基于定点化自适应选择卷积神经网络的电力缺陷识别方法

无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCN-N)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型的计算成本,有效提高电力缺陷识别的运行速度,进而延长巡检无人机的续航里程.首先将卷积网络中的浮点运算进行定点化近似,然后通过快速机器学习算法对DCNN模型的输入图像进行自适应选择,最后通过实验对所提方法进行了验证.实验结果证明,DCNN模型经8比特定点优化和自适应选择选择策略后的准确率达88.2％,推理时间缩短了65.9％,能耗减少了71.9％,查准率提高了9.8％.所设计的定点化DCNN模型自适应选择策略不仅能节约电力巡检系统的功耗,而且能提高电力缺陷识别的精度.     

基于深度多级小波变换的图像盲去模糊算法

近年来卷积神经网络广泛应用于单幅图像去模糊问题,卷积神经网络的感受野大小、网络深度等会影响图像去模糊算法性能。为了增大感受野以提高图像去模糊算法的性能,该文提出一种基于深度多级小波变换的图像盲去模糊算法。将小波变换嵌入编-解码结构中,在增大感受野的同时加强图像特征的稀疏性。为在小波域重构高质量图像,该文利用多尺度扩张稠密块提取图像的多尺度信息,同时引入特征融合块以自适应地融合编-解码之间的特征。此外,由于小波域和空间域对图像信息的表示存在差异,为融合这些不同的特征表示,该文利用空间域重建模块在空间域进一步提高重构图像的质量。实验结果表明该文方法在结构相似度(SSIM)和峰值信噪比(PSNR)上具有更好的性能,而且在真实模糊图像上具有更好的视觉效果。     

基于深度多级小波变换的图像盲去模糊算法

近年来卷积神经网络广泛应用于单幅图像去模糊问题,卷积神经网络的感受野大小、网络深度等会影响图像去模糊算法性能.为了增大感受野以提高图像去模糊算法的性能,该文提出一种基于深度多级小波变换的图像盲去模糊算法.将小波变换嵌入编-解码结构中,在增大感受野的同时加强图像特征的稀疏性.为在小波域重构高质量图像,该文利用多尺度扩张稠密块提取图像的多尺度信息,同时引入特征融合块以自适应地融合编-解码之间的特征.此外,由于小波域和空间域对图像信息的表示存在差异,为融合这些不同的特征表示,该文利用空间域重建模块在空间域进一步提高重构图像的质量.实验结果表明该文方法在结构相似度(SSIM)和峰值信噪比(PSNR)上具有更好的性能,而且在真实模糊图像上具有更好的视觉效果.     

基于三维定位的变电站检修安全预警系统设计

为了提高变电站检修安全预警能力,提出一种基于三维定位的变电站检修安全预警系统设计方法。采用三维成像技术进行变电站检修安全预警的图谱特征分析,提取变电站检修安全预警图谱信息的边缘轮廓特征量,采用纹理模板匹配技术进行变电站的谱密度分析和差异性特征提取,采用活动轮廓检测方法对变电站检修安全预警的图谱特征点进行灰色不变矩检测,得到故障类型;根据故障类型采用三维定位和特征重构方法,实现了变电站检修安全预警的图谱特征提取和三维定位识别。在DSP和FPGA集成处理环境中实现变电站检修安全预警系统的硬件设计。研究得知,采用该方法进行变电站检修安全预警的精准度较高,自适应性较好。     

基于红外影像辅助的无人机自主巡检规划方法设计

为了提高对电网线路的自主巡检能力,设计了基于红外影像辅助技术的无人机自主巡检规划方法.在对电网线路实施红外成像处理的基础上,在机器视觉环境下提取红外影像的边缘轮廓特征量和纹理信息.然后结合对红外影像的信息融合和边缘区域检测结果提取影像的像素类别,通过模糊聚合融合处理方法检测影像的主成分特征,从而完成对影像信息增强处理....