一种改进SSD算法的输电线路目标检测方法

电力巡检在输电线路部件故障的排除中起着至关重要的作用.为了实现复杂背景下的输电线路电力小部件的目标检测,提出了一种改进SSD算法的小目标检测算法——PA-SSD.将反卷积融合单元融合到PANet算法中,以改进PANet结构,并以此为基础产生新的特征融合方式,融合不同尺度的特征图;将传统SSD算法中的特征图用新的特征图替换,形成新的特征金字塔模型.针对实际输电线路中的4种目标进行了测试,结果表明,PA-SSD算法与原始的SSD算法相比,其检测精度有了明显提高,检测速度也可以满足检测性能的要求.     

基于注意力特征融合YOLOv5模型的无人机输电线路航拍图像金具检测方法

无人机采集输电线路航拍图像由于其特殊性,往往背景复杂多变,检测目标存在尺度不一及部分遮挡等问题容易造成检测过程中误检、漏检。本文从特征融合角度出发,提出基于注意力特征融合YOLOv5模型的输电线路金具检测方法。首先,在主干提取网络中引入了具有自注意力机制的AFF-Transformer模块更好的捕获全局信息和上下文信息,提高主干网络特征提取能力。其次,通过在特征融合过程中使用通道空间注意力避免了关键信息丢失。最后,利用双向加权特征融合机制使得模型更有效的将浅层特征和深层特征进行融合,以上改进有效缓解了金具在密集状态下的误检、漏检等问题。通过在自建输电线路金具数据集上进行实验,结果表明：本文提出的方法在原YOLOv5模型的基础上准确率提升了2.7%,模型召回率提高了1.5%,针对于小目标,以及漏检、误检等问题有了较好的改善。     

基于深度学习的无人机巡检架空输电线路金具锈蚀缺陷检测方法

为了提升架空线路无人机巡检效率,提高架空线路金具锈蚀缺陷智能检测效率,提出了一种基于深度学习的巡检架空线路销钉缺陷检测方法。由于架空输电线路的金具锈蚀缺陷智能检测存在环境背景大、目标小、拍摄角度和拍摄光线差异大等特点,采用图像预处理算法拓充数据集,将MobileNet替换YOLO的主干特征提取网络来提升算法的泛化能力和鲁棒性,并用实际巡检图像进行实验测试。测试集验证中,当置信度阈值取0.5时,P为0.92、R为0.84、A_P为91.34%。结果表明,此方法对架空线路金具锈蚀缺陷有较好的检测效果,可以给设备健康状态评估提供参考。     

基于图像增广与迁移学习的输电线路金具 多目标实时检测方法

架空输电线路金具的状态评估工作对于线路的可靠运行至关重要,金具的检测是评估工作的重要一环。针对金具识别检测中数据集人工标注的工作量大,以及难以兼顾高精度和快速性问题,提出一种基于YOLOX网络改进的输电线路金具检测方法。将无人机拍摄的金具图像进行增广预处理丰富数据集,骨干网络采用在线Mosaic、Mixup增强方式,引入基于特征提取的迁移学习并采用余弦退火学习率进行两阶段模型训练。实验结果表明,改进后的方法对各类金具检测的平均精度均值提高了18.32%,与Faster R-CNN等5种主流检测模型相比,所提方法平均检测精度均值最高,且检测速度仅次于YOLOv3,能够更加快速、精准地识别各类金具,并在一定程度上减少人工标注的工作量。     

基于改进SSD的输电线路销钉缺陷检测

销钉在输电线路中起着连接关键部件的重要作用,其缺陷直接引起部件变形、不稳定甚至造成电力停电事故.针对已有单发多盒探测器(single shot multibox detector,SSD)模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出基于残差网络和多层级特征融合策略的改进SSD模型.首先,改进SSD网络结构,...     

基于改进SSD算法的行人检测方法

随着计算机视觉的快速发展,行人检测技术越来越成为人们关注的热门话题之一.行人检测算法中SSD算法相对于其他行人检测算法更加稳定,针对SSD算法做行人检测时产生的检测精度低的问题,提出一种以ResNet残差网络作为SSD的前馈网络,提取行人特征,并通过特征值生成目标框的行人检测算法.将原始SSD算法与改进后的SSD算法分...     

基于改进SSD的骑行人员佩戴头盔检测

为了解决骑行人员佩戴头盔检测任务中目标小、密集、准确率差、检测速度慢、应用困难等问题,本文基于SSD网络提出了EfficientNetV2-SSD算法。针对原SSD网络参数多的问题,使用改进后的轻量级网络EfficientNetV2替换SSD中的特征提取网络,减少网络参数,提升网络检测速度;针对难检测的小目标,使用自上而下与自下而上的FPN金字塔结构,最大程度丰富所有预测特征层信息,提升小目标的检测准确率;针对头盔等被检测的目标特征,重新设计先验框尺寸与比例,提高了小目标检测的准确率,同时加快网络收敛速度,减小网络体积。实验结果表示,EfficientNetV2-SSD网络对佩戴头盔的检测平均精度均值相比SSD网络提高7.01%,网络体积减少75%,具有更好的实用性。     

基于改进的SSD模型手机违规使用目标检测*

针对某些对手机使用有特殊规定的场所时常面临难以准确、高效地识别手机违规使用的问题,提出了一种基于改进的SSD模型来检测手机的违规使用.利用SSD模型获取初次目标位置及区域分类,并利用改进的DenseNet模型对初次目标框进行判定,从而获得精确的手机检测边界框.为改进数据预处理流程,采用了数据扩增与图像质量改善相结合的策...     

基于改进Faster-RCNN的输电线路巡检图像检测

针对传统输电线路目标巡检图像识别方法响应速度慢,准确率不高的问题,提出一种改进Faster-RCNN深度学习识别算法。文中通过卷积神经网络ZFnet提取图像特征,并重置模型参数以获取更多目标细节;利用Faster-RCNN对目标进行检测,由子网络区域提议模型生成目标候选框和子网络Fast-RCNN进行参数调优,并在Faster-RCNN网络输出部分引入精炼阶段,增加目标特征的分类细化和回归细化,将存在目标的多个边界框合并,实现精确分类以及坐标定位。实验结果表明：改进Faster-RCNN算法可有效识别线路设备及设备缺陷,总体识别率达到93.5%,响应时间在1s内。与图像识别法或SSD、YOLO深度学习法相比,所提算法提高了电力设备的识别精度与响应速度,在输电线路智能巡检中具有一定的优越性。     

输电线路节能金具的应用

输电线路上可锻铸铁金具在交变电流的作用下会产生磁滞和涡流损耗。为减少这种线损而研制开发出无磁钢材料,用这种材料制造的节能金具,经对比试验和挂网运行半年的实际检测表明节能效果良好,可用这种节能金具更换线路上原铸铁金具,以隔断磁回路降低线损。     

基于YOLOv5的电力巡检图像缺陷识别研究

针对输电线路巡检中可能出现的裂化、老化、腐蚀、破损等诸多缺陷的情况,为保证输电线路运行的安全和稳定,文中开展了基于YOLOv5的电力巡检图像缺陷识别研究。在YOLOv5算法的基础上,结合电力巡检图像特点,采用CIOU_Loss作为Bounding box的损失函数,使其具有更快、更好的收敛效果;选用DIOU_NMS用于NMS处理,提高对遮挡重叠目标的识别精度;同时,在对数据集进行分类处理后,采用"分别训练、统一推断"的方法,冻结部分网络层权重来训练网络模型。实验结果显示,基于YOLOv5算法模型可以有效地识别电力巡检图像缺陷情况。     

基于改进SSD的航天发动机试验报警方法

航天发动机是导弹和火箭的推进装置,其可靠性直接影响航天器的性能。发动机试验是航天发动机的研发、应用过程中不可或缺的一环,其中发动机试验影像是判断发动机性能的重要数据。针对发动机点火故障影像中出现火星等异常情况的突发性和隐蔽性,提出一种基于改进单发多框检测(SSD)的航天发动机试验预警方法。该方法在SSD目标检测算法的基础上,使用算法性能更强的深度残差网络替代原有基础网络,以提高目标检测的精度。同时,针对SSD目标检测算法对小尺度样本的漏检特性,提出基于先验尺度调整的改进措施,提高算法在此种应用环境下的小尺度样本的检测精度。实验表明,该算法适用于航天发动机试验预警应用,且在准确性和实时性上表现良好。     

一种基于图像融合的测井电成像动态图像生成方法

针对测井电成像仪器采集的地层电导率数据在动态图像生成过程中,相邻窗口之间的过渡区域出现明显台阶的问题,设计了基于拉普拉斯金字塔的图像融合方法,在台阶处上下灰度图像生成和逆向扩展等预处理步骤的基础上,采用OpenMP并行架构,并行地执行整个井段上多个台阶处上下扩展后的图像混合。在不同地质类型的四口井电成像数据上的实验结果为动态图像的台阶现象得到了有效消除,图像过渡更加自然,且运算速度较串行计算提升了约4倍。结果表明,相比于基于网格变形的二维图像渐变方法,所提方法更加简单、高效,具有更大的推广应用价值,为电成像数据的后期解释处理提供了保障,使电成像测井仪器更好地服务于油田的勘探开发。     

高海拔交流输电线路金具电晕放电特性

电晕特性是输电线路工程设计及运行必须考虑的重要方面。高海拔地区,金具电晕放电带来的电磁环境问题越来越受到关注,为获得高海拔输电线路金具电晕放电特性及海拔校正方法,在特高压交流试验基地环境气候实验室以及西藏高海拔试验基地,利用紫外成像仪对不同种类330kV交流输电线路金具开展起晕电压特性试验研究,获得模拟海拔以及实际海拔...     

南网输电线路导地线金具和绝缘子覆冰掉串原因分析及措施建议

在2008年初的电网冰灾事故中,导地线金具和绝缘子覆冰掉串是输电线路事故中常见的情况。文章对广东、贵州、云南和广西自治区四个省区的线路中导地线金具和绝缘子覆冰掉串情况进行了分类统计及原因分析,给出了导线绝缘子掉串的作用机理,为减少输电线路今后发生此类事故的概率提出了具体措施建议。     

基于边缘计算与深度学习的输电设备异物检测方法

在输电设备上经常会出现各种异物,如鸟巢、塑料袋,如果不能及时发现并清理将会对输电系统造成很大的安全隐患。因此,及时对输电设备是否有异物进行检测非常必要。针对该问题,提出了一种基于边缘计算和深度学习的异物检测方法。该方法与现有利用无人机拍摄传回云端服务器计算方法不同,通过将检测计算下沉到边缘设备,使用Mobilenet加上优化后SSD的目标检测方法在边缘设备直接处理计算,将检测出异物的图像发回云端。该方法在CPU上的运行速度是基于VGG（目视图像生成器）的SSD方法的5倍左右,是Faster-RCNN的58倍左右;在模型大小上是基于VGG的SSD方法的2/9左右,是Faster-RCNN的2/49左右,精确度为89%;与直接将数据传回云端服务器再进行处理的方式相比,数据传输量减少约90%。该方法不仅满足实时性,还具有可靠的效果,基于该方法的系统已经得到实际部署。     

输配电线路断线故障检测的一种新方法

介绍了一种高压电力线断线故障检测新方法的原理及其实现过程,并对基于该方法的无线电报警装置的构成及其信号传输处理做了阐述。