基于Faster R-CNN级联的输电塔螺栓缺失检测

螺栓缺失样本数据量过小,直接检测螺栓缺失效果不理想;由于输电塔所处地理环境复杂,数据采集时无人机拍摄角度、距离等因素各异,螺栓影像背景复杂,信噪比低,检测效果较差;螺栓作为小目标物,受限于尺寸,特征表达能力弱,一直是目标检测中的难题。针对上述问题,提出基于深度卷积神经网络Faster R-CNN级联的输电塔螺栓缺失检测方法。首先,根据输电塔上螺栓所在部件的特征及规律性,定位所有包含螺栓的部件并生成影像,降低螺栓背景的影响,提高信噪比;其次,对部件影像进行正常螺栓定位,得到检测结果;最后,基于各类部件上正常螺栓的分布,对同类部件上所有正常螺栓检测结果进行最近点迭代算法(iterative closest point,ICP)配准,定位螺栓缺失位置。实验结果表明,与不采用级联的检测方法相比,基于级联的检测方法对螺栓缺失的检测精度提升了7.5%,检测时间基本持平,可提高无人机巡检中螺栓缺失检测的效率,降低巡检成本,适用于电力巡检。     

基于深度强化学习的两阶段显著性目标检测

为提高复杂场景下的显著性目标检测速度和精度,提出了一种基于深度强化学习的两阶段显著性目标检测方法。该算法由显著性区域定位网络(salient region localization network, SRLN)和显著性目标分割网络(salient object segmentation network, SOSN)组成,分别对应显著性区域定位阶段和显著性目标分割阶段。在显著性区域定位阶段,首次提出采用深度强化学习训练智能体通过执行序列动作逐步定位显著性区域。再将其交由分割网络进行第二阶段的精细目标分割。网络结构上,SRLN和SOSN采用共享特征提取网络的方式简化模型和减少参数量,同时针对该两阶段检测框架提出了一种分治的训练策略。在公开的显著性目标检测数据集上的实验结果表明,无论是简单或复杂场景的图像,该算法能够快速有效的剔除干扰信息,获得准确的显著性目标检测结果,并且检测速度达到了实时性能。在行人检测数据集上的检测结果表明本算法在其他实际应用问题上也具有较强的泛化能力。     

YOLOv4 与 ORB 深度融合的绝缘子识别定位研究

为了解决复杂背景下铁路接触网绝缘子的快速准确识别及定位问题,提出了一种YOLOv4目标检测算法和ORB特征匹配算法深度融合的绝缘子识别定位方法。首先利用迁移学习的策略训练YOLOv4检测网络,解决了绝缘子数据集样本较少导致过拟合的问题;然后采用高斯金字塔提取图像多尺度特征,使原始ORB算法具备尺度不变性;最后将以上两种算法融合,在双目相机获取的图像上标出绝缘子识别框,并在左右图像识别框内提取特征点进行匹配,利用视差原理还原出绝缘子相对于相机的三维坐标。实验结果表明,该方法可以有效地避免复杂背景干扰,准确地定位出绝缘子的三维坐标,4 m内最大定位误差为2.1%,检测速度为35 fps,具有较高的精确性和实时性。     

结合语义信息的行人检测方法

随着卷积神经网络(CNN)的提出,行人检测方法的正确率已经得到了很大提升,尽管CNN模型可以学习到目标的不同变化,然而自动驾驶场景下的行人检测依然面临着巨大挑战,主要表现为广泛的尺度变化、光照变化以及不同程度的遮挡。在已有CNN网络的基础上,提出一种更为鲁棒的行人检测方法,其主要思想是在原有检测器的基础上利用像素级的语义信息作为额外的监督来训练CNN。该算法首先提取CNN不同尺度的特征图,在这些特征图上铺设不同大小的目标候选框,添加一层卷积层对这些目标候选框进行分类和回归,同时利用这些特征图生成语义分割图,最终分为两路分别监督目标检测结果和语义分割结果。在最新的行人检测数据集City Persons上的结果表明,结合语义信息可以提升算法的检测成功率,并且不增加算法耗时,在数据集中1 024×2 048 pixels的图像上平均检测耗时仅为0. 3 s一张图像。     

浅谈扭矩计量标准的建立

<正>天津机务段作为北京铁路局重要的机车动力牵引单位,共配属机车280台,图定机车日总走行86231 km。为了贯彻总公司机务部提出的"量值修车"理念,通过控制机车紧固件力矩的量值,确保机车整体检修质量的可靠性和稳定性,建立起了以"量值修车"为主要方式的机车检修模式。在现代检修工艺中,和谐型机车的牵引装置、钩缓装置和轴箱轴承等几十项重要部件、上百种固定螺栓和接线螺栓都有严格的扭力标准。检修工人须按     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型：基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。     

复杂背景下相对运动恢复结构算法设计

针对运动恢复结构算法在摄像机拍摄过程中需要改变摄像机位置的问题，利用物体与摄像机的相对运动关系，获取包含物体多角度视图的图像序列。在图像序列中定位物体所在区域，约束特征点提取的适用范围，设计并实现一种相对运动恢复结构算法。实验结果表明，SFRM算法适用于摄像机固定位置的拍摄方式，能将位于物体区域的匹配对占总匹配对的比例从32%提高到84%,相较于传统的SFM算法在时间效率上得到38.29%的提升，成功扩展SFM算法的适用场景。     

融合Hough直线检测和Grab-cut的风机叶片自适应分割方法

完整的边缘信息对风力发电机叶片的边缘缺陷检测至关重要,但由于户外采集的风机叶片图像背景复杂多样,现有图像分割算法的分割精度不足,无法保证边缘缺陷的完整性。因此,提出一种基于图像边缘特征与颜色信息的自适应图像分割方法实现风机叶片边缘检测。首先,使用Hough直线检测初步定位叶片直线边缘;然后,在目标区域应用基于Otus阈值分割和形态学运算的Grab-cut算法,实现叶片图像的自适应分割。采用无人机采集多个场景的图像作为测试样本,对分割方法与其他方法进行定性和定量对比分析。结果表明,该方法能自适应且准确地实现风机叶片图像分割,并保留边缘缺陷的完整性,其边缘覆盖率(0.971 7)和边界位移误差(3.040 3)指标均优于其他方法,对风机叶片的边缘缺陷检测具有重大潜在应用价值。     

基于NSST图像融合的变电站开关状态识别

针对变电站中开关状态图像识别易发生误判的问题,提出了一种基于非下采样剪切波变换(NSST)图像融合的变电站开关图像识别方法。该方法采用可见光和红外光双摄像模式,得到开关可见光图像和红外图像,根据两者的特点与互补特性,采用基于NSST的图像融合算法对可见光图像和红外图像进行融合,生成含有两种开关图像丰富细节信息和特征量的融合图像,采用改进加速稳健特征(SURF)算法对融合图像进行目标特征量提取和匹配,再采用基于混沌布谷鸟(CCS)算法的多阈值图像分割技术进行处理,最后基于霍夫变换得到开关臂和触点所在直线的斜率,根据两者角度差判别开关状态。仿真实验表明:所提方法对闭合与断开状态隔离开关的识别率分别为94.4%和100%,验证了所提方法的有效性。     

一种基于特征重用金字塔的舰船检测算法

针对现有算法在SAR图像舰船目标检测场景中难以提取模糊目标特征的问题,提出一种基于特征重用金字塔的舰船目标检测算法。所提算法以YOLOV4-tiny为主体,首先将线性因子引入到K-means算法中整合初始锚框,加强网络对多尺度目标的适应性;其次在主干CSPDarknet53-tiny中添加注意力机制来抑制干扰信息,减弱复杂背景的影响;最后利用特征重用机制强化特征金字塔,提升网络对模糊目标特征的提取能力。实验结果表明,相较于YOLOV4-tiny网络,改进后的算法在SSDD数据集上的平均检测精度提升11.79%,证明了改进后算法在舰船检测中的有效性。     

输电线路螺栓紧固带电作业机器人的视觉搜索、识别与定位方法

在输电线路采用机器人进行螺栓的全自动带电紧固作业是一项非常有挑战性的工作,螺栓的自动紧固首先必须解决螺栓的自动搜索、识别与定位,由于线路环境复杂,这些工作变得十分困难,为此,提出一种新的螺栓视觉搜索识别定位方法,该方法分为两部分,基于参考物的螺栓追踪,通过设定引流线为参考物,先对引流线进行定位,然后沿着引流线方向来搜索螺栓,从而简化螺栓搜索过程,降低螺栓识别难度;基于改进Hough变换的螺栓识别算法,通过对经典Hough变换的峰值选择策略进行改进来实现螺栓的精确识别,然后利用螺栓头部圆形特征来完成螺栓中心的验证,并通过HOG和SVM技术来实现目标物体的识别分类,消除外界不相关物体对目标图像的影响,进一步提高识别精度。根据该方法,设计了机器人原理样机并进行了模拟测试和现场测试,测试结果表明,该方法能够高效地实现输电线路上螺栓的搜索、识别与定位,极大程度地提高了机器人的带电作业效率。     

高强度螺栓在输电铁塔上的应用

随着超高压输电线路的发展,对铁塔的型材材质提出了更高的要求,高强钢将在输电线路上大量采用,与高强钢相匹配的高强螺栓选型问题将成为设计者关心和讨论的问题之一。这一问题包括杆件的孔壁承压和高强螺栓抗剪切2个方面。结合高强螺栓连接时的试验破坏特性,对高强螺栓在输电铁塔上的应用情况进行探讨和研究,对高强度螺栓的选择、紧固扭矩值的确定以及螺栓准线的定位作了详细描述,为输电线路铁塔中高强螺栓的使用提供借鉴。     

基于机器视觉的拆回旧电表参数信息检测技术研究

针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题,提出了一种基于机器视觉的参数信息检测方法,通过检测智能电能表的额定参数信息,完成电能表的分类回收工作。在以C#与Halcon为软件平台建立智能电能表图像检测系统的基础上,采用Blob分析算法,对图像进行ROI(感兴趣区域)提取,采用直方图均衡化对提取后的图像进行处理,以增强背景与目标区域之间的对比度,获取质量较高的电能表图片,通过OTSU算法对Canny边缘检测算法进行改进,提高图像阈值范围的自适应性,获取更完整的图像外观轮廓,最后对图像进行字符分割处理,得到电能表的额定参数信息。经过实验验证,该方法能够准确检测识别电能表铭牌的额定参数信息,实验数据显示检测准确率达99.5%,平均每台电能表检测耗时0.62 s,很大程度上节省了电能表分类工作的检定时间,提升了工作的效率与准确性。     

基于MSP430F149的无线遥控智能螺栓紧固器

基于MSP430F149芯片,提出一种无线遥控智能螺栓紧固器。通过无线控制的方式对螺栓进行紧固操作,并实时检测螺栓紧固器的工作情况。阐述了螺栓紧固器的设计方案,组成模块及其工作原理。实践证明,螺栓紧固器可以满足电力行业中大型螺栓紧固的严格要求,同时避免作业人员直接操作可能带来的安全问题。     

基于Grabcut分割和填充物面积判别的复合绝缘子断串诊断

针对传统 GrabCut 算法需要人工初始化而引起图像分割效率低的问题,结合Otsu方法,提出了一种新的Grabcut自动化算法对复合绝缘子进行分割。首先,对原始图像进行HSV空间转换和加权的灰度化处理。其次,对V通道图像和灰度化后的图像进行Otsu分割并进行或逻辑融合,以此来确定目标绝缘子区域,并结合最大连通域定位绝缘子位置坐标完成Grabcut框取初始化,实现Grabcut的自动化。最后,针对绝缘子断串判别准确率低的问题,通过对绝缘子分割图像的最小外接矩形加框、填充、去原图的方式,提出一种新的面积判别方式来诊断并定位故障位置。实验结果表明：Grabcut自动化算法可以很好地分割出目标绝缘子,分割准确率可以达到96.6%以上。所提出的面积判别方法对于具有断串故障的绝缘子检测率可以达到96.6%以上,对于无故障的误检率为6.7%以下。     

超(超)临界汽轮机汽缸紧固螺栓疲劳-蠕变断裂的研究

调峰机组频繁调整负荷，汽轮机汽缸紧固螺栓处于疲劳-蠕变交互作用，对紧固螺栓多轴应力下疲劳-蠕变损伤的研究对调峰机组安全运行和维修具有重要意义。该文对镍基合金Nimonic 80A进行了550℃下单轴及空心螺栓的疲劳-蠕变断裂实验，应用Chaboche-Nouaihas模型，用有限元软件ABAQUS模拟了空心螺栓的疲劳-蠕变过程。结果表明，与空心螺栓的纯蠕变断裂不同，疲劳-蠕变断裂发生在应力集中的螺纹处，有限元计算结果与实验结果吻合较好。     

芜湖长江大跨越塔高强度螺栓的设计

搞好芜湖长江大跨越塔 10 .9级高强度螺栓设计、制造和安装的措施 :(1)合理选择原材料钢牌号 ,严格把好原材料质量关 ,进行常规理化试验 ,有条件时还要做探伤检查。 (2 )热处理工艺技术将直接影响高强度螺栓的整体性能。硬度太低 ,强度不够 ;硬度太高 ,螺栓可能产生硬脆。 (3)在满足承载力的前提下尽量采用小直径螺栓。(4 )高强度螺栓采用热镀锌防腐蚀措施时宜优先采用抛丸等物理除锈工艺。 (5 )螺栓紧固应采用力矩扳手 ,按紧固值紧固。     

压气机转子拉杆装配技术探讨

针对压气机转子拉杆装配中要求各部分螺栓紧力均匀,对螺栓的紧力计算方法进行了探讨,对螺栓组拧紧时的相互影响进行了分析,并提出了压气机转子拉杆螺栓正确的装配方法,保证了压气机转子运行的可靠性.     

结构化矩阵分解的网状织物缺陷检测方法

针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。 首先,通过 Retinex 算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息 的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并 对两个部分进行特征融合,实现缺陷显著性增强。 通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值 分割算法分割缺陷显著图,从而得到缺陷检测结果。 利用公开数据集 TILDA 和 BASLER 工业相机采集到的网状织物缺陷图 像验证了算法的性能。 研究表明,与其他算法相比,本文算法的识别准确率达到 94. 25%,召回率达到 92. 48%,分类准确率 达到 90. 12%。