一种基于图像识别技术的输电线智能检测系统技术方案

本发明专利技术属于检测领域，公开了一种基于图像识别技术的输电线智能检测系统，图像分割模块，图像分割模块包括获取单元、计算单元、筛选单元和分割单元；获取单元用于获取输电线检测图像所对应的筛选图像集合；计算单元用于计算中各个元素的图像综合系数；筛选单元用于获取中图像综合系数最大的元素；分割单元用于基于对输电线检测图像进行图像分割，获得前分割图像。本发明专利技术在进行图像分割时能够选出噪声信息尽可能少的图像来进行图像分割，从而提高分割结果的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种基于图像识别技术的输电线智能检测系统


[0001]本专利技术涉及检测领域，尤其涉及一种基于图像识别技术的输电线智能检测系统。

技术介绍

[0002]传统的输电线检测一般是依靠人工的方式进行。这种检测方式不仅效率低，而且检测工人在崎岖的山路上带着大量的装备行走，还存在滑坡事件影响人身安全。随着无人机技术的逐渐成熟，现有技术中也开始大量地使用无人机来进行输电线的检测，具体的检测方式为先通过无人机来获取输电线的图像，然后进行图像分割来将背景的像素点去掉，留下输电线所在的前景区域作为检测区域，接着将分割得到的图像输入到检测算法中进行检测，判断输电线是否出现问题。
[0003]但是现有的基于图像识别的输电线检测系统，在进行图像分割的过程中，一般都是仅在获得灰度图像后便进行图像分割，但是灰度图像中包含了比较多的噪声信息，因此，仅依靠灰度图像来进行图像分割，容易获得不够准确的分割结果。

技术实现思路

[0004]本专利技术的目的在于公开一种基于图像识别技术的输电线智能检测系统，解决如何提高基于图像识别的输电线检测系统在图像分割的过程中的分割结果的准确率的问题。
[0005]为了达到上述目的，本专利技术采用如下技术方案：一种基于图像识别技术的输电线智能检测系统，包括图像分割模块，图像分割模块包括获取单元、计算单元、筛选单元和分割单元；获取单元用于获取输电线检测图像所对应的筛选图像集合；计算单元用于计算中各个元素的图像综合系数；筛选单元用于获取中图像综合系数最大的元素；分割单元用于基于对输电线检测图像进行图像分割，获得前分割图像。
[0006]可选的，基于图像识别技术的输电线智能检测系统还包括无人机模块；无人机模块用于获取待检测的输电线的输电线检测图像。
[0007]可选的，基于图像识别技术的输电线智能检测系统还包括图像识别模块；图像识别模块包括降噪单元、提高单元、复分割单元和识别单元；降噪单元用于对前分割图像进行降噪处理，获得待提高图像；提高单元用于对待提高图像进行细节提高处理，获得待分割图像；复分割单元用于对待分割图像进行复分割处理，获得待识别图像；识别单元用于对待识别图像进行图像识别，判断待识别图像中是否出现预设类型的缺陷。
[0008]可选的，获取输电线检测图像所对应的筛选图像集合，包括：获取输电线检测图像在Lab颜色模型中的亮度图像；
获取输电线检测图像的灰度图像；获得输电线检测图像在RGB颜色模型中的红色基本色的图像、蓝色基本色的图像和绿色基本色的图像；将亮度图像、灰度图像、红色基本色的图像、蓝色基本色的图像和绿色基本色的图像作为筛选图像集合中的元素。
[0009]可选的，计算中各个元素的图像综合系数，包括：对于中的第i个元素，采用以下函数计算的图像综合系数：
[0010]其中，表示的图像综合系数，和表示设定的权重系数，，表示的噪声估计方差，表示设定的噪声估计方差的标准值，表示的像素值的理论最大值，表示像素值为j的像素点的数量，表示中的像素点的数量，表示设定的信息量标准值。
[0011]可选的，基于对输电线检测图像进行图像分割，获得前分割图像，包括：使用图像分割算法对进行图像分割，获得图像前景区域的像素点的集合；将中的像素点在输电线检测图像中对应的像素点作为前分割图像中的像素点。
[0012]可选的，预设类型的缺陷包括输电线上有杂物覆盖、输电线有裂痕和输电线断开。
[0013]可选的，图像分割算法包括基于区域的图像分割算法和基于边缘的图像分割算法。
[0014]与现有的基于图像识别的输电线检测系统在进行图像分割时不同，本专利技术是先在进行图像降噪之前进行了一次的图像分割，而在图像分割的过程中，本专利技术不是直接对灰度图像进行分割，而是先获取筛选图像集合，然后再从根据图像综合系数从选出用于进行分割的图像，接着基于选出的图像进行图像分割。由于进行图像分割的图像的选择范围变大了，因此，本专利技术在进行图像分割时能够选出噪声信息尽可能少的图像来进行图像分割，从而提高分割结果的准确率。
附图说明
[0015]利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0016]图1为本专利技术一种基于图像识别技术的输电线智能检测系统的第一种实施例图。
[0017]图2为本专利技术一种基于图像识别技术的输电线智能检测系统的第二种实施例图。图3为本专利技术一种基于图像识别技术的输电线智能检测系统的第三种实施例图。
具体实施方式
[0018]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0019]如图1所示的一种实施例，本专利技术提供了一种基于图像识别技术的输电线智能检测系统，包括图像分割模块，图像分割模块包括获取单元、计算单元、筛选单元和分割单元。
[0020]在一种实施方式中，获取单元用于获取输电线检测图像所对应的筛选图像集合。
[0021]具体的，获取输电线检测图像所对应的筛选图像集合，包括：获取输电线检测图像在Lab颜色模型中的亮度图像；获取输电线检测图像的灰度图像；获得输电线检测图像在RGB颜色模型中的红色基本色的图像、蓝色基本色的图像和绿色基本色的图像；将亮度图像、灰度图像、红色基本色的图像、蓝色基本色的图像和绿色基本色的图像作为筛选图像集合中的元素。
[0022]本专利技术是在不同的颜色模型中获取不同的图像来作为备选的用于分割的图像，然后选取满足要求的图像进行图像分割，可选范围比现有的只能使用灰度图像的方式相比，得到了显著的扩大，从而提高了能够提升图像分割的准确率的概率。
[0023]需要注意的是，除了上面列举到的图像之外，还可以包括其它的能够用于进行图像分割的图像。
[0024]在一种实施方式中，计算单元用于计算中各个元素的图像综合系数。
[0025]具体的，计算中各个元素的图像综合系数，包括：对于中的第i个元素，采用以下函数计算的图像综合系数：
[0026]其中，表示的图像综合系数，和表示设定的权重系数，，表示的噪声估计方差，表示设定的噪声估计方差的标准值，表示的像素值的理论最大值，表示像素值为j的像素点的数量，表示中的像素点的数量，表示设定的信息量标准值。，表示中的元素的数量。
[0027]具体的，理论最大值指的是在自身所处的颜色模型中的取值范围，例如，灰度图像的像素值的理论最大值为255。
[0028]在综合系数的计算上，本专利技术主要是从噪声估计方差以及信息量两个方面来进行考虑，噪声估计方差越小，信息量越大，则综合系数越大；噪声估计方差越大，信息量越小，则综合系数越小。本专利技术的设置方式能够选出噪声含量少而信息含量大的图像来作为分割
图像，从而提高分割结果的准确率。...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别技术的输电线智能检测系统，其特征在于，包括图像分割模块，图像分割模块包括获取单元、计算单元、筛选单元和分割单元；获取单元用于获取输电线检测图像所对应的筛选图像集合；计算单元用于计算中各个元素的图像综合系数；筛选单元用于获取中图像综合系数最大的元素；分割单元用于基于对输电线检测图像进行图像分割，获得前分割图像。2.根据权利要求1所述的一种基于图像识别技术的输电线智能检测系统，其特征在于，还包括无人机模块；无人机模块用于获取待检测的输电线的输电线检测图像。3.根据权利要求1所述的一种基于图像识别技术的输电线智能检测系统，其特征在于，还包括图像识别模块；图像识别模块包括降噪单元、提高单元、复分割单元和识别单元；降噪单元用于对前分割图像进行降噪处理，获得待提高图像；提高单元用于对待提高图像进行细节提高处理，获得待分割图像；复分割单元用于对待分割图像进行复分割处理，获得待识别图像；识别单元用于对待识别图像进行图像识别，判断待识别图像中是否出现预设类型的缺陷。4.根据权利要求1所述的一种基于图像识别技术的输电线智能检测系统，其特征在于，获取输电线检测图像所对应的筛选图像集合，包括：获取输电线检测图像在Lab颜色模型中的亮度图像；获取输电线检测图像的灰度图像；获得输电线检测图像在RGB颜色...

【专利技术属性】
技术研发人员：陈焕彬，周海，田松林，刘兆平，黄杰，赵铭，林镇锋，张国昌，尹巧玲，李锐，
申请(专利权)人：南方电网数字平台科技广东有限公司，
类型：发明
国别省市：