一种基于无人机红外图像的输电线路覆冰检测方法与流程

本发明涉及电网检测技术领域，尤其涉及一种基于无人机红外图像的输电线路覆冰检测方法。

背景技术：

受地形和气候的影响，我国成为世界上输电线路覆冰重灾国之一。我国许多地区都曾发生过输电线路覆冰灾害事故，由于输电线路覆冰而造成的导线舞动、输电线路断线、杆塔倾斜倒塌和绝缘子闪络等线路事故的频繁发生，严重影响电力系统的安全稳定运行。通过分析输电线路覆冰灾害事故发现，线路事故一般滞后于恶劣天气几天后发生，而输电线路的重冰区大都处于偏远山区，导致监控重冰区覆冰情况十分困难。因此，第一时间掌握输电线路覆冰情况，对于预防输电线路覆冰灾害事故具有重要意义。

目前，针对输电线路的覆冰检测方法有两种，一种是采用力学分析法，即在绝缘子上安装力学传感器，通过力学传感器对绝缘子所承受的拉力进行监测，进而反映输电线路覆冰前后重量的变化，最后工作人员由模型计算出输电线路当前覆冰厚度。另一种更为直观的是图像分析法，即在杆塔上安装摄像头，对输电线路进行实时视频监控，工作人员通过现场摄像头拍摄的视频图像观察现场覆冰情况。

但是，上述力学分析法通过力学传感器对绝缘子所承受的拉力进行监测，但是由于造成输电线路覆冰的因素很多且各种因素的相互关系比较复杂，例如风速不仅会改变绝缘子的倾斜角度，而且会对输电线路的覆冰分布造成影响，因此绝缘子拉力与线路覆冰分布、型式等之间的关系不能精确确定。而通过安装视频监控实现的图像分析法，虽然可以现场情况直观地展现给工作人员，但是在恶劣天气情况下，视频摄像头也有可能出现覆冰的情况，导致拍摄图像的模糊，影响工作人员判断输电线路覆冰情况的准确性。

技术实现要素：

为克服相关技术中存在的问题，本发明提供一种基于无人机红外图像的输电线路覆冰检测方法。

为了达到上述目的，本发明提供如下技术方案：

本发明提供一种基于无人机红外图像的输电线路覆冰检测方法，其特征在于，所述基于无人机红外图像的输电线路覆冰检测方法包括以下步骤：

获取无人机红外相机拍摄的红外图像；识别所述红外图像中的导线；获取所述红外图像中的导线图像直径所占像素点个数；根据图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径；获取所述红外图像中的覆冰导线图像直径所占像素点个数；根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算覆冰厚度。

优选地，所述基于无人机红外图像的输电线路覆冰检测方法还包括：获取用户发送的包含所述图像分辨率和导线实际直径的输入指令；根据所述输入指令，更新存储器中保存的图像分辨率和导线实际直径。

优选地，所述基于无人机红外图像的输电线路覆冰检测方法还包括：对计算出的所述覆冰厚度进行校正，得到校正覆冰厚度。

优选地，所述获取无人机红外相机拍摄的红外图像，包括：接收用户发送的红外图像的获取频率；根据所述获取频率，获取所述红外图像。

优选地，所述根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算覆冰厚度，包括：接收用户发送的导线实际单位长度；根据所述图像分辨率、像素点实际直径和导线实际单位长度，计算所述导线实际单位长度对应的导线图像单位长度；根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算导线图像单位长度内的单位覆冰厚度；根据单位覆冰厚度，采用求平均值的方法，计算覆冰厚度。

优选地，所述根据图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径，包括：获取所述无人机红外相机的图像分辨率；根据所述图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径。

优选地，所述对计算出的所述覆冰厚度进行校正，得到校正覆冰厚度，包括：获取相同像素分辨率下拍摄的同一段导线的多个红外图像；分别计算出同一段导线的多个红外图像对应的多个覆冰厚度；计算得出校正覆冰厚度，所述校正覆冰厚度为多个覆冰厚度的平均值。

优选地，所述对计算出的所述覆冰厚度进行校正，得到校正覆冰厚度，包括：获取不同像素分辨率下拍摄的同一段导线的多个红外图像；分别计算出同一段导线的多个红外图像对应的多个覆冰厚度；计算得出校正覆冰厚度，所述校正覆冰厚度为多个覆冰厚度的平均值。

本发明提供的一种基于无人机红外图像的输电线路覆冰检测方法，包括以下步骤，获取无人机红外相机拍摄的红外图像；识别所述红外图像中的导线；获取所述红外图像中的导线图像直径所占像素点个数；根据图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径；获取所述红外图像中的覆冰导线图像直径所占像素点个数；根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算覆冰厚度。采用上述方法检测输电线路的覆冰情况，相比于使用力学传感器的力学分析法和使用视频摄像头的图像分析法，收到的外界干扰因素较少，基于无人机拍摄的红外图像清晰直观，再使用本发明提供的输电线路覆冰检测方法对所拍摄的红外图像进行处理，最终结果真实准确。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于无人机红外图像的输电线路覆冰检测方法的流程示意图；

图2为本发明实施例提供的一种基于无人机红外图像的输电线路覆冰检测装置的结构示意图；

图3为本发明实施例提供的另一种基于无人机红外图像的输电线路覆冰检测装置的结构示意图。

上述图2-图3中：1-红外图像获取模块、2-红外图像处理模块、3-覆冰导线检测模块、4-图像分辨率计算模块、5-覆冰厚度计算模块、6-覆冰厚度矫正模块。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

参见图1，图1为本发明实施例提供的一种基于无人机红外图像的输电线路覆冰检测方法的流程示意图，图2为本发明实施例提供的一种基于无人机红外图像的输电线路覆冰检测装置的结构示意图，图3为本发明实施例提供的另一种基于无人机红外图像的输电线路覆冰检测装置的结构示意图。对于基于无人机红外图像的输电线路覆冰检测方法的实施方式可以参看以下几个实施例：

实施例一

如图1和图2所示，本发明实施例提供的一种基于无人机红外图像的输电线路覆冰检测方法，包括以下步骤：

S110：获取无人机红外相机拍摄的红外图像。

其中，通过遥控无人机及搭载无人机的红外相机，拍摄待测输电线路导线的红外图像，由红外图像获取模块1获取红外图像。

S120：识别所述红外图像中的导线。

其中，S11O中由红外图像获取模块1获取红外图像传至红外图像处理模块2，经过红外图像处理模块2中的覆冰导线检测模块3，覆冰导线检测模块3采用边缘检测的方法识别出红外图像中的导线。

S130：获取所述红外图像中的导线图像直径所占像素点个数。

其中，覆冰导线检测模块3继续检测出识别出的红外图像中的导线图像直径所占像素点个数n。

S140：根据图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径。

其中，S12O中识别出的红外图像中的导线及获取所述红外图像中的导线图像直径所占像素点个数n，传至红外图像处理模块2中的图像分辨率计算模块4，通过已知的图像分辨率、导线实际直径D以及S120中检测出的导线图像直径所占像素点个数n，就可计算出像素点实际直径d＝D/n。

S150：获取所述红外图像中的覆冰导线图像直径所占像素点个数。

其中，S11O中由红外图像获取模块1获取红外图像传至红外图像处理模块2，经过红外图像处理模块2中的覆冰导线检测模块3，覆冰导线检测模块3首先采用边缘检测的方法识别出红外图像中的覆冰导线，然后检测红外图像中的覆冰导线图像直径所占像素点个数m。

S160：根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算覆冰厚度。

其中，红外图像处理模块2中的覆冰厚度计算模块5通过S110-S150传输的导线实际直径D、像素点实际直径d以及覆冰导线图像直径所占像素点个数m，就可以计算出覆冰厚度δ＝(md-D)/2。

实施例二

如图1和图3所示，本发明实施例提供的另一种基于无人机红外图像的输电线路覆冰检测方法，包括以下步骤：

S110：获取无人机红外相机拍摄的红外图像。

其中，通过遥控无人机及搭载无人机的红外相机，拍摄待测输电线路导线的红外图像，由红外图像获取模块1获取红外图像。

在执行完步骤S110之后，直接执行以下步骤。

接收用户发送的红外图像的获取频率；根据所述获取频率，获取所述红外图像。

其中，通过遥控无人机及搭载无人机的红外相机，按照一定的拍摄频率拍摄待测输电线路导线的红外图像，由红外图像按照拍摄频率由红外图像获取模块1获取红外图像。

S120：识别所述红外图像中的导线。

其中，S11O中由红外图像获取模块1获取红外图像传至红外图像处理模块2，经过红外图像处理模块2中的覆冰导线检测模块3，覆冰导线检测模块3采用边缘检测的方法识别出红外图像中的导线。

S130：获取所述红外图像中的导线图像直径所占像素点个数。

其中，覆冰导线检测模块3继续检测出识别出的红外图像中的导线图像直径所占像素点个数n。

另外，执行步骤S130之后执行以下步骤。

获取用户发送的包含所述图像分辨率和导线实际直径的输入指令；根据所述输入指令，更新存储器中保存的图像分辨率和导线实际直径。

S140：根据图像分辨率、导线实际直径和所述导线图像直径所占像素点个数，计算像素点实际直径。

其中，S12O中识别出的红外图像中的导线及获取所述红外图像中的导线图像直径所占像素点个数n，传至红外图像处理模块2中的图像分辨率计算模块4，通过已知的图像分辨率、导线实际直径D以及S120中检测出的导线图像直径所占像素点个数n，就可计算出像素点实际直径d＝D/n。

S150：获取所述红外图像中的覆冰导线图像直径所占像素点个数。

其中，S11O中由红外图像获取模块1获取红外图像传至红外图像处理模块2，经过红外图像处理模块2中的覆冰导线检测模块3，覆冰导线检测模块3首先采用边缘检测的方法识别出红外图像中的覆冰导线，然后检测红外图像中的覆冰导线图像直径所占像素点个数m。

S160：根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算覆冰厚度。

其中，红外图像处理模块2中的覆冰厚度计算模块5通过S110-S150传输的导线实际直径D、像素点实际直径d以及覆冰导线图像直径所占像素点个数m，就可以计算出覆冰厚度δ＝(md-D)/2。

另外，为提高覆冰厚度计算的准确性，S160包括以下步骤：

S161：接收用户发送的导线实际单位长度。

S162：根据所述图像分辨率、像素点实际直径和导线实际单位长度，计算所述导线实际单位长度对应的导线图像单位长度。

S163：根据所述导线实际直径、像素点实际直径和覆冰导线图像直径所占像素点个数，计算导线图像单位长度内的单位覆冰厚度。

S164：根据单位覆冰厚度，采用求平均值的方法，计算覆冰厚度。

为了进一步提高覆冰厚度计算的准确性，在步骤S160之后还包括以下步骤。

对计算出的所述覆冰厚度进行校正，得到校正覆冰厚度。

其中，由S160中覆冰厚度计算模块5计算得到的覆冰厚度传至覆冰厚度校正模块6，并由覆冰厚度校正模块6对其进行校正。

当采用相同图像分辨率的无人机红外相机时，包括步骤：获取相同像素分辨率下拍摄的同一段导线的多个红外图像；分别计算出同一段导线的多个红外图像对应的多个覆冰厚度；计算得出校正覆冰厚度，所述校正覆冰厚度为多个覆冰厚度的平均值。

为提高校正的准确性，当采用不同图像分辨率的无人机红外相机时，还可以包括以下步骤：获取不同像素分辨率下拍摄的同一段导线的多个红外图像；分别计算出同一段导线的多个红外图像对应的多个覆冰厚度；计算得出校正覆冰厚度，所述校正覆冰厚度为多个覆冰厚度的平均值。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。