基于Cascade R-CNN算法的输电线路小目标缺陷检测方法

输电线路无人机航拍图像缺陷识别是维护线路安全运行的重要巡检手段,但目前的识别算法对于销钉、螺母等小目标缺陷存在识别精确度低、易漏判等问题。将Cascade R-CNN算法应用于输电线路缺陷检测中,利用ResNet101网络进行特性提取,增强的网络的特征提取能力,并利用多层级联检测器对输电线路小目标进行判别和分类。基于无人机航拍图像数据集进行实验,实验结果表明,相比于Yolov3检测器和Lighthead R-CNN检测器,Cascade R-CNN算法提高了小目标缺陷检测中的召回率和精确度。     

利用层次模型进行训练学习的线路设备缺陷检测方法

无人机输电线路巡检中的线路部件缺陷自动化检测一直是一个难题,为了解决输电线路中螺母-销钉、防振锤部件缺陷的判别问题,提出了利用层次模型"与或图"对目标进行分解表达,建立部件之间的约束关系,构建多向的判别路径的方法。利用基于类Haar特征和级联Ada Boost分类器对目标基元进行识别,通过数据合成扩充数据样本用于训练,以提高分类器的训练性能。实验结果表明,该方法有效综合了识别检测技术,在少量样本的条件下,能有效地实现若干输电线路部件的缺陷判别,为输电线路缺陷检测任务提供了一种参考方法。     

基于深度学习和无人机图像的架空线路缺陷巡检综述

架空输电线路巡检是电网运维工作的一项重要内容,运维人员利用无人机进行线路巡视检测已成为电力巡检工作中的重要手段。本研究首先概述了无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构;其次,分析了当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术;然后,综述了基于深度学习的无人机图像缺陷检测典型方法以及评价指标,并对比总结了各种方法的优缺点;随后,讨论了无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷检测效果,指出了图像检测指标和类别定义在电力巡检专业化领域中的不足;最后,探讨了基于深度学习的无人机图像缺陷巡检任务的未来发展方向。     

架空输电线路无人机巡检技术研究进展

随着架空输电线路的不断增加,线路运维环境日趋复杂,对架空输电线路的运维检修要求也越来越严格。论文简述了传统的人工巡检方式因存在诸多限制,导致巡检效率低下、无法有效保障电网的安全运营。指出无人机(unmanned aerial vehicle, UAV)在架空输电线路巡检中得到大量应用,弥补了人工巡检方式的不足。结合国内外架空输电线路无人机巡检应用的背景,介绍了相关标准制定和试验检测技术研究,分析了自主巡检、作业安全管控、缺陷识别技术和巡检数据应用、辅助检修作业等关键技术应用现状,探讨了无人机作业人员培训,并提出了无人机巡检技术的发展趋势和研究方向,下一步将着重提高无人机全周期闭环应用能力,提升我国电网智能运检水平。     

架空输电线路无人机缺陷智能识别技术研究

基于采集的高质量影像,针对无人机巡检影像特性,采用深度学习技术框架,研究输电线路设备及通道环境隐患的智能识别方法,实现销钉级微细颗粒缺陷的智能识别.由于目前无人机的图传带宽难以满足高清图像的实时传输,前端芯片的算力也难以满足缺陷识别的需求.因此,短期内自主巡检的图像还是在无人机自主巡检完成后,在服务器端调用人工智能算法进行处理.基于以上过程标准化采集的高质量巡检图像,可以降低后续设备缺陷识别的难度,提升设备识别的准确率.针对无人机巡检图像特征,采用深度学习Faster-RCNN(Faster-Region Convolution Neural Network)模型,实现了对无人机巡检图像中设备缺陷及通道隐患的智能识别.     

无人机在架空输电线路巡检中的自动补光系统应用研究

结合华中电网某地区架空输电线路无人机可视化巡检工作的实际应用情况，详细分析了无人机在架空输电线路可视化巡检中的作业流程、巡检内容以及巡检技术要求，并针对在清晨、傍晚、阴霾等环境光线较暗情况下，无人机难以快速、精准、高效地开展架空输电线路可视化巡检、缺陷识别等难题，以图腾柱开关控制电路为核心，研究了一种可用于无人机在架空输电线路可视化巡检中的自动补光系统，该系统主要包括环境光线亮度实时检测模块、高低电平逆转模块、图腾柱开关控制电路、稳压模块、LED补光模块，并以多旋翼无人机搭载可见光巡检设备为测试平台，现场实践论证了该自动补光系统的可行性和高效性。     

基于深度学习的无人机巡检架空输电线路金具锈蚀缺陷检测方法

为了提升架空线路无人机巡检效率,提高架空线路金具锈蚀缺陷智能检测效率,提出了一种基于深度学习的巡检架空线路销钉缺陷检测方法。由于架空输电线路的金具锈蚀缺陷智能检测存在环境背景大、目标小、拍摄角度和拍摄光线差异大等特点,采用图像预处理算法拓充数据集,将MobileNet替换YOLO的主干特征提取网络来提升算法的泛化能力和鲁棒性,并用实际巡检图像进行实验测试。测试集验证中,当置信度阈值取0.5时,P为0.92、R为0.84、A_P为91.34%。结果表明,此方法对架空线路金具锈蚀缺陷有较好的检测效果,可以给设备健康状态评估提供参考。     

深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle, UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。     

无人机配网架空线路精细化巡检平台搭建

配网架空线及设备架设于街道、河畔、山区、丛林等,运行条件复杂、高空障碍物多、起飞条件差等因素制约了无人机巡检在配网线路的使用,为此提出了无人机配网架空线路精细化巡检平台.该平台针对河流、山地、丛林等巡视人员难以到达的区域开展空中精细化巡检,使用自动避障、热点追踪等技术,搭载高清摄像头、红外探头等多种传感器,可及时发现鸟害、雷击、发热等缺陷隐患,提高配网架空线路的巡视效率。     

一起基于声学及红外成像检测技术的配电网架空绝缘导线缺陷案例分析

带电检测技术可以提升配电网线路巡检工作效率,但传统方式以手持式设备红外检测为主,以声学成像结合无人机搭载红外相机的巡视方式应用较少。本文通过声学成像技术和无人机搭载红外相机的方式对某配电网架空绝缘导线缺陷进行检测,对检测方式及检测效果进行分析总结。结果表明,采用该技术手段能检出配电网架空绝缘导线局部电晕放电缺陷,可在配电网线路巡视作业中推广应用。后续可通过不断优化检测技术进一步提升配电网线路检测效率,为提升配电网供电可靠性提供支撑。