基于无人机的光伏电站智能巡检

太阳能光伏发电是国家能源结构性调整的重要组成部分,近几年随着光伏发电产业规模迅速扩张,光伏电站的日常运维压力日益增加。针对光伏电站面积大、人工检测效率低等问题,文章对基于无人机的光伏电站智能巡检技术进行研究,提出了一个基于无人机的光伏电站智能巡检完整技术路线,实现了光伏面板图像数据自动化采集与分析,并对基于计算机视觉的缺陷检测方法进行研究,采用自适应动态阈值法并结合图像增强技术,基于红外图像实现了鲁棒的光伏面板缺陷检测,结合可见光数据实现缺陷类型判别,进一步根据相机POS数据及相机模型解算缺陷坐标,实现缺陷定位,并在实际场景中验证了所提出技术路线的有效性。     

移动交换机自动巡检系统设计与实现

文中论述了移动交换机自动巡检系统的设计目的、方法及意义,介绍了能对贝尔交换机及其计费服务器和西门子交换机的各种状态进行自动化巡检的系统设计及实现过程;系统采用C/S(客户端/服务器)两层架构模式,实现了对交换机的指令收发、报告采集和分析、结果榆出与发送的智能巡检功能;该系统替代了人工向交换机输入指令进行检查的方式,减轻人工重复劳动的工作量,提高巡检效率及准确率.     

图像处理技术在无人机电力线路巡检中的应用

高效、安全的无人机电力巡线已经成为了高压输电线路巡检的一种重要的方式。通过对无人机航拍采集到的通道图像进行分析与处理,我们可以发现线路部件是否出现缺陷。图像处理技术可以突破处理海量图像的技术瓶颈,替代人工观察检测图像,降低了因为人为导致的误检率,在无人机电力巡检中具有良好的应用前景。本文阐述了国内外无人机电力巡线中图像处理技术的研究现状,分析了图像处理在电力巡检中的典型干扰因素,并探讨了图像处理在电力巡检中的应用。     

基于图像识别的无人机输电线路断股检测系统设计

针对传统的输电线路人工沿线巡检方式成本高、效率和安全性低等缺陷,基于图像识别技术,设计并开发了一套实时的无人机输电线路断股检测系统。该系统利用输电线路直线特征,使用Laplacian算子对输电线路进行边缘检测,经闭运算、二值化运算后得到光滑边缘;使用改进后的霍夫变换与区域种子点获取和生长提取无人机实时拍摄的输电线路图像;最终,根据输电线路的宽度变化判断是否存在断股缺陷。该系统实际使用效果良好,能够明确显示断股缺陷信息,并能为相关输电线路的断股缺陷检测技术提供参考。     

论基于地理信息的输电线路无人机巡检系统

输电线路无人机巡检系统可以远程操作、实时监控、记录信息等,能力远远超过人工,不仅能够实现输电线路巡检的精益化,综合地理信息技术、传感器等工具,还能以超高效率开展巡检活动.因为电力线路巡检系统与地理信息技术密切相关,所以本文主要探讨基于卫星地理信息系统,应用无人机开展输电线路航线规划、精益化采集线路可见光及红外影响巡检记录、形成基于卫星地图的输电线路缺陷及风险点分布图、应用多平台地理风险分布图指导输电运维人员开展差异化运维及精准检修等主要组成的巡检系统.又以大篇幅介绍其组成部分,希望对无人机输电线路巡检方面提供一些帮助.     

基于多特征优选的图像拼接算法及系统设计

以无人机为平台的桥梁巡检方案能够减少人工、避免安全隐患、提高效率,为了解决该系统中图像拼接实时性和拼接质量之间的矛盾,本文提出一种基于多特征优选的图像拼接算法,并设计开发出了一套基于无人机桥梁巡检的图像采集拼接子系统,先利用简单特征对图像流进行快筛,然后利用复杂特征来保持准确率,并提高系统的鲁棒性,最后通过性能指标对图像拼接质量进行调节.在实验中,针对处理速度、准确率和鲁棒性等各方面因素,本文算法平均达到了83.34％的特征提取准确率.在调节系统性能指标后,图像拼接取得了满意的效果,具有一定实用价值.     

基于YOLO v4网络的房屋目标检测研究

随着社会科学技术的不断进步和人工智能算法的创新发展,深度学习在目标检测领域有着十分重要的应用.针对目前采用人工对偏僻地区房屋建筑进行检测存在的效率低下、安全隐患较大等不足,将无人机技术与深度学习相结合,提出了一种基于深度学习YOLO v4算法实现对房屋目标的检测研究.对无人机采集的电力通道巡检视频进行预处理,对图像进行...     

一种输电线路边、端协同检测方法和系统实现

输电线路在日常运行中受环境等因素影响会出现不同程度的配件老化、破损,导致输电、负载能力无法满足运营安全需求。为解决传统人工桥检作业难度大、检测时间长、工作空间受限等问题,提出一种基于无人机和深度学习的一体化输电线路巡检系统。系统基于卷积神经网络技术,采用YOLOv7目标检测算法对无人机采集的图像进行检测。首先通过事先设计的飞行路径和实时拍摄采集图像,其次传送到事先部署于无人机边缘盒子中的目标检测模型进行检测,最后将检测结果通过边缘盒子发送至使用者的APP。     

无人机在无线通信领域的应用

未来通信基础设施的规模和密度日益增长,会使勘查和巡检的工作量不断加大,将较成熟的无人机技术应用在无线通信领域,代替人工对基站、通信线路进行检测保障,将极大程度地降低成本,提高维护优化工作的效率。文章分析无人机发展趋势,在介绍无人机技术现状的基础上,重点围绕无线通信领域对无人机的需求及相关应用进行分析,并对无人机在查勘拍摄、巡检等实际应用情况进行说明,最后介绍无人机应用机遇和可能面临的技术挑战。     

基于倾斜摄影技术的无人机电力巡检设计

随着电力输电线路的长度的不断增长,为了保证电力系统的运行安全,文中设计了一种基于倾斜摄影技术的无人机电力巡检系统。使用无人机搭载倾斜摄影相机采集输电线路及周边设备的图像信息,通过无人机无线传输将图像数据信息传输至地面站,再进行数据解析、分析及三维模型构建。从而完成输电线路故障的排查、安全隐患的排除,保障电力传输安全。此外,使用该倾斜摄影技术可以有效提高电力巡检判断的准确性。     

基于DM6446的LCD偏光片贴附缺陷检测系统的研究与应用

本文提出基于机器视觉图像检测的方法,它采用TI公司达芬奇系列的DSP TMS320DM6446（简称DM6446）,设计LCD偏光片贴附缺陷检测的嵌入式系统,充分发挥ARM-DSP双核处理器的优势,采用CPLD＋双SRAM,实现图像数据的采集与DSP对数据的处理并行操作。实验表明,该系统能取代传统人工目测、提高LCD偏光片贴附缺陷检测的自动化程度,实现非接触式的自动化检测。     

Random bounce algorithm: real-time image processing for the detection of bats and birds

Wind energy plants generate an impact on wildlife with significant fatality rates for various bat and bird species, e.g. due to a collision with the rotor blades. Monitoring approaches, such as vision-based systems, are needed to reduce their mortality by means of an optimized turbine control strategy as soon as flying animals are detected. Since manual analysis of the video data is ineffective, automatic video processing with real-time capabilities is required. In this paper, we propose the random bounce algorithm (RBA) as a novel real-time image processing method for vision-based detection of bats and birds. The RBA is combined with object tracking in order to extract flight trajectories. Its performance is compared with connected components object detection. Results from a laboratory flight tunnel as well as from a field study at a 2 MW wind energy plant in Southern Germany will be presented and discussed. We have successfully detected and tracked objects both in laboratory experiments with many animals and in field experiments with individual animals at a frame rate of 10 fps.     

基于无人机影像的电网绝缘子自爆识别

电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。     

基于无人机系统制作大比例尺正射影像

与其它移动测图平台相比,无人机系统具有机动、灵活、低成本等特点,因此非常适合应用于大比例尺航空摄影测量.与专业的量测相机相比,非量测数码相机的价格相对低廉、体积小、重量轻,尤其适于作为小型的无人机系统的影像获取设备.本文介绍了一个以数码相机作为影像获取设备的无人机系统;给出了数码相机的标定和畸变分析过程;并提出了基于相对定向、三视张量、自由网平差方法逐步剔除粗差的自动空中三角测量过程.最后的实验表明,以无人机系统获取的低空数码影像生产的正射影象可以达到 1:2000 的精度指标.     

风轮机叶片电磁散射特性的占比分析与解析模型的建立

针对风轮机叶片雷达散射截面积的变化特性,分析了风轮机叶片雷达散射截面积（Radar Cross Section, RCS）对其整体雷达散射特性占比情况,实现对叶片解析模型适用范围的选取。考虑了风轮机叶片旋转平面与雷达视线（Line of Sight, LOS）夹角、叶片材料、叶片几何形状等因素对风轮机散射特性的影响,运用UG软件对风轮机叶片进行三维建模,利用真实叶片与相应简化圆柱叶片电磁散射特性的差异构建高保真的风轮机真实叶片电磁散射特性的解析模型,实现风轮机叶片RCS的快速计算。最后将解析模型计算结果与实测数据进行对比,验证了论文给出的真实叶片电磁散射特性解析模型的有效性。      

基于散射中心的风电机叶片散射电场求解

为降低雷达系统的数据处理量及实现风电机实时目标特征识别,必须寻求风电机叶片散射电场的快速求解方法。针对传统电磁求解算法需处理巨量风电机叶片散射电场数据的问题,突破传统以超大电尺寸目标实体为基本单元进行广域空间电磁散射积分计算的思想,提出了一种基于散射中心的风电机叶片散射电场求解方法。基于非衰减指数和散射中心模型,通过距离-多普勒算法构建风电机叶片的雷达逆合成孔径图像,采用CLEAN 算法并结合相关系数提取风电机叶片的散射中心参数集,最终以散射中心产生的散射电场数据等效替代叶片本体的全部散射数据,实现了叶片散射电场的快速求解。以Vestas V82-1.65MW 型风电机为例,以矩量法计算结果为基准,文中所提方法计算准确度为93.20%,数据的压缩比达76.81,计算量的数量级比矩量法降低了106。     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

基于数字图像处理的冲压工件增强算法研究

传统的图像增强算法在增强图像时,存在丢失细节和增大噪声以及运行时间长等问题,为了满足冲压工件缺陷自动在线检测技术的需要,本文提出了基于Contourlet变换和混沌小生境粒子群优化算法(NCPSO)相融合的图像增强算法。首先,对图像进行Contourlet变换分解,在带通方向子带进行自适应增强来实现对工件图像的增强;然后将NCPSO算法引入,克服了Contourlet变换在图像增强时速度较慢等问题,提高了算法效率。通过实验表明,该方法在增强效果和运算时间上都优于传统的图像增强算法。     

涡轮叶片红外热波无损检测技术研究

涡轮叶片的造价昂贵,为了满足涡轮叶片缺陷检测中的安全性要求,提高检测效率,本文采用红外热波无损检测技术对航空涡轮叶片内部冷却风道的缺陷进行检测,该技术不同于传统的红外检测方法,它是通过主动控制激励热源和分析测量样件表面的温度场变化获得样件表面及内部的结构信息,从而达到检测目的的,提出了烘热激励法、冷热水交替喷流激励法、涡流激励法和蒸汽激励四种检测方案,所得图像表明该技术有其独特的先进性.