专利名称：一种基于无人机电力巡线方法、装置及无人机的制作方法
技术领域：
本发明涉及电力设备检测领域，尤其涉及一种基于无人机的电力巡线处理方法、装置及无人机。
背景技术：
目前，由于国内的电网规模不断扩大，长距离输电线路，如特(超)高压线路增长迅速。而很多输电线路分布在崇山峻岭之间，导致传统的人工巡线受地形环境、人员素质、天气状况等不确定因素的影响，效率低，复巡周期长，巡检数据准确率不高。因此，近年来国内开始逐步发展无人机智能巡检技术，可以不受地理环境的约束，极大的提高了效率。同时由于无人驾驶飞机(Unmanned Aerial Vehicle,UAV)巡线时的独特视野和多种先进机载巡线设备的使用，能够对输电线路器材作近距离观测，清晰采集录下线路的图片，巡检质量也得到了一定的提高。但是，现有通过无人机采集图片后还需要通过人工进行图片分析处理，人工来识别线路损坏，污秽，线路相关设备等缺陷，这样将很难提升巡检工作效率和质量。
发明内容
本发明的目的在于提供一种基于无人机的电力巡线处理方法、装置及无人机，以解决上述问题。为了达到上述目的，本发明的技术方案是这样实现的:一种基于无人机的电力巡线处理方法，包括如下步骤:预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库；实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图；若当前被测电力设备的所述当前灰度直方图与目标被测电力设备的所述标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。相应地，本发明还提供了一种电力巡线处理装置，包括预处理模块、采集处理模块、匹配处理和缺陷检测模块，其中:所述预处理模块，用于预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库；所述采集处理模块，用于实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图；所述匹配处理和缺陷检测模块，用于若当前被测电力设备的所述当前灰度直方图与目标被测电力设备的所述标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。相应地，本发明还提供了一种无人机，包括无人机本体、以及安装在无人机上的摄像头和上述的电力巡线处理装置，其中:所述电力巡线处理装置与摄像头电连接；所述无人机本体，用于携带所述摄像头执行采集被测电力设备的图片；所述摄像 头，用于采集被测电力设备的图片；所述摄像头包括红外摄像头、紫外摄像头和可见光摄像头。与现有技术相比，本发明实施例的优点在于:本发明提供的一种基于无人机的电力巡线处理方法、装置及无人机，其中，方法包括如下步骤:首先无人机预先在不同分辨率和不同倾斜角度下采集大量的目标被测电力设备的样本图片(即根据电力巡线的实际要求和对杆塔设备及相关器件进行大量的拍摄取样)，样本图片经过数字图像处理(即包括图像输入、预处理、特征提取、分类和计算目标被测电力设备的标准灰度直方图等步骤)后，存储目标被测电力设备的标准灰度直方图至模版数据库。在实时采集当前被测电力设备时(即实时采集，自动巡检时)，采集当前被测设备的图片，并进行图像处理(即计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图)，然后在模版数据库中进行模版匹配，利用多模版匹配的方法判断当前被测电力设备的当前灰度直方图是否与模版数据库中目标被测电力设备的标准灰度直方图的匹配；若匹配成功，则说明当前被测电力设备为目标被测电力设备，此时完成了目标被测电力设备的识别步骤；然后，将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息(例如:比较同一部件的不同时间段的位置变化)，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。这样，本发明提供的基于无人机的电力巡线处理方法、装置及无人机，利用无人机自动采集、图像处理、识别和分析计算偏差信息处理，可以实现自动实时地巡检线路缺陷(如线路损坏，污秽和变形老化等)，避免了繁琐地人工处理和识别，在保障了线路巡检质量的同时，也提高了线路巡检的工作效率。
图1为本发明实施例提供的基于无人机的电力巡线处理方法的流程示意图；图2为本发明实施例提供的电力巡线处理装置的结构示意图3为本发明实施例提供的无人机的结构示意图。
具体实施例方式下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。参见图1，本发明实施例提供了基于无人机的电力巡线处理方法，包括如下步骤:步骤S100、预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库；步骤S200、实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图；步骤S300、(利用多模版匹配的方法)判断当前被测电力设备的当前灰度直方图是否与模版数据库中目标被测电力设备的标准灰度直方图匹配；若匹配(即判定识别出当前被测电力设备为目标被测电力设备)，则执行步骤S400 ;若不匹配，则返回步骤S200执行重新识别下一个被测电力设备的图片的操作。步骤S400、将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。较佳地,所述偏差信息包括相对位置偏移量、相对旋转角度偏移量和相似度。本领域技术人员应该可以理解，首先无人机预先在不同分辨率和不同倾斜角度下采集大量的目标被测电力设备的样本图片(即根据电力巡线的实际要求和对杆塔设备及相关器件进行大量的拍摄取样)， 样本图片经过数字图像处理(即包括图像输入、预处理、特征提取、分类和计算目标被测电力设备的标准灰度直方图等步骤)后，存储目标被测电力设备的标准灰度直方图至模版数据库。在实时采集当前被测电力设备时(即实时采集，自动巡检时)，采集当前被测设备的图片，并进行图像处理(即计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图)，然后在模版数据库中进行模版匹配，利用多模版匹配的方法判断当前被测电力设备的当前灰度直方图是否与模版数据库中目标被测电力设备的标准灰度直方图的匹配；若匹配成功，则说明当前被测电力设备为目标被测电力设备，此时完成了目标被测电力设备的识别步骤；然后，将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息(例如:比较同一部件的不同时间段的位置变化)，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。这样，本发明提供的基于无人机的电力巡线处理方法、装置及无人机，利用无人机自动采集、图像处理、识别和分析计算偏差信息处理，可以实现自动实时地巡检线路缺陷(如线路损坏，污秽和变形老化等)，避免了繁琐地人工处理和识别，在保障了线路巡检质量的同时，也提高了线路巡检的工作效率。
进一步地，在步骤SlOO中，在所述预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片步骤之后，以及在计算所述样本图片中目标被测电力设备的标准灰度直方图之前，还包括如下步骤:步骤S110、对目标被测电力设备的样本图片进行滤波图像增强，图像特征分离和提取处理。进一步地，在步骤S200中，在所述实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片步骤之后，以及计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图之前，还包括如下步骤:步骤S210、对当前被测电力设备的图片进行滤波图像增强，图像特征分离和提取处理。较佳地，在步骤S400中，所述根据所述偏差信息判断所述当前被测电力设备是否出现缺陷，包括如下步骤:步骤S410、若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对位置偏移量大于偏移阈值，则判定当前被测电力设备上的部件位移缺陷；若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对旋转角度偏移量大于旋转阈值，则判定当前被测电力设备上的所述部件旋转缺陷；若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相似度小于预设相似度，则判定当前被测电力设备上的部件出现变形缺陷。需要说明的是，经过图像输入、预处理、特征提取、分类和计算目标被测电力设备的灰度直方图是一个非常·重要的步骤，其中:一、图像的预处理预处理是直接影响图像识别的效果。进行预处理的目的是去除图像中的噪声，把它变成一幅清晰的点线图，以便于提取正确的图像特征。图片的方向化能以简化的形式直观地反映图像最基本的形态特征，通过图像增强、图像特征的提取、图像的自动分类、方向模版匹配等图像识别的关键处理环节。方法如下:(I)将图像分割成足够小的予块。例如将图像分为32X32的非重叠小块。(2)对每个子块的每一个点利用Sobel算子分别计算其x方向梯度和I方向梯度(3)根据梯度值，每个子块方向的计算公式如下:上式中:w表示图像块的宽度，这里是32，得到后再将其量化为16个方向，从而得到图像的方向。(4)图像增强:滤波的增强方法和基于傅里叶滤波的低质量图像增强算法。Gabor滤波增强的基本出发点是基于图像的数学模型，总的定义形式如下式:要将Gabor滤波器用于图像的处理，需要将偶函数改变为数字滤波器，如下式所示，这样将Gabor函数的实部作为模板得到的滤波器更真实接近图像的特征。本方法综合考虑到了图像的方向特性和频率特性。本方法的滤波效果比较好，但是滤波过程中频率计算和滤波计算在整个图像的预处理过程中占用一定时间。二.图像的特征提取和分类直接从图像原始灰度图提取特征，效率高，但容易提取出大量的伪特征信息。基于全局结构特征的分类方法，通过提取和分析方向图、奇异点等全局结构特征来实现分类。采用模仿人类进行图像分类的做法，对图像的变形有较强的鲁棒性；但图像质量较差时很难提取可靠的结构特征。提取和分类算法是基于局部细节特征的算法。局部细节特征提取的算法如下:利用一个3X3的模版来对细化后的图像进行端点和分歧点的特征提取，如下图所示，M是待检测的点，沿顺时针排列的Ρ1，Ρ2，Ρ3，...Ρ8是它的8个邻域点，R(I)，R(2)，R(3)...R(8)分别是Ρ1，Ρ2，Ρ3，...P8的灰度值。如果M是端点，则它的邻域点满足下式:如果M分支点，则它的邻域点满足下式:通过对图像进行遍历。可以找到图像的特征点，同时记录它们的类型和位置。三.图像识别通过BP(Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。(I)节点输出模型隐节点输出模型:0j=f( Σ WijXX1-qj)输出节点输出模型:Yk=f( Σ TjkX0j-qk)f-非线形作用函数；q_神经单元阈值。(2)作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取为(0，I)内连续取值 Sigmoid 函数:f (X)=I/(1+e)(3)误差计算模型误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数:Ep=l/2 X Σ (tp1-Opi)tp1-1节点的期望输出值；0p1-1节点计算输出值。(4)自学习模型神经网络的学习过程，即连接下层节点和上层节点之间的权重拒阵Wij的设定和误差修正过程。BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为Δ Wi j (n+1) =hX Φ i X Oj+aX Δ Wij (η)
h_学习因子；Φ _输出节点i的计算误差；0j_输出节点j的计算输出；a_动量因子。换言之，利用图像特征进行匹配，实现在多模板匹配法的特征过程中，对每一个被测电力设备的部件进行匹配，识别。基于特定元素的模板匹配。该匹配可以看做高级的形状匹配，匹配原理与形状匹配相同。对于一个包含多个部件的目标对象的检测上，基于元件的模板匹配将此种目标对象作为一个大模板，因为，各个部件间有相对的位置偏移、旋转。基于形状的匹配针对此种情况则必须采用多模板匹配。由于在样本模板时，各个部件之间的位置关系基本限定，在匹配时只需搜索到一个部件，其他部件的搜索范围就大大减少，因此相对基于形状匹配的多模板匹配，其匹配速度更快。匹配结果为目标对象各个部件的位置坐标、目标部件相对模板部件的旋转角度以及各部件的相似度等信息。基于同一发明构思，本发明实施例还提供了一种电力巡线处理装置，由于此装置解决问题的原理与前述基于无人机的电力巡线处理方法相似，因此该装置的功能可以参见前述方法的实施，重复之处不再赘述。相应地，本发明提供了一种电力巡线处理装置1，参见图2，包括预处理模块10、采集处理模块20、匹配处理和缺陷检测模块30，其中:所述预处理模块10，用于预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库；所述采集处理模块20，用于实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图；所述匹配处理和 缺陷检测模块30，用于若当前被测电力设备的所述当前灰度直方图与目标被测电力设备的所述标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。进一步地，还包括第一图像处理模块，其中:所述第一图像处理模块，用于目标被测电力设备的对样本图片进行滤波图像增强，图像特征分离和提取处理。进一步地，还包括第二图像处理模块，其中:所述第二图像处理模块，用于对当前被测电力设备的图片进行滤波图像增强，图像特征分离和提取处理。匹配处理和缺陷检测模块30包括缺陷判定子模块，其中:所述缺陷判定子模块，用于若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对位置偏移量大于偏移阈值，则判定当前被测电力设备上的部件位移缺陷；若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对旋转角度偏移量大于旋转阈值，则判定当前被测电力设备上的所述部件旋转缺陷；若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相似度小于预设相似度，则判定当前被测电力设备上的部件出现变形缺陷。相应地，本发明还提供了一种无人机100，包括无人机本体101、以及安装在无人机上的摄像头102和上述的电力巡线处理装置1，参见图3，其中:所述电力巡线处理装置I与所述摄像头102电连接；所述无人机本体101，用于携带所述摄像头执行采集被测电力设备的图片；所述摄像头102，用于采集被测电力设备的图片。较佳地，所述摄像头102包括红外摄像头、紫外摄像头和可见光摄像头。经调研，国内正在使用的无人机巡检技术，普遍存在一些问题。例如:多数电力巡线用光电吊舱只配备红外检测设备(只能发现线路上局部过热缺陷)，以及可见光摄像机(只能发现线路上可视缺陷)，缺乏紫外检测设备。红外技术具有温度异常点探测灵敏度高、非接触等优势，但是也存在一系列不足。如测试速度不能太快，故障点必须发热后才能探测，易受辐射率、角度、光线等干扰。配备高灵敏度的摄像头，能够在机载快速运动中检测高压设备电晕、电弧和局部放电现象，从而评估设备的绝缘状况和及时发现绝缘设备的缺陷；并且抗干扰能力强，完全不受太阳光的影响和检测时间的限制，可以和红外技术达成互补优势。采用的无人机巡检自动化程度较高，客服了人目测线路设备、记录缺陷，易漏检的问题，降低了巡检成本高。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。
权利要求
1.一种基于无人机的电力巡线处理方法，其特征在于，包括如下步骤: 预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库； 实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图； 若当前被测电力设备的所述当前灰度直方图与目标被测电力设备的所述标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。
2.如权利要求1所述的基于无人机的电力巡线处理方法，其特征在于， 所述偏差信息包括相对位置偏移量、相对旋转角度偏移量和相似度。
3.如权利要求1所述的基于无人机的电力巡线处理方法，其特征在于， 在所述预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片步骤之后，以及在计算所述样本图片中目标被测电力设备的标准灰度直方图之前，还包括如下步骤: 对目标被测电力设备的样本图片进行滤波图像增强，图像特征分离和提取处理。
4.如权利要求3所述的基于无人机的电力巡线处理方法，其特征在于， 在所述实时采集不同 分辨率和不同拍摄角度下的当前被测电力设备的图片步骤之后，以及计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图之前，还包括如下步骤: 对当前被测电力设备的图片进行滤波图像增强，图像特征分离和提取处理。
5.如权利要求1所述的基于无人机的电力巡线处理方法，其特征在于， 所述根据所述偏差信息判断所述当前被测电力设备是否出现缺陷，包括如下步骤:若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对位置偏移量大于偏移阈值，则判定当前被测电力设备上的部件位移缺陷； 若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对旋转角度偏移量大于旋转阈值，则判定当前被测电力设备上的所述部件旋转缺陷； 若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相似度小于预设相似度，则判定当前被测电力设备上的部件出现变形缺陷。
6.一种电力巡线处理装置，其特征在于，包括预处理模块、采集处理模块、匹配处理和缺陷检测模块，其中: 所述预处理模块，用于预先采集不同分辨率和不同拍摄角度下的目标被测电力设备的样本图片，计算所述样本图片中目标被测电力设备的标准灰度直方图，并将所述标准灰度直方图存储至模版数据库； 所述采集处理模块，用于实时采集不同分辨率和不同拍摄角度下的当前被测电力设备的图片，计算当前被测电力设备的图片中当前被测电力设备的当前灰度直方图； 所述匹配处理和缺陷检测模块，用于若当前被测电力设备的所述当前灰度直方图与目标被测电力设备的所述标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片进行比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据所述偏差信息判断所述当前被测电力设备是否出现缺陷。
7.如权利要求6所述的电力巡线处理装置，其特征在于， 还包括第一图像处理模块，其中: 所述第一图像处理模块，用于对目标被测电力设备的样本图片进行滤波图像增强，图像特征分离和提取处理。
8.如权利要求7所述的电力巡线处理装置，其特征在于， 还包括第二图像处理模块，其中: 所述第二图像处理模块，用于对当前被测电力设备的图片进行滤波图像增强，图像特征分离和提取处理。
9.如权利要求8所述的电力巡线处理装置，其特征在于， 匹配处理和缺陷检测模块包括缺陷判定子模块，其中: 所述缺陷判定子模块，用于若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对位置偏移量大于偏移阈值，则判定当前被测电力设备上的部件位移缺陷；若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相对旋转角度偏移量大于旋转阈值，则判定当前被测电力设备上的所述部件旋转缺陷；· 若判断当前被测电力设备的图片中的部件与样本图片中一一对应的部件的相似度小于预设相似度，则判定当前被测电力设备上的部件出现变形缺陷。
10.一种无人机，其特征在于，包括无人机本体、以及安装在无人机上的摄像头和如权利要求6-9任一项所述的电力巡线处理装置，其中: 所述电力巡线处理装置与摄像头电连接； 所述无人机本体，用于携带所述摄像头执行采集被测电力设备的图片； 所述摄像头，用于采集被测电力设备的图片； 所述摄像头包括红外摄像头、紫外摄像头和可见光摄像头。
全文摘要
本发明公开了一种基于无人机的电力巡线处理方法、装置及无人机，方法包括预先采集目标被测电力设备的样本图片，计算样本图片中目标被测电力设备的标准灰度直方图，并将标准灰度直方图存储至模版数据库；实时采集当前被测电力设备的图片，计算图片中当前被测电力设备的当前灰度直方图；若当前灰度直方图与标准灰度直方图匹配，则将当前被测电力设备的图片和目标被测电力设备的样本图片比较，识别当前被测电力设备的图片中当前被测电力设备的每个部件及样本图片中目标被测电力设备的一一对应的部件，分别计算当前被测电力设备的部件与样本图片中的一一对应的部件的偏差信息，并根据偏差信息判断当前被测电力设备是否出现缺陷。
文档编号G06T7/00GK103235830SQ20131017569
公开日2013年8月7日 申请日期2013年5月13日 优先权日2013年5月13日
发明者郑卫锋 申请人:北京臻迪科技有限公司