【技术实现步骤摘要】
本专利技术涉及单兵智能作战，尤其涉及一种基于单兵智能视觉系统的电力巡查方法及系统。
技术介绍
1、传统用电检查巡检普遍采用的是人工巡视、手工纸介质记录的工作方式，该方式存在着人为因素多、管理成本高、无法监督巡检人员工作状态等明显缺陷，而且无法将这些信息形成历史，供其他人员查阅分析，只能查阅用仪器记录设备的状态参数。
2、由于配网电压等级较低，长期以来配网相关研究工作一直没有受到足够的重视。配网运行及管理等方面都要远远落后于主网。配电自动化在我国的兴起主要是缘于城网改造口长期以来配电网建设不受重视，结构薄弱，导致发电容量冗余的同时供配电能力低下。由此国家出台城网改造的政策、资金，并提出要积极稳步推进配电自动化。
3、目前我国多数省市电力系统目前采用的巡检模式主要有2种，一种是传统的设备巡检系统，是一种手工的抄写、录入系统。另一种是基于数据采集终端的巡检系统。对传统的设备巡检系统来说，巡检员在发现缺陷后，要根据缺陷的具体情况查阅缺陷库，并按照缺陷库描述的顺序将所观察到的情况填写在录表上。这种方式有很多缺陷，的弊端越来越明显，随着掌上智能设备的快速发展，以及自动识别技术的发展，另一种是基于ppc的巡检系统也就应用而生了，它实现巡检系统的快捷化，避免了以前巡检人员带着报表到处抄写数据的情况。但是这种方式往往受到数据采集终端运算速度慢，存储有限，数据支持较差，大量数据的检索速度较慢等因素的制约。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简
2、鉴于上述现有存在的问题，提出了本专利技术。
3、因此，本专利技术提供了一种基于单兵智能视觉系统的电力巡查方法及系统，能够解决pda数据读取及录入、巡检工作管理、设备缺陷和危及线路安全的隐患及时发现的问题。
4、为解决上述技术问题，本专利技术提供如下技术方案，一种基于单兵智能视觉系统的电力巡查方法，包括：
5、采集方法所需数据并对数据进行预处理；根据预处理后的数据建立基于边缘检测和区域生长的红外图像分割模型；根据分割模型确定基于正交生成法实验原理测试兼容性规则；通过所述规则建立故障智能分类和预诊断模式。
6、作为本专利技术所述的一种基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述数据包括，红外与可见光的互补性构建立的图像信息、过程诊断与标记数据、图像数据存储及历史数据；所述预处理包括，将图像及采集到的其他数据导入训练模型进行训练；所述分割模型包括，对图像信号的提取和处理并根据提取和处理后的图像信号建立图像缺陷特征大数据库。
7、作为本专利技术所述的基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述图像缺陷特征大数据库包括，对已知故障类型无需专家会诊的自动标注和分类，现场施工单位故障检测快速学习，同时，对新的故障类型诊断积累进行进一步的研究。
8、作为本专利技术所述的基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述缺陷图像信号的提取和处理包括，可见光、红外信息系统的核心部分就是红外图像与可见光图像的融合，红外传感器和可见光传感器的成像原理不同，使得所成的图像信息具有互补性，红外成像取决于景物的发射率和温度分布，灰度波动来源于大背景辐射中的景物各个部分的辐射变化，能克服部分视觉上的障碍而探测到目标，实现昼夜24小时全天候的工作。
9、作为本专利技术所述的基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述缺陷图像信号的提取和处理还包括根据红外图像的目标区域的灰度高于背景区域的灰度这个区域特性，提出一种区域生长与边缘提取法相结合的区域分割方法，先对待分割红外图像进行边缘提取，得到图像的可能边缘像素点集，并计算该像素点集的平均灰度，再利用目标区域的连通性和前述步中得到的平均灰度作为生长的判决条件，对待分割图像进行区域生长分割；
10、其中，边缘提取使用sobel算子，利用卷积核对图像进行梯度计算，得到图像的水平方向和垂直方向的梯度值，根据梯度值和一个阈值来判断是否为边缘像素，设原始图像为i(x,y)，水平方向和垂直方向的卷积核分别为gx和gy，则水平方向和垂直方向的梯度值分别为：
11、gx(x,y)＝i(x,y)*gx
12、gy(x,y)＝i(x,y)*gy
13、其中*表示卷积运算，用以下公式计算梯度幅值和梯度方向：
14、
15、
16、如果g(x,y)大于一个阈值t，则认为该点是边缘像素点，否则不是；
17、设边缘像素点集为e＝(xi,yi)|g(xi,yi)>t，则可以计算该集合的平均灰度为：
18、
19、其中|e|表示集合e的元素个数；
20、利用区域生长法对图像进行分割，设种子像素集为s＝(xs,ys)，则可以用以下公式描述区域生长过程：
21、初始化：设当前区域集合为r＝(xs,ys)；
22、对于每个种子像素(xs,ys)，检查其邻域内的所有未标记过的像素(xn,yn)；
23、如果(xn,yn)满足以下条件之一，则将加入到当前区域集合中，并将其作为新的种子像素：
24、(xn,yn)属于边缘像素点集e，并且其灰度值与平均灰度之差小于一个阈值∈；
25、(xn,yn)不属于边缘像素点集e，并且其灰度值与当前区域集合r中所有像素的平均灰度之差小于一个阈值δ；
26、(xn,yn)属于边缘像素点集e，并且其灰度值与平均灰度之差小于一个阈值∈；
27、(xn,yn)不属于边缘像素点集e，并且其灰度值与当前区域集合r中所有像素的平均灰度之差小于一个阈值δ；
28、重复前述步骤，直到没有新的像素可以加入到当前区域集合中，或者当前区域集合的大小超过一个阈值λ；
29、若还有未标记过的像素，选择一个新的种子像素，回到步骤1，否则结束；
30、其中，阈值t,∈,δ和λ都是根据实际情况设定的参数，通过实验或优化方法来确定。
31、作为本专利技术所述的基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述区域生长包括基于区域生长的图像分割算法，区域生长是指根据事先制定好的准则，利用图像像素间的邻接性与连续性，将图像中具有相似特性的像素集合起来构成区域的过程，先从待分割区域中找到一个种子像素作为该区域生长的起点，然后根据生长准则将该种子像素周围与性质相似的像素附加到种子像素所在的区域中，并将新加入的像素当作新的种子像素重复上面的步骤，直到没有满足条件的像素可以被合并进来或者符合终止准则时，生长结束。
32、作为本专利技术所述的基于单兵智能视觉系统的电力巡查方法的一种优选方案，其中：所述边缘检本文档来自技高网...
【技术保护点】
1.一种基于单兵智能视觉系统的电力巡查方法，其特征在于：包括，
2.如权利要求1所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述数据包括，红外与可见光的互补性构建立的图像信息、过程诊断与标记数据、图像数据存储及历史数据；
3.如权利要求2所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述图像缺陷特征大数据库包括，对已知故障类型无需专家会诊的自动标注和分类，现场施工单位故障检测快速学习，同时，对新的故障类型诊断积累进行进一步的研究。
4.如权利要求3所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述缺陷图像信号的提取和处理包括，可见光、红外信息系统的核心部分就是红外图像与可见光图像的融合，红外传感器和可见光传感器的成像原理不同，使得所成的图像信息具有互补性，红外成像取决于景物的发射率和温度分布，灰度波动来源于大背景辐射中的景物各个部分的辐射变化，能克服部分视觉上的障碍而探测到目标，实现昼夜24小时全天候的工作。
5.如权利要求4所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述缺陷图像
6.如权利要求5所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述区域生长包括基于区域生长的图像分割算法，区域生长是指根据事先制定好的准则，利用图像像素间的邻接性与连续性，将图像中具有相似特性的像素集合起来构成区域的过程，先从待分割区域中找到一个种子像素作为该区域生长的起点，然后根据生长准则将该种子像素周围与性质相似的像素附加到种子像素所在的区域中，并将新加入的像素当作新的种子像素重复上面的步骤，直到没有满足条件的像素可以被合并进来或者符合终止准则时，生长结束。
7.如权利要求6所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述边缘检测包括图像边缘，边缘表示一个区域的终结和另一个区域的开始，是图像局部特征不连续的表现；所述边缘检测是基于边界的图像分割方法的第一步，两个具有不同灰度值的相邻区域之间总存在着边缘，阶梯状的边缘两边的区域有明显不同的灰度值，脉冲状对应细条状的灰度突变区域，而屋顶状的边缘灰度由一个区域缓慢过渡到另一个区域，中间有缓冲区，边缘是灰度值不连续的结果，利用不连续性，用求导数的方法对边缘进行检测，用一阶和二阶导数来检测边缘。
8.一种采用如权利要求1～7任一所述的一种基于单兵智能视觉系统的电力巡查方法的系统，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于单兵智能视觉系统的电力巡查方法，其特征在于：包括，
2.如权利要求1所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述数据包括，红外与可见光的互补性构建立的图像信息、过程诊断与标记数据、图像数据存储及历史数据；
3.如权利要求2所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述图像缺陷特征大数据库包括，对已知故障类型无需专家会诊的自动标注和分类，现场施工单位故障检测快速学习，同时，对新的故障类型诊断积累进行进一步的研究。
4.如权利要求3所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述缺陷图像信号的提取和处理包括，可见光、红外信息系统的核心部分就是红外图像与可见光图像的融合，红外传感器和可见光传感器的成像原理不同，使得所成的图像信息具有互补性，红外成像取决于景物的发射率和温度分布，灰度波动来源于大背景辐射中的景物各个部分的辐射变化，能克服部分视觉上的障碍而探测到目标，实现昼夜24小时全天候的工作。
5.如权利要求4所述的一种基于单兵智能视觉系统的电力巡查方法，其特征在于：所述缺陷图像信号的提取和处理还包括根据红外图像的目标区域的灰度高于背景区域的灰度这个区域特性，提出一种区域生长与边缘提取法相结合的区域分割方法，先对待分割红外图像进行边缘提取，得到图像的可能边缘像素点集，并计算该像素点集的平均灰度，再利用目标区域的连通性和前述步中得到的平均灰度作为生长的判决条件，对待分割图像进行区域生长分割；
6.如权利要求5所述的一种基于单兵智能视觉系统的电...
【专利技术属性】
技术研发人员：黄松，刘天楠，陈航，邹佳，邓星虞，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
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。