留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于无人机的输电线路设备识别方法研究

何思远,  刘刚,  王玲,  唐延东

downloadPDF
文章导航 > 红外与激光工程  > 2013 >  42(7): 1940-1944
何思远, 刘刚, 王玲, 唐延东. 基于无人机的输电线路设备识别方法研究[J]. 红外与激光工程, 2013, 42(7): 1940-1944.
引用本文: 何思远, 刘刚, 王玲, 唐延东. 基于无人机的输电线路设备识别方法研究[J]. 红外与激光工程, 2013, 42(7): 1940-1944.
shu
He Siyuan, Liu Gang, Wang Ling, Tang Yandong. Research of power transmission line equipments recognition method based on UAV[J]. Infrared and Laser Engineering, 2013, 42(7): 1940-1944.
Citation: He Siyuan, Liu Gang, Wang Ling, Tang Yandong. Research of power transmission line equipments recognition method based on UAV[J]. Infrared and Laser Engineering, 2013, 42(7): 1940-1944.
shu

基于无人机的输电线路设备识别方法研究

  • 1.

    中国科学院沈阳自动化研究所 机器人学国家重点实验室,辽宁 沈阳 110016;

  • 2.

    中国科学院大学,北京 100049;

  • 3.

    沈阳工程学院 信息工程系,辽宁 沈阳 110136;

  • 4.

    辽宁省电力有限公司本溪供电公司,辽宁 本溪 117000

基金项目: 

国家电网公司科技项目（无人飞行器巡检技术研究）

详细信息
    作者简介:

    何思远（1981-），男，博士生，主要从事图像分割与目标识别方面的研究。Email：hesiyuan@sia.cn；唐延东（1962-），男，研究员，博士生导师，博士，主要从事图像处理、目标识别方面的研究。Email：ytang@sia.cn

    何思远（1981-），男，博士生，主要从事图像分割与目标识别方面的研究。Email：hesiyuan@sia.cn；唐延东（1962-），男，研究员，博士生导师，博士，主要从事图像处理、目标识别方面的研究。Email：ytang@sia.cn

  • 中图分类号: TP751

Research of power transmission line equipments recognition method based on UAV

  • 1.

    State Key Laboratory of Robotics,Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;

  • 2.

    University of Chinese Academy of Sciences,Beijing 100049,China;

  • 3.

    Department of Information Engineering,Shenyang Institute of Engineering,Shenyang 110136,China;

  • 4.

    Benxi Power Supply Company,Liaoning Electric Power Company Limited,Benxi 117000,China

  • 摘要: 利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一，其优点是在无需拉闸断电的情况下，即可对输电线路进行检测，对其故障进行判别。根据输电线路设备的特征，应用图像处理与模式识别技术，提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理，然后提取预处理后图像的小波特征值，最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明，所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标，具有较好的鲁棒性和准确性。
    Abstract: In recent years, the use of unmanned aerial vehicle(UAV) for power transmission line detection is a hot technology, and it can detect the transmission line and discriminate the failure without power off. According to the features of power transmission line equipments, a method of equipments recognition based on image processing and pattern recognition was put forward. It preprocessed the aerial images by median filtering, dilating and eroding. Then, wavelet eigenvalues of preprocessed images were calculated. Finally, the objects, such as insulator, vibration damper and transmission tower, were classified and recognized by affinity propagation(AP) clustering algorithm. The results of experiments show that this method can recognize the insulator, vibration damper and transmission tower, and it has better robustness, accuracy and validity.
  • [1]
    [2] Tong Weiguo, Yuan Jinsha, Li Baoshu. Application of image processing in patrol inspection of overhead transmission line by helicopter[J]. Power System Technology, 2010, 34(12): 204-208. (in Chinese) 仝卫国, 苑津莎, 李宝树. 图像处理技术在直升机巡检输电线路中的应用综述[J]. 电网技术, 2010, 34(12): 204-208.
    [3]
    [4] Li Bingqiang, Wang Qian, Wang Binhai. Applying unmanned autonomous helicopter to transmission line inspection[J]. Shandong Electric Power, 2010, 1: 1-4. (in Chinese) 厉秉强, 王骞, 王滨海. 利用无人直升机巡检输电线路[J]. 山东电力技术, 2010, 1: 1-4.
    [5]
    [6] Fan Baojie, Zhu Linlin. Visual tracking system of rotorcraft UAV[J]. Infrared and Laser Engineering, 2011, 40(1): 149-152. (in Chinese) 范保杰, 朱琳琳. 旋翼无人机视觉跟踪系统[J]. 红外与激光工程, 2011, 40(1): 149-152.
    [7] Zhao Ji, Feng Chuang. Moving object detection and segmentation based on adaptive frame difference and level set[J]. Information and Control, 2012, 41(2): 153-158. (in Chinese) 赵骥, 冯闯. 基于自适应帧差和水平集的运动目标检测和分割[J]. 信息与控制, 2012, 41(2): 153-158.
    [8]
    [9] Li Guosong, Meng Weihua. Target edge searching segmentation method based on wavelet transform[J]. Infrared and Laser Engineering, 2009, 38(1): 185-188. (in Chinese) 李国嵩, 孟卫华. 基于小波变换的目标边缘搜索分割方法[J]. 红外与激光工程, 2009, 38(1): 185-188.
    [10]
    [11]
    [12] Frey B J, Dueck D. Clustering by passing messages between data points[J]. Science, 2007, 315(5814): 972-976.
    [13]
    [14] Fan Shaochong, Peng Jinye, Feng Xiaoyi. Image summarizing based on multi-kernel learning and AP clustering[J]. Application Research of Computers, 2011, 28(6): 2365-2368. (in Chinese) 范少冲, 彭进业, 冯晓毅. 基于多核学习和AP聚类的图像摘要选取方法[J]. 计算机应用研究, 2011, 28(6): 2365-2368.
    [15]
    [16] He Siyuan, Lin Lan, Yang Dawei. The research of power transmission tower detection method based on UAV[J]. Chinese Journal of Scientific Instrument, 2012, 33(8): 270-275. (in Chinese) 何思远, 蔺蘭, 杨大为. 基于无人机的输电塔检测方法研究[J]. 仪器仪表学报, 2012, 33(8): 270-275.
    [17] Tao Xinmin, Cao Pandong. The semi-supervised SVM classification algorithm based on two-stage learning[J]. Information and Control, 2012, 41(1): 7-13. (in Chinese) 陶新民, 曹盼东. 基于两阶段学习的半监督支持向量机分类算法[J]. 信息与控制, 2012, 41(1): 7-13.
  • [1] 王子辰, 王东鹤, 朱纬.  无人机载光电平台隔振性能测试与分析 . 红外与激光工程, 2024, 53(1): 20230432-1-20230432-7. doi: 10.3788/IRLA20230432
    [2] 王晓艳, 徐高魁.  基于立体视觉与特征匹配的点云目标识别算法 . 红外与激光工程, 2022, 51(9): 20210596-1-20210596-7. doi: 10.3788/IRLA20210596
    [3] 杨棉绒, 牛丽平.  基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
    [4] 廖莎莎.  基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
    [5] 薛珊, 陈宇超, 吕琼莹, 曹国华.  基于坐标注意力机制融合的反无人机系统图像识别方法 . 红外与激光工程, 2022, 51(9): 20211101-1-20211101-11. doi: 10.3788/IRLA20211101
    [6] 尚珊珊, 余子开, 范涛, 金利民.  高斯过程模型在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(7): 20200337-1-20200337-7. doi: 10.3788/IRLA20200337
    [7] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [8] 马丹丹.  图像分块匹配的SAR目标识别方法 . 红外与激光工程, 2021, 50(10): 20210120-1-20210120-8. doi: 10.3788/IRLA20210120
    [9] 朱孟真, 陈霞, 刘旭, 谭朝勇, 黎伟.  战术激光武器反无人机发展现状和关键技术分析 . 红外与激光工程, 2021, 50(7): 20200230-1-20200230-13. doi: 10.3788/IRLA20200230
    [10] 吴剑波, 陆正武, 关玉蓉, 王庆东, 姜国松.  二维压缩感知多投影矩阵特征融合的SAR目标识别方法 . 红外与激光工程, 2021, 50(6): 20200531-1-20200531-7. doi: 10.3788/IRLA20200531
    [11] 史国军.  深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
    [12] 薛珊, 张振, 吕琼莹, 曹国华, 毛逸维.  基于卷积神经网络的反无人机系统图像识别方法 . 红外与激光工程, 2020, 49(7): 20200154-1-20200154-8. doi: 10.3788/IRLA20200154
    [13] 刘铮, 毛宏霞, 戴聪明, 魏合理.  基于多源数据多特征融合的弱小目标关联研究 . 红外与激光工程, 2019, 48(5): 526001-0526001(6). doi: 10.3788/IRLA201948.0526001
    [14] 秦玉鑫, 陈宇, 乔恒恒, 车子琪, 张公平.  灾情侦测无人机动态航迹规划算法设计 . 红外与激光工程, 2019, 48(10): 1026003-1026003(6). doi: 10.3788/IRLA201948.1026003
    [15] 曲蕴杰, 莫宏伟, 王常虹.  一种用于无人机的目标颜色核相关跟踪算法研究 . 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
    [16] 谢冰, 段哲民.  基于SAE与底层视觉特征融合的无人机目标识别算法 . 红外与激光工程, 2018, 47(S1): 197-205. doi: 10.3788/IRLA201847.S126004
    [17] 刘连伟, 杨淼淼, 邹前进, 姚梅, 王敏, 许振领.  无人机红外辐射建模与图像仿真 . 红外与激光工程, 2017, 46(6): 628002-0628003(7). doi: 10.3788/IRLA201746.0628002
    [18] 黄楠楠, 刘贵喜, 张音哲, 姚李阳.  无人机视觉导航算法 . 红外与激光工程, 2016, 45(7): 726005-0726005(9). doi: 10.3788/IRLA201645.0726005
    [19] 孙占久, 聂宏, 黄伟.  无人机红外辐射特性计算与分析 . 红外与激光工程, 2014, 43(4): 1037-1046.
    [20] 杨绪峰, 林伟, 延伟东, 温金环.  采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  395
  • HTML全文浏览量:  67
  • PDF下载量:  215
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-11-17
  • 修回日期:  2012-12-21
  • 刊出日期:  2013-07-25

基于无人机的输电线路设备识别方法研究

  • 1. 中国科学院沈阳自动化研究所 机器人学国家重点实验室,辽宁 沈阳 110016;
  • 2. 中国科学院大学,北京 100049;
  • 3. 沈阳工程学院 信息工程系,辽宁 沈阳 110136;
  • 4. 辽宁省电力有限公司本溪供电公司,辽宁 本溪 117000
    • 作者简介:

    何思远（1981-），男，博士生，主要从事图像分割与目标识别方面的研究。Email：hesiyuan@sia.cn；唐延东（1962-），男，研究员，博士生导师，博士，主要从事图像处理、目标识别方面的研究。Email：ytang@sia.cn

    何思远（1981-），男，博士生，主要从事图像分割与目标识别方面的研究。Email：hesiyuan@sia.cn；唐延东（1962-），男，研究员，博士生导师，博士，主要从事图像处理、目标识别方面的研究。Email：ytang@sia.cn

  • 收稿日期: 2012-11-17
  • 修回日期: 2012-12-21
  • 刊出日期: 2013-07-25
基金项目:

国家电网公司科技项目（无人飞行器巡检技术研究）

  • 中图分类号: TP751

摘要: 利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一，其优点是在无需拉闸断电的情况下，即可对输电线路进行检测，对其故障进行判别。根据输电线路设备的特征，应用图像处理与模式识别技术，提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理，然后提取预处理后图像的小波特征值，最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明，所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标，具有较好的鲁棒性和准确性。

English Abstract

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计