采用无人机航拍图像的电力绝缘子缺损检测

高压输电线路距离远、规模大,工作环境恶劣,采用人力巡检耗时长、劳动强度大,不能满足日益增长的巡检需求。结合视觉检测与智能算法,使用无人机航拍图像实现目标检测和故障辨识,能准确快速定位故障点,大幅提高巡检质量,提高故障检测的效率,已经成为当前研究的热点。本文在深入调查大量国内外文献的基础上,使用Faster-RCNN算法,使用848张无人机捕获的绝缘子图像构建数据集,训练出了用于检测绝缘子以及绝缘子缺损的模型,引入平均精度MAP等指标对模型进行评价,在绝缘子以及绝缘子缺损两类识别中,MAP分别达到了97.73%和90.52%。结果表明,该算法在识别绝缘子缺损故障具有良好的效果。     

一种基于深度学习模型的无人机巡检输电线路山火检测方法

输电巡检图像的背景复杂,目标检测易受干扰,基于YOLOX神经网络模型,提出一种输电线路山火检测方法。首先采用YOLOX的主干特征提取网络框架,并将其中多尺度特征提取模块的常规卷积替换为可变形卷积;其次在加强特征提取阶段增加了通道注意力和空间注意力模块的融合,能够自适应火焰的外形多变特点,更加有效地提取到山火特征,从而提高目标检测的准确率。经实验验证,所提方法能够较为准确地检测到山火,满足日常巡检的需求。     

基于深度学习的红外光热成像无人机巡检技术应用

本文在人工智能的基础上利用深度学习结合红外光热成像技术对无人机巡检技术进行研究和优化.首先对红外光热成像技术在电力系统中的应用和无人机巡检技术进行了介绍;然后提出了基于卷积神经网络的目标检测算法,对卷积神经网络的计算原理以及目标检测算法进行说明,并设计了基于深度视觉系统的MobileNetV1-YOLOv3网络预测模型...     

无人机在输电线路巡检中的应用及发展前景

随着经济的不断发展,我国电力事业的进步也非常快速,电网的安全与否会在很大程度上对社会的稳定产生影响,而输电线路的稳定运行能够为电网的安全提供有效保障。无人机是随着电力企业发展而诞生的新型巡检设备,能够有效分担工作人员的工作量,提升工作效率。本文以输电线路巡检的概述为研究基点,论述当前无人机在输电线路巡检中的应用,并展望无人机在输电线路巡检中的未来发展。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别;经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

基于深度学习的无人机入侵检测方法

无人机滥用给低空范围带来巨大安全隐患,非法入侵无人机目标的检测问题成为低空防御系统中重要的研究方向.本文提出一种基于雷达、RGB相机等多传感器信息融合方法,用于探测低空范围内小目标物体.然后,引入SSD(Single Shot multibox Detector)深度学习算法,训练无人机目标检测模型,对RGB相机捕获到...     

基于深度学习的无人机电力巡检方法研究

考虑到无人机平台电力巡检有效载荷及计算能力有限,该文提出了一种基于无人机的智能电力巡检方案。首先,设计了无人机电力巡检软硬件框架;其次,提出了一种双阶段微调策略训练深度学习模型,从而提高模型应对特殊数据集的检测能力;最后,提出了一种通道剪枝方案,从而去除冗余的特征通道降低模型的复杂度,使得模型可有效部署于计算能力有限的无人机平台。实验阶段,以检测绝缘子为例,对所提方案进行验证。结果表明,所提双阶段微调策略可将基础网络性能提升约4%至10%。同时,所提通道剪枝方法可使得网络模型尺寸更小、性能更优。该模型为电力系统智能化及无人化监控管理提供了一定借鉴作用。     

无人机巡检输电线路技术的实践研究

新时代背景下,可以明显的看到我国科学技术的发展是越来越好,各种新型技术犹如雨后春笋一般涌现了出来,无人机技术就是其中之一。当前,无人机技术已被广泛应用在各行业与领域当中。特别是在电力行业输电线路巡检工作中,通过无人机技术的应用,不仅大大提升了电力企业输电线路巡检工作效率,保证了输电线路运行的安全性;同时还很好的减轻了电力企业相关人员的工作量。     

基于联邦学习的输电塔螺母销钉缺失检测

输电塔上的螺母是连接两个或多个输电塔部件之间的媒介, 销钉是确保螺母不脱落的重要保障. 销钉缺失会使各部件之间的连接处存在安全隐患.本文将联邦学习与目标检测算法结合起来, 在保证各地区数据不互通的情况下, 上传局部模型, 经过中心节点生成融合模型, 采用Faster RCNN检测算法对螺母进行检测, 同时用分类网络对螺母进行分类, 最终得出销钉是否缺失. 实验结果表明, 联邦学习融合后的模型比各局部模型在检测任务的mAP上提升3%–6%, 在分类任务的准确率上提升2%–3%.     

基于深度学习的无人机多目标检测算法研究

无人机多目标检测技术广泛应用于交通、航空等重要领域,发展前景广阔,市场需求空间巨大。传统的目标检测算法已无法满足无人机进行多目标检测过程中可能遇到的目标数量多、目标种类多、拍摄目标小等需求,因此提升无人机多目标检测能力成为了急需解决的难题,也是重要的研究方向。针对无人机对目标检测实时性要求较高,同时考虑到提高多目标和小目标的检测精度以及推理速度,选用YOLO目标检测算法为模型,分析YOLO系列算法的优缺点,并对各算法进行总结归纳。     

基于Darknet网络和YOLO4的实时电路板故障检测算法

针对现有的接触式电路板故障检测方法难以应用到大规模集成电路故障检测中的问题,提出一种实时、非接触式的基于深度学习的电路板故障诊断算法;建立PCB板缺陷检测和元器件识别图像数据集,并采用数据增强技术,对数据进行数据增强来提高训练的数据量,以提升模型检测精度和鲁棒性;基于Darknet框架和YOLO4算法训练得到元器件检测模型,并通过采用k-means聚类算法设计合理的Anchors,使得模型具备多尺度缺陷检测的功能;使用图像配准算法在红外图像和可见光图像上实现配准和融合;根据PCB板设计时划分的功能区域,利用测温热像仪连续采集5个该区域的平均温度,通过判断5个平均温度之间的关系从而判断短路或者短路状态;经过试验测试,使用预先设置好故障的电路板作为实验对象,通过采集实验对象运行过程中的红外和可见光图像数据,基于设计的故障检测模型,不仅能够实时且有效地识别出元器件位置,并能够直观地标识出现短路、短路故障元器件;经过实际应用,能够满足设备运行时的实时电路板故障检测工程应用。     

基于局部显著度的机动弱小目标检测算法

由于待检测的红外远距离目标具有尺寸小、辐射低、背景复杂等检测难点,以高检测率、低虚警率、高实时性进行红外小目标检测一直是一个具有挑战性的课题;文章提出一种基于局部显著性的变速运动目标累积检测算法,利用辐射能量积累方法提高目标在背景中的信噪比;首先,建立矢量空间及一阶导数空间,对序列图像的每帧进行基于块显著度的局部对比度增强处理,增强目标辐射能量并抑制背景,同时显著减少了计算量;然后,进行变速运动空间及导数矢量空间的辐射能量叠加,在空间矢量及导数矢量空间中检测序列图像中的目标在矢量空间及导数矢量空间运动特征的存在概率;最后,通过恒虚警检测得到目标的位置向量、速度、加速度向量,完成目标检测;实验结果验证了提出方法的有效性,其检测率及虚警率均优于其他方法,其中信杂比增益提高了22.30,背景抑制因子提高了3775.68,处理时间开销降低了0.65秒;     

小型无人机地面式发射控制系统设计

介绍了小型无人机地面式发射控制系统的组成、工作原理、软件设计以及关键技术实现,可以完成实现无人机状态的综合显示,单架无人机的发射控制,三架无人机的短间隔连续发射,四架无人机的发射前准备流程,系统自身的发控流程自检,无人机的地面供电控制,为无人机装订航路和安控区域,发送无人机发射前的检查指令并显示反馈数据,控制发动机开车,火箭点火,以及其他发射控制保障。飞行试验结果表明,该系统在多架次无人机的发射控制中,具有操作简单,快速部署的 优越性,提高了多机地面发射控制的效率和减轻了地面保障人员的工作负担,该系统具有明显优势。     

一种遥感卫星动量轮容错控制的方法研究

针对低轨遥感卫星动量轮故障频发影响姿态稳定的情况,对以动量轮为执行器的低轨遥感卫星进行容错控制研究,提出一种结合卡尔曼滤波及模糊PID控制率的容错控制方法。首先建立低轨遥感卫星动量轮故障模型,应用卡尔曼滤波算法进行噪声滤除,然后根据卡尔曼滤波的结果,设计模糊PID容错控制器,并与传统PID容错控制器进行仿真比对实验,在闭环姿态控制系统的容错控制领域验证了该方法的较强自适应性和较强鲁棒性的优点。     

基于注意力门UNet网络的CT金属伪影去除方法

目前,UNet基本模型对带有金属伪影的CT图像的去除能力无法有效满足需求,UNet的结构简单无法提取出足够精确的有效结构和细节信息,并且深层卷积对低级特征的信息利用不够充分;针对上述问题,提出了一个基于注意力门的UNet金属伪影去除网络,该网络采用了注意力门对低层级和高层级的信息进行注意力权重处理,并利用跳跃连接机制到特征解码结构以提高生成CT图像的质量,通过多层级的编解码结构得到最终的去除金属伪影CT图像;实验结果表明,该方法在视觉上取得了更好的条状和带状伪影去除效果的CT图像,并在PSNR指标上取得了35.5913,在FSIM指标上取得了0.961 3,在SSIM指标上取得了0.928 8的成绩;与ADN、cGANMAR、UNet、CNNMAR、CycleGAN等目前已有的方法相比,该方法在诸多方面均取得了显著的优势。     

基于框架的开放式机载电子战嵌入式软件设计

当前机载电子战嵌入式软件复杂度和安全性越来越高,传统结构化程序设计方法已不能适应当前机载嵌入式软件研发的需求,为此提出了一种基于框架技术的开放式机载电子战嵌入式软件设计方法;该方法重点阐述了机载电子战嵌入式软件的开放式架构设计、软件框架的设计决策、软件构件接口抽象与实现要点,并基于软件框架对典型的机载电子战管理控制和信号处理软件进行了示例设计;该方法统一和规范了机载电子战嵌入式应用软件的体系结构,使得电子战系统软件架构具备开放式软件架构特征,提升了软件质量的同时使得软件开发人员聚焦应用开发,有效提升了机载电子战嵌入式软件研发效率,使得电子战系统具备快速迭代升级能力。     

自主水下航行器安全抛载系统设计

自主水下航行器(AUV)在海洋资源勘探与开发中发挥着重要作用,安全性作为其研究的重要内容与关键技术,关乎着水下任务能否顺利完成并安全返回;为进一步加强AUV在水下应对故障及危险的处理能力,依托实体AUV,设计一套安全抛载系统;该系统基于ARM Cortex—M4处理器,搭建抛载电路,使其不仅能够响应程序预先设定的抛载指令,还能根据一些突发或紧急情况,自动触发抛载动作,如:系统掉电、死机或漏水等;最后通过岸上模拟实验与真实水下实验,测得对10 kg抛载块进行抛载测试的准确执行率达100％,且抛载系统功耗为2.8 W;此外,对抛载系统进行了耐压测试,压力测量装置显示,在10 MPa压力范围内,该系统仍能正常可靠工作,其耐压性得到有效验证,符合总体设计要求.     

直升机噪声适航合格审定试验测试系统设计及应用

民用直升机噪声适航合格审定噪声符合性验证条例(CCAR36)对试验基准条件、噪声测量、噪声评定和计算等方面都做了明确规定,并要求试验设备、相关数据、试验条件等信息报送给中国民用航空局,数据处理软件必须经过中国民用航空局提供的数据进行检验,确保计算程序的正确性。一般商业化噪声测量系统没有针对噪声适航合格审定要求提供集成解决方案,试验现场不能对测试数据实时处理判断试验数据是否满足要求,如果数据无效,重新试验将造成大量的人力物力及时间浪费。通过对适航条例研究,本文提出了一套基于VXI总线的噪声试验数据采集及实时数据处理解决方案,极大提高试验效率,并在某民用直升机噪声适航合格审定试验中得到成功应用,取得较好效果。     

基于指纹库更新补偿的波束跟踪算法研究

针对拒止、复杂电磁环境下,高动态无人节点定向通信面临的坐标信息不精确、飞行姿态和轨迹变化剧烈等问题,为保持可靠的波束对准与跟踪,提出了一种基于卡尔曼滤波的指纹库更新补偿算法。首先,利用卡尔曼滤波算法对自身姿态进行预测更新,建立新的载体坐标系;利用改进的算法对波束指向进行预测更新,并利用指纹库对状态向量均值和协方差矩阵进行更新补偿,调节采样比例,并将新的数据存入指纹库对指纹库数据更新,然后进行二次状态信息预测,完成最终波束指向。整体设计的波束跟踪算法流程更加符合实际应用场景,满足无人机自组网的需求。仿真结果表明,在半波束宽度为3°,100个通信时隙中,维持正常通信的成功率有92%以上,相比传统跟踪算法提高了8%,具有更加稳定的通信质量。     

基于多通道图像深度学习的恶意代码检测

现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测。因此,提出一种基于多通道图像视觉特征和AlexNet神经网络的恶意代码检测方法。该方法首先将待检测的代码转化为多通道图像,然后利用AlexNet神经网络提取其彩色纹理特征并对这些特征进行分类从而检测出可能的恶意代码;同时通过综合运用多通道图像特征提取、局部响应归一化（LRN）等技术,在有效降低模型复杂度的基础上提升了模型的泛化能力。利用均衡处理后的Malimg数据集进行测试,结果显示该方法的平均分类准确率达到97.8%;相较于VGGNet方法在准确率上提升了1.8%,在检测效率上提升了60.2%。实验结果表明,多通道图像彩色纹理特征能较好地反映恶意代码的类别信息,AlexNet神经网络相对简单的结构能有效地提升检测效率,而局部响应归一化能提升模型的泛化能力与检测效果。