一起劣化悬式瓷质高压绝缘子红外检测案例分析

绝缘子是变电站的重要供电设备,绝缘子劣化会导致绝缘子闪络或掉串,对电力系统的安全稳定运行具有严重威胁.红外检测技术在瓷质绝缘子方面的应用是一种可靠、高效的检测手段,但使用目前的红外检测标准会造成多数劣化绝缘子的漏判.针对这种情况,笔者通过一起劣化绝缘子案例,基于劣化绝缘子发热原理,设计图像分割算法求出钢帽以及盘面区域,然后提取盘面以及钢帽温度特征,分析钢帽与盘面的发热规律.针对绝缘子钢帽与盘面的发热规律,提出相应的诊断方法及其预防措施,进一步提高劣化绝缘子红外检测的准确性.     

无人机巡检绝缘子智能检测算法及实现

针对电网巡检中人工识别绝缘子工作量大、缺陷检测实时性差的问题,提出基于Faster R-CNN的无人机目标快速检测算法,通过将绝缘子的样本进行特征提取,形成不同尺度的检测通道,并对缺陷绝缘子样本集进行匹配,完成绝缘子的快速识别和检测。将所提算法移植于无人机计算平台进行实际验证,结果表明：所提算法可在35ms内完成识别和检测绝缘子,正确率达90%,可满足电网运检智能化、自动化的要求。     

基于图像识别的无人机输电线路绝缘子故障检测方法研究

针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。     

基于铁帽和盘面温升特征的劣化绝缘子红外检测方法

为了解决传统绝缘子红外检测方法存在检测盲区的问题,在绝缘子盘面温升规律仿真分析和实验研究的基础上,将盘面特征纳入劣化绝缘子诊断判据中,提出了一种基于铁帽和盘面温升特征的劣化绝缘子红外检测方法,现场实测验证情况表明该方法可以提高绝缘子检测的准确率.绝缘子盘面温升规律实验研究表明:劣化绝缘子盘面温度较相邻正常绝缘子低,呈\     

不同光照下的绝缘子串劣化灰度图像识别方法

作为故障多发元件的绝缘子串,其劣化严重影响输电线路安全,为此提出基于无人机搭载红外传感器下的绝缘子串劣化灰度图像识别方法,提升不同光照条件下的绝缘子串劣化图像识别效果。采用无人机搭载红外传感器采集绝缘子串图像,通过灰度级线性变换对图像进行增强,提高图像中绝缘子串与背景之间对比度,利用开闭运算去除增强后图像中非必要存在区域。根据图像二值化变换特征,利用连通区域标记法提取完整绝缘子串图像,采用Hough变换求取绝缘子串倾斜角度,经水平校正及定位后完成绝缘子串劣化灰度图像识别。经实验验证:该方法在不同光照条件下,绝缘子串劣化灰度图像识别效果较好,具有实用性。     

基于无人机影像的电网绝缘子自爆识别

电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。     

多无人机联合三维定位中的目标优化识别

在各领域无人机发挥的作用越来越大,也越来越受到重视.无人机进行三维定位其意义十分重大.在进行联合三维定位的时候,容易出现的问题是目标的高度离散性大,目标特征因此具有较大的随机性.本文就多无人机联合三维定位中的目标优化识别作简要阐述.     

基于Matlab GUI的绝缘子缺陷检测系统

绝缘子在输电线路的电能输送任务中承担着重要作用,而依靠传统巡检的绝缘子检测方式存在主观性强、人工成本高等劣势。针对上述问题,基于Matlab GUI设计了一种对无人机采集绝缘子图像进行自动缺陷检测的系统。通过对图像进行边缘模糊、灰度化、全局腐蚀、形态学闭运算等处理,在初始图像中识别并定位绝缘子缺陷部分。实验结果表明,该系统对空间位置处于水平、垂直及倾斜的缺陷绝缘子识别准确率分别为80.0%、86.7%、86.7%,对实际运用具有一定价值。     

无人机机载电子电气设备检测系统设计

针对某型无人机(Unmanned Aerial Vehicle,UAV)对检查设备的要求,采用PC104总线技术,设计了某型无人机机载电子电气设备便携式检测系统。该系统将Microsoft Visual C++软件开发平台和数据库技术结合起来,实现了某型无人机机载电子电气设备的快速化和自动化检测,提高了检测效率,降低了维修成本。实验结果表明,该检测系统运行稳定可靠,检测精度高,达到了预期的设计目标,对于提高无人机的可靠性和自动化测试水平具有一定价值。     

基于单目视觉的旋翼无人机定位系统设计

随着航空科技的不断进步,为了完成载人飞机无法完成的高危险任务,无人机的发展受到了广泛关注。传统的位置信息获取依赖GPS和IMU传感器,但在城市楼宇、室内区域,GPS难以准确获取位置信息从而失去效能,而机载IMU传感器又常常会出现较大的姿态角积累误差给无人机的导航带来一定的难度。针对室内或复杂未知环境下无GPS等外部定位辅助系统的无人机的自主定位和导航问题,文章提出一种轻量级、低成本、实时性强、稳定性高的基于单目相机的视觉定位系统方案,搭建了定位系统的硬件和软件架构,研究了单目视觉定位算法,该系统能准确获取无人机的自身位置信息,辅助无人机自主导航、姿态控制等任务顺利执行。     

航拍图像中玻璃绝缘子自爆缺陷的检测及定位

在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对 H(Hue)和 S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。     

无人机航电设备检测系统设计与实现

针对某型无人机航电设备的检测需求分析设计了一种基于PXI总线的检测系统,并从软硬件两个方面对其构成和实现进行了分析和研究。该系统灵活度高、扩展性好,基本可以实现对无人机航电设备的自动检测。     

多无人机协同定位下的路径优化

利用无人机携带定位设备在空中进行辐射源目标的时差定位,可有效避免因地面布站几何因子和非视距传播带来的误差。在此场景下,针对具有定位精度保证的飞行路径最小化问题,本文推导了定位误差期望的下界,构建了最小化该下界的飞行路径优化模型,并针对该模型提出两种数值近似优化算法。在多种场景下,仿真实验对两种算法的路径优化性能进行了对比;在飞行距离受限条件下,仿真实验研究了两种算法的定位精度差异。      

某型无人机飞控机检测系统设计

介绍了一种基于PC104总线的某型无人机飞控机检测系统的设计及实现方案.给出了系统的组成,设计了测试系统的构架及软件测试流程,最后给出了系统测试界面及测试结果.该系统已经完成了联机调试,结果表明:该系统可靠性强且测试结果准确.     

网络设备中防火墙状态检测系统设计

为了在网络设备中嵌入防火墙状态检测系统,研究防火墙状态检测技术,设计了一种状态检测系统,以及通用的状态机模型,记录和维护网络中所有通信连接的状态和过程,并根据状态机模型进行连接的状态变迁,保证通信的完整性和安全性,支持更多应用、协议。同时还提出了一种基于IP流的报文快速转发算法,实验证明该算法可以加快报文的转发效率,并在保证系统安全的同时,有效提高系统性能。     

基于无人机的船舶尾气智能检测系统设计

针对目前船舶尾气检测周期长、时效性差且效率低的问题,文章设计了一种采用船舶尾气遥感检测技术,利用无人机挂载气体检测设备,进行船舶尾气快速智能检测的系统.通过尾气中硫化物的含量,采用神经网络修正的反演算法间接检测出燃料油中的硫含量范围,从而提高了海事监管部门在船舶排放控制区监管的针对性和有效性,具有很好的应用价值.     

复杂环境下高扩展性无人机信号检测识别方法

利用无人机与遥控器间的无线电信号进行无人机检测和识别是当前的研究热点。但在该领域,仍存在两个关键问题有待解决：一是如何在存在众多第三方信号的复杂电磁环境下有效检测识别无人机信号,二是如何保证检测识别系统针对新型无人机的快速扩展能力。针对这两个问题,提出了一种高扩展性的无人机信号检测识别架构。首先,利用YOLO神经网络模型应对复杂电磁环境下信号检测难题。该模型设计和训练面向通用电磁信号检测。完成信号检测后,利用“信号特征提取+支持向量机”结构设计无人机信号识别算法。该步骤计算复杂度低,模型参数少,因此对新型无人机具备良好的可扩展性。     

一种无人机安全性检测系统的设计方案

文章针对无人机安全性检测标准不一,检测方案不完善,致使无人机飞行存在安全隐患,设计了一种利用安装于无人机部分上的传感器实时传输给地面站系统无人机的姿态,速度以及位置等信息,分析无人机的安全性并控制无人机的飞行状态的无人机安全性检测系统设计方案.通过该方案检测无人机安全性具有可靠性好,操作简单,成本相对较低等优点.