共查询到17条相似文献,搜索用时 109 毫秒
1.
随着高电压、大功率、长距离输电线路的出现,输电线路穿越的地理环境日趋复杂,应用直升飞机巡检输电线路已成为电力发展的需要.对航拍绝缘子图像进行处理,以识别伞群脱落的绝缘子串,从而及时准确地掌握输电线路中绝缘子串的状态信息,为后续绝缘子故障处理提供必要的依据.采用图像增强、去噪、锐化、阈值分割、形态学和边缘提取等算法对绝缘子航拍图像进行了预处理,提出了对经过预处理的航拍破损绝缘子串图像进行故障检测和识别的方法,即应用MATLAB数字图像处理工具箱,根据绝缘子串图像的形态特征对其进行预处理、链码的计算及模糊划分来检测绝缘子串的瓷片脱落故障并分析其故障程度,测试证明了所提方法的可行性和有效性. 相似文献
2.
3.
高压电力设备红外图像的边缘检测 总被引:4,自引:0,他引:4
红外图像的边缘检测是红外图像目标识别以及进一步红外故障诊断的关键环节.文中讨论在高压电力设备故障红外诊断系统中对红外图像的预处理过程,并通过几种边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析,选用效果最优的边缘检测算子来实现红外图像的边缘检测.通过实例,验证了图像预处理和边缘检测方法的有效性. 相似文献
4.
红外、紫外检测技术在特高压输电线路线路中的应用 总被引:1,自引:0,他引:1
特高压输电线路具有结构参数高、输送容量大、运行电压高、杆塔高、绝缘子串长、绝缘子片数多、途径地域广等特点,运行的可靠性比常规的高压、超高压输电线路要求高,因此使得现有的传统检测方法已不能完全满足特高压输电线路的要求。文章从我国现有高压、超高压输电线路的运行情况分析了红外、紫外检测技术,并就通过红外、紫外检测手段所发现的设备缺陷结合计算机软件进行了分析,给出了红外、紫外检测在特高压输电线路上应用时所检测的关键部位,并说明其依据,为在±800 kV特高压直流和1 000 kV特高压交流输电线路中开展红外、紫外检测技术的重要性和必要性提供参考。 相似文献
5.
6.
高压输电线路合成绝缘子断裂机理研究 总被引:5,自引:0,他引:5
本文对国内高压输电线路合成绝缘子断裂机理进行了研究。提出了常见的合成绝缘子破坏形式,主要探讨了合成绝缘子断裂机理,并分析了广东省500KV惠汕线合成绝缘子断串事故的原因,提出了高压输电线路合成绝缘子生产应用的改进措施。 相似文献
7.
为了准确识别出绝缘子缺陷,防止绝缘子破损导致输电线路不能正常运行的问题,提出基于阈值差分的绝缘子缺陷识别算法。首先对图像进行预处理,然后进行自适应阈值分割完成图像二值化,通过形态学处理消除琐碎区域,使用边缘检测算子提取绝缘子边缘。将故障绝缘子与正常绝缘子作差提取缺陷图,依据缺陷像素大小与阈值的关系判断绝缘子的破损情况。将缺陷图二值化后使用矩形框标定。实验结果表明所提出的算法对绝缘子缺陷识别具有一定现实意义。 相似文献
8.
为解决绝缘子图像中由于背景的复杂性 导致边缘检测 存在噪声及伪目标问题,提出了基于二维阈值分割的Canny算子边缘优化法。首先,在HSI颜色空间通过对S分量进行强化,有效弱化背景,突出绝缘子目标;其次,针对传统canny算子在提取绝缘子边缘时由于部分噪点突出导致检测裂纹的精度较低,提出对Canny算子中的阈值选取进行改进,采用二维直方图灰度-局部方差法对经预处理的图像进行阈值处理。所提改进算法能够有效优化绝缘子航拍图像处理结果,提高检测绝缘子裂纹准确率。 相似文献
9.
针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架(YOLOv2)网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断。输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平。 相似文献
10.
应用图像边缘检测方法在线监测输电线路覆冰厚度研究 总被引:10,自引:2,他引:8
讨论了用基于小波的图像边缘检测方法在线监测输电线路覆冰厚度的原理,提出了一种新的输电线路导线与绝缘子覆冰厚度的在线监测方法,即通过对安装在高压铁塔上的摄像机和图像采集卡获得的导线与绝缘子覆冰图像进行实时处理,提取其边界轮廓来测量导线与绝缘子上的覆冰厚度。主要对测量系统中的图像处理过程步骤作了说明,重点论述了通过提取边界轮廓来测量覆冰厚度的算法的实现,并在实验室的人工气候室中进行了试验验证。试验结果表明,该输电线路覆冰厚度在线监测方法测量精度高,监测可靠,可应用于高压输电线路覆冰厚度的在线监测。 相似文献
11.
针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。 相似文献
12.
为了实现智能提取直升机巡检视频中的绝缘子图像,基于ASIFT原理的图像处理技术和数据库技术,提出了一种新的绝缘子图像识别与定位方法。该方法首先建立标准的绝缘子图库,通过改进UL-PCNN红外图像分割算法提取绝缘子特征值,然后将输电线路视频与标准图库中的绝缘子图片利用ASIFT算法进行匹配,进而识别和定位视频中的绝缘子。实验结果表明,ASIFT方法具备良好的抗绝缘子图像仿射变形性能,可以在少量人工辅助的条件下对图像进行处理,提高了架空输电线路绝缘子故障检测的自动化处理程度。 相似文献
13.
基于改进MPEG-7纹理特征的绝缘子图像识别 总被引:2,自引:0,他引:2
绝缘子的良好状态保障着电力系统的安全运行,绝缘子的状态监控也是未来电力系统智能监控中的一个重要问题,因此开发无人飞行器的输电线路巡视系统具有重要的意义。笔者首先在分析数字图像预处理方法的基础上,采用图像灰度化、对比度增强和图像去噪三个步骤对绝缘子图像进行预处理;随后利用MPEG-7边缘直方图法对绝缘子纹理特征提取与识别,并在此基础上对原始的MPEG-7边缘直方图进行优化和改进,很大程度上提高了识别的准确性。大量实验结果表明,该方法能在稍复杂背景下有效的识别出图片中绝缘子。 相似文献
14.
针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。 相似文献
15.
研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、 2.16%、 9.86%、 7.45%、 21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。 相似文献
16.
针对输电线图像背景复杂多变和单一图像处理方法难以有效处理各种背景类型输电线图像的问题,提出一种基于颜色空间变量的输电线图像分类及特征提取方法。首先根据输电线图像各颜色空间的变量值与图像特征之间的关系对图像进行分类。然后根据不同类别图像特征选用适合的滤波方法通过两次滤波结合去噪,并采用自适应直方图分段均衡化增强图像对比度。通过对Otsu算法得出的阈值进行线性变换确定canny边缘检测参数,提取输电线路边缘。最后根据输电线形状特征和概率霍夫直线变换与形态学运算提出一种边缘优化方法,较好地去除非输电线边缘。结果表明:该方法可以有效处理各种背景类型图像,为输电线路图像智能化处理提供了一种新的思路和方法。 相似文献
17.
针对绝缘子目标尺寸小导致检测精度低、误检漏检率高的问题,提出一种基于YOLOv7改进的输电线路绝缘子检测模型。首先,将双支路融合通道注意力机制与主干部分的ELAN模块进行融合,强调重要的通道信息,抑制噪声等无用信息的干扰;其次,在特征融合部分加入局部自注意力机制,使得局部微小区域局部关注度增强;同时,在Neck部分融入BiFPN跨层连接,在增加部分计算量的同时,使得边缘信息得到更好的保留,更利于小目标的检测;最后,以精确度、召回率、平均精度均值等作为评价指标,对采集的数据集进行了消融实验和对比实验。实验结果表明,改进后的网络模型对输电线路绝缘子检测精度为92.1%,相比于传统的YOLOv7网络模型提高3%,并且其平均检测均值、召回率分别提高3.1%、3.6%;同时,改进的模型在各个评估指标上相比YOLOv5-ECA和Faster-R-CNN等均有显著优势,针对输电线路绝缘子检测具有良好效果。 相似文献