一种变电站电子围栏线水平度检测装置

技术领域

本发明属于电子围栏技术领域，具体而言，涉及一种变电站电子围栏线水平度检测装置。

背景技术

电子围栏作为最先进的周界防盗报警系统，是一种主动入侵防越围栏，对入侵企图做出反击，击退入侵者，延迟入侵时间，并且不威胁人的性命，并把入侵信号发送到监控设备上，以保证变电站管理人员能及时了解报警区域的情况，快速的做出处理。

目前，变电站电子围栏检测主要是操作人员利用绝缘杆、铁锹等包含金属头的绝缘工具，对电子围栏相邻两根金属导线进行搭接触碰或拉近触碰。这种试验方法会导致割划损伤金属导线或导致两根金属导线位置无法恢复以至于偏移过度靠近或过度远离，同时由于反复举起放下工具，测试速度不均。用于变电站的电子围栏主要用在高度不低于2m的围墙，通常会因围墙周围地形的变化而导致操作人员的观察视野不佳、操作不便，进而导致测试工具无法顺畅搭接，测试困难，影响测试效率。此外，电子围栏金属导线间距为15-20cm，告警输出单个脉冲高电压峰值5-10kV、低电压峰值0.7-1kV、电流峰值<10A、脉冲持续时间≤0.1S、输出最大能量≤4J，每个脉冲间隔时间1S，人员通过肉眼观察无法准确估计电子围栏各层金属导线之间距离是否符合规定，普通试验工具无法测量出电子围栏每个脉冲信号参数是否符合规定。

发明内容

有鉴于此，本发明针对现有电子围栏测试方法存在的不足，提供一种变电站电子围栏参数测试装置，快速准确试验出电子围栏线是否平直、是否距离较近，容易出现放电干扰的情况。

本发明是这样实现的：

本发明提供一种变电站电子围栏线水平度检测装置，其中，包括无人机、云台以及摄像头，所述云台设置在无人机中部下方并与无人机固定连接，所述摄像头安装在云台上，所述摄像头的镜筒顶部通过重锤悬挂有在摄像头上呈像的柔性金属丝，所述无人机内设置有存储器、控制器、无线通信器，所述存储器、控制器以及无线通信器与所述无人机的电源电连接，所述控制器与所述存储器、所述无线通信器以及所述云台、所述无人机的控制系统电连接，所述存储器内存储有程序指令，所述控制器执行所述程序指令时，用于实现以下步骤：

电子围栏线识别的步骤，用于从所述摄像头获取的拍摄图像中识别电子围栏线以及用于辅助计算的柔性金属丝的影像；

电子围栏线检测的步骤，用于基于所述摄像头获取的拍摄图像，根据所述图像中柔性金属丝与电子围栏线的夹角，判断电子围栏的围栏线的水平度是否符合标准；

数据通信的步骤，用于与外界通信检测结果以及无人机的飞控指令。

本发明提供的一种变电站电子围栏线水平度检测装置的技术效果如下：通过设置无人机，将云台和摄像头悬空并稳定在固定位置；通过设置摄像头捕捉电子围栏线的位置以及柔性金属丝的影像；通过设置柔性金属丝使摄像头拍摄的画面中出现一条垂直竖线，以柔性金属丝与电子围栏线相交处的夹角判断电子围栏线是否符合水平度的标准；通过设置重锤能够给柔性金属丝重量以保证柔性金属丝是垂直于地面的。

在上述技术方案的基础上，本发明的一种变电站电子围栏线水平度检测装置还可以做如下改进:

其中，所述电子围栏线识别的步骤，具体为利用预先训练好的围栏线识别模型对所述拍摄图像进行电子围栏线识别，并在所述拍摄图像中对所识别的电子围栏线进行标记。

进一步的，所述围栏线识别模型的建立和训练步骤，具体包括：

步骤1、获取历史围栏图像，并对其进行预处理，所述预处理包括：去噪、灰度处理、增强；

步骤2、将经过预处理的历史围栏图像作为训练样本，将所述训练样本划分为训练集、验证集、测试集，比例为7:2:1；

步骤3、选择前馈式神经网络模型作为基础模型，选择激活函数，并定义损失函数和优化算法，所述激活函数选择ReLU激活函数，所述损失函数选择交叉熵损失函数，所述优化算法选择随机梯度下降法；

步骤4、选择Xavier初始化方式初始化权重和偏置参数；

步骤5、使用训练样本对定义好的前馈式神经网络模型进行训练，通过将训练样本输入到所述定义好的前馈式神经网络模型进行前向传播，然后使用反向传播计算梯度，并使用优化算法更新网络参数，得到训练好的围栏线识别模型。

采用中值滤波方法对所述历史围栏图像进行去噪。中值滤波法在信号处理过程中很重要的处理方法，是预处理阶段的一个重要手段，排除异常点和噪音；是一种非线性信号处理方法。在一定条件下，克服线性滤波器带来的图像模糊问题，如邻域平均法等，对消除脉冲干扰及图像扫描噪声有显著效。不需要统计特性，用于处理图像。

再采用平均值法进行灰度处理，将经过灰度处理的图像通过边缘增强滤波器进行增强处理，以改善图像的质量、增强特征或清晰度，常用的边缘增强滤波器有MAX-MIN滤波器、差分滤波器等，MAX-MIN滤波器是使用网格内像素的最大值和最小值的差值对网格内像素重新赋值。

进一步的，所述电子围栏线检测的步骤，具体包括：

S11、控制所述无人机飞行到与所述电子围栏的距离为第一阈值；

S12、获取所述无人机拍摄的围栏图像，并在所述围栏图像中标记全部的电子围栏线；

S13、调整所述无人机的垂直高度，使得在步骤S12的围栏图像中，所述柔性金属丝与所标记的其中一条电子围栏线相交；

S14、控制所述无人机平行于在步骤S12中标记的电子围栏线飞行，并连续拍摄电子围栏线图像，形成电子围栏线图像集，直到电子围栏全部拍摄完毕，其中，所述无人机的高度保持稳定，所述无人机与所述电子围栏线的距离保持稳定；

S15、对所述电子围栏线图像集中的每一张电子围栏线图像分析电子围栏线与柔性金属丝的夹角，若夹角为89°～91°，则认为电子围栏线水平度符合标准；

S16、调整所述无人机的垂直高度，使得所述柔性金属丝与所标记的其他一条电子围栏线相交，执行步骤S14、S15，判断当前电子围栏线的水平度是否符合标准；重复执行本步骤，直到每一条电子围栏线的水平度均检测完毕。

第一阈值为20cm～100cm。电子围栏线的水平度标准为：保持水平且平稳，不晃动。

进一步的，所述电子围栏线检测的步骤，还可以采用：

S21、控制所述无人机飞行到所述电子围栏的距离为第二阈值；

S22、获取所述无人机拍摄的围栏图像，并在所述围栏图像中标记全部的电子围栏线；

S23、调整所述无人机的垂直高度，使得在步骤S22的围栏图像中，所述柔性金属丝与所标记的全部电子围栏线相交；

S24、控制所述无人机平行于在步骤S22中标记的电子围栏线飞行，并连续拍摄电子围栏线图像，形成电子围栏线图像集，直到电子围栏全部拍摄完毕，其中，所述无人机的高度保持稳定，所述无人机与所述电子围栏线的距离保持稳定；

S25、对所述电子围栏线图像集中的每一张电子围栏线图像分析每一条电子围栏线与柔性金属丝的夹角，若夹角为89°～91°，则认为电子围栏线水平度符合标准。

第二阈值为200cm～500cm。

进一步的，保持所述无人机的高度稳定的步骤，具体包括：

步骤一、使用目标检测算法检测摄像头拍摄的画面中电子围栏线后的物体的位置信息，并在视频帧中标记出物体的边界框；

步骤二、使用边缘检测算法，通过物体的边界框，在每个视频帧中提取物体的轮廓；

步骤三、计算轮廓最小外接圆的圆心，记为第一中心坐标；

步骤四、在下一个视频帧中重复上述步骤，获得第二中心坐标；

步骤五、计算第一中心坐标与第二中心坐标的距离，若距离小于5mm则认为所述无人机的高度稳定。

所述边缘检测算法可以采用Canny边缘检测，也可以采用分割算法，如GrabCut、Mask R-CNN等。

进一步的，保持所述无人机与所述电子围栏线的距离稳定的步骤，具体包括：

第一步、使用摄像头获取电子围栏线后的物体的连续视频帧序列；

第二步、对每个视频帧进行特征提取，包括：物体的尺寸、形状、角点、边缘、纹理及清晰度；

第三步、将当前视频帧的特征与前一帧的特征进行匹配，使用特征描述子和匹配算法；

第四步、基于特征匹配的结果，利用相机标定参数和三角测量原理，计算所述物体的物体距离的估计值；

第五步、根据估计的距离判断物体的远近距离是否发生变化，若估计的距离未超过5mm，则所述无人机与所述电子围栏线的距离稳定。

常用的匹配算法包括：SIFT(尺度不变特征变换)、SURF(加速鲁棒特征)、ORB等。

进一步的，对所述电子围栏线图像集中的每一张电子围栏线图像分析电子围栏线与柔性金属丝的夹角的步骤，具体包括：

获取一段时间的连续视频帧，并计算每个像素点的均值和方差，得到背景模型；

对于每个视频帧，将其与背景模型进行比较，计算当前视频帧像素与背景模型之间的差异，对于每个像素点，如果其与背景模型的差异超过通过自适应阈值处理方法得到的第三阈值，根据图像的局部特征动态调整阈值，将其标记为前景，将经过标记的前景像素构成前景图像；

采用滚动平均法更新背景模型，将视频帧的像素值参与背景模型的更新；

对背景模型使用中值滤波法进行滤波；

根据前景图像，采用目标检测算法检测电子围栏线与柔性金属丝的位置信息，并使用跟踪算法跟踪电子围栏线与柔性金属丝在时间上的变化；

采用Canny边缘检测算法对电子围栏线与柔性金属丝识别形状边界；

基于电子围栏线与柔性金属丝的轮廓，根据电子围栏线与柔性金属丝的中心点的坐标，得出电子围栏线与柔性金属丝的两个位置向量，计算两个向量的夹角。

其中，所述无人机上还设置有有色光源发射器，所述有色光源发射器用于照射电子围栏线。

通过设置有色光源能够通过摄像头捕捉有色光源发出的射线，从而准确定位电子围栏线。

其中，还包括：手持式电压测试仪，用于接收无人机传送的图像，以及电子围栏线是否倾斜的提示。

与现有技术相比较，本发明提供的一种变电站电子围栏线水平度检测装置的有益效果是：包括无人机、云台以及摄像头，所述云台设置在无人机中部下方并与无人机固定连接，所述摄像头安装在云台上，所述摄像头的镜筒顶部通过重锤悬挂有在摄像头上呈像的柔性金属丝，所述无人机内设置有存储器、控制器、无线通信器，所述存储器、控制器以及无线通信器与所述无人机的电源电连接，所述控制器与所述存储器、所述无线通信器以及所述云台、所述无人机的控制系统电连接，所述存储器内存储有程序指令，所述控制器执行所述程序指令时，用于实现以下步骤：电子围栏线识别的步骤，用于从所述摄像头获取的拍摄图像中识别电子围栏线以及用于辅助计算的柔性金属丝的影像；电子围栏线检测的步骤，用于基于所述摄像头获取的拍摄图像，根据所述图像中柔性金属丝与电子围栏线的夹角，判断电子围栏的围栏线的水平度是否符合标准，是否距离过近，或下垂过低，成为其他作业的隐患；数据通信的步骤，用于与外界通信检测结果以及无人机的飞控指令。通过设置无人机，将云台和摄像头悬空并稳定在固定位置；通过设置摄像头捕捉电子围栏线的位置以及柔性金属丝的影像；通过设置柔性金属丝使摄像头拍摄的画面中出现一条垂直竖线，以柔性金属丝与电子围栏线相交处的夹角判断电子围栏线是都符合水平度的标准；通过设置重锤能够给柔性金属丝重量以保证柔性金属丝是垂直于地面的。通过该装置能够快速准确地检测电子围栏线是否平直、是否被破坏。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种变电站电子围栏线水平度检测装置示意图；

图2为本发明检测电子围栏线的方法第一实施例的流程图；

图3为本发明检测电子围栏线的方法第二实施例的流程图；

图4为本发明第一实施例摄像头拍摄的图像中柔性金属丝与电子围栏线相交的图像示意图；

图5为本发明第二实施例摄像头拍摄的图像中柔性金属丝与电子围栏线相交的图像示意图；

附图中，各标号所代表的部件列表如下：

10、无人机；20、云台；30、摄像头；31、镜筒；32、柔性金属丝；33、重锤。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。

实施例一：

如图1、图2所示，是本发明提供的一种变电站电子围栏线水平度检测装置的第一实施例，在本实施例中，包括无人机10、云台20以及摄像头30，云台20设置在无人机10中部下方并与无人机10固定连接，摄像头30安装在云台20上，摄像头30的镜筒31顶部通过重锤33悬挂有在摄像头30上呈像的柔性金属丝32，无人机10内设置有存储器、控制器、无线通信器，存储器、控制器以及无线通信器与无人机10的电源电连接，控制器与存储器、无线通信器以及云台20、无人机10的控制系统电连接，存储器内存储有程序指令，控制器执行程序指令时，用于实现以下步骤：电子围栏线识别的步骤，用于从摄像头30获取的拍摄图像中识别电子围栏线以及用于辅助计算的柔性金属丝32的影像；电子围栏线检测的步骤，用于基于所述摄像头30获取的拍摄图像，根据所述图像中柔性金属丝32与电子围栏线的夹角，判断电子围栏的围栏线的水平度是否符合标准；数据通信的步骤，用于与外界通信检测结果以及无人机10的飞控指令。

优选的，还可以将重锤33和金属丝32固定在镜筒31表面，将镜筒31的端部，做成可转动的环状，以避免无人机在飞行过程中，重锤33摆动过大。环状部件和镜筒的接触，可以采用光洁度高的接触面，配合滚珠，以确保飞行的同时，既保持垂直，且稳定，在飞行器摆动后，也能迅速在重锤33的摆动，恢复到竖直状态。

其中，在上述技术方案中，电子围栏线识别的步骤，具体为利用预先训练好的围栏线识别模型对拍摄图像进行电子围栏线识别，并在拍摄图像中对所识别的电子围栏线进行标记。

进一步的，在上述技术方案中，围栏线识别模型的建立和训练步骤，具体包括：

步骤1、获取历史围栏图像，并对其进行预处理，采用中值滤波方法对所述历史围栏图像进行去噪，得到第一去噪图像，再采用平均值法进行灰度处理，计算公式为：

其中，Gray表示灰度值，R表示RGB颜色模式中的红色值，G表示RGB颜色模式中的绿色值，B表示RGB颜色模式中的蓝色值。

将经过灰度处理的第一去噪图像通过边缘增强滤波器进行增强处理，以改善图像的质量、增强特征或清晰度，常用的边缘增强滤波器有MAX-MIN滤波器、差分滤波器等。本实施例采用MAX-MIN滤波器，使用网格内像素的最大值和最小值的差值对网格内像素重新赋值。图像的细节属于低频信息，图像的边缘属于高频信息，将Max-Min滤波器作用于图像，当滤波器作用于图像细节时，输出结果往往趋向于0，是黑色；而滤波器作用于图像边缘时，Max-Min输出结果往往趋向于255，是白色。

步骤2、将经过预处理的历史围栏图像作为训练样本，将训练样本划分为训练集、验证集、测试集，比例为7:2:1；

步骤3、选择前馈式神经网络模型作为基础模型，选择激活函数，并定义损失函数和优化算法，激活函数选择ReLU激活函数，损失函数选择交叉熵损失函数，优化算法选择随机梯度下降法；

前馈式神经网络模型还包括：一个输入层、三个卷积层、一个激活函数层、一个池化层、一个全连接层以及一个输出层。

步骤4、选择Xavier初始化方式初始化权重和偏置参数；

步骤5、使用训练样本对定义好的前馈式神经网络模型进行训练，通过将训练样本输入到定义好的前馈式神经网络模型进行前向传播，然后使用反向传播计算梯度，并使用优化算法更新网络参数，得到训练好的围栏线识别模型。

进一步的，在上述技术方案中，电子围栏线检测的步骤，具体包括：

S11、控制无人机10飞行到与电子围栏的距离为20cm～100cm；

S12、获取无人机10拍摄的围栏图像，并在围栏图像中标记全部的电子围栏线；

S13、调整无人机10的垂直高度，使得在步骤S12的围栏图像中，柔性金属丝32与所标记的其中一条电子围栏线相交；

S14、控制无人机10平行于在步骤S12中标记的电子围栏线飞行，，并连续拍摄电子围栏线图像，形成电子围栏线图像集，直到电子围栏全部拍摄完毕，其中，无人机10的高度保持稳定，无人机10与电子围栏线的距离保持稳定；

S15、对电子围栏线图像集中的每一张电子围栏线图像分析电子围栏线与柔性金属丝32的夹角，若夹角为89°～91°，则认为电子围栏线水平度符合标准；

例如，一张电子围栏线的图像如图4所示，其中竖直直线为柔性金属丝32，横向直线为电子围栏线，柔性金属丝32与电子围栏线的夹角一侧为89°，另一侧为91°，符合水平度标准。

S16、调整无人机10的垂直高度，使得柔性金属丝32与所标记的其他一条电子围栏线相交，执行步骤S14、S15，判断当前电子围栏线的水平度是否符合标准；重复执行本步骤，直到每一条电子围栏线的水平度均检测完毕。

进一步的，在上述技术方案中，保持无人机10的高度稳定的步骤，具体包括：

步骤一、使用目标检测算法检测摄像头30拍摄的画面中电子围栏线后的物体的位置信息，并在视频帧中标记出物体的边界框；

步骤二、使用Canny边缘检测算法，计算图像的梯度，非极大值抑制、高阈值和低阈值筛选。其中高阈值是低阈值的2～3倍，选择高阈值为灰度变化大于高阈值的，设置为强边缘像素，低于低阈值的剔除。在高阈值和低阈值之间的设置为弱边缘。进一步判断，如果其领域内有强边缘像素，保留，如果没有则剔除。通过物体的边界框，在每个视频帧中提取物体的轮廓。

边缘检测算法还可以采用分割算法，如GrabCut、Mask R-CNN等。

步骤三、计算轮廓最小外接圆的圆心，记为第一中心坐标；

步骤四、在下一个视频帧中重复上述步骤，获得第二中心坐标；

步骤五、计算第一中心坐标与第二中心坐标的距离，若距离小于5mm则认为无人机10的高度稳定。

进一步的，在上述技术方案中，保持无人机10与电子围栏线的距离稳定的步骤，具体包括：

第一步、使用摄像头30获取电子围栏线后的物体的连续视频帧序列；

第二步、对每个视频帧进行特征提取，包括：物体的尺寸、形状、角点、边缘、纹理及清晰度；

第三步、将当前视频帧的特征与前一帧的特征进行匹配，使用特征描述子和匹配算法；

第四步、基于特征匹配的结果，利用相机标定参数和三角测量原理，计算物体距离的估计值；

第五步、根据估计的距离判断物体的远近距离是否发生变化，若估计的距离未超过5mm则无人机10与电子围栏线的距离稳定。

进一步的，在上述技术方案中，对电子围栏线图像集中的每一张电子围栏线图像分析电子围栏线与柔性金属丝32的夹角的步骤，具体包括：

获取一段时间的连续视频帧，并计算每个像素点的均值和方差，得到背景模型；

对于每个视频帧，将其与背景模型进行比较，计算当前视频帧像素与背景模型之间的差异，对于每个像素点，如果其与背景模型的差异超过通过自适应阈值处理方法得到的第三阈值，根据图像的局部特征动态调整阈值，将其标记为前景，将经过标记的前景像素构成前景图像；

采用滚动平均法更新背景模型，将视频帧的像素值参与背景模型的更新；

对背景模型使用中值滤波法进行滤波；

根据前景图像，采用目标检测算法检测电子围栏线与柔性金属丝32的位置信息，并使用跟踪算法跟踪电子围栏线与柔性金属丝32在时间上的变化；

采用Canny边缘检测算法对电子围栏线与柔性金属丝32识别形状边界；

基于电子围栏线与柔性金属丝32的轮廓，根据电子围栏线与柔性金属丝32的中心点的坐标，得出电子围栏线与柔性金属丝32的两个位置向量，计算两个向量的夹角。

其中，在上述技术方案中，无人机10上还设置有有色光源发射器，有色光源发射器用于照射电子围栏线，辅助标记电子围栏线。

其中，在上述技术方案中，还包括：手持式电压测试仪，用于接收无人机10传送的图像，以及电子围栏线是否倾斜的提示。

例如，将拍摄得到的电子围栏线图像，和或分析结果，如是水平，通过无线通信的方式，如蓝牙，传送给手持式电压测试仪，手持式电压测试仪根据测试结果展示给用户，如液晶屏的文字形式。当手持式电压测试仪接收到摄像头30拍摄的图像以及经过计算得出的水平度检测结果，若电子围栏线不符合水平度标准，则通过液晶屏或指示灯的方式，以提醒操作人员。

手持式电压测试仪为常见的测试部件，具有手柄和显示屏，可检测电子围栏的带电情况以核实是否在工作中。

实施例二：

如图1、图3所示，是本发明提供的一种变电站电子围栏线水平度检测装置的第二实施例，在本实施例中，包括无人机10、云台20以及摄像头30，云台20设置在无人机10中部下方并与无人机10固定连接，摄像头30安装在云台20上，摄像头30的镜筒31顶部通过重锤33悬挂有在摄像头30上呈像的柔性金属丝32，无人机10内设置有存储器、控制器、无线通信器，存储器、控制器以及无线通信器与无人机10的电源电连接，控制器与存储器、无线通信器以及云台20、无人机10的控制系统电连接，存储器内存储有程序指令，控制器执行程序指令时，用于实现以下步骤：电子围栏线识别的步骤，用于从摄像头30获取的拍摄图像中识别电子围栏线以及用于辅助计算的柔性金属丝32的影像；电子围栏线检测的步骤，用于基于所述摄像头30获取的拍摄图像检测电子围栏的围栏线的水平度是否符合标准；数据通信的步骤，用于与外界通信检测结果以及无人机10的飞控指令。

其中，在上述技术方案中，电子围栏线识别的步骤，具体为利用预先训练好的围栏线识别模型对拍摄图像进行电子围栏线识别，并在拍摄图像中对所识别的电子围栏线进行标记。

进一步的，在上述技术方案中，围栏线识别模型的建立和训练步骤，具体包括：

步骤1、获取历史围栏图像，并对其进行预处理，采用中值滤波方法对所述历史围栏图像进行去噪，得到第一去噪图像，再采用平均值法进行灰度处理，计算公式为：

其中，Gray表示灰度值，R表示RGB颜色模式中的红色值，G表示RGB颜色模式中的绿色值，B表示RGB颜色模式中的蓝色值。

将经过灰度处理的图像通过边缘增强滤波器进行增强处理，以改善图像的质量、增强特征或清晰度。采用MAX-MIN滤波器，使用网格内像素的最大值和最小值的差值对网格内像素重新赋值。

步骤2、将经过预处理的历史围栏图像作为训练样本，将训练样本划分为训练集、验证集、测试集，比例为7:2:1；

步骤3、选择前馈式神经网络模型作为基础模型，选择ReLU激活函数，并定义损失函数和优化算法，选择交叉熵损失函数，优化算法选择随机梯度下降法；

步骤4、选择Xavier初始化方式初始化权重和偏置参数；

步骤5、使用训练样本对定义好的前馈式神经网络模型进行训练，通过将训练样本输入到定义好的前馈式神经网络模型进行前向传播，然后使用反向传播计算梯度，并使用优化算法更新网络参数，得到训练好的围栏线识别模型。

其中，在上述技术方案中，电子围栏线识别的步骤，具体为利用预先训练好的围栏线识别模型对拍摄图像进行电子围栏线识别，并在拍摄图像中对所识别的电子围栏线进行标记。

进一步的，在上述技术方案中，电子围栏线检测的步骤还可以采用第二种方法，具体包括：

S21、控制无人机10飞行到电子围栏的距离为200cm～500cm；

S22、获取无人机10拍摄的围栏图像，并在围栏图像中标记全部的电子围栏线；

S23、调整无人机10的垂直高度，使得在步骤S22的围栏图像中，所述柔性金属丝32与所标记的全部电子围栏线相交；

S24、控制无人机10平行于在步骤S22中标记的电子围栏线飞行，并连续拍摄电子围栏线图像，形成电子围栏线图像集，直到电子围栏其中，无人机10的高度保持稳定，无人机10与电子围栏线的距离保持稳定；

S25、对电子围栏线图像集中的每一张电子围栏线图像分析每一条电子围栏线与柔性金属丝32的夹角，若夹角为89°～91°，则认为电子围栏线水平度符合标准。例如，一张电子围栏线的图像如图5所示，其中竖直直线为柔性金属丝32，水平直线为多条电子围栏线，计算每个夹角。

进一步的，在上述技术方案中，对电子围栏线图像集中的每一张电子围栏线图像分析电子围栏线与柔性金属丝32的夹角的步骤，具体包括：

获取一段时间的连续视频帧，并计算每个像素点的均值和方差，得到背景模型；

对于每个视频帧，将其与背景模型进行比较，计算当前视频帧像素与背景模型之间的差异，对于每个像素点，如果其与背景模型的差异超过通过自适应阈值处理方法得到的第三阈值，根据图像的局部特征动态调整阈值，将其标记为前景，将经过标记的前景像素构成前景图像；

采用滚动平均法更新背景模型，将视频帧的像素值参与背景模型的更新；

对背景模型使用中值滤波法进行滤波；

根据前景图像，采用目标检测算法检测电子围栏线与柔性金属丝32的位置信息，并使用跟踪算法跟踪电子围栏线与柔性金属丝32在时间上的变化；

采用Canny边缘检测算法对电子围栏线与柔性金属丝32识别形状边界；

基于电子围栏线与柔性金属丝32的轮廓，根据电子围栏线与柔性金属丝32的中心点的坐标，得出电子围栏线与柔性金属丝32的两个位置向量，计算两个向量的夹角。

如图5所示，经计算，三条电子围栏线都符合水平度标准。

其中，在上述技术方案中，无人机10上还设置有有色光源发射器，有色光源发射器用于照射电子围栏线，辅助标记电子围栏线。

例如，将拍摄得到的电子围栏线图像，和或分析结果，如是水平，通过无线通信的方式，如蓝牙，传送给手持式电压测试仪，手持式电压测试仪根据测试结果展示给用户，如液晶屏的文字形式。当手持式电压测试仪接收到摄像头30拍摄的图像以及经过计算得出的水平度检测结果，若电子围栏线不符合水平度标准，则通过液晶屏或指示灯的方式，以提醒操作人员。

手持式电压测试仪为常见的测试部件，具有手柄和显示屏，可检测电子围栏的带电情况以核实是否在工作中。

优选的，在上述的实施例中，除了用于电子围栏之外，对于各类的多行/单行竖直排列的引流线，也同样适用上述的实施例的方法流程。由于引流线或电子围栏，距离较近会有放电干扰，从而引发安全事故，通过上述的检测方法，也同样适用。

本发明的方法，还适用于检测引流线的垂度，通过扫描引流线在图像中一定长度的区间内，和辅助参考线的夹角，可以判断是符合预先的设计要求。如换流站内的引流线，通过角度的判断，对于角度有变小趋势的情况，如夹角变为小于80度，则认为下垂过低，容易出现换流站内在作业过程中的误触。

具体的，本发明的原理是：包括无人机10、云台20以及摄像头30，所述云台20设置在无人机10中部下方并与无人机10固定连接，所述摄像头30安装在云台20上，所述摄像头30的镜筒31顶部通过重锤33悬挂有在摄像头(30)上呈像的柔性金属丝32，所述无人机10内设置有存储器、控制器、无线通信器，所述存储器、控制器以及无线通信器与所述无人机10的电源电连接，所述控制器与所述存储器、所述无线通信器以及所述云台20、所述无人机10的控制系统电连接，所述存储器内存储有程序指令，所述控制器执行所述程序指令时，用于实现以下步骤：电子围栏线识别的步骤，用于从所述摄像头30获取的拍摄图像中识别电子围栏线以及用于辅助计算的柔性金属丝32的影像；电子围栏线检测的步骤，用于检测基于所述摄像头30获取的拍摄图像，根据所述图像中柔性金属丝32与电子围栏线的夹角，判断电子围栏的围栏线的水平度是否符合标准；数据通信的步骤，用于与外界通信检测结果以及无人机10的飞控指令。通过设置无人机10，将云台20和摄像头30悬空并稳定在固定位置；通过设置摄像头30捕捉电子围栏线的位置以及柔性金属丝31的影像；通过设置柔性金属丝31使摄像头30拍摄的画面中出现一条垂直竖线，以柔性金属丝31与电子围栏线相交处的夹角判断电子围栏线是都符合水平度的标准；通过设置重锤32能够给柔性金属丝31重量以保证柔性金属丝31是垂直于地面的。通过该装置能够快速准确地检测电子围栏线是否平直、是否出现了下坠的危险。