融合改进 Padim 建模和 ResNet 网络的 喷涂质量检测算法

为了满足喷涂机器人对于喷涂质量检测的需求,采用迁移学习对改进 Padim 建模和 ResNet 网络进行融合,构建自主喷 涂机器人喷涂质量检测一体化模型。 该模型提取一次图像特征可同时用于缺陷定位和分类。 在缺陷定位端,通过改进 Padim 模型以减少特征冗余所造成网络的计算消耗,首先将 ResNet-18 网络获取的 patch 嵌入向量语义层由原先前 3 层改为单 2 层,然 后特征表达由 100 维降维至 20 维,最后训练正样本得到正态分布模型与测试图像进行缺陷定位。 在缺陷分类端,对预训练 ResNet-18 网络进行负样本二次训练,得到 ResNet-18 分类模型对测试图像进行缺陷分类。 经过实验,将一体化模型移植在 jetson nano 移动端中,参数量仅为 11. 69 M,定位精度 94. 5%,分类准确率高达 99. 6%,在机器人位移速度 0. 02 m/ s 下检测时间 为 0. 730 s,不会出现缺帧漏检情况,满足实时检测的要求。     

电器工业风云策划·2021大事记

1月/Jan,1月8日,哈电集团电机公司成功攻克机器人窄间隙气保焊生产应用难题,首次实现发电设备大型关键部件机器人焊接。1月11日,乌东德右岸电站12号机组转轮顺利运至乌东德右岸电站地下厂房,标志着该机组进入核心的主机安装阶段。     

基于多旋翼无人机固定机巢自动巡检输电线路的控制技术研究

针对传统无人机在电力输电线路巡检中自动化程度不高的问题,提出了多旋翼无人机固定机巢自动巡检输电线路的控制技术。对串级位置PID控制器、自动起飞设计、航线飞行规划、自动返航降落设计等控制技术进行了重点阐述,最后成功应用于电力输电线路巡检中,有效降低了巡线人员的工作强度,实现了输电线路的全自动智能化巡检。     

基于CNN及 RPN技术的继电保护参数巡检方案研究

随着我国电力技术的飞速发展,新时代变电站也更加智能化及网络化,相应地,对电力系统维护检修技术的要求也更高.为了使得智能站继电保护设备定值巡检更加准确及快速,提出一种基于 CNN 及 RPN 技术的继电保护参数巡检方法,通过 CNN 及 RPN 技术识别多种格式的标准定值清单,解析获得设备标准定值内容,再通过解析智能 站配置文件,获得与继电保护设备通信条件并提取当前运行定值数据,最终完成继电保护定值自动核对工作,有效提 高智能站运维人员定值核对工作效率.     

基于生成对抗网络的自爆绝缘子检测模型设计

随着输电线路的持续建设,无人机逐步代替人工成为巡线工作的主要工作方式。绝缘子在输电线路中具有重要作用,然而,因自爆绝缘子导致的事故尤为频繁,从大量的航拍图像中识别自爆绝缘子,是一个亟待解决的任务。在航拍图像中,大部分绝缘子数据均是无损绝缘子,自爆绝缘子数量较少,因而无法满足识别算法的训练要求。针对现有输电线路无人机巡检中自爆绝缘子数据量稀缺的问题,该文提出了一种基于生成对抗网络的自爆绝缘子检测模型。通过生成器和鉴别器的对抗训练,该模型仅使用无损绝缘子数据训练即能完成对自爆绝缘子的检测。在此基础上,该文优化了生成对抗网络的训练过程。通过引入指导网络,解决了生成对抗网络的模式崩塌问题,提高了对自爆绝缘子检测的召回率;通过对鉴别器的输入添加扰动,解决了生成对抗网络中的样本不均衡问题,提高了对自爆绝缘子检测的精确度。通过与其他异常检测算法的对比实验,证明了该文方法的可靠性。并通过对模型各部分的消融实验,证明了该文方法各部分的可靠性。实验结果证明,该生成对抗网络模型有效避免了传统生成对抗网络中的缺陷,完成了对自爆绝缘子的高效自动检测。     

“机器人时代”通识教育课程建设实践与思考

“机器人时代”是面向全校各年级各专业的通识教育类课程。课程坚持从技术、社会学、伦理学等多元角度帮助学生把握机器人工程科技的未来发展走向。在不断的打磨与完善过程中,该门课程在教学目标设计、教学模式改革、课程思政元素融入等方面已经逐步探索出一条从多元视角开展通识教育课程建设的成功路径。     

输电线路的无人机远程自主巡检技术分析

阐述输电线路无人机远程自主巡检模式和关键技术,包括影像识别、避障导航、后台信息处理,从而实现数据传输的准确高效、处理计算分析的智能化。     

基于云端控制协同的无人机自动驾驶智能巡检技术

为解决传统电力系统巡检效率慢、巡检精度差的问题,提出基于云端控制协同的无人机自动驾驶智能巡检技术。搭建云端控制协同平台,云服务器通过内网接入智能巡检系统,设计无人机巡检多线程定位模块,通过PC端接收图像坐标模块的坐标信息,显示模块通过云平台实现数据共享;划分图像中心点坐标并标记,利用高斯核函数提升像素分布集中程度;最后拟定无人机悬停点,通过云端控制协同平台判断所获得的巡检路线图像是否存在异常,实现自动驾驶智能巡检作业。实验证明：所提方法能够精确识别初始图像像素点为574×574的图像的边缘;巡检航线水平误差最大值为0.5 m,垂直误差最大值为1 m,且巡检航线的运动未出现偏离或者抖动现象。为实现电网可靠、安全的运行提供了一定的技术支持。