结合聚合通道和复频域特征的防震锤检测算法

为了解决目前输电线路防震锤的检测采用数字图像处理的方法时,受到复杂背景的影响,导致防震锤检测精度偏低的问题,提出一种结合多尺度聚合通道特征(ACF)和复频域特征在图像复杂背景下防震锤的检测算法。首先,引入聚合通道特征,分别提取图像颜色特征、梯度幅值和梯度方向直方图特征金字塔,构建多尺度ACF;同时,使用多方向对偶树复小波变换(M-DTCWT)对图像进行多尺度多方向复频域变换,在分解得到的低频子带图像中提取图像的形状特征和纹理特征;然后,使用Relief-F算法将得到的ACF特征和复频域特征进行加权融合;最后,采用Adaboost分类器和非极大值抑制算法(NMS)实现图像中防震锤的检测。实验结果表明,该算法与传统提取图像的单特征识别方法相比,提高了在复杂背景下对防震锤检测的精度。     

基于组合特征和级联分类器的防震锤检测算法

提出一种高压输电线路上的防震锤检测识别算法,算法基于分块的Haar特征、基于区域的LBP特征以及HOG特征一起作为组合特征来检测防震锤。其主要分为5个步骤:预处理待检测图像;改进归一化互相关匹配算法并进行模板匹配,得到防震锤疑似区域样本集;提取防震锤疑似区域的组合特征;对防震锤疑似区域使用级联分类器进行多级分类;统计分类结果。实验结果表明,该算法具有较高的精确率、召回率和准确率。     

结合跨层特征融合与级联检测器的防震锤缺陷检测

目的 防震锤可以减少输电线路的周期性震动以降低线路的疲劳损害,定期对防震锤进行巡检非常必要。针对目前无人机巡检输电线路所得航拍图像背景复杂,而种类较多、形状各异以及特性不一的防震锤在航拍图像中占据像素面积很小,导致防震锤检测过程中出现的检测精度低、无法确定缺陷类型等问题,提出了一种结合跨层特征融合和级联检测器的防震锤缺陷检测方法。方法 本文使用无人机对防震锤部件巡检的航拍图像进行数据扩充建立防震锤缺陷检测数据集,并划分了4种缺陷类型,为研究提供了数据基础。首先,以VGG16（Visual GeometryGroup 16-layer network）为基础对1、3、5层特征进行特征融合得到特征图,平衡了语义信息和空间特征;其次,使用3个级联检测器对目标进行分类定位,减小了交并比（intersection over union,IoU）阈值对网络性能的影响;最后,将非极大值抑制法替换为Soft-NMS（soft non-maximum suppression）算法,去除边界框保留了最佳结果。结果 在自建数据集上验证网络模型对4种防震锤缺陷类型的检测效果,与现有基于深度学习的其他6种先进算法相比,本文算法的平均准确率比Fast R-CNN（fast region-based convolutional network）、Faster R-CNN、YOLOv4（you only look onceversion 4）分别提高了13.5%、3.4%、5.8%,比SSD300（single shot MultiBox detector 300）、YOLOv3、RetinaNet分别提高了9.5%、8.5%、8%。与Faster R-CNN相比,本文方法的误检率降低了5.61%,漏检率降低了3.01%。结论 本文提出的防震锤缺陷检测方法对不同背景、不同光照、不同角度、不同尺度、不同种类和不同缺陷种类的防震锤均有较好的检测结果,不但可以更好地提取防震锤的特征,而且还能提高分类和位置预测网络的定位精度,从而有效提高了防震锤缺陷检测算法的准确率,在满足防震锤巡检工作实际检测要求的同时还具有较好的鲁棒性和有效性。     

高压输电线路巡线机器人障碍物视觉检测识别研究

障碍物的检测识别与定位是高压输电线路自主巡线机器人中的关键技术之一.针对220 kV单分裂输电线路的结构特点,提出了一种基于视觉传感器的障碍物检测识别方法.首先,对采集的图像进行膨胀、腐蚀和高斯平滑等处理,以减少图像噪声;然后,利用Otsu算法对Canny算子进行改良来提取图像边缘,以减少光线变化带来的影响;最后,提取边缘图像中某些图形基元并施加结构约束,实现障碍物的检测识别.大量的试验研究表明,该方法能有效地检测识别高压输电线路的导线、防震锤、悬垂绝缘子和耐张绝缘子等结构物.     

基于卷积注意力的输电线路防震锤检测识别

为提高单目标多分类(Single Shot MultiBox Detector,SSD)网络模型对输电线防震锤的识别准确率,提出一种融合卷积注意力机制和SSD模型相结合的新方法。该算法采用残差网络ResNet作为骨干网络,引入卷积注意力机制将通道和空间注意力结合,通过压缩提取中间特征和利用权重系数更好地分辨出前景与背景,提高对输电线路中防震锤检测的精度和速度。训练时引入迁移学习策略,克服了模型训练困难问题。实验结果表明,提出的算法不仅提高了检测准确率,计算效率亦得到了提升。与经典SSD算法相比,输电线路的防震锤检测准确率提升了2.5%,检测速度达到了12fps识别效果明显提升,证明了新算法的有效性。     

基于语义分割和空间上下文信息的防震锤识别

针对目前输电线路中防震锤部件识别精确率低,缺陷无法诊断,未充分利用其空间上下文信息的问题,提出结合DeepLabV3+语义分割网络与防震锤的空间上下文关系对其进行识别与缺陷诊断;利用图像分块和数据集预处理提高DeepLabV3+网络分割精度,将防震锤与其周围部件分割出来后,建立其空间上下文关系缩小防震锤的识别范围,提高其识别精确率;实验结果表明,图像分块与预处理能够将DeepLabV3+网络的分割精度提升到93.4%以上,DeepLabV3+网络可以有效的识别正常防震锤与缺陷防震锤,识别召回率可以达到87%以上,建立防震锤与周围部件的空间上下文关系能够提高其识别精确率到90%以上。     

基于改进型DETR的输电线路防震锤检测

防震锤在输电线路中有着减少输电线因风产生摆动的作用，如不对风摆采取措施，可能会导致线路断裂，杆塔倒塌等事故。针对防震锤巡检状态效率低下的问题，提出了改进型DETR的防震锤检测方案。方案首次将基于transformer的目标检测模型DETR应用到防震锤检测中，通过e-fficientNet网络提取巡检图像特征，经过BiFPN网络将不同分辨率特征进行融合后，送入DETR中进行分析，达到了90.77%的检测精度，且具有一定的泛化能力。结果表明，上述模型能够有效检测出巡检图像中的防震锤，为后续故障诊断提供了理论依据。     

基于GrabCut的半交互式输电线路金具锈蚀图像分割方法

针对当前输电线路金具锈蚀检测的背景干扰问题,本文提出基于GrabCut的半交互式输电线路金具锈蚀图像分割方法。该方法首先对图像进行去噪处理,然后采用半交互式图像分割算法对图像进行自动分割,不仅能够减少背景对输电线路金具锈蚀检测的干扰,还能有效提高锈蚀检测的准确率。     

基于结构约束的架空输电线路巡线机器人障碍识别

巡线机器人沿相线行走时必须探测识别各种障碍，并根据障碍类型规划越障行为．针对220 kV架空输电线路的结构特点，利用视觉传感器，设计了基于结构约束的障碍识别算法．算法利用图像的边缘信息，采用改进的基于存在概率图的圆/椭圆检测方法和分层决策机制，以减少自然环境中光线变化和机器人运动对识别质量的影响，满足了巡线机器人的实时越障要求．实验室模拟线路和实际线路实验结果表明，算法能可靠地识别出复杂背景中的防震锤、悬垂线夹和耐张线夹等障碍物．     

基于快速边缘检测和Real Adaboost的行人检测

针对聚合通道特征(ACF)算法中行人外观轮廓不稳定导致检测率下降的问题,使用快速边缘检测检测出待检测图像的边缘图;用边缘图代替ACF算法图像通道中的梯度幅值通道,获取较稳定的行人轮廓信息;采用准确率较高的Real Adaboost分类器提高分类准确性.仿真实验结果表明:算法相对于原ACF算法误检窗口减少,检测精度提升,漏检率在INRIA,Caltech数据库上分别降低了5.1%和14.8%.