基于边缘注意力生成对抗网络的电力设备热成像超分辨率重建

红外光电技术帮助人类超越视觉障碍,直观的看到物体表面的温度分布状况,在电力系统的状态监测中有着越来越多的需求。但高分辨率热成像仪的研制材料与技术壁垒限制了电力系统在线监测的可视化应用。超分辨率重建在满足电力物联网需求的同时降低了成本。对于电力设备热成像超分辨率重建,该文构建了边缘注意力生成对抗网络(EAGAN),该网络在基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的基础上,对残差网络模块进行改进,添加了边缘注意力机制,提高了网络的学习能力,并在上采样结构中添加了1×1的卷积层,提高了网络的表征能力。实验结果表明,边缘注意力生成对抗网络提高了网络的性能,在图像的整体以及图像边缘属性的恢复上,峰值信噪比以及结构相似性指标均有显著提高,主观视觉效果更为良好,并在图像处理领域中有着较高的普适性,具有较高的工程实用价值。     

基于生成对抗网络的注入电流式热声成像逆问题研究

注入电流式热声成像结合了电阻抗成像高对比度和超声成像高分辨率的优势,在生物医学成像领域具有广阔的应用前景.该成像方法激励效率高、检测信噪比强,但在较低频率的电磁激励下,重建目标体电导率的高分辨率图像仍然具有很大的挑战.该文提出一种基于生成对抗网络的电导率重建新方法,包含三个步骤:首先用维纳滤波反卷积,将超声探头输出的电信号还原为真实声信号;然后利用滤波反投影获得初始声源图像;最后将初始声源图像和电导率图像进行匹配,作为生成对抗网络的训练样本,构建用于电导率重建的深度学习模型.经理论分析与仿真研究发现,新方法通过引入深度神经网络,能够挖掘出蕴含在数据中的逆问题求解模型,进而重建高分辨率的电导率图像,且具有很强的抗干扰特性.新方法的提出为解决注入电流式热声成像的电导率重建问题提供了新思路.     

基于改进边缘注意力生成对抗网络的电力设备热成像超分辨率重建

针对低分辨率电力设备热成像图像,提出一种基于改进边缘注意力生成对抗网络的超分辨率重建方法。首先,在边缘注意力的基础上,引入通道注意力和位置注意力的双注意力模块(dual attention, DA),捕获特征图不同位置间和不同通道间的依赖关系,并将两组依赖关系进行融合,以加大全局信息的提取程度。然后针对参数修正线性单元激活函数(parametric rectified linear unit, PReLU)对网络中神经元进行无差别激活,导致网络特征表达能力受限问题。采用改进β-ACONC自适应控制激活函数替代PRe LU函数,在辨识有效特征的基础上,对神经元进行选择性激活,以强化有效特征、弱化无效特征,提升网络的自适应激活能力和特征表达能力。最后对所提改进边缘注意力生成对抗网络模型(edge-attention generative adversarial network, EA-GAN)进行实验验证。结果表明,与Bi Cubic双三次插值模型和原EA-GAN模型边缘注意力生成对抗网络模型相比,所提改进模型网络性能最好,重建图像质量最高,客观评价指标峰值信噪比(peaksignal-t...     

红外智能AI在线监测技术的应用

<正>电力行业采用的红外智能AI监测技术运用了红外热成像技术和计算机后台视觉算法,深度融合红外和可见光图像,可实现多设备温度同时监测和高温设备的自动识别追踪,并自动生成一目了然的热分布图像,帮助运维人员精准了解电力设备运转的状态信息,具有监测范围广、可靠性高等优势。由于我国当前的红外监测设备体积过大,实际的工作效果并不理想,因此,要积极扩展红外智能AI在线监测技术的应用,并对其发现的电力设备热缺陷进行有效处理。     

基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法

针对现有红外图像分辨率低、清晰度差,易影响基于红外图像的电气设备故障检测效果的缺点,提出一种基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法.该文构建了基于多尺度协作模型的电气设备红外图像超分辨率重建网络,该网络以生成对抗网络为基础,通过引入多尺度协作模型和双通道结构,改善了超分辨率重建网络对红外图像的适应性,并优化了图像特征提取效果.在实现红外图像超分辨率重建基础上,结合深度学习目标检测方法,建立电气设备红外图像超分辨率故障辨识模型.针对所提方法进行了实验验证,实验结果表明:经该文所提超分辨率重建网络后,红外图像质量可明显提升,峰值信噪比(PSNR)、结构相似性(SSIM)值可分别提高至27.26dB、0.8283;采用该文所提红外图像超分辨率故障辨识模型可显著提高故障辨识效果,mAP、mAR、mAC和mAIOU值平均相对提高了19.34％、19.14％、11.83％和25.03％.     

傅里叶单像素显微超分辨成像系统设计

单像素成像因其仅需一个无空间分辨能力的单点探测器即可实现目标物体的空间信息获取重建物体图像,是解决非可见光波段成像的关键技术。该技术的发展和应用在高分辨率空间存在数据采集量大,成像慢的问题。因此,设计了一种傅里叶单像素显微超分辨成像系统来提高现有单像素显微成像的效率和质量。首先,搭建了单像素显微超分辨成像系统,引入基于深度学习的超分辨模型来提升其成像分辨率,从而快速获得高分辨率的物体重建图像。经实验结果证明,相同的光强信号采集时间下,成像分辨率可提高近9倍,且其峰值信噪比达到28 dB,有效提高了单像素显微成像在高分辨率情况下的成像效率。     

基于超分辨注意力机制改进的GIS内部细微缺陷X-DR图像检测方法

为了解决气体绝缘开关设备内部细微缺陷X-DR成像重影雾化、纹理不清晰、易造成误诊断等问题,提出一种基于超分辨率注意力机制改进的气体绝缘开关(gas insulated switchgear,GIS)内部细微缺陷X-DR图像检测算法.该方法以高效亚像素卷积神经网络为框架,引入双层计算机注意力机制SE模块,构成新颖的SE-ESPCN超分辨率网络.通过对GIS设备X-DR图像通道重要程度进行评判,赋予图像卷积层不同的权重,以增强图像故障细节的成像效果.实验结果表明:SE模块与亚像素卷积神经网络的融合,不仅保障了GIS设备故障区域成像的实时性,而且算法输出的高分辨率X-DR图像缺陷细节清晰可见,便于观察,提高了工作人员对缺陷检测的效率与准确性,为实际工程中GIS设备X-DR成像系统改良提供了一定的参考.     

泛在电力物联网在电力设备状态监测中的应用

随着信息化水平的不断发展,泛在电力物联网的建设提上日程,这对提升变电站电力设备在线监测水平,推动智能电网发展具有重要的指导意义。对基于物联网的电力设备状态监测系统进行了研究,概括了泛在电力物联网在线监测系统的体系结构和特征。根据变电站电力设备状态在线监测的需求,探索研究了红外热成像监测子系统和变电站环境监测子系统的系统构成,实现了对电力设备状态监测系统的优化设计。指导变电站电力设备状态监测系统的规划、设计和建设,具有十分广阔的应用前景。     

变电站绝缘设备表面局部放电紫外检测分析

电力设备绝缘在电、热、力及环境因素的长期作用下会出现绝缘老化、破损等现象,影响电力设备绝缘的安全稳定运行.紫外检测技术可有效监测在线运行电力设备绝缘的局部放电现象,且无需设备停电,便于及时开展电力设备的后续监测和防护工作.为此采用紫外成像技术,分析了变电站电力设备不同绝缘表面的局部放电现象.检测结果表明,站内多个支柱绝...     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。     

基于空间金字塔的视频超分辨率重建算法

为了保证重建视觉质量的同时提高重建速率,提出了一种基于空间金字塔生成对抗网络的视频超分辨率重建算法(SPyGAN),该方法在TecoGAN的基础上使用更轻量级的空间金字塔网络结构SPyNet和更高效的上采样方法,能够快速重建图像的高频纹理细节。主要对生成对抗网络TecoGAN的光流预测网络、图像重建模块和损失函数部分进行改进,实验结果表明,该算法与TecoGAN相比,PSNR和SSIM的平均值均有一定提高,此外参数量减少为53.86%,并且重建速率提高至239%,有效提升了模型的重建速率。     

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性：文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、 2.16%、 9.86%、 7.45%、 21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。     

基于改进生成式对抗网络的电气数据升频重建方法

高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建.因此,文中利用改进生成式对抗网络将低频电气数据重建为高频.通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取.利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习...     

基于双阶段多尺度生成对抗网络的图像复原方法

针对人脸图像复原任务中对图像尺度信息利用不足和眼镜结构复原错误的问题,提出一种基于双阶段多尺度生成对 抗网络复原模型。该模型第1阶段引入改进损失的U-Net 粗重构网络,利用跳连接减少原始图像信息的丢失,融合3种不同 的损失函数提高生成器的重构能力,采用双判别器考虑全局信息和局部信息,并提出一种混合域注意力机制用于关注图像的 空间和通道信息。第2阶段的精修复网络构建了全新的特征增强模块,增强网络对细节信息的提取能力和对结构的表达能 力,引入相对判别器,用于关注生成样本与真实样本之间的相对真实性,提高了生成质量和训练稳定性。实验结果表明,该方 法能够复原各类图像缺失的情况,并能够有效复原佩戴眼镜的人脸图像,与其他方法相比,该方法的峰值信噪比、结构相似性 和感知相似度评估等指标分别提升了3.81%、2.65%和0.45%。     

基于图像融合技术的近红外热图像处理

电力设备的在线监测具有非常重要的意义。针对目前一般采用的电力设备监测仪器———红外热像仪,存在着结构复杂、功耗较大、价格昂贵、不能实现在线监测的问题,文章介绍了以黑白CCD传感器为核心的电力设备在线监测实验系统,并围绕近红外热图像因受物体低温影响,从而影响温度场计算精度的问题,详细阐述了应用基于拉普拉斯塔形分解的图像融合方法对近红外热图像进行处理。     

红外热成像仪应用于电力设备故障诊断

红外热像仪能快速、实时地采用非接触手段在线监测和诊断出电力设备的大多数过热故障,防止电力设备损坏和由于这些设备损坏而导致的电网大面积停电事故发生。文章介绍了红外热成像的特点;红外热像仪的功能和特点,红外热成像仪在电力设备如变压器、电抗器、电容器、断路器、绝缘子串、互感器、电力电缆和导线、隔离开关、高压输电导线和压接管、发电机等故障诊断中的应用效果;指出了用好红外热像仪的关键环节。积极推广电力设备在线红外监测技术及红外热成像仪,对保障电力设备乃至电网的安全运行,做到防患于未然可起到积极作用。     

基于红外检测的变电站设备热状态诊断

提出了一种基于红外检测的变电站设备热状态诊断方案。首先基于变电站设备的红外图像,采用局部方差映射函数和遗传算法阈值提取了变电站设备的热状态数据,以用于对异常区域进行分割。然后构建了红外图像灰度数与变电站设备温度两者之间的关系。最后采用改进的相对温差法达到了对设备热状态进行分类和诊断的目标,并捕获定位了变电站设备的热状态异常区域。实验结果表明,该方法提高了异常热区提取的精度和效率,提升了变电站设备热状态诊断的容错能力,进一步保证了变电站和整个电力系统的运行稳定性。     

基于GIS的电网故障信息红外热影像采集系统

红外测温技术是检测电网设备状态的一种先进方法,应用红外测温技术能有效预判电网设备外部连接点的发热隐患,从而及早发现设备外部过热、内部绝缘等故障。以红外测温技术和基础GIS空间导航算法为基础,通过与原始蚁群算法对比、分析,提出了线路加权路径规划的改进算法,红外图像的采集降噪处理和结合WCDMA网络的传输方式,结合农村电网特点设计成可视化后台管理系统。该系统可对野外电力设备进行红外图像采集并进行简单降噪处理,通过3G网络发送回后台服务端显示,供人工辅助加以预判电网故障,同时通过改进的导航算法,科学规划抢修巡检路径,提高了电网运行的可靠性。