System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及高压电缆损伤检测,尤其涉及一种高压电缆损伤检测方法及系统。
技术介绍
1、高压电缆是一种铺展于世界各地运输电力的输电线路,其铺设范围十分广阔,因此对于高压电缆的维修与检测保护成为电缆使用时的关键问题,因为铺设范围巨大,对于各处高压电缆的检修十分困难,并且需要消耗巨大的人力物力进行问题排查,无法在短时间内对电缆进行快速检测和维修,而现有的检测维修方法,只能监听运输数据,通过运输数据使用行波测距法进行推断,并根据该推断进行逐步排查,而且需要先实地考察线路问题,再进行对应问题的材料准备与维修,从而造成检测的不准确性以及维修的困难性,直接造成人力物力的浪费。
技术实现思路
1、为了克服高压电缆损伤检测不准确且困难的缺点,本专利技术的技术问题是:提供一种高压电缆损伤检测方法及系统。
2、本专利技术的技术实施方案为:一种高压电缆损伤检测方法,包括以下步骤:
3、s1:获取大量各种高压电缆损伤图像,对图像进行预处理,并进行标注;
4、s2:将图像输入swin-transformer模型中,对swin-transformer模型进行训练,得到损伤程度分类模型;
5、s3:获取运输数据,利用特征提取算法对运输数据进行分析整理,得到电力运输数据集;
6、s4:将所述电力运输数据集输入至svr模型中,对svr模型进行训练,得到训练好的目标数据模型;
7、s5:每隔第一预设时间,获取高压电缆图像和电力运输数据,将数据分别
8、s6:基于所述分类结果和数据结果,共同进行判断高压电缆的损伤原因和结果,并做出相应措施;
9、s7:每隔第二预设时间,对图像进行保存,在保存新图像后,将此次高压电缆图像与初始高压电缆图像进行特征提取,获得特征向量,计算特征向量之间的欧式距离,并通过欧式距离获得高压电缆柱子的歪斜程度,按照歪斜程度做出相应措施。
10、优选地,所述获取大量各种高压电缆损伤图像,对图像进行预处理,并进行标注,包括:收集高压电缆各种损伤程度的图像,对图像进行标注,并对图形使用高斯滤波进行图像降噪,使用直方图均衡化进行图像增强,尺度缩放、归一化等图像预处理。
11、优选地,所述将图像输入swin-transformer模型中,对swin-transformer模型进行训练,得到损伤程度分类模型,包括:将图像数据输入至swin-transformer模型中,得到可以分类出正常、轻微损伤、较为严重、严重四种情况的损伤程度分类模型,其中swin-transformer采用自注意力机制,而注意力机制公式如下:
12、
13、其中q为从当前序列的每个位置生成的向量表示,k为从输入序列的所有位置生成的向量集合,每一个位置对应一个键向量,v同样是来自输入序列各个位置的向量集合,是真正用于构造输出的特征向量。
14、优选地,所述获取运输数据,利用特征提取算法对运输数据进行分析整理,得到电力运输数据集,包括:对所述电力运输数据进行标准化处理,计算标准化后的运输数据的协方差矩阵,对所述协方差矩阵进行特征值分解,得到对应的特征向量,并将特征值按照从大到小的顺序排列,选取前k个值对应的特征向量构建投影矩阵,将运输数据投影至目标特征空间,计算所述目标特征空间内每对特征向量之间的方差,并选取方差较大的特征向量对作为电力运输数据特征向量。
15、优选地,所述将所述电力运输数据集输入至svr模型中,对svr模型进行训练,得到训练好的目标数据模型,包括:将电力运输数据分为训练集和测试集,将训练集输入至svr模型中进行训练,用测试集对svr模型进行测试,最后得到训练好的目标数据模型。
16、优选地,所述将训练集输入至svr模型中进行训练,包括:使用高斯径向基函数作为核函数,计算均方误差和决定系数,对svr模型性能进行评估。
17、优选地,所述每隔第一预设时间,获取高压电缆图像和电力运输数据,将数据分别输入至训练好的损伤程度分类模型和目标数据模型中,得到对应的分类结果和数据结果,包括:将每隔第一预设时间获得的高压电缆图像数据输入至损伤程度分类模型中,对高压图像进行分类,每隔第一预设时间同时得到电力运输数据,将电力运输数据输入至svr模型中,判断电力运输数据是否在预设设定范围之内,得到数据结果。
18、优选地,所述基于所述分类结果和数据结果,共同进行判断高压电缆的损伤原因和结果,并做出相应措施,包括:
19、s61:同时判断分类结果和数据结果,若分类结果处于较为严重或者严重情况下,同时数据结果显示异常,则将发出相关警报;
20、s62:若分类结果与数据结果只有一个显示正常,则将图像数据和数据结果发送给相关专业人员;
21、s63:若分类结果和数据结果全部显示正常,则证明高压电缆处于正常状态。
22、优选地,所述则将图像数据和数据结果发送给相关专业人员,包括:
23、s621:若图像数据异常而数据结果正常,则判断摄像设备需要进行修理还是高压电缆需要进行修理;
24、s622:若图像数据正常而数据结果异常,则对此段高压电缆内部进行检测修理。
25、优选地,所述每隔第二预设时间,对图像进行保存,在保存新图像后,将此次高压电缆图像与初始高压电缆图像进行特征提取,获得特征向量,计算特征向量之间的欧式距离,并通过欧式距离获得高压电缆柱子的歪斜程度,按照歪斜程度做出相应措施,包括:采用sift算法对高压电缆图像进行特征提取,得到高压电缆柱子上的特征向量,并与初始高压电缆图像中相同的特征向量计算两者的欧式距离,根据欧式距离判断承载高压电缆的柱子歪斜程度,若歪斜程度大于第一预设阈值角度,则派相关专业人员进行修理,并更新初始高压电缆图像,其中所述初始高压电缆图像为高压电缆柱子设立或修正后所拍摄的照片。
26、优选地,所述采用sift算法对高压电缆图像进行特征提取,包括:对图像不断进行高斯模糊和下采样的方法,构建高斯金字塔,然后将同一组相邻两层的图像相减得到高斯差分金字塔,从而利用dog来近似log,然后确定关键点及其方向,最后经过关键点描述后获得一个128维的特征向量。
27、优选地,一种高压电缆检测保护系统,包括:
28、获取数据模块,用于获得高压电缆图像数据以及电力运输数据;
29、获取损伤程度分类模型模块,用于将高压电缆图像数据输入至swin-transformer模型中进行训练,获得损伤程度分类模型;
30、特征提取模块,用于将运输数据进行主要特征提取,得到电力运输数据集;
31、获取目标数据模型模块,用于将电力运输数据输入至svr模型中,获得目标数据模型;
32、结果获取模块,用于将高压电缆图像输入至损伤程度分类模型中,得到分类结果,将电力运本文档来自技高网...
【技术保护点】
1.一种高压电缆损伤检测方法,其特征是,包括以下步骤:
2.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述获取大量各种高压电缆损伤图像,对图像进行预处理,并进行标注,包括:收集高压电缆各种损伤程度的图像,对图像进行标注,并对图形使用高斯滤波进行图像降噪,使用直方图均衡化进行图像增强,尺度缩放、归一化等图像预处理。
3.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述将图像输入Swin-Transformer模型中,对Swin-Transformer模型进行训练,得到损伤程度分类模型,包括:将图像数据输入至Swin-Transformer模型中,得到可以分类出正常、轻微损伤、较为严重、严重四种情况的损伤程度分类模型,其中Swin-Transformer采用自注意力机制,而注意力机制公式如下:
4.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述获取运输数据,利用特征提取算法对运输数据进行分析整理,得到电力运输数据集,包括:对所述电力运输数据进行标准化处理,计算标准化后的运输数据的协方差矩阵,对所述协方差矩阵进
5.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述将所述电力运输数据集输入至SVR模型中,对SVR模型进行训练,得到训练好的目标数据模型,包括:将电力运输数据分为训练集和测试集,将训练集输入至SVR模型中进行训练,用测试集对SVR模型进行测试,最后得到训练好的目标数据模型。
6.根据权利要求5所述的一种高压电缆损伤检测方法,其特征是,所述将训练集输入至SVR模型中进行训练,包括:使用高斯径向基函数作为核函数,计算均方误差和决定系数,对SVR模型性能进行评估。
7.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述每隔第一预设时间,获取高压电缆图像和电力运输数据,将数据分别输入至训练好的损伤程度分类模型和目标数据模型中,得到对应的分类结果和数据结果,包括:将每隔第一预设时间获得的高压电缆图像数据输入至损伤程度分类模型中,对高压图像进行分类,每隔第一预设时间同时得到电力运输数据,将电力运输数据输入至SVR模型中,判断电力运输数据是否在预设设定范围之内,得到数据结果。
8.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述基于所述分类结果和数据结果,共同进行判断高压电缆的损伤原因和结果,并做出相应措施,包括:
9.根据权利要求8所述的一种高压电缆损伤检测方法,其特征是,所述则将图像数据和数据结果发送给相关专业人员,包括:
10.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述每隔第二预设时间,对图像进行保存,在保存新图像后,将此次高压电缆图像与初始高压电缆图像进行特征提取,获得特征向量,计算特征向量之间的欧式距离,并通过欧式距离获得高压电缆柱子的歪斜程度,按照歪斜程度做出相应措施,包括:采用SIFT算法对高压电缆图像进行特征提取,得到高压电缆柱子上的特征向量,并与初始高压电缆图像中相同的特征向量计算两者的欧式距离,根据欧式距离判断承载高压电缆的柱子歪斜程度,若歪斜程度大于第一预设阈值角度,则派相关专业人员进行修理,并更新初始高压电缆图像,其中所述初始高压电缆图像为高压电缆柱子设立或修正后所拍摄的照片。
11.根据权利要求10所述的一种高压电缆损伤检测方法,其特征是,所述采用SIFT算法对高压电缆图像进行特征提取,包括:对图像不断进行高斯模糊和下采样的方法,构建高斯金字塔,然后将同一组相邻两层的图像相减得到高斯差分金字塔,从而利用DOG来近似LOG,然后确定关键点及其方向,最后经过关键点描述后获得一个128维的特征向量。
12.根据权利要求1-11所述的一种高压电缆损伤检测系统,其特征是,还包括:
...【技术特征摘要】
1.一种高压电缆损伤检测方法,其特征是,包括以下步骤:
2.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述获取大量各种高压电缆损伤图像,对图像进行预处理,并进行标注,包括:收集高压电缆各种损伤程度的图像,对图像进行标注,并对图形使用高斯滤波进行图像降噪,使用直方图均衡化进行图像增强,尺度缩放、归一化等图像预处理。
3.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述将图像输入swin-transformer模型中,对swin-transformer模型进行训练,得到损伤程度分类模型,包括:将图像数据输入至swin-transformer模型中,得到可以分类出正常、轻微损伤、较为严重、严重四种情况的损伤程度分类模型,其中swin-transformer采用自注意力机制,而注意力机制公式如下:
4.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述获取运输数据,利用特征提取算法对运输数据进行分析整理,得到电力运输数据集,包括:对所述电力运输数据进行标准化处理,计算标准化后的运输数据的协方差矩阵,对所述协方差矩阵进行特征值分解,得到对应的特征向量,并将特征值按照从大到小的顺序排列,选取前k个值对应的特征向量构建投影矩阵,将运输数据投影至目标特征空间,计算所述目标特征空间内每对特征向量之间的方差,并选取方差较大的特征向量对作为电力运输数据特征向量。
5.根据权利要求1所述的一种高压电缆损伤检测方法,其特征是,所述将所述电力运输数据集输入至svr模型中,对svr模型进行训练,得到训练好的目标数据模型,包括:将电力运输数据分为训练集和测试集,将训练集输入至svr模型中进行训练,用测试集对svr模型进行测试,最后得到训练好的目标数据模型。
6.根据权利要求5所述的一种高压电缆损伤检测方法,其特征是,所述将训练集输入至svr模型中进行训练,包括:使用高斯径向基函数作为核函数,计算均方误差和决定系数,对svr模型性能进行评估。
7....
【专利技术属性】
技术研发人员:耿奎,耿晨,薛云,
申请(专利权)人:南京大贺电力科技有限公司,
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。