一种基于边缘检测的瓷质绝缘子裂缝特征检测方法

    公开(公告)号:CN108257138B

    公开(公告)日:2021-07-30

    申请号:CN201810078201.1

    申请日:2018-01-26

    Abstract: 本发明公开了一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,具体按照以下步骤实施:步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声;步骤2:用改进的kirsch边缘检测算子分别对预处理后的三个单通道图像进行边缘检测;步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域;步骤4:计算裂缝与水平方向的夹角α,判断裂缝类型,然后分别计算R、G、B三个通道中裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。该方法能够通过边缘检测及拟合可以得到裂缝的中心坐标、面积、长度等特征,实现裂缝缺陷的非接触、在线监测。

    一种基于边缘检测的瓷质绝缘子裂缝特征检测方法

    公开(公告)号:CN108257138A

    公开(公告)日:2018-07-06

    申请号:CN201810078201.1

    申请日:2018-01-26

    Abstract: 本发明公开了一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,具体按照以下步骤实施:步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声;步骤2:用改进的kirsch边缘检测算子分别对预处理后的三个单通道图像进行边缘检测;步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域;步骤4:计算裂缝与水平方向的夹角α,判断裂缝类型,然后分别计算R、G、B三个通道中裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。该方法能够通过边缘检测及拟合可以得到裂缝的中心坐标、面积、长度等特征,实现裂缝缺陷的非接触、在线监测。

    基于图像处理的复合绝缘子疲劳破坏检测方法

    公开(公告)号:CN107367362A

    公开(公告)日:2017-11-21

    申请号:CN201710482353.3

    申请日:2017-06-22

    CPC classification number: G01M7/00

    Abstract: 本发明公开了一种基于图像处理的复合绝缘子疲劳破坏检测方法,具体按照以下步骤实施:步骤1,获取强风时复合绝缘子振动的视频;步骤2,提取复合绝缘子所在矩形区域图像,步骤3,对步骤2中提取的图像进行灰度化处理并去除图像中的噪声后,进行自适应阈值操作提取复合绝缘子所在区域并做边缘提取获取图像P;步骤4,定义并计算参数弯曲角θ,求取局部极小值;步骤5,计算大伞裙的形变参数σ;步骤6,对材料的疲劳累计损伤D进行计算,判断绝缘子是否破坏。解决了现有技术未曾涉及的强风下运行的复合绝缘子形变量的测量方法,对构成复合绝缘子大伞裙根部的疲劳情况进行定量分析,对整串复合绝缘子大伞裙根部的疲劳状态的在线评估奠定良好基础。

    基于视频差异分析的复合绝缘子疲劳程度评价方法

    公开(公告)号:CN107367361A

    公开(公告)日:2017-11-21

    申请号:CN201710481177.1

    申请日:2017-06-22

    CPC classification number: G01M7/00

    Abstract: 本发明公开了一种基于视频差异分析的复合绝缘子疲劳程度评价方法,首先采集视频图像及风速波形,然后对获取的复合绝缘子振动视频中各帧图像进行灰度化处理,获得灰度图像P(t);对获取的灰度化图像P(t)进行边缘提取,获取边缘曲线的两个横向左凸角点坐标,然后再计算t时刻复合绝缘子单位时间内的形变量e(t)=ηd(t)f1,并根据采集的视频,求取正弦曲线的原函数,获取复合绝缘子强风下的振动正弦曲线波形e(t);最后计算出复合绝缘子疲劳程度的评价参数α。解决了现有技术未曾涉及的强风下运行的复合绝缘子形变量的测量方法的问题,对构成复合绝缘子的橡胶材料的疲劳程度进行定量评价,为整串复合绝缘子的故障状态的评估奠定良好基础。

    一种基于集成分类器在线学习的绝缘子异常自动检测方法

    公开(公告)号:CN108765373B

    公开(公告)日:2022-03-22

    申请号:CN201810386292.5

    申请日:2018-04-26

    Abstract: 本发明公开了一种基于集成分类器在线学习的绝缘子异常自动检测方法,具体步骤为,以无人机/杆塔为载体搭载高清云台摄像机,拍摄输电线路可见光绝缘子图像,对获取到的图像进行预处理、图像分割、图像多特征提取等,得到异常绝缘子图像的多种典型特征并作归一化处理;然后选择决策树作为弱分类器,将归一化特征作为其分类属性训练弱分类器,重复训练得到若干个决策树及其分类权重,最后通过加权投票生成分类准确率高的强分类器,同时结合在线学习技术及时更新强分类器,将各类型异常绝缘子图像分开,以做后续处理。本发明原理简单、直观易行,结合图像处理技术及机器学习算法智能化识别诊断绝缘子异常,为绝缘子异常运行监测提供了新思路和方法。

    基于可见光图像的输电导线散股缺陷检测方法

    公开(公告)号:CN107179479B

    公开(公告)日:2020-05-22

    申请号:CN201710436431.6

    申请日:2017-06-12

    Abstract: 本发明公开的基于可见光图像的输电导线散股缺陷检测方法,主要以机器人巡检为载体,搭载高清云台摄像机拍摄的输电导线可见光导线图像,通过图像预处理、图像分割、亚像素边缘提取算法先提取出导线各股边缘轮廓,然后通过分析输电导线表面股与股之间排列特征以及分布关系,根据输电导线各股方向角和圆度,确定最终可疑散股线,最后通过计算可疑散股线与它们两侧相邻股的轮廓线之间的距离,从而判断出输电导线散股故障位置。本发明的输电导线散股缺陷检测方法,原理简单、直观易行,通过图像处理技术智能化检测输电线路损伤故障情况,为输电导线故障检测测提供了一种新思路。

    基于视频差异分析的复合绝缘子疲劳程度评价方法

    公开(公告)号:CN107367361B

    公开(公告)日:2019-07-26

    申请号:CN201710481177.1

    申请日:2017-06-22

    Abstract: 本发明公开了一种基于视频差异分析的复合绝缘子疲劳程度评价方法,首先采集视频图像及风速波形,然后对获取的复合绝缘子振动视频中各帧图像进行灰度化处理,获得灰度图像P(t);对获取的灰度化图像P(t)进行边缘提取,获取边缘曲线的两个横向左凸角点坐标,然后再计算t时刻复合绝缘子单位时间内的形变量e(t)=ηd(t)f1,并根据采集的视频,求取正弦曲线的原函数,获取复合绝缘子强风下的振动正弦曲线波形e(t);最后计算出复合绝缘子疲劳程度的评价参数α。解决了现有技术未曾涉及的强风下运行的复合绝缘子形变量的测量方法的问题,对构成复合绝缘子的橡胶材料的疲劳程度进行定量评价,为整串复合绝缘子的故障状态的评估奠定良好基础。

Patent Agency Ranking