一种基于关键点检测和注意力机制的违规着装识别算法及其应用

现有违规着装识别算法主要根据人体结构比例粗略定位并提取安全帽、工作服的图像特征,存在无法准确识别弯腰、下蹲、攀爬等大姿态问题。针对上述问题,提出一种基于关键点检测和注意力机制的违规着装识别算法,可以适用于多种人体姿态和不同拍摄角度的情况,识别效果好。该算法在行人检测基础上,设计单人关键点检测模型,并且提出区域定位策略,精确定位行人的头部、上半身和下半身区域,减少背景干扰,降低着装特征提取难度。此外,在基础图像分类模型中引入注意力机制,进一步提升违规着装识别的准确率。基于变电站工作场景下人体姿态图像的实验结果验证了该算法的有效性。     

基于视频图像的输变电设备外部缺陷检测技术及其应用现状

基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一,可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题,减少人力资源浪费,提高电力系统巡检智能运维的频率与效率,从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术,分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点,总结了当前算法应用及开发平台的现状,指出了基于视频图像的输变电设备缺陷检测技术存在的问题,并展望了未来发展方向。     

一种基于RefineDet网络和霍夫变换的高速铁路接触网吊弦状态多尺度检测方法

针对高速铁路接触网吊弦的状态检测问题,该文提出一种基于RefineDet网络和霍夫变换的吊弦多尺度定位与识别方法。通过设计RefineDet网络的粗调和精调模块对吊弦整体结构进行定位,采用霍夫变换锁定吊弦中部吊悬线所在直线,并利用旋转因子沿直线方向提取吊悬线区域;以吊悬线区域代替吊弦结构整体区域送入分类网络进行训练,通过所建立的多尺度吊弦状态检测模型,实现吊弦状态的精确识别。实验结果表明,吊弦定位模型的准确率达95.3%以上;霍夫变换可排除无效区域对吊弦状态识别的干扰,提高分类网络的训练速度,吊弦状态识别模型准确率达97.5%以上。     

基于视频识别的电力占道施工场景交通拥堵检测

目前对道路交通拥堵的检测多采用人为监控或传感器监测的方法，而电力占道施工场景往往缺乏此类检测设备。为满足该场景下拥堵检测的低设备依赖性和高准确性的需求，提出一种利用视频数据的检测方法，采用神经网络对视频数据进行特征提取并判断是否造成交通拥堵。为了解决电力占道施工场景下数据较少的问题，利用通用交通场景数据集提升网络的泛化性，采用域对抗迁移网络自适应学习方法弱化两种数据域在特征提取网络中的差异性表现。为了减少人工标注工作量，提出一种半监督学习方式。实验结果表明，所提方法在电力占道施工场景道路拥堵检测识别任务中达到了93.2%的准确率，具有较高的应用价值。     

多哈会议后碳交易向何处去

中国的碳交易正吸引着全球的目光,如果试点计划最终能催生一个有效的全国碳排放交易市场,会推动世界其他地区碳排放交易体系的建设。     

基于霍夫森林的变电站开关设备检测及状态识别

针对变电站的开关设备,提出了一种基于霍夫森林(HF)的开关设备检测及状态识别方法。采用多种特征提取方法,利用HF构建分类器,通过霍夫变换框架对目标物体中心位置投票,并结合一种无需非极大值抑制的启发性算法,解决多个开关设备同时检测与定位问题,同时提高开关检测准确率;训练"分"和"合"两种开关模型,分别检测与定位开关设备,以此判别开关状态。实验结果表明,该方法识别准确率高,鲁棒性好,可应用于机器人巡检系统或者智能视频监控系统。     

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.     

SaSnet：基于自监督学习的电力线实时分割网络

电力线分割对于实现无人机自动避障、保障无人机低空飞行安全具有重要意义。传统基于线和线段的算法只能在一些简单场景下应用，在复杂场景下极容易出现误检、漏检情况。近年来，深度学习的快速发展极大地促进了电力线分割研究，但是相关研究仍然存在3个问题：1）较少考虑实际应用；2）没有充分利用电力线特点；3）忽略了缺乏大规模电力线数据的问题。该文基于电力线分割的实际应用需求，改进了传统的F1分数评价指标，提出一种基于积分加权的电力线分割评价指标。同时从电力线特点出发，提出一个轻量级的实时语义分割网络SaSnet，包括lite和general两个深度不同的版本。针对电力线分割缺乏大规模数据的问题，提出自监督学习算法IBS，基于IBS算法的SaSnet用极少量有标签数据进行训练，在公开数据集上的精度和速度都超越了目前已有的最优方法。在嵌入式设备上的实验结果表明SaSnet已经初步具备了实际应用的能力。     

一种基于RefineDet网络和霍夫变换的高速铁路接触网吊弦状态多尺度检测方法

针对高速铁路接触网吊弦的状态检测问题,该文提出一种基于RefineDet网络和霍夫变换的吊弦多尺度定位与识别方法.通过设计RefineDet网络的粗调和精调模块对吊弦整体结构进行定位,采用霍夫变换锁定吊弦中部吊悬线所在直线,并利用旋转因子沿直线方向提取吊悬线区域;以吊悬线区域代替吊弦结构整体区域送入分类网络进行训练,通过所建立的多尺度吊弦状态检测模型,实现吊弦状态的精确识别.实验结果表明,吊弦定位模型的准确率达95.3％以上;霍夫变换可排除无效区域对吊弦状态识别的干扰,提高分类网络的训练速度,吊弦状态识别模型准确率达97.5％以上.     

有向通信拓扑下基于分布式触发控制的微电网二次控制方法

为实现微电网的灵活运行,分布式协同控制技术以其良好的灵活性、可靠性和可扩展性常被用于管控分布式可再生能源。然而,传统基于时间触发的分布式控制策略极大地浪费了分布式电源本地控制器的通信资源,降低了系统运行效率。基于此,该文提出了有向通信拓扑下基于分布式触发控制的微电网2次控制方法。通过为有功功率分配控制设计有向通信拓扑下的分布式触发机制以及为频率恢复设计本地控制器,在实现微电网2次控制目标的同时降低了系统对通信资源的需求。理论证明表明了所设计控制方法不存在芝诺现象。仿真实验结果表明了所提出的频率2次控制方法的有效性和优越性。