基于改进 Cascade R-CNN 的输电线路多目标检测

针对无人机巡检图像中小目标难以检测、障碍物遮挡目标、正负样本不平衡等问题,提出基于改进Cascade R-CNN的输电线路多目标检测方法.改进了Cascade R-CNN的特征提取网络,基于ResNet101基础网络结构,设计6层新型特征金字塔网络(FPN)与之融合,提高了对小目标、重叠目标的检测能力;引入了高斯形式的软非极大值抑制(Soft-NMS)方法,降低了受遮挡影响的目标的漏检率;利用Focal损失改进损失函数,缓解了正负样本不平衡对检测精度的影响.训练过程中,基于添加噪声、亮度变换、尺度放缩等数据增强方法扩充数据集,提升了训练模型的泛化性能.实验结果表明,改进的模型在复杂背景下能够对3种瓷质绝缘子、瓷质绝缘子缺陷、相间棒、防震锤以及鸟窝同时检测,平均精度均值(mAP)达到94.1％,为输电线路的智能巡检提供了一种新思路.     

基于改进Mask R-CNN的输电线路防外破目标检测方法研究

随着现代电力系统的不断发展,电网规模越来越大,外破原因引发的故障已经成为架空输电线路故障的主要原因之一。在架空输电线路视频监控中,使用传统的边界框式目标检测方法进行外破预警时,误报或漏报的情况时有发生。掩模实例分割神经网络(Mask-RCNN)训练时使用的像素级掩模标注数据集成本较高,限制了该算法的大规模应用。针对这些问题,将改进的Mask-RCNN网络应用到输电线路外破目标检测领域,在数据集标注过程中,使用边界框标注代替部分掩模标注。训练时,将检测分支的特征迁移到掩模分支。实验结果表明,改进后的算法能够在掩模标注样本占比80%的条件下,对常见外破类别的平均识别准确率高于91%,为输电线路外破隐患的准确识别与分割提供了一种可行的思路。     

基于超分辨率重建与多尺度特征融合的 输电线路缺陷检测方法

针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法。首先,使用超分辨率网络对巡检图像进行重建,提升清晰度,丰富图像中包含的特征信息;然后使用改进的YOLOX网络检测巡检图像中的缺陷,在主干网络中嵌入卷积块注意力机制,强化模型对重叠小目标的定位能力;为进一步提升小目标的检测能力,在YOLOX的特征融合网络中新增浅层检测尺度进行特征融合;最后,通过使用CIOU优化边界框损失函数提升模型收敛能力,降低缺陷目标的漏检率。实验结果表明,所提方法能在提升巡检图像质量的基础上对输电线路缺陷准确地检测,精度达到93.27%,相比SSD等经典模型,对小而密集的缺陷目标有着更强的提取能力和鲁棒性。     

基于深度可分离卷积及SVD输电线路缺陷检测

针对输电线路实时巡检中无人机嵌入式移动端的存储和计算受限问题,在Faster R-CNN目标检测框架及VGG特征提取网络基础上,融合深度可分离卷积及SVD分解,构建了一种轻量级的输电线路缺陷检测方法。在公共的PASCAL VOC 2007与COCO数据集上的实验结果验证了所提方法的优越性。在输电线路缺陷数据集上实验,在保证检测精度不下降的同时降低了模型存储空间,提升了模型的检测速度,实现了检测的实时性。     

基于Mask R-CNN的复合绝缘子过热缺陷检测

针对当前基于复合绝缘子红外图的过热缺陷检测技术中存在的工作量大、智能化程度低,以及传统的图像分割方法在复杂背景下分割不精确且泛化性能差的问题,提出了一种基于实例分割网络MaskR-CNN的复合绝缘子过热缺陷检测方法.首先,该方法为提高分割精度,借鉴CascadeR-CNN的思路对MaskR-CNN网络进行改进,并在模型...     

高压输电线路热缺陷红外检测初探

讨论了高压架空输电线路红外检测中热缺陷的分析方法以及故障原因,并对线路的连接金具等导体的红外检测提出了一些建议。     

输电线路热缺陷红外检测与处理

介绍输电线路热缺陷红外检测的判断方法,并阐述热缺陷的相应处理方案.     

基于AI的输电线路导线断散股缺陷检测方法

针对现有方法对输电线路导线断散股缺陷检测时存在的缺陷检测准确率较低的问题,提出了基于AI技术的 输电线路导线断散股缺陷检测方法.首先对所采集的输电线路导线图像进行降噪和增强等处理;然后利用LBG算法 完成K-means算法的优化,应用改进后的算法对导线图像进行分割提取;最后采用AI技术中的卷积神经网络算法, 实现对输电线路导线断散股缺陷的检测.实验结果表明,采用所提方法对导线断散股检测时,其检测准确率均高于 ９５％,优于对比方法,具有一定应用价值.     

基于改进 Faster R-CNN 的棉布包装缺陷检测的 方法研究

由于传统检测算法对棉布包装缺陷检测不够准确、对小目标缺陷识别率不够高,所以提出改进的Faster R-CNN深度学习网络,对棉布包装存在的破损、污渍、孔洞、杂质、线头等5种缺陷进行检测。通过对图像进行预处理实现图像增强,然后改进Faster R-CNN中的RPN和ROI结构,为加强小目标缺陷的检测能力,在主干网络中融合特征金字塔网络结构,最后对ROI进行双线性插值以解决多次量化引起的像素偏差问题。实验表明,改进后的网络对棉布包装表面缺陷检测的平均精度均值mAP为91.34%,与传统算法相比,mAP值提高了9.08%。     

基于卷积神经网络与ECOC-SVM的输电线路异物检测

输电线路悬挂异物会引发输电线路单相接地、相间短路等停电事故,因此本文提出一种基于卷积神经网络与ECOC-SVM的输电线路异物检测方法。首先,本文构建气球、风筝、塑料和鸟巢4种输电线路异物图像数据集;然后采用Otsu自适应阈值分割、形态学处理等方法提取感兴趣区域;再利用DenseNet201提取感兴趣区域的特征;最后对ECOC-SVM模型进行训练、测试与结果分析。所用方法在4类异物上的平均识别准确率可达93.3%,有助于提高输电线路运维的效率。     

一种改进SSD算法的输电线路目标检测方法

电力巡检在输电线路部件故障的排除中起着至关重要的作用.为了实现复杂背景下的输电线路电力小部件的目标检测,提出了一种改进SSD算法的小目标检测算法——PA-SSD.将反卷积融合单元融合到PANet算法中,以改进PANet结构,并以此为基础产生新的特征融合方式,融合不同尺度的特征图;将传统SSD算法中的特征图用新的特征图替换,形成新的特征金字塔模型.针对实际输电线路中的4种目标进行了测试,结果表明,PA-SSD算法与原始的SSD算法相比,其检测精度有了明显提高,检测速度也可以满足检测性能的要求.     

基于改进SSD的输电线路销钉缺陷检测

销钉在输电线路中起着连接关键部件的重要作用,其缺陷直接引起部件变形、不稳定甚至造成电力停电事故.针对已有单发多盒探测器(single shot multibox detector,SSD)模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出基于残差网络和多层级特征融合策略的改进SSD模型.首先,改进SSD网络结构,引入残差网络,增加浅层特征层,并将深层特征进行融合,替换SSD原特征层,以提升网络的鲁棒性,增强特征层的信息提取能力.其次,采用卷积拆分压缩网络参数量,采用权值量化减小模型部署占用空间.最后,通过实验对所提方法的有效性进行了验证.实验结果表明,该方法在输电线路销钉缺陷检测上召回率达到80％以上,较原SSD模型及其他目标检测算法具有明显提升.同时,该方法在其他输电线路小目标缺陷测试中,也取得了较好的效果.     

基于改进YOLOv4模型的输电线路杆塔图像缺陷检测方法研究

针对现有输电线路无人机巡检图像缺陷检测方法存在的精度低、耗时长等问题,为了实现输电线路杆塔鸟巢的快速和准确识别,基于无人机巡检图像采集与处理系统,提出了一种改进的YOLO4模型用于输电线路杆塔图像的鸟巢检测。采用轻型MobileNetV2网络替换CSPDarkNet53网络,提高特征提取速度,在SPP模块中采用平均池化替换最大池化,提高算法对小目标的检测精度,引入注意力机制CBAM增强特征表达。通过试验验证了所提方法的可行性和优越性。结果表明,所提方法与常规检测方法相比,在输电线路杆塔图像缺陷检测中具有更优的检测精度和速度,检测精度达到94.40%,检测速度为60 FPS。所提研究为输电线杆塔缺陷检测方法的发展提供了一定的参考。     

基于GRU神经网络的送电线路故障在线检测方法

为防止因输电线路故障导致事故影响的范围进一步扩大,提出一种基于改进的长短期记忆网络GRU对电力系统中输电线路的故障在线识别的方法。采用固定时间窗口移位标记的方法对故障起始时刻附近数据编码,搭建故障起始时刻判别逻辑;再根据返回的起始时刻对故障清除前的节点运行数据映射故障位置及类型。最后在PSCAD/EMTDC中以新英格兰10机39节点为例利用python API接口实现联合仿真。结果表明该方法能够快速准确地识别故障,模型准确率在98.91%以上,可为后续动作和故障分析提供依据。     

输电线路分布式行波检测的故障定位方法

提出了一种基于输电线路分布式行波检测装置的故障定位方法。利用沿线分布安装的两套基于Ro-gowski线圈的行波检测装置,采集高频故障行波,运用相模变换和小波变换模极大值法检测线模行波波头,准确定位波头到达时间。各装置通过无线通信网络将波头到达时间回传主站,主站综合利用不同的波头时差信息,在线测量实时行波波速,可精确定位单条输电线路的故障。仿真结果表明,该方法具有较高的测距精度和可靠性。     

基于随机森林算法的架空输电线路状态评价方法

对电网中架空输电线路进行准确的状态评价可以有效降低故障率,提高系统的供电性能。该文提出一种基于随机森林算法的架空输电线路状态评价方法。首先,通过对架空输电线路状态的影响因素分析,以线路8个单元选取的状态量和特殊情况状态量构建了包含79个状态量的架空输电线路状态量体系。其次,基于随机森林算法,构建了架空输电线路状态评价的多棵子决策树组合分类模型。然后,通过优化决策树数目和随机特征变量,提高随机森林算法分类性能和计算效率。最后,以某市110 kV电压等级架空输电线路实际数据进行实例分析。结果表明,采用该方法可实现架空输电线路状态的准确评价,从而为区域电网的运行调控提供决策支持。     

基于物联网的输电线路检测方案

针对输电线路的现场环境监测面临环境复杂、通信困难、报警策略难以确定等困难,提出了基于物联网(I0T)的输电线路现场监测预警方案。利用物联网低功耗、低成本、多传感器的特点,提出了系统的硬件平台的选择以及预警判别算法。