排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
无人机进行电力线路巡检的作业模式在南方电网已经开展了一些示范验证并获得一定的推广应用,目前的巡检方式多为无人机或有人机挂载激光雷达进行巡检。为提高线路巡检效率、提高隐患目标识别准确度,本文提出激光雷达和可见光相机一体化应用的方法来提高巡检自动化程度、提高巡检精细度、提高作业效率及可靠性。首先针对一次飞行同步采集巡检区域的激光点云数据和可见光影像数据,在对采集的数据分别进行相应的预处理;然后将点云数据和影像数据融合处理分析,实现输电线路隐患目标自动识别和精准定位。采用旋翼无人机实际巡检获取的输电线路激光点云数据和影像数据对该过程进行了验证,试验结果表明,基于无人机载多载荷的输电线路巡检具有较高的自动化程度和准确性,缺陷识别检测的水平距离误差为0.1467米,缺陷识别的垂直距离误差为 0.1025米,缺陷识别的净空距离误差为0.1575米,识别检测效果良好,对输电线路巡检具有重要的意义。 相似文献
2.
3.
4.
基于深度卷积神经网络的输电线路可见光图像目标检测 总被引:1,自引:1,他引:0
为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。 相似文献
5.
跳线联板是输电网中重要设备,其是否存在故障对输电网正常运行具有很大的影响。但由于现有的算法是对输电网中所有的故障用统一的方法进行识别,没有对各类故障输电设备进行专门的研究,导致故障跳线联板识别率低。为了高效识别红外视频图像中故障跳线联板,首先针对输电线的红外图像特征,采用改进的OTSU阈值分割图像对红外图像进行分割;其次,采用漫水法滤波分离各个连通域,运用形态学滤去小区域,填充大区域内的孔洞;最后,提取连通域的骨架,并从骨架图像中提取出USFPF特征,通过该特征识别的故障跳线联板。实验结果表明,识别故障跳线联板准确率为85.71%,漏检率为14.28%,误识别率为2.8%。该方法能够较好地识别故障跳线联板,具有较好的鲁棒性。 相似文献
6.
7.
无人机进行输电线路巡检时,常常存在与输电线路发生碰撞的风险,为解决无人机巡线系统及输电线路运行安全存在的问题,本文对超声波传感器、激光雷达、毫米波雷达和双目摄像机等不同的障碍检测传感器进行指标性能分析,基于毫米波雷达传感器设计了输电线路规避系统,基于毫米波雷达采集到的障碍信息,采用恒虚警算法和多目标检测算法,设计了自主动态规避算法,能够适应杂波边缘和多目标干扰环境,且只需进行一次模糊数遍历,即可实现多目标的检测,采用流体扰动算法实现对巡线航路的实时规划。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。 相似文献
1