[发明专利]基于LSD算法和机器学习的防震锤变形检测方法

摘要

本发明公开了一种基于LSD算法和机器学习的防震锤变形检测方法，本发明通过引入具有人工智能意义的计算机视觉分析技术，使得现有的巡检系统将具备人眼的识别和人脑的分析能力，通过视觉分析，监测分析输电线路上的金具变形等潜在威胁事件，从而对输电线路中的关键设备进行有效监测，对设备的可靠性达到实时预警，进一步增强配电网相关设备的状态检修和需求侧的管理水平，提高资产的利用率，降低事故发生率。

主权项

一种基于LSD算法和机器学习的防震锤变形检测方法，其特征在于：采用如下步骤实现：(1)通过无人机从输电线路上拍摄大量图像，并将图像缩小为原来的80％，然后分别计算图像的每个像素点的梯度值和梯度幅值，计算公式表示如下：gx(x,y)=i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)2gy(x,y)=i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)2---(1);]]>G(x,y)=gx2(x+y)+gy2(x,y)---(2);]]>公式(1)‑(2)中：gx(x，y)和gy(x，y)分别表示像素点在X方向和Y方向上的梯度值；G(x，y)表示像素点的梯度幅值；i(x，y)是坐标中心像素点[i，j]的灰度值；然后将梯度幅值最大的像素点作为种子点，对图像的每个像素点由小到大进行排序，由此得到排序列表；然后以排序列表中一个未使用的像素点作为种子点进行递归以进行区域增长，并对区域增长结果进行矩形估计，由此检测出图像中局部的直的轮廓；(2)预先建立防震锤样本库，并从防震锤样本库中提取大量防震锤样本，然后采用机器学习系统对大量防震锤样本进行机器学习；在机器学习的基础上，机器学习系统根据图像中局部的直的轮廓识别出图像中的防震锤；若防震锤发生变形，则机器学习系统通过直线拟合算法检测出图像中局部的直的轮廓变得弯曲，由此实现防震锤变形的检测。