基于航拍图像的输电线路异物识别

为提高无人机电网巡线故障点排查的效率,针对输电线路走廊悬挂异物的潜在故障,提出一种可从大量航拍输电线路图像中筛选出挂有异物的图像的方法.基于形态学算法改进Otsu(最大类间方差)自适应阈值分割算法分割图像背景,提出一种新的基于输电线路特征的滤波方法进一步滤除背景;通过梯度法获取电力线的边缘,选取Hough变换累加器中局部极大值个数与最终检测到的线路数量作为异物特征向量来识别异物.最后,开发出批处理系统识别验证.结果表明,该算法能将挂有异物的电力线图像准确识别,为输电线路可靠性提供保障.     

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。     

基于改进蚁群A~*算法的输电线路路径搜索

以GIS作为输电线路路径选择的地理信息采集和分析平台,综合考虑线路走廊区域地形、地貌、地物、环境等方面的影响因素,利用层次分析法得到线路走廊区域的线路综合成本量化值.结合高压输电线路路径选择特点,建立了基于改进蚁群算法的高压输电线路路径自动搜索模型,实现了输电路径的跨越式搜索和障碍的规避.模型引入路径局部成本控制启发策略及A~*导向算法,提高了路径搜索效率.用C#2010和ArcGIS 10.0开发了输电线路路径自动选择程序,并采集无人机航拍的现场地理数据,验证了模型和方法的有效性.     

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%。     

基于特征检测的航拍图像电力线提取方法

在分析输电线路无人机巡检系统航拍图像中电力线特征的基础上,针对单一Ratio算子和Hough变换提取电力线效率低、效果差的不足,提出一种基于特征检测的电力线提取算法.首先,运用Ratio算子检测直线像素点并运用Hough变换的方法提取图像中的直线信息;然后,运用特征检测算法对电力线进行提取;最后,通过实验验证了所提算法能够从复杂的自然背景中完整提取电力线,同时能有效避免漏检、误检等情况,并有较好的噪声抑制能力.该研究为电力线典型故障的检测识别提供了有力支撑,具有较好的工程应用价值.     

基于Faster R-CNN的多尺度高压塔鸟巢检测

为了解决复杂图像背景条件下高压塔上鸟巢检测的问题,提出一种基于Faster R-CNN的多尺度高压塔鸟巢检测方法.在特征提取方面,通过改进基于卷积神经网络的ResNet-50特征提取网络分别完成图像中高压塔和鸟巢的特征提取;在建议区域提取方面,提出在两种不同深度的卷积特征图上采用合理尺度的不同大小滑动窗口方式完成建议区域的提取,增强了对鸟巢的检测能力;在目标检测方面,提出在高分辨卷积特征图上进行上采样操作,并额外增加SENet特征增强模块,有效提高了目标检测效果.最后利用同时检测出的高压塔区域条件剔除了此区域之外的鸟巢检测结果,进一步提升了最终的鸟巢检测精度.该方法在2 000幅无人机实际巡检航拍的含有鸟巢的图像数据集上进行了测试.实验结果表明:本文方法的平均检测精度达到了84.55%.对比已有的基于HOG+SVM的检测方法和基于经典的Faster R-CNN ResNet-50检测方法,本文所提出的方法平均检测精度分别提高了43.5%和15.2%,并加快了检测速度.该方法为无人机电力智能巡检提供了一种新的解决办法.     

基于YOLO算法的无人机航拍图片绝缘子缺失检测

输电线路上的绝缘子,长时间暴露在自然环境下,容易产生自爆缺失故障,进而容易损害整个输电线路的使用安全和运行寿命。对此,本文提出一种基于深度学习目标检测算法的端到端绝缘子缺失检测方法,利用深度卷积神经网络的强大学习能力,以及适当量的标注样本,学习到如何直接从无人机航拍照片中检测绝缘子,并自动区分完整绝缘子和缺失绝缘子。     

基于预测区域匹配的无人机航拍图像快速拼接

利用无人机侦查拍摄的图像,拼接成整个战场的全景图,方便指挥人员了解战场动态,做出战略决策. 根据无人机航拍图片序列的特点,提出了一种快速精确的拼接方法,即在无人机航拍图片拼接过程中,使用一种创新的匹配对齐策略,根据图片间的重叠率构造估计范围矩形,仅对矩形区域内的特征点进行匹配计算,然后使用图像融合等方法优化拼接效果. 此算法提高了鲁棒性,可在短时间内获得较好的拼接效果. 分别对谷歌地球卫星图片和无人机航拍真实数据进行实验,验证了算法的有效性.      

基于多旋翼无人机的输电线路智能巡检系统

针对超/特高压输电线路安全运行所面临的挑战与风险,以当前智能电网发展与"三集五大"电网运行模式改革为背景,开发了基于多旋翼无人机的超/特高压输电线路智能巡检系统,并阐述了系统的组成、功能及其关键技术。该系统已在输电线路巡检中初步应用,结果表明其能够高效、自主、准确识别并诊断特高压输电线路的典型缺陷与故障。     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.     

基于Resnet的林地无人机图像去雾改进算法

【目的】针对雾霾天气下林地无人机航拍图像存在对比度低、饱和度低和色调偏移等现象,基于Resnet网络,提出一种适应林地航拍场景的无人机图像去雾方法(DHnet)。【方法】林地场景下无人机图像具有纹理特征、高低频信息丰富的特点,在主干网络各个层级附加信息传递模块,将特征图转化为权值图进行筛选过滤并发送到其他层级,接收端设置阈值避免冗余信息的不良影响,再经密集链接增强全局去雾效果,提高图像高低频区域的去雾质量,最后在林地无人机有雾图像测试集上进行去雾实验。【结果】DHnet在林地图像测试集上的平均结构相似性为0.83,平均峰值信噪比为22.3 dB,分别较Resnet方法提高了4.8%和39.3%。【结论】本研究提出的算法能有效降低图像色调偏移,去除残留雾气信息,有效提高无人机航拍林地雾气图像的色彩保真度和细节信息保持度。     

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YOLOv7的输电铁塔塔基检测算法

输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。     

基于Faster RCNN算法的输电线路防震锤识别研究

针对输电线路人工检测金具成本大、效率低及后期分析样本时寻找缺陷困难等问题,提出了 一种基于深度学习的输电线路金具识别方法.首先,通过无人机巡检获取一定数量的样本,通过将已标记处理的样本与相对应xml坐标文件进行联合扩充的方法,获得角度丰富化、数量多样化和部分噪声化的数据集;然后,采用Faster RCNN卷积神经网络算...     

一种基于CNN的航拍输电线路图像分类方法

输电线路场景的复杂程度较高,经典卷积神经网络对输电线路场景数据集的分类效果较差。为了解决这一问题,利用卷积神经网络的优势,提出了一种基于VGG-19的优化网络结构,并将此优化网络应用在输电线路场景数据集的分类中,优化网络的分类准确度为95.1%。实验结果表明本文提出的优化网络相较于经典的卷积神经网络有更好的分类效果。     

面向DSP的无人机航拍图像清晰化系统的设计与实现

影响无人机航拍成像清晰化的原因有两点:一是无人机在飞行拍摄过程中因存在多种运动模式,导致航拍成像存在运动模糊问题;二是航拍观测由于成像光路长,即使在无雾天气下空气粒子对光线的衰减也较大.此外,现有图像清晰化处理的各类主流算法大都基于PC机设计实现,未考虑底层硬件资源配置问题,难以应用到资源有限的嵌入式设备当中.该文针对...     

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...     

基于激光测距无人机的输电线路覆冰厚度测量

输电线路覆冰严重危害着输电线路地安全稳定运行。为了便捷、快速、高精度地对输电线路覆冰状况进行监测,提出了将激光测距技术和无人机技术相结合,研究了基于单频测尺的相位式激光测距无人机的输电线路覆冰厚度的测量方法。首先,研究了基于单频测尺的相位式激光测距的基本原理,提高了激光测距的精度和测量速度。然后,重点研究了基于激光测距测量覆冰厚度的基本原理,推导了激光测量距离与覆冰厚度之间的计算方法。接着,研制了基于单频测尺的相位式激光测距无人机测量输电线路覆冰厚度的测量系统,根据测量精度对主要部件和参数进行选型。最后,分别在人工气候室和现场实际进行了输电导线覆冰测量,验证了基于单频测尺的相位式激光测距无人机对输电线路覆冰厚度地实际测量有效性,并进行了误差分析。     

飞行机器人电塔巡检视频关键帧提取预处理

针对架空输电线路飞行机器人巡检视频的关键帧提取问题,提出了一种地理信息、导航数据、航拍数据和相机参数相结合的关键帧提取预处理方法.首先通过将地理坐标系中的坐标转化到空间直角坐标系中,对地理信息进行处理;其次通过空间直角坐标系中的坐标转化成图像坐标系中的坐标,确定巡检目标在图像中的位置;最后通过判断巡检目标在图像坐标系下的位置以确定图像是否可以作为关键帧的候选帧.实验结果表明:提出的预处理方法在不降低从视频中提取出来的关键帧准确度前提下,减少了图像层面上的计算量,缩短了关键帧提取时间.     

基于水平集的航拍影像阴影检测与去除系统设计

建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影.而阴影区域的存在可能影响图像后续处理,导致重要信息丢失.本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计.系统主要功能包括：图像读入、图像去雾、阴影检测、阴影去除.