电力设备之防震锤缺陷识别规则

    所述电力设备防震锤缺陷识别规则包括：

 

    1)防振锤偏移缺陷诊断规则：

 

    计算出第一条导线上的防振锤X坐标(sx1,se1)，计算出第二条导线上的防振锤X坐标(sx2,se2)，计算出否则存在重叠区域：

 

    若：sx2＜＝sx1＜＝se2或sx1＜＝sx2＜＝se1，则存在重叠区域；

 

    若计算出三条导线上防振锤有重叠区域，而第四条导线上的防振锤不在重叠区域内，诊断该防振锤偏移缺陷；

 

    2)防振锤斜歪缺陷诊断规则：

 

    计算每个防振锤的U型方位角，若与导线夹角大于12°，则诊断该防振锤存在斜歪缺陷；

 

    3)防振锤碰撞缺陷诊断规则：

 

    如检测出一条导线存在两个防振锤，计算这两个防振锤之间最近距离diffD小于一个防振锤U型长度，则诊断这两个防振锤碰撞在一起；

 

    4)防振锤掉把缺陷诊断规则：

 

    应可靠检测出防振锤两端对称的U型轮廓，如仅检测出一个U型轮廓，则诊断该防振锤可能存在掉把缺陷。

 

    6.一种基于无人机巡检图像的电力设备缺陷智能识别系统，其特征在于，包括：

 

    数据采集模块，采用数据流的模式，批量的获取无人机巡检得到的输电线路图像数据；

 

    特征分析模块，提取图像特征，并对所述图像特征进行整合分析，实现对典型部件的自动定位和识别；

 

    缺陷分析模块，根据设定的缺陷识别规则对典型部件进行相应的缺陷分析，实现对常见缺陷的分析与识别；

 

    综合分析及分类模块，对分析识别结果进行汇总分析处理，依据部件类型、缺陷类型、缺陷等级进行分类，便于依据需求进行分类查询，并进行特定部件的局部放大展示。

 

    7.根据权利要求6所述一种基于无人机巡检图像的电力设备缺陷智能识别系统，其特征在于，所述数据采集模块，具体用于：

 

    通过无人机巡检，获取输电线路图像，以数据流方式批量读入后台处理系统；

 

    对所述输电线路图像进行预处理，包括图像复原、图像超分辨重建、图像配准和图像融合。

 

    8.根据权利要求6所述一种基于无人机巡检图像的电力设备缺陷智能识别系统，其特征在于，所述特征分析模块具体用于：

 

    对图像数据进行图像分割，利用检测算法，将图像数据中包含的电力设备及其故障检测的潜在感兴趣目标提取出来，并利用已知的感兴趣目标的单个特征或特征组合从分割后的图像数据中剔除虚假目标，保留图像数据中的感兴趣目标。

 

    9.根据权利要求8所述一种基于无人机巡检图像的电力设备缺陷智能识别方法，其特征在于，所述感兴趣目标包括：杆塔、导线、地线、引流线、绝缘子、基础、防震锤、接地装置以及部件连通区域。

 

    10.根据权利要求9所述一种基于无人机巡检图像的电力设备缺陷智能识别方法，其特征在于，所述的缺陷识别规则包括：绝缘子掉片缺陷识别规则、鸟巢缺陷识别规则、导线异物缺陷识别规则、导线断股缺陷识别规则、防震锤缺陷识别规则。