基于智能识别与增强现实的电力设备巡检技术研究

针对电力设备的智能化巡检需求,提出了一套基于智能识别与增强现实的电力设备巡检技术方案。该方案依托于智能设备图像采集,使用增强现实技术建立图像数据库,并利用CNN模型实现电力设备图像的显著性计算及焦点定位。在此基础上,采用DCNN网络图像进行预训练和多维度特征提取,结合随机森林算法对增强后的图像进行智能识别。实验测试数据结果表明,相比于现有算法,所提技术方案对于不同类型的电力设备缺陷均具有更高、更稳定的识别率,同时在训练时间与识别效率上有较为显著的提升。     

基于深度学习的电力巡检图像实时处理与识别算法研究

应用人工智能技术对航拍采集的巡检图像进行目标检测和缺陷识别已成为现代电力巡检的发展趋势。文中基于深度学习技术提出了一种改进的识别算法,通过改进Faster-RCNN模型,结合HSI颜色特征提取,实现图像实时处理与输电线路的各类常规故障识别。将航拍图片归一化处理,RGB颜色模型转化为HSI颜色模型,遍历HSI空间的每个像素点,根据图片颜色特征判断像素点是否发生故障;建立Dense Net网络,将RoI Align层与预测层连接,应用改进Faster-RCNN目标检测模型对巡检线路训练数据集进行目标缺陷识别。实验分析结果表明,文中所提方法的故障缺陷识别精确率可达92.54%,具有实时性强、识别精度高等特点。     

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。     

基于深度学习的光伏板缺陷分类定位算法研究

提出了一种基于深度学习技术的光伏板缺陷分类定位方法,用于快速准确地确定光伏板缺陷的位置和类型。为了克服传统单张图像缺陷检测方法的视角限制,采用图像配准、拼接等算法生成高分辨率的光伏全景图像,并使用深度学习技术对光伏板红外图像进行缺陷分类,通过与可见光图像进行对比,可以有效地确定光伏板缺陷的类型。光伏板缺陷分类的准确率、精确率、召回率和F1分数分别达到了93.71%、93.13%、93.20%和93.11%。与传统方法相比,该方法具有非接触、高效和快速等优点,适用于大规模光伏板缺陷的检测和定位,能够在短时间内获取准确、全面的光伏板缺陷信息。     

光伏电站自主巡检中的无人机视觉定位算法研究

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。     

基于GPU的遥感图像前期处理算法研究与应用

针对传统的遥感图像前期处理算法在面对海量地面数据时计算时间很难满足需求的问题,基于RPC模型的遥感成像几何校正算法的并行加速和基于SIFT特征提取的图像匹配技术的并行加速研究。针对几何校正的主要步骤及其速度瓶颈问题,提出了可采用的并行加速方法,同时结合SIFT的特点提出了并行优化加速的方案。采用基于数据划分的并行方法对遥感图像的几何校正和SIFT特征提取算法进行加速。最后利用CUDA环境,在CPU+GPU异构系统下,设计试验对两个算法优化并行提速,试验结果表明,提出的加速方案和优化算法能大幅提高遥感图像的前期处理效率。     

基于改进Faster R CNN的光伏组件红外热斑检测算法

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。     

SIFT特征和正交DLT算法在物体识别中的应用

结合SIFT特征和正交DLT算法,给出一种较为精确的物体识别方法.该方法首先采用SIFT特征描述子进行测试图像关键点的提取,然后将测试图像和模型数据库中模型的特征点逐一匹配,设定匹配阈值,若匹配达到该阈值,则认为匹配成功,最后通过正交DLT算法在测试图像中识别该模型的位置.SIFT特征与正交DLT算法的结合有效地提高物体的识别精度.实验结果表明,该方法具有较强的鲁棒性,不仅可以在复杂背景下,较好地识别模型在测试图像中的位置,而且还可以在物体被部分遮挡的情况下,较为准确地对物体进行定位.     

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。     

基于SIFT-SVM的嵌入式印鉴识别系统设计

为了克服PC印鉴识别系统体积大、成本高并且识别精度低、适应性差的缺点,设计了基于SIFT-SVM的嵌入式印鉴识别系统。系统计算印鉴图像的SIFT特征并进一步构造基于SIFT匹配的印鉴特征向量,将构造的印鉴特征向量输入支持向量机进行训练,并采用遗传算法优化SVM的惩罚因子和核参数,使识别性能最优。系统以ARM11处理器作为印鉴特征提取和识别的核心单元,采用ZC301摄像头进行图像采集,并以蜂鸣器、LED、LCD作为报警显示设备。实验表明,该系统对印鉴在模糊、旋转等多种情形下取得了93.5%的良好识别率,且当笔划加粗仅5%时仍具有很好的适用性。系统具有识别精度好、适用性强,体积小、设计灵活的优点。     

一种基于SIFT的仿射不变特征提取新方法

图像局部特征提取是图像理解及机器视觉领域一个非常关键的问题,其中SIFT特征因具有良好的显著性和鲁棒性而得到广泛应用。但是,SIFT采用DOG检测子,定位的特征区域为各向同尺度变化的圆形区域,故其只具有尺度不变性,并不具备仿射不变性。此外,SIFT采用128维特征向量表示,当在图像特征点较多情况下进行匹配实验时,存在存储空间大、匹配耗时多等缺点。针对这两个问题,本文提出一种新的仿射不变特征提取方法,即HA-DR-SIFT(Hessian Affine-Dimensionality Reduction-SIFT)。首先,用Hessian-Affine 检测子代替DOG检测子,使提取的椭圆图像区域满足仿射不变性需求;其次,用PCA或NLPCA方法对128维特征向量进行降维处理,提高后续运算效率。实验表明,新方法不仅具有良好的仿射不变性,而且在匹配时间和存储空间上优于SIFT算子。      

基于图像处理的人员异常行为监测设计

通过对人员异常行为有效的监测算法设计,提高视频监控和异常事故的智能识别能力。传统的人员异常行为监测算法采用视频步进跟踪学习方法,由于人员的随机性和不确定性,导致视觉识别效果不好。基于图像处理理论,提出一种基于视频帧图像阵列像素检测的人员异常行为监测算法,进行了人员异常行为特征数据采集模型设计,得到基于双相机视频监控的人员异常行为视觉特征采集模型,采用视频帧图像阵列像素检测算法,进行异常行为特征提取,得到邻域灰度值向量之间像素点为平均结构相似性聚类中心,计算人员异常行为检测全图所有像素点的加权平均位置的估计值,实现人员异常行为监测算法改进。仿真结果表明,采用该算法进行人员异常行为特征监测,能实现对特定异常人员的准确定位和清晰识别,异常检测概率较高,性能优越,在安防监控系统设计等领域具有较好的应用价值。     

基于奇异值分解的马氏距离光伏故障监测

及时检测出光伏阵列短路、断路、阴影遮挡等故障并作出相应处理,不仅有利于提高光伏阵列收益,也有利于降低光伏阵列安全风险,避免火灾等事故。基于马氏距离方法,计算出光伏阵列实测电流电压和仿真模型输出电流电压的相似程度,以此用于光伏阵列故障监测。正常条件下,光伏阵列实测电流电压值和仿真模型输出电流电压值较为接近,传统马氏距离方法在求解逆矩阵时将产生奇异解。结合奇异值分解方法对传统马氏距离方法进行了改进,试验证明,所提出的方法能够精准检测出相应的短路、断路、阴影遮挡等故障。     

新型舰空导弹联调测试故障检测技术研究

某新型舰空导弹在装舰前的技术准备中需要进行全弹联调测试,并实现故障检测和排除,确保导弹电路系统的连通性,提出一种基于多传感器融合跟踪识别和关联谱特征提取的导弹联调测试故障检测技术.采用传感器阵列进行舰空导弹的全弹连通性电路输出信号采集,对采集的信号采用谱分析和关联规则特征提取方法进行故障特征提取,对导弹联调测试信号进行频谱分解和模糊决策,采用谱特征提取方法进行舰空导弹联调测试系统传输信息的关联属性特征挖掘,根据关联属性分布的差异性进行故障类别判断,实现对舰空导弹联调测试故障的准确检测和识别,进行舰空导弹联调测试故障检测系统的在硬件设计,主要对故障检测系统的AD模块、程序加载模块、人机交互模块等进行硬件开发.仿真测试结果表明,采用该方法进行新型舰空导弹联调测试故障检测的故障诊断性能较好,对故障特征的分辨能力较强,提高了导弹转级技术准备过程中的联调测试的故障检测效率.     

基于红外图像的变电站巡检故障分析

变电站设备故障的自动巡检是智能电网的关键。文中提出了一种利用红外图像实现变电站故障自动巡检的方法。该方法首先利用多尺度Retinex和双边滤波对变电站红外图像进行增强处理,然后采用快速Otsu分割算法实现设备区域提取,最后构建了基于卷积神经网络的故障自动诊断模型。对变电站7处设备进行故障巡检测试,结果表明,该方法能够有效识别变电站故障,且准确率较高。     

一种基于区域分割的SIFT图像特征提取算法

提出一种基于区域分割的SIFT图像特征提取算法.首先采用改进后的SIFT算法对图像进行计算,同时采用快速分割算法对原始图像进行分割,对照分割后的区域分别取每个区域最显著的几个SIFT特征,最后采用局部降维算法,将高维特征降低到可以接受的低维度特征.实验表明,该方法的运行时间短,对特征提取的位置界定准.     

SIFT与SURF特征提取算法在图像匹配中的应用对比研究

SIFT算法和SURF算法是图像特征提取和匹配的典型方法,广泛应用于目标检测、图像理解与识别等领域,然而对二者尚缺乏较深入的对比研究。针对这两种算法,采用实验室相机实拍图像和低空无人机实拍图像,以不同的图像旋转角度进行特征点提取和图像匹配实验,从匹配成功率和运行效率两个方面对算法的性能进行对比研究。结果表明,SIFT算法具有较好的图像旋转不变性,匹配精度较高,而SURF算法匹配精度较低,但是效率较高,因此在实际应用中可根据具体需求合理选择。     

基于双目视觉的相对定位定向研究

设计一个基于尺寸不变特征变换SIFT特征提取算子的双目相对定位定向系统,可解决极端环境下一般导航系统无法准确定位定向的问题.实现过程采用2个相对位置固定的相机,利用SIFT特征点尺度及旋转不变的性质精确匹配图像序列中的投影点,并根据坐标变换来测定相机的移动距离和旋转角度,从而可以计算出相机轨迹的变化,达到了相时的定位和定向的效果.该系统的定位定向精度可达86%.     

基于EHMM结合DWT与DCT的人脸识别

人脸识别系统可分为人脸检测,图像特征提取,人脸训练和人脸识别等部分,其中图像特征提取与人脸训练为主要组成部分,决定着系统的识别速度与准确性。人脸训练可为给定某人建立嵌入式隐马尔可夫模型来作为进行人脸图像识别的分类标准。人脸图像特征提取则运用离散小波分析来减少图像数据量,然后计算DCT变换系数矩阵,从而取得模型训练和识别中所需的图像特征。     

基于SIFT和Hu特征融合的算法研究

基于SIFT和Hu特征融合的单目视觉识别算法是一种融合了局部特征和整体特征的不变矩融合算法。通过基于SIFT和Hu特征融合的单目视觉识别算法能够对三维物体图像的整体信息进行定义和把握,进而实现对物体的合理定位分析。另外,局部特征能够辅助全局特征对三维物体的特征进行更准去的定位和匹配。这种算法具有良好的伸缩能力、旋转能力、位移能力和抵抗能力,能够有效解决三维物体的匹配问题,同时提升系统的识别能力和工作效率,基于此,文章对SIFT和Hu特征融合的单目视觉识别算法进行研究。