一种输电线路巡检照片的分类方法技术

本发明专利技术公开了一种输电线路巡检照片的分类方法。方法为首先使用无人机获取杆塔线路上所有杆塔的巡检照片，并获取巡检照片拍摄点的经度和纬度；然后将每个巡检照片拍摄点的经度和纬度分别设定为平面直角坐标系中的横坐标和纵坐标，构成巡检照片的坐标点，所有巡检照片的坐标点构成坐标点集；再然后使用二分k

【技术实现步骤摘要】
一种输电线路巡检照片的分类方法


[0001]本专利技术涉及了信息处理
的一种照片分类方法，尤其涉及一种输电线路巡检照片的分类方法。

技术介绍

[0002]智能巡检方式带来的是海量的数据，需要经过运维检修人员的人工查看和分析才能确认线路的运行状态和健康度,进而确定后续的管控级别和巡检计划。但图像的人工整理分析往往需要耗费大量的人力和时间，准确性也无法保证。基于无人机的智能巡检极大减轻了运维检修人员的工作负担和压力，因此，如何实现杆塔巡检照片自动分类变成为了解决这一问题的重要步骤。

技术实现思路

[0003]为了解决上述问题，本专利技术提供了一种输电线路巡检照片的分类方法，通过聚类计算，将所有采集的巡检照片进行自动分类，提升了巡检照片分类的准确度。
[0004]本专利技术采用的技术方案是：
[0005]本方法包括以下步骤：
[0006]S1.使用无人机获取杆塔线路上所有杆塔的巡检照片，并获取巡检照片拍摄点的经度和纬度；
[0007]S2.将每个巡检照片拍摄点的经度和纬度分别设定为平面直角坐标系中的横坐标和纵坐标，构成巡检照片的坐标点，所有巡检照片的坐标点构成坐标点集；
[0008]S3.使用二分k
‑
means聚类模型对坐标点集中的坐标点进行聚类处理，获得分支簇，并保存分支簇的坐标点及分支簇中坐标点对应的巡检照片；
[0009]S4.根据分支簇的中心坐标点与杆塔的GPS坐标之间的欧氏距离，确定巡检照片所拍摄的杆塔，完成对巡检照片的分类。
[0010]所述步骤S1具体为：
[0011]在无人机上安装摄像头，使用无人机对每个杆塔的每个部位拍摄图像作为巡检照片，将无人机中的数据卡取出获取巡检照片拍摄点的经度和纬度。
[0012]所述步骤S3具体为：
[0013]S3.1.采集杆塔线路上所有杆塔的GPS坐标，根据杆塔的GPS坐标计算所有相邻两个杆塔之间的距离，并提取最小距离的一半设置为判定阈值；
[0014]S3.2.将步骤S2获得的坐标点集输入二分k
‑
means聚类模型；
[0015]S3.3.将输入的坐标点集进行聚类计算得到两个分支簇，分别为第一分支簇和第二分支簇，然后根据第一分支簇和第二分支簇各自的中心坐标点计算第一分支簇和第二分支簇之间的欧式距离；
[0016]S3.4.将第一分支簇和第二分支簇之间的欧式距离与判定阈值作比较，若该欧式距离大于判定阈值，则停止聚类，否则分别计算第一分支簇的误差平方和及第二分支簇的
误差平方和，且将误差平方和较大的分支簇再进行聚类计算得到另外两个分支簇，分别为第三分支簇和第四分支簇；
[0017]S3.5.根据第三分支簇和第四分支簇各自的中心坐标点计算第三分支簇和第四分支簇之间的欧式距离，重复步骤S3.4；
[0018]S3.6.停止聚类后，保存所有未被聚类计算的分支簇中的坐标点及所有未被聚类计算的分支簇中坐标点对应的巡检照片。
[0019]所述步骤S4具体为：计算每个未被聚类计算的分支簇的中心坐标点分别与所有杆塔的GPS坐标之间的欧氏距离，其中，欧式距离最小时对应的的杆塔就是该未被聚类计算的分支簇中坐标点对应的巡检照片所拍摄的杆塔，完成对巡检照片的分类。
[0020]所述误差平方和具体根据以下公式确定：
[0021][0022]式中，SSE表示误差平方和；w
i
表示权重参数；y
i
表示分支簇中第i个数据点；n表示分支簇中数据点的个数；表示分支簇中所有数据点的平均值。
[0023]所述第一分支簇和第二分支簇之间的欧式距离具体根据以下公式确定：
[0024][0025]式中，d(x，y)表示第一分支簇和第二分支簇之间的欧式距离，x1和y1分别是第一分支簇的中心坐标点的横纵坐标；x2和y2分别是第二分支簇的中心坐标点的横纵坐标。
[0026]本专利技术的有益效果是：
[0027]本专利技术通过二分k
‑
means聚类模型完成了对巡检照片的分类问题，提升了巡检照片分类的准确度，减少人力物力的投入，为后续的杆塔维修提供便利。
附图说明
[0028]图1为本专利技术的流程框图。
具体实施方式
[0029]下面结合附图及具体实施例对本专利技术作进一步详细说明。
[0030]如图1所示，本方法具体包括以下步骤：
[0031]S1.使用无人机获取一条杆塔线路上所有杆塔的巡检照片，并获取巡检照片拍摄点的经度和纬度；具体为：在无人机上安装摄像头，使用无人机对每个杆塔的每个部位拍摄图像作为巡检照片，将无人机中的数据卡取出获取巡检照片拍摄点的经度和纬度。
[0032]S2.将每个巡检照片拍摄点的经度和纬度分别设定为平面直角坐标系中的横坐标和纵坐标，构成巡检照片的坐标点，所有巡检照片的坐标点构成坐标点集。
[0033]S3.使用二分k
‑
means聚类模型对坐标点集中的坐标点进行聚类处理，获得分支簇，并保存分支簇的坐标点及分支簇中坐标点对应的巡检照片。具体为：
[0034]S3.1.采集杆塔线路上所有杆塔的GPS坐标，根据杆塔的GPS坐标计算所有相邻两个杆塔之间的距离，并提取最小距离的一半设置为判定阈值；
[0035]S3.2.将步骤S2获得的坐标点集输入二分k
‑
means聚类模型；
[0036]S3.3.将输入的坐标点集进行聚类计算得到两个分支簇，分别为第一分支簇和第二分支簇，然后根据第一分支簇和第二分支簇各自的中心坐标点计算第一分支簇和第二分支簇之间的欧式距离；
[0037]S3.4.将第一分支簇和第二分支簇之间的欧式距离与判定阈值作比较，若该欧式距离大于判定阈值，则停止聚类，否则分别计算第一分支簇的误差平方和及第二分支簇的误差平方和，且将误差平方和较大的分支簇再进行聚类计算得到另外两个分支簇，分别为第三分支簇和第四分支簇；
[0038]S3.5.根据第三分支簇和第四分支簇各自的中心坐标点计算第三分支簇和第四分支簇之间的欧式距离，重复步骤S3.4；
[0039]S3.6.停止聚类后，保存所有未被聚类计算的分支簇中的坐标点及所有未被聚类计算的分支簇中坐标点对应的巡检照片。
[0040]S4.根据分支簇的中心坐标点与杆塔的GPS坐标之间的欧氏距离，确定巡检照片所拍摄的杆塔，完成对巡检照片的分类。具体为：计算每个未被聚类计算的分支簇的中心坐标点分别与所有杆塔的GPS坐标之间的欧氏距离，其中，欧式距离最小时对应的的杆塔就是该未被聚类计算的分支簇中坐标点对应的巡检照片所拍摄的杆塔，完成对巡检照片的分类。
[0041]其中，误差平方和具体根据以下公式确定：
[0042][0043]式中，SSE表示误差平方和；w
i
表示权重参数；y
i
表示分支簇中第i个数据点；n表示分支簇中数据点的个数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路巡检照片的分类方法，其特征在于：方法包括以下步骤：S1.使用无人机获取杆塔线路上所有杆塔的巡检照片，并获取巡检照片拍摄点的经度和纬度；S2.将每个巡检照片拍摄点的经度和纬度分别设定为平面直角坐标系中的横坐标和纵坐标，构成巡检照片的坐标点，所有巡检照片的坐标点构成坐标点集；S3.使用二分k
‑
means聚类模型对坐标点集中的坐标点进行聚类处理，获得分支簇，并保存分支簇的坐标点及分支簇中坐标点对应的巡检照片；S4.根据分支簇的中心坐标点与杆塔的GPS坐标之间的欧氏距离，确定巡检照片所拍摄的杆塔，完成对巡检照片的分类。2.根据权利要求1所述的一种输电线路巡检照片的分类方法，其特征在于：所述步骤S1具体为：在无人机上安装摄像头，使用无人机对每个杆塔的每个部位拍摄图像作为巡检照片，将无人机中的数据卡取出获取巡检照片拍摄点的经度和纬度。3.根据权利要求1所述的一种输电线路巡检照片的分类方法，其特征在于：所述步骤S3具体为：S3.1.采集杆塔线路上所有杆塔的GPS坐标，根据杆塔的GPS坐标计算所有相邻两个杆塔之间的距离，并提取最小距离的一半设置为判定阈值；S3.2.将步骤S2获得的坐标点集输入二分k
‑
means聚类模型；S3.3.将输入的坐标点集进行聚类计算得到两个分支簇，分别为第一分支簇和第二分支簇，然后根据第一分支簇和第二分支簇各自的中心坐标点计算第一分支簇和第二分支簇之间的欧式距离；S3.4.将第一分支簇和第二分支簇之间的欧式距离与判定阈...

【专利技术属性】
技术研发人员：汤春俊，梁加凯，应健，贺燕，金德军，朱凯，李进荣，林舒敏，张家华，吴晓，林峰，郑高，郑恩辉，
申请(专利权)人：金华八达集团有限公司，
类型：发明
国别省市：