基于多算法融合的破损陶瓷绝缘子图像识别与检测方法

为了提高输电线路安全稳定运行,在传统检测绝缘子缺陷的基础上,提出一种多算法融合的破损陶瓷绝缘子检测方法。基于FASTER-RCNN算法,将拍摄到的绝缘子图像进行训练,得到绝缘子串具体位置,并改进SBGFRLS（线性自适应滤波）算法,实现对瓷绝缘子破损的精确识别。首先利用FASTER-RCNN算法,选择Faster R-CNN网格作为检测器,识别出利用无人机拍摄得到的图像中的绝缘子串所在位置;然后,利用SVM（支持向量机)算法对绝缘子图像进行粗分割,得到粗分割后的绝缘子缺陷识别图,再在粗分割的基础上,运用改进的SBGFRLS算法对图像中的绝缘子进行精确识别,得到破损绝缘子定位图。实验结果表明,得到的绝缘子破损识别图可以验证该改进算法的可行性和有效性。     

基于GLOH描述子和GVF Snake的绝缘子覆冰检测算法

利用计算机视觉和图像处理技术对绝缘子覆冰情况进行检测,在保障电力系统的安全运行方面具有非常重要的作用。提出了一种基于GLOH描述子和GVF Snake的绝缘子覆冰检测算法,该算法首先对输入图像进行预处理;其次提取感兴趣的目标区域,该区域内包含绝缘子信息;然后利用GLOH描述子来定位绝缘子,再利用GVF Snake模型来精确检测绝缘子轮廓;最后对绝缘子轮廓进行分析,通过计算最大径向距离来确定绝缘子是否存在覆冰情况,并在覆冰情况下计算覆冰的厚度。实验结果说明了此方法可以有效地判断出绝缘子是否存在覆冰现象。     

基于改进GrabCut的绝缘子缺陷检测

为有效检测复杂环境下绝缘子的掉串故障,提出一种基于改进GrabCut的绝缘子缺陷检测方法.将图像的位置信息与显著性信息融入GrabCut模型,通过位置信息初始化GrabCut模型实现图像自动分割,显著性信息参与约束的混合高斯模型,改善图像的分割效果,采用形态学处理法进行故障定位,提升复杂环境下对故障的辨识能力.实验结果表明,该方法在复杂背景下具有良好的分割效果,能有效检测故障绝缘子,具有较强的鲁棒性.     

复杂背景下多个绝缘子串红外图像分割方法

绝缘子保证了地面与载流体绝缘,在电力巡检中具有重要意义。通过红外热像仪可以快速准确地确定绝缘子的运行状态。针对复杂背景下,多个绝缘子串红外图像的分割问题,提出了一种新的方法。首先,使用通道阈值完成图像的初步分割;然后,通过霍夫变换的直线检测定位横向塔架,结合定向腐蚀法和全局形态学方法去除电线和横向塔架;最后,使用SNIC超像素分割算法结果与形态学处理结果进行匹配和定位,实现红外图像内多个绝缘子串的分割。实验结果表明,本方法处理后结果与参考图像的相似度达到88%,相比其他聚类分割算法可以有效地去除复杂背景,实现绝缘子串的精准分割。     

形状感知的绝缘子识别与缺陷诊断

目的 在无人机检测输电线路缺陷的研究中,为提高识别绝缘子的正确率,克服基于颜色来识别绝缘子方法的不足,依据绝缘子串的形状结构特征,研究了一种自底向上感知聚类平行线段的方法。方法 首先将在巡检图像上提取到所有方向的分段划分为6组方向线段,在每一组方向线段中,将线段长度、方向及中心点排列方向一致的线段聚类为平行线组,将平行线组合并,并整理其外接形状,结合输电线路知识模型,可靠识别绝缘子区域。为诊断玻璃绝缘子的掉片缺陷,依据计算出绝缘子的排列方向及片之间距离进行自适应分块,计算每一块的惯性矩均值特征量与惯性矩方差值特征量,依据分块之间特征量相似度来诊断是否存在掉片缺陷。结果 相比基于HSI颜色识别绝缘子的方法,识别绝缘子内部的多平行线段的结构,表现得更稳定,更适用于输电线路巡检。结论 通过无人机巡检采集的输电线路图像,实验结果验证这种方法在复杂背景的条件下能有效识别各种类型绝缘子并能检测绝缘子的掉片缺陷。     

基于Mask RCNN的绝缘子自爆缺陷检测

针对绝缘子自爆缺陷位置检测问题,提出了一种基于Mask RCNN的绝缘子自爆缺陷检测的方法。通过构造基于Mask RCNN的绝缘子串分割模型,在获取的掩模图像中引入最小外接矩形提取绝缘子串图像,从而搭建基于Mask RCNN的自爆缺陷检测模型,检测绝缘子串中的自爆位置。结合两个模型,将绝缘子串位置及其自爆缺陷位置映射到...     

基于双模型的输电线绝缘子自爆检测算法

针对输电线路无人机巡检图像中绝缘子自爆缺陷目标小而难以精准检测的问题,提出一种基于Faster R-CNN和改进的YOLO v3级联双模型的绝缘子自爆缺陷检测算法。首先,利用无人机巡检图像构建绝缘子串缺陷数据集,并对训练图像样本进行翻转预处理,增加样本数量,提高模型泛化能力,避免过拟合;然后,利用Faster R-CNN检测图像中的绝缘子串,再将检测到的绝缘子串图像送入改进的YOLO v3网络进行自爆缺陷的定位。改进的YOLO v3网络是在YOLO v3基础上借鉴FPN的思想,增加特征提取层并进行特征融合,充分利用深层特征和浅层特征;同时采用CIoU Loss函数作为损失函数,以解决边界框宽高比尺度信息。实验结果表明,本文算法在所构建的绝缘子缺陷数据集上的检测准确率达到91.2%,相比Faster R-CNN或YOLO v3等单模型检测算法提升了3.31个百分点以上,能有效实现无人机巡检中绝缘子自爆缺陷的检测,为输电线路智能化巡检故障诊断提供方法支持。     

基于深度卷积网络的复杂环境中绝缘子串特征检测

绝缘子串工作状态的智能监测是实现智能电网的重要前提。针对电网巡检图像中绝缘子串特征检测效果受复杂环境的影响。本文引入超像素和统计方法来降低复杂场景的难度,首先采用多尺度方式将图像分解为不同的层,然后采用SLIC将每层图像分解为不同大小的超像素,采用超像素特征来描述多尺度图像的某个区域位置的特征信息,得到图像的粗略显著区域,并作为样本集输入区域网络Region net进行处理,最后通过网络训练迭代得到准确完整的显著特征图。将本文算法和其它流行算法对不同环境中绝缘子串图像进行特征检测对比实验,证明本文算法的F-Measure 以及平均误差MAE均优于当前流行算法。     

卷积神经网络结合可变模型的MRI图像自动分割方法

利用心脏核磁共振成像技术对左心室进行分割,可以准确计算出心室容积等重要临床指标。针对左心室位置检测、形状推断与分割问题,提出一种基于卷积网络和可变模型算法的左心室图像处理方法。利用稀疏自动编码和卷积网络实现左心室图像位置的高精度检测;基于堆栈稀疏编码器和多层神经网络推断出左心室图像的基本形状;利用可变模型和推断出的形状组合对心脏图像进行精确分割。在30个心脏核磁共振数据库中采集图像数据进行实验分析,实验结果表明,相比其他几种较新的分割算法,该方法在计算轮廓比例和一致性两个指标上均获得了最优结果。     

基于周期性结构特征的绝缘子掉片检测算法

由于受强电场、机械应力、污秽、温度以及湿度等影响,绝缘子经常出现内部裂缝、表面破损、绝缘阻抗降低及污闪等现象,进而造成电网停电事故,自动地检测绝缘子缺陷对保障电力网络的安全运行具有重要的意义。本文根据绝缘子相邻伞裙间距的不变性特点,提出一种绝缘子的掉片检测算法,首先,采用基于直方图的自适应分割方法,提取绝缘子区域图像,并进行水平倾斜校正,然后,利用灰度归一化相关匹配方法,估计绝缘子几何结构的周期性参数,最后,利用灰度归一化相关匹配方法,检测绝缘子掉片位置。针对无人机巡检的809张缺陷绝缘子数据集,绝缘子掉片检测的准确率和召回率分别达到95.8%和91.9%。与现有的方法相比,其优点是不需要事先利用大样本进行统计学习,对尺度、旋转、光照、背景以及绝缘子种类的变化均具有很强的适应性。     

基于OMAPL138数显仪表字符识别系统的设计与实现

为了能够方便、准确地识别出数显仪表中的数据,设计了一种基于OMAPL138的嵌入式图像处理识别系统.在详细介绍系统硬件平台和各子模块的基础上,重点介绍了针对嵌入式系统所采用的图像处理算法.利用图像处理技术,对获取的原始图像进行预处理、字符定位、字符分割;采用BP神经网络等技术对字符进行识别;为提高嵌入式系统图像处理速度,针对性地优化了图像处理算法.以低温等离子体设备系统中的真空计设备作为具体应用对象进行系统测试,测试结果表明,该系统能够较为准确、快速地识别出数显仪表中的数据.     

基于图像特征的车脸栅格的定位方法

为了解决智能交通系统中车型识别的瓶颈,找到能够准确定位车标的方法,提出了在Adaboost算法定位出的车脸的基础上,对车脸图像进行二值化处理,经过二值化图像的水平梯度和垂直梯度的投影定位栅格的方法,为后续车标的识别提供了一种新的方法.经过实验验证:方法无论从理论上还是实际应用中,具有重要的意义.     

瞳孔亚像素边缘检测与中心定位

为提高视线跟踪系统的分辨率和精确度,提出了一种亚像素精度的边缘检测与中心定位算法。利用设计的一维边缘检测算子对瞳孔像素级边缘点进行提取,然后利用边缘点小邻域内梯度方向上图像信息,进行亚像素边缘位置检测,最后经椭圆拟合确定瞳孔中心的精确位置及瞳孔形状参数。仿真实验验证了算法的有效性,提出的算法已被成功应用于实时视线跟踪系统中。     

一种基于FAsT-Match算法的多靶位定位方法

FAsT-Match(Fast Affine Template Matching)算法很好地实现了二维仿射变换情况下的模板在连续图像中的快速、精准定位。该算法对光照变化不敏感,具有较强的鲁棒性,但是对于有多个目标的图像,只能定位到一个近似全局最优解。因此,首先对FAsT-Match算法进行改进,将通过对得到的仿射变换矩阵进行模糊c均值聚类而得到的目标区域作为新的目标图像,然后采用原始的FAsT-Match算法进行定位,最后将新目标位置返回到原始目标图像中。该方法弥补了FAsT-Match算法只能定位单目标的不足,应用到无线激光模拟射击系统中能够降低硬件成本,快速、精确地定位靶位目标。实验结果表明,该方法是有效的,可以在满足定位多个目标的需求的基础上实现多靶位定位,具有一定的实用价值。     

基于3D塔架配准的绝缘子自爆缺陷检测

在航拍图像的绝缘子检测中,图像的拍摄条件会导致背景的复杂程度不同,如何保持在多样背景下的绝缘子检测效果成为急需解决的一个重要问题。提出一种自适应的绝缘子自爆缺陷检测方法,该方法利用3D模型定位,并将绝缘子自身的绝缘子片作为模板检测缺陷。首先利用每种塔架的3D模型图与其对应的标准图进行SIFT点匹配,再利用随机抽样一致性方法找到标准图到待检测图的转换矩阵,从而找到塔架上每个绝缘子的位置;然后将图像转为HSV模型后,利用小波变换处理H通道,再进行二值化;最后通过Radon变换确定二值化图像中绝缘子中轴的大致方向并转正,去掉噪声点,取第一片绝缘子片作为模板在中轴滑动,记录每片绝缘子位置的像素分布直方图,利用地球移动距离EMD方法判断分布是否存在异常,最后再显示出自爆绝缘子片的位置。测试结果表明,该方法的自爆缺陷检测效果良好,具有较高的正确率和鲁棒性。     

基于轻量型YOLOv5的风机桨叶检测与空间定位

应用无人机对风力发电机进行自主巡检时,需对其桨叶叶尖进行精准定位,同时因机载计算板的计算能力有限,常规目标检测算法检测效率低下。为此提出了一种基于轻量型YOLOv5的风机桨叶检测与空间定位方法,首先对YOLOv5目标检测算法进行轻量化改进,将ShuffleNetv2作为特征提取主干网络;然后利用该算法对风机全景图像中的风机轮毂和桨叶进行检测,以得到轮毂和桨叶叶尖的像素坐标;最后利用无人机位姿信息和空间平面的几何关系,对风机桨叶进行精准定位。实验表明,所改进的目标检测算法以1.536×10⁶的参数量在大疆MANIFOLD2-C上的检测速度提升47%,可达29.4 f/s,所设计的定位方法可对风机桨叶叶尖进行精准定位,水平和高度定位误差均为±5 cm,三维整体定位误差为±10 cm。     

基于MSER-Otsu与直线矫正的仪表指针定位算法

针对配电站无人值守作业机器人执行巡检任务时对指针式仪表的识读需求,提出一种结合MSER-Otsu阈值分割与Hough变换直线矫正的仪表指针定位算法。利用最大稳定极值区域算法从表盘图像中粗提取出指针区域,引入迭代Otsu算法进一步对该区域进行阈值分割,将指针、阴影和背景区域像素点分离后仅保留指针的二值化图像,对其采用Hough变换进行指针中心线预定位,再以Huber loss为最优化函数对预定位直线进行矫正,最终完成指针中心线的定位。实验结果表明,该算法能在复杂环境中对仪表指针进行精确定位并计算指针偏转角度,与Hough变换算法和Huber loss拟合算法等相比,其处理速度更快且鲁棒性更高,能满足配电站巡检机器人的实际需求。     

基于霍夫变换与时频域特征的VNE指示图像自动识别

针对直升机航空电子系统地面联试VNE测试中涉及多个机载传感器变量、覆盖测试所需的用例多,以及测试过程容易受到噪声等因素的影响,提出一种基于霍夫变换和时频域特征的VNE指示图像自动识别算法.首先采用高斯滤波对图像进行增强处理,缓解环境中噪声带来的影响,随后对转换后的二值图像进行霍夫变换直线检测,从而定位有动力VNE和无动...