利用SegNet的非标准DM码的区域提取

位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心.目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点:(1)训练过程复杂繁琐;(2)训练后仍需对图片进行特征变换或者图片重组才能达到对其进行定位识别的目的 .针对该问题,提出了一种基于语义分割技术的DM码条码区域提取方法:先采用基于深度学习的SegNet网络从图片中分割出包含二维码的最小区域,再对得到的区域进行二维码定位与解析,并进行了实验验证.实验结果表明,与已有的基于神经网络定位二维码区域的方法相比,利用SegNet的定位方法更为简洁高效,能够将准确率提高到99.5％,且具有更高的鲁棒性.     

配电线路故障定位技术及其在10kV电网中的应用

故障定点定位技术可以大大提高10kV电网运行的安全性和稳定性.基于此,文章主要分析配电线路故障定位技术的发展和技术要点,分析目前10kV电网运行存在的主要故障类型,并探讨问题电路在线监测系统的主要应用技术原理,分析有效的技术应用路径,提高配电线路故障定位技术的应用效果.     

10kV配电线路常见故障分析与改进研究

随着城市化程度的不断加深,居民对于电能的需求越来越大,也同时提高了对电能的产生和输送质量的要求.本文通过对配电网架空线路设备、电缆设备等典型故障实例进行分析,提出了相对应的技术改进方案与措施,提升配电网运行管理水平,促进电力行业的进一步发展.     

LCD联合改进Teager算子的轴承故障诊断

提出了将局部特征尺度分解(Local characteristic-scale decomposition,简称LCD)和改进Teager能量算子(NTEO)相结合的滚动轴承故障诊断方法。首先简单介绍了近几年新提出的一种自适应时频分析方法 LCD,它能够将一个复杂的多分量信号分解为若干内禀尺度分量(Intrinsic scale component,简称ISC),计算各阶ISC的峭度和与原信号的相关度,然后对峭度和相关度都比较大的ISC用NTEO计算瞬时Teager能量序列,接下来把各阶Teager能量序列相加得到总的能量序列,最后对能量序列做快速傅里叶变换,查找故障频率。分别把有内圈和外圈故障的轴承的振动信号进行了分析,有效的提取出了故障特征频率,并与传统的Hilbert包络谱方法和Teager能量谱进行对比,验证了方法的优越性。