共查询到18条相似文献,搜索用时 687 毫秒
1.
无人机自主巡检目前成为光伏电站巡检的主要手段,但它在自主巡检过程中存在两个主要问题:一是自身定位系统误差导致无人机难以按照设定好的路线采集到高质量图像;二是无人机在缺乏电站安装的先验信息情况下,对周边环境识别不准确。无人机在光伏电站巡检中的应用以采集高质量图像为目的,故而在执行任务中需要通过图像处理的反馈来及时调整无人机的位置与姿态,才能够确保定位精准。本研究将利用机器视觉的方法尝试解决图像中的光伏板与无人机相对位置和姿态的问题,以期实现无人机在巡检过程中的动态定位。 相似文献
2.
面对当前使用的人巡和机巡方法缺少对光伏电站周围环境分析,使电力线巡检数据评估结果与实际结果不一致,导致智能巡检结果不精准的问题,设计了基于激光雷达点云数据的光伏电站智能巡检系统。利用倾斜摄影相机可以转换视觉模式,确保不会发生不同视角下的摄影重叠问题。设计环境和设备信息采集模块,集中处理环境参数,并将处理结果存入存储模块。采用激光雷达,实现测距。利用激光脉冲对点云数据进行采集和处理,对雷达参数进行调整。通过计算激光源到被测点的距离,得到光伏电站周围的环境信息。建立三维曲面模型拟合电力线,获得最佳参数。设计输电线路巡检航线自动规划流程,完成光伏电站智能巡检。由实验结果可知,该系统水平距离和垂直距离均与实际数据一致,具有精准的巡检结果。 相似文献
3.
文中利用深度强化学习,实现了基于视觉感知的无人机全光谱自主巡检功能。在全光谱巡检系统技术部分,详细介绍了多传感器融合的数学模型和公式,并深入探讨了卷积神经网络(CNN)在目标检测中的应用,提出了一种基于特征金字塔网络(FPN)的多尺度目标识别方法。最后,进一步阐述了无人机云台相机的稳定性控制方法,包括PID控制器,并分析了如何将目标检测结果与飞行控制系统相结合,实现自动化的云台相机联动拍摄技术。通过对实验结果的分析,深入讨论了各项技术的优劣势,并提出了改进方向,为未来实现无人机自主巡检提供了参考,为实现高效、精准的工程巡检提供了新的技术路径。 相似文献
4.
本文针对目前风机叶片人工检测工作量大、效率低、缺陷检测准确率不高的问题,提出并设计了一种基于无人机图像的缺陷自动化检测系统。本文介绍了系统的图像采集系统、采集方法、缺陷检测原理及检测效果:系统以无人机为飞行载体实现了(风机叶片的)自动巡检,从而提高了巡检效率,降低了人工的工作量;通过图像分割及缺陷检测算法设计实现了缺陷可疑区域的自动检测;可见光加红外光双光融合提高了叶片缺陷自动识别的准确性。经过多次现场测试验证,本系统可以精确、快速地实现鼓包,裂纹和褶皱等缺陷的自动识别与检测。 相似文献
5.
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。 相似文献
6.
基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一,可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题,减少人力资源浪费,提高电力系统巡检智能运维的频率与效率,从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术,分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点,总结了当前算法应用及开发平台的现状,指出了基于视频图像的输变电设备缺陷检测技术存在的问题,并展望了未来发展方向。 相似文献
7.
《电子技术与软件工程》2017,(15)
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。 相似文献
8.
针对目前光伏阵列检测巡检时间长、效率低等缺点,一种利用无人巡检识别故障并定位的系统被设计出来。该系统采用图像处理技术与特征提取方法,使用无人机和无线数传模块等硬件实现了对光伏阵列光伏板的快速巡检。软件编写采用OTSU算法进行视频图像截取、图像SIFT特征提取。然后对提取到SIFT特征的图像建立Bag of Word模型,使用支持向量机(SVM)计算图像模型得分,根据分值最后甄别出故障类型图像。通过时间、飞行速率、GPS和标志物等信息,对故障光伏板进行定位。经实测,故障识别正确率超过80%。 相似文献
9.
10.
11.
12.
光伏故障检测对光伏电站智能运维具有重要意义。针对光伏组件红外图像中热斑目标小、难检测的问题,研究了基于改进Faster R CNN的光伏组件红外热斑故障检测模型。将Swin Transformer作为Faster R CNN模型中的特征提取模块,捕获图像的全局信息,建立特征之间的依赖关系,提高模型的建模能力;进一步利用BiFPN进行特征融合,改善了热斑故障由于目标小和特征不明显容易被模型忽略掉的问题;同时为了抑制光伏红外图像中背景和噪声的干扰,加入轻量级注意力模块CBAM,使模型更加关注重要通道和关键区域,提高对热斑故障检测精度。在自建光伏组件图像数据集上进行实验,热斑故障检测精度高达915,验证了本文模型对光伏组件热斑故障检测的有效性。 相似文献
13.
Rosalia Maglietta Annalisa Milella Massimo Caccia Gabriele Bruzzone 《Signal, Image and Video Processing》2018,12(3):471-478
This paper presents a novel intelligent system for the automatic visual inspection of vessels consisting of three processing levels: (a) data acquisition: images are collected using a magnetic climbing robot equipped with a low-cost monocular camera for hull inspection; (b) feature extraction: all the images are characterized by 12 features consisting of color moments in each channel of the HSV space; (c) classification: a novel tool, based on an ensemble of classifiers, is proposed to classify sub-images as rust or non-rust. This paper provides a helpful roadmap to guide future research on the detection of rusting of metals using image processing. 相似文献
14.
15.
通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品。该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络。为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试。实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94%,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值。 相似文献
16.
2kW沼光互补一体化智能发电系统研究 总被引:1,自引:0,他引:1
以当前广泛研究的新能源(太阳能、沼气)应用为研究对象,介绍了沼光互补一体化智能发电系统的组成及光伏逆变器和智能控制板的软硬件设计。光伏逆变器采用单相全桥结构,基于TMS320LF2407 DSP实现了反孤岛检测控制和MPPT控制。智能控制器通过电压、光强采样,实现了沼气发电、太阳能发电和蓄电池供电的智能切换和太阳跟随控制。经组装测试,系统成功实现了沼光互补发电,技术指标达到了工业级要求。 相似文献
17.
焊点在电子产品中具有重要的作用,焊点质量的好坏紧密关系到产品的使用性能和可靠性,而电子元件焊点检测则是保证电子产品出厂质量的关键环节,电子元件焊点检测技术是保障电子产品质量与可靠性的关键技术。针对电子元件焊点检测技术,本文探讨了传统检测方法的缺点和局限陛,介绍了现代检测技术——自动光学检测和自动x射线检测技术,深入分析了自动光学检测和自动x射线检测中的关键技术——图像处理,详细阐述了用于检测的图像预处理和缺陷检测技术。 相似文献
18.
本文构建了面向电信运营商机房配电设备的智能巡检机器人及视觉检测系统,具有环境感知、行为控制、导航规划与动态决策等功能,通过传感器感知环境信息和自身的速度、位置、姿态等信息,处理感知信息并作出正确的决策和行为控制。设计和实施了一种基于RPN+SVM级联网络的运营商机房配电设备异常检测方法,对深度学习模型Faster-RCNN进行改进,在RPN网络后级联二分类网络SVM来识别消除背景区域的干扰,引入Faster-RCNN、SSD算法进行比较,证明了本方法在检测精度、检测速率和训练时长方面效果更优。 相似文献