基于航拍图像的输电线路导线损伤识别技术

铝绞线断裂和表面损伤将逐渐发展为对导线和整个输电线路的不可逆破坏,甚至导致严重停电。为了发现潜在的断股和损伤故障,防止其进一步恶化,文章提出了一种输电线路无人机检测导线断裂和表面缺陷的识别方法,其首先通过无人机图像采集系统获取导线图像,然后通过灰度方差归一化（gray variance normalization,GVN）增强处理后的自适应阈值分割提取导线区域。然后,导线破裂是由灰度分布曲线的方波变换(square wave transformation,SWT)检测的。同时,利用导线区域GVN图像的投影算法识别导线表面缺陷。最后计算断股数,过滤可疑缺陷,即可得到最终的故障诊断结果。通过一系列实验对该技术的性能进行了分析,结果体现了所提方法的有效性。     

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

碳纤维复合芯导线X射线图像标准化增强与缺陷检测方法

碳纤维复合芯导线能够大幅度提高输电线路输送容量,但由于不耐弯折等原因导致多发断线,严重危害线路运行安全。为实现对长距离输电线路进行在线缺陷检测,本文提出了碳纤维复合芯导线缺陷自动检测方案。该方案首先对碳纤维复合芯导线的X射线图像进行图像成像标准化,进行了导线弯曲补偿和亮度一致化矫正,提高了数据的一致性,为导线自动化分析提供条件;然后利用深度卷积神经网络技术进行缺陷检测。以双层铝股线类型的碳纤维复合芯导线X射线图像作为研究对象进行实验,结果证明该方案可快速自动识别导线缺陷。     

基于机器视觉的电力接线端子套裂缝自动检测方法

由于传统方法在实际应用中检测定位准确率较低,而且检测时间较长,检测效果不佳,提出基于机器视觉的电力接线端子套裂缝自动检测方法。由无人机搭载高清相机获取电力接线端子套图像数据,采用加权平均法对图像灰度转换,利用直方图均衡化法对灰度图像增强处理,采用引导滤波法对图像滤波,采用K-means聚类技术对图像分割,利用机器视觉技术对目标图像中裂缝纹理特征提取,并识别检测接线端子套裂缝。经实验证明,设计方法检测定位准确率可以达到98.41%,检测时间为0.32 s,具有良好的电力接线端子套裂缝自动检测效果。     

基于无人机的220 kV输电线路缺陷自动检测方法

由于传统方法无法准确检测出输电线路缺陷,且计算过程也比较复杂,研究基于无人机的220 kV输电线路缺陷自动检测方法。利用拉东变换获取二维平面的函数,将彩色图像转变为灰度图像,通过边缘像素点提取图像线特征;分析图像线特征数量与角度,利用单片机掩膜识别输电线路及其附件;通过卷积层与池化层操作,建立深度卷积神经网络模型,实现输电线路缺陷自动检测;基于无人机图像分布的投射点并利用簇聚类分析法,获得输电线路特征参数分布点,从而获得区域内缺陷特征分布的最大值。测试结果表明：对输电线路缺陷自动检测方法优化后,当样本数量扩充到1 200张时,缺陷检测的准确率为97%,召回率为94.5%,且错误检测率只有2.5%,可见优化后的方法可以提高缺陷检测的准确率。     

基于机器视觉的液晶屏裂痕自动检测方法研究

随着液晶的普及,对液晶屏生产过程中质量控制提出更高的要求,液晶屏裂痕自动检测系统应运而生,它能真正实现高效率、高稳定性的实时检测。针对液晶屏裂痕缺陷中的"线缺陷"、"点缺陷"进行深入研究,把机器视觉、数字图像处理技术运用到液晶屏裂痕自动检测系统中,并以HALCON和VC++联合编程完成了裂痕自动检测系统的设计。在数字图像处理部分,根据指定尺寸对图像进行傅里叶变换、高斯滤波、迭代处理等一系列操作,为了得到更清晰的图像,突出裂痕区域,对图像进行灰度化、频域图像卷积、滤波去噪、形态学处理。选择出适合在线测量的各种算法,进行了大量实验测试和实时自动检测,结果表明,该方法在识别液晶屏裂痕的几何特征上效果和精度较好,识别速度达到在线要求。     

基于机器视觉的输电线路巡检应用发展趋势

机器视觉能够在条件恶劣的情况下代替人工视觉,为此提出基于机器视觉的输电线路巡检应用发展趋势研究。对机器视觉相关设备在输电线路故障巡检中的应用过程进行分析,得到机器视觉在输电线路巡检中优势,将机器视觉应用在输电线路路径规划中分析其优点。通过上述应用过程分析,得到基于机器视觉的输电线路巡检应用向着两方面发展,一是基于机器视觉的输电线路巡检方式会更加普及,二是基于机器视觉的输电线路巡检效率更高。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于GrabCut的半交互式输电线路金具锈蚀图像分割方法

针对当前输电线路金具锈蚀检测的背景干扰问题,本文提出基于GrabCut的半交互式输电线路金具锈蚀图像分割方法。该方法首先对图像进行去噪处理,然后采用半交互式图像分割算法对图像进行自动分割,不仅能够减少背景对输电线路金具锈蚀检测的干扰,还能有效提高锈蚀检测的准确率。     

汽车车身焊点质量智能检测系统设计

为提高汽车车身焊点质量的自动检测效率,研究基于机器视觉技术的自动检测系统;设计了以TMS320DM648DSP为处理器的系统硬件框图,针对传统的以局部灰度特性作为分类特征检测效果不佳的问题,提出采用具有生物视觉特性的Gabor滤波器对待测图像进行多方向和多尺度滤波,将滤波结果进行特征融合后降维的特征提取方法,将文章提取的各不同维度特征与传统方法提取的特征,分别采用支持向量机(SVM)与BP神经网络、AdaBoost分类器进行检测对比研究;实验结果表明,文章采用的SVM分类器平均检测率达97.73%,具有较好的鲁棒性。     

基于数字图像处理的输电线路状态智能识别技术

针对智能电网建设对输电线路状态远程监测的需求,提出了基于数字图像处理和人工神经元网络识别的智能判别方法:综合使用灰度变化、直方图修正、小波包去噪以及边缘提取算法等对线路的远程状态图像进行处理,使线路特征更加突出;通过将图像分割后分别提取线路设备边缘特征分布作为特征量,实现了具有良好适用性的特征提取方法;最后构建了三层BP人工神经元网络对典型的线路状态进行训练识别。针对绝缘子串。     

基于机器视觉的发动机表面缺陷检测技术

发动机表面的缺陷检测是保证其使用安全性的重要手段。本文应用机器视觉技术实现发动机内表面缺陷的自动检测,用内窥镜采集发动机装药内表面的图像,结合图像特点,通过多次实验对比,选择中值滤波方法对图像进行滤波、Canny算子检测图像边缘,应用像素灰度的相似性和不连续性将缺陷从图像背景中分割出来,在此基础上,选取面积和周长特征作为缺陷判断依据,并将以上功能进行整合,设计缺陷自动检测系统。实验结果表明该方法在发动机内表面缺陷检测方面有较好的效果。     

输电导线图像目标识别方法

为了准确识别出背景复杂、对比度低时的输电导线目标,在对图像进行全变分模型去噪的基础上,提出一种基于模拟退火微粒群算法的2维最大类间方差法进行图像分割,然后采用改进的Freeman链码表示法进行输电导线目标提取,并应用基于最小二乘法的直线拟合法复原输电导线的基本骨架中的缺失部分。实验结果表明:基于模拟退火微粒群算法的2维最大类间方差法具有较好的分割效果,且在最佳分割阈值的搜索中有着较好的收敛性和计算速度;基于改进的Freeman链码表示法的输电导线提取算法可以很好地滤除背景并将输电导线完整地提取出来。     

图像处理技术在超高压巡检机器人视觉系统中的应用研究

对绝缘瓷瓶定位及其破损检测在高压输电线路巡检机器人视觉系统中的应用提出了一套方案.通过CCD摄像头等实现对机器人视觉的模拟,对采集到的图像进行去噪、分割等预处理,以绝缘子中部的特定区域作为识别的依据,基于其形状特征及不变矩特征提取特征值,提出了采用概率神经网络对绝缘子的特殊区域及背景区域进行识别,完成对绝缘子的定位.利用Harris角点检测法,结合纵向切线灰度值变化率判断瓷瓶是否破损,通过仿真和实验,验证了其可行性.     

低温型风力发电机叶片缺陷自动检测方法研究

针对人工检测发电机叶片缺陷时存在的检测结果不精准,检测时间较长的问题,以低温型风力发电机为研究对象,设计了一种基于机器视觉的叶片缺陷自动检测方法。在分析叶片缺陷特征及参数的前提下生成叶片缺陷图像,利用数字图像处理技术对叶片缺陷图像进行灰度化与滤波处理,采用通域递归法提取叶片的缺陷特征并构建最优阈值,最后利用机器视觉技术,实现发电机叶片缺陷的自动检测。在MATLAB平台内模拟发电机叶片缺陷的检测过程,结果显示,基于机器视觉的检测方法能够准确检测出发电机叶片表面的擦痕、裂纹等缺陷,较人工检测精准度高26.7%,且检测耗时较短,说明机器检测具备有效性。     

雾霾天气条件下的机器视觉图像清晰化研究

针对机器视觉图像清晰度在雾霾天气条件下受到严重影响的问题,提出一种基于暗原色先验的机器视觉图像去雾算法。以大气散射模型和暗原色先验理论为基础,在带雾图像的暗原色图上指定某一灰度区间,选取其中出现频率最高的亮度值作为大气光亮度值。将带雾图像转为灰度图像,采用直方图均衡化的方法对其进行增强,尽可能多地展现带雾图像所包含的结构信息,进而以增强后的灰度图像作为引导图像进行导向滤波,进一步优化透射率,加快运行速度。实验结果表明,该算法可获得较好的去雾效果,同时具有较高的运算效率。     

高压输电线路巡线机器人障碍物视觉检测识别研究

障碍物的检测识别与定位是高压输电线路自主巡线机器人中的关键技术之一.针对220 kV单分裂输电线路的结构特点,提出了一种基于视觉传感器的障碍物检测识别方法.首先,对采集的图像进行膨胀、腐蚀和高斯平滑等处理,以减少图像噪声;然后,利用Otsu算法对Canny算子进行改良来提取图像边缘,以减少光线变化带来的影响;最后,提取边缘图像中某些图形基元并施加结构约束,实现障碍物的检测识别.大量的试验研究表明,该方法能有效地检测识别高压输电线路的导线、防震锤、悬垂绝缘子和耐张绝缘子等结构物.     

一种脆弱线路缺陷的图像智能检测算法设计

配电线路稳定运行可以有效提升电力系统有序性,脆弱线路缺陷是引起配电网连锁故障停电的主要原因。以人工为主的识别方法存在明显缺陷,在无人机的辅助下,设计了一种脆弱线路缺陷图像自动检测方法。通过构建脆弱线路数据集,以输电线路的脆弱性综合指标为依据,辨识配电网脆弱线路。建立配电网脆弱线路缺陷特征分类标准,利用图像增强技术提升脆弱线路缺陷图像成像效果。采用对比度受限自适应直方图均衡方法均衡脆弱线路缺陷图像的色彩和反差,结合小波变换对均衡后的脆弱线路缺陷图像进行降噪处理。运用卷积神经网络将降噪后的脆弱线路缺陷图像输入至卷积层完成脆弱线路缺陷自动检测。通过实验测试发现：提出方法的召回率最高为89.32%,精确率最高为98.20%,错检率最低为0.98%,能够最小范围识别脆弱线路缺陷,充分证实了提出算法检测效率较高。     

基于NL-Means的双水平集脑部MR图像分割算法

针对脑部MR图像中通常伴有灰度不均、高噪声的缺点,且传统水平集无法有效分割的问题,提出了一种基于NL-Means的双水平集算法。首先,利用改进型NL-Means算法对带有噪声的医学图像进行去噪处理,再通过双水平集算法对图像进行分割,提取多目标区域,为了去除医学图像中灰度不均对分割效果的影响,所提算法引入了偏移场拟合项,进一步改进了双水平集模型,进而对去噪图像分割效果进行了优化处理。实验结果表明,所提算法能有效地解决灰度不均与高噪声的问题,能够将伴有灰度不均的高噪声脑部MR图像完全分割出来,从而获得预期的分割效果。