单通道双谱紫外电晕放电检测方法

为了防止电晕产生的危害,电力部门需要实时地检测并定位电晕放电故障点。而用于电晕检测的传统双通道紫外检测设备结构复杂,图像处理难度大,研发成本高。基于日盲紫外检测技术,设计了一种新结构的单通道双谱紫外检测系统,其结构简洁,图像处理简便,研发成本较低。系统以PC为主要硬件架构,实现单片机驱动步进电机控制前端滤光片切换,从而能对故障点进行准确的定位,并通过仿真实验验证了系统定位故障点的准确性。     

一种双谱段日盲紫外视频实时融合系统的设计

针对电力系统中高压设备电晕放电的检测及定位问题,介绍了一种日盲紫外电晕探测系统,该系统采用可见光和紫外光两台相机在同一视场采集图像,在LCD上实时显示两路信号经融合后的视频图像,便于观测电晕的同时确定电晕产生的部位.提出了利用小波变换方法,实现日盲紫外探测系统中双谱段视频图像的融合.结果表明此方法能够充分有效地将两种不同谱段的信息融合在一起,输出视频达到预期效果且能够满足实时性要求.     

紫外红外双光谱电力设备在线监测系统

针对电力系统中红外成像、紫外成像、紫外脉冲检测等带电设备非接触式放电检测技术存在的问题,结合紫外脉冲探测扫描、红外测温扫描、摄像和图像处理技术,研制了一种新型电力设备在线监测系统.该系统主要由紫外红外双光谱探测模块、嵌入式系统模块、温度湿度测量模块和广域无线通信模块构成.通过图像处理技术,将设备的局部放电分布和温度分布数据置入由摄像头获取的设备图像,建立与设备图像的对应关系.系统不仅能定量表示放电程度,而且能以图像方式直观地显示出放电位置、温度分布及其发展变化情况,并及时发现电力设备的故障,具有广泛的应用价值.     

双光谱电力设备在线监测装置的实现

针对电力系统中红外成像、紫外成像、紫外脉冲检测等带电设备非接触式放电检测技术存在的问题,研制了一种新型电力设备在线监测装置;该装置主要由紫外红外双光谱探测模块、嵌人式系统模块、温度湿度测量模块、GPRS无线通信模块构成,通过图像融合处理技术将设备的局部放电和温度分布数据,置人设备可见光图像,获得设备双光谱状态图像,不但以图像方式直观地显示出放电位置、温度分布及其发展变化情况,而且能定量表示放电程度;介绍了双光谱在线监测装置的原理及软硬件实现.     

基于自组织神经网络的紫外电晕检测状态评定

针对传统紫外成像法的局限性,提出了一种有效进行紫外电晕检测的状态评定方法.通过设计构建的单通道紫外成像系统采集的图像信息,结合环境因素,提取了在一定时间间隔两种不同电晕放电状态的电子崩性放电面积、流注性放电面积、流注性放电重复次数以及湿度的4个特征参数,并在此基础上,建立了自组织特征映射神经网络的高压设备电晕状态评估模型.测试结果达到预期效果,具有良好的准确性和稳定性,为高压设备的运行状况诊断带来实际意义.     

基于紫外传感器的电晕放电在线监测系统设计

针对电力设备电晕放电的特点,设计了一种新型的电晕放电在线监测系统。该系统主要是由"日盲型"紫外传感器、嵌入式计算机和GSM模块构成的。在分析其原理和紫外传感器工作原理的基础上,详细介绍了该系统的整体设计与基于Qtopia和Qt/Embedded 3.3.7的软件设计过程,通过现场实验证明:该系统是可行的,从而对电晕放电在线监测提供了一种新型的思路。该系统操作简便、功耗小、成本低,能够满足电力系统在线监测的要求。     

基于嵌入式系统的电力设备紫外监测系统设计

设计主要目的旨在解决电力设备的人为检测的麻烦、不安全,为此引入基于嵌入式计算机系统开发与紫外内窥检测技术相结合的智能检测应用。设计了一套基于嵌入式系统的电力设备紫外监测系统,该系统核心部分主要由紫外探头、嵌入式计算机系统和GPRS模块构成。利用日盲型的紫外传感器检测特定波长的紫外线来正确检测电力设备的放电,并将紫外放电检测和视频内窥技术相结和实现了基于无线GPRS的电力设备紫外放电的远程实时在线监测,最终监控数据通过嵌入式计算机系统处理利用GPRS模块通信网络将信息反馈给工作人员做处理。     

高压放电紫外传感器与检测装置研究

采用光电倍增管(PMT)研制了一种基于紫外光功率法的电力设备放电检测装置.围绕着"日盲"区紫外检测,进行了传感器系统设计,分析了其响应特性.介绍了系统整体结构、系统信号处理模块的软硬件设计,采用数字积分方法实现了紫外光功率测量.使用新装置进行了火花放电和针板放电模拟检测试验,验证了该仪器能够准确检测放电紫外辐射,线性反应放电的强弱,可获得设备放电能量依据.研制的装置工作稳定可靠,灵敏度高,抗干扰能力强,线性度好.     

图像融合技术在双光谱检测系统中的应用

针对紫外检测系统的要求,采用基于DM642为核心的处理平台,设计了可对紫外光和可见光两路信号进行采集、配准和融合处理的双光谱图像检测系统.结果表明,该方法能够有效提高图像融合处理的速度和系统运行效率,满足对紫外信号进行检测和定位的要求.     

影响紫外在线监测系统准确性因子分析

目前针对输变电设备的电晕放电监测主要有人工巡查监测、脉冲电流监测、红外监测、超声波电晕监测和紫外监测等方法,而紫外监测在检测局部放电阶段、缺陷定位的精确度、缺陷排查的准确度、测试范围的四个方面都具有优势,本文从紫外在线监测系统的气候环境检测、紫外光监测过程中的核心要点和工作重点等角度出发,重点分析了部分环节影响整体紫外系统检测准确性的原理,并给出选材建议,最后研制出一套切实可行效果良好的紫外在线监测系统。     

高压设备放电紫外图像光斑区域特征提取

针对传统的高压电气设备紫外漏电检测方法存在的紫外图像处理算法复杂、精确度低等问题,采用基于高斯函数色彩映射的图像分割算法分割进行图像预处理。通过绝缘子污秽放电实验,拍摄高压故障设备紫外辐射图像,对紫外图像进行图像分割处理。从紫外光斑的二值图像中提取故障设备紫外辐射光斑区域特征,评估高压绝缘设备故障等级。实验过程中,在不...     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

放电故障紫外检测系统及其状态识别方法

紫外成像检测技术是一种检测高压设备故障的新方法;在此技术上研究设计了一种放电故障紫外检测系统,该系统能对实时采集的紫外图像进行相关的技术处理,同时可对故障点进行准确定位;根据数据建立了设备状态模型并提出一种基于人工神经网络的状态识别方法,应用MATLAB工具进行神经网络的设计和模拟,仿真结果达到预期效果;该系统可以准确地诊断设备的故障和运行状况,有较好运用前景和理论意义。     

基于轻量级SSD的电力设备锈蚀目标检测

电力设备的锈蚀检测作为电力系统故障检测中非常重要的组成部分,需要被快速准确的识别出来.本文结合注意力模型提出一种基于轻量级SSD的电力设备锈蚀目标检测算法,可以有效地对电力设备的锈蚀区域进行检测.本文算法模型利用深度可分离卷积代替标准卷积来大幅度压缩模型,并在此基础上提出了一种基于注意力模型的上采样特征融合策略用于弥补缩减模型结构带来的精度损失.该算法在RustDetection数据集上相比较标准SSD可以做到在参数量减少63.6%,速度提升46.7%的情况下提升10.47%的准确度和5.99%的平均精度.     

基于改进SSD算法的电厂设备油液渗漏检测

为能实现对电厂充油设备和管道的油液渗漏现象快速、准确的检测与识别,通过引入高分辨率网络实现高分辨率特征提取,改进特征融合模块以融合高分辨率特征信息强化特征表达,提出了一种基于改进SSD的油液渗漏图像检测算法。此外,针对油液渗漏现象构建一个电厂设备的油液渗漏数据集并提出了一种随机种子遮挡的数据图像增广策略。经实验测试表明,算法在检测效果上提升明显,相比于基于SSD算法的的漏油检测模型的准确率和召回率分别提高了3.1%和3.7%,满足了工程实际需求,具有较高的实用性。     

无人机航拍图像中电力线检测方法研究进展

随着各大电力公司对无人机（unmanned aerial vehicle,UAV）巡检的大力推广,“机巡为主,人巡为辅”已成为我国电力巡检的主要运维模式。电力线检测作为电力巡检的关键技术,在无人机自主导航、低空避障飞行以及输电线路安全稳定运行等方面发挥着重要作用。众多研究者将输电线路的无人机航拍图像用于线路设备识别与故障诊断,利用机器视觉的方法在电力线检测技术研究中占据主导地位,也是未来的主要发展方向。本文综述了近10年来无人机航拍图像中电力线检测方法的研究进展。首先简述了电力线特征,阐明了电力线检测的传统处理方法的一般流程及所面临的挑战;然后重点阐述了使用传统图像处理方法及深度学习方法的电力线检测原理,前者包括基于Hough变换的方法、基于Radon变换的方法、基于LSD （line segment detector）的方法、基于扫描标记的方法及其他检测方法,后者根据深度卷积神经网络（deep convolutional neural network,DCNN）的结构不同分为基于DCNN的分类方法及基于DCNN的语义分割方法,评述各类方法的优缺点并进行分析与比较,与传统图像处理方法相比,深度学习方法能更有效地实现航拍图像中的电力线检测,并指出基于DCNN的语义分割方法在电力线目标智能识别与分析中发挥着重要作用;随后介绍了电力线检测的常用数据集及性能评价指标;最后针对电力线检测方法目前存在的问题,对下一步的研究方向进行展望。