基于深度学习的马铃薯病害智能识别

针对现有通过叶片病斑识别马铃薯病害的方法中，只对简单背景下的单片叶片进行病害识别处理，难以应用于真实复杂环境的问题，提出了一种基于深度学习的现场环境下马铃薯病害智能识别的方法。首先采用Deeplab v3+语义分割网络在生长背景中分割出马铃薯叶片，然后使用自适应对比度增强和颜色空间转换的方法提取马铃薯病斑，最后结合病斑的纹理特征和VGG16网络提取的特征，通过搭建一维卷积神经网络识别出病害。实验结果表明，上述方法能准确有效地识别复杂背景下的马铃薯病害。     

330 kV输电线路鸟粪闪络仿真研究

2011年以来宁夏地区330 kV线路先后多次发生鸟害故障跳闸,因此文中对330 kV输电线路复合绝缘子的鸟粪闪络展开了仿真研究。仿真了绝缘子I串和V串布置情况下鸟粪对绝缘子附近空间电场的影响,分析了鸟粪的长度、位置以及悬浮鸟粪的存在对电场的畸变效应,接着讨论了分裂导线以及屏蔽环对于电场的影响。结果表明,当鸟粪通道位于绝缘子附近时,电场畸变比较明显;悬浮鸟粪的存在会增加电场的不均匀度,更易引发闪络;分裂导线降低了电场的不均匀度,对鸟粪闪络具有抑制作用;屏蔽环缩短了高低压端之间的距离,增加了闪络的可能性。