一種區(qū)域內(nèi)輸電鐵塔新增裂紋檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種裂紋檢測(cè)方法，具體的說(shuō)是一種區(qū)域內(nèi)輸電鐵塔新增裂紋檢測(cè)方 法。
【背景技術(shù)】
[0002] 輸電鐵塔作為基礎(chǔ)電力設(shè)施的一個(gè)重要組成部分，其安全運(yùn)行意義重大。但由于 其長(zhǎng)期裸露在外，常年受到雨水、日照、冰雪、溫差等自然環(huán)境的損害侵蝕，容易出現(xiàn)裂紋等 損傷等現(xiàn)象，且由于這些裂紋損傷十分微小，不易被發(fā)現(xiàn)，因此，對(duì)輸電線路的安全運(yùn)行構(gòu) 成了潛在隱患。目前，常見(jiàn)的輸電鐵塔裂紋檢測(cè)方法主要是搭載直升機(jī)，借助望遠(yuǎn)鏡遠(yuǎn)距離 對(duì)輸電鐵塔進(jìn)行人工巡檢，但這種方法不僅效率低、耗資大且危險(xiǎn)性高，不利于大范圍有效 展開(kāi)。
[0003] 目前，在現(xiàn)有技術(shù)中，還沒(méi)有一種高效、合理的針對(duì)輸電鐵塔新增裂紋進(jìn)行檢測(cè)的 方法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是提出一種區(qū)域內(nèi)輸電鐵塔新增裂紋檢測(cè)方法，用以解 決上述問(wèn)題。
[0005] 本發(fā)明的技術(shù)方案是:一種區(qū)域內(nèi)輸電鐵塔新增裂紋檢測(cè)方法，首先，針對(duì)區(qū)域內(nèi) 的所有輸電鐵塔進(jìn)行統(tǒng)一編碼標(biāo)識(shí)，建立輸電鐵塔信息數(shù)據(jù)庫(kù);其次，進(jìn)行原始裂紋圖像采 集、原始裂紋樣本圖像處理，并根據(jù)圖像處理結(jié)果建立裂紋分析模型;然后，進(jìn)行非原始裂 紋所在區(qū)域圖像采集、非原始裂紋所在區(qū)域圖像處理;最后，進(jìn)行新增裂紋識(shí)別判斷，即根 據(jù)裂紋分析模型，實(shí)現(xiàn)對(duì)非原始裂紋所在區(qū)域采集圖像中裂紋的識(shí)別判斷，并將識(shí)別判斷 存在新增裂紋的輸電鐵塔的裂紋信息推送到監(jiān)管終端。
[0006] 具體步驟為：
[0007] Step 1:建立輸電鐵塔信息數(shù)據(jù)庫(kù)：將區(qū)域內(nèi)所有的輸電鐵塔統(tǒng)一編碼標(biāo)識(shí)，并將 對(duì)所有編碼標(biāo)識(shí)的輸電鐵塔的位置信息、監(jiān)管信息登記記錄，建立輸電鐵塔信息數(shù)據(jù)庫(kù)；
[0008] Step2:原始裂紋樣本圖像采集:對(duì)區(qū)域內(nèi)輸電鐵塔的所有裂紋圖像進(jìn)行采集，登 記記錄每一個(gè)裂紋圖像所在鐵塔上的位置以及所在鐵塔編碼標(biāo)識(shí)的信息后，將裂紋圖像存 儲(chǔ)到數(shù)據(jù)中心，并建立原始裂紋樣本圖像數(shù)據(jù)庫(kù)；
[0009] Step3:原始裂紋樣本圖像處理:對(duì)數(shù)據(jù)中心存儲(chǔ)的所有裂紋圖像分別進(jìn)行圖像預(yù) 處理、圖像分割、圖像特征提取，并將圖像處理結(jié)果儲(chǔ)存至數(shù)據(jù)中心；
[0010] Step4:建立裂紋分析模型：
[0011] Step4.1:構(gòu)建三維空間模型：首先，分別以圓度、最小包含矩形的面積、最小包含 矩形的長(zhǎng)寬比作為三維空間中的三個(gè)維度，構(gòu)造一個(gè)三維空間；其次，數(shù)據(jù)中心調(diào)出圖像處 理結(jié)果的所有特征參數(shù);然后，依次將每一個(gè)特征參數(shù)中的圓度、最小包含矩形的面積、最 小包含矩形的長(zhǎng)寬比分別對(duì)應(yīng)三維空間中的三個(gè)維度，且根據(jù)特征參數(shù)中的圓度、最小包 含矩形的面積、最小包含矩形的長(zhǎng)寬比的數(shù)值大小，最后將每一個(gè)特征參數(shù)映射成三維空 間中的一個(gè)點(diǎn)；
[0012] Step4.2:聚類分析:采用κ-means算法對(duì)構(gòu)建的三維空間模型中的所有點(diǎn)進(jìn)行聚 類分析，記為:V=[Vi，V2，V3,…，Vi](i = l，2,3,…）；
[0013] Step5:非原始裂紋所在區(qū)域圖像采集:數(shù)據(jù)中心調(diào)用輸電鐵塔信息數(shù)據(jù)庫(kù)、原始 裂紋樣本圖像數(shù)據(jù)庫(kù)中的數(shù)據(jù)，并將數(shù)據(jù)發(fā)送給衛(wèi)星系統(tǒng)，衛(wèi)星系統(tǒng)接收到數(shù)據(jù)后，以輸電 鐵塔的編碼作為唯一標(biāo)識(shí)，并按照編碼的順序依次對(duì)區(qū)域內(nèi)輸電鐵塔的非原始裂紋所在區(qū) 域進(jìn)行圖像米集；
[0014] Step6:非原始裂紋所在區(qū)域圖像處理:對(duì)數(shù)據(jù)中心存儲(chǔ)的非原始裂紋所在區(qū)域圖 像進(jìn)行圖像預(yù)處理、圖像分割、圖像特征提取，并將圖像處理結(jié)果儲(chǔ)存至數(shù)據(jù)中心；
[0015] Step7:新增裂紋識(shí)別判斷：調(diào)用數(shù)據(jù)中心的存儲(chǔ)數(shù)據(jù)，將Step6中所有的標(biāo)記區(qū)域 的特征參數(shù)映射到所建立的裂紋分析模型中，并逐一計(jì)算判斷每個(gè)標(biāo)記區(qū)域的特征參數(shù)是 否屬于V的某一子類V 1:
[0016] 1、判斷為"是"，則提取該標(biāo)記區(qū)域的特征參數(shù)所在圖像所對(duì)應(yīng)的輸電鐵塔的編 碼，并以此為標(biāo)識(shí)對(duì)判斷結(jié)果進(jìn)行存儲(chǔ)；
[0017] 2、判斷為"否"，選取下一個(gè)標(biāo)記區(qū)域的特征參數(shù)繼續(xù)判斷;直到遍歷所有標(biāo)記區(qū) 域的特征參數(shù)；
[0018] steps:裂紋信息推送;數(shù)據(jù)中心調(diào)出Step7中的存儲(chǔ)結(jié)果，依據(jù)其存儲(chǔ)的標(biāo)識(shí)，并 結(jié)合查詢Stepl中輸電鐵塔信息數(shù)據(jù)庫(kù)，依次將被識(shí)別判斷存在新增裂紋的輸電鐵塔的裂 紋信息推送到監(jiān)管終端。
[0019] 所述非原始裂紋所在區(qū)域圖像采集方法具體為：
[0020] (1)數(shù)據(jù)中心調(diào)用Stepl中建立的輸電鐵塔信息數(shù)據(jù)庫(kù)、Step2中建立的原始裂紋 樣本圖像數(shù)據(jù)庫(kù)中的數(shù)據(jù)，并將數(shù)據(jù)傳輸給衛(wèi)星系統(tǒng);衛(wèi)星系統(tǒng)收到數(shù)據(jù)中心發(fā)送的數(shù)據(jù) 后，對(duì)數(shù)據(jù)進(jìn)行解析，解析完成后，按照Stepl中對(duì)輸電鐵塔的編碼順序，并選取第一個(gè)編碼 所對(duì)應(yīng)的輸電鐵塔作為當(dāng)前輸電鐵塔；
[0021] (2)衛(wèi)星系統(tǒng)利用當(dāng)前輸電鐵塔的位置信息進(jìn)行定位，定位成功后，通過(guò)調(diào)用 Step2中建立的原始裂紋樣本圖像數(shù)據(jù)庫(kù)中的數(shù)據(jù)對(duì)當(dāng)前輸電鐵塔的非原始裂紋所在區(qū)域 進(jìn)行圖像采集，并將采集后的圖像以及當(dāng)前輸電鐵塔的編碼一起發(fā)送回?cái)?shù)據(jù)中心；
[0022] (3)數(shù)據(jù)中心成功接收后，首先，以當(dāng)前輸電鐵塔的編碼為標(biāo)識(shí)對(duì)所接收?qǐng)D像進(jìn)行 存儲(chǔ);然后，查詢判斷當(dāng)前輸電鐵塔的編碼是否為Stepl中輸電鐵塔的編碼順序中最后一個(gè) 編碼：
[0023]①判斷為"是"，數(shù)據(jù)中心向衛(wèi)星系統(tǒng)發(fā)出"結(jié)束"指令，衛(wèi)星接接收到指令后，結(jié)束 對(duì)區(qū)域內(nèi)所有輸電鐵塔的圖像采集任務(wù)；
[0024]②判斷為"否"，數(shù)據(jù)中心向衛(wèi)星系統(tǒng)發(fā)出"成功接收"指令，衛(wèi)星接收到指令后，結(jié) 束對(duì)當(dāng)前輸電鐵塔的圖像采集，并按照Stepl中輸電鐵塔的編碼順序選取下一個(gè)輸電鐵塔 作為當(dāng)前輸電鐵塔；
[0025] (4)重復(fù)(2)、（3)步驟，直到當(dāng)前輸電鐵塔為Stepl中輸電鐵塔的編碼順序中的最 后一個(gè)輸電鐵塔。
[0026] 所述圖像預(yù)處理、圖像分割、圖像特征提取具體步驟為：
[0027] (1)圖像預(yù)處理：
[0028] ①對(duì)原始圖像進(jìn)行灰度處理；
[0029] ②采用中值濾波的方法對(duì)灰度圖像進(jìn)行濾波，去除噪聲；
[0030] ③采用Roberts梯度算法對(duì)去噪后的灰度圖像進(jìn)行銳化處理，增強(qiáng)圖像中的邊緣 部分和灰度值突變部分；
[0031] (2)圖像分割：
[0032] (2.1)采用Canny算子對(duì)預(yù)處理后的圖像進(jìn)行邊緣檢測(cè);其具體步驟如下：
[0033] ①將預(yù)處理后的圖像與高斯濾波器進(jìn)行卷積運(yùn)算，使用一階差分因子，計(jì)算圖像 中圖像梯度的方向和幅值；
[0034]②遍歷圖像，確定邊緣點(diǎn)；
[0035]③采用雙閾值算法檢測(cè)、連接邊緣；
[0036] (2.2)使用膨脹運(yùn)算對(duì)圖像中存在邊緣的區(qū)域進(jìn)行區(qū)域填充;再使用開(kāi)運(yùn)算，平滑 邊緣；
[0037] (3)圖像特征提出：
[0038]①對(duì)圖像中的每一個(gè)區(qū)域進(jìn)行標(biāo)記；
[0039] ②計(jì)算圖像中每一個(gè)標(biāo)記區(qū)域的特征參數(shù)，包括：圓度、最小包含矩形的面積、最 小包含矩形的長(zhǎng)寬比，并將圖像中每一個(gè)標(biāo)記區(qū)域的特征參數(shù)存儲(chǔ)到數(shù)據(jù)中心。
[0040] 本發(fā)明的有益效果是：
[0041] 1、本發(fā)明專利針對(duì)傳統(tǒng)技術(shù)上裂紋低識(shí)別率的問(wèn)題，通過(guò)對(duì)原始裂紋樣本圖像采 集、圖像處理，并基于對(duì)原始裂紋樣本圖像圖像處理所提取的特征參數(shù)建立裂紋分析模型， 提出了一種新的裂紋檢測(cè)方法，有效了解決了裂紋勢(shì)低識(shí)別率問(wèn)題；
[0042] 2、本發(fā)明專利利用衛(wèi)星系統(tǒng)采集圖像，并利用圖像處理等技術(shù)，不僅降低了勞動(dòng) 成本，且大幅度提高了輸電鐵塔裂紋檢測(cè)的精確度，提高了工作效率，同時(shí)有效消除了輸電 鐵塔中潛在的安全隱患，為經(jīng)濟(jì)社會(huì)的發(fā)展做出了重要貢獻(xiàn)。
【附圖說(shuō)明】
[0043]圖1是本發(fā)明的步驟流程圖；
[0044] 圖2是本發(fā)明專利圖像處理的流程圖；
[0045] 圖3是本發(fā)明專利實(shí)施例2分