采用数字图像处理方法对架空输电导线散股的研究

架空输电导线受到施工破坏和外界环境长期作用容易产生散股,甚至断股现象,及时对其进行诊断和检修对于保证电网安全运行具有很大意义。采用巡检机器人搭载视觉检测装置巡检是现代输电线路状态检修的一种有效方式。在分析导线纹理约束及分布特征的基础上,建立了一种基于纹理斜率分布的散股判定模型,提出了一种基于数字图像处理的架空输电导线散股自动诊断方法。该方法通过对机器人拍摄的视频数据进行处理,提取图像中导线,计算导线的纹理特征分布并利用判定模型给出图像诊断结果。实验研究表明,该方法能快速检测导线的散股故障信息,能满足在线巡检的实时性要求。     

面向航拍图像的农村配电网导线断股检测

农村配电网电力巡检所涉及的区域广阔，利用飞行平台实现基于航拍图像的电力巡检能有效提高效率，节省开支。飞行平台的拍摄角度、远近程度、光照等外部条件均不可控，给导线的断股检测带来困难。提出一种导线断股检测方法，仅通过导线轮廓信息实现断股检测，确保该方法的通用性。该方法通过LSD（line segment detector）检测图像中的导线线段，并利用线段长度来过滤非导线线段，控制了导线检测所需时间。在此基础上利用形变物体检测算法（active basis model， ABM），有效地提升了断股检测的准确率。实验结果表明所提出的方法适用于不同复杂背景和拍摄环境下的导线断股检测，在电力线路的检测中具有良好应用前景。     

基于数字图像处理的电力线异物识别方法研究

针对架空线路异物搭挂的潜在威胁,本文提出一种快速识别航拍图像中异物的方法.首先运用直线段检测(LSD)算法从预处理后的图像中提取电力线,并基于架空导线上异物特征设计针对异物的识别算法,提取导线异物;接着对其进行边缘检测,提取缺陷画框并在巡检图像中标识;最后,通过多组样本数据对算法实用性能进行评估.实验结果表明,该方法能...     

基于深度学习的无人机巡检架空输电线路金具锈蚀缺陷检测方法

为了提升架空线路无人机巡检效率,提高架空线路金具锈蚀缺陷智能检测效率,提出了一种基于深度学习的巡检架空线路销钉缺陷检测方法。由于架空输电线路的金具锈蚀缺陷智能检测存在环境背景大、目标小、拍摄角度和拍摄光线差异大等特点,采用图像预处理算法拓充数据集,将MobileNet替换YOLO的主干特征提取网络来提升算法的泛化能力和鲁棒性,并用实际巡检图像进行实验测试。测试集验证中,当置信度阈值取0.5时,P为0.92、R为0.84、A_P为91.34%。结果表明,此方法对架空线路金具锈蚀缺陷有较好的检测效果,可以给设备健康状态评估提供参考。     

基于轻量级MobileNet-SSD和MobileNetV2-DeeplabV3+的绝缘子故障识别方法

当前的深度学习算法多存在模型参数量大、对硬件要求较高等方面的问题,难以嵌入到无人机等移动设备。为了使无人机搭载轻量级模型对架空输电线路中的绝缘子进行故障识别,提出了一种轻量级MobileNet-SSD目标检测网络与轻量级MobileNetV2-DeeplabV3+图像分割网络相结合的绝缘子自爆故障识别、分割方法。该方法首先利用MobileNet-SSD对绝缘子进行精确分类及定位,再结合MobileNetV2-DeeplabV3+语义分割算法对绝缘子自爆图片进行分割。实例表明:该方法能够快速地识别出绝缘子,并可以对各种复杂背景下的自爆绝缘子进行准确分割,同时具备模型参数量小、效率高、鲁棒性强等特征,可在一定程度上满足无人机的嵌入式应用要求,提高基于无人机对架空输电线路的巡检精度和实时性。     

基于输电线路电磁场分布的无人机测距适应性研究

无人机架空线路巡检技术已在电力系统中得到广泛应用,但目前无人机与导线的距离主要依靠肉眼判断,缺乏有效的测距技术。基于有限元算法及ANSYS软件建立了特高压架空线路的电磁仿真模型,分析计算了不同电磁场分量与导线距离的关系,提出了选用电场有效值结合高度的方法来确定无人机与输电线路真实距离的方法。该方法可为输电线路无人机巡检距离检测、航向规划、避障设计提供参考。     

基于超声波信号的架空线路带电巡检技术研究

随着电力系统架空线路数量的不断增加,架空线路的运行安全性受到越来越多的重视,常规的检测方法很难有效检测出架空线路的故障,并且现有的测量技术大部分基于停电作业,影响检测效率。文章采用基于超声波信号的测量技术,对架空线路的导线、金具、绝缘子等进行带电检测和故障巡检,准确发现了架空线路中缺陷设备所产生的局部放电信号,实现了缺陷类型的判断和故障定位。     

基于DeepLab v3+深度卷积网络的输电导线图像识别方法

输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题，提出一种基于深度卷积网络（DeepLab v3+）的输电导线图像识别方法。首先，采用DeepLab v3+网络模型，实现导线的初步识别。通过多层卷积自动学习导线特征，并通过解码器结构融合导线低层的细节特征与高层的语义特征，较好地实现导线像素分割。然后，针对识别结果中存在的断裂和伪导线问题，采用改进的最小点对法和长度阈值法进一步精细化处理。最后，采用八方向搜索法提取每一条导线并编号。实验结果表明，所提方法能很好地提取出输电线路图像中的导线。     

基于计算机视觉的架空输电线路机器人巡检技术综述

架空输电线路是电网安全运行和电能可靠输送的关键,对其进行定期巡检至关重要。计算机视觉系统具有集成度高、交互性好、自动化程度高、处理速度快等特点,能够在架空输电线路巡检过程中各类设备的准确识别和故障判断中发挥重要作用,因此计算机视觉系统在架空输电线路机器人巡检与故障诊断中具有广泛的应用前景。从导线的识别、杆塔识别以及绝缘子串的识别等架空输电线路关键设备方面综述了机器人计算机视觉巡检技术及其研究现状,分析了多种相应的图像处理方法,在此基础上对基于机器学习的架空输电线路机器人视觉巡检关键技术进行了总结与展望。     

基于部分重合分段的电力线激光点云数据聚类方法与实现*

在无人机激光雷达电力线巡检中,基于激光点云数据的电力线三维重建是首要工作。针对已有方法无法解决多种构型电力线激光点云聚类等问题,提出了基于部分重合分段的电力线激光点云数据聚类方法。该算法包含构建单档单根电力线的三维重建模型中直线段模型和悬链线段模型的数学表达式、数据预处理和部分重合数据分段、模型拟合及线段标号与合成等三个步骤。通过实验验证了该算法的实用性和有效性,实现了对任意长度、任意电塔高差、存在不规则断裂和粗差的电力线点云的正确分割,具备较高精度和鲁棒性。     

基于计算机视觉的架空输电线路机器人巡检技术综述

架空输电线路是电网安全运行和电能可靠输送的关键,对其进行定期巡检至关重要。计算机视觉系统具有集成度高、交互性好、自动化程度高、处理速度快等特点,能够在架空输电线路巡检过程中各类设备的准确识别和故障判断中发挥重要作用,因此计算机视觉系统在架空输电线路机器人巡检与故障诊断中具有广泛的应用前景。从导线的识别、杆塔识别以及绝缘子串的识别等架空输电线路关键设备方面综述了机器人计算机视觉巡检技术及其研究现状,分析了多种相应的图像处理方法,在此基础上对基于机器学习的架空输电线路机器人视觉巡检关键技术进行了总结与展望。     

架空绝缘线局部放电带电检测新技术

研制一种基于Rogowski线圈的混合型局部放电传感器,能够识别架空绝缘导线中局部放电信号传播方向,可大幅减小线路巡检时的查找范围,最后通过对10kV XLPE架空绝缘线的实际测试验证了该方法的有效性。     

基于改进PointNet++的电力线场景语义分割

从机载激光雷达点云数据中自动准确地提取电力线和杆塔是常规电力线检测的关键步骤,针对目前基于无人机的电力线点云场景中输电线提取精度不高,难以满足无人机自主精细化巡检需求的问题,本文提出了一种新的基于深度学习的电力线点云语义分割方法。本文提出一种改进PointNet++网络架构,完成了对导线、地线、地面和杆塔塔身的分割。首先在输入电力线点云数据的基础上,对经典PointNet++模型参数进行调整,使该模型在特征提取数量、感受野方面更适用大场景输电线现场。然后,对set abstraction (SA)模块进行改进,增强模型对点云数据的特征提取能力。针对该模块主要做了两点改进,一是在每个SA模块中增加残差连接,二是在SA模块中增加了倒置瓶颈设计。基于自建的电力巡检数据集进行测试,结果表明,本文提出的方法在电力线点云语义分割任务上取得了比较好的性能。对比原网络,改进的网络在平均准确率上提升了5.1%,在平均交并比上提升了7.2%。     

基于无人机低空摄影技术的架空输电线路智能巡检方法

传统的巡检方法计算误差大,巡检效果差,为此研究基于无人机低空摄影技术的架空输电线路智能巡检方法。采用无人机作为图像数据采集设备,调节对应的飞行参数。将无人机的飞行高度与图像采集点的有效操作距离进行匹配,并获得其电力系统的图像。将图像进行预处理,消除图像因为光线误差等导致的干扰问题。合理选择无人机拍摄图像,根据具体的精度要求对图像进行加密处理,使得图像结构能够完成保存。通过端到端的方式对架空输电线路进行整体图像提取。运用GPS采集地理坐标并转换为空间坐标,获得不同线段的端点位置,计算端点间距离得到检测结果。实验结果表明,小组5计算距离与实际距离一致,能够准确识别出地物边界,误差为0%,能够准确判断地物安全距离,提升巡检效果。     

基于深度学习和无人机图像的架空线路缺陷巡检综述

架空输电线路巡检是电网运维工作的一项重要内容,运维人员利用无人机进行线路巡视检测已成为电力巡检工作中的重要手段。本研究首先概述了无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构;其次,分析了当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术;然后,综述了基于深度学习的无人机图像缺陷检测典型方法以及评价指标,并对比总结了各种方法的优缺点;随后,讨论了无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷检测效果,指出了图像检测指标和类别定义在电力巡检专业化领域中的不足;最后,探讨了基于深度学习的无人机图像缺陷巡检任务的未来发展方向。     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

一起基于声学及红外成像检测技术的配电网架空绝缘导线缺陷案例分析

带电检测技术可以提升配电网线路巡检工作效率,但传统方式以手持式设备红外检测为主,以声学成像结合无人机搭载红外相机的巡视方式应用较少。本文通过声学成像技术和无人机搭载红外相机的方式对某配电网架空绝缘导线缺陷进行检测,对检测方式及检测效果进行分析总结。结果表明,采用该技术手段能检出配电网架空绝缘导线局部电晕放电缺陷,可在配电网线路巡视作业中推广应用。后续可通过不断优化检测技术进一步提升配电网线路检测效率,为提升配电网供电可靠性提供支撑。     

基于深度学习的架空输电导线缺陷检测方法研究

无人机巡检图像中，架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题，为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络，结合迁移学习的思想，将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络，并且将VGG16在ImageNet数据集上训练的权重作为预训练权重，以增强训练效果；然后将网络中的普通卷积用深度可分离卷积代替，有效地减少了网络的参数量；最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA)，实现不降维的局部跨信道交互策略，突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上，对方法进行了功能与性能测试，实验结果表明所提方法在导线断股检测上的准确率达到89.81%，在表面擦痕检测上的准确率达到90.86%，在表面刮损检测上的准确率达到93.58%，平均交并比(mean intersection over union,MIoU)值为86.12%，单张检测速度相对于Unet网络提升了8倍左右，提高了...     

深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle, UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。     

利用导线搭设跨越架更换架空地线

2003年5月,合肥供电公司线路工区成功地对220kV洛东线(2788)0～39号段架空地线进行了更换。在施工过程中,为解决线路交叉跨越问题,利用导线搭设跨越架的非常规方法更换架空地线。该方法安全可靠,并且提高了施工效率。