基于深度学习的电网巡检图像缺陷检测与识别

无人机巡检已成为保证电网稳定运行的重要手段。针对巡检图像的自动化判读,提出基于深度学习的电网多部件缺陷检测与识别方法。将小样本缺陷检测问题分解为目标检测和分类两步。针对多目标部件的检测,提出基于最小凸集的损失函数以及预测框选择方法,两者结合YOLOv3框架可以实现多种部件的精准定位。之后,单类分类器在高维特征空间中进行小样本学习,判断目标部件是否故障。测试图像来自220 kV安徽宣枣4883线的巡检图像。实验结果表明,该方法对常见的电网故障识别率高于96%,漏报率低于2%,表明该方法能有效地进行电网的多部件缺陷检测与识别。未来结合边缘计算加速处理,可以实现无人机的在轨巡检。

基于微信端的智能家居监控系统的设计与实现

针对科技的迅速发展、人民生活质量的提高、智能家居产业的迅速发展,对智能家居控制系统进行分析和研究,提出一种低成本、易扩展,适用于家庭应用的家居控制系统。设计出一种基于树莓派的智能家居控制系统。利用树莓派、Cortex-M0模块、Zig Bee模块、GPS和GPRS模块来实现家居的控制。该系统最终实现了微信控制,移动通信,北斗定位和树莓派协同工作的智能家居多网系统。结果表明：该系统硬件设备简单、成本较低、系统可靠、易于扩展。