(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211288782.4 (22)申请日 2022.10.20 (71)申请人 广东电网有限责任公司云浮供电局 地址 527399 广东省云浮市 云城区金丰路3 号 申请人 南方电网科 学研究院有限责任公司 (72)发明人 李海　梁财源　蓝誉鑫　李晨　 刘通　何思名　黄志勇　卢贤盛　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 郑华丽 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01)G06T 5/00(2006.01) (54)发明名称 一种配电网的杆塔故障检测方法及装置 (57)摘要 本申请公开了一种配电网的杆塔故障检测 方法及装置， 方法包括： 采用预设L OG算子检测算 法对预置杆塔图像进行边缘检测， 得到边缘检测 结果； 通过预设大津阈值算法对边缘检测结果进 行图像分割处理， 得到杆塔故障区域图像； 基于 改进fisher算法根据杆塔故障区域图像进行杆 塔故障识别， 得到杆塔故障识别结果， 杆塔故障 识别结果包括电杆裂纹识别结果和杆塔断裂识 别结果。 本申请能够解决现有 技术对人工依赖较 大， 无法保证检测效率和准确率的技 术问题。 权利要求书2页 说明书8页 附图1页 CN 115546175 A 2022.12.30 CN 115546175 A 1.一种配电网的杆塔故障检测方法， 其特 征在于， 包括： 采用预设LO G算子检测算法对预置杆塔图像进行边 缘检测， 得到边 缘检测结果； 通过预设大津 阈值算法对所述边缘检测结果进行图像分割处理， 得到杆塔故障区域图 像； 基于改进fisher算法根据所述杆塔故障区域图像进行杆塔故障识别， 得到杆塔故障识 别结果， 所述杆塔故障识别结果包括电杆裂纹识别结果和杆塔断裂识别结果。 2.根据权利要求1所述的配电网的杆塔故障检测方法， 其特征在于， 所述采用预设LOG 算子检测算法对预置杆塔图像进行边 缘检测， 得到边 缘检测结果， 之前还 包括： 利用无人机采集待检测的配电网中的原 始杆塔图像； 采用自适应中值滤波算法对所述原 始杆塔图像进行降噪处 理， 得到预置杆塔图像。 3.根据权利要求1所述的配电网的杆塔故障检测方法， 其特征在于， 所述采用预设LOG 算子检测算法对预置杆塔图像进行边 缘检测， 得到边 缘检测结果， 包括： 通过预设双边滤波算法对所述预置杆塔图像进行 滤波处理， 得到滤波杆塔图像； 采用二维的预设LO G算子对所述滤波杆塔图像进行边 缘增强处 理， 得到增强杆塔图像； 在所述增强杆塔图像中提取零交叉点轨 迹集合， 得到边 缘检测结果。 4.根据权利要求1所述的配电网的杆塔故障检测方法， 其特征在于， 所述通过预设大津 阈值算法对所述 边缘检测结果进行图像分割处 理， 得到杆塔故障区域图像， 包括： 通过分割阈值确定所述边缘检测结果的分割 背景像素点和分割前景像素点， 并根据 所 述分割背景像素点和所述分割前 景像素点计算像素比例和像素平均灰度值； 根据所述像素比例和所述像素平均 灰度值进行方差计算， 并基于最大方差值确定最佳 分割阈值； 根据所述最佳分割阈值对所述边缘检测结果进行图像分割处理， 得到杆塔故障区域图 像， 所述杆塔故障区域图像包括电杆裂纹区域图像和杆塔断裂区域图像。 5.根据权利要求1所述的配电网的杆塔故障检测方法， 其特征在于， 所述基于改进 fisher算法根据所述杆塔故障区域图像进行 杆塔故障识别， 得到杆塔故障识别结果， 包括： 分别计算所述杆塔故障区域图像的类间离 散度矩阵和类内离 散度矩阵； 根据所述类内离 散度矩阵的特 征值矩阵和特 征向量矩阵计算平均类内协方差矩阵； 基于所述平均类内协方差矩阵的特 征值矩阵构建特 征投影矩阵； 通过所述特征投影矩阵计算出最佳投影特征， 并根据所述最佳投影特征进行杆塔故障 识别， 得到杆塔故障识别结果， 所述杆塔故障识别结果包括电杆裂纹识别结果和杆塔 断裂 识别结果。 6.一种配电网的杆塔故障检测装置， 其特 征在于， 包括： 边缘检测模块， 用于采用预设LOG算子检测算法对预置杆塔图像进行边缘检测， 得到边 缘检测结果； 故障分割模块， 用于通过预设大津阈值算法对所述边缘检测结果进行图像分割处理， 得到杆塔故障区域图像； 故障识别 模块， 用于基于改进fisher算法根据所述杆塔故障区域图像进行杆塔故障识 别， 得到杆塔故障识别结果， 所述杆塔故障识别结果包括电杆裂纹识别结果和杆塔 断裂识 别结果。权　利　要　求　书 1/2 页 2 CN 115546175 A 27.根据权利要求6所述的配电网的杆塔故障检测装置， 其特 征在于， 还 包括： 图像获取模块， 用于利用无 人机采集待检测的配电网中的原 始杆塔图像； 降噪处理模块， 用于采用自适应中值滤波算法对所述原始杆塔图像进行降噪处理， 得 到预置杆塔图像。 8.根据权利要求6所述的配电网的杆塔故障检测装置， 其特征在于， 所述边缘检测模 块， 具体用于： 通过预设双边滤波算法对所述预置杆塔图像进行 滤波处理， 得到滤波杆塔图像； 采用二维的预设LO G算子对所述滤波杆塔图像进行边 缘增强处 理， 得到增强杆塔图像； 在所述增强杆塔图像中提取零交叉点轨 迹集合， 得到边 缘检测结果。 9.根据权利要求6所述的配电网的杆塔故障检测装置， 其特征在于， 所述故障分割模 块， 具体用于： 通过分割阈值确定所述边缘检测结果的分割 背景像素点和分割前景像素点， 并根据 所 述分割背景像素点和所述分割前 景像素点计算像素比例和像素平均灰度值； 根据所述像素比例和所述像素平均 灰度值进行方差计算， 并基于最大方差值确定最佳 分割阈值； 根据所述最佳分割阈值对所述边缘检测结果进行图像分割处理， 得到杆塔故障区域图 像， 所述杆塔故障区域图像包括电杆裂纹区域图像和杆塔断裂区域图像。 10.根据权利要求6所述的配电网的杆塔故障检测装置， 其特征在于， 所述故障识别模 块， 具体用于： 分别计算所述杆塔故障区域图像的类间离 散度矩阵和类内离 散度矩阵； 根据所述类内离 散度矩阵的特 征值矩阵和特 征向量矩阵计算平均类内协方差矩阵； 基于所述平均类内协方差矩阵的特 征值矩阵构建特 征投影矩阵； 通过所述特征投影矩阵计算出最佳投影特征， 并根据所述最佳投影特征进行杆塔故障 识别， 得到杆塔故障识别结果， 所述杆塔故障识别结果包括电杆裂纹识别结果和杆塔 断裂 识别结果。权　利　要　求　书 2/2 页 3 CN 115546175 A 3