基于无人机采集图像的输电线路异常检测方法研究

针对现有无人机航拍输电线路图像异常检测方法效率低、精度差等问题,在无人机航拍输电线路图像预处理的基础上,提出改进的相位编组算法用于导线提取和滑动像素块模型用于输电线路的异常检测。根据输电线路的最佳相位划分方式和伪导线判断基准优化相位编组算法,通过改变滑动像素块的旋转梯度角,确定传输线异常的准确位置,并完成导线断股和悬挂异物检测。通过实验对所提方法的可行性进行验证。结果表明,与常规方法相比,所提导线提取方法具有更高的精度、防误检和运行效率,在导线断股和悬挂异物检测中具有更高的准确度和运行效率,所提出的研究可以大幅提高巡检的安全性和效率。     

架空线路绝缘喷涂异物检测识别及机器人运动轨迹规划

异物侵入不仅影响输配电线网绝缘漆喷涂,更会影响电网安全运行。为此,需要开展输电架空线路绝缘喷涂异物检测、识别与清除的智能化方案研究。文中构建了基于分段映射直方图图像增强预处理、基于光流法图像区域特征分离提取、基于改进Camshift算法动态异物跟踪识别的异物检测、识别、跟踪方案;构建了基于关节空间的机械臂D-H运动学模型,采用五项式插值法进行机械臂空间运动轨迹规划;构建了基于双层结构模型预测控制(Model Predictive Control, MPC)的异物高精度控制视觉伺服控制方案,实现异物抓取的高精度控制。试验结果表明异物检测、识别、跟踪算法具有高鲁棒性,能够有效增强图像,提取复杂环境下的特征矩形区域,实现有遮挡情况下的动态异物跟踪;多关节机械臂空间运动轨迹算法具有良好连续平稳性,有效满足机械臂始终指向待抓取异物中心点;基于MPC的视觉伺服控制能够满足机械臂异物抓取的高精度控制。     

医药大输液可见异物自动视觉检测方法及系统研究

对比现有医药大输液药品可见异物人工检测方法,在线视觉自动检测具有巨大优越性,为此,本文设计了一套用于医药瓶内药液异物检测的视觉系统.首先研究了检测系统的机械与电气控制结构,开发了面向高速高精度医药生产线的图像获取装置;然后,基于图像中药液内异物运动轨迹的连续性,利用序列图像提取出图像中的运动信息,在此基础上,使用改进的Mean shift跟踪算法实现了可见异物的检测识别;最后选用100ml葡萄糖大输液进行在线测试,检测系统分辨率达到了国家药典的检测要求,系统运行准确率近95%,在线自动化视觉检测方法能很好满足医药生产线的要求.     

基于AI的输电线路导线断散股缺陷检测方法

针对现有方法对输电线路导线断散股缺陷检测时存在的缺陷检测准确率较低的问题,提出了基于AI技术的 输电线路导线断散股缺陷检测方法.首先对所采集的输电线路导线图像进行降噪和增强等处理;然后利用LBG算法 完成K-means算法的优化,应用改进后的算法对导线图像进行分割提取;最后采用AI技术中的卷积神经网络算法, 实现对输电线路导线断散股缺陷的检测.实验结果表明,采用所提方法对导线断散股检测时,其检测准确率均高于 ９５％,优于对比方法,具有一定应用价值.     

基于交叉检验的架空导线检测方法研究

架空导线检测是电力巡检中的重要内容。传统的架空导线检测方法可以较好地识别架空导线的形态特征，但是其场景鲁棒性有限，难以排除周围环境干扰。基于深度语义分割的架空导线检测是近年来新兴的检测方法，其场景鲁棒性较好，但在实践中，此类方法的检测结果存在分割区域不连续的问题。针对以上问题，提出基于交叉检验的架空导线检测方法。首先采用马尔可夫链边缘线段检测器(Markov chain marginal line segment detector, MCMLSD)和DeepLabv3+分割网络分别对架空导线进行检测，然后设计交叉检验算法对上述2种方法的检测结果进行比较和融合，成功提取出完整的架空导线并抑制了周围环境中线段结构对检测结果的影响。实验证明该方法在天空、土地、树林等场景中均具有较好的鲁棒性，为无人机架空导线自动巡检提供了新思路，推进了该领域的发展。     

基于AprilTag图像识别的移动机器人定位研究

药液在生产过程中易混入不溶异物,因此投入市场前的必须对药液进行检测。针对安瓿瓶药液检测,区别于传统的序列图像检测算法,设计了一种基于机器视觉和卷积神经网络的检测方法。首先利用Canny边缘检测提取安瓿瓶瓶壁边缘,裁剪药液区域图像,减少了后续计算量;其次改用VGG16卷积神经网络进行不溶异物的特征提取,可以提取到传统特征之外的抽象特征;最后通过迁移学习和微调,在400张测试样本中,结果为识别正确378张。结果表明,该方法可以检出不溶异物,满足实际生产需求。     

改进的Faster-RCNN目标检测方法在变电站悬挂异物检测中的应用

针对变电站悬挂异物检测任务中异物形状多样、周围环境条件复杂,现有算法检测的准确率较低的问题,提出一种改进的Faster-RCNN目标检测方法,对变电站悬挂异物进行检测.将Faster-RCNN结合特征金字塔和可变性卷积,形成了改进的Faster-RCNN目标检测方法,扩展了Faster-RCNN网络结构对输入图片中不同尺度语义信息的读取,提升了网络对小目标的检测能力.采用了变电专业设备典型缺陷图像识别竞赛中的悬挂异物图像数据进行仿真实验,并与原有Faster-RCNN算法进行对比,实验结果验证了所提出方法的有效性,算法识别准确率得到提高,在真实样本中表现好,可有效应用于变电站巡检机器人系统中.     

基于改进Canny算子的输电导线图像边缘检测

为解决传统边缘检测算子在提取架空输电导线时有缺损,导致图像呈现出不连贯、不准确的问题,提出了一种改进Canny算子的边缘检测方法.针对传统Canny算子模板单一的问题,给出了4方向改进模板并选择倾斜角度较大值进行梯度计算.针对阈值选取的局限性问题,提出了结合截距法和人工蜂群算法的Otsu算法的自适应阈值选取方法.实验表明,该方法相比Otsu-PSO阈值选取改进算法,抗噪能力和准确度分别提升了9.38％和1.7％,单一边缘响应效果得到改善,有效地提升了输电导线的边缘检测水平.     

基于DeepLab v3+深度卷积网络的输电导线图像识别方法

输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题，提出一种基于深度卷积网络（DeepLab v3+）的输电导线图像识别方法。首先，采用DeepLab v3+网络模型，实现导线的初步识别。通过多层卷积自动学习导线特征，并通过解码器结构融合导线低层的细节特征与高层的语义特征，较好地实现导线像素分割。然后，针对识别结果中存在的断裂和伪导线问题，采用改进的最小点对法和长度阈值法进一步精细化处理。最后，采用八方向搜索法提取每一条导线并编号。实验结果表明，所提方法能很好地提取出输电线路图像中的导线。     

采用数字图像处理方法对架空输电导线散股的研究

架空输电导线受到施工破坏和外界环境长期作用容易产生散股,甚至断股现象,及时对其进行诊断和检修对于保证电网安全运行具有很大意义。采用巡检机器人搭载视觉检测装置巡检是现代输电线路状态检修的一种有效方式。在分析导线纹理约束及分布特征的基础上,建立了一种基于纹理斜率分布的散股判定模型,提出了一种基于数字图像处理的架空输电导线散股自动诊断方法。该方法通过对机器人拍摄的视频数据进行处理,提取图像中导线,计算导线的纹理特征分布并利用判定模型给出图像诊断结果。实验研究表明,该方法能快速检测导线的散股故障信息,能满足在线巡检的实时性要求。     

基于ID-ELM算法的医药大输液可见异物检测系统研究

针对250 m L及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于机器视觉的医药大输液可见异物智能检测系统。在研究医药大输液图像滤波、异物分割的基础上,设计了大输液图像特征提取算法,提出了基于影响度剪枝的改进极限学习机(ID-ELM)分类算法对可见异物分类识别,最后进行了相关实验验证算法的可行性。所设计的检测系统在医药企业用户运行并测试表明,该系统具有高检测精度、高效率、高稳定性的特性,识别准确率超过95.5%,能有效剔除次品,解决了医药大输液可见异物的在线自动检测和识别的难题,为医药生产企业分析产品质量提供了技术保障.     

改进的Hough变换在覆冰厚度测量中的应用

讨论了基于图像处理的输电线路导线覆冰厚度测量原理,针对现有利用图像处理技术检测输电线路覆冰厚度的不足,提出一种新的输电线路导线覆冰厚度测量方法。该方法对采集到的输电线路导线图像进行实时处理,采用中值滤波对覆冰图像进行处理,既较好地去除了噪声,又避免了边界的模糊;在边缘检测上采用Canny算法,能够尽可能多地标识出图像中的实际边缘;将分类器和等矩取点配对机制融合到Hough变换算法中,减少了Hough变换的存储量,提高了Hough变换的可靠性及算法的准确率;提取边缘轮廓测量输电导线的覆冰厚度。通过实验分析,该方法提高了边缘测量的准确度,具有一定的应用前景。     

基于优化Gabor滤波器的输电导线断股图像检测

输电导线在运行中可能发生损伤、断股现象,对其进行及时检测和诊断对于保证电网的安全运行具有重要意义。现代输电线路状态检修一般采用直升机或者巡线机器人搭载视频检测装置的方式。文中提出应用Gabor滤波器对输电导线视频图像数据进行处理,实现输电导线断股的图像检测,即通过计算完好导线图像与滤波器卷积能量的输出响应、应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值,最后通过检测图像的滤波和能量的二值化处理得到检测结果。实验结果表明,该算法能够较好地提取输电导线断股处的故障信息,具有适用性广、识别能力强、检测速度快等优点。     

基于单阶段目标检测算法的变电设备红外图像目标识别及定位

针对红外图像中变电设备的识别和定位问题,提出了一种基于改进YOLOv3算法的变电设备检测方法.在现场采集的变电设备红外图像集的基础上,首先使用基于Retinex的图像增强算法以及阈值分割等图像处理方法对图像集进行预处理;然后基于变电设备红外图像对YOLOv3算法进行参数优化,并通过迁移学习的策略对改进YOLOv3网络进行训练以解决图像集样本数量较少的问题.实验结果表明,在样本数量较少的情况下,所提方法可以达到满意的检测准确率,并能快速地实现变电设备的识别和定位.     

深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle, UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。     

面向架空线路的无人机带电无损探伤系统的研究与应用

针对目前输电线路金具压接工艺、质量检测方法准确率低且特征分辨率弱,传统探伤技术受限于设备的体积、对碳纤维导线和钢芯铝绞线适用性等问题,研制一种基于无人机的架空线路 X 光带电无损探伤系统。对压接金具在服役过程中各类缺陷的形成机理进行分析,建立关键设备状态评价体系,在此基础上,提出无人机X光带电无损探伤检测模型,采用遥感图像采集技术实现探伤图像采集,对采集的架空线路线夹遥感图像进行高斯滤波降噪处理。基于边缘检测图像分割算法对降噪输出的探伤图像进行故障缺陷分区,实现缺陷精准识别、故障定位。实验结果表明,研制的无人机带电无损探伤系统损伤检测的特征分辨能力较强,同时具备主动减振、电磁防护特性,对架空线路本体及附属设备缺陷的精益化管控具有重要意义。     

基于单目测量方法的架空导线弧垂实验研究

弧垂是架空输电线路的重要参数,弧垂的大小是确定输电线路的安全稳定运行与否的重要参考依据。针对目前弧垂测量方法大多需要安装传感器或测量操作繁琐的问题,本文从单目计算机视觉原理出发,研究测量架空导线弧垂的方法。首先在架空输电线路上安装标靶,然后采用固定的定焦摄像机正视拍摄标靶,并在与标靶平行的平面放置标定尺完成相机的标定,最后根据图像匹配算法识别图像中标靶中心的移动就可自动测量架空导线的弧垂。通过在户外搭建的连续档架空导线进行实验验证,弧垂测量的相对误差绝对值可以控制在3%以内。     

面向数字孪生低压配电网的基于Gabor-YOLO算法的架空线高效识别方法研究

从各种测量装置中实时获取和更新电力线路运行状态是低压配电网数字孪生的基础,获取电力线路运行状态的首要任务是对电力线进行精准识别。本文针对低压配电架空线路航拍图像背景复杂、遮挡严重、目标特征微弱的问题,提出了基于Gabor-YOLO的算法,用于低压架空电力线的高效提取。首先,对图像进行灰度化和高斯滤波等预处理后利用改进后的Gabor算子进行特征提取,在图像中分割出前景区域;其次,在改进YOLO网络模块中,对电力线及辅助目标进行定位和识别最终提取出电力线。实验结果表明,改进的Gabor算子可以快速提取出图像前景区域,改进的YOLO网络可以在前景区域中准确提取出电力线。实验结果证明所提方法相比于yolov4等方法具有最高的准确率和提取速度,mAP值可达93.6%,满足实际工作需要。     

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%。     

输电线路覆冰厚度的小波分析图像识别

针对现有输电线路覆冰厚度检测方法的不足,利用南方电网输电线路灾害(覆冰)预警系统中的覆冰图像,选择3阶B样条函数作为平滑函数构造小波基对覆冰图像进行多尺度边缘检测,再采用Hough变换对图像检测边缘进行连接,通过对比导线覆冰前后的厚度差,实现覆冰厚度自动计算。结果表明:多尺度小波边缘检测信息融合与Hough变换直线检测算法,对离散误差、局部断裂等缺陷不敏感,能剔除覆冰图像中冗余和虚假边缘,从而在实际噪声图像中提取所有覆冰导线边缘,图像分辨率提高有助于减少计算误差。最后,经与南方电网输电线路灾害(覆冰)预警系统监测的数据进行对比,所得误差2.5 mm,表明该方法可用于输电线路覆冰厚度在线监测。