别的准确率较高,视觉直观效果较好,便于指导施工抢修人员进行现场排除和巡线检修。     

基于高斯尺度空间GHT的绝缘子红外图像识别方法

绝缘子作为输电线路中用量庞大的部件,其状态对输电线路的稳定运行至关重要。针对现场红外图像中绝缘子的识别问题,设计了一种高斯尺度空间GHT方法,基于此,提出了一种基于高斯尺度空间GHT的绝缘子红外图像的识别方法。首先利用形态学方法滤除图像中的小块和噪音,基于Canny检测算子提取图像边缘;然后对模板进行高斯尺度空间分解,将分解结果和输入图像进行基于GHT的模板匹配;最后结合绝缘子的形状特征值识别出绝缘子。实验结果表明该方法可以准确地识别出绝缘子,并为后期绝缘子的故障诊断提供依据。     

基于GAN的改进RPN输电线路细小金具缺陷检测方法

输电线路在常年使用过程中会受到外界环境的影响,各种部件可能出现不同程度的破损,这给电力系统的稳定运行带来了巨大挑战,因此,输电线路各部件的检测对电力系统稳定运行起着关键作用。随着无人机巡检的广泛应用,基于机器视觉和深度学习的目标检测技术在输电线路缺陷检测领域得到了应用。针对输电线路细小金具图像质量差、样本数量少及类别不平衡而导致缺陷识别精确度低的问题,提出了一种基于GAN的改进RPN输电线路细小金具缺陷检测方法。利用生成式对抗网络（Generative Adversarial Networks, GAN）理论搭建了深度卷积网络的细小金具图像生成模型,通过生成器和判别器生成目标图像,丰富训练样本数据集,再基于Faster-RCNN目标检测网络训练细小金具缺陷识别模型;其次将Faster-RCNN中基于交叉熵的RPN分类损失替换为Focal loss,并保留所有前景及背景anchors来训练RPN,提高了细小金具中困难负样本在Faster-RCNN的区域建议网络（Region Proposal Networ, RPN）中的分类损失权重。实验结果表明,论文所提方法能够显著提高缺陷识别精确度,对电力巡检智能化缺陷诊断具有一定的参考价值。