基于图像识别的无人机输电线路断股检测系统设计

针对传统的输电线路人工沿线巡检方式成本高、效率和安全性低等缺陷,基于图像识别技术,设计并开发了一套实时的无人机输电线路断股检测系统。该系统利用输电线路直线特征,使用Laplacian算子对输电线路进行边缘检测,经闭运算、二值化运算后得到光滑边缘;使用改进后的霍夫变换与区域种子点获取和生长提取无人机实时拍摄的输电线路图像;最终,根据输电线路的宽度变化判断是否存在断股缺陷。该系统实际使用效果良好,能够明确显示断股缺陷信息,并能为相关输电线路的断股缺陷检测技术提供参考。     

基于无人机的输电线路工程图像采集研究

输电线路一体化图像监拍装置易受到恶劣天气的影响,导致其采集到的图像不清晰.针对该问题,提出了基于无人机的输电线路工程图像采集方法.在组建并连接无人机工程图像采集装置的基础上,设置无人机航拍的航高、相片重叠度、航线等参数,通过调整参数达到最佳拍摄效果.通过天线接收传输数据,并利用倾斜摄影测量技术构建三维模型,获取图像像素...     

基于倾斜摄影技术的无人机电力巡检设计

随着电力输电线路的长度的不断增长,为了保证电力系统的运行安全,文中设计了一种基于倾斜摄影技术的无人机电力巡检系统。使用无人机搭载倾斜摄影相机采集输电线路及周边设备的图像信息,通过无人机无线传输将图像数据信息传输至地面站,再进行数据解析、分析及三维模型构建。从而完成输电线路故障的排查、安全隐患的排除,保障电力传输安全。此外,使用该倾斜摄影技术可以有效提高电力巡检判断的准确性。     

基于无人机技术的输电线路检测和故障定位方法

针对现有技术中输电线路检测故障系统图像处理效率低、故障定位误差大等诸多问题,提出了一种新的基于无人机技术的输电线路检测与故障定位方法。在无人机中应用单目摄像头获取输电线路的视觉图像,并将每个图像发送到地面工作站,使用纹理过滤和图像校正方法来解决图像处理中摄像镜头畸变和噪声直接干扰的问题,大大提高了输电线路故障检测的精度,该研究还在无人机中增加了卫星导航与惯性测量单元附加传感器,通过不同概率密度函数提高无人机空间定位估计,即使在黑夜与大雾天气中,也能够实现输电线路检测和故障定位。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。     

基于Matlab GUI的绝缘子缺陷检测系统

绝缘子在输电线路的电能输送任务中承担着重要作用,而依靠传统巡检的绝缘子检测方式存在主观性强、人工成本高等劣势。针对上述问题,基于Matlab GUI设计了一种对无人机采集绝缘子图像进行自动缺陷检测的系统。通过对图像进行边缘模糊、灰度化、全局腐蚀、形态学闭运算等处理,在初始图像中识别并定位绝缘子缺陷部分。实验结果表明,该系统对空间位置处于水平、垂直及倾斜的缺陷绝缘子识别准确率分别为80.0%、86.7%、86.7%,对实际运用具有一定价值。     

基于机器视觉的输电线路巡检路径三维自适应调度模型

为准确规划输电线路巡检路径,提出基于机器视觉的输电线路巡检路径三维自适应调度模型。以无人机群为飞行平台,采集并拼接目标巡检区域的输电线路图像;通过逐一构建杆塔、导地线及其他输电设备三维模型,获取整体输电线路三维模型;建立输电线路巡检路径智能规划模型,通过模糊状态寻优控制方法,规划无人机群巡检路线并寻找最优路线;引入码间干扰抑制法去除干扰因子,优化通信的连续性,实现输电线路巡检路径三维自适应调度。实验证明,该模型能合理地规划输电线路巡检路径,实现输电线路巡检路径三维自适应调度,同时可以输出全面、清晰的巡检图像。     

基于图像增强与CNN的输电线路破损绝缘子识别

输电线路是电力系统中电能传输的关键,近年来无人机技术和机器视觉的快速发展为电力线路绝缘子识别提供了便捷。基于无人机拍摄的输电线路破损绝缘子自动识别能有效降低人工巡检的成本和安全隐患。无人机拍摄的绝缘子图像存在目标相对背景较小、目标特征不明显、绝缘子破损区域较小识别难度大等困难。为降低上述影响,基于图像灰度均衡化和SRCNN超分辨率图像增强技术,设计了一种基于CNN的输电线路破损绝缘子识别算法,并在权威数据集上验证了所提算法的有效性。     

基于改进像素聚类算法的输电线路冰区识别方法

为了提高输电线路的防灾减灾能力,特别是防治冰雪灾害的能力,需要进行输电线路冰区自动识别方法和系统设计,提出基于改进像素聚类算法的输电线路冰区识别方法。对气象卫星遥感监测采集的输电线路覆盖区域的遥感图像进行图像处理,提取图像中的冰覆盖像素特征点,结合边缘轮廓检测方法进行输电线路覆盖区域的冰区边缘轮廓检测,对冰区覆盖区域的像素特征进行模糊C均值聚类处理,实现区域分割识别。仿真结果表明,采用该方法进行输电线路冰区识别的准确率较高,视觉直观效果较好,便于指导施工抢修人员进行现场排除和巡线检修。     

论基于地理信息的输电线路无人机巡检系统

输电线路无人机巡检系统可以远程操作、实时监控、记录信息等,能力远远超过人工,不仅能够实现输电线路巡检的精益化,综合地理信息技术、传感器等工具,还能以超高效率开展巡检活动.因为电力线路巡检系统与地理信息技术密切相关,所以本文主要探讨基于卫星地理信息系统,应用无人机开展输电线路航线规划、精益化采集线路可见光及红外影响巡检记录、形成基于卫星地图的输电线路缺陷及风险点分布图、应用多平台地理风险分布图指导输电运维人员开展差异化运维及精准检修等主要组成的巡检系统.又以大篇幅介绍其组成部分,希望对无人机输电线路巡检方面提供一些帮助.     

基于无人机的输电线路设备识别方法研究

利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一,其优点是在无需拉闸断电的情况下,即可对输电线路进行检测,对其故障进行判别。根据输电线路设备的特征,应用图像处理与模式识别技术,提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理,然后提取预处理后图像的小波特征值,最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明,所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标,具有较好的鲁棒性和准确性。     

基于图像处理的在线监测输电线断股垂落高度研究

为了保证输电线路的正常运行,及时对输电线断股的检测具有重要意义,本文将图像处理技术应用到在线监测输电线断股故障中,通过对采集的输电线图像进行去噪、阈值分割和边缘提取获取输电线边缘轮廓,然后建立数学模型进行分析,最后计算出断股线上边缘与输电线下边缘的最大垂直距离。试验结果表明,该方法操作方便、误差较小,可为输电线路检修提供宝贵的数据依据。     

基于深度卷积神经网络的输电线路可见光图像目标检测

为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。     

一种基于视觉显著性分析的输电线路异物检测方法

在智能输电线路综合监测系统中,基于航拍获得的视频图像进行故障的自动检测,具有安全可靠、不受地域影响、成本低以及高效快捷的优势.输电线路上悬挂的异物不仅影响线路的正常供电,还会危及电力线下的行人与车辆安全,严重时会造成片区大面积停电.本文提出一种基于视觉显著性分析的输电线路异物检测方法,通过分析直升机巡检过程拍摄到的图片,在事先检测到的输电线路兴趣区域内根据人眼感知特性来计算视觉显著图,然后通过视觉显著度对颜色、形状或空间分布等特性对异物区域实现统一定位.该方法可及时地对输电线路上的异物进行自动识别,从而降低工作强度和提高工作效率.文中的实验结果表明,该方法具有实时性好、准确度高、抗干扰能力强的优势.     

图像处理技术在无人机电力线路巡检中的应用

高效、安全的无人机电力巡线已经成为了高压输电线路巡检的一种重要的方式。通过对无人机航拍采集到的通道图像进行分析与处理,我们可以发现线路部件是否出现缺陷。图像处理技术可以突破处理海量图像的技术瓶颈,替代人工观察检测图像,降低了因为人为导致的误检率,在无人机电力巡检中具有良好的应用前景。本文阐述了国内外无人机电力巡线中图像处理技术的研究现状,分析了图像处理在电力巡检中的典型干扰因素,并探讨了图像处理在电力巡检中的应用。     

基于图像拼接和帧间差分输电线路图像分割方法

针对无人机载红外摄像仪拍摄的输电线路红外图像易于受背景信息干扰且不易于分割出输电线信息,提出了一种基于图像拼接和帧间差分相结合的算法,来实现输电线分割定位信息。采用基于SIFT的图像配准算法来实现图像拼接,再将得到的两幅图像的重合部分进行帧间差分,初步实现了输电线的分割;采用Canny算法,对分割得到的输电线进行边缘检测,采用霍夫变换检测出分割出来的输电线,最终对输电线定位。     

基于级联网络的输电线路螺栓故障检测

针对输电线路无人机巡检图像中螺栓尺寸小且特征不明显等特点而导致故障螺栓检测精度低、检测速度慢等问题,提出一种NanoDet-YOLOv5-GN级联网络检测系统。其系统整体采用分级检测原则,采用NanoDet网络对巡检图像进行处理、定位,并分割螺栓连接部位,增大螺栓在整体图像中的占比;使用改进的YOLOv5-GN网络对缺陷螺栓进行检测。在改进的YOLOv5-GN网络中,在backbone部分嵌入了CBAM注意力模块,在neck部分引入了gnConv重构颈部网络,在head层新增小目标检测层,强化模型对于小目标特征的提取能力。并采用800幅线路无人机巡检缺销螺栓图像对其进行实验验证和测试,结果表明,所提级联网络检测系统的准确率为94.5%,召回率为91.4%,mAP为76.1%,其检测速度达到平均25.2帧/秒,能够较好地满足无人机巡检速度与精度上的要求。     

无人机激光雷达技术在高压输电线路三维设计中的应用

高压输电线路跨度较大,并且沿线地理条件复杂,给设计工作增加了难度.无人机(Unmanned Aerial Vehicle,UAV)在工程测绘、电力巡检等方面应用广泛,利用无人机搭载激光雷达,对高压输电线路的沿线地理信息进行采集,并使用特定的软件利用采集数据制作三维图,可以为设计人员直观了解输电线路沿线情况和优化设计方案提供必要的支持.基于此,以某220 kV高压输电线路为例,概述无人机校验方案和航线方案的设计内容、激光点云数据处理以及DEM、DOM的生成方法,从工程路径与排位优化方面,总结利用无人机激光雷达技术优化高压输电线路设计的效果,为后续工程施工提供支持.     

基于无人机图像的输电线自动提取技术

对输电线路的检测能够确保电网的安全运行,利用无人机图像实现输电线准确、快速的提取是实现电力巡检的前提。本文提出了一种基于无人机图像的输电线自动提取方法,能够从复杂的背景图像中完成输电线的有效识别。首先,采用Ratio算子提取出电力线像素,并结合Hough变换对直线段进行检测;然后,根据输电线路几何特征设计了完整输电线合成算法。由无人机图像试验可知,本文所提出的输电线自动提取方法能够有效排除复杂背景信息的干扰,实现输电线位置的准确识别。     

融合LSD算法与Hough变换的航拍输电线路图像杆塔自动识别方法

对输电线路的巡检能够确保电网的安全运行,利用无人机图像准确快速地实现架空线路及走廊的三维建模是推进智能电网建设的有效措施。考虑当前三维建模方法均未对线路杆塔进行有效建模,因此,本文提出了一种基于无人机图像的杆塔自动提取方法,能够从复杂的背景图像中完成对线路杆塔的有效识别。首先,采用RGB阈值对线路杆塔进行粗提取,并结合连通域对图像背景进行去除;然后通过LSD(Line Segment Detector)直线检测算法对杆塔进行直线分割检测和交运算;最后结合Hough变换对直线段进行编组,根据线路杆塔几何特征设计了杆塔提取算法。由无人机图像试验可知,本文所提出的线路杆塔自动提取方法能够有效排除图像复杂背景信息的干扰,实现线路杆塔的准确识别。     

基于ＵＡＶ的输电线路周围植被管理分析

输电线路周围树枝触碰线路会导致大面积停电,因此,有必要对输电线路周围植被进行方便有效管理。为了实现输电线路周围植被简单高效管理,提出了一种基于无人机（unmanned aerial vehicles, UAV）测量技术的管理方法,通过无人机从输电线路正上方以外的位置和远离输电线路的位置获取图像,来得到不同时间下输电线路数据和传输设备信息,对输电线周围植被进行时间序列管理,通过国网提供的关于塔架位置和结构以及电力线垂度的信息,将弧垂信息与塔架的位置信息相结合来估计输电线路的位置,采用的输电线路与植被间距测量方法无需对场景进行全面3D重构,所提方法通过3个实验验证了有效性,所得结论有助于提高输电线路的巡检效率。