The invention discloses a method for detecting deformation of shockproof hammer and LSD algorithm based on machine learning, through the introduction of computer vision with artificial intelligence significance analysis technology, analysis ability makes the existing inspection system will have to identify the human brain and, through visual analysis, monitoring and Analysis on transmission line fitting deformation potential threat the event, to carry out effective monitoring on the key equipment in the transmission line, the equipment reliability to achieve real-time warning, and further enhance the state maintenance and demand side related equipment distribution network management level, improve asset utilization, reduce the accident rate.
【技术实现步骤摘要】
本专利技术涉及一种防震锤变形检测方法,特别是一种基于LSD算法和机器学习的防震锤变形检测方法。
技术介绍
目前,我国输电线路仍然以架空线为主,高压、特高压输电线路分布点多、面广,所处地形复杂,自然环境恶劣,在山地地区,由于水土流失、雨水、泥石流等的原因,会造成对输电线路、尤其是杆塔等电力设施地基的破坏,导致杆塔倾倒或设备损坏,直接破坏输电线路。建设在矿区的输电线路,可能会由于采掘区的变化,造成杆塔地基突然下沉,导致输电线路被破坏。因此,对于处在这类危险地区的输电线路,需要经常观察和监测电力设备地基变化情况。目前常用的方法是人工实地勘察,直接观察地基是否有下沉、地基附近山体是否有土质疏松、是否有产生泥石流的地质倾向等。但是,人工观察效率低、观察区域受到局限。另外,电力线及杆塔附件长期暴露在野外,受到持续的机械张力、雷击闪络、材料老化、人为的影响而产生倒塔、断股、磨损、腐蚀、受力等损伤,绝缘子还存在被雷击损伤,树木生长引起输电线放电,杆塔存在被偷窃等意外事件,一旦发现必须及时处理。据统计,由于污闪而引起的绝缘闪络事故居电网总事故的第2位,仅次于雷击事故,而污闪事故造成的损失却是雷击事故的10倍。因此,对输电线路的及时检测是保障输电线路安全运行的唯一手段。传统的人工巡检方法不仅工作量大而且条件艰苦,特别是对多山区和跨越大江大河的输电线路的巡检,以及在冰灾、水灾、地震、滑坡、夜晚期间巡线检查,所花时间长、人力成本高、困难大、风险高。近几年,采用无人直升机低空遥感方式实现地表观察、地质勘探、线路巡检的技术逐渐成熟,特别是无人机巡检以其高效、准确和安全等特点逐渐成为 ...
【技术保护点】
一种基于LSD算法和机器学习的防震锤变形检测方法,其特征在于:采用如下步骤实现:(1)通过无人机从输电线路上拍摄大量图像,并将图像缩小为原来的80%,然后分别计算图像的每个像素点的梯度值和梯度幅值,计算公式表示如下:gx(x,y)=i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)2gy(x,y)=i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)2---(1);]]>G(x,y)=gx2(x+y)+gy2(x,y)---(2);]]>公式(1)‑(2)中:gx(x,y)和gy(x,y)分别表示像素点在X方向和Y方向上的梯度值;G(x,y)表示像素点的梯度幅值;i(x,y)是坐标中心像素点[i,j]的灰度值;然后将梯度幅值最大的像素点作为种子点,对图像的每个像素点由小到大进行排序,由此得到排序列表;然后以排序列表中一个未使用的像素点作为种子点进行递归以进行区域增长,并对区域增长结果进行矩形估计,由此检测出图像中局部的直的轮廓;(2)预先建立防震锤样本库,并从防震锤样本库中提取大量防震锤样本,然后采用机器学习系统对大量防震锤样本进行机器学习;在机器 ...
【技术特征摘要】
1.一种基于LSD算法和机器学习的防震锤变形检测方法,其特征在于:采用如下步骤实现:(1)通过无人机从输电线路上拍摄大量图像,并将图像缩小为原来的80%,然后分别计算图像的每个像素点的梯度值和梯度幅值,计算公式表示如下: g x ( x , y ) = i ( x + 1 , y ) + i ( x + 1 , y + 1 ) - i ( x , y ) - i ( x , y + 1 ) 2 g y ( x , y ) = i ( x + 1 , ...
【专利技术属性】
技术研发人员:汤明文,詹仁俊,戴礼豪,黄宇淇,王力群,
申请(专利权)人:国网福建省电力有限公司,国家电网公司,国网福建省电力有限公司福州供电公司,福州振源科技开发有限公司,
类型:发明
国别省市:福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。