[发明专利]基于图像识别技术的输电线路隐患及故障检测方法

说明书

技术领域

本发明属于图像识别技术识别领域，尤其涉及输电线路典型缺陷识别和故障检测。

背景技术

建设输电线路典型缺陷识别模型库便于实现智能化线路巡视工作，通过图像识别、图像分析、图像处理、智能学习等技术的应用，能够实现线路隐患自动判断的目的。通过图像识别技术在输电线路隐患排查中的应用研究，可以提高巡视的及时性，能够第一时间发现线路中存在的隐患或故障；提高巡视的科学性，系统根据不同的缺陷识别模型，进行图片分析和识别，识别线路中存在的缺陷，快速定位准确的判断缺陷发生的部位和类别；巡视智能化，通过缺陷识别模型，缺陷样本库，智能学习机制，科学高效的进行线路巡视；提高巡视的全面性，可以利用一切巡视手段进行线路巡视，通过智能识别自动分析线路缺陷；巡视的规范性，制定缺陷识别模型接口标准使得系统的兼容性更佳强大，适应更多的数据源接入系统。

发明内容

本发明针对现有技术的不足，提出一种基于图像识别技术的输电线路隐患及故障检测方法，实现图像智能化判断，减少人工经验判断造成的误差。

该基于图像识别技术的输电线路隐患及故障检测方法，包括如下步骤：

S1、建立样本特征库，即提取无缺陷图像的样本特征建立样本特征库；

S2、对缺陷图像特征进行提取，具体为：

S21、对需要对比的图像采用高斯滤波进行预处理；

S22、对S21所述预处理后的无缺陷图像进行增强处理需求判定，若需要进行增强处理则转入S22，如不需要进行增强处理则转入S25；

S23、将S22所述需要增强处理的图像转到Lab空间，提取a空间图像；

S24、对S23所述转到a空间图像进行直方图均衡化处理；

S25、对图像进行最大类间方差阈值分割，将目标与背景分割；

S26、采用形态学处理方法对S25所述分割后的图像进行开运算，得到二值图像；

S27、对S26所述二值图像进行连通域过滤，保留连通域面积大于等于0.5倍阈值QH，小于等于2倍阈值QH的连通域，其中，QH为阈值；

S3、对缺陷图像进行识别，具体包括：

S31、进行canny边缘检测；

S32、对边缘点进行拟合；

S33、计算拟合误差F，若拟合误差F小于0.5则判定为破损，若拟合误差F大于等于0.5则判定为无破损；

S4、对S1所述样本特征库进行训练，具体为：

S41、加入新图像的特征向量进行分类判断，若属于S1所述样本特征库则终止训练，若不属于S1所述样本特征库则转到S42；

S42、判断S41所述特征向量是否属于支持向量，若属于支持向量，则加入S1所述样本特征库，若不属于支持向量，则不加入S1所述样本特征库；

S5、对S1所述样本特征库采用增量学习的方法提高智能程度，具体为：

S51、对新图像对比S1所述样本特征库进行识别，若识别失败，则转入S51，若识别成功则转入S4；

S52、进行人工划定区域，划出S51所述新图像的特征区域；

S53、对S52所述特征区域采用S25所述最大类间方差阈值法进行分割，获取目标区域；

S54、提取目标区域的特征向量，加入S1所述样本特征库。

进一步地，S27所述连通域过滤的具体步骤如下：

步骤A、对S26所述二值图像的连通域面积进行统计，对每一块连通域进行编号；

步骤B、计算步骤A所述连通域的中心坐标与S26所述二值图像的中心坐标的几何距离构成集合Q；

步骤C、选取步骤B所述集合Q中的最小值所对应的连通域的面积作为阈值QH；

步骤D、保留连通域面积大于等于0.5倍阈值QH，小于等于2倍阈值QH的连通域。

进一步地，S26所述形态学处理方法包括：腐蚀算法，膨胀算法和开闭运算。

进一步地，S32所述拟合包括：椭圆拟合和直线拟合。

本发明的有益效果是：

实现了图像智能化判断、分析机制，从完全人工判断分析到少人判断分析，再到全面的计算机自动化判断分析，这样大大减轻了平时的工作强度和疲劳度，提升了工作的标准化和规范化，同时减少了人工经验判断可能造成的偏差，逐步实现计算机自动分析判断隐患和故障能够带来大量的社会效益和经济效益，不但能够提升整体的工作效率还能确保每一个细小的隐患能够及时发现，降低隐患和故障对电力输送线的影响。

附图说明

图1是对缺陷图像识别的流程图。