基于Faster RCNN变电设备红外图像缺陷识别方法

变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生。传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法。首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别。使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90. 61%,缺陷识别准确率达到81. 33%,实验结果表明本文方法的有效性和准确性。     

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。     

基于泛在物联网的多机编队智能自主巡检移动式机舱研制与应用

为提高输电线路智能化巡检水平,同时提升巡检工作效率,针对内蒙古地区输电线路运维跨度大、环境复杂、单向辐射半径长、人员到岗率低等问题,研制了基于泛在物联网的多机编队智能自主巡检移动式机舱。该机舱可搭载5架无人机编队自主多任务飞行,实现巡检数据全面采集、运行状态全面感知。采用广域/局域通信技术,实现边走边巡、异地起降;配置12位智能充电柜,实现远程操控寻址充电接力续航;配置GPS/RTK双模导航系统,通过采用前端识别+边缘计算+后端识别+深度学习技术,实现一键生成缺陷分析报告及智能巡检APP审批消缺功能。该移动式机舱在呼伦贝尔地区进行巡检应用,效果显著。     

基于旋转目标检测的变电设备红外图像电压致热型缺陷智能诊断方法

传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设备,计算同类设备温差;基于温差阈值法进行电压致热型缺陷诊断。使用现场采集红外图像进行训练和测试,结果表明:目标检测平均精度均值为90.65%,电压过热型缺陷识别准确率达到81.39%,误报率为9.62%,实验结果证明所提方法能够有效地从红外图像中自动识别电压致热型缺陷,可为实现机器巡检作业红外诊断智能化奠定基础。     

基于深度学习的输变电设备异常发热点红外图片目标检测方法

随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的Faster RCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。     

基于无人机与人工智能的风机叶片全自主巡检

风机叶片传统人工巡检工作强度大、耗时费力、检测主观性强、无法检测叶片内部缺陷。基于人工智能技术和深度学习算法,通过无人机搭载边缘计算终端、高清相机、热像仪等设备,研究无人机自主飞控算法和双光融合多类型混合缺陷检测定位算法,实现了15～30 min内完成风机叶片多类型混合内外部缺陷快速、高效和智能化检测。基于无人机与人工智能的风机叶片全自主巡检可弥补传统手段的不足,大幅度提高巡检效率,降低风场安全事故隐患。     

基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架（YOLOv2）网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断。输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平。     

无人机载多载荷输电线路巡检方法研究

为提高线路巡检效率、提高隐患目标识别准确度,针对目前无人机及有人机挂载激光雷达进行巡检的作业方式,本文提出激光雷达和可见光相机一体化应用的方法来提高巡检自动化程度、提高巡检精细度、作业效率及可靠性。首先,利用一次飞行同步采集巡检区域的激光点云数据和可见光影像数据,分别进行相应的预处理;然后,将点云数据和影像数据融合处理分析,实现输电线路隐患目标自动识别和精准定位。采用旋翼无人机实际巡检获取的输电线路激光点云数据和影像数据对该过程进行了验证,试验结果表明,基于无人机载多载荷的输电线路巡检具有较高的自动化程度和准确性,缺陷检测的水平距离误差为0.146 7 m,垂直距离误差为0.102 5 m,净空距离误差为0.1 57 5 m,精度优于当前输电线路巡检要求。     

基于四旋翼无人机的输电线路巡检系统研究

针对输电线路短途巡检的应用需求,解决常规巡检手段低效、安全、技术门槛等问题,以四旋翼无人机为载体,搭载影像采集设备进行航拍巡视,搜索、定位、采集线路缺陷和隐患的影像数据。根据线路杆塔坐标信息,预设航迹点实现自主飞行巡检;以设备回传的杆塔实时影像为操作指导,利用手动飞行模式实现线路关键部件的影像采集。该系统提升了线路状态管理、应急指挥的便利性,为输电线路的安全评估、灾前排查、事故预警、灾后抢修,乃至状态检修和全寿命周期管理提供全方位的信息支持。     

基于无人机多传感器数据采集的电力线路安全巡检及智能诊断

为满足电力线路应急处置和安全巡检业务的高效、自动化处理需求,设计研发了一套无人直升机多传感器电力线路安全巡检系统。首先,通过高精度同步授时与标定,统一机载紫外、红外、可见光以及激光传感器的时间、空间基准。其次,无人机通过机载多传感器同步采集输电线路的高精度3维激光点云、高分辨率航空影像、红外视频、紫外视频,进行多源数据的独立与融合处理,完成对线路通道的安全距离检测、线路设备异常发热及异常放电检测,实现对输电线路不同缺陷和隐患的智能诊断。最后输出标准诊断报表,以供现场勘察确认。为验证无人机多传感器巡检系统的功能,开展了实际带电运行线路巡检试验。巡检结果表明,无人机巡检系统对线路缺陷与隐患的检测结果与人工现场勘察结果一致。该系统能发现输电线路多种运行缺陷和安全隐患,为运行单位提供相应的检修维护决策依据,还能提供缺陷或隐患位置的可视化场景信息,方便人工辅助诊断和排查,提高输电线路巡检效率。     

基于机翼变形的新型电力巡线固定翼无人机的研制

针对目前输电线路巡检无人机不能兼具高速、低阻力、大航程全线快速普查,以及在故障疑似地段进行低速、低空精细巡查功能的问题,研制了一种可实现机翼变形的新型油动电力巡线固定翼无人机及输电线路巡检系统,以提高巡线效率。新型无人机以固定翼无人机为载体,携带影像采集设备进行航拍巡视,搜索、定位、采集线路缺陷和隐患的影像数据;根据线路杆塔的GPS坐标信息,预设航迹点进行全自主飞行巡检,并可实时显示机载影像;以实时传回的机载影像为操作指导,在线路的重点巡检地段进行无人机机翼变形,实现低速、低空精细巡查,飞行航时长达3 h,可用于开展地面起伏相对较小的山区、平原地区的日常巡线和大面积电力线路灾情的监控工作。     

变电站无人机自主巡检应用研究

目前随着电网规模的不断扩大,变电站数量与日俱增,站内高空设备因存在巡视盲区而导致其缺陷隐患十分隐蔽,此类缺陷所占比例日渐增高,给变电站安全稳定运行带来新的安全风险.而无人机具有飞行高度较高、视角广阔等特点,可以消除巡检死角,及时发现缺陷,因此进行变电站无人机巡检航线规划典型策略研究,通过建立变电站高精度激光点云模型,研究变电站巡检航线规划策略,自动生成变电站无人机巡检航线,并结合无人机飞行控制系统,完成一键起飞、自主巡航,定点拍摄、巡检图像回传等功能,实现变电站无人机自主巡检,提高巡检效率及安全性,为变电站安全运行保驾护航.     

基于深度学习的配电网线路设备缺陷智能检测

无人机配电线路巡检已经广泛开展应用,线路设备缺陷人工识别过程复杂、工作量较大等问题仍然存在。为了提高作业效率,根据无人机发展现状,对现有数据进行深入挖掘,利用标记系统对数据进行处理,再利用深度学习算法实现配电网无人机自动巡检、缺陷自动研判。该算法是基于残差双尺度检测器的巡检目标智能检测,优势在于可识别两种规格尺寸的目标对象,相比于传统的双阶段目标检测方案,其运行速度更快,更适合在终端资源受限设备中运行。目前该算法已达到95%的准确率。     

基于Faster R-CNN的绝缘子识别探索和应用

基于可见光图像的绝缘子识别是电网智能巡检设备识别的最重要的任务之一。电网智能巡检采集的图片存在着有效样本稀缺及场景多样性等问题,极大地限制了深度学习等技术在电网设备智能识别上的应用。本文基于深度学习对轻量级的多来源图像样本数据进行了绝缘子识别的探索和应用。首先,阐述了基于深度学习的目标识别算法发展过程,并着重介绍和对比了区域卷积神经网络(region-convolutional neural network,R-CNN)、快速区域卷积神经网络(fast region-convolutional neural network,Fast R-CNN)和更快区域卷积神经网络(faster region-convolutional neural netw ork,Faster R-CNN) 3种用于目标识别的深度学习模型。然后,通过对来源于不同场景的百量级绝缘子图像进行实验,验证了Faster R-CNN模型在百量级图像中和可用性和鲁棒性。本文的研究和实验为深度学习技术在电网各类设备图像目标识别上的推广和应用探索了一条有效路径。     

配电网架空线路无人机自主巡检技术分析

为提高雄安新区配电网架空线路运行可靠性,研究了无人机自主巡检技术,开发了配电网架空线路无人机智能巡检平台.针对水区、工地、农田等巡视人员难以到达的区域开展无人机自主巡检,采用基于关键坐标点的路径规划算法对配电网线路进行规划,保证无人机自主巡检的精确性.通过搭载高清摄像头、红外热像仪等提升无人机巡检感知能力,可及时发现异...     

基于深度学习的电网巡检图像缺陷检测与识别

无人机巡检已成为保证电网稳定运行的重要手段。针对巡检图像的自动化判读,提出基于深度学习的电网多部件缺陷检测与识别方法。将小样本缺陷检测问题分解为目标检测和分类两步。针对多目标部件的检测,提出基于最小凸集的损失函数以及预测框选择方法,两者结合YOLOv3框架可以实现多种部件的精准定位。之后,单类分类器在高维特征空间中进行小样本学习,判断目标部件是否故障。测试图像来自220 kV安徽宣枣4883线的巡检图像。实验结果表明,该方法对常见的电网故障识别率高于96%,漏报率低于2%,表明该方法能有效地进行电网的多部件缺陷检测与识别。未来结合边缘计算加速处理,可以实现无人机的在轨巡检。     

变电站无人机巡检系统研究与应用

针对传统变电站巡检存在巡视盲区、智能化水平低、效率较低、成本较高等问题,由于多旋翼无人机具有可靠性高、定点悬停、成本低、机动性强等优势,在户外变电站巡视中运用广泛,文中提出并研制了变电站无人机巡检系统。该系统集成应用3D建模技术、航线规划技术、高精度定位技术、图像识别技术,实现了无人机按航线自主巡视,自动判断设备温度异常,智能识别表计读数,及时发现设备的缺陷,提高变电站巡检效率,满足变电站智能化、精益化运维需求。     

基于改进YOLOv4及SR-GAN的绝缘子缺陷辨识研究

为了精准地识别无人机巡检图形中的小目标绝缘子及缺陷,本文提出了一种基于改进的深度学习目标检测网络(YOLOv4)的输电线路绝缘子缺陷检测方法.首先,通过无人机航拍及数据增强获得足够的绝缘子图像,构造绝缘子数据集.其次,利用绝缘子图像数据集训练YOLOv4网络,在训练过程中采用多阶段迁移学习策略和余弦退火学习率衰减法提高网络的训练速度和整体性能.最后,在测试过程中,对存在小目标的图像采用超分辨率生成网络,生成高质量的图像后再进行测试,以提高识别小目标的能力.实验结果表明,与Faster R-CNN和YOLOv3相比,所提算法在平均分类精度和每帧检测速率方面均有较大提升,性能表现优异.     

基于深度学习的输电线路视觉检测方法研究进展

输电线路巡检是电网持续稳定供电的保障,其目的是对电力线、绝缘子、电力杆塔、防振锤等线路设备进行状态检测和故障诊断,同时观测电力线周围潜在隐患。深度学习的发展为输电线路巡检提供了有效手段,与传统目标检测方法相比,深度学习方法能更有效地实现航拍图像中电力设备的识别及缺陷检测。该文综述近十年来基于深度学习的输电线路视觉检测方法的研究进展。首先,概述适用于输电线路巡检的深度卷积神经网络,包括分类网络、检测网络、语义分割网络,考虑到开发的深度学习网络模型便于在移动设备上应用,另外阐述轻量化网络;然后,重点阐述基于深度卷积神经网络的输电线路巡检图像数据目标检测;随后介绍7个电力设备数据集以及性能评价指标;最后,指出基于深度学习的输电线路巡检图像数据视觉检测方法目前存在的问题,并对进一步的工作进行展望。     

基于云雾边异构协同的无人机智慧巡检系统

针对现有输电线路无人机巡检系统数据处理平台计算能力较低、整合程度不高的问题,提出一种基于云雾边异构协同计算的新型无人机巡检系统。详细介绍系统架构、网络架构以及作业流程,同时将先进人工智能技术与无人机巡检具体功能有机融合,以航迹自主规划、多机多任务协同以及缺陷智能识别3种主要功能为例,给出基于人工智能技术的无人机巡检整体解决方案,全面提高无人机智能化水平与自主运行能力,提升输电线路巡检效率与质量,降低运维成本。