基于局部上下文信息的电力线提取算法

从无人机采集的具有复杂背景的可见光航拍图像中准确提取电力线是极具挑战的任务,因而提出了一种新的基于局部上下文信息的检测算子(detector based on local context information, DLCI)。首先,基于电力线在航拍图像中局部特殊的语义特征设计具有空间对称结构的DLCI算子,并分别定义特征同质性能量函数H_1和特征异质性能量函数H_2,利用H_1和H_2实现对电力线像素点的初步筛选。然后,定义电力线空间局部一致性响应函数H_3实现对电力线像素的提取。最后,采用基于包络线分段拟合(envelope-based piecewise fitting, EPF)算法实现对电力线的拟合。实验结果表明,所提算法在多种航拍场景下均能实现对电力线的准确提取,不仅兼顾建模简单和相对高精度的优点,而且具备一定程度的算法稳定性,具有较高的工程应用价值。     

复杂地物背景下的无人机激光雷达电力线提取方法

在提取电力线的过程中,为了有效控制雷达功耗,改善原有方法中过大功耗对设备的负面影响,基于复杂地物背景设计了新的无人机激光雷达电力线提取方法。设计雷达定位电力走廊区域范围,计算连接相线缓冲宽度平稳无人机功耗,预处理无人机激光雷达航拍图像区分主要目标,滤波去噪降低边缘宽度提取电力线,完成复杂地物背景下的无人机激光雷达电力线提取方法设计。实验结果表明,在对大面积激光点图像的电力线提取过程中,该方法能将无人机激光雷达功耗控制在有效范围内,相比传统方法能提取更多电力线点云数量,具有广阔的应用前景。     

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。     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。     

基于航拍图像的绝缘子表面状态检测

绝缘子是输电线路上的重要设备,其运行状况直接影响到电网的安全运行,对绝缘子表面状态的监测是十分重要且必要的。本文提出一种基于航拍可见光图像的绝缘子表面状态检测方法,通过建立模糊综合评判数学模型,确定绝缘子的污秽程度和表面是否有裂纹,将来可以应用于对航拍图像的分析。     

基于R-FCN的航拍巡检图像目标检测方法

航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广泛关注。提出了一种利用基于区域的全卷积网络(R-FCN)的航拍巡检图像目标检测方法,并利用在线困难样本挖掘(OHEM)、样本优化、软性非极大值抑制(Soft-NMS)等改进方法进行优化。实验证明,所提方法具有目标定位准确、平均准确率高、单模型可同时检测目标种类多等特点。     

基于地理信息的电力线全景图像信息融合方法

提出一种基于地理信息的电力线全景图像拼接方法。首先利用自动巡检机器人同步采集电力线的可见光图像和红外图像,采用尺度不变特征变换(SIFT)特征匹配算法分别拼接成全景图。其中红外全景图用于电力线的故障检测,可见光全景图对故障作进一步的可视化辅助检测,实现了故障信息、GPS信息和全景图像的融合,能够较精确地确定故障处的实际地理位置,提高了对电力线的维修效率。     

基于Yolo v5与Grabcut的架空线路绝缘子可见光图像自动识别与分割方法

准确识别与分割绝缘子图像是架空线路绝缘子状态感知与缺陷诊断的重要前提。针对绝缘子的可见光图像提出了结合深度学习Yolo (You only look once) v5模型与图论分割Grabcut算法的两阶段图像识别与分割方法。首先采集图像建立数据集并训练Yolo v5,实现绝缘子的识别,然后用识别框坐标确定感兴趣区域,预判前景和背景,基于Grabcut算法实现绝缘子的自适应分割。根据该方法识别与分割架空线路绝缘子的在线监测可见光图像,结果表明,该方法无需分割标注或人工交互,可以高效准确地定位复杂背景下绝缘子的边缘并分割绝缘子,极大地提高绝缘子图像的分析效率。     

基于SIFT的电力设备红外/可见光图像配准方法

提出了一种红外与可见光图像的配准方法,该方法将SIFT(Scale Invariant Feature Transform)特征应用于两者自动配准的特征匹配,SIFT特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。实验表明,该方法具有稳定、可靠、快速等特点。     

基于拉普拉斯分解耦合亮度调节的可见光与红外图像融合算法

为了解决当前较多可见光与红外图像融合方法的融合结果中的目标信息不突出等问题,引入拉普拉斯分解机制,采用 图像的亮度特征来融合可见光与红外图像。 借助拉普拉斯分解方法,对输入图像进行分层,求取不同的图层信息。 并利用图像 的均值特征,计算图像的亮度信息,对低频图层的融合权值进行自适应调整,从而得到一个目标信息完整度较高的融合低频图 层。 基于图像的空间频率特征,对高频图层所含的细节丰富度进行评估,以获取一个细节丰富的融合高频图层。 再利用拉普拉 斯逆分解方法,对低、高频图层完成融合。 实验数据显示,较已有的融合算法而言,所提算法的融合结果更能突出目标信息,具 备更为丰富的细节特征。     

基于注意力密集网络的伪彩色红外与 可见光图像融合

针对现有红外与可见光图像融合算法中存在融合图像的纹理细节不清晰,红外信息和纹理细节的显示不平衡等问 题,提出了一种基于注意力密集网络的伪彩色红外与可见光图像融合方法。首先对灰度的红外图像进行伪彩色处理再与彩 色的可见光图像组成多通道数据输入融合网络。其次,设计了一种由卷积层和带有注意力模块的密集连接块组成的生成器 网络结构,关注源图像的关键信息,增强网络提取源图像信息的能力。最后,利用红外像素、可见光像素、可见光梯度和红外 梯度构建内容损失函数,以保持融合图像中红外目标和纹理细节的平衡。与5种具有代表性的融合方法进行定性和定量比 较。结果表明,该方法所获得融合图像的峰值信噪比、信息熵、平均梯度和互信息取得最优值,分别为31.6841、6.5581、 6.0096、3.0960。定量以及定性结果证明所提融合方法使融合图像具有更为丰富的纹理细节以及良好的视觉效果。     

基于深层次多分类生成对抗网络的红外与可见光图像融合方法

为了实现红外和可见光图像信息的良好平衡,本文利用生成对抗网络技术,提出了一种深层次多分类的生成对抗网络红外与可见光图像融合方法。该方法将主辅思想引入到生成器的梯度和强度信息提取中,并提高了生成器卷积层的深度及浅层网络信息提取能力。在鉴别器中使用多分类器同时估计可见光和红外区域的分布。经过连续的对峙学习,使融合结果中具有显著的对比度和丰富的纹理细节信息。实验获得的信息熵及香农熵值为6.86、互信息值为13.72、标准差值为34.82、结构相似性值为0.71。对比实验结果表明,在主客观评价中,本文提出的方法获得更好的红外与可见光图像融合性能。     

基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配准中的关系;基于此原理提出了一种红外与可见光图像配准方法.实验结果表明该方法可取得良好的配准效果,同时也验证了该配准原理的正确性和方法的先进性.     

基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配...     

一种基于可见光巡检图像的杂草智能识别方法

目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特征,和改进的图像分类网络连接在一起,得到最终的卷积神经网络模型。实验表明其准确率可以达到97.98%,检测一幅600×600大小图像需要花费的平均时间约为0.256 s,在保证了准确率的同时达到了高效识别的要求。     

基于智能监测终端的可见光与红外图像配准融合方法

针对可见光图像与红外图像分辨率差异大和色彩差异大的问题,提出一种基于亚像素优化和局部强度特征不变描述的可见光和红外图像配准算法,从有限离散剪切波变换、迭代配准以及配准点领域亚像素优化方面对新方法进行分析,并通过实际应用证明新方法可以实现可见光与红外图像准确配准与融合分析,快速准确地定位设备过热点。     

基于电机状态反馈的电力巡检无人机故障诊断

无人机(UAV)故障时的安全飞行能力是制约其在电力巡检应用中快速发展的重要因素,而其故障主要发生在电机,因此对电机的故障诊断和故障下的容错控制是UAV安全性的重要组成部分。传统的基于观测器的故障诊断方法无法第一时间感知电机故障,只能通过UAV姿态的变化来判断故障发生。针对上述问题,提出了一种基于电机状态反馈的故障诊断方法,通过构建基于EtherCAT的UAV通信平台,使得电机的状态数据可以实时反馈。同时建立转速的状态残差模型对UAV的电机故障进行快速检测和精准估计。实验验证了所提方法的快速性和准确性。