电网防振锤缺陷自动判别方法
【专利摘要】本发明涉及输电线路检修【技术领域】，具体是一种电网防振锤缺陷自动判别方法；其包括如下步骤：源图像提取、存储、分析；完成导线图像的提取；对背景干扰图像的过滤；实现图像灰度增强阈值的自适应匹配，对图像进行增强处理；对图像库进行智能学习，实现防振锤异常缺陷的自动判别；本发明的实现了对巡视数据进行存储、处理、分析；通过对数据进行分切片处理，对图像进行提取、背景降噪及图像增强，并建立防振锤安装图像库，采用智能识别引擎学习，并输入经提取、降噪、增强的图片数据，自动识别防振锤位置异常，有效降低了工作量，提高了巡视数据判读的效率，提高了防振锤位置异常的准确率和及时率，为电网的安全运行提供了先决条件。
【专利说明】电网防振锤缺陷自动判别方法
【技术领域】
[0001]本发明涉及输电线路检修【技术领域】，具体是一种电网防振锤缺陷自动判别方法。【背景技术】
[0002]电网属于资产密集型的行业，面对海量的电网资产设备，要及时发现设备隐患，及时制定有效的检修计划，保证电网的高可靠性和高稳定性，所以需要及时准确地发现设备缺陷隐患，将电网的威胁降到最低是电网行业亟待解决的问题；在输电线路的管理维护过程中，线路分布于高山峡谷，输电线路的高压架空线路杆位较高，档距较大，架空电力线路受风、冰、低温等气象条件的作用，使线路产生振动和舞动,振动频率较高而振幅很小,振动使得架空线在悬点处反复拗折，引起材料疲劳，最后导致断线事故，舞动的频率很低，而振幅却很大，很容易引起相间闪络，造成线路跳闸、停电或烧伤导线等严重事故，而防振锤在消除线路自振以及消除风等引起的谐振方面发挥不可替代的作用。
[0003]现有技术中，直升机巡视是目前普遍采用的输电线路巡视方式，通过搭载红外摄像机、可见光摄像机对电路进行持续拍摄，在杆塔处直升机进行悬停拍摄，对绝缘子、防振锤进行多角度拍摄，最终形成TB级别的视频数据，然后将视频切割成以杆塔为主题的片段，进行人工识别评估，通过该方式识别防振锤位置的异常，这种方式工作量很大、效率很低，而且人工判别防振锤位置异位不够敏感，除非防振锤存在重大安全隐患，否则很难被肉眼发现，随着大数据时代的来临，hadoop技术的蓬勃发展，使得海量数据的视频、图像的存储、分析、学习成为可能，基于大数据的图像智能识别技术在各行各业应用广泛之势，通过图像识别技术自动完成输电线路缺陷的识别定位将成为必然趋势。
【发明内容】
[0004]针对上述现有技术中的不足之处，本发明旨在提供一种识别效率高、识别更加精确的电网防振锤缺陷自动判别方法。
[0005]为解决上述技术问题，本发明的电网防振锤缺陷自动判别方法，其包括如下步骤:
[0006](I)源图像提取、存储、分析；
[0007](2)完成导线图像的提取；
[0008](3)对背景干扰图像的过滤；
[0009](4)实现图像灰度增强阈值的自适应匹配，对图像进行增强处理；
[0010](5)对图像库进行智能学习，实现防振锤异常缺陷的自动判别。
[0011]具体的，所述实现图像灰度增强阈值的自适应匹配，对图像进行增强处理包括如下步骤:
[0012]建立导线防振锤安装图像库管理；
[0013]实现图像灰度增强阈值的自适应匹配；
[0014]使用自适应匹配的灰度增强阈值，对防振锤图像进行图像增强处理。[0015]所述对图像库进行自能学习，实现防振锤异常缺陷的自动判别包括如下步骤:
[0016]对图像库中防振锤锤头、防振锤线夹、钢绞线进行多角度智能学习；
[0017]输入经切片处理、背景降噪、灰度增强后的图片，对防振锤的位置进行判读；
[0018]智能识别防振锤的异常缺陷。
[0019]所述源图像采用直升机巡视采集，采集后采用hadoop技术对图像进行切片处理。
[0020]本发明的电网防振锤缺陷自动判别方法，实现对巡视数据进行存储、处理、分析；通过对数据进行分切片处理，对图像进行提取、背景降噪及图像增强，并建立防振锤安装图像库，采用智能识别引擎学习，并输入经提取、降噪、增强的图片数据，自动识别防振锤位置异常，有效降低了工作量，提高了巡视数据判读的效率，提高了防振锤位置异常的准确率和及时率，为电网的安全运行提供了先决条件。
【专利附图】
【附图说明】
[0021]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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。
[0022]图1为本发明的电网防振锤缺陷自动判别方法流程图。
【具体实施方式】
[0023]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024]如图1所示，本发明的电网防振锤缺陷自动判别方法，其包括如下步骤:
[0025](I)源图像提取、存储、分析；建立基于hadoop海量数据库的提取、存储分析平台，所述源图像采用直升机巡视采集，采集后采用hadoop技术对图像进行切片处理；
[0026](2)完成导线图像的提取；采用梯度阈值限制的边缘检测算子和宽度阈值限制的Hough变换算法完成提取；
[0027](3)对背景干扰图像的过滤；应用均值滤波、中值滤波、平稳小波阈值综合多维度阈值的高斯噪声和椒盐噪声消除算法实现背景干扰图像的过滤；
[0028](4)实现图像灰度增强阈值的自适应匹配，对图像进行增强处理；结合海量导线防线锤安装图像数据，通过分类聚合技术及网络学习算法实现；
[0029](5)对图像库进行智能学习，实现防振锤异常缺陷的自动判别；基于高维三角形神经元网络算法实现。
[0030]具体的，所述实现图像灰度增强阈值的自适应匹配，对图像进行增强处理包括如下步骤:
[0031]建立导线防振锤安装图像库管理；
[0032]实现图像灰度增强阈值的自适应匹配；
[0033]使用自适应匹配的灰度增强阈值，对防振锤图像进行图像增强处理。[0034]所述对图像库进行自能学习，实现防振锤异常缺陷的自动判别包括如下步骤:
[0035]对图像库中防振锤锤头、防振锤线夹、钢绞线进行多角度智能学习；
[0036]输入经切片处理、背景降噪、灰度增强后的图片，对防振锤的位置进行判读；
[0037]智能识别防振锤的异常缺陷，构建防振锤位置异常识别引擎，包括建立海量防振锤安装数据库；基于海量防振锤安装图像库，构建高维仿生神经网络识别算法。
[0038]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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】
1.一种电网防振锤缺陷自动判别方法，其特征在于，包括如下步骤: (1)源图像提取、存储、分析； (2)完成导线图像的提取； (3)对背景干扰图像的过滤； (4)实现图像灰度增强阈值的自适应匹配，对图像进行增强处理； (5)对图像库进行智能学习，实现防振锤异常缺陷的自动判别。
2.根据权利要求1所述的电网防振锤缺陷自动判别方法，其特征在于:所述实现图像灰度增强阈值的自适应匹配，对图像进行增强处理包括如下步骤: 建立导线防振锤安装图像库管理； 实现图像灰度增强阈值的自适应匹配； 使用自适应匹配的灰度增强阈值，对防振锤图像进行图像增强处理。
3.根据权利要求1或2所述的电网防振锤缺陷自动判别方法，其特征在于:所述对图像库进行自能学习，实现防振锤异常缺陷的自动判别包括如下步骤: 对图像库中防振锤锤头、防振锤线夹、钢绞线进行多角度智能学习； 输入经切片处理、背景降噪、灰度增强后的图片，对防振锤的位置进行判读； 智能识别防振锤的异常缺陷。
4.根据权利要求3所述的电网防振锤缺陷自动判别方法，其特征在于:所述源图像采用直升机巡视采集，采集后采用hadoop技术对图像进行切片处理。
【文档编号】G06K9/46GK104021389SQ201410265094
【公开日】2014年9月3日 申请日期:2014年6月16日 优先权日:2014年6月16日
【发明者】杨晴, 段勇, 吴清华, 张 浩, 任莹, 杞晓东, 胡勇 申请人:昆明能讯科技有限责任公司