新工科背景下电子通信专业“人工智能技术基础”课程改革实践

人工智能技术已经成为新一轮科技革命的重要驱动力量，这要求电子、通信等非计算机专业的人才培养引入针对性强的人工智能课程教学。本文针对新工科背景下电子、通信专业“人工智能技术基础”课程存在的问题进行课程改革，从授课和实验两个环节入手，分别从教学内容、教学方法和考核办法三个方面提出了具体的改革举措，并在“人工智能技术基础”课程中进行了实践，激发了学生的学习热情，拓展了学生的专业视野，提高了学生的实践创新能力，取得了良好的教学效果。为了进一步培养电子、通信学科交叉型AI人才，该课程选拔优秀学生开展丰富的人工智能课外实践活动，进一步提升学生的实践创新能力。     

基于动态焦点损失函数和样本平衡方法的绝缘子缺陷检测方法

在航拍输电线路图像的绝缘子缺陷检测任务中,针对不同类型缺陷之间存在的样本数量不平衡、困难样本低效学习等问题,提出一种动态焦点损失函数和一种基于二阶矩的样本平衡方法。首先在前向传播过程中根据困难样本、简单样本分布变化动态求解焦点损失函数的衰减因子,然后利用样本损失离散值定位出困难样本、简单样本的边界,从而获得困难样本集合,最后在反向传播过程中根据不同样本损失的二阶矩对学习样本的贡献率分布进行平衡。实验结果表明所提多类绝缘子缺陷检测方法能够有效地学习到不同样本的深度特征,性能较其他方法有显著的提升。     

基于改进Mask R-CNN的变电设备红外图像实例分割算法

红外图像中变电设备的分割精度直接影响着故障诊断的结果，针对复杂红外背景下变电设备边缘分割不精细、分割精度低的问题，提出了一种基于改进Mask R-CNN模型的变电设备红外图像分割方法。首先将ResNet特征提取网络中部分残差模块的标准卷积替换为可变形卷积，然后对空间注意力机制模块和通道注意力机制模块并行连接，并在这两个模块中加入可变形卷积，最后改进Mask R-CNN掩膜分支的损失函数，对目标边缘分割的精细度进一步优化。该方法能够有效提高模型对红外图像中变电设备几何特征多样性的适应能力，并减轻模型对背景等干扰特征的关注。在变电设备红外图像数据集上进行实验，结果表明，相比于Mask R-CNN基准模型，该方法的AP_50:95、AP₅₀和AP₇₅提高了3.5%、1.0%、4.2%,表明该方法能够显著提高红外图像中变电设备实例分割的准确率，有效解决边缘分割不精细的问题。     

采用CT域HMT模型的变电设备红外和可见光图像融合

将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型：基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。     

Push技术在基于Web的网络管理中的应用

Push技术作为第三代浏览器的核心技术，是一种客户机/服务器之间的通信方式，它采用了公布/订阅/行结构，因而对其应用非常广泛。基于Web的网络管理系统采纳Push技术后，与传统的请求／响应模式相比，效率高，时延低，并且可以节省带宽和CPU时间。而且，对于告警信息的及时上报有重要意义。文中提出了基于Web的TMN管理实例，并在此基础上探讨了应用Push技术实现告警功能的方法。     

基于独立分量分析的近红外图像去噪方法的研究与应用

独立分量分析（Independent Component Analysis,ICA）是一种新的盲源信号分离方法,近年来已吸引了信号处理学界和神经网络学界众多学者的研究兴趣.该文提出了基于独立分量分析的近红外图像去噪方法,该方法能有效地处理用黑白CCD传感器监测电力设备所产生的图像,使这种监测方案具有实用价值.文中简单描述了以黑白CCD传感器为核心器件的电力设备在线监测系统,阐述了ICA的基本原理,介绍了基于负熵判据的FastICA算法,给出了所提方法的具体实现步骤及相应的实验处理结果.结果表明利用该方法可以有效的去除监测图像中的噪声,使温度场的显示更清晰,满足了实际的需求.     

遥视系统与SCADA系统互联的主站端设计

西过接口计算机在主站端实现了遥视系统和SCADA系统的互联，通过协议分析软件使遥视系统能够理解远动数据．叙述了系统互联后主站端的功能，并分析了系统设计的关键性技术。最后，结合工程实际．设计了遥视系统和SCADA互联的具体技术方案．介绍了模拟屏通信规约的协议解析过程。     

融合共现推理的Faster R-CNN输电线路金具检测

为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。