星载合成孔径雷达在杆塔基础地表形变监测技术的研究与应用

为保障高原输电通道的安全,排查地表形变引发的地质灾害,以哨兵雷达卫星影像数据为数据源,以750 kV川湖Ⅰ线为监测对象,采用星载合成孔径雷达干涉测量技术(interferometric synthetic aperture Radar,InSAR),研究分析输电通道地表微小形变的提取方法,发现川湖Ⅰ线100号杆塔附近存在明显的地表形变量,且2019年7月形变有明显的加速过程,分析说明该地面沉降区的形变与地面或地下的施工过程有关。研究表明:(1)卫星遥感星载InSAR测量技术适用于地表微小形变的提取,提取精度较高,能够满足输电通道地表形变的监测;(2)卫星遥感星载InSAR测量技术提取的地表形变精度可达毫米级,可替代人工地面测量工作;(3)针对地表形变,与传统野外核查、人工测量解译相比, 卫星遥感星载InSAR监测技术具有精度高、效率高、覆盖范围广等优势。     

基于遥感卫星的输电线路“天空地协同”巡视策略

与传统的人工地面巡视相比,遥感卫星巡视能实现高精度、全天候、准实时、超大覆盖,能从太空近地、远地视角,快速获取输电线路本体及走廊的基本信息,在安全性、成本上更具优势.通过开展基于卫星技术的电网"天空地协同"巡视的技术研究,实现云南电网输电线路卫星辅助监视,做到高精度、准实时、大覆盖、高效率,提升电网的防灾减灾能力.     

基于高分卫星数据多时相重建的水体信息提取

基于我国高分一号卫星WFV数据，利用其较高的时空分辨率特性，建立库区高分影像时间序列与水体“检测?重建?提取”的流程框架，以提高面向三峡库区的水体分布及面积变化的动态监测能力。研究结果表明：基于多特征联合的面向对象的云检测总体精度高达96.8%，且云阴影的生产者与用户精度均高于76%。多时相重建算法可以对云覆盖区域进行有效的填补，且重建后的影像可反映出完整的空间变化和差异性。从2013—2017年的水体面积提取结果可知，三峡库区水体面积并未出现明显增大或减小的趋势，多年平均水体面积为540.6 km2。研究结果为三峡库区综合治理提供了数据和技术支撑，提高了高分卫星数据在三峡库区水体面积提取中的应用价值和能力。     

基于无人机航空摄影的输电线路树障巡视

目前输电线路树障巡视主要采用人工巡视的方法,通过目测树木与输电线路的距离判断树障等级和严重程度,巡视效率低下且精度不能满足要求.采用基于无人机航空摄影技术的树障巡视方法,既能大幅缩短巡视时间、提高巡视效率,又能减少因目测方式中主观因素对精度的影响,提高树障距离量测的精度.     

基于改进DeeplabV3+的遥感图像分割算法

针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制（Coordinate Attention,CA）,有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法（CFF）提高网络的语义信息表征能力。试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07%,相比原始DeepLabV3+模型提高了3.39%,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路。     

卫星影像在埃塞俄比亚高原输电线路中的应用

随着卫星影像处理技术的发展,卫星影像在输电线路中广泛应用。在高原输电线路中有时会遇到高原气候条件差,拍摄的卫星影像进度慢且有的影像云影多的情况,本文通过埃塞俄比亚高原输电线路在卫星影像未到时采用奥维互动地图影像(清晰度高的电子地图影像)进行野外像控刺点,同时采用一定的方法对云影多的卫星影像进行相应的处理,满足了卫星影像处理的要求及工程质量,为今后类似工程的测量工作提供经验和指导。     

基于激光点云智能分类技术的输电线路设计应用研究

为了提高输电线路设计过程中地物距离信息校核的精确性,利用激光点云技术进行地物智能分类,从而实现精准的地物距离校核,为路径优化提供依据.首先通过激光雷达获取三维地理信息点云数据,然后利用点云分割等智能算法实现地物自动分类和三维矢量化建模,最后导入三维设计平台内为设计提供数据支撑,从而更好地满足校核需求.该研究成果对于提升输电设计可视化水平及线路路径优化效率具有重要意义.     

基于无线自组网的输电线路视频监测系统研究

为解决现有架空输电线路通道人工巡视效率较低的问题,本文基于无线自组网技术,研制了输电线路视频监测系统,简述了其系统原理与技术特点,详细介绍了监测装置各模块的具体设计方法。系统运行结果表明,该系统终端装置能够有效采集输电线路通道的视频信息,通过无线自组网实现视频数据的安全高效传输,大幅降低通信费用,运行人员在监控中心站可及时掌握对线路绝缘子及通道情况,大大提升了输电线路运维效率。     

基于小世界纵横交叉算法在输电线路 巡视路径中的应用

输电线路在电力系统正常运行过程中起到重要作用,其安全运行对整体网络起到保障作用。输电线路巡视是输电系统的一项基础工作,有效的巡视可以使输电线路设备安全性和可靠性达到最大化。基于小世界纵横交叉算法(SWCSO)对输电线路巡视路径进行规划,同时利用贝叶斯及其推理机制对输电线路杆塔风险等级进行分类,在考虑每个杆塔的杆塔距离、风险等级的条件下,制定最优巡视方案。仿真部分是拥有30个杆塔的输电网络,在通过贝叶斯及其推理机制获得杆塔风险运行概率的条件下,对巡视路径搜索用几种不同的算法进行对比。仿真结果证明了SW-CSO算法在收敛精度和算法稳定上都有一定的优势。     

基于三维可视化空中走廊体系的城市低空空域航图绘制研究

针对低空空域开放出现的飞行安全问题,结合我国低空空域监、管、控的实际需求,提出了基于三维可视化空中走廊体系的城市低空空域航图绘制方法。综合应用遥感、导航、地理信息系统开展了低空航图的绘制研究。首先,在城市实验区域对Worldview-3影像进行RPC正射校正,GCP影像配准、主成分变换融合等预处理。然后,使用多尺度分割、阈值隶属度分类结合目视解译的方法对地面障碍物轮廓的地理信息进行二维信息提取,通过SketchUP和CityEngine软件对地面障碍物进行可视化建模,将遥感影像与低空可视化障碍物模型进行精确匹配。最后,通过航图绘制精度评测和产品发布,完成城市区域低空三维可视化专题航图的绘制。实验结果表明,该航图具有较好的可视化效果,有助于辅助低空航道管理人员以更真实的视角进行低空走廊的航线规划,对确保我国低空安全产业的可持续性发展具有积极意义。     

基于改进YOLOv4模型的输电线路杆塔图像缺陷检测方法研究

针对现有输电线路无人机巡检图像缺陷检测方法存在的精度低、耗时长等问题,为了实现输电线路杆塔鸟巢的快速和准确识别,基于无人机巡检图像采集与处理系统,提出了一种改进的YOLO4模型用于输电线路杆塔图像的鸟巢检测。采用轻型MobileNetV2网络替换CSPDarkNet53网络,提高特征提取速度,在SPP模块中采用平均池化替换最大池化,提高算法对小目标的检测精度,引入注意力机制CBAM增强特征表达。通过试验验证了所提方法的可行性和优越性。结果表明,所提方法与常规检测方法相比,在输电线路杆塔图像缺陷检测中具有更优的检测精度和速度,检测精度达到94.40%,检测速度为60 FPS。所提研究为输电线杆塔缺陷检测方法的发展提供了一定的参考。     

融合目标检测的交互式电网设备图像分割算法

图像处理技术在电网中有着十分重要的应用,图像分割是图像处理技术的重要组成部分.本文提出了一种融合目标检测的交互式电网设备图像分割算法,在传统的图像抓取(GrabCut)交互式分割算法的基础上,使用目标检测得到的检测标定框代替用户选择的初始化框,在目标检测算法上采用目前已知开源最快的最轻量的你只看一次(YOLO-Fast...     

基于无人机图像处理的输电线路提取技术研究

为进一步减轻输电线路进行定期检查、巡视的任务,文章提出了一种利用智能化无人机巡检技术,对航拍图像进行线路的提取和跟踪。采用直方图均衡化及图像滤波对航拍图像进行预处理,解决了航拍图像光照强度以及背景对输电线路元素提取的干扰;采用LSD算法实现了线路边缘的提取,在去除图像背景信号的基础上使用Hough变换数学算法实现了输电线路的准确连接;分别采用粒子滤波和扩展卡尔曼滤波两种图像跟踪方法对航拍视频进行线路跟踪,通过建立输电线运动模型,用仿真软件对其进行识别,两种方法的检测准确度分别为95.34%和94.72%,证实文章处理算法可实现输电线路的提取和跟踪。     

AR增强现实技术在变电站二次设备运检中的应用

为了解决传统电力二次设备的运检工作中存在的重复性强、人员效率低且易出错等不足,采用AR增强现实技术,构建了包含标准化作业指导库和运检资源库的二次设备运维系统。引入A-KAZE特征提取算法,结合聚类分析和点集验证的算法,通过OpenCV源码的实现来发挥其在图像辨识、虚实影像叠加、智能纠错判断、手势语音交互等方面的技术优势。AR智能终端设备捕捉被检查设备的信息后,通过与后台信息数据库的比对可实现自动排查设备异常等功能,并可实时记录现场的运检数据。在变电站二次设备运检中的应用结果表明,所构建的系统,规范了运检操作流程,实现了无纸化操作,提高了变电站二次设备巡检工作效率和识别准确率。     

架空输电线路巡检机器人系统设计

架空输电线路机器人可以代替人工执行电力巡检任务,解决人工巡检中效率低、劳动强度大、智能化程度不足等问题。提出了档间巡检的设计思路,开发了低成本架空输电线路巡检机器人系统,通过设计机械结构、优化识别算法等方式,实现了机器人的自主行走、无线充电、图像采集、数据处理、智能巡检等功能。在软件方面基于C#开发了专用程序及界面,并建立了基于架空输电线金具及缺陷数据集,在YOLOv4目标检测算法基础上,通过数据增强、边界框优化和模型结构改进,建立YOLOv4-M模型,优化了电力金具识别检测性能,提升了系统应用的环境适应性。通过机器人在线路上的运行和测试,识别算法在速度可以达到45fps,平均检测精度达到97.6%。     

基于改进U-Net的轻量级输电线分割算法

为了提高输电线路的巡检效率,保证输电线的分割精度和速度,本文提出基于改进U-Net的轻量级网络GU-Net。首先,以U-Net网络为基础,在编码器部分引入轻量化主干提取网络Ghost-Net;然后采用双线性插值方法完成上采样,并利用深度可分离卷积代替部分普通卷积;最后在训练过程引入多损失函数以解决输电线和背景像素占比不平衡问题,并采用迁移学习策略训练模型。在E-Wire输电线数据集上测试,GU-Net网络的MIoU和F1-score分别为80.04%和87.77%,与现有的轻量化输电线语义分割网络Wire-Detection相比分别提升了4.26%和2.96%,且分割速度几乎没有损失,参数量约是它的20%。实验结果表明,本文提出的算法能够实现快速高效、轻量化地分割出复杂图像中的输电线。     

基于改进Faster-RCNN的输电线路巡检图像检测

针对传统输电线路目标巡检图像识别方法响应速度慢,准确率不高的问题,提出一种改进Faster-RCNN深度学习识别算法。文中通过卷积神经网络ZFnet提取图像特征,并重置模型参数以获取更多目标细节;利用Faster-RCNN对目标进行检测,由子网络区域提议模型生成目标候选框和子网络Fast-RCNN进行参数调优,并在Faster-RCNN网络输出部分引入精炼阶段,增加目标特征的分类细化和回归细化,将存在目标的多个边界框合并,实现精确分类以及坐标定位。实验结果表明：改进Faster-RCNN算法可有效识别线路设备及设备缺陷,总体识别率达到93.5%,响应时间在1s内。与图像识别法或SSD、YOLO深度学习法相比,所提算法提高了电力设备的识别精度与响应速度,在输电线路智能巡检中具有一定的优越性。     

基于改进 U-Net 的高压电缆绝缘层图像分割研究

针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出 了一种基于改进 U-Net 的高压电缆绝缘层图像分割方法。 首先替换主干特征提取网络为 VGG16 网络,结合迁移学习将 VGG16 在 Pascal VOC2012 数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上 采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二 值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。 实验结果表明, 平均交并比和平均像素准确率达到 99. 56%和 99. 81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的 有效性。     

基于E-FCNN的电力巡检图像增强

为了解决无人机巡线、无人值守变电站机器人巡检中,由于距离过远或机器抖动造成的采集图像待检目标分辨率低、图像模糊等问题,提出一种边缘感知反馈卷积神经网络E-FCNN。该网络在传统超分辨率网络基础上增加了残差模块和反馈机制,实现细节特征的提取和强化,并通过边缘感知分支补充纹理信息,提升了图像的细节描述。通过测试集实验结果表明：提出的边缘感知反馈卷积神经网络无论在主观视觉质量,或是峰值信噪比等客观评价指标上,都明显优于其他相关算法。且在基于无人机巡检的绝缘子检测应用中能够有效提高绝缘子检测率。