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。     

基于注意力机制优化组合神经网络的电力缺陷等级确定方法

为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法首先使用分布式字向量对电力缺陷描述进行表示,然后使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,最后采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014-2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF1值和WF1值分别为0.927 5、0.911 2和0.927 5,验证了本方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。     

基于卷积神经网络的深度图像超分辨率重建方法

为了更有效地提高深度图像的分辨率,构建了一种更深层次的深度图像超分辨率重建的卷积神经网络。该网络直接将低分辨率深度图像作为网络的初始输入,通过卷积神经网络学习图像的高阶表示,获得更具有表达能力的深层特征,同时在网络的输出层引入亚像素卷积层,针对提取到的特征学习不同上采样滤波器,实现上采样放大操作。为了实现网络更好地收敛,在网络中加入了残差网络结构。在4个常用数据集上的实验结果表明,与其他先进方法相比,该方法网络收敛速度更快,并可以有效地保护图像的边缘结构,解决伪影问题,且在定性和定量两方面均取得了很好的重建效果。     

基于阴影增强和注意力机制的高光谱图像分类

基于深度学习网络的高光谱图像分类能够有效地提取图像中的特征信息，促进遥感图像中丰富信息的挖掘与利用。然而，现有方法性能仍然受限于阴影信息不能充分提取、特征不能有效利用。针对阴影区域信息提取，动态随机共振能够利用噪声增强信号，提高信息的表达能力；针对特征利用，在卷积神经网络中嵌入注意力机制，能够在其提取的高层特征的基础上，从空间维度和通道维度进一步提取融合，筛选出对当前任务目标更为关键的特征，提升网络分类性能。实验结果表明：通过在含有阴影区域的真实高光谱图像数据集Hydice上仿真，动态随机共振能够有效增强信号进而将分类精度从96.48%提升到97.14%,卷积注意块的加入使分类精度提升了0.408 4%。进一步与其他分类方法在Hydice、Indian Pines、Pavia University进行实验对比验证，本文方法分类精度分别达到了97.436 1%、99.219 5%和99.929 9%,对不同数据集的分类都具有良好的表现，相较于其他方法具有明显优势，证明了该方法的有效性和良好的分类性能，在高光谱图像分类领域具有广阔的应用前景。     

基于注意力机制的双度量小样本图像分类算法

小样本图像分类旨在利用少数几个标记样本训练出一个具有良好泛化性网络,其中基于度量学习的小样本图像分类方法具有模型简单且高效的优点。针对图像到类度量的深度最近邻网络(deep nearest neighbor neural network, DN4),提出了基于注意力机制的双重度量网络(attention based bi-metric network, ABM-Net)。在主干网络中加入注意力机制以获得更有效的特征表示,并提出将图像到图像度量与图像到类度量结合的双度量模块。实验结果表明,相较于DN4,ABM-Net的性能在数据集CUB-200-2011、Stanford-Dogs和Stanford-Cars的1-shot和5-shot分类任务中均有一定的提升。     

改进的联合型图像超分辨率重建算法

针对传统锚定邻域回归(anchored neighborhood regression, ANR)的图像超分辨率方法缺乏灵活性、且对图像的细节没有很好的恢复能力的缺点,提出一种锚定邻域回归和卷积神经网络(convolution neural network, CNN)相结合的图像重建方法。首先,在ANR中提出使用弹性网络回归模型,使算法具有特征选择的特点。其次,在CNN的图像预处理部分使用lanczos3插值方法,加快了运算速度,在特征提取中提出使用具有自门控特性的Swish函数作为激活函数,用于提高测试准确度。最后,在重建图像的评价方面提出了图像的相关系数,并用于对重建图像做进一步的有效性评估。实验结果证明,所提方法平均峰值信噪比(PSNR)达到了32.68,平均结构相似性(SSIM)达到0.938 0,平均相关系数达到0.982 8。算法有效地恢复了图像的细节部分,图像质量得到了进一步提升。     

GIS中局部放电绝缘缺陷综合检测诊断技术分析及应用

基于对多种检测技术应用特点的分析,提出一种有无异常的快速巡检、电检测确认异常及部位、辅助检测分析印证异常的三步序综合判断GIS中局部放电缺陷的诊断策略。针对一起110 kV GIS的绝缘缺陷,遵循综合检测策略,进行了测试分析。测试结果验证了该综合诊断策略的有效性,为准确判断运行中的GIS绝缘缺陷提供了一种新的诊断策略。     

An Efficient Violence Detection Method Based on Temporal Attention Mechanism

Violence detection is very important for public safety. However, violence detection is not an easy task. Because recognizing violence in surveillance video requires not only spatial information but also sufficient temporal information. In order to highlight the time information, we propose an efficient deep learning architecture for violence detection based on temporal attention mechanism, which utilizes pre-trained MobileNetV3, convolu-tional LSTM and temporal attention block Temporal Adaptive (TA). TA block can focus on further refining temporal information from spatial information extracted from backbone. Experimental results show the pro-posed model is validated on three publicly datasets: Hockey Fight, Movies, and RWF-2000 datasets.     

GIS支撑绝缘子内部放电缺陷综合诊断方法现场应用

介绍了基于特高频局部放电检测和X射线成像检测的气体绝缘金属封闭开关设备（GIS）支撑绝缘子内部放电缺陷综合诊断方法,并进行了分析和现场应用研究。以某110 kV GIS为例,利用特高频法对运行中的GIS进行局部放电检测,在检测到异常信号后,通过干扰排除和多通道信号时延定位确定缺陷位置、缺陷类型。对于支撑绝缘子内部放电缺陷,利用X射线成像检测技术对缺陷情况进行确认,从而实现缺陷综合诊断,指导设备检修。     

基于彩色图像的玻璃绝缘子缺陷诊断

探讨了架空送电线路直升机巡检系统,提高玻璃绝缘子损伤诊断效率的方法。首先采用分块图像的颜色统计识别以及连通域的形状和边缘链码特性,识别出玻璃绝缘子所在区域;然后采用滑动窗口直方图统计及直方图匹配判决的方法,识别出玻璃绝缘子损伤的区域。该方法适用于野外环境中的实时检测,因此可以在一定的光线变化范围和背景复杂度内识别诊断玻璃绝缘子损伤。通过此方法可以在较低的漏检率下快速而准确地检测玻璃绝缘子损伤故障,能在机载系统中具备实时处理能力。     

基于多种局部放电带电检测技术对GIS设备内部放电缺陷的综合诊断与分析

针对某变电站气体绝缘封闭组合电器GIS的一起局部放电缺陷,采用特高频、超声波局部放电带电检测技术,结合绝缘气体成分进行综合诊断分析,确定局部放电源类型并成功运用声-电联合法精确定位局部放电源位置.通过解体检查,确认了检测技术的有效性及可操作性,同时验证了综合检测诊断方法的精确性.     

直流电压下GIS内部缺陷检测

在传统脉冲电流法的基础上,设计了直流电压下脉冲电流检测系统。通过施加直流电压和交流电压,对气体绝缘金属封闭开关设备(gas insulated metal enclosed switchgear and controlgear,GIS)内部缺陷的局部放电信号进行检测。直流电压和交流电压下局部放电信号特征对比结果表明,直流电压下局部放电起始电压较交流电压下低,直流检测技术可以高效、准确地检测缺陷局部放电。     

基于声—电—气联合检测的GIS缺陷分析与处理

基于GIS气室内部存在缺陷时在运行电压下会产生超声波、电磁波以及SF_6气体分解产物这一现象,笔者利用声—电—气联合检测方法,发现和诊断出某公司GIS气室存在的2例典型缺陷,经解体检查得到验证,为之后开展GIS设备缺陷诊断积累了一线生产经验。案例缺陷的发现及诊断过程表明:在开展带电检测时,不同的检测方法对不同的缺陷类型有不同的适用关系,超高频法和超声波法这2种检测方法对于GIS设备缺陷类型的分析和诊断都存在着一定不足和局限性,2种方法各有优劣,二者之间既不能完全包容,又存在着很大的交集。气体分解产物检测法可以作为一种辅助手段在进行缺陷分析和诊断时作为必要的有益的补充。鉴于此,进行GIS设备缺陷诊断应进行超声波法、超高频法和气体成分检测法3种方法联合检测,综合分析诊断,形成优势互补,达到GIS内部潜伏性缺陷正确诊断的目的,同时还强调应加强驻厂监造和出厂试验见证工作,避免存在缺陷的设备进入电网,把缺陷消除在初始状态。     

基于注意力机制的NMS在目标检测中的研究

非最大值抑制算法是目标检测中选择定位准确框的主要算法。针对算法仅以分类得分作为标准可能去除得分低但定位准确的预测框,并且对于有遮挡的情况更不友好的情况。提出了A-NMS方法,该方法将注意力机制融入非极大值抑制算法中,利用位置信息与框的得分信息相结合来调整框的最后得分。此外,还提出了改进的基于距离的交并比损失函数,重新定义了损失项,并将其引入到非极大值抑制中代替IOU来计算框间的交并比。最后将两种改进算法融合到三种经典的目标检测中,在Pascal-VOC 2012和MS-COCO 2017数据集上对上述两种算法进行了验证,结果表明检测精度得到了1%～2%的提升。     

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。     

基于数学形态学改进型谐波检测方法

在瞬时无功功率谐波检测方法的基础上,针对电网谐波电流检测方法存在延时和计算量大等特点,提出了一种基于数学形态学的电流谐波检测方法。通过合理地选择扁平结构元素的长度,对采样信号进行处理,该方法能快速、准确地检测出电流中的谐波分量,具有较高的检测灵敏度,在系统存在噪声的情况下,该改进方法也有良好的检测效果,用Simulink仿真实列证明了这种改进型方法的有效。     

融合混合注意力和改进YoloX的铁路落石检测方法

铁路周边危岩落石侵入铁路限界内会严重危害旅客生命财产与铁路行车安全。针对传统检测方法对复杂动态环境识别误检高、小目标识别准确率较低等问题,提出一种基于视频的铁路落石侵限检测深度学习方法。首先,融合混合注意力模块,增强网络对与背景相似落石检测能力。其次,改进YoloX部分网络结构为双向特征金字塔网络,加强了不同层级特征的相互交流,提升小目标识别能力。同时采集大量不同场景模拟落石数据,构建模拟落石数据集,并在训练中使用Mosaic数据增强方法,增强方法的泛化能力。实验结果表明,本文方法随着改进模块的添加,识别精度不断提高。对比多种主流目标检测方法,取得了最高识别准确度,不同大小目标识别稳定,证明了本文算法在实际铁路场景的应用价值。