共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一,其优点是在无需拉闸断电的情况下,即可对输电线路进行检测,对其故障进行判别。根据输电线路设备的特征,应用图像处理与模式识别技术,提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理,然后提取预处理后图像的小波特征值,最后采用AP(Affinity Propagation)聚类方法对目标图像进行分类与识别。实验结果表明,所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标,具有较好的鲁棒性和准确性。 相似文献
3.
随着人工智能尤其是深度学习技术的快速发展,无人机巡检与图像识别技术在电网输电线路破损防振锤检测中发挥着重要作用。文中构建了一种基于改进EfficientDet深度神经网络模型的破损防振锤检测模型。采用先目标检测后分类判别的方法实现输电线路中的破损防振锤识别,基于目标各要素之间的相互关系判别技术,优化了背景干扰所产生的误识别问题。使用细节特征提取来判断拍摄倾角并去除倾斜角度过大的目标。实验结果表明,文中所提改进EfficientDet目标检测模型的mAP为51.16%,准确率与召回率分别为93.3%、91.8%,均优于其他目标检测模型。同时,破损防振锤的分类准确率与召回率分别达到85.4%、81.7%,由此验证了所提方法的准确性与实用性。 相似文献
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.
6.
目前无人机对电力输电线路进行巡检已经成为电网巡线的重要方式。为提高无人机巡检图像中的绝缘子的识别准确率和速度,提出了一种基于SIFT-BOW(Scale-Invariant Feature Transform-Bag of Word)模型的绝缘子识别方法。首先利用选择性搜索算法在完整巡检图像中提取出候选区域;然后在候选区域内提取SIFT特征,利用BOW模型对SIFT特征进行表示;最后使用支撑向量机(SVM)在候选区域内进行目标的识别。实验结果显示:该方法对白色陶瓷绝缘子样本的识别准确率达89. 3%,对白色陶瓷绝缘子样本的识别的速度约为10 ms/张,对完整航拍图像的识别速度约为3. 6 s/张,较好地兼顾了识别准确率与识别速度。 相似文献
7.
绝缘子作为输电线路中用量庞大的部件,其状态对输电线路的稳定运行至关重要。针对现场红外图像中绝缘子的识别问题,设计了一种高斯尺度空间GHT方法,基于此,提出了一种基于高斯尺度空间GHT的绝缘子红外图像的识别方法。首先利用形态学方法滤除图像中的小块和噪音,基于Canny检测算子提取图像边缘;然后对模板进行高斯尺度空间分解,将分解结果和输入图像进行基于GHT的模板匹配;最后结合绝缘子的形状特征值识别出绝缘子。实验结果表明该方法可以准确地识别出绝缘子,并为后期绝缘子的故障诊断提供依据。 相似文献
8.
9.
输电线路在常年使用过程中会受到外界环境的影响,各种部件可能出现不同程度的破损,这给电力系统的稳定运行带来了巨大挑战,因此,输电线路各部件的检测对电力系统稳定运行起着关键作用。随着无人机巡检的广泛应用,基于机器视觉和深度学习的目标检测技术在输电线路缺陷检测领域得到了应用。针对输电线路细小金具图像质量差、样本数量少及类别不平衡而导致缺陷识别精确度低的问题,提出了一种基于GAN的改进RPN输电线路细小金具缺陷检测方法。利用生成式对抗网络(Generative Adversarial Networks, GAN)理论搭建了深度卷积网络的细小金具图像生成模型,通过生成器和判别器生成目标图像,丰富训练样本数据集,再基于Faster-RCNN目标检测网络训练细小金具缺陷识别模型;其次将Faster-RCNN中基于交叉熵的RPN分类损失替换为Focal loss,并保留所有前景及背景anchors来训练RPN,提高了细小金具中困难负样本在Faster-RCNN的区域建议网络(Region Proposal Networ, RPN)中的分类损失权重。实验结果表明,论文所提方法能够显著提高缺陷识别精确度,对电力巡检智能化缺陷诊断具有一定的参考价值。 相似文献
10.
11.
为了提高输电线路缺陷诊断正确率,有效降低各种复杂背景纹理及光线对识别输电线路结构的影响,从Gestalt感知理论着手,研究一种多感知识别输电线路结构的方法。在图像识别的底层,提取不同方向、不同宽度的线段,研究了一种融合计算Gestalt定律的近似性、连续性、共线性的多级搜索算法,获得显著的、完整的输电线路人造对象轮廓;在图像识别的中层,研究一种基于分块与合并的计算方法能视觉感知近平行线、近对称交叉的结构,设计了一个三级分类器感知聚类平行线组;在图像识别的高层,研究输电线路的知识模型,建立识别输电线路组成结构的约束机制,进而从语义上唯一地识别输电线路的结构。通过无人机巡检采集的输电线路图像,验证这种方法能有效识别输电线路组成的杆塔、导线、地线及绝缘子所在区域。 相似文献
12.
13.
随着电力供电可靠性要求的不断提高,电力巡线技术正在向自动化、智能化方向发展。无人机技术以其便捷的操作、精准拍照及图像识别等优点,正广泛应用于电力巡线技术领域。基于激光雷达实现无人机跟随导线飞行,进行线路通道巡检,提出一种基于改进卷积神经网络的可见光与热红外方法,通过采用可见光与热红外图像的融合,以识别出输电线路和障碍物信息,实现对输电线路故障的自动检测。通过对运行线路的实际巡视,输电线路故障的自动检测发现率达90%以上。结果验证了提出的无人机图像融合技术及故障自动检测技术的有效性及可行性。 相似文献
14.
15.
目前,220kV及以上高压输电线路多使用耐张线夹固定避雷器、输电导线到非直线杆塔耐张绝缘子串,实现线路转角、导线接续以及高线线路终端辅助减震、连接和保护。耐张线夹一旦失效,将会导致线路中断,引发重大安全事故。详细分析了220kV线路耐张线夹断裂原因分析,对耐张线夹结构失效机理进行阐述。以后输电线路巡检过程,应结合无人机、DR工业射线图像缺陷识别等技术,加强线路巡检,确保高压输电线路运行安全。 相似文献
16.
17.
18.
19.
以目前变电站电力设备故障监测为背景,以变电站绝缘子为对象,利用机器视觉技术,重点开展了基于双通道的图像采集技术、电力设备目标识别以及红外感兴趣区域(ROI)自动定位测温技术的研究。通过硬件设计获取双通道(可见光、红外)图像信息,建立了绝缘子数据库,利用Mask R-CNN算法对绝缘子进行有效识别,利用红外测温技术对红外ROI区域进行自动测温,搭建了一套基于双通道图像的电力设备智能监测系统。实验结果表明:本文提出的算法可以实现精确的绝缘子目标识别,为电力设备的智能监测提供了可行的视觉监测技术途径。 相似文献
20.
在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对 H(Hue)和 S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。 相似文献