多模型融合的输电线路绝缘子自爆故障检测

针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask rcnn、 Retinanet、 Yolov3),计算得到巡检图像中绝缘子自爆区域坐标及置信度.再利用多模型融合计算,融合各模型检测结果.最后实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,得到绝缘子自爆故障检测综合评价值为94.81%.所提方法在平均准确率、召回率、准确率方面均高于单一模型检测结果.实验结果表明,本方法能有效实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,对输电线路智能化巡检故障诊断具有一定参考价值.     

基于改进YOLOv4输电线关键部件实时检测方法

针对输电线路维护过程中的典型缺陷识别问题,为提高无人机(unmanned aerial vehicle, UAV)自主巡检的智能化程度,提出基于改进YOLOv4的无人机输电线关键部件实时检测模型。根据无人机视角下输电线典型目标的特点,结合MobileNet重新设计了一种轻量的特征提取网络来获取更高的特征提取效率,利用空洞模块增强感受野减少小目标的信息损失;在特征融合模块中添加自适应路径融合网络来融合更多的位置信息和语义信息,提高了多尺度目标的检测精度,减少了目标的误报率。采用构建的无人机输电线关键部件数据集来评估提出的模型。结果表明:基于YOLOv4改进的网络能够在无人机机载端实现实时多尺度目标检测,模型的平均准确率可达到92.76%,检测速度可达到32帧/秒,能够满足无人机嵌入式平台上实时检测的需求。     

基于无人机的输电线路巡检系统设计与应用

设计一款无人机输电线路巡检系统,通过远程遥控系统对无人机的实时状况进行调整,机载摄像头系统能够较清晰地检测到线路的故障,对沿途输电线的状况进行实时检测并及时反映给地面接收端。同时,可以自动躲避障碍物,满足在不同自然环境中的出航,实现对自然条件恶劣、不适合人工巡检地区的线路监测和巡检,并及时反映给接收端。经测试表明,该系统运行稳定,有效提高了输电线路巡检效率。     

基于改进Cascade R-CNN的两阶段销钉缺陷检测模型

无人机在输电线路巡检过程中会拍摄大量图片,自动识别无人机拍摄图片中存在的部件缺陷是无人机巡检的重要环节.其中销钉的缺陷由于目标较小且需要依赖上下文信息才能正确判断,识别难度较大.针对上述问题,提出了一种两阶段的销钉缺陷检测模型.首先使用Faster R-CNN (regin convolutional neural networks)模型提取出原始图像中的连接部位,再对提取出的每个连接部位进行缺陷识别.缺陷识别模型使用改进的Cascade R-CNN,该模型使用层级残差卷积模块代替骨干网络中的3×3卷积并使用路径聚合特征金字塔(PAFPN)代替原始网络中的特征金字塔结构,能够有效提取图片中的多尺度特征和上下文信息.最后将级联检测器的最后一级替换为double-head检测器,减少模型误报.实验结果表明,模型对销钉缺失及销钉脱出两类缺陷的平均识别精度能够达到81.2％,与原始的Cascade R-CNN相比提升了7.8％.     

基于轻量级深度卷积神经网络的绝缘子检测

在无人机巡检图像中,检测出绝缘子是实现输电线路状态分析的关键.本研究采用轻量级卷积神经网络代替传统的人工特征提取器,获取输入图像的深层特征;利用深度学习目标检测网络对所提取特征进行处理和训练学习,实现多尺度、多种类的绝缘子目标检测.实验结果表明:该方法可以准确快速地识别出以山林背景为主的瓷质和复合两类绝缘子,其检测精度...     

无人机输电线路巡检中安全距离测量方法

针对无人机输电线路巡检中无人机与输电线路之间安全距离的测量问题,提出一种基于成像模型的单目视觉测量方法。采用图像处理技术,从无人机拍摄的图像中识别出无人机输电线路巡检中输电线杆塔,以此建立了输电线路的成像模型,并在已知输电线杆塔实际高度的前提下,由模型中的成像几何关系推导出了无人机距离输电线路竖直平面的安全距离。与传统的基于GPS坐标或基于激光测距的方法相比,降低了模型的计算复杂度和系统的硬件需求,提高了在复杂地理环境下系统的稳定性和检测精度。实验结果表明,该方法能准确测量安全距离且平均检测误差仅为2.63%。     

架空输电线路无人机人工联合巡检模式初探

为了提升输电线路巡检质量以及效率,需全方位解决安全风险问题,实施架空输电线路无人机巡检工作不容迟疑。本文主要分析了架空输电线路无人机人工联合巡检模式,并逐次介绍了此项目研究背景以及意义,之后解析了输电线路无人机联合巡检模式遇到的困难以及问题。并深入地介绍了无人机人工联合巡检的开展,并提出对应的解决措施。旨在为工作人员提供参考。     

无人机挂载性能对输电线路巡视的影响

在对无人机巡检系统进行简述的基础上,分析了无人机与输电线路之间安全距离对挂载性能配置的要求,以及不同挂载性能配置在输电线路巡视中的不同飞行路径,阐述了无人机挂载性能对输电线路巡视的具体影响。     

智能巡检管理系统在输电线路运维中的应用研究

<正>本文在运用信息化技术的基础上,引入GPS、4G/5G通信、无人机、可视化管理等多种先进技术,设计了一种新的智能巡检管理系统架构。该智能巡检管理系统主要包括系统后台和系统前端两个部分,可用于输电线路的智能巡检及管理。当前,该智能巡检管理系统已于某公司220kV及以下电压等级输电线路中得到应用,其在提高输电线路巡检管理规范化、智能化水平等方面的价值也得到了充分验证。     

基于优化ResNet的输电线路航拍图像分类方法

图像分类算法常被搭载在无人机系统中,以剔除无人机巡线过程中采集到的大量无用数据.针对这一问题,本文在分析了无用图像及有用图像特征的基础上,提出了一种基于卷积神经网络的输电线路智能图像筛选方法.收集无人机巡检捕捉到的航拍图像,并以此为基础建立了一个输电线路航拍数据集,基于ResNet优化并利用航拍图像数据集训练该网络,经...     

一种改进SSD的输电线路电力部件识别方法

为解决单阶段多框检测器(single shot multibox setector, SSD)算法识别较小尺寸电力部件准确率低的问题,本文提出一种注意力机制和多尺度特征融合的单阶段多框检测器(attention mechanism and multiscale feature fusion single shot multibox detector, amSSD)算法。该方法在SSD网络特征提取层引入压缩和激励网络(squeeze-and-excitation networks,SENet)结构,筛选并保留更多与目标相关的特征通道;对浅层特征图采用膨胀卷积操作,使目标语义信息更加丰富;对高层特征图进行反卷积操作,并与浅层特征进行融合,得到具有更高分辨率高语义信息的目标特征图,提高对较小尺寸电力部件的识别能力。利用实际无人机飞行数据进行测试验证,实验结果表明:本文方法能够有效地识别出电力部件,而且识别平均准确率达到89.6%,比SSD方法的识别准确率提升了6.2%。     

基于林火风险的高压输电线路无人机巡检路径规划

跨越林区的高压输电线路建设存在诱发森林火灾的风险,因此必须重视高压输电线路的巡检工作。目前,以防范林区火灾风险为目的开展的无人机巡检路径规划的相关研究较少,且已有研究未针对电网系统的运维安全,也未考虑各火灾风险因素间的相互影响。因此,该文提出一种基于网络分析法(analytic network process, ANP)和遗传算法(genetic algorithm, GA)的森林电网无人机巡检路径规划方法。首先结合历史数据和实地调研,识别出影响森林火灾风险的典型因素,并对所在线路及周边林区开展火灾风险评估,划分出高火险区域;再将这些高火险区域设置为巡检节点,基于GA规划出最短的无人机巡检路径。此外,提出一种基于最大偏转角约束的路径优化方法,对路径中不满足最大偏转角约束的节点进行了优化。该文以中国安徽省某重要输电通道线路3542#—3547#为应用对象,评估得出了线路周边存在10处高火险区域,规划出长度为5 391.72 m的无人机巡检路径,再利用最大偏转角约束的方法进行路径优化,优化后的路径总长为5 401.36 m,仅比原路径增长了0.179%。该文提出的无人机巡检路径规划方法以火...     

输电线路巡检中多旋翼无人机的应用

随着经济的发展,人口增加,用电负荷增大,输电工程的数量也随之增多,电力线路加长,排列复杂,输电线路的垂直高度也在不断攀升。目前,应用人力巡检,一方面需要投入更多的巡检人员,投入更多的薪水支出;另一方面输电线路越来越多地向农村及山区普及蔓延,野外的不可测因素较多,也会给巡检人员的人身安全构成威胁。为解决人工巡检中面临的窘境,有部分地区开始推广无人机巡检技术,但无人机的应用过程中有许多事项需要注意。无人机的使用只是代替工作人员进行移动式观察,还需要专业人员不间断地进行监视,并没有真正解放人力。本文先是简单介绍了无人机的定义、分类、优势和不足,分析了无人机应用的巡检中的意义,最后指出了无人机的应用要点和技术突破,帮助电力企业更好地应用无人机解决巡检中的难题。     

具有自主导航能力的高压输电线路无人机巡检系统设计

该文介绍了目前高压输电线路巡检的主要方式,并分析了各种巡检方式的优缺点。针对目前无人机巡检主要依赖人工操控的问题,提出了一种具有自主导航能力的高压输电线路无人机巡线系统。该系统部署方便灵活、成本低、续航能力长,线路监测实时性好,具有较强的自动化和智能化作业能力,能够有效提升无人机巡检作业的效率。     

电力输电线路协同巡检方式研究

在了解不同巡检模式的主要特点后,通过分析不同的电压等级、巡视任务、地理环境、巡视内容、巡视周期等因素对输电线路巡检方式的影响,建立直升机、无人机、人工协同巡检模式,实现高效外观巡查和细节查缺巡视相结合,提高输电线路巡检效率。     

复杂场景图像中人员目标检测算法的改进

图像或视频中的人员目标检测,一般采用单个深层神经网络检测器(SSD)算法.但在复杂场景下,SSD算法因场景复杂、物体重叠、遮挡等干扰,检测精度大大降低.在SSD算法中加入反卷积网络反馈用于增加环境感知信息;采用辅助损失函数以促进损失降低,并将复杂场景中的目标检测多分类问题转换为二分类问题.以无人机拍摄的复杂场景下的行人数据集为例进行人员目标检测实验,对比分析多种检测方法的准确率表明,改进后的SSD算法在检测速度和识别精度上均提高明显.     

基于Jetson-TX2的输电线路设备实时巡检系统

针对输电线路及设备巡检效率低的问题,设计了一种基于Jetson-TX2的输电线路设备实时巡检系统。该系统包括基于YOLO v3算法的Jetson-TX2主控模块和云台相机控制模块。Jetson-TX2主控模块通过TensorRT加速库,对YOLO v3算法模型进行优化加速,完成视频流目标实时识别与定位;采用 PID算法控制云台(PTZ)相机,实现设备的高清图像采集。该系统对输电线路设备整体识别准确率达95%,可实现对视频流的实时检测,有效提高输电线路巡检效率。     

基于特征融合SSD的微电连接器缺陷检测

提出基于多尺度特征融合单次多框检测器(SSD)算法,对微精密玻璃封装电连接器的缺陷进行检测．针对SSD算法在背景复杂、噪声干扰多、目标特征微弱环境下,特征提取能力弱、检测精度低的问题,在主干网络加入深度残差结构,丰富细节信息;针对在卷积网络中关键信息逐步丢失问题,提出了自顶向下的多尺度特征融合方法将含有上下文信息的高语义层与含有位置信息的低层特征进行融合,使得融合后的特征层包含丰富的边界信息和背景信息;在此基础上,构建了一种轻量级的通道注意力模块,增强SSD算法对特征层重要特征的提取并弱化无关特征,从而提高SSD网络的特征提取能力．实验结果表明：改进算法相对于原始的SSD算法,精度由86.42%提高到了91.28%.     

弱监督细粒度分类在绝缘子故障识别中的应用

绝缘子在输电线路中大量使用且分布极广,是电力巡检过程中重点监控的元器件。绝缘子状态正常是输电线路平稳运行的前提。但由于绝缘子图像太过相似,导致绝缘子故障识别率低。为提高绝缘子的故障识别率,提出一种将弱监督细粒度分类思想与绝缘子故障识别结合的网络MFIFIN(Multi Feature Insulator Fault Identification Net)。网络使用基于全图的标签信息训练模型,利用多网络分别提取目标的物体级和部位级特征,然后将两种特征通过特征图合并和双线性池化进行融合。实验结果表明,在绝缘子故障识别中使用弱监督细粒度图像分类方法是有效的,在测试数据中,MFIFIN网络的分类精确率达到了88.32%,F1值达到了0.88。     

航拍图像中电力杆号牌的检测与信息识别

电力杆号牌包含了塔杆的标号及其所承载的电力线的电压、线路位置等信息,是输电线路上必须装设的标志牌之一。当输电线路或电力设备发生故障时,通过杆号牌上的信息能够快速定位到电力设备的故障所在位置。无人机航拍技术与图像处理技术已经被广泛用于输电线路巡检中。为快速定位输电线路所在位置,提出了一种航拍图像中电力杆号牌的检测与信息识别方法,该算法先从航拍图像中精确定位并提取出电力杆号牌,然后对杆号牌中的文本信息进行识别与智能分类存储。实验结果表明该算法能精确提取出航拍图像中的电力杆号牌,并对杆号牌上的信息具有较好的文字识别效果,极大地方便了巡检工作人员,提高了巡检效率。