電力線路危險源智能監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、目前，我國正處于經(jīng)濟快速增長時期，電網(wǎng)建設(shè)的步伐也在不斷的加快。而洪水、山體滑坡、泥石流等自然災(zāi)害，及采石放炮，農(nóng)田、水利改造等人為因素都嚴(yán)重威脅著電力線路的安全運行。從工作量、危險性、成本方面?zhèn)鹘y(tǒng)的人工方式已無法滿足電力危險源監(jiān)測需求，由此論文提出了基于遠(yuǎn)程視頻圖像傳輸?shù)闹悄鼙O(jiān)控系統(tǒng)。系統(tǒng)應(yīng)用在電力傳輸線路上，用來監(jiān)測輸電線路電力線附近危險源。系統(tǒng)的智能性體現(xiàn)在對危險源的自動檢測與識別。相應(yīng)地論文的主要研究內(nèi)容分別為:1.基于小波變換

2、的圖像邊緣檢測優(yōu)化算法設(shè)計。2.基于模板匹配的圖像識別優(yōu)化算法設(shè)計。論文的研究工作還包括系統(tǒng)硬件設(shè)計。
　　 傳統(tǒng)的圖像檢測算法如Sobel邊緣檢測算法、Canny邊緣檢測算法、拉普拉斯邊緣檢測等算法都容易受噪音的干擾，檢測過程也比較繁瑣，且容易丟失一些新的邊緣。而小波變換檢測算法在時空域中能將信號與噪音有效分離，其多尺度分析能力和良好的視頻局部化特性，能同時檢測圖像的高頻子帶和低頻子帶。所以論文選擇小波變換為系統(tǒng)的檢測算法，并

3、對算法中的算子進行了優(yōu)化設(shè)計，即將常用的Sobel、Canny、拉普拉斯Prew等邊緣檢測算法中所用的Sobel、Canny、拉普拉斯Prew等邊緣檢測等算法中所用算子進行加求平均融合到二維小波變換圖像邊緣檢測處理算法中來。實驗效果表明該優(yōu)化算法使處理后的圖像邊緣清晰度和連續(xù)性都相對較好，并且檢測的繁瑣程度也相應(yīng)的有所減少。
　　 傳統(tǒng)的模板匹配算法首先是選定一個目標(biāo)作為模板，然后利用模板在要識別的圖像上進行查詢搜索識別，通過匹

4、配計算獲得識別結(jié)果。為避免操作的重復(fù)性，以及計算中產(chǎn)生冗余數(shù)據(jù)，論文對傳統(tǒng)的模板匹配算法執(zhí)行步驟進行了基于閾值比較的優(yōu)化。當(dāng)被匹配識別的點和模板點的相似度比閾值大的時候，就不再進行重復(fù)計算，而直接識別計算下一個被匹配的部分。因此該算法能提高對整個圖像的匹配速度，尤其是需要頻繁地進行匹配識別的時候。
　　 為適應(yīng)連續(xù)陰雨、冰雪等各種惡劣天氣。保證監(jiān)測裝置長期無人值守工作，論文選用太陽能板和充電蓄電池相結(jié)合的供電方式。為節(jié)約成本，電