一种轻量化YOLOv4输电线路防外力隐患检测方法*

输电线路多地处野外偏远,易受各种外力隐患破坏而出现安全故障。针对基于深度学习的输电线路外力隐患检测模型不能满足边缘部署的实时性需求的问题,提出一种轻量化YOLOv4的输电线路防外力隐患检测方法。首先引入深度可分离卷积,采用MobileNetv3作为YOLOv4模型的主干网络用以提取输电线路图像的多尺度特征。然后用建立的输电线路图像数据集对改进的轻量化模型进行训练、验证和测试。实验结果表明,提出的方法在输电线路外力隐患检测中准确率可达到87.73%,运算速度可达到32.49,与同类方法相比综合性能较优。     

输电线路外破原因及防范对策

电力工业作为基础性公用事业,对国民经济发展和社会稳定具有举足轻重的影响。而电力设施,尤其是输电设施,因其点多、面广、线长,长期暴露野外,极易遭受各种外力损害。据统计,安徽省某供电企业从1996—2001年6年间因外破引起线路故障跳闸有12起,占总故障数的39.3%。在2000—2001年2年间因线路器材被盗所造成的缺陷、障碍等危及线路运行的隐患也高达52起。1 造成输电线路外破的主要原因 (1) 近年来城乡经济发展较快,线路保护区内违章建房现象较为严重,造成输电线路导线与房屋的垂直距离或水平距离小于安全距离,在恶劣天气条件下可能发生瞬…     

超高压输电线路防外破在线取能灯光指示装置研制应用

随着经济的快速发展,城乡基础建设越来越频繁,超高压输电线路保护区内遭受外力破坏,引发跳闸等影响线路运行情况呈逐年上升的趋势.因此,根据现阶段湖北省超高压输电线路防外破情况及形式,设计研制了在线取能灯光指示装置,该装置具有高效、实用、环保的特点.     

基于注意力机制的YOLOv4输电线路故障检测算法

为了提高光学图像输电线路故障检测的准确率,提出了一种基于注意力机制的YOLOv4检测算法.为了提升图像故障区域的特征表达能力,因此将注意力机制嵌入到跨阶段局部黑暗网络(CSPDarknet)的每一个跨阶段局部残差连接模块(CSPD)层中的最后一层Shortcut层之后,得到高效通道空间注意力机制(ECSA)结合YOLO...     

输电线路外力破坏防控措施浅析

输电线路保护工作中存在电力行政执法主体缺位、"防外破"闭环管控机制不完善、外破违法行为代价低等问题,对线路的安全运行带来严重威胁,通过政企联动开展电力设施保护各项活动,在队伍、宣传、防控、追责等方面着力,把安全知识和意识传递给工商企业、特种车辆驾驶员以及花农种植户,强化输电线路外破防控,保障电网安全运行.     

基于改进YOLOv3的输电线路部件实时检测

针对基于深度学习的目标检测技术应用于工业领域无法在移动端嵌入式设备上实现高效且准确的检测这一问题,提出一种基于YOLOv3改进的输电线路部件实时检测算法轻量级特征融合检测模型LFF-DM(Lightweight Feature Fusion Detection Model)。一方面通过改进式的k-means算法得到聚类结果;另一方面结合深度可分离卷积和倒残差块设计出轻量化的网络结构。通过在自建的包含绝缘子、悬垂线夹、防震锤、鸟巢与导地线的专业巡检数据集上进行实验,结果表明在NVIDIA Jetson AGX Xavier设备上可以实现25FPS的检测速度及90.48%mAP的检测精度,适用于输电线路移动端实时精确巡检。     

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。     

面向架空输电线路的防外破装置设计

针对传统防外破技术抗干扰能力弱、适配性低、报警效果差以及平板电容型传感器对称结构中存在的边缘效应问题,研制一种适用于多组态与多电压等级架空输电线路的防外破装置。首先,分析感应电压与场强关系,进行等位环结构改进并完成PCB设计制作,利用Ansys Maxwell搭建多组态与多电压等级架空输电线路仿真模型,为报警阈值设定提供理论依据;其次,完成防外破装置的硬件与软件设计,实现不同线路情况下的电压档位选择、电场信号采集处理以及声光报警等功能;最后,搭建10 kV模拟架空输电线路高压实验环境并进行现场验证,测试分析装置的工作性能。结果表明,所设计的防外破装置感应电压测量平均相对误差在3%以内,与测试电压线性相关系数R=0.999 7,其变化规律符合电场分布规律;现场报警成功率为100%,装置稳定可靠、兼顾精准性与线性度要求。     

基于双目视觉的输电线路防外破系统设计

为防止吊车臂触碰输电线引发事故,设计一种基于双目视觉的输电线路防外破系统。首先,通过将双目视觉防外破装置安装在吊车吊臂上实时获取图像数据;接着,针对实际环境中存在的光照干扰、弱纹理区域以及视差图中的边缘空洞填充,提出一种改进SGBM立体匹配算法,利用最小二乘拟合插值法和双边滤波进行算法优化,从而准确获取输电线路的三维信息;最后,根据双目视觉原理与空间耦合电容分压原理搭建测距环境与10 kV输电线路测试环境并进行现场测试。结果表明,改进SGBM算法在干扰环境下的测距平均相对误差仅为1345%和1229%,对比传统SGBM算法与场强测距方法,分别减少2047%和1851%,算法运行时间为817552 ms,测距系统兼顾实时性与精准性需求,满足实际环境下的输电线路吊车防外破使用。     

基于改进YOLOv3的输电线路缺陷识别方法

为解决在无人机巡检输电线路现场中出现的图像识别算法对硬件要求高、计算耗时长,训练集图片较少且复杂多变等问题,提出了一种基于改进YOLOv3算法的输电线路缺陷检测方法。提出了在YOLOv3原基本框架下加入空间金字塔池化(spatial pyramid pooling,SPP)模块的方法,使得该算法能在同一层内提取多尺度深度特征,以适应巡检现场输入尺寸不同、复杂多变的图片检测;提出了对添加了SPP模块的YOLOv3进行通道减少、框架瘦身的剪枝处理方法,以优化YOLOv3的轻量化性能,降低对巡检时车载服务器的硬件要求、减少计算时长。使用数量较少的输电线路缺陷图像数据集对该改进算法进行验证。测试结果表明,改进的模型对硬件依赖性较小,检测精度几乎不变,平均每步迭代时间减少了0.81 s,整体性能提升25%。     

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。     

一种基于改进YOLOv4的SAR舰船检测算法

在大量数据支持的背景下,如何高效利用大量SAR图像,提升舰船目标的检测精度是当前舰船目标检测的难题。本文聚焦如何提升YOLOv4算法对SAR舰船目标的检测精度,提出了一种融合多尺度和注意力增强的YOLOv4增强算法。在原YOLOv4的PANet中加入注意力模块（CBAM）,同时使用加强的K-means聚类算法对数据集中的舰船目标真实框进行聚类,并对锚框结果进行线性比例变换,让算法锚框更适合于训练集。实验证明本文提出的算法在SAR舰船检测中的平均准确率（）达到了94.05%,比原始YOLOv4精度提高了0.7%。实验结果充分证明本文提出的算法能够提升SAR舰船图像检测精度,为海上活动判断精确化提供技术支持。     

基于改进 YOLOv４算法的绝缘子故障检测研究

为解决目前人工处理分析无人机巡检图像效率低、检测结果受人为因素影响较大的问题,提出了一种用于 检测绝缘子缺陷的改进 YOLOv４故障检测模型.通过改进普通卷积算法以提升检测速度,使用数据增强方法提高 YOLOv４对绝缘子缺陷检测性能,解决实际检测环境中缺陷图像数量少且识别精度低的问题.试验结果表明,所提方 法的缺陷检测精度和召回率分别为0.91和0.96,能够满足电力线路绝缘子缺陷检测的鲁棒性和准确性要求。     

输电线路外力破坏的主要危险点及应对措施

近年来,因外力破坏造成的架空输电线路掉闸事故呈非常明显的上升趋势.本文在总结历年输电线路发生外力破坏的基础上,提出了较原有防外力破坏措施更全面、更细致的对策,继而确保电网安全稳定运行.     

基于改进方向电流法的特高压直流输电线路故障识别

可靠、精准地识别特高压直流输电系统故障是区内、外保护动作的基础，对整个直流输电系统安全可靠运行具有决定性意义。基于贝瑞隆分布参数模型，以方向电流法为基础引入暂态能量偏离度（暂态值与正常值之比）共同构成故障识别判据，提出一种可准确辨识特高压直流输电整流侧出口故障、直流线路故障和逆变侧出口故障的方法。该识别方法对直流线路通信通道要求低、耐过渡电阻能力强、对采样频率的要求不高。通过在PSCAD中搭建±800 kV直流输电模型并结合Matlab仿真结果表明，该方法可实现直流输电系统故障的准确辨识，且能实现故障选极，具有一定的实际工程价值。     

Pill Defect Detection Based on Improved YOLOv5s Network

To address the problems of low detection accuracy and slow speed of traditional vision in the pharmaceutical industry, a YOLOv5s-EBD defect detection algorithm: Based on YOLOv5 network, firstly, the channel attention mechanism is introduced into the network to focus the network on defects similar to the pill background, re-ducing the time-consuming scanning of invalid backgrounds; the PANet module in the network is then replaced with BiFPN for differential fusion of different features; finally, Depth-wise separable convolution is used in-stead of standard convolution to achieve the output Finally, Depth-wise separable convolution is used instead of standard convolution to achieve the output feature map requirements of standard convolution with less number of parameters and computation, and improve detection speed. the improved model is able to detect all types of defects in tablets with an accuracy of over 94% and a detection speed of 123.8 fps, which is 4.27% higher than the unimproved YOLOv5 network model with 5.2 fps.     

基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题。文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法。以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度。将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75%,检测速度为34 frame/s。结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求。     

基于改进卷积神经网络的输电线路故障诊断方法

针对电网输电线路发生故障较多、告警系统误报率较高且依赖运维人员事后分析的问题,提出了基于改进卷积神经网络(CNN)的电网输电线路故障诊断模型。首先对电网输电线路的电流时序数据进行预处理,然后通过双通道融合和多层卷积、池化改进卷积神经网络,并在卷积层中结合批归一化方法,对故障数据和正常调停数据分别进行特征提取,再通过soft-max分类器进行分类识别,构建了智能高效的故障诊断模型,有效地降低了误报率。最后利用国家电网调度中心实际数据,验证了所提方法的有效性。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容.针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法.首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN...