基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法技术

本发明专利技术涉及输电线路安全监测技术领域，具体地说，涉及基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法。包括如下步骤：图像采集；图像预处理；覆冰厚度检测。本发明专利技术设计使用了基于深度学习的VGG卷积神经网络，能够进行精确的图像分析和数据处理，从而准确地获取覆冰类型，识别覆冰类型准确性高；使用高效的图像处理技术，计算速度快，占用计算资源少，可以准确地计算物体所占据的面积，避免了人工测量的误差，检测覆冰厚度的精度高、速度快；可以实现自动化的检测导线上的覆冰类型和厚度，提高工作效率；可以实现实时监测导线上的覆冰情况，及时发现异常情况，保障电力系统的稳定运行；可以较容易地进行扩展和改进，实现更广泛的应用。现更广泛的应用。现更广泛的应用。

【技术实现步骤摘要】
基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法


[0001]本专利技术涉及输电线路安全监测
，具体地说，涉及基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法。

技术介绍

[0002]导线覆冰是指雨凇、雾凇凝附在导线上或湿雪冻结在导线上的现象，输电线路覆冰和积雪会导致其机械和电气性能急剧下降，引起绝缘子覆冰闪络、导地线断线、导线舞动、倒塔和电力通信中断等事故。
[0003]输电线路的冻结覆冰灾害一直严重威胁着电力系统的安全稳定运行，故对于输电线路覆冰状态的检测具有非常重要的意义。目前的监测方法主要有称重法、导线倾角法、覆冰速率计法、模拟导线法以及准分布式光纤法等。
[0004]上述方法中，目前效果较好的是称重法，但其存在操作繁琐，测量精度不够等问题，同时其他方法均存在难以克服的缺陷，需要进一步研究。鉴于此，我们提出了基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法。

技术实现思路

[0005]本专利技术的目的在于提供基于人工智能及opencv图像识别算法的覆冰类型与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，包括如下步骤：S1、图像采集：使用伞形标尺上的醒目等距色环来判断覆冰的轮廓，利用摄像头采集输电线路色环上覆冰的图像，通过无线传输将图像信息回传至控制中心；S2、图像预处理：利用图像滤波技术对图像进行增强处理，以实现对图像的补偿；S3、覆冰类型检测：先获取覆冰形态训练样本集，通过预训练获取图像纹理特征，确定覆冰类型的类聚中心，构建覆冰形态特征库，最终根据图像的纹理特征确定待检测图像的覆冰类型；S4、覆冰厚度检测：通过调整颜色空间，并对图像进行二值化，然后进行边缘检测以提取轮廓信息，再提取图像中覆冰的外形，最后计算像素点得到覆冰截面积，即覆冰厚度。2.根据权利要求1所述的基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，所述S2中，图像预处理中，采用中值滤波方法对图像进行滤波预处理；中值滤波方法的作业原理为：传统的中值滤波含有窗口的数目为奇数个，则指定点的灰度值被窗口中各个点的灰度值的中值取代；如果是含有奇数个像素，按照排序后的值取中位数作为中值；如果是像素个数偶数，直接用中间灰度值的均值；中值滤波的一般表达式为：f(x，y)＝median(g(x，y))，(x，y)∈Sw；其中，f(x，y)为处理得到的结果图像，g(x，y)为含有噪声的原始图像，Sw为中值滤波操作的模板。3.根据权利要求1所述的基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，所述S3中，覆冰类型检测的具体方法包括如下步骤：S3.1、获取覆冰形态训练样本集：采集多种状态的导线图像，并对覆冰形态训练样本集进行预处理；对采集的图像进行标注，标注出高压线的轮廓以及覆冰形态；继而截取覆冰形态训练样本集的任一图像中的高压线区域的图像，并将其矫正为矩形图像作为训练样本以为后续图像的训练和分类做准备；S3.2、预训练获取图像纹理特征：将各类状态彩色图像作为不同类型的图像集，其中图像集合分别记作X
k
；继而对X
k
中的每幅图像进行缩放，并将缩放后的图像放入X
k
中，同时也将X
k
里的图像集转换成ImageNet数据集；最后使用ImageNet数据集中的图像，对VGG
‑
VD19层CNN网络进行预训练；S3.3、k
‑
means聚类确定类聚中心；S3.4、构建覆冰形态特征库：当类聚中心确定之后，覆冰形态特征库中就存储有各个类聚中心；S3.5、确定待检测图像的覆冰类型：将待检测覆冰图像输入覆冰形态特征库，以使得所述覆冰形态特征库根据所述类聚中心来确定待检测图像的纹理特征，并根据所述待检测图像的纹理特征确定覆冰类型。4.根据权利要求1所述的基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，所述S4中，覆冰厚度检测的具体方法包括如下步骤：
S4.1、调整颜色空间：调用cv2.cvtColor函数对滤波后的图像进行灰度化处理，以提高后续图像处理的效率；S4.2、图像二值化：调用cv2.threshold函数对图像进行二值化处理；S4.3、采用Canny进行边缘检测，提取轮廓信息；S4.4、采用霍夫Hough变换，提取图像中覆冰的外形：调用opencv的cv2.HoughCircle函数完成轮廓检测；S4.5、计算像素点得到覆冰截面积：在OPENCV中，调用cv2.contourArea函数计算给定轮廓所围成区域的面积。5.根据权利要求4所述的基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，所述S4.1中，调整颜色空间时采用加权平均值法对获取到图像进行初步灰度化处理；具体算法为：分别对原始图像的R、G、B的三个通道进行权值平均，如下所示：R＝G＝B＝(λ1R+λ2G+λ3B)/3；其中，λ1+λ2+λ3＝1。6.根据权利要求5所述的基于人工智能及opencv图像识别算法的覆冰类型与厚度检测方法，其特征在于，所述S4.2中，图像二值化时采用Otsu法对图像进行二值化处理；具体计算过程如下：(1)遍历图像中的每一个像素，计算其灰度值的直方图p(i)，其中i为灰度值；(2)计算每一个灰度级别i的像素在图像中的占比w(i)：其中，n
i
表示灰度级别i的像素数量，n表示图像的像素总数；(3)计算每个灰度级别i的平均灰度值μ
(i)
：其中，L是灰度级别的总数，p(j)是灰度值为j的像素占图像总像素数的比例；(4)计算全局平均灰度值u
T
：(5)计算类间方差ν
(i)
：ν
(i)
＝w(i)
·
(u
T
‑
μ
(i)
)2+(1
‑
w(i))
·
(μ
(i)
)2；(6)取使类间方差最大的灰度级别值为阈值T：T＝arg max
i
(ν(i))；(7)使用阈值T将图像分为前景和背景两部分；通过以上步骤，得到Otsu阈值分割算法的阈值；该阈值可以使得将图像分割成前景和背景两部分时，使得两部分的类间方差最大化...

【专利技术属性】
技术研发人员：陈德令，曾寒烨，刘成梦，刘成铖，王科，秦忠，万先芝，王兴艳，蔡大云，李庆东，李亚伟，
申请(专利权)人：云南电网有限责任公司昭通供电局，
类型：发明
国别省市：