共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
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。 相似文献
9.
为提升无人机对于超高压输电线路的巡检效果,保证巡检的安全性和可靠性,研究基于卫星导航的超高压输电线路无人机高效有序巡检方法。采用卫星导航中的GPS导航方法,控制无人机巡检导航位置;基于惯性导航模型实时获取无人机位置和航向信息;依据这些信息,在确定路径导航约束的基础上,建立超高压输电线路高效有序巡检路径导航优化目标函数;通过圆弧段串联法平滑处理巡检路径导航结果,同时完成巡检轨迹安全性校验。测试结果显示:该方法能够精准控制无人机到达指定的巡检点位置,且X、Y、Z 3个方向上巡检路径与理想路径之间的误差均低于10 cm,巡检时安全距离均控制在0.6~0.7 m之间,可完成不同环境下的线路巡检任务。 相似文献
10.
11.
12.
13.
针对海量的输电线路无人机巡检图像,传统的人工命名耗费了大量的人力,且存在命名错误等一些问题,严重影响无人机发挥巡检效能,因此提出输电线路自动命名技术。该技术基于输电线路高精度激光点云,提取零部件关键位置坐标,基于无人机RTK定位技术,提取巡检图像坐标,运用以上两种坐标,完成了基于空间距离的图像自动命名方法研究,并基于python研发了自动命名软件,在没有人员干预的条件下,快速、准确、自动地完成输电线路无人机巡检图像命名。在佛山地区应用实践中,该软件每年完成22万张输电线路无人机巡检图像的自动命名,节约了大量的人力,提高了无人机巡检时效性。 相似文献
14.
随着电网规模的不断扩大,无人机作为一种安全稳定高效的设备已逐步被应用于对输电线路的巡检中。同时,如何提升巡检作业的可靠性,保障无人机及线路的安全,成为重要的研究课题。首先利用Ansoft Maxwell电磁场仿真软件计算输电线路周围电磁场强度;进而以某中型电力巡线无人机为例,分析其可承受电磁场强度的范围;并在此基础上提出无人机巡检安全飞行距离确定方法,给出安全距离计算公式。利用该公式计算出某中型电力巡线无人机对500 k V交流输电线路巡检的安全距离。输电线路无人机巡检安全飞行区域的确定能够提高无人机电力巡线作业的可靠性和安全性,对保证人身、电网和设备的安全具有重要意义。 相似文献
15.
16.
17.
付子峰袁野李响吴星奇于江 《湖北电力》2023,(2):118-124
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. 相似文献
18.
传统的巡检方法计算误差大,巡检效果差,为此研究基于无人机低空摄影技术的架空输电线路智能巡检方法。采用无人机作为图像数据采集设备,调节对应的飞行参数。将无人机的飞行高度与图像采集点的有效操作距离进行匹配,并获得其电力系统的图像。将图像进行预处理,消除图像因为光线误差等导致的干扰问题。合理选择无人机拍摄图像,根据具体的精度要求对图像进行加密处理,使得图像结构能够完成保存。通过端到端的方式对架空输电线路进行整体图像提取。运用GPS采集地理坐标并转换为空间坐标,获得不同线段的端点位置,计算端点间距离得到检测结果。实验结果表明,小组5计算距离与实际距离一致,能够准确识别出地物边界,误差为0%,能够准确判断地物安全距离,提升巡检效果。 相似文献
19.
高压输电线路定期的巡逻检修是保障其安全可靠运行的重要手段。相比于传统的人工巡检,利用无人驾驶飞机搭载摄像机航拍的巡检方式具有速度快、人力成本低、人员风险小等优势。为了从海量的巡检图像中自动筛选出杆塔可能存在故障的图像,提出了一种融合多源信息的电力杆塔检测框架模型,主要包括摄像机标定、杆塔模型投影变换、杆塔模型聚类分析以及特征提取和匹配4个部分,并在实际的杆塔图像上进行了测试。结果表明,应用检测框架模型处理能够自动检测出图像中杆塔的精确位置,并判断杆塔是否存在杆件丢失等异常状态,验证了模型的有效性。 相似文献