專利名稱：基于紅外圖像智能診斷高壓輸電線路熱缺陷的方法
技術領域：
本發明涉及到ー種基于紅外熱圖像智能檢測高壓輸電線路熱缺陷的方法。特別涉及到在運動狀態下從拍攝到的紅外圖像中智能檢測輸電線路存在的熱缺陷方法，該方法能有效提高對輸電線路熱缺陷檢測的效率。該方法可以有效應用到車載或直升機輸電線路巡檢業務中。
背景技術：
高壓輸電線路是電カ系統的動脈，其運行狀態直接決定電力系統的安全及國家經濟的運行，紅外檢測具有遠距離、不停電、不接觸、不解體等特點，可以查出多種電カ設備的致熱缺陷，給電カ系統線路狀態監測提供了一種先進手段。紅外熱像儀是利用紅外探測器、光學成像物鏡和焦平面光感應系統接受被測目標的紅外輻射能量分布圖形反映到紅外探測器的光敏元上，在光學系統和紅外探測器之間， 焦平面光感應系統將被測物體的紅外熱像聚焦在紅外探測器上，由探測器將紅外輻射能轉換成電信號，經放大處理、轉換或視頻信號通過電視屏或監測器顯示紅外熱像圖。在室外影響紅外熱像儀測量精度的因素很多。如高小明，影響紅外熱像儀測量精度的因素分析，華電技木，2008年11月，第30卷第11期，分析了這幾種因素不同的被測物體的輻射率是不同的。物體的輻射率都在(Tl之間，其大小和物體的材料、表面粗糙度、 形狀、氧化程度、顏色、厚度等均有一定的關系。對輸電線路金屬材料而言，表面狀態對輻射率的影響較大，一般粗糙表面和受氧化后表面的輻射率是磨光表面的數倍；輻射率與測量的角度有關，測量的角度越大，誤差越大；環境對紅外測溫工作的影響較大在紅外輻射的傳輸過程中，由于大氣的吸收作用，總會有一定的能量衰減，在接近地面的大氣中，吸收紅外輻射能量的氣體主要有水蒸氣、ニ氧化碳。現大多數紅外熱像儀并沒有針對大氣衰減的補償手段；當太陽光或強烈燈光照射吋，由于光線的反射和漫反射，會極大影響紅外熱像儀的正常工作和準確判斷，同吋，光線照射造成被測物體的溫升將略加在被測設備的穩定溫升上，直接造成測量誤差，因此紅外測溫工作最好選擇在沒有陽光的陰天；當被測物體處于室外且有風吋，空氣的流動會加速發熱物體表面的散熱，使物體表面溫度降低；大氣中的塵埃及懸浮粒子是紅外輻射在傳播過程中能量衰減的又一原因；鄰近物體熱輻射對測溫的影響，被測物體溫度越低或輻射率越小，受到鄰近物體熱輻射的影響越大，對測溫精度的影響越大；當輸電線路串聯回路中的某一部件存在過熱缺陷時，運行中的電氣接頭會向周圍部件傳導熱量，導致回路中靠近過熱點的其他部件發熱，但由于熱傳遞過程中有損耗，這些點比過熱點的溫度要低一些，因此，在進行測溫吋，必須做到準確定位，找到真正的發熱源。紅外熱像儀檢測輸電線路缺陷常采用的測量方法有，如程玉蘭，紅外診斷現場實用技術[M].北京機械エ業出版社，2002，4。同類比較法對同一線路不同位置的、 同一類型的部件進行溫升比較，進而判斷是否存在熱缺陷；歷史對比法對同一線路不同時期，拍攝同一位置同一類型的部件的熱圖像進行溫升比較，進而判斷是否存在熱缺陷。同類比較法、歷史對比法這兩種熱缺陷分析方法比較可靠、但效率較低，需要大量的測量數據來分析。絕對溫度警界溫升法依據導線型號、負荷電流規定ー個溫度閾值，超出這個溫度閾值，可能存在熱缺陷，由于環境對被測物體影響較大，如太陽輻射引起的溫升，因此這種方法并不可靠，也不準確。胡世征，電氣設備紅外診斷的相對溫差判斷法及判斷標準，電網技木，1998年 10月，第22卷第10期。相對溫差是指兩臺設備狀況相同或基本相同(指設備型號、安裝地點、環境溫度、表面狀況和負荷大小)的兩個對應測點之間的溫差，與其中較熱點溫升比值的百分數。郭賢瀟，李煒，蔡漢生，高壓輸電線路紅外檢測初探，HIGH VOLTAGE ENGIINEERING, June. 1999，Vol. 25，No. 2。在輸電線路紅外熱缺陷檢測時，常采用絕對溫差法取被測對象附近Im遠的地方正常運行的導線或線路金具的最高溫度為參考溫度し被測量對象的溫度為Λ ΑΓ = T-Ta,根據Zl Γ來判斷熱缺陷情況，這種方法可以消除太陽輻射造成的附加溫升的影響。同吋，由于同向性、檢測距離、環境溫度、濕度、風速等參數的不準確性帶來的誤差也減小了。在滿負荷時，對高壓線路發熱判斷取バΓ超過5。C時可認為有輕微接觸隱患(一般熱缺陷)，バΓ超過1 5て即為重大缺陷，Zl Γ超過4 0。C即為緊急缺陷。于德明，沈建，汪駿，姚文軍，陳方東，武藝，直升機與人工巡視效果對比分析，中國電力，2008年11月，第41卷第11期。當前國內外都著手研究基于直升機和機器人的巡檢系統，分析比較直升機巡檢與人工巡檢的優缺點，指出直升機巡視在巡查設備隱蔽性缺陷能力方面有著無法比擬的優勢。在直升機巡檢技術中我國由于受航空管制的影響發展滯后，在21世紀初才真正開始研發。而檢測缺陷部件的設備總體上是朝著多光譜圖像合成的方向發展，高壓線路部件的診斷檢測技術已經向著智能化方向發展。在采用直升機開展巡檢業務吋，紅外熱像儀是ー項檢測線路熱缺陷的重要手段。 希望采用紅外熱像儀能自動發現線路熱缺陷。由于受地面背景干擾，例如地面行駛的汽車、 地面發熱體及桿塔本身反射發熱的影響，自動發現線路熱缺陷是一件很困難的事情，本發明采用紅外圖像識別與相對溫差法結合技木，在紅外圖像上智能識別線路部件，在識別部件的基礎上，尋找最高溫度，再采用相對溫差法判決是否存在熱缺陷的部件。該方法可以有效應用到直升機或車載巡檢時智能檢測高壓線路熱缺陷。

發明內容
有鑒于此，本發明的目的就是在直升機巡檢或車載巡檢吋，由紅外熱像儀采集到的紅外圖像智能診斷出線路存在的熱缺陷，即提供一種基于紅外圖像智能高壓輸電線路熱缺陷的方法，在對高壓線路巡檢時，能有效提高熱缺陷診斷效率。為達到上述目的，本發明的構思如下本發明要求在直升機巡檢或車載巡檢時能有效排除背景干擾，例如自然復雜背景中地面行駛的汽車或地面發熱體發出的熱源，桿塔本身在太陽長時間照射下的發熱，這些熱源物體與線路部件發熱一起疊加在紅外圖像上， 常常影響對實際線路部件溫度的判決，進而造成大量誤判。在輸電線路上，紅外熱缺陷常出現在導線、引流線、絕緣子及其這些部件連接接觸部位。因此在識別出輸電線路中導線、引流線、絕緣子部件，才能自動可靠診斷線路的熱缺陷。本發明將紅外圖像線路部件識別與相對溫差判決技術結合，智能實現對線路部件熱缺陷的診斷。在識別的每個部件溫度區域內，自動找出最高溫度，以這個最高溫度像素作為種子點，采用區域生長方法，低于最高溫度5度作為邊緣判決條件，生成ー個最高溫度區域，如這個最高溫度區域大小數目與該部件溫度區域大小數目近似一致，則該部件溫度正常；如最高溫度區域大小數目明顯小于該部件溫度區域大小數目，將該部件最高溫度區域外像素作為ー個區域，計算最高溫度區域內平均溫度；計算除最高溫度外區域平均溫度，采用相對溫差法，診斷該部件是否存在熱缺陷。相對溫差法可以消除太陽輻射造成的附加溫升的影響，同吋，將檢測距離、環境溫度、濕度、風速等參數不準確帶來的誤差也減少。從直升機上紅外熱像儀拍攝輸電線路景物來看由自然的背景與輸電線路組成。 從輸電線路組成結構來看由直線桿塔、耐張桿塔、桿塔之間的導線與地線組成。由于自然景物中一些發熱的物體、行駛的汽車、在陽光照射下桿塔本身發熱，這些發熱對象常常干擾紅外熱像儀對線路熱缺陷的診斷，造成誤判，直接影響紅外熱缺陷診斷的正確性及可靠性。如采用專業的紅外分析軟件來分析紅外圖像上線路的熱缺陷，需要大量的交互操作，首先依靠人眼從紅外圖像上找出線路設備，采用區域最高溫度分析法來發現是否存在熱缺陷，由于直升機巡檢時，實時采用大量紅外圖像數據，采用交互分析診斷， 工作強度很高，熱缺陷診斷效率較低。為了提高紅外熱缺陷診斷的效率，在直升機巡檢或車載巡檢時，實現ー邊采集紅外圖像，ー邊診斷線路上熱缺陷，進而提高紅外熱缺陷診斷效率。因此需要從紅外圖像上識別出有電流負載的線路部件，如導線、引流線、絕緣子及這些部件的接觸區域，在識別的每個部件區域上再采用相對溫差法診斷部件的熱缺陷。在紅外圖像上識別線路部件，首先建立線路的知識模型及部件上下之間的位置關系。高壓線路可以看成是由不同方向的線段組成導線是由多段平行線對象組成的，引流線是向下彎曲的曲線，桿塔是由不同方向的線段拼接組成，絕緣子與導線、引流線、桿塔高壓具有固定位置的穩定關系連接。將采集的紅外圖像進行分類。由于紅外熱像儀不能將兩個桿塔之間的500米線路走廊全部拍攝下來，因此將采集的線路紅外熱圖像分為三類第一類紅外圖像中沒有桿塔， 只存在導線，導線有多條平行的直線對象組成，且貫穿紅外圖像全程；第二類紅外圖像中既存在導線，又存在桿塔且為直線桿塔；第三類紅外圖像被定義為圖像中既存在導線，又存在桿塔且為耐張桿塔。根據上述發明構思，本發明采用下述技術方案一種基于紅外圖像智能診斷高壓線路熱缺陷的方法，其特征在于操作步驟如下
1、采用基于線對象感知聚類算法識別線路部件，具體步驟如下 1-1、帶方向的邊緣算子處理紅外圖像，提取出水平線段、垂直線段、斜線段、曲線段，通過最大類間ニ差法生成紅外ニ值圖像，記為IB (i，j)表示紅外ニ值圖像；
1-2、在步驟1-1的紅外ニ值圖像上，計算每個水平、傾斜、垂直小線段的斜率與截距， 將斜率與截距相同的小線段，合并連接為長的直線線段；通過分析小線段共端點的方式來擬合曲線段；
1-3、在步驟1-2紅外ニ值圖像上垂直等分區域，分析每個區域內的三類小線段分布密度；如存在同時水平、垂直、傾斜線段分布密度較高的區域，確認為包含桿塔的紅外圖像； 如桿塔圖像中不存在曲線，確認為包含直線桿塔紅外圖像；桿塔圖像中存在曲線，確認為包含耐張桿塔紅外圖像；
1-4、將水平線段與傾斜線段中，斜率近似相同，截距不同的線段歸類為平行線組；并確認為導線組；
1-5、依據步驟1-3與步驟1-4，在確認包含直線桿塔的紅外圖像中，如存在兩組平行導線，判斷相鄰端點接近程度，同時相對擴展導線，使這兩組導線相交，在交點的垂直方向存在合成絕緣子，推理出合成絕緣子位置，作為識別的合成絕緣子部件；如存在一組平行導線，與桿塔區域相鄰的端點，按16*8大小像素區域擴展其端點，使其有效擴展到線路部件之間的接觸區域；
1-6、依據步驟1-3與步驟1-4，在確認包含耐張桿塔的紅外圖像中，如存在平行導線組，判決與曲線相鄰導線端點，該端點平行延長方向上存在玻璃絕緣子部件，推理出玻璃絕緣子位置，作為識別的玻璃絕緣子部件；
1-7、將識別的導線、引流線、絕緣子位置坐標用獨立的連通區域結構管理，具體采用如下結構管理，用于對識別部件的管理；
struct part—object {
PART—NAME part_ID;
unsigned int elements—number； vector〈struct Element〉 elements； Il部件外接矩形區域坐標
int Ieftxj 丄efty; int topx, topy； int rightx, righty； int bottomx, bottomy；
ι
在紅外圖像上，將識別出每個部件區域位置坐標用對象區域BLOB來管理，建立每個部件區域像素與對應實際溫度之間的映射，進而建立每個部件溫度區域。
2、在識別出每個部件區域內，采用相對溫差法診斷其熱缺陷，具體熱缺陷診斷采用如下過程
2-1，讀取識別的每個部件區域，依據其區域像素坐標，從紅外溫度圖像IW(i, j)上，讀取該區域內實際的溫度值，對導線部件采用分塊自動找出最高溫度值，對絕緣子部件依據連通性，自動找出最高溫度值，記為Tmax—h。t ；
2-2、以最高溫度像素為種子點，采用區域生長方法，以低于最高溫度5度作為邊界判決條件，生成最高溫度的連通區域，如這個最高溫度區域大小數目與該部件區域大小數目近似一致，則該部件溫度正常，則結束診斷；如最高溫度區域大小數目明顯小于該部件區域大小數目，將該部件最高溫度區域外像素作為ー個區域，轉入步驟2-3 ；
2-3、對這個部件區域在紅外溫度圖像IW (i, j)上生成兩個溫度連通區域ー個是最高溫度的連通區域，另ー個是由除最高溫度外像素組成的溫度連通區域。計算最高溫度連通區域內溫度的平均值AVG_Tmax，計算除最高溫度外像素組成的溫度連通區域內溫度的平均值AVGJVef，做如下計算2-4、依據ΔΓ診斷該部件熱缺陷 如ΔΓ<10% ,則該部件有輕微接觸隱患(一般熱缺陷)； 如10%<ΔΓ·^0% ,則該部件有重大缺陷； 如ΔΓ>90% ,則該部件為緊急缺陷； 2-5、依據上述步驟2-1到步驟2-4，對其他識別部件進行熱缺陷診斷； 本發明與現有技術相比較，具有如下顯而易見的突出實質性特點和顯著優點本發明采用基于線對象感知聚類算法識別線路部件，能有效排除自然復雜景物中地面行駛的汽車發熱、地面發現物體及桿塔本身反射熱量對線路熱缺陷診斷的影響。本發明采用相對溫差法診斷部件熱缺陷，可以消除太陽輻射造成的附加溫升的影響，減少檢測距離、環境溫度、 濕度、風速等參數不準確帶來的誤差。本發明有效提高對輸電線路熱缺陷檢測的效率，能有效應用到車載或直升機輸電線路巡檢業務中。


圖1為本發明智能檢測熱缺陷硬件工作環境圖2為本發明從紅外灰度圖像上識別高壓線路部件的方法；
圖3為從圖2中識別出的部件進行絕對溫差法診斷熱缺陷的方法；
圖4為實際采集高壓線路導線上有熱缺陷的紅外圖像；
圖5為從圖4紅外圖像上提取識別的導線并行線組；
圖6為從圖5識別的每個導線上分段搜索找出最高溫度的方法；
圖7為從實際采集的紅外圖像上擴展導線診斷接觸區域熱缺陷示例圖。
具體實施例方式以下結合附圖對本發明的優選實施例作進ー步的詳細說明。本實施例以本發明的技術方案為前提下進行實施，給出了詳細的實施方式，但本發明的保護范圍不限于下述的實施例。如圖1所示，本發明的紅外圖像智能檢測高壓線路熱缺陷的方法適用的硬件環境，可以在直升機巡檢或車載巡檢工作環境下，檢測熱缺陷。紅外熱像儀的分辨率為 320 X 240或640 X 480，紅外熱像儀的輸出接ロ是模擬PAL/NTSC視頻數據或數字網絡視頻流，采集的每幅紅外灰度圖像帶相應的溫度圖像，每采集一幅紅外圖像，同時實現紅外熱缺陷診斷。如圖2所示，本基于紅外圖像智能診斷高壓輸電線路熱缺陷的方法，其操作步驟如下
1、采用基于線對象感知聚類算法識別線路部件，其具體步驟如下 1-1、對采集到的紅外圖像進行預處理包括采用3X3中值濾波降噪，直方圖均衡化處理獲取邊緣清晰的紅外灰度圖像，通過四個方向的！3rewiit算子對紅外灰度圖像進行邊緣提取，通過最大類間ニ差法生成紅外ニ值圖像。記為IB(i，j)表示紅外ニ值圖像；圖4是實際采集的紅外圖像，圖5是經過處理生成的紅外ニ值圖像；
1-2、在ニ值圖像上提取水平、傾斜、垂直三類小線段。傾角范圍在-22.5e~ 22.5°的直線是由水平小線段組成；傾角范圍在22.5"~67了Um.5 ~157ゲ的直線是由傾斜小線段組成； 傾角范圍在67.5。~112.5°的直線是由垂直小線段組成。在ニ值圖像上按8捜索并標記水平、傾斜、垂直小線段，定義三個鏈表結構Hsegment、Vsegment, Ssegment用來存放水平、 垂直、傾斜小線段；
1-3、計算每個水平、傾斜、垂直小線段的斜率與截距，將斜率與截距相同的小線段，連接為長的直線線段；通過分析小線段共端點的方式來擬合曲線段；采用如下結構來表示線段
struct Segment{
Point startP ；//線段起始點坐標
PointendP;//線段結束點坐標
Double slope;//線段斜率
Double intercept; //線段截距 Int length;//線段長度
Int locate;//是否是曲線線段
}
1-4、在ニ值圖像上垂直等分區域，分析每個區域內的三類小線段分布密度；如存在同時較高分布水平、垂直、傾斜線段的區域，確認為桿塔區域，在桿塔圖像中是否存在曲線來區分是第二類圖像還是第三類圖像，如桿塔圖像中不存在曲線，確認為第二類紅外圖像；桿塔圖像中存在曲線，確認為第三類紅外圖像；
1-5、分析水平、垂直、傾斜線段的平行關系，將斜率近似相同，截距不同的線段聚類為平行線組；并確認為導線組。用如下結構表示平行線組 struct Parallel{
Int Group； Int size； Point startP; Point endP; Double slope； Int 丄eft—edge； Int right_edge； Int bottom—edge; Int up—edge;
ι
1-6、依據識別出導線的位置，檢測出導線的寬度。依據絕緣子在第二類紅外圖像(在兩平行折線斷點處的垂直位置上)和第三類紅外圖像中的位置(在平行導線終點平行延長方向)，推導出絕緣子的大致位置。 1-7、在生成導線、引流線、絕緣子的ニ值模板圖像的基礎上，將每個導線、引流線、 絕緣子采用ニ值的連通區域來管理。為了有效檢測導線與線路其他部件的接觸區域，擴展ニ值的連通區域使其能有效擴展到部件之間的接觸區域。采用如下結構來管理識別出的部件
struct part—object {
PART—NAME part_ID;
unsigned int elements—number； vector〈struct Element〉 elements； Il部件外接矩形區域坐標 int leftx, lefty; int topx, topy； int rightx, righty； int bottomx, bottomy；
ι
2、如圖3所示，紅外圖像識別高壓線路部件的基礎上，進行紅外熱缺陷診斷，其具體步驟如下
2-1、識別的每個部件坐標，采用對象連通區域BLOB管理，依據其像素坐標，從紅外溫度圖像上，記錄該區域內實際的溫度值，對導線部件采用分塊自動找出最高溫度值，對絕緣子部件依據連通性，自動找出最高溫度值，記為Tmax h。t，如圖6所示采用導線分塊方法，自動找出的最高溫度，用綠顏色框標記；
2-2、以最高溫度像素為種子點，采用區域生長方法，以低于最高溫度5度作為邊界判決條件，生成最高溫度的連通區域，如這個最高溫度區域大小與該部件溫度區域大小近似一致，則該部件溫度正常，則結束對該部件的診斷；如最高溫度區域大小明顯小于該部件溫度區域大小，將該部件最高溫度區域外像素作為ー個區域；
2-3、對這個部件區域在紅外溫度圖像IW (i, j)上生成兩個溫度連通區域ー個是最高溫度的連通區域，另ー個是由除最高溫度外像素組成的溫度連通區域。計算最高溫度連通區域內溫度的平均值AVG_Tmax，計算除最高溫度外像素組成的溫度連通區域內溫度的平均值AVGJVef，做如下計算
權利要求
1.一種基于紅外圖像智能診斷高壓輸電線路熱缺陷的方法，其特征在于操作步驟如下步驟1、采用基于線對象感知聚類算法識別線路部件；步驟2、對識別的線路部件，采用相對溫差法診斷其熱缺陷。
2.如權利要求1所述的基于紅外圖像智能診斷高壓輸電線路熱缺陷的方法，其特征在于所述的步驟1采用基于線對象感知聚類算法的具體步驟如下步驟1-1、帶方向的邊緣算子處理紅外圖像，提取出水平線段、垂直線段、斜線段、曲線段，通過最大類間ニ差法生成紅外ニ值圖像，記為IB (i，j)表示紅外ニ值圖像；步驟1-2、在步驟1-1的紅外ニ值圖像上，計算每個水平、傾斜、垂直小線段的斜率與截距，將斜率與截距相同的小線段，合并連接為長的直線線段；通過分析小線段共端點的方式來擬合曲線段；步驟1-3、在步驟1-2紅外ニ值圖像上垂直等分區域，分析每個區域內的三類小線段分布密度；如存在同時水平、垂直、傾斜線段分布密度較高的區域，確認為包含桿塔的紅外圖像；如桿塔圖像中不存在曲線，確認為包含直線桿塔紅外圖像；桿塔圖像中存在曲線，確認為包含耐張桿塔紅外圖像；步驟1-4、將水平線段與傾斜線段中，斜率近似相同，截距不同的線段歸類為平行線組； 并確認為導線組；步驟1-5、依據步驟1-3與步驟1-4，在確認包含直線桿塔的紅外圖像中，如存在兩組平行導線，判斷相鄰端點接近程度，同時相對擴展導線，使這兩組導線相交，在交點的垂直方向存在合成絕緣子，推理出合成絕緣子位置，作為識別的合成絕緣子部件；如存在一組平行導線，與桿塔區域相鄰的端點，按16*8大小像素區域擴展其端點，使其有效擴展到線路部件之間的接觸區域；步驟1-6、依據步驟1-3與步驟1-4，在確認包含耐張桿塔的紅外圖像中，如存在平行導線組，判決與曲線相鄰導線端點，該端點平行延長方向上存在玻璃絕緣子部件，推理出玻璃絕緣子位置，作為識別的玻璃絕緣子部件；步驟1-7、將識別的導線、引流線、絕緣子位置坐標用獨立的連通區域結構管理。
3.如權利要求2所述的基于紅外圖像中智能診斷高壓輸電線路熱缺陷的方法，其特征在于所述步驟2對識別的線路部件，采用相對溫差法診斷其熱缺陷的具體步驟如下步驟2-1，讀取識別的每個部件區域，依據其區域像素坐標，從紅外溫度圖像IW (i, j) 上，讀取該區域內實際的溫度值，對導線部件采用分塊自動找出最高溫度值，對絕緣子部件依據連通性，自動找出最高溫度值，記為Tmax—h。t ；步驟2-2、以最高溫度像素為種子點，采用區域生長方法，以低于最高溫度5度作為邊界判決條件，生成最高溫度的連通區域，如這個最高溫度區域大小數目與該部件區域大小數目近似一致，則該部件溫度正常，則結束診斷；如最高溫度區域大小數目明顯小于該部件區域大小數目，將該部件最高溫度區域外像素作為ー個區域，轉入步驟2-3 ；步驟2-3、對這個部件區域在紅外溫度圖像IW (i, j)上生成兩個溫度連通區域一個是最高溫度的連通區域，另ー個是由除最高溫度外像素組成的溫度連通區域，計算最高溫度連通區域內溫度的平均值AVG_Tmax，計算除最高溫度外像素組成的溫度連通區域內溫度的平均值AVG_i;ef，做如下計算
全文摘要
本發明涉及到一種基于紅外圖像智能診斷高壓輸電線路熱缺陷的方法。它是一種在運動狀態下從拍攝到的紅外圖像中自動檢測輸電線路存在熱缺陷的方法。操作步驟為步驟1、采用基于線對象感知聚類識別線路中的部件；有效排除自然復雜景物中地面行駛的汽車發熱、地面發熱物體及桿塔本身反射熱量對線路熱缺陷診斷的影響。步驟2、對識別的線路部件，采用相對溫差法，診斷該部件是否存在熱缺陷，可消除太陽輻射造成的附加溫升的影響，同時，將檢測距離、環境溫度、濕度、風速等參數不準確帶來的誤差也減少。該方法能有效提高對輸電線路熱缺陷檢測的效率，有效應用到車載或直升機輸電線路巡檢業務中。
文檔編號G01R31/08GK102565625SQ201210006788
公開日2012年7月11日 申請日期2012年1月11日 優先權日2011年5月25日
發明者張書鳴, 朱國軍, 韓軍, 馬行漢 申請人:上海大學