一种无人机图像的铁塔上鸟巢检测方法

由于鸟巢造成的输电线路跳闸事件频频发生,已严重威胁到国家电网的安全运行,为了降低复杂背景的影响,提出了一种自动检测铁塔上鸟巢的方法,首先识别巡检图像上铁塔所在区域,考虑到铁塔是由不同方向的线材构成的空间图像,将巡检图像分块并分析不同方向的线段密度,判决是否属于铁塔区域,将检测的分块铁塔区域聚类,进而识别铁塔区域。在铁塔区域内,搜索符合鸟巢样本的HSV颜色特征量的连通区域,作为候选的鸟巢区域,分析候选鸟巢区域的形状特征参数,描述鸟巢粗糙度的灰度方差特征量,描述鸟巢纹理的惯性矩特征量,通过对无人机巡检采集的输电线路图像的测试,验证了这种方法能有效排除背景的干扰,有效检测出铁塔上的鸟巢。     

基于MATLAB的绝缘子自爆缺陷检测系统

针对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在输电线路巡检中所采集到的有关绝缘子串的图像,研究基于MATLAB图像处理的绝缘子自爆缺陷检测与判定...     

面向改进尺度缩放网络的绝缘子识别

目的 在电力系统中，准确地识别绝缘子目标是保障输电线路正常运行的重要前提。针对传统方法无法自动提取绝缘子特征，以及深度学习网络提取绝缘子语义信息不足的问题，提出了一种基于改进多尺度网络的绝缘子识别模型，同时满足自动识别和增强语义信息的要求。方法 改进工作主要分为3部分，首先，采用特征融合的方法，增强特征提取网络生成的特征图的语义信息；其次，特征提取后，为了避免经过多次卷积、池化操作，较小尺度绝缘子语义信息损失严重，因此，扩大网络中的小尺度特征图，进一步丰富较小尺度绝缘子的语义信息；最后，为了更好地识别尺度差异较大的绝缘子，改进锚点框的参数。完成改进工作后，通过边框回归得到绝缘子的准确位置信息，最终识别出绝缘子。结果 实验数据集由复合、玻璃和陶瓷3种材质的绝缘子构成，共有4 350幅图像。在实验数据集上进行识别，实验结果与3种不同结构的多尺度网络模型相比，模型结构最优，识别准确率为96.28%，与传统的Faster RCNN（faster region convolutional neural network）、改进的Faster RCNN等方法相比，识别准确率提高了1.98%~11.99%不等。结论 本文提出的改进模型使绝缘子识别准确率显著提高，为之后的输电线路检测工作夯实基础。     

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。     

基于双模型的输电线绝缘子自爆检测算法

针对输电线路无人机巡检图像中绝缘子自爆缺陷目标小而难以精准检测的问题,提出一种基于Faster R-CNN和改进的YOLO v3级联双模型的绝缘子自爆缺陷检测算法。首先,利用无人机巡检图像构建绝缘子串缺陷数据集,并对训练图像样本进行翻转预处理,增加样本数量,提高模型泛化能力,避免过拟合;然后,利用Faster R-CNN检测图像中的绝缘子串,再将检测到的绝缘子串图像送入改进的YOLO v3网络进行自爆缺陷的定位。改进的YOLO v3网络是在YOLO v3基础上借鉴FPN的思想,增加特征提取层并进行特征融合,充分利用深层特征和浅层特征;同时采用CIoU Loss函数作为损失函数,以解决边界框宽高比尺度信息。实验结果表明,本文算法在所构建的绝缘子缺陷数据集上的检测准确率达到91.2%,相比Faster R-CNN或YOLO v3等单模型检测算法提升了3.31个百分点以上,能有效实现无人机巡检中绝缘子自爆缺陷的检测,为输电线路智能化巡检故障诊断提供方法支持。     

基于聚类分析和Adaboost算法的绝缘子串识别

绝缘子串作为输电线路中最重要的基础设施之一,对其准确识别是实现运行状态监测与故障诊断的重要前提.为了提高绝缘子串识别的准确率,提出一种基于平聚类分析和Adaboost的绝缘子串识别方法.首先,利用LSD线段检测提取图像中的线段;然后,统计所有线段的长度、方向及中心点位置,通过聚类分析检测平行线段,初步确定绝缘子串区域;最后,提取初定位区域的不变矩特征,运用训练的Adaboost分类器进行进一步识别.实验中,绝缘子串在平均耗时0.23s的基础下识别准确率达到91.5％.结果表明,所提方法具有较好的识别准确率和快速性.     

基于无人机载多载荷的输电线路巡检方法研究检测

无人机进行电力线路巡检的作业模式在南方电网已经开展了一些示范验证并获得一定的推广应用,目前的巡检方式多为无人机或有人机挂载激光雷达进行巡检。为提高线路巡检效率、提高隐患目标识别准确度,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、提高作业效率及可靠性。首先针对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,在对采集的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,缺陷识别检测的水平距离误差为0.1467米,缺陷识别的垂直距离误差为 0.1025米,缺陷识别的净空距离误差为0.1575米,识别检测效果良好,对输电线路巡检具有重要的意义。     

融合先验信息和特征约束的杆塔螺栓缺陷检测

目的 螺栓是输电线路中数量最多的紧固件,一旦出现缺陷就会影响电力系统的稳定运行。针对螺栓缺陷自动检测中存在的类内多样性和类间相似性挑战,提出了一种融合先验信息和特征约束的Faster R-CNN（fasterregions with convolutional neural network）模型训练方法。方法 在航拍巡检图像预处理阶段,设计了基于先验信息的感兴趣区域提取算法,能够提取被识别目标的上下文区域,从而减少模型训练阶段的数据量,帮助模型在训练阶段关注重点区域,提高其特征提取能力。在模型训练阶段,首先通过费舍尔损失约束Faster R-CNN模型的输出特征生成,使样本特征具有较小的类内距离和较大的类间间隔;然后采用K近邻算法处理样本特征得到K近邻概率,将其作为难易样本的指示以引导模型后续更加关注难样本。结果 在真实航拍巡检图像构建的螺栓数据集上进行测试,与基线模型相比,本文模型使螺栓识别的平均精度均值（mean average precision,mAP）提高了6.4%,其中正常螺栓识别的平均精度（average precision,AP）提高了0.9%,缺陷螺栓识别的平均精度提高了12%。结论 提出的融合先验信息和特征约束的输电杆塔螺栓缺陷检测方法在缺陷螺栓识别上获得了良好的效果,为实现输电线路螺栓缺陷的自动检测奠定了良好的基础。     

基于周期性结构特征的绝缘子掉片检测算法

由于受强电场、机械应力、污秽、温度以及湿度等影响,绝缘子经常出现内部裂缝、表面破损、绝缘阻抗降低及污闪等现象,进而造成电网停电事故,自动地检测绝缘子缺陷对保障电力网络的安全运行具有重要的意义。本文根据绝缘子相邻伞裙间距的不变性特点,提出一种绝缘子的掉片检测算法,首先,采用基于直方图的自适应分割方法,提取绝缘子区域图像,并进行水平倾斜校正,然后,利用灰度归一化相关匹配方法,估计绝缘子几何结构的周期性参数,最后,利用灰度归一化相关匹配方法,检测绝缘子掉片位置。针对无人机巡检的809张缺陷绝缘子数据集,绝缘子掉片检测的准确率和召回率分别达到95.8%和91.9%。与现有的方法相比,其优点是不需要事先利用大样本进行统计学习,对尺度、旋转、光照、背景以及绝缘子种类的变化均具有很强的适应性。     

基于YOLOv5算法的无人机巡检电网绝缘子识别研究

由于常规电网绝缘子识别方法不能有效提高识别效率,导致难以适应高质量的运维需求,研究基于YOLOv5算法的无人机（Unmanned Aerial Vehicle,UAV）巡检电网绝缘子识别方法。通过电网无人机巡检勘查,结合绝缘子数据集特点对无人机航拍图片进行训练,采取YOLOv5算法准确识别电网绝缘子。实验结果表明,在无人机航拍图像处理并输入网络运算后,基于YOLOv5算法得到的电网绝缘子识别准确率最高,验证了基于YOLOv5算法的无人机巡检电网绝缘子的准确识别能力。     

基于数字图像处理的输电线路状态智能识别技术

针对智能电网建设对输电线路状态远程监测的需求,提出了基于数字图像处理和人工神经元网络识别的智能判别方法:综合使用灰度变化、直方图修正、小波包去噪以及边缘提取算法等对线路的远程状态图像进行处理,使线路特征更加突出;通过将图像分割后分别提取线路设备边缘特征分布作为特征量,实现了具有良好适用性的特征提取方法;最后构建了三层BP人工神经元网络对典型的线路状态进行训练识别。针对绝缘子串。     

几何特性二元关系的直线匹配

目的 针对直线编组匹配方法数据处理量大、耗时长,且易受阈值选择变化影响,提出一种几何特性二元关系的直线匹配算法。方法 利用线段二元关系计算出参考线段对与待匹配线段对的局部相似度,并用阈值对局部相似度进行初步过滤,然后采用分步笛卡儿积运算、逐步过滤递推得到候选线段集,最后在计算出所有候选线段集的全局相似度的基础上,综合考虑局部相似度和全局相似度得到最终的匹配结果。结果 该算法具有良好的旋转、缩放和平移不变性,对直线的端点和长度变化不敏感,且阈值选择对匹配结果影响小,具有较好的鲁棒性,同时充分考虑直线方向问题,提高了匹配的准确率。结论 通过算法分析和实验结果分析,证明了该算法的合理性、高效性和可靠性。     

多重约束条件下的LBD描述子与直线段匹配

目的 针对直线描述子匹配算法缺乏有效的几何约束,且易受弱纹理、尺度变化的影响,提出一种结合多重约束条件的LBD描述子的直线段匹配算法（LBDs）。方法 该算法以LSD算法提取的直线段作为匹配基元,利用SIFT匹配得到的同名点构建同名三角网约束确定候选直线;参考影像上以目标直线段为中心轴建立该直线段的矩形支撑域;根据目标直线段端点及其支撑域四角点在搜索影像上的核线约束建立候选直线段的对应支撑域;利用仿射变换统一目标直线段及候选直线段支撑域的大小;将直线段支撑域分解为大小相等的条形带,通过计算每个条形带的描述符得到该直线段的描述子,依次完成目标直线段与候选直线段LBD描述子的构建;分别计算目标直线段与每个候选直线段描述子向量间的欧氏距离,将满足最近邻距离比准则的候选直线段作为匹配结果;最后选取角度约束对匹配结果检核,确定同名直线。结果 实验选取网上公开的3组分别存在角度、旋转、尺度变换的近景影像对作为实验数据,采用LBDs分别对其进行直线段匹配实验,并与其他直线段匹配算法进行对比分析,实验结果表明,LBDs获取同名直线数目约为其他算法的1.061.41倍,匹配正确率也提高了2.411.6个百分点,从匹配效率上来看,LBDs更为耗时,但兼顾该算法匹配获得同名直线数目、匹配正确率及运行时间,LBDs的鲁棒性更强,匹配结果的准确性与可靠性较高。结论 结合多重约束条件构建的LBD描述子对于存在角度、旋转和尺度变化的影像进行直线匹配过程中具有稳定性。     

可变形NTS-Net的螺栓属性多标签分类

目的 螺栓是确保输电线路安全牢靠的基石,螺栓缺销、松动和锈蚀等缺陷是造成输电线路损坏甚至重大事故的重要原因之一。本文针对螺栓缺陷存在视觉不可分的问题,提出了一种改进NTS-Net（navigator-teacher-scrutinizer network）的螺栓属性多标签分类方法。方法 为了增强模型对不规则轮廓的处理能力,采用可变形卷积的ResNet-50网络作为特征提取网络从原图中提取全局特征。利用NTS-Net学习得到图像信息量最大的判别性局部区域。为了考虑不同局部特征对不同属性标签的不同影响,在局部特征与全局特征融合时引入通道注意力机制,提取特征的通道权重,获取关键通道特征以改善多标签分类效果。结果 实验结果表明,本文在螺栓多属性分类数据集上的平均分类精确率为84.5%,比采用传统的多标签分类精确率提升了10%~20%。结论 本文通过可变形卷积提升网络的特征提取能力以及引入通道注意力机制实现了对NTS-Net提供的局部特征的高效利用,为解决螺栓多属性分类中存在的问题提供了一种新的思路。     

基于隔级交叉特征融合的输电线螺栓缺销检测

目的 螺栓销钉是输电线路中至关重要的连接部件,螺栓的销钉缺失会导致输电线路中关键部件解体,甚至造成大规模停电事故。螺栓缺销检测属于小目标检测问题,由于其尺寸较小且背景复杂,现有的目标检测算法针对螺栓缺销的检测效果较差。为了提升输电线路中螺栓缺销的检测效果,本文以SSD(single shot multibox detector)算法为基础,提出了基于隔级交叉自适应特征融合的输电线路螺栓缺销检测方法。方法 在建立了螺栓缺销故障检测数据集后,首先在SSD网络中加入隔级交叉特征金字塔结构,增强特征图的视觉信息和语义信息;其次,引入自适应特征融合机制进行特征图二次融合,不同尺度的特征图以自适应学习到的权重进行加权特征融合,有效提升螺栓缺销的检测效果;最后,对原始的SSD网络中的先验框尺寸进行调整,使其大小和长宽比更加适合螺栓目标。结果 实验结果表明,本文方法在正常螺栓类的检测精度达到87.93%,螺栓缺销类的检测精度达到89.15%。与原始的SSD网络相比,检测精度分别提升了2.71%和3.99%。结论 本文方法针对螺栓缺销故障的检测精度较高,较原始SSD网络的检测精度有明显提升,与其他方法相...     

冰风荷载作用下架空线路脱冰跳跃风险评估方法

本文提出了一种用于评估架空线路在冰风荷载作用下脱冰风险的方法。通过仿真获取不同脱冰模式下的竖向冰跳高度、横向摆幅和端部动态张力的变化数据。进而计算输电线路相间最小间隙、冲击倍数、悬垂线夹最大不平衡张力及耐张绝缘子串的安全系数。结合这些参数,定量分析了放电、断线、线夹损害和绝缘子串损坏的风险,并输出了综合风险评估。此外,本研究引入阶跃函数来模拟脱冰和风荷载,提出了计算脱冰线路最小相间隙的新方法。以中国南方某110kV架空线路为例,验证了该方法的有效性。结果显示,C相导线脱冰导致张力大幅下降,竖向跳跃高度和横向摆幅分别达1.84m和11.6m,耐张串和悬垂线夹的不平衡张力分别高达44kN和85kN,暴露出电气和力学方面的风险。该评估与实际事故相符,证明了方法的准确性。     

局部显著特征下的光学遥感图像舷靠舰船检测

目的 在光学遥感图像中,针对舷靠舰船灰度和纹理特征与港口相近,传统方法检测效果不理想的问题,提出一种基于局部显著特征的舷靠舰船检测方法。方法 首先,对原始图像预处理得到海陆分割后的二值图像;然后,提取二值图像中的直线段作为局部显著特征检测舰船目标;再将直线段提取结果与舰首检测相结合,建立舷靠舰船检测模型;最后,通过计算舰船几何尺寸及环境信息分析确定舰船目标。结果 在两幅不同场景的光学遥感图像中验证本文方法并与其他算法进行对比,本文方法识别率可达100%,且不存在误检和漏检情况,相比于其他算法具有一定优势。在舰船背景复杂或停泊朝向不定时,文中方法可有效判别舰船停靠方向并对舰船目标进行正确标记。结论 在复杂背景环境及其他干扰下,应用本文方法检测舷靠舰船目标准确率高,鲁棒性强,具有较高适应性。