搭载紫外成像仪的无人机输电线路故障检测方法及系统与流程

1.本发明属于输电线路巡检技术领域，涉及一种搭载紫外成像仪的无人机输电线路故障检测方法及系统。


背景技术：

2.随着电力系统的电网规模的不断扩大、电力负荷要求的不断提高，电力系统中的各种类型损坏、故障也不断增加。如果没有进行有效地巡检和维护，就会影响设备的正常运行甚至产生危害，造成巨大的经济损失。因此，对输电线路的巡检十分重要。
3.电力系统受损后，会发生电晕放电的现象，同时伴随着会有声、光、热等效应。根据电晕放电特性，可以判断绝缘装置中缺陷的严重程度。常用的检测主要包括观察法、光测法、泄漏电流法、红外检测法等，这些检测方法大都存在着受环境影响大、误差大、操作困难、效率低等问题。
4.得益于紫外成像技术的发展，紫外成像仪能远距离、全天候、在不影响设备运行的情况下，观测电晕放电现象，实时检测出放电点的位置，并根据紫外光子数量判断放电强弱，并且受环境影响较小，在实际应用中带来了很大的便利。但是这种检测方法还存在一定缺陷：缺乏对紫外成像的数字化处理，对设备缺陷缺乏智能化和自动化检测；随着电网的逐步发展，长距离、跨区域、无人区和山区等复杂地形中的输电线路日益增加，传统的巡检方式很难满足电路巡检的新要求。


技术实现要素：

5.本发明的目的在于解决现有技术中缺乏对紫外成像的数字化处理，对设备缺陷缺乏智能化和自动化检测；传统的巡检方式很难满足电路巡检的新要求的问题，提供一种搭载紫外成像仪的无人机输电线路故障检测方法及系统。
6.为达到上述目的，本发明采用以下技术方案予以实现：
7.一种搭载紫外成像仪的无人机输电线路故障检测方法，包括：
8.采集输电线路的图像信息；
9.基于输电线路的图像信息，获取待检测输电线路的位置信息；
10.基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；
11.在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；
12.基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；
13.判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。
14.本发明的进一步改进在于：
15.基于输电线路的图像信息，获取待检测输电线路的位置信息；具体为：
16.基于canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；
17.基于垂直卷积核对二维边缘图像进行卷积处理，去除二维边缘图像中的垂直线条；
18.基于厚度卷积核对去除垂直线条的二维边缘图像进行卷积处理，增强待检测输电线路的边缘图像；
19.基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息。
20.基于canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；具体为：
21.基于高斯滤波和非极大值抑制对输入的原始图像进行边缘锐化；
22.基于双阈值对边缘锐化后的原始图像进行区分，获取边缘锐化后的原始图像的弱边缘和强边缘；
23.对未连接到强边缘的弱边缘进行抑制，获得二维边缘图像。
24.基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息，具体为：
25.将待检测输电线路的边缘图像使用一阶线性多项式进行霍夫变换，将输电线路近似为直线进行处理，提取线条斜率的角度[-θ～θ]，θ的取值如公式(1)所示：
[0026][0027]
其中z1和z2分别为两个输电塔塔的高度，s为两个塔之间的跨度。
[0028]
基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，具体为：
[0029][0030]
其中，z为云台的期望角度，mi表示紫外线成像仪图像中心与第i行输电线路之间的距离，l表示检测到的行数，ci表示紫外线成像仪图像底部和中心之间的距离，β和v分别表示紫外线成像仪的垂直视角和垂直尺寸。
[0031]
基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；具体为：
[0032]
去除输电线路的图像的背景，突出紫外成像仪记录到的局部放电信息；对进背景处理后的输电线路的二维图像i(m
×
n)应用3σ异常值消除法进行降维，获取一维矩阵k(1
×
n)；
[0033]
假设局部放电强度服从正态分布，当其放电强度大于μ 3σ时，认为该局部放电强度为异常值，相应位置为受损表面；而均匀分布在图像上的局部放电部分被排除；具体公式：
[0034][0035]
其中kj表示对应一维矩阵k(1
×
n)中每个元素的局部放电强度；k
′
是一维矩阵，其中每个元素kj′
是二维图像i的每一列元素的总和：
[0036][0037]
将一维矩阵k(1
×
n)中的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布。
[0038]
将一维矩阵k(1
×
n)矩阵的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布；具体为：
[0039]
计算视野范围r：
[0040][0041]
其中r表示一维矩阵k(1
×
n)所指范围的实际水平长度，r表示无人机与输电线路之间的距离，α表示紫外成像仪的水平视角。
[0042]
计算无人机与出发点之间的距离l
center
；基于文森蒂公式计算每个一维矩阵k(1
×
n)矩阵对应的l
center
；
[0043]
计算出发点与每个一维矩阵k(1
×
n)中第j个元素之间的距离lj：
[0044][0045]
其中，dir表示检查时紫外成像仪相对于输电线路的运动方向：当无人机从左向右移动时，dir定义为1，当无人机从右向左移动时dir定义为-1；
[0046]
计算局部放电强度在输电线路上的分布cdi(l)；将所有一维矩阵k中的每个元素都替换为相应的lj，获取局部放电强度在输电线路长度l上的分布cdi(l)。
[0047]
基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；具体为：
[0048]
计算局部放电强度平均值m；基于局部放电强度的平均值m识别局部放电较强的区域；局部放电强度平均值m为局部放电强度在输电线路长度l上分布cdi(l)中所有非零值的平均值，选取局部放电强度高于cdi(l)的区域；
[0049]
定义l处高于局部放电强度平均值m的局部放电强度数与区间[l-t,l t]内的局部放电强度总数之比为一致性值c(l)；其中，t为对应于gps误差的容差值。
[0050]
确定持续出现局部放电的物体位置；具体为：将局部放电一致性c(l)映射到无人机与输电线路的垂直距离r上，根据平行和垂直于输电线路处的局部放电的一致性，确定持续出现局部放电的物体的位置。
[0051]
一种搭载紫外成像仪的无人机输电线路故障检测系统，包括：
[0052]
采集模块，所述采集模块用于采集输电线路的图像信息；
[0053]
第一获取模块，所述第一获取模块基于输电线路的图像信息，获取待检测输电线
路的位置信息；
[0054]
第二获取模块，所述第二获取模块基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；
[0055]
第三获取模块，所述第三获取模块在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；
[0056]
评估模块，所述评估模块基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；
[0057]
判断模块，所述判断模块用于判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。
[0058]
与现有技术相比，本发明具有以下有益效果：
[0059]
本发明通过待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；并通过3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。本发明通过图像处理技术，对紫外成像仪获得的图片进行处理，为无人机的自动跟踪算法提供数据，并根据处理结果输出相应的警报，极大的减少了人工处理数据的工作量，提高巡检效率和准确率；利用自动跟踪算法，保持输电线路在紫外成像仪的试场中心，减少了控制云台操作员的工作量，提高了检测性能和巡检效率。
附图说明
[0060]
为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0061]
图1为本发明的搭载紫外成像仪的无人机输电线路故障检测方法的一种流程图；
[0062]
图2为本发明的搭载紫外成像仪的无人机输电线路故障检测系统结构图；
[0063]
图3为本发明的搭载紫外成像仪的无人机输电线路故障检测方法的另一种流程图；
[0064]
图4为本发明的计算局部放电强度分布流程图；
[0065]
图5为本发明的评估局部放电一致性流程图。
具体实施方式
[0066]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施
例的组件可以以各种不同的配置来布置和设计。
[0067]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0068]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0069]
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0070]
此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0071]
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0072]
下面结合附图对本发明做进一步详细描述：
[0073]
参见图1，本发明公开了一种搭载紫外成像仪的无人机输电线路故障检测方法，包括：
[0074]
s101，采集输电线路的图像信息；
[0075]
s102，基于输电线路的图像信息，获取待检测输电线路的位置信息；
[0076]
s102.1,基于canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；
[0077]
基于高斯滤波和非极大值抑制对输入的原始图像进行边缘锐化；
[0078]
基于双阈值对边缘锐化后的原始图像进行区分，获取边缘锐化后的原始图像的弱边缘和强边缘；
[0079]
对未连接到强边缘的弱边缘进行抑制，获得二维边缘图像。
[0080]
s102.2,基于垂直卷积核对二维边缘图像进行卷积处理，去除二维边缘图像中的垂直线条；
[0081]
s102.3,基于厚度卷积核对去除垂直线条的二维边缘图像进行卷积处理，增强待检测输电线路的边缘图像；
[0082]
s102.4,基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息。
[0083]
将待检测输电线路的边缘图像使用一阶线性多项式进行霍夫变换，将输电线路近似为直线进行处理，提取线条斜率的角度[-θ～θ]，θ的取值如公式(1)所示：
[0084][0085]
其中z1和z2分别为两个输电塔塔的高度，s为两个塔之间的跨度。
[0086]
s103，基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；
[0087]
s103.1，基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，具体为：
[0088][0089]
其中，z为云台的期望角度，mi表示紫外线成像仪图像中心与第i行输电线路之间的距离，l表示检测到的行数，ci表示紫外线成像仪图像底部和中心之间的距离，β和v分别表示紫外线成像仪的垂直视角和垂直尺寸。
[0090]
s104，在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；
[0091]
基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；具体为：
[0092]
去除输电线路的图像的背景，突出紫外成像仪记录到的局部放电信息；对进背景处理后的输电线路的二维图像i(m
×
n)应用3σ异常值消除法进行降维，获取一维矩阵k(1
×
n)；
[0093]
假设局部放电强度服从正态分布，当其放电强度大于μ 3σ时，认为该局部放电强度为异常值，相应位置为受损表面；而均匀分布在图像上的局部放电部分被排除；具体公式：
[0094][0095]
其中kj表示对应一维矩阵k(1
×
n)中每个元素的局部放电强度；k
′
是一维矩阵，其中每个元素kj′
是二维图像i的每一列元素的总和：
[0096][0097]
将一维矩阵k(1
×
n)中的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布。
[0098]
11.将一维矩阵k(1
×
n)矩阵的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布；具体为：
[0099]
计算视野范围r：
[0100][0101]
其中r表示一维矩阵k(1
×
n)所指范围的实际水平长度，r表示无人机与输电线路
之间的距离，α表示紫外成像仪的水平视角。
[0102]
计算无人机与出发点之间的距离l
center
；基于文森蒂公式计算每个一维矩阵k(1
×
n)矩阵对应的l
center
；
[0103]
计算出发点与每个一维矩阵k(1
×
n)中第j个元素之间的距离lj：
[0104][0105]
其中，dir表示检查时紫外成像仪相对于输电线路的运动方向：当无人机从左向右移动时，dir定义为1，当无人机从右向左移动时dir定义为-1；
[0106]
计算局部放电强度在输电线路上的分布cdi(l)；将所有一维矩阵k中的每个元素都替换为相应的lj，获取局部放电强度在输电线路长度l上的分布cdi(l)。
[0107]
s105，基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；
[0108]
基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；具体为：
[0109]
计算局部放电强度平均值m；基于局部放电强度的平均值m识别局部放电较强的区域；局部放电强度平均值m为局部放电强度在输电线路长度l上分布cdi(l)中所有非零值的平均值，选取局部放电强度高于cdi(l)的区域；
[0110]
定义l处高于局部放电强度平均值m的局部放电强度数与区间[l-t,l t]内的局部放电强度总数之比为一致性值c(l)；其中，t为对应于gps误差的容差值。
[0111]
确定持续出现局部放电的物体位置；具体为：将局部放电一致性c(l)映射到无人机与输电线路的垂直距离r上，根据平行和垂直于输电线路处的局部放电的一致性，确定持续出现局部放电的物体的位置。
[0112]
s106，判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。
[0113]
参见图2，本发明公布了一种搭载紫外成像仪的无人机输电线路故障检测系统，包括：
[0114]
采集模块，所述采集模块用于采集输电线路的图像信息；
[0115]
第一获取模块，所述第一获取模块基于输电线路的图像信息，获取待检测输电线路的位置信息；
[0116]
第二获取模块，所述第二获取模块基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；
[0117]
第三获取模块，所述第三获取模块在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；
[0118]
评估模块，所述评估模块基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；
[0119]
判断模块，所述判断模块用于判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行
警报。
[0120]
参见图3，本发明包括自动路径跟踪部分和一致性估计部分。自动路径跟踪部分，接收来自紫外线成像仪获取到的二维图像信息和来自飞行控制系统的gps信息，识别出输电线路的位置，计算出云台的旋转角度，传输到装载紫外线成像仪的云台控制器，控制云台旋转至理想位置。在一致性估计部分，输入图像使用3σ异常值检测算法提取出局部放电的位置和频率，生成相应的警报信息。
[0121]
本发明涉及路径跟踪算法部分，该算法有助于保持目标输电线路在紫外线成像仪的视野中心。具体步骤如下：
[0122]
s21：使用canny边缘检测算法生成二维边缘图像。首先，对输入的原始图像应用高斯滤波和非极大值抑制以进行边缘锐化。接着，使用双阈值来区分弱边缘和强边缘。最后，通过抑制未连接到强边缘的弱边缘，获得二维边缘图像。
[0123]
s22：使用垂直卷积核[1 2 3]
t
对边缘图像做卷积，以去除二维边缘图像中的垂直线条。由于二维边缘图像中，只有当三个像素值垂直排列为[0 1 0]
t
时，卷积结果为2，故抑制卷积结果不为2的像素，即排除了斜率较大或垂直的连续边缘，同时保留了水平边缘。
[0124]
s23：使用厚度卷积核对s22中输出的图片做卷积，卷积结果不为1的像素被抑制，以加强待检测输电线路的边缘图像。卷积核的取值取决于紫外成像仪的规格以及紫外成像仪与输电线路之间的距离，需要具体测量后确定。例如，当使用厚度卷积核为[0.33 0.33 0.33
ꢀ‑
0.5
ꢀ‑
0.5
ꢀ‑
0.5 0.67 0.67 0.67]
t
时，输入图像中间隔为3-7的像素卷积结果为1，被保留。
[0125]
s24：对s23中提取到的图像使用一阶线性多项式y＝ax b做霍夫变换。由于紫外成像仪视野狭窄，可以将输电线路近似为直线处理。提取线条斜率的角度-θ～θ，θ的取值需要具体根据具体检测环境确定：
[0126][0127]
其中z1和z2分别为两个输电塔塔的高度为，s为两个塔之间的跨度。同时，对于电线塔附近区域，只有对应二维边缘图的左右两侧区域包括输电线路，故使用左右两侧区域的二进制边缘图进行霍夫变换，在减轻计算负担的同时保证了精度。
[0128]
s25：根据s24中检测到的直线，计算紫外成像仪的视野中心距离输电线路中心的垂直距离，从而计算出云台所需的旋转角度：
[0129][0130]
其中z表示云台的期望角度，mi表示紫外线成像仪图像中心与第i行输电线路之间的距离(像素数量)，l表示检测到的行数，ci表示紫外线成像仪图像底部和中心之间的距离(像素数量)，β和v分别表示紫外线成像仪的垂直视角和垂直尺寸(像素数量)。
[0131]
s26：抗干扰，减缓相机抖动。当mi的标准差超过了v的35％以上时，或与前一个图像相比，mi的平均值改变了v的40％以上时，期望云台角度z保持前一个图像的期望角度不变，可以有效降低图像抖动现象。百分比可以根据具体检测情况确定。
[0132]
s27：卡尔曼滤波增加鲁棒性。由于检测环境比较复杂，比如无人机会受到阵风影
响，故使用卡尔曼滤波算法增强系统稳定性。
[0133]
本发明涉及一致性估计部分，根据步骤二中输出的图片，生成相应的警报信息。具体步骤如下：
[0134]
s31：去除rgb格式的二维图像的背景，突出紫外成像仪记录到的局部放电信息。
[0135]
s32：对进过s31处理后的二维图像i(m
×
n)应用3σ异常值消除法降维成一维矩阵k(1
×
n)。假设局部放电强度服从正态分布，当其放电强度大于μ 3σ时，认为该局部放电强度为异常值，相应位置为受损表面；而均匀分布在图像上的局部放电部分被排除。具体公式：
[0136][0137]
其中kj表示对应一维矩阵k(1
×
n)中每个元素的局部放电强度。k
′
是一维矩阵，其中每个元素kj′
是二维图像i的每一列元素的总和：
[0138][0139]
s33：参照图4，将k(1
×
n)矩阵的每个元素映射到全局坐标，得到检测范围内局部放电强度的分布。
[0140]
s34：参照图5，评估局部放电的一致性。
[0141]
s35：基于s34中生成的局部放电一致性生成相应警报。
[0142]
进一步的，所述去除背景，保留局部放电信息，包括以下步骤：
[0143]
s311：将rgb格式的图像转换为色度度量图。图像中的每个像素代表一个色度值，由相应的归一化后的rgb值计算得出，如下所示：
[0144][0145]
其中s
ij
∈(0,1)是输入图像第i行、第j列元素的色度。r
ij
、g
ij
和b
ij
分别是rgb格式下第i行、第j列元素归一化后的红色、绿色和蓝色值(这些值定义在0
–
1范围内)。v
ij
∈(0,1)表示亮度值，计算公式为:
[0146]vij
＝max(r
ij
,g
ij
,b
ij
)
[0147]
由于局部放电处比大多数背景具有更高的色度值，故在图像转换为色度度量图后，色度值s
ij
低于0.9或亮度值v
ij
低于0.6的区域中的元素设置为零。
[0148]
s312：校正位于局部放电处的像素上的条纹。由于紫外线成像仪输出为模拟信号，易受到振动影响，出现条纹，会降低之后识别的准确性，因此通过将相邻行的值，添加到每一行来去除条纹：
[0149]iij
＝i
′
ij
i
′
i-1j
(i≠1)
[0150]
这里，i表示具有m行n列的色度度量形式的预处理图像，i
ij
表示去除条纹之后的第i行、第j列的元素，i
′
表示去除条纹之前的i。
[0151]
进一步的，所述坐标系的映射，得到检测范围内局部放电强度的分布，具体包括以
下步骤：
[0152]
s331：计算视野范围r：
[0153][0154]
其中r表示k矩阵所指范围的实际水平长度(以米为单位),r表示无人机与输电线路之间的距离，α表示紫外成像仪的水平视角。
[0155]
s332：计算无人机与出发点之间的距离l
center
。使用文森蒂公式计算每个k矩阵对应的l
center
。精确度可以根据具体的检测场景确定，大约为6.4毫米。
[0156]
s333：计算出发点与每个k矩阵中第j个元素之间的距离lj：
[0157][0158]
其中dir表示检查时紫外成像仪相对于输电线路的运动方向：当无人机从左向右移动时，dir定义为1，当无人机从右向左移动时dir定义为-1。
[0159]
s334：计算局部放电强度在输电线路上的分布cdi(l)。将所有k矩阵中的每个元素都替换为相应的lj，得到局部放电强度在输电线路长度l上的分布cdi(l)。
[0160]
进一步的，计算局部放电的一致性，包括以下步骤：
[0161]
s341：计算局部放电强度平均值m。根据局部放电强度的平均值m来识别局部放电较强的区域。该平均值m为局部放电强度在输电线路长度l上分布cdi(l)中，所有非零值的平均值，选取局部放电强度高于cdi(l)的区域。
[0162]
s342：定义l处高于m的局部放电强度数与区间[l-t,l t]内的局部放电强度总数之比为一致性值c(l)。其中t为对应于gps误差的容差值，需要根据具体使用的gps模块确定。
[0163]
进一步的，基于局部放电一致性生成相应警报，具体包括以下步骤：
[0164]
s351：生成预警。根据s32所述，假设局部放电强度遵循正态分布，来自受损表面的局部放电强度视为异常值，使用3σ异常值消除法统计正态分布中的异常值，生成预警。
[0165]
s352：生成提示警报和警告警报。将局部放电一致性c(l)映射到无人机与输电线路的垂直距离r上，根据平行和垂直于输电线路处的局部放电的一致性，确定持续出现局部放电的物体的位置。如果输电线路所在位置处出现了局部放电一致性的最大值，或在输电线路的一致性值超过最大值的80％，生成提示警报或警告警报：具体来说，如果一致性值偏离平均值3σ，生成提示警报；如果一致性值偏离平均值6σ，生成警告警报。
[0166]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。