变电站智能巡检机器人监控系统设计与实现

变电站巡检机器人可以帮助巡检人员完成大量的重复性工作,不仅仅节省人力成本,还可以避免由于人员懈怠所可能导致的安全隐患。而一套完整的巡检机器人监控与操作系统是变电站巡检机器人能否正常工作的关键。正是介绍如何系统地设计与实现变电站巡检机器人操控系统。包括协助巡检工作人员完成巡检任务的人机交互软件,以及为了实现无人巡检所采用的仪表设备图像处理算法。着重介绍了监控软件的设计,通过运用设计模式的方法,模块化、层次化的实现各个控制功能,处理室外无人作业的巡检机器人可能遇到的各种突发异常,让整个巡检系统可以安全平稳的运行。     

基于智能巡检机器人的变电站双针仪表读数识别及其算法

随着变电站智能化发展,很多变电站巡检机器人投用,目前巡检机器人对仪表巡检读数工作效率低.巡检机器人拍摄位置出现偏差导致仪表图像质量下降,影响仪表自动读数.研究变电站指针仪表检测,自动读数算法,实现巡检机器人智能读表方法.采用深度学习CRNN模型,简化人工建模步骤,数字表计识别率达99％以上,算法经某500kv变电站巡检...     

燃煤电站输煤廊道挂轨巡检智能机器人障碍物识别定位测距系统研究

受到燃煤电站输煤廊道环境空间与环境条件的影响,现有廊道挂轨巡检机器人测量系统对障碍物识别定位测距误差较大,导致整体巡检任务执行时间过长,巡检效率偏低。究其原因在于系统对障碍物感知、认知算法上存在参量缺陷,结合燃煤电站输煤廊道特点,对燃煤电站输煤廊道挂轨巡检智能机器人障碍物识别定位测距系统展开研究。研究从系统障碍物识别算法入手,通过引入视觉算法、自主识别算法与多元信息融合算法,分别对机器人的障碍物识别特征、廊道环境特征以及障碍物空间分布特征加以优化,实现机器人障碍物识别定位测距精准度的提升,改善识别响应速度的效果。通过模拟环境下与传统挂轨巡检智能机器人障碍物识别定位测距系统R2的数据对比,证明提出研究方向的正确性与有效性,且优化后的挂轨巡检智能机器人障碍物识别定位测距系统应用效果更好。     

基于ROS的变电站室内巡检机器人的研究与设计

为了解决变电站室内人工巡检方式效率低、人工成本高、巡检精度低等问题,更好的促进数字化、智能化电网的发展,本文设计了一套适用于变电站室内巡检作业的机器人系统,该机器人系统包含巡检机器人终端、巡检专网、数据库、远程管理终端四部分,同时对机器人室内定位算法进行了研究,设计了机器人硬件结构,开发了机器人的控制系统,并对机器人的定位准确性、可靠性、安全性进行了模拟仿真实验和现场运行实验。实验结果显示：本文设计的巡检机器人可以很好的适应变电站室内环境,并且该机器人可以实现精确的定位与导航,对变电站室内设备运行情况进行精确巡检与故障预警,满足变电站室内巡检作业要求。最后对本次研究工作进行了总结,提出了下一步研究计划。     

基于STM32的变电站巡检机器人设计

智能电网的发展对变电站智能化水平要求越来越高,变电站传统人工巡检方式存在工作量大、缺乏系统分析和实时故障分析等缺点.针对传统巡检方式的不足,本文设计了基于STM32芯片的变电站智能巡检机器人,详细阐述了硬件结构和软件算法设计方案,然后对样机通讯系统、控制系统、智能识别诊断系统进行了测试分析.     

基于机器视觉技术的变电站巡检机器人自动导航系统

该文设计基于机器视觉技术的变电站巡检机器人自动导航系统,有效规划巡检机器人巡检路径,实现巡检机器人自动导航。该系统利用以PIC16F73为单片机的核心控制器,通过机器视觉采集模块采集变电站巡检设备和路线图像,经过图像处理模块分割、去噪处理后,由无线传输模块传输至巡检导航模块,结合栅格法和蚁群算法得出变电站巡检机器人路线规划最优路线;利用PID控制器控制巡检机器人按照规划路线行驶,实现变电站巡检机器人自动导航。实验结果表明,该系统无线通信性能好、覆盖范围广,可准确采集变电站巡检设备和路线图像并精准实现巡检机器人定位,能够有效规划巡检路线,实现巡检机器人自动导航。     

基于LoRa的变电站巡检监控系统的设计

针对变电站巡检技术的发展需求,设计了一种基于巡检机器人的巡检监控系统,该系统结合LoRa物联网技术和计算机嵌入式技术,与电网设施环境结合,能够进行无线视频监测,对机器人位姿、环境温度、前向障碍进行实时采集,将采集图像和数据发送至终端,并能够通过终端操作,对机器人进行运动控制,使其巡检变电站的各个监测环节。测试结果表明,该系统能够实现机器人的远程监测和运动控制,能够有效减少变电站人员工作量,改良变电站巡检方式。     

变电站巡检机器人GPS导航研究

针对变电站巡检机器人磁轨迹导航方式的不足,将高精度差分GPS定位应用于巡检机器人导航,对GPS导航系统组成结构和原理进行了论述,并在变电站现场对巡检机器人GPS导航系统进行了测试,探讨了GPS导航在变电站环境中受干扰的特点与原因.     

基于模板卷积匹配的电气指针式仪表快速检测方法

在电力系统智能运维中,特别是在基于数字孪生的变电站智能机器人巡检中,由于受周围复杂环境以及网络信号屏蔽的影响,机器人存在检测精度不高和实时性差等问题,导致不能准确检测出设备目标。利用变电站有关先验信息,如仪器仪表已知位置信息,在机器人巡检过程中,通过对已知目标的图像特征分析,利用图像几何特征信息的约束,完成智能巡检机器人在巡检过程中实现设备的准确检测。利用变电站中电气设备柜上的仪表进行识别和检测,是完成智能巡检机器人实现目标快速检测的一个关键环节。提出一种基于模板卷积匹配的电气指针仪表检测方法,通过对仪表盘进行卷积模板匹配,实现电气柜上仪表盘的精确检测,为下一步智能巡检器人的位置自校准提供必要的先验信息。实验结果表明,提出的算法具有较高的目标识别和检测精度,由于不涉及复杂的图像抽象特征计算,具有较高的计算效率。     

基于高斯投影的变电站巡检机器人定位建图技术

保障变电站的安全是电力供应的关键要素,因此变电站的巡检工作是不可或缺的。目前,采用机器人进行自动化巡检是变电站巡检领域的重要趋势。获得变电站的平面地图是实现变电站自动化巡检的关键。目前传统的定位建图方案,如同步定位与建图（Simultaneous Localization and Mapping,SLAM）、离线全球定位系统（Global Positioning System,GPS）定位等,往往存在特征识别困难、建图时间过长或者地图所需存储空间过大等缺点。基于此,提出了一种基于高斯投影的变电站巡检机器人定位建图技术。采集完工作区域内外边界和障碍区域的边界点后,通过高斯投影,将采集到的地理位置坐标转换为平面直角坐标,并通过射线法实现平面栅格地图的建立。再根据已有的栅格地图信息和实时接收的机器人当前位置信息实现定位功能。实验验证了该定位建图技术的可行性,该方法可极大地提升建图速度,减少地图所需的存储空间,建立的地图可用于巡检机器人后续的路径规划和导航。     

面向变电站监控界面自动测试的画面识别算法

对变电站监控系统人机界面进行测试验证时,通常采用对比人眼观察到的监控画面与测试指令发送的信息是否一致的方式评估监控软件是否达标,而人眼观察繁杂多变,监控信息的准确率和效率均得不到保证。为了实现变电站监控的自动测试,研究利用图像处理和机器学习技术识别变电站监控画面信息的方法。提出一种基于最佳图元的模板匹配方法解决画面中不同尺寸电气图元的自动定位问题;针对监控画面中拓扑特点提出FHOG算子并提高监控画面和图元状态的识别速度;针对汉字左右体结构分离和告警信息画面中的字符粘连等问题,提出分割识别协同的算法定位字符,并使用深度卷积神经网络进行识别。经线下实验验证了各个单元算法在实际变电站监控图像上的有效性。设计一套测试系统,经线上测试总体图元识别准确率达到96.04%。     

基于卷积神经网络的宇航电源光学检测技术

传统自动光学检测（AOI）方法难以适应宇航电源生产线多品种、小批量的特点，具有识别率低、操作复杂等问题。利用卷积神经网络(CNN)学习速度快、特征提取效果好的优势，提出了一种能够对宇航电源产品质量进行可靠检验的光学检测技术。通过对历史生产数据的精细化筛选构建了训练样本库，并设计了宇航电源产品光学检验专用卷积神经网络；将Canny算子边缘检测与CNN图像识别相结合，实现了印制板装配图信息的自动读取。与传统AOI检测方法相比，该方法缺陷识别率高达99%，且检验过程简单，提高了宇航电源产品光学检验工作效率，已应用于宇航电源生产线。     

双视融合与边缘计算在智能巡检中的应用

智能巡检技术在变电站已得到初步应用,但仍存在人工筛查依赖高、巡检效率低等一系列问题。本文针对变电站巡检的场景,从基于双视融合的图像异常识别和基于边缘计算的视频诊断两个方面提出了技术解决方案识别设备异常,实现了巡检作业的智能化和工作效率的提升。     

基于轮廓线与特征融合的电网变电设备三维自动化运检方法

因工作环境的复杂性,变电设备成为智能电网中故障频率最高的装置之一,易发生设备接地故障、保险熔断故障、绝缘材料老化等问题,为提高电网变电设备三维自动化运检精度,提出基于轮廓线与特征融合的电网变电设备三维自动化运检方法研究。采集电网变电设备三维图像,获取电网变电设备三维图像初始轮廓点,筛选变电设备轮廓点,依照顺序连接提取出的关键轮廓点,得到变电设备三维图像轮廓线,结合形态学滤波算法,对图像进行开、闭运算,依据轮廓线的闭合情况,分割出目标图像与背景图像,提取包括HOG特征与LBP特征的变电设备目标图像特征,经过特征融合后,构造最优分类超平面,制定电网变电设备三维自动化运检规则,判定变电设备运维情况,最终实现变电设备的三维自动化运检。实验数据显示：该方法识别出变电设备的正常与异常状态,在不同实验工况背景下,应用提出方法获得的变电设备运检精度达到了96%。提高了变电设备的自动化运检的识别及运检精度,满足现今变电设备的运检需求。     

迁移学习用于牵引变电所视频多目标识别研究

为实现牵引变电所视频图像的多目标识别,为牵引变电所的远程智能巡检提供技术支持。基于迁移学习的理论研究,利用SSD（Single Shot Multibox Detector）和YOLOv2（You Only Look Once v2）模型,实现牵引变电所视频图像中高压开关柜的仪表、分合指示灯状态以及隔离开关的分合状态的自动识别。利用TensorFlow平台实现的多目标识别方法识别速度快而且鲁棒性好。     

基于注意力机制学习的变电设备缺陷检测方法

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。     

基于遗传编程的SMT机器视觉检测特征提取

在印刷电路板贴片安装的机器视觉检测中,贴片元件的型号识别和缺陷检测都是基于CCD采集的图像,数据量大、维数太多,该图像特征的提取是正确检测识别的关键技术之一.遗传编程通过遗传优化可以从原始数据或传统的高维特征中提取出更能反映类别本质的有效特征,降低特征维数、减少分类器的计算成本,同时提高分类识别精度.设计基于遗传编程的特征提取方案用于该机器视觉检测,并改进了特征评价指标.对比实验验证了本方案提取的特征分别用于ANN和SVM的良好分类识别效果.     

A robust technique based on invariant moments – ANFIS for recognition of human parasite eggs in microscopic images

In this study, we propose a robust technique based on invariant moments – adaptive network based fuzzy inference system (IM-ANFIS). In this technique, some digital image processing methods such as noise reduction, contrast enhancement, segmentation, and morphological process are used for feature extraction stage of IM-ANFIS approach used in this study. Recently, the pattern recognition principles have come into prominence. The pattern recognition includes operation and design of systems that recognize patterns in data sets. Important application areas of pattern recognition techniques are character recognition, speech analysis, image segmentation, man and machine diagnostics and industrial inspection. The technique presented in this study enables to classify 16 different parasite eggs from their microscopic images. This proposed recognition method includes three stages. In first stage, a preprocessing subsystem is realized for obtaining unique features from the same group of patterns. In second stage, a feature extraction mechanism which is based on the invariant moments is used. In third stage, an adaptive network based fuzzy inference system (ANFIS) classifier is used for recognition process. We conduct computer simulations on MATLAB environment. The overall success rate is almost 95%.     

基于视频监控的变电站智能巡检系统研究

变电站巡检工作是保证变电站安全稳定运行的关键工作之一,随着视频监控及数据分析技术的发展,利用视频数据分析技术实现变电站巡检的集中化、智能化,成为变电站巡检的趋势。文中首先分析了变电站巡检工作的现状及应用的局限性,然后介绍了基于视频监控的变电站自动巡检系统。系统通过电网统一视频监控平台（ SG-UVP）获取变电站监控视频数据,利用视频对变电站关键设备运行状态的智能识别和判断,实现巡检的集中化、智能化、可视化,同时介绍了相应的建设案例。实践证明该系统对变电站运行维护工作效率提升具有显著的经济与社会效益,具备推广价值。     

文档图象中特定信息的智能识别

本文讨论了一种基于光学标记识别技术的文档图象识别系统，重点阐述了该系统的设计思想和实现技术。系统以标记识别为例，对图象数字化、图象预处理、获取图象信息以及信息特征提取等几个关键部分进行了详细描述。在图象预处理过程中给出了一种高效实用的边缘检测算法，在标记信息特征提取中采用了统计分析的方法，其结果可以大大
大提高标记识别系统的准确率。